Исследовательский потенациал молодых ученых: взгляд в будущее - 2021

209 (рецептивными полями) и расположены в сверточных картах, причем все нейроны имеют одинаковые веса. Это позволяет сверточным картам действовать как локальные фильтры изображения, обнаруживая одни и те же шаблоны во всех положениях изображения, и сокращать общее количество параметров, которые необходимо обучить [3]. Сеть организована в виде иерархической структуры слоев, которая на каждом уровне объединяет функции нижнего уровня с функциями более высокого уровня, пока не будет получена метка класса изображения. В настоящее время можно выделить следующие подходы к формированию архитектуры сверточных нейросетей в контексте решения задач компьютерной медицинской диагностики: − Метод подбора случайных конфигураций сети: выбор случайных пара- метров архитектуры и проверка точности работы конфигурации каждой модели на определенном наборе данных. − Построение индивидуальной архитектуры, оптимизированной для реше- ния определенного класса задач. Подход используется в исследованиях, которые касаются непосредственно машинного обучения и разработки моделей сверточ- ных нейросетевых сетей. − Экспертный подход: выбор параметров сети как для решения похожей успешно решенной задачи. − Автоматизированный подбор параметров с последующей оптимизацией: подбор значений параметров архитектуры нейросети с последующим использо- ванием алгоритмов оптимизации. Данный подход используется достаточно редко и зачастую может являться неэффективным из-за больших затрат времени на его реализацию. Наиболее эффективная предлагаемая сверточная нейросетевая архитектура, которая применяется для классификации патологий молочной железы, следует общим тенденциям предыдущих успешных применений CNN для классифика- ции изображений [4, 5, 6] с несколькими парами уровней сверточного пула, за которыми следует полностью соединенная нейросеть. Исходя из вышеизложенного, можно заключить, что экспертный подход мо- жет стать основным в решениях прикладного применения моделей нейросетевых классификаторов изображений в системах компьютерной медицинской диагно- стики. Однако в силу отсутствия достаточного количества исследований об эф- фективности применения архитектур сверточных нейросетей для диагностики редких патологий, наиболее оптимальным будет являться комбинация эксперт- ного подхода и перебора случайных конфигураций сети. Литература 1. Siegel, R. L. Colorectal cancer statistics / R. L. Siegel, K. D. Miller // A Cancer Journal for Clinicians. – 2020.