DIAGNOSTIC SYSTEM BASED ON AUTOENCODERS

Abstract

It`s considered the problem of image processing which is used in diagnostic systems when it is necessary to process the results of ultrasound, computed tomography and magnetic resonance imaging. For the solution of this problem it`s often used artificial neural networks especially convolution neural networks. It`s considered the structure of convolutional neural networks especially types of layers. In the paper it is analyzed the creation of convolutional neural networks based on autoencoders. It`s considered the features of such neural network, the algorithm of learning and the important parameters which determine the function quality of image processing. The possible improvement of such topology is possible with help of restricted Boltzmann machine which can be used for pre-learning.Розглянуто проблему обробки зображень, яка використовується в діагностичних системах, коли необхідно обробляти результати ультразвуку, комп’ютерна томографія та магнітно-резонансна томографія. Для вирішення цієї проблеми часто використовуються штучні нейронні мережі, особливо згорткові нейронні мережі. Розглянуто структуру згорткових нейронних мереж, особливо типи шарів. У роботі проаналізовано створення згорткових нейронних мереж на базі автоенкодерів. Розглянуто особливості такої нейронної мережі, алгоритм навчання та важливі параметри, що визначають якість функції обробки зображень. Можливе поліпшення такої топології можливе за допомогою обмеженої машини Больцмана, яку можна використовувати для попереднього навчання.Диагностическая система на базе автоэнкодеров Рассмотрена проблема обработки изображений, которая используется в диагностических системах, когда необходимо обрабатывать результаты ультразвука, компьютерная томография и магнитно-резонансная томография. Для решения этой проблемы часто используются искусственные нейронные сети, особенно сверточные нейронные сети. Рассмотрена структура сверточных нейронных сетей, особенно типы слоев. В работе проанализировано создание сверточных нейронных сетей на базе автоэнкодеров. Рассмотрены особенности такой нейронной сети, алгоритм обучения и важные параметры, определяющие качество функции обработки изображений. Возможное улучшение такой топологии возможно с помощью ограниченной машины Больцмана, которую можно использовать для предварительного обучения.