УДК 004.93.1
А.С. ДОВБИШ
Сумський державний університет, Суми, Україна, 
a.dovbysh@cs.sumdu.edu.ua
І.В. ШЕЛЕХОВ
Сумський державний університет, Суми, Україна, i.shelehov @cs.sumdu.edu.ua
А.М. РОМАНЮК
Сумський державний університет, Суми, Україна, a.romanjuk@med.sumdu.edu.ua
Р.А. МОСКАЛЕНКО
Сумський державний університет, Суми, Україна, r.moskalenko@med.sumdu.edu.ua
Т.Р. САВЧЕНКО
Сумський державний університет, Суми, Україна, taras.savchenko01@gmail.com
СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ
ДІАГНОСТУВАННЯ ОНКОПАТОЛОГІЙ МОЛОЧНОЇ
ЗАЛОЗИ ЗА ГІСТОЛОГІЧНИМИ ЗОБРАЖЕННЯМИ
Анотація. Запропоновано метод інформаційно-екстремального машинного навчання системи підтримки прийняття рішень для діагностування онкопатологій молочної залози за гістологічними зображеннями. Цей метод на відміну від відомих методів, включаючи нейроподібні структури, розроблено у межах функціонального підходу до моделювання когнітивних процесів формування і прийняття рішень природним інтелектом. Водночас побудовані у межах геометричного підходу вирішальні правила є практично інваріантними до багатовимірності простору діагностичних ознак. Розроблений метод дає змогу створити інформаційне, алгоритмічне та програмне забезпечення автоматизованого робочого місця лікаря-гістолога для діагностування онкопатологій різного генезу.
Ключові слова: інформаційно-екстремальне машинне навчання, інформаційний критерій оптимізації, система підтримки прийняття рішень, гістологічне зображення, рак молочної залози.
повний текст
СПИСОК ЛІТЕРАТУРИ
- UCI machine learning repository: Datasets. URL: http://archive.ics.uci.edu/ml/machine-learningdatabases/breast-cacer-wisconsin .
- van den Burg G.J.J., Groenen P.J.F. GenSVM: A generalized multiclass support vector machine. Journal of Machine Learning Research. 2016. Vol. 17, N 224. P. 1–42.
- Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation. Proc. 18th International Conference on Medical image computing and computer-assisted intervention MICCAI 2015 (5–9 October 2015, Munich, Germany). Munich, 2015. P. 234–241.
- Xu G., Zong Y., Yang Y.Z. Applied data mining. Boca Raton: CRC Press, 2013. 284 p.
- Moskalenko A.S., Moskalenko V.V., Pimonenko S.V., Korobov A.G. Development of the method of features learning and training decision rules for the prediction of violation of service level agreement in a cloud-based environment. Eastern-European Journal of Enterprise Technologies. 2017. Vol. 5, N 2 (89). P. 26–33.
- Ammour N., Alhichri H., Bazi Y., Benjdira B., Alajlan N., Zuair M. Deep learning approach for car detection in UAV imagery. Remote Sensing. 2017. Vol. 9, N 4. P. 1–15.
- Moskalenko V.V., Korobov A.G. Information-extreme algorithm of the system for recognition of objects on the terrain with optimization parameter feature extractor. Radio Electronics, Computer Science, Control. 2017. N 2. P. 61–69. https://doi.org/10.15588/1607-3274-2017-2-7 .
- Dovbysh A.S., Rudenko M.S. Information-extreme learning algorithm for a system of recognition of morphological images in diagnosing oncological pathologies. Cybernetics and Systems Analysis. 2014. Vol. 50, N 1. P. 157–163. https://doi.org/10.1007/s10559-014-9603-y .
- Dovbysh A.S., Budnyk M.M., Piatachenko V.Yu., Myronenko M.I. Information-extreme machine learning of on-board vehicle recognition system. Cybernetics and Systems Analysis. 2020. Vol. 56, N 4. P. 534–543. https://doi.org/10.1007/s10559-020-00269-y .
- Naumenko I.V., Myronenko M.I., Savchenko T.R. Information-extreme machine training of onboard recognition system with optimization of RGB-component digital images. Radioelectronic and Computer Systems. 2021. N 4. P. 59–70. https://doi.org/10.32620/reks.2021.4.05.
