ПРИМЕНЕНИЯ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ В МЕДИЦИНЕ

Абдуллахужаев Саидисломбек Неъматиллаевич

##article.authors##

Абдуллахужаев Саидисломбек Неъматиллаевич ##default.groups.name.author##

##semicolon##

КЛЮЧЕВЫЕ СЛОВА: машинное обучение, предсказание, острые заболевания, диагностика, рак, сверточные нейронные сети, генеративные состязательные сети, искусственные нейронные сети, медицинские изображения, геномные данные, логистическая регрессия, анализ данных, сегментация, градиентный бустинг, байесовские сети, машины опорных векторов, деревья решений, многомерные данные, прогнозирование рецидивов, глубокие нейронные сети, методы уменьшения размерности.

##article.abstract##

АННОТАЦИЯ: В данной статье рассматриваются подходы машинного
обучения, используемые в медицинской практике для предсказания острых
заболеваний, включая онкологические болезни. Оценены различные модели,
такие как сверточные нейронные сети (CNN), генеративные состязательные сети
(GAN), искусственные нейронные сети (ANN) и другие алгоритмы. Результаты
сравнительного анализа показали, что CNN обладают наивысшей точностью,
что делает их наиболее подходящими для диагностики и предсказания рака.
Акцентируется внимание на значимости комбинирования различных методов,
что способствует повышению точности медицинских прогнозов.