Искусственные нейронные сети (ИНС) - математические модели, а так же их программные и аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей - сетей нервных клеток живого организма. Работа по созданию искусственных нейронных сетей началась в XX веке, но их широкому распространению способствовало лишь сравнительно недавнее появление мощных вычислительных систем. Однако человеческий мозг имеет сложную организацию, и создать что-то по его образу и подобию довольно непросто, поэтому исследования в области развития искусственных нейронных сетей привлекают к себе все больше внимания.
В настоящее время активно развиваются системы искусственного интеллекта, базируемые на использовании аппарата искусственных сетей (ИНС). В частности, с их помощью решается широкий круг проблем: построение моделей при недостатке информации, распознавание образов, кластеризация и т.д. Также ИНС используются в медицине, в том числе в диагностировании рака.
Рак молочной железы является наиболее распространенной формой рака у женщин, а инвазивная протоковая карцинома (IDC) - наиболее распространенная форма рака молочной железы. Точное определение и классификация подтипов рака молочной железы является важной клинической задачей, и автоматизированные методы могут быт ь использованы для экономии времени и уменьшения ошибок.
Данная работа посвящена идентификации и поставлены следующие задачи выпускной квалификационной работы:
1. Ознакомление с нейронной сетью - ее составляющими, структурой, а также рассмотрение одного из способов ее обучения, используемого в рамках разрабатываемой программы;
2. Реализация нейронной сети для идентификации IDC.
Актуальность
В современном мире растет интерес к изучению нейронных сетей и нейрокомпьютеров. Актуальность исследований в этом направлении подтверждается большим количеством публикаций, конференций и различных практических приложений в области экономики, медицины, химии, физики и многих других. С помощью искусственных нейронных сетей можно выполнять, например, распознавание объектов на изображении, прогнозировать колебания валютного рынка, моделировать модель 3
принятия решений, определять направление научных исследований, синтезировать речь из текста, ставить диагнозы и выявлять патологии.
Спектр направлений для внедрения нейронных сетей в современном мире достаточно широк. В этой исследовательской работе была выявлена одна из самых популярных областей их применения - медицина. ИНС позволяет ставить диагнозы с высокой точностью, и самое главное, эта технология может быть использована для определения первичного диагноза или наблюдения. Все это поднимет диагностику на новый уровень, не нужно создавать что-то совершенно новое, вам просто нужно адаптировать существующие алгоритмы и аппаратное обеспечение.
Необходимость использования нейронных сетей вызвана также тем, что клиники в большинстве городов не справляются с потоком пациентов, тем самым, не оказывая своевременной помощи. Таким образом, опасность заболевания возрастает и на его устранение тратится больше денег, как со стороны больного, так и со стороны государства.
В заключение отметим, что данный проект подчеркивает незаменимую роль искусственного интеллекта в современной жизни. Нейронные сети были и будут совершенствоваться все больше и больше, чтобы обеспечить отличные инструменты, лучшие решения для человека. Искусственный интеллект можно использовать в большинстве аспектов, особенно в здравоохранении. В работе реализована нейронная сеть, которая может диагностировать инвазивную протоковую карциному на изображениях сканированных образцов. Однако из-за недостатка вычислительной мощности, времени и большего количества обучающих данных эта нейронная сеть все еще очень проста и имеет много возможностей для улучшения. Современная нейронная сеть, используемая крупными корпорациями, может содержать от тысячи до десяти тысяч слоев с миллионами параметров. Для построения такой нейронной сети требовалась сильная основная команда, огромные массивы данных и сверхмощные компьютеры, используемые для обучения машины в течение многих дней и месяцев. Несмотря на это, нейронная сеть в данной работе довольно успешно позволяет предсказать наличие раковой опухоли с точностью до 88% для любого данного сканируемого образца.
