МЕТОДИКА ВЫБОРА ПРИЗНАКОВ ОБЪЕКТОВ НА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЯХ ДЛЯ СОЗДАНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ С ПРИМЕНЕНИЕМ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Одним из важнейших этапов построения систем поддержки принятия решений является выбор модели признаков. Признаки могут быть качественными и количественными. Качественные признаки отражают словестное описание объектов, то, как человек видит объект. Количественные признаки имеют числовое выражение. Следует отметить, эффективность использование количественных признаков, для которых хорошо выявлена закономерность соответствия их значений - качественному описанию. Однако, модели описания объектов, которые отличаются от привычного восприятия этих объектов врачами (например, вейвлет анализ) сложны для понимания процесса формирования решения, поэтому вызывают недоверие к результатам. Выбор системы признаков осуществляется в зависимости от задач системы. Тем не менее, система, сочетающая обе модели признаков, может быть полезна для распознавания злокачественного новообразования, в качестве тренировочной и клинической систем. Может служить основой для классификатора, а также обучает ассоциативному восприятию появления знака и его количественного эквивалента.

METHOD OF SELECTING OBJECT SIGNS ON MEDICAL IMAGES FOR CREATING DECISION SUPPORT SYSTEMS USING ARTIFICIAL INTELLIGENCE TECHNOLOGIES

One of the most important steps in constructing decision support systems is the selection of a feature model. Signs can be qualitative and quantitative. Qualitative signs reflect a verbal description of objects, the way a person sees an object. Quantitative signs have a numerical expression. It should be noted that the use of quantitative features is effective, for which the regularity of the correspondence of their values to the qualitative description is well identified. However, models for describing objects that differ from the usual perception of these objects by doctors (for example, wavelet analysis) are difficult to understand the decision-making process, therefore, they distrust the results. The choice of a system of features is carried out depending on the tasks of the system. Nevertheless, a system combining both models of signs can be useful for the recognition of malignant neoplasms, as training and clinical systems. It can serve as the basis for a classifier, and also teaches the associative perception of the appearance of a sign and its quantitative equivalent.