В статье исследована эффективность ансамблевых алгоритмов на основе принципов частичной прсцедентности при классификации стадий рака. Механизм взвешенного принятия решений на основе линейной свертки показал высокие результаты при классификации типов рака (С 16, С17, С18, С44, С50, С00). Разработан метод на основе манхэттенского расстояния и пороговых значений, результаты сравнены с классическими алгоритмами. Предложенный ансамблевый алгоритм повышает точность классификации до 94,7-96,2%, что на 3-10% выше результатов существующих алгоритмов.
Данная исследовательская работа посвящена проблеме классификации патологий на снимках компьютерной томо!рафии почек с использованием глубоких нейронных сетей, которая анализирует не только бинарную классификацию типа «норма/патология», но и сложные вопросы дифференциальной диагностики между патологиями. В работе также предложен комбинаторный подход к классификации патологий, в котором показано, что первоначально постановка общего диагноза с использованием четырехфакторной модели классификации, а в сомнительных случаях дополнительное обследование с использованием бинарных или тернарных моделей, приемлемо для клинической практики.
В работе представлена математическая модель, и результаты проведенных численных расчетов, предназначенные для анализа и прогнозирования распространения загрязняющих веществ в приземном слое атмосферы. Модель учитывает динамику уменьшения концентрации загрязнителей за счет их естественного разложения и фотохимической трансформации, влияние изменений розы ветров и топографии местности, изменение коэффициентов диффузии и турбулентного перемешивания в зависимости от стабильности атмосферной стратификации. Высокая точность и устойчивость результатов обеспечивается за счет использования полунеявной конечно-разностной схемы и метода «прямых» для решения поставленных задач.
В данном исследовании представлен передовой подход к оптимизации систем нечеткого вывода (СНВ) с использованием генетических алгоритмов (ГА) -мощного эволюционного метода, вдохновленного естественным отбором. Традиционная разработка FIS основана на эвристической настройке базы правил и функций релевантности, что может быть неэффективным. Это исследование позволяет систематически оптимизировать базу правил СНВ, что повышает точность, гибкость и надежность систем принятия решений. Экспериментальные результаты показывают, что сложность базы правил значительно снижается при сохранении производительности системы. В исследовании также подчеркивается важность таких операторов ГА, как отбор, кроссинговср и мутация, для достижения глобальной оптимальности. Такая интеграция помогает разрабатывать интеллектуальные системы, способные адаптироваться к реальным ситуациям, обеспечивая многообещающие результаты для экспертных систем, приложений автоматизации и управления.
В данной статье рассмотрены проблемы, возникающие при цифровой обработке изображений внутренних органов человека, полученных методом видеоэндоскопии, а также пути их устранения. Несмотря на широкое применение видеоэндоскопических изображений в медицине, в диагностике и хирургии, их качество может снижаться из-за таких факторов, как недостаточное освещение, шумы, геометрические искажения и изменение цветового баланса. Кроме того, биологическое разнообразие человеческого организма и патологические различия проявления заболеваний негативно влияют на точность моделей искусственного интеллекта. В статье обоснована актуальность использования современных алгоритмических подходов, включая технологии глубокого обучения, для повышения качества изображений и эффективности диагностики.
В статье представлен сравнительный анализ алгоритмов машинного обучения, применяемых для ранней диагностики онкологических заболеваний. В работе рассмотрены алгоритмы Random Forest, XGBoost, AdaBoost и другие, протестированные на различных клинических задачах, таких как рак шейки матки, лёгких и кожи. Особое внимание уделено ансамблевым методам, которые продемонстрировали наивысшую точность, особенно алгоритму Random Forest (случайный лес). Подчёркивается универсальность изучаемых методов, их адаптивность к разнородным медицинским данным и потенциал для разработки интеллектуальных систем поддержки принятия клинических решений.
