Меню
Том_ 1 № 30 (2026) / 2026-03-30 / Кол. просмотров: 149
Авторы
Ключевые слова
DOI ссылка:
Как цитировать
В статье рассматривается алгоритм ансамблирования нейронных сетей для задач поддержки клинических решений на примере прогнозирования развития диабета. Использование ансамбля моделей, включающего сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN) и сети с долговременной краткосрочной памятью (LSTM), позволяет повысить точность и устойчивость предсказаний по сравнению с применением отдельных архитектур. Для объединения предсказаний применяется метод Dirichlet Ensemble, основанный на распределении Дирихле, что обеспечивает гибкое и адаптивное взвешивание результатов с учётом доверия к каждой модели и неопределённости данных. В ходе экспериментов проведён сравнительный анализ качества моделей, в котором RNN показала лучшие результаты по метрикам точности, отзывчивости и F1-меры. Ансамблевый подход улучшил надёжность и стабильность прогнозов, что критически важно для принятия клинических решений и минимизации ошибок диагностики. Исследование подтверждает актуальность применения ансамблей нейронных сетей и методов вероятностного объединения в медицине, способствуя развитию цифровых систем поддержки принятия решений. Практическая значимость работы заключается в возможности интеграции предложенного алгоритма в реальные медицинские информационные системы для повышения качества диагностики диабета и других хронических заболеваний. Перспективы дальнейших исследований включают расширение архитектур ансамбля и оптимизацию весов с использованием адаптивных методов.