ПРОЕКТИРОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ИССЛЕДОВАНИЯ РАБОТЫ ЗРИТЕЛЬНОГО АНАЛИЗАТОРА
|
Введение 3
§1. Биоинспирированные вычисления 6
1.1. Искусственные нейронные сети 6
1.2. Обучение нейронных сетей 10
1.3. Применение эволюционных алгоритмов для автоматического формирования конфигурации сети 15
§2. Исследование работы зрительного анализатора 19
2.1. Исследование работы зрительного анализатора 19
2.2. Применение искусственных нейронных сетей для
определения отклонений в работе зрительного
анализатора 21
2.3. Результаты работы приложения по классификации
пациентов 31
Заключение 34
Литература 36
Приложения
§1. Биоинспирированные вычисления 6
1.1. Искусственные нейронные сети 6
1.2. Обучение нейронных сетей 10
1.3. Применение эволюционных алгоритмов для автоматического формирования конфигурации сети 15
§2. Исследование работы зрительного анализатора 19
2.1. Исследование работы зрительного анализатора 19
2.2. Применение искусственных нейронных сетей для
определения отклонений в работе зрительного
анализатора 21
2.3. Результаты работы приложения по классификации
пациентов 31
Заключение 34
Литература 36
Приложения
Аппарат искусственных нейронных сетей (ИНС) в последнее время получает широкое распространение во многих областях прикладной науки, бизнесе, медицине, технике и др. Повышенный интерес к искусственным нейронным сетям обусловлен простотой их использования и успешностью применения для решения многих плохо формализуемых за-дач, для которых не разработаны традиционные математические методы, либо они оказываются слишком сложными для практической реализации.
К наиболее распространенным сферам применения ИНС относятся автоматизация процессов распознавания образов, прогнозирование, адаптивное управление, создание экспертных систем, организация ассо-циативной памяти, обработка аналоговых и цифровых сигналов, синтез и идентификация электронных цепей и систем [1].
В данной работе аппарат искусственных нейронных сетей применяется для решения задачи диагностирования различных неврологических симптомов и зрительных отклонений у пациентов на основании данных замеров уровня зрительного вызванного потенциала на вспышку.
В настоящее время метод вызванных потенциалов мозга находит все более широкое применение в клинической практике как метод, поз-воляющий диагностировать и дать оценку расстройств зрительного пути, нарушений функционирования коры головного мозга, локализации нарушений ствола мозга, оценки развития мозгового ствола и коры, со-стояния когнитивных функций, нарушений периферических нервов, нарушений движений глаз и процессов в сетчатке, нарушений в проводя-щих путях спинного мозга, оценки комы и смерти мозга и др. [2].
Целью работы являлось исследование возможностей применения искусственных нейронных сетей для автоматизации диагностики раз-
личных синдромов у пациентов, а также построение программного обеспечения, позволяющего на основании данных замера зрительного вы-званного потенциала на вспышку (ЗВП) определять наличие у пациента тех или иных неврологических патологий.
Для достижения поставленной цели необходимо было решить сле-дующие задачи:
1) определить возможности применения искусственных нейронных сетей для выполнения классификации пациентов (диагностики различных отклонений от нормы — синдромов) на основании данных ЗВП, и выбрать наиболее подходящие для этого тип и конфигурацию ИНС;
2) выбрать способ обучения нейронной сети и оптимизировать этот процесс с учетом специфики конкретной прикладной задачи с помощью применения эволюционных алгоритмов;
3) разработать программное обеспечение, реализующее построение, обучение и работу выбранного типа искусственной нейронной сети для классификации пациентов.
Определенную научную новизну в работе представляют разработанный алгоритм автоматического поиска ключевых точек на графике ЗВП, которые используются при постановке диагнозов в неврологии, а также предложенная модифицированная (кластерная) структура искус-ственной нейронной сети типа «перцептрон», повышающая качество ее работы для решения конкретной прикладной задачи, в совокупности с примененным методом формирования структуры искусственной нейронной сети средствами эволюционных алгоритмов с целью повыше-ния эффективности проводимой классификации .
Практической значимостью исследования является возможность использования разработанного программного обеспечения для:
• уточнения и автоматизации поиска ключевых точек на графике ЗВП, ранее производившихся исключительно специалистами- неврологами;
• предварительного автоматизированного предсказания возможности наличия у исследуемого пациента определенных нарушений в работе зрительного анализатора или периферической и центральной нервной системы.
Работа выполнялась в сотрудничестве с научно-диагностическим центром при Казанском государственном медицинском университете и, конкретно, с заведующим нейрофизиологическим отделением, врачом- неврологом С. И. Низамутдиновым .
