ҚАНТ ДИАБЕТIНЕ АРНАЛҒАН ЖАРТЫЛАЙ СИНТЕТИКАЛЫҚ ДЕРЕКТЕР ЖИЫНТЫҒЫН ҚҰРАСТЫРУ АЛГОРИТМI
DOI:
https://doi.org/10.26577/JMMCS1291202610Кілттік сөздер:
қант диабетiн болжау, жартылай синтетикалық деректер жинағы, деректердi көбейту, машиналық оқыту алгоритмдерi, синтетикалық медициналық деректер, генеративтiк модель, объектiлердiң ұқсастығыАннотация
Жасанды интеллект пен машиналық оқыту саласындағы соңғы жетiстiктер медициналық диагностика тәжiрибесiн жетiлдiрудiң жаңа мүмкiндiктерiн ашты. Алайда, зерттеушiлер қант диабетiне қатысты нақты клиникалық деректердiң құпия сипатына байланысты сапалы мәлiметтер жиынтығына қол жеткiзуде қиындықтарға тап болуда. Бұл зерттеудiң басты мақсаты - қант диабетiн, әсiресе 1-шi және 2-шi типтегi диабеттi жiктеу дәлдiгiн арттыруға бағытталған жартылай синтетикалық оқу деректер жиынтығын құру алгоритмiн ұсыну. Науқастардың нақты жазбаларынан алынған клиникалық көрсеткiштердi статистикалық талдау арқылы жартылай синтетикалық диабет деректерiн құру алгоритмi әзiрлендi. Бастапқы деректердiң қасиеттерiн өзгертпей синтетикалық үлгiлердi жасауды жақсарту үшiн сынып-нысан қатынастарына негiзделген ұқсастық тәсiлi қолданылды. Бұл тәсiл науқастардың нақты деректерiне тән iшкi құрылымы мен таралуын сақтайтын синтетикалық деректер үлгiлерiн сәттi жасауға мүмкiндiк бердi. Ұқсастыққа негiзделген механизм жасалған үлгiлердiң өзектiлiгiн қамтамасыз еттi, ал зерттеу синтетикалық деректер жиынтығының сапасын арттыруға арналған қадамдар тiзбегiн ұсынды. Ұсынылған алгоритм науқастар туралы деректердi қорғай отырып, диабеттi жiктеу үшiн жасанды деректер жиынтығын құрады. Бұл әдiстеме класiшiлiк ұқсастықты 76.18%-дан 82,93%-ға дейiн арттыруға әкелдi, бұл өз кезегiнде жасанды интеллектке негiзделген модельдердiң диагностикалық дәлдiгiн жоғарылатты.
