Нейросетевая графовая архитектура прозрