Исследовательский потенациал молодых ученых: взгляд в будущее - 2021

208 УДК 51-7 П. А. Свинолупова swinol.polina1998@gmail.com Научный руководитель – доктор физ.-мат. наук И. Н. Балаба Тульский государственный педагогический университет им. Л. Н. Толстого ПОДХОДЫ К ФОРМИРОВАНИЮ АРХИТЕКТУРЫ НЕЙРОСЕТЕВЫХ КЛАССИФИКАТОРОВ ПАТОЛОГИЙ Аннотация. Рассматриваются подходы к формированию архитектуры нейросе- тевых классификаторов патологий, применяемых в системах компьютерной медицин- ской диагностики. Ключевые слова: компьютерная медицинская диагностика, машинное обучение, сверточные нейронные сети. Злокачественные образования представляют собой достаточно серьезную медицинскую и социальную проблему. Показатель смертности от рака в мире остается довольно высоким: рак молочной железы является первой причиной смерти от рака у женщин в возрасте от 20 до 59 лет и второй причиной смерти женщин старше 59 лет [1]. Диагностика и лечение этой патологии на ранних ста- диях необходимы для предотвращения прогрессирования заболевания и сниже- ния показателей заболеваемости [2]. Использование систем компьютерной диагностики необходимо для повы- шения эффективности диагностики подобных патологий. В системы компьютер- ной диагностики встроены методологии анализа изображений и машинного обу- чения, разработанные для помощи врачам во время процедуры диагностики. Будучи системой второго мнения, они сокращают нагрузку на специалистов, способствуя как эффективности диагностики, так и снижению затрат. С этой це- лью часто пытаются воспроизвести метод врача. Например, анализа морфологии ядер может быть достаточно, чтобы классифицировать ткань как доброкаче- ственную или злокачественную. Для повышения точности анализа изображений биологических материалов на предмет наличия патологий, важно правильно сформировать архитектуру классификатора заболеваний в системах компьютерной диагностики. В настоя- щее время наиболее эффективным классификатором цифровых изображений яв- ляется модель сверточной нейронной сети. Сверточные нейронные сети (CNN) – это сверточные нейронные сети с пря- мой связью, которые специализируются на распознавании визуальных образов. Нейроны связаны с перекрывающимися локальными участками изображения