<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Особливості процесу класифікації у контексті медичного діагностування

dc.contributor.authorMartyniuk, T.en
dc.contributor.authorKozhemyako, A.en
dc.date.accessioned2026-01-20T07:32:01Z
dc.date.available2026-01-20T07:32:01Z
dc.date.issued2025
dc.description.abstractДля підсистеми підтримки прийняття рішень у складі експертних систем різного призначення актуальною задачею є можливість формування рангів стосовно отриманих результатів. Цю можливість можна реалізувати, якщо використовувати результати попередньої класифікації об’єктів. У цій роботі розглядається варіант реалізації процедури класифікації об’єктів із ранжуванням у контексті медичного діагностування захворювань. В якості базового задіяно метод класифікації з використанням лінійних дискримінантних функцій. Показано, що двома базовими операціями класифікації в цьому випадку є сформування лінійних дискримінантних функцій векторно-матричним помножувачем та вибірка максимальної з них максимізатором типу “1 з N”. Враховуючи те, що ранжування результатів класифікації виконується після застосування до лінійних дискримінантних функцій механізму конкуренції через максимізатор, у роботі розглянуто варіанти реалізації такої функції максимізатора. В результаті особливий інтерес з точки зору часових та апаратних витрат становить альтернативний метод числового сортування із застосуванням швидкісної операції декремента паралельно до всіх елементів числового масиву. Це, у свою чергу, дозволяє для формування рангів елементів задіяти швидкісну операцію інкремента. Обидві ці операції декремента/інкремента можна ефективно реалізувати на реверсивних лічильниках, що збільшить регулярність структури класифікатора. Отже, для цього класичну структуру класифікатора необхідно доповнити ранжувальником після максимізатора. Результати імітаційного моделювання підтвердили слушність процесу медичного діагностування з ранжуванням визначених діагнозів захворювань. Важливо підкреслити, що актуальність ранжування результатів класифікації об’єктів під час медичного діагностування захворювань полягає в тому, що існує можливість розглядати не тільки діагноз з найбільшим рангом, але й найближчі до нього. Все це свідчить про наочність та зручність такого процесу медичного діагностування.uk
dc.identifier.citationМартинюк Т. Б., Кожем’яко А. В., Каташинський Д. О., Булига І. В. Особливості процесу класифікації у контексті медичного діагностування // Наукові праці Вінницького національного технічного університету. Електрон. текст. дані. 2025. № 1. URI: https://praci.vntu.edu.ua/index.php/praci/article/view/780.uk
dc.identifier.doihttps://doi.org/10.31649/2307-5376-2025-1-80-85
dc.identifier.issn2307-5376
dc.identifier.udc04.93’1
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/50500
dc.language.isouk_UAuk_UA
dc.publisherВінницький національний технічний університетuk
dc.relation.ispartofНаукові праці Вінницького національного технічного університету. № 1.uk
dc.relation.referencesRangaraj M. Rangayyan, Biomedical Signal Analysis. Second ed. Wiley-IEEE Press, 2015.720 р.en
dc.relation.referencesAwadS. R., Alghareb F. S. Encoding-Based Machine Learning Approach for Health Status Classification and Remote Monitoring of Cardiac Patients. Algorithms.2025. No18(2).Р. 94. https://doi.org/10.3390/a18020094.en
dc.relation.referencesMulti-Branch Spectral Channel Attention Network for Breast Cancer Histopathology Image Classification /L.Caoet al.Electronics.2024. No 13(2).Р. 459. https://doi.org/10.3390/electronics13020459.en
dc.relation.referencesRecent Advances of Artificial Intelligence in Healthcare:A Systematic Literature Review/ F.Kitsioset al.Applied Sciences.2023. No13(13). Р.7479. https://doi.org/10.3390/app13137479.en
dc.relation.referencesBrownlee J.Linear Discriminant Analysis for Machine Learning. URL: https://machinelearningmastery.com/linear-discriminant-analysis-for-machine-learning/.en
dc.relation.referencesMartyniuk T.B., Kupershtein L. M., Medvid A. V., Kozhemiako A. V., Wojcik W., Yuchshenko O., Applications of Discriminant AnalysisMethods in Medical Diagnostics/Proceedings of SPIE -Optical Fibers and Their Applications.2012. .No8698.Р. 86980.https://doi.org/10.1117/12.2019733.en
dc.relation.referencesOsowski S. Sieci neuronowe do przetwarzania informacji. Oficyna Wydawnicza Politechniki Warszawskiej,2013.490 р.en
dc.relation.referencesCallan R.The Essence of Neural Networks. Prantice Hall Europe, NY, 1999.232 р.en
dc.relation.referencesHaykin S.Neural networks, A ComprehensiveFoundation,Second ed. Prantice Hall, Upper Saddle River, NJ, 1999.842 р.en
dc.relation.referencesKnuth D.E.The Art of Computer Programming. V.3. Sorting and Searching. 2nd Edition, Addison-Wesley Professional, 1998.800 p.en
dc.relation.urihttps://praci.vntu.edu.ua/index.php/praci/article/view/780
dc.subjectмедичне діагностуванняuk
dc.subjectкласифікація об'єктівuk
dc.subjectранжуванняuk
dc.subjectсортуванняuk
dc.subjectлінійна дискримінантна функціяuk
dc.titleОсобливості процесу класифікації у контексті медичного діагностуванняuk
dc.typeArticle, professional native edition
dc.typeArticle

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
192789.pdf
Розмір:
833,71 KB
Формат:
Adobe Portable Document Format

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
license.txt
Розмір:
129 B
Формат:
Plain Text
Опис: