В дисертаційній роботі вперше запропоновано метод аналізу текстурних характеристик ультразвукових і томографічних медичних зображень і класифікації біофізичних даних для експертної діагностики за допомогою штучних нейронних мереж. Найбільш суттєві висновки з роботи зводяться до наступного: 1. Для вирішення проблеми вибору кількості нейронів і шарів в мережі розроблено оригінальну штучну нейронну мережу, яка містить новий тип нейрону з інвертованими виходами і контролюючим входом. Проблема локального мінімуму вирішена за допомогою методу оптимізації ентропії. 2. Для підвищення стійкості і збільшення діагностичної ефективності методу на основі мережі Кохонена вперше запропоновано використовувати метод градієнтної ініціалізації вагових коефіцієнтів і інгібіруючі міжнейронні з’єднання. 3. Вперше встановлено текстурні характеристики, які дають високу діагностичну ефективність і високу якість сегментації зображень: автокореляція, зворотна різниця, момент інерції, дисперсія, коефіцієнт асиметрії, ентропія, а також отримано пари характеристик, які дають найвищу ефективність. Отримані результати свідчать про зв'язок патології з вказаними текстурними характеристиками. 4. Вперше встановлено, що ефективність розпізнавання норми для різних типів вхідних даних слабко залежить від кількості навчальних даних, що може бути пояснено малою варіабельністю біофізичних і діагностичних параметрів в гомеостазі; мінімальна кількість навчальних даних для стійкої класифікації за допомогою розроблених мереж в декілька разів менше ніж для інших алгоритмів. 5. Запропонований метод експертної діагностики на основі штучних нейронних мереж дозволяє досягнути високої діагностичної ефективності для ультразвукових медичних зображень щитовидної залози і томографічних зображень мозку, яка перевищує на 90% і на 15% вище ефективності інших автоматизованих методів. Аналіз за декількома текстурними параметрами одночасно дозволяє отримати ефективність на рівні 98% для тих же самих текстурних характеристик. 6. Методами штучних нейронних мереж встановлено наявність змін в спектрі опромінених ДНК, що свідчіть про зміни структури молекул. Зі збільшенням дози спостерігаються більш помітні зміни в положенні максимуму інтенсивності і напівширини смуги; метод штучних нейронних мереж генерує більшу похибку для опромінених зразків порівняно з референтними зразками, що свідчить про наявність пошкоджень. 7. Запропоновано оригінальний алгоритм сегментації томографічних і ультразвукових зображень за допомогою самоорганізуючих нейронних мереж, отримано чітке розділення тканин. 8. Для методу експертної діагностики за електрокардіограмами найкращі результати отримано для захворювання комбінованої гіпертрофії обох шлуночків серця; діагностична ефективність перевищує 85%. Встановлено, що для підвищення діагностичної ефективності методу нейронних мереж для навчання системи необхідна попередня обробка і фільтрація даних біоелектричних досліджень з метою усунення неінформативних ділянок і артефактів, або навчання за відібраними даними. Список опублікованих праць за темою дисертації. 1. А.В.Мисник, М.К.Новоселець. Діагностика захворювань щитовидної залози за статистичними параметрами її ультразвукових зображень за допомогою самоорганізуючих нейронних мереж // Вісник КУ, серія фіз.-мат. науки. -1998. - Вип. № 3. - С. 339-348. 2. А.В.Мысник, М.К.Новоселец. Анализ текстур медицинских ультразвуковых и томографических изображений с помощью нейронных сетей // Вісник ХУ, Біофізичний вісник. - 1999. -№434, Вип. 3(1). - С.107-111. 3. А.Л.Луговик, А.В.Мысник, М.К.Новоселец. Анализ текстур медицинских УЗ-изображений с помощью нейронных сетей // Український журнал медичної техніки і технології. - 2000. - №1-№2. - C.40-44. 4. G.I.Dovbeshko, E.B.Kruglova, O.P.Pashcuk, M. Alesina, N.Ya.Karpenko, A.Mysnyk, M.Novoselets. FTIR spectroscopy studies of DNA from low-dose irradiated tissue // Вісник ХУ, Біофізичний вісник - 2000. - №497, Вип. 2(7). - C.65-74. 5. А.В.Іванчук, А.В.Мисник, М.К.Новоселець. Нелінійний ентропійний аналіз медичних даних за допомогою нейронних мереж з метою сегментації магніторезонансних та ультразвукових зображень // Вісник КУ, серія фіз.-мат. науки. - 2001. - Вип. №1. - C.330-338. 6. A.Mysnik, M.Novoselets. Ultrasound and magnetic resonance medical images textures analysis using neural networks // Conf. on Physics of Biological Systems (PBS98), Kyiv. - 1998 - P.71-77. 7. A.V.Mysnyk. Ultrasound and magnetic resonance medical images textures analysis using neural networks // Proc. of the First International Young Scientists’ Conf. on Applied Physics, Kyiv. - 2001. - P.148-149. | 