Штучний інтелект

Анотація: Проведено аналіз сучасних засобів штучного інтелекту: інженерії знань та обчислювального інтелекту. В інженерії знань проаналізовано експертні системи. Проаналізовано засоби обчислювального інтелекту: нечітку логіку, нейронні мережі, генетичні алгоритми та еволюційні обчислення. Показано особливості цифрових гістологічних і цитологічних зображень передракових та ракових станів молочної залози. Побудовано систему попередньої постановки діагнозу на основі згорткових нейронних мереж та нечіткої бази знань. Здійснено класифікацію цитологічних і гістологічних зображень на основі згорткових нейронних мереж і проведено порівняння з відомими класифікаторами.

Ключові слова:

Посилання:

1. Zgurovsky M.Z., Zaychenko Y.P. (2013)Fundamentals of Computing Intellect. ScientificOpinion, 2013, 408 p.
2. Zhao B., Feng J., Wu X. (2017) A survey on deeplearning-based fine-grained object classificationand semantic segmentation International Journalof Automation and Computing, 14(2), 119–135.
3. Blekas K., Stafylopatis A., Kontoravdis D. (2012)Cytological Diagnosis Based on Fuzzy NeuralNetworks Journal of Intelligent Systems, 8(1-2), 55-79.
4. Онопрієнко В., Онопрієнко М. (2016)Штучний інтелект та інженерія знань:перевага інструментальних засобівінформаційної революції ВісникНаціонального авіаційного університету.Серія : Філософія. Культурологія, 1, 23-28.
5. Березький О.М., Піцун О.Й., Боднар А.Р.,Долинюк Т.М. (2017) Класифікаціягістологічних та цитологічних зображень наоснові згорткових нейронних мереж.Штучний інтелект, 1(75), 33-42.
6. Методи, алгоритми і програмні засобиопрацювання біомедичних зображень /–Тернопіль: Економічна думка, ТНЕУ, 2017. –350 с.
7. Qing L., Cai W., Wang X., Zhou Y., Feng D.,Chen M. (2014) Medical image classification withconvolutional neural 13th InternationalConference on Control Automation Robotics &Vision (ICARCV)https://doi.org/10.1109/ICARCV.2014.7064414
8. Simonyan K., Zisserman A. (2015) Very DeepConvolutional Networks for Large-Scale ImageRecognition ICLR
9. Abdelhafiz D., Nabavi S., Ammar R., Yang C.(2017) Survey on deep convolutional neuralnetworks in mammography IEEE 7thInternational Conference on ComputationalAdvances in Bio and Medical Scienceshttps://doi.org/10.1109/ICCABS.2017.8114310
10. Zhang X., Zhang Yi, Erik Y, Han Y. (2017)Whole mammogram image classification withconvolutional neural networks IEEE InternationalConference on Bioinformatics and Biomedicine(BIBM), 700-704https://doi.org/10.1109/BIBM.2017.8217738
11. Shin H.-C., Roth R., Gao M., Lu L., Nogues I.,Yao J., Mollura D., Summers R. (2016) DeepConvolutional Neural Networks for ComputerAided Detection: CNN Architectures, DatasetCharacteristics and Transfer Learning IEEETransactions on Medical Imaging. 35(5), 1285-1298 https://doi.org/10.1109/TMI.2016.2528162
12. Khalilabad D. Hassanpour N. (2017) Employingimage processing techniques for cancer detectionusing microarray images. Computers in Biology andMedicine. 81, 139-147(https://doi.org/10.1016/j.compbiomed.2016.12.012)
13. Aswathy M.A., Jagannath M. (2017) Detection ofbreast cancer on digital histopathology images:Present status and future possibilities Informaticsin Medicine Unlocked., 8, 74-79(https://doi.org/10.1016/j.imu.2016.11.001)
14. База даних цифрових гістологічних тацитологічних зображень передракових таракових станів молочної залози «BPCI2100»./О.М. Березький, Г.М. Мельник,С.О. Вербовий, О.Й. Піцун, В.Д. Николюк,Т.В. Дацко // Свідоцтво про реєстраціюавторського права на твір №75359 від14.12.2017 р.
15. Berezsky O., Verbovyy S., Pitsun O. (2018)Hybrid Intelligent information techology forbiomedical image processing Proceedings of theIEEE International Conference «ComputerScience and InformationTechnologies» CSIT’2018, 420-423(https://doi.org/10.1109/STC-CSIT.2018.8526711)
16. Березький О.М., Піцун О.Й., Лящинський П.Б.,Мельник Г.М. (2017) Інтелектуальна системаавтоматизованої мікроскопії аналізугістологічних та цитологічних зображеньШтучний інтелект, Київ, 2 (76), 128-140.