Ход и результаты исследования докладывались и обсуждались на различных научных и научно-практических конференциях, в том числе, конференции при кафедре неврологии, рефлексотерапии и остеопатии Казанской государственной медицинской академии, итоговых конференциях кафедры теории функций и приближений КФУ, Пятнадцатой молодежной научной школы-конференции «Лобачевские чтения — 2016». По результатам исследования подготовлены к печати в журналах ВАК («Медицинский академический журнал» и «Вестник современной клинической медицины») 4 статьи в соавторстве с сотрудниками медицинского научно-диагностического центра КГМУ.
К наиболее распространенным сферам применения ИНС относятся автоматизация процессов распознавания образов, прогнозирование, адаптивное управление, создание экспертных систем, организация ассо-циативной памяти, обработка аналоговых и цифровых сигналов, синтез и идентификация электронных цепей и систем [1].
В данной работе аппарат искусственных нейронных сетей применяется для решения задачи диагностирования различных неврологических симптомов и зрительных отклонений у пациентов на основании данных замеров уровня зрительного вызванного потенциала на вспышку.
В настоящее время метод вызванных потенциалов мозга находит все более широкое применение в клинической практике как метод, поз-воляющий диагностировать и дать оценку расстройств зрительного пути, нарушений функционирования коры головного мозга, локализации нарушений ствола мозга, оценки развития мозгового ствола и коры, со-стояния когнитивных функций, нарушений периферических нервов, нарушений движений глаз и процессов в сетчатке, нарушений в проводя-щих путях спинного мозга, оценки комы и смерти мозга и др. [2].
Целью работы являлось исследование возможностей применения искусственных нейронных сетей для автоматизации диагностики раз-
личных синдромов у пациентов, а также построение программного обеспечения, позволяющего на основании данных замера зрительного вы-званного потенциала на вспышку (ЗВП) определять наличие у пациента тех или иных неврологических патологий.
Для достижения поставленной цели необходимо было решить сле-дующие задачи:
1) определить возможности применения искусственных нейронных сетей для выполнения классификации пациентов (диагностики различных отклонений от нормы — синдромов) на основании данных ЗВП, и выбрать наиболее подходящие для этого тип и конфигурацию ИНС;
2) выбрать способ обучения нейронной сети и оптимизировать этот процесс с учетом специфики конкретной прикладной задачи с помощью применения эволюционных алгоритмов;
3) разработать программное обеспечение, реализующее построение, обучение и работу выбранного типа искусственной нейронной сети для классификации пациентов.
Определенную научную новизну в работе представляют разработанный алгоритм автоматического поиска ключевых точек на графике ЗВП, которые используются при постановке диагнозов в неврологии, а также предложенная модифицированная (кластерная) структура искус-ственной нейронной сети типа «перцептрон», повышающая качество ее работы для решения конкретной прикладной задачи, в совокупности с примененным методом формирования структуры искусственной нейронной сети средствами эволюционных алгоритмов с целью повыше-ния эффективности проводимой классификации .
Практической значимостью исследования является возможность использования разработанного программного обеспечения для:
• уточнения и автоматизации поиска ключевых точек на графике ЗВП, ранее производившихся исключительно специалистами- неврологами;
• предварительного автоматизированного предсказания возможности наличия у исследуемого пациента определенных нарушений в работе зрительного анализатора или периферической и центральной нервной системы.
Работа выполнялась в сотрудничестве с научно-диагностическим центром при Казанском государственном медицинском университете и, конкретно, с заведующим нейрофизиологическим отделением, врачом- неврологом С. И. Низамутдиновым .
Ход и результаты исследования докладывались и обсуждались на различных научных и научно-практических конференциях, в том числе, конференции при кафедре неврологии, рефлексотерапии и остеопатии Казанской государственной медицинской академии, итоговых конференциях кафедры теории функций и приближений КФУ, Пятнадцатой молодежной научной школы-конференции «Лобачевские чтения — 2016». По результатам исследования подготовлены к печати в журналах ВАК («Медицинский академический журнал» и «Вестник современной клинической медицины») 4 статьи в соавторстве с сотрудниками медицинского научно-диагностического центра КГМУ.
Аппарат искусственных нейронных сетей, идея функционирования которых заимствована из биологии, в последнее время получает все большую популярность в виду бурного развития компьютерной техники и возрастанию ее вычислительной мощности, а также благодаря таким своим качествам, как универсальность и способность решать трудно формализуемые задачи.
В настоящей работе исследована структура искусственных нейронов, структура образуемых ими сетей типа «перцептрон» и возможность применения ИНС к решению задачи предсказания ряда диагнозов пациентов на основании данных замеров зрительных потенциалов, вызванных стимулом-вспышкой. В качестве базовой модели нейронной сети был выбран многослойный перцептрон.
Универсальность применяемого аппарата для решения самых разнообразных задач при использовании однотипных, относительно несложных конструкций, достигается за счет необходимости его обучения на известных примерах. В работе был исследован один из наиболее распространенных способов обучения нейронных сетей при помощи алгоритма обратного распространения ошибки. При всей своей универсальности, алгоритм обладает определенными недостатками. Исправить некоторые из них позволило применение других биоинспирированных методов — эволюционных алгоритмов, в основе которых лежит механизм природной адаптации. Они, так же, как и нейронные сети, могут применяться для решения трудно фор-мализуемых задач, к которым, безусловно, относится и проблема выбора оптимальной конфигурации перцептронов. Применение эволюционных методов позволило частично автоматизировать подбор таких параметров нейронной сети как число скрытых слоев и количество нейронов в них.
Для формирования работающего программного продукта потребовалось изучить методы исследования работы зрительного анализатора средствами вызванных потенциалов в сотрудничестве с медицинским научно-диагностическим центром КГМУ. Были установлены ключевые параметры ЗВП, используемые при постановке диагнозов, и разработан двухфазный алгоритм их автоматизированного вычисления, позволяющий облегчить труд специалиста-невролога. Кроме того, разработанный с применением языка программирования Python 3.5 программный продукт позволяет реализовать функционал ИНС и выполнять классификацию пациентов и, таким образом, делать предварительные предположения о наличии у них тех или иных синдромов (отклонений от нормы).
При этом для обеспечения приемлемого уровня качества классификации, помимо описанных выше приемов, в работе был предложены такие модификации стандартных моделей ИНС, как:
• нормализация исходных данных с учетом нормальных значений медицинских показателей изучаемых параметров ЗВП;
• формирование кластерной структуры нейронной сети для уменьшения числа настраиваемых связей между нейронами и, соответственно, возможности применения обучающего множества меньшего размера.
Все это в совокупности позволило добиться приемлемых показателей качества предсказания диагнозов пациентов, доведя вероятность получения верного ответа сети до 85%.
Вместе с тем, исследование не может претендовать на исчерпывающее научное решение всех проблем, связанных с автоматизацией диагностики различных неврологических заболеваний. Требуется дальнейшее повышение эффективности применяемых технологий, чему может способствовать более точная исходная классификация пациентов в исходном множестве, учет их поло-возрастных особенностей, а также учет причин возникновения определенных синдромов.
В настоящей работе исследована структура искусственных нейронов, структура образуемых ими сетей типа «перцептрон» и возможность применения ИНС к решению задачи предсказания ряда диагнозов пациентов на основании данных замеров зрительных потенциалов, вызванных стимулом-вспышкой. В качестве базовой модели нейронной сети был выбран многослойный перцептрон.
Универсальность применяемого аппарата для решения самых разнообразных задач при использовании однотипных, относительно несложных конструкций, достигается за счет необходимости его обучения на известных примерах. В работе был исследован один из наиболее распространенных способов обучения нейронных сетей при помощи алгоритма обратного распространения ошибки. При всей своей универсальности, алгоритм обладает определенными недостатками. Исправить некоторые из них позволило применение других биоинспирированных методов — эволюционных алгоритмов, в основе которых лежит механизм природной адаптации. Они, так же, как и нейронные сети, могут применяться для решения трудно фор-мализуемых задач, к которым, безусловно, относится и проблема выбора оптимальной конфигурации перцептронов. Применение эволюционных методов позволило частично автоматизировать подбор таких параметров нейронной сети как число скрытых слоев и количество нейронов в них.
Для формирования работающего программного продукта потребовалось изучить методы исследования работы зрительного анализатора средствами вызванных потенциалов в сотрудничестве с медицинским научно-диагностическим центром КГМУ. Были установлены ключевые параметры ЗВП, используемые при постановке диагнозов, и разработан двухфазный алгоритм их автоматизированного вычисления, позволяющий облегчить труд специалиста-невролога. Кроме того, разработанный с применением языка программирования Python 3.5 программный продукт позволяет реализовать функционал ИНС и выполнять классификацию пациентов и, таким образом, делать предварительные предположения о наличии у них тех или иных синдромов (отклонений от нормы).
При этом для обеспечения приемлемого уровня качества классификации, помимо описанных выше приемов, в работе был предложены такие модификации стандартных моделей ИНС, как:
• нормализация исходных данных с учетом нормальных значений медицинских показателей изучаемых параметров ЗВП;
• формирование кластерной структуры нейронной сети для уменьшения числа настраиваемых связей между нейронами и, соответственно, возможности применения обучающего множества меньшего размера.
Все это в совокупности позволило добиться приемлемых показателей качества предсказания диагнозов пациентов, доведя вероятность получения верного ответа сети до 85%.
Вместе с тем, исследование не может претендовать на исчерпывающее научное решение всех проблем, связанных с автоматизацией диагностики различных неврологических заболеваний. Требуется дальнейшее повышение эффективности применяемых технологий, чему может способствовать более точная исходная классификация пациентов в исходном множестве, учет их поло-возрастных особенностей, а также учет причин возникновения определенных синдромов.
Подобные работы
- Топологический анализ модели кортикальной колонки при масштабировании до визуальной коры V3
Дипломные работы, ВКР, информатика. Язык работы: Русский. Цена: 4315 р. Год сдачи: 2016