Інформаційні технології та комп’ютерна інженерія

Завдяки прогресу в галузі обчислювальної техніки спостерігається стабільне зростання обчислювальних потужностей, що призводить до експоненційного збільшення обсягів даних, які потребують обробки. Зокрема, підвищення продуктивності автоматизованих систем забезпечує можливість зберігання та аналізу великих масивів медичних даних з високою швидкістю та точністю. Сучасна медицина характеризується значним збільшенням інформаційного навантаження, що потребує складної обробки та глибокого аналізу для підтримки прийняття клінічних рішень. Інформаційні технології відіграють ключову роль у забезпеченні ефективної обробки цих великих обсягів даних, сприяючи підвищенню точності та швидкості діагностики, а також ефективності подальшого лікування пацієнтів. Метою даної статті є розробка та дослідження інформаційної технології обробки графічних даних на основі гібридних нейронних мереж з використанням геометричних особливостей об’єктів зображень. В роботі запропоновано передові методи машинного навчання, архітектури глибоких нейронних мереж, а також спеціалізовані інструменти для обробки графічних даних, такі як OpenCV, TensorFlow та інші. Процес обробки даних під час валідації запропонованих методів та архітектур включав декілька етапів: попередню обробку даних, навчання моделей та ретельне тестування отриманих результатів. Розроблена інформаційна технологія демонструє значне підвищення точності класифікації графічних даних. Експериментальні дослідження показали, що запропонований підхід забезпечує ефективну обробку великих обсягів біомедичних даних, що підтверджується високою точністю та швидкістю аналізу. Зокрема, точність класифікації патологій за допомогою гібридних нейронних мереж підвищено більш ніж на 11% у порівнянні з результатами отриманими за допомогою класичних методів. Практична цінність розробленої технології полягає в її високому потенціалі для застосування в області машинного зору, в т.ч для підвищення ефективності діагностики та лікування пацієнтів в медичній сфері. Вона може бути інтегрована у сучасні системи підтримки прийняття рішень, забезпечуючи більш точну та швидку обробку медичних зображень

Використані джерела