Search academic texts

Information × Registration Number 2125U004004, Article popup.category Опубліковано, Стаття Title HIERARCHICAL MACHINE LEARNING SYSTEM FOR FUNCTIONAL DIAGNOSIS OF EYE PATHOLOGIES BASED ON THE INFORMATIONEXTREMAL APPROACH popup.author Шелехов І. В.Прилепа Д. В.Хібовська Ю. О.Тимченко О. А.Shelehov I. V.Prylepa D. V.Khibovska Y. O.Tymchenko O. A. popup.publication 22-09-2025 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/339405 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Розглянуто задачу інформаційно-екстремального машинного навчання системи діагностування патологій ока за характерними ознаками захворювань. Об’єктом дослідження є процес ієрархічного машинного навчання системи діагностування офтальмологічних захворювань. Старіння населення та поширення захворювань очей, таких як глаукома, атрофія зорового нерва, відшарування сітківки та діабетична ретинопатія, вимагають ефективних методів ранньої діагностики для запобігання втрати зору. Традиційні методи діагностики значною мірою залежать від досвіду лікаря, що може призводити до помилок. Використання штучного інтелекту (ШІ) та машинного навчання (МН) може суттєво покращити точність і швидкість діагностування, що робить цю тему надзвичайно актуальною.Мета. Підвищення функціональної ефективності комп’ютеризованої системи діагностування патологій ока на основі зображень.Метод. Запропоновано метод інформаційно-екстремального ієрархічного машинного навчання для системи діагностування патологій ока на основі характерних ознак захворювань. Метод базується на функціональному підході домоделювання когнітивних процесів природного інтелекту, що забезпечує адаптивність системи діагностування за будь-яких початкових умов формування зображень патологій і дозволяє гнучко перенавчати систему при збільшення потужності алфавіту класів розпізнавання. Основою методу є принцип максимізації критерію функціональної ефективності на базі модифікованої інформаційної міри Кульбака, яка є функціоналом від точносних харатеристик діагростичних правил. Процес навчання розглядається як ітераційна процедура оптимізації параметрів роботи системи діагностування за цим інформаційним критерієм. На основі запропонованої категорійної функціональної моделі розроблено алгоритм інформаційно-екстремального машинного навчання з ієрархічною структурою даних у вигляді бінарного декурсивного дерева. Така структура даних дозволяє розділяти велику кількість класів розпізнавання на пари найближчих сусідів, для яких параметри машинного навчання оптимізуються за лінійним алгоритмом необхідної глибини.Результати. Розроблено інтелектуальну технологію діагностики патологій ока, яка включає комплекс інформаційного,алгоритмічного та програмного забезпечення. Проведено порівняльний аналіз ефективності різних методів організаціївирішальних правил у процесі навчання системи. Виявлено, що використання декурсивних ієрархічних структуркласифікаторів дозволяє досягти вищої точності діагностики у порівнянні з бінарними класифікаторами.Висновки. Розроблена інтелектуальна система комп’ютерного діагностування патологій ока демонструє високуефективність та точність. Впровадження такої системи у медичну практику може суттєво підвищити якість діагностикиочних захворювань, знизити навантаження на лікарів та мінімізувати ризик помилкових діагнозів. Подальші дослідження можуть бути спрямовані на вдосконалення алгоритмів та розширення їх застосування на інші типи медичних зображень popup.nrat_date 2026-02-26 Close