Главная » Просмотр файлов » Диссертация

Диссертация (1174210), страница 24

Файл №1174210 Диссертация (Автоматизированная бактериоскопическая диагностика туберкулеза) 24 страницаДиссертация (1174210) страница 242020-05-24СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 24)

При этом с 1 по 94 итерациюпроисходит постепенное повышение показателей, характеризующих качествоклассификации, таких как чувствительность, специфичность, прогностическаяценность положительного и отрицательного результата классификации, а такжеотношения правдоподобия положительного результата.Отношение правдоподобия отрицательного результата практически неменялось на протяжении обучения искусственных нейронных сетей на данныхитерациях. Необходимо отметить, что исключение 38 наименее важных дляклассификации параметров приводит к значительному повышению качестваклассификации объектов.

Так, на 39 итерации обучения искусственных нейронныхсетейчувствительность,характеризующаядолюистинноположительныхрезультатов, составляла уже 94,3%, по сравнению с данным показателем на 1итерацииравным89,8%.Такжеувеличилсяпоказательспецифичности,характеризующий долю истинно отрицательных результатов классификации, до90,6%.Показатели, характеризующие вероятность того, что объект являетсякислотоустойчивой микобактерией, если моделью предсказывается данный класс(PPV), и вероятность того, что объект не является кислотоустойчивоймикобактерией, если модель предсказывает класс иных объектов (PNV) такжепревысили 90% на 39 итерации. Отношение правдоподобия положительногорезультата равное на 39 итерации 10,0 показывает, что при предсказании объектуискусственной нейронной сетью класса кислотоустойчивых микобактерийвероятность того, что данный объект действительно является кислотоустойчивоймикобактерией в 10 раз выше, чем вероятность того, что данный объект являетсяиным объектом на изображении, не относящемся к кислотоустойчивыммикобактериям.163Таблица 17 – Качество классификации трехслойными искусственными нейронными сетями, полученными на различныхитерациях обученияИтерация Число входных Ошибка на Ошибка наобучения,параметров,абс.абс.обучающейтестовойSe, %Se, %PPV, %PNV, %LR+LR-89,888,088,289,67,50,1выборке, % выборке, %123511,111,3391977,27,5651717,27,5921446,77,21031336,87,31231137,88,1141958,38,7[89,5; 90,0] [87,7; 88,2] [87,9; 88,5] [89,3; 89,8] [7,3; 7,6] [0,1; 0,1]94,390,690,994,110,00,1[94,1; 94,5] [90,3; 90,9] [90,7; 91,2] [93,9; 94,3] [9,8; 10,3] [0,1; 0,1]94,990,090,594,69,50,1[94,7; 95,1] [89,7; 90,3] [90,3; 90,8] [94,4; 94,8] [9,3; 9,8] [0,1; 0,1]94,790,891,194,510,30,1[94,5; 94,9] [90,5; 91,0] [90,9; 91,4] [94,3; 94,7] [10,0; 10,5] [0,1; 0,1]94,990,591,094,610,00,1[94,7; 95,0] [90,3; 90,8] [90,7; 91,2] [94,4; 94,8] [9,8; 10,3] [0,1; 0,1]93,390,490,793,19,80,1[93,1; 93,5] [90,2; 90,7] [90,5; 91,0] [92,9; 93,3] [9,5; 10,0] [0,1; 0,1]93,689,089,493,38,50,1164[93,3; 93,8] [88,7; 89,3] [89,2; 89,7] [93,1; 93,5] [8,3; 8,7] [0,1; 0,1]181559,79,82023410,210,42251110,811,0235114,114,492,088,588,891,78,00,1[91,7; 92,2] [88,2; 88,7] [88,5; 89,1] [91,5; 92,0] [7,8; 8,2] [0,1; 0,1]91,088,288,690,77,70,1[90,8; 91,3] [88,0; 88,5] [88,4; 88,9] [90,5; 91,0] [7,6; 7,9] [0,1; 0,1]90,587,587,990,17,30,1[90,2; 90,7] [87,2; 87,8] [87,7; 88,2] [89,9; 90,4] [7,1; 7,4] [0,1; 0,1]85,186,286,185,16,20,2[84,8; 85,4] [85,9; 86,5] [85,8; 86,4] [84,8; 85,4] [6,0; 6,3] [0,2; 0,2]165Дальнейшее исключение входных параметров на последующих итерацияхобучения искусственных нейронных сетей, в частности до 123 итерации, привело кнезначительномуснижениюпоказателей,характеризующихкачествоклассификации, но позволило существенно снизить число входных параметров с144 на 92 итерации до 113, то есть исключить 31 параметр из числа входныхпараметров искусственной нейронной сети для классификации объектов.

На 123итерацииобученияполученыпоказатели,характеризующиекачествоклассификации, со значением более 90%. Такие значения также позволяютиспользоватьклассификацииполученнуюобъектовнейроннуюнасетьцифровыхдляизображенияхавтоматизированноймикроскопическихпрепаратов мокроты, окрашенной по методу Циля-Нильсена, а несколько худшиепоказатели качества классификации могут быть компенсированы более высокойскоростью автоматизированного анализа ввиду меньшего числа необходимыхвходных параметров для работы, полученной искусственной нейронной сети.Дальнейшее исключение входных параметров привело к уменьшениюпоказателей, характеризующих качество классификации.

Так, на последнейитерации, когда в качестве входных значений искусственной нейронной сетиостался лишь один параметр, имеющий наибольшую важность, чувствительностьсоставила85,1%,специфичность–86,2%,прогностическаяценностьположительного результата – 86,1%, отрицательного результата – 85,1%, аотношение правдоподобия положительного и отрицательного результата –соответственно 6,2 и 0,2. Ошибка классификации четырехслойной нейроннойсетью на обучающей и тестовой выборках на протяжении всех 235 итерацийобучения представлена на рисунке 57.

Ошибка классификации на первой итерацииимеет также довольно высокое значение по сравнению с ошибками классификациина большинстве последующих итераций. Установлено, что наименьшая ошибкабыла получена на 51 и 75 итерациях построения искусственной нейронной сети прииспользовании соответственно 185 и 161 входного параметра. В таблице 18приведена более детальная оценка качества классификации четырехслойнымиискусственными нейронными сетями на различных итерациях обучения.166161412108640171319253137434955616773798591971031091151211271331391451511571631691751811871931992052112172232292352Ошибка на обучающей выборкеОшибка на тестовой выборкеРисунок 57 – Ошибка классификации четырехслойной нейронной сетью на обучающей и тестовой выборках167Таблица 18 – Качество классификации четырехслойными искусственными нейронными сетями, полученными на различныхитерациях обученияИтерация Число входных Ошибка на Ошибка наобучения,параметров,абс.абс.обучающейтестовойSe, %Se, %PPV, %PNV, %LR+LR-92,292,492,492,212,10,1выборке, % выборке, %12358,58,7391975,35,9511854,55,2751614,55,21031335,76,31231135,86,1141956,06,4[92,0; 92,3] [92,3; 92,5] [92,2; 92,5] [92,0; 92,3] [11,9; 12,3] [0,1; 0,1]93,994,494,393,916,70,1[93,8; 94,0] [94,3; 94,5] [94,2; 94,5] [93,8; 94,1] [16,4; 17,0] [0,1; 0,1]94,695,095,094,619,00,1[94,5; 94,7] [94,9; 95,1] [94,9; 95,1] [94,5; 94,7] [18,6; 19,4] [0,1; 0,1]96,793,093,296,513,80,1[96,6; 96,8] [92,8; 93,1] [93,1; 93,3] [96,5; 96,6] [13,5; 14,0] [0,1; 0,1]93,593,993,993,515,40,1[93,4; 93,6] [93,8; 94,0] [93,8; 94,0] [93,4; 93,6] [15,1; 15,6] [0,1; 0,1]93,794,194,193,816,00,1[93,6; 93,9] [94,0; 94,3] [94,0; 94,2] [93,7; 93,9] [15,7; 16,3] [0,1; 0,1]93,493,393,393,413,90,1168[93,3; 93,6] [93,1; 93,4] [93,2; 93,4] [93,3; 93,6] [13,6; 14,1] [0,1; 0,1]181557,77,9202348,59,0225118,99,4235112,913,491,992,492,391,912,10,1[91,7; 92,0] [92,3; 92,5] [92,2; 92,5] [91,8; 92,0] [11,9; 12,3] [0,1; 0,1]90,891,291,290,810,30,1[90,7; 90,9] [91,1; 91,3] [91,0; 91,3] [90,7; 91,0] [10,2; 10,5] [0,1; 0,1]90,391,090,990,410,00,1[90,1; 90,4] [90,8; 91,1] [90,8; 91,1] [90,2; 90,5] [9,9; 10,2] [0,1; 0,1]86,486,886,886,56,60,2[86,3; 86,6] [86,7; 87,0] [86,6; 86,9] [86,3; 86,6] [6,5; 6,6] [0,2; 0,2]169Таким образом, с использованием математического аппарата искусственныхнейронных сетей построены модели с различным числом входных параметров.Наилучшие показатели трехслойной нейронной сети, характеризующие качествоклассификацииобъектов,былиполученына92итерацииобучения:чувствительность – 94,7%, специфичность – 90,8, ошибка классификации натестовой выборке – 7,2%, а наилучшие показатели четырехслойной нейронной сети– на 75 итерации: чувствительность – 96,7%, специфичность – 93,0%, ошибкаклассификации на тестовой выборке – 5,2%.

Данные математические моделиискусственной нейронной сети могут быть использованы для распознаванияобъектов(кислотоустойчивыхмикобактерийииныхобъектов)вавтоматизированных системах бактериоскопической диагностики туберкулеза.Причем предпочтительным является использование построенной четырехслойнойнейронной сети, так как данная модель позволяет осуществлять классификациюобъектов на цифровых микроскопических изображениях мокроты, окрашенной пометоду Циля-Нильсена, с наилучшими показателями качества классификации посравнению с трехслойной нейронной сетью, логистическими регрессионнымиуравнениями и деревьями классификации, построенными с применениемразличных алгоритмов.170ГЛАВА 6 АВТОМАТИЗИРОВАННАЯ СИСТЕМАБАКТЕРИОСКОПИЧЕСКОЙ ДИАГНОСТИКИ ТУБЕРКУЛЕЗАВ данной главе представлена схема работы и требования к программноаппаратномукомплексудляавтоматизированнойбактериоскопическойдиагностики туберкулеза [84].

Характеристики

Тип файла
PDF-файл
Размер
3,41 Mb
Предмет
Высшее учебное заведение

Список файлов диссертации

Автоматизированная бактериоскопическая диагностика туберкулеза
Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6392
Авторов
на СтудИзбе
307
Средний доход
с одного платного файла
Обучение Подробнее