Искусственная нейронная сеть для ранней диагностики сахарного диабета 2 типа

Abstract

Статья посвящена разработке компьютерной системы на базе искусственной нейронной сети для ранней диагностики сахарного диабета 2 типа путем обработки экспериментальных гликемических данных перорального теста толерантности к глюкозе. Решена задача классификации состояния объекта диагностики при обработке его клинических данных методами искусственного интеллекта. Проведено обоснование выбора архитектуры и алгоритма обучения искусственной нейронной сети для решения задачи классификации. Для выяснения статистической достоверности полученных отличий оценок вероятностей найдены точные границы доверительных интервалов для них с заранее установленным уровнем достоверности.

The article is devoted to the development of computer systems based on artificial neural network for the early diagnosis of type 2 diabetes by treating the experimental data glycemic oral glucose tolerance test. The problem of classification status diagnostics object in the processing of its clinical data by methods of artificial intelligence. A rationale for the choice of architecture and learning algorithm of artificial neural network to solve the problem of classification. To determine the statistical significance of differences obtained estimates of the probabilities found the exact boundaries of the confidence intervals for them with a predetermined level of confidence.