Применение искусственных нейронных сетей успешно развивается в области патологии и лабораторной медицины, в области медицинской визуализации и обработки медицинских сигналов, в области исследований рака.
Искусственные нейронные сети — это один из многих методов машинного обучения в области искусственного интеллекта.
Эти статистические машины состоят из простых нелинейных процессоров, объединенных в сети. Они основаны на знаниях из области нейрофизиологии, хотя в деталях не являются биологически реалистичными. Это параллельные, распределенные, адаптивные системы обработки информации, которые развивают свою функциональность в ответ на поступление информации. Эти характеристики отличаются от обычных вычислительных способах, в которых вычисление представляет собой выполнение последовательности запрограммированных инструкций в центральном компьютере.
Нейронные сети применяются для решения многих задач, включая применение в медицине, а также распознавание рукописного ввода, речи, предсказание структуры белка, преобразование текста в речь и прогнозирование цен на фондовом рынке и это лишь некоторые направления.
Поэтому неудивительно, что применение нейронных сетей в медицине широко используются в процессе принятия медицинских решений.
Основы нейронной сети в том числе и для медицины
Нейронная сеть состоит из простых блоков, называемых нейронами или узлами, которые соединены вместе, образуя сеть. Каждый нейрон посылает сигналы другим нейронам посредством соединений, аналогичных к аксонам центральной нервной системы. Сигналы, которые нейрон получает от других нейронов, взвешиваются и затем суммируются для получения общего уровня активности в нейроне.
Для того чтобы применение нейронных сетей в медицине действительно эффективно работало в медицинских приложениях, необходимо решить определенные проблемы. К ним относятся выбор входных и выходных данных и показателей эффективности, которые подходят для категорий с низкой распространенностью и отсутствующих элементов данных, часто встречающихся в наборах медицинских данных. Если набор данных невелик, то применяются статистические методы свернутой перекрестной проверки и начальной загрузки которые позволяют более точно оценить производительность сети.
Применение нейронных сетей в медицине в настоящее время являются «горячей» областью исследований медиков, и считается, что в ближайшие несколько лет они получат широкое применение в биомедицинских системах. На данный момент исследования в основном направлены на моделирование частей человеческого тела и распознавание заболеваний по различным снимкам (например, кардиограммам, ультразвуковому сканированию и т.д.).
Нейронные сети идеально подходят для распознавания заболеваний с помощью сканирования, поскольку нет необходимости предоставлять конкретный алгоритм идентификации заболевания. Нейронные сети обучаются на примере, поэтому подробности о том, как распознать заболевание, не нужны. Что необходимо, так это набор примеров, представляющих все варианты заболевания. Количество примеров не так важно, как «качество». Примеры необходимо отбирать очень тщательно, а система должна работать надежно и эффективно.
Моделирование и диагностика сердечно-сосудистой системы
Нейронные сети используются экспериментально для моделирования сердечно-сосудистой системы человека. Диагностика может быть достигнута путем построения модели сердечно-сосудистой системы человека и сравнения ее с физиологическими измерениями, полученными от пациента в режиме реального времени. Если эта процедура проводится регулярно, потенциальные вредные заболевания могут быть выявлены на ранней стадии и, таким образом, значительно облегчить процесс борьбы с заболеванием.
Модель сердечно-сосудистой системы человека должна имитировать взаимосвязь между физиологическими переменными (например, частотой сердечных сокращений, систолическим и диастолическим артериальным давлением и частотой дыхания) при различных уровнях физической активности. Если модель адаптирована к конкретному человеку, то она становится моделью физического состояния этого человека. Симулятор должен быть способен адаптироваться к особенностям любого человека без присмотра эксперта. Для этого требуется нейронная сеть.
Другой причиной, оправдывающей использование технологии искусственных нейронных сетей, является способность обеспечивать слияние датчиков, представляющее собой объединение значений от нескольких разных датчиков. Слияние датчиков позволяет нейронной сети изучать сложные взаимосвязи между значениями отдельных датчиков, которые в противном случае были бы потеряны при индивидуальном анализе значений. В медицинском моделировании и диагностике это означает, что, хотя каждый датчик в наборе может быть чувствителен только к определенной физиологической переменной, нейронные сети способны обнаруживать сложные медицинские состояния путем объединения данных с отдельных биомедицинских датчиков.
Электронные носы
Применение искусственных нейронных сетей возможно для внедрения электронных носов. Электронные носы имеют несколько потенциальных применений в телемедицине. Телемедицина — это практика медицины на больших расстояниях по каналу связи. Электронный нос будет определять запахи в удаленной хирургической среде. Эти идентифицированные запахи затем будут переданы электронным способом в другое место, где система создания воссоздаст их. Поскольку обоняние может быть важным чувством для хирурга это улучшит возможность телеприсутствия при операции.
Мгновенный врач
Существует приложение которое обучило нейронную сеть автоассоциативной памяти. Эта память хранит большое количество медицинских записей, каждая из которых содержит информацию о симптомах, диагнозе и лечении для конкретного случая. После обучения сети могут быть представлены входные данные, состоящие из набора симптомов; затем она найдет полный сохраненный шаблон, который представляет «наилучший» диагноз и лечение.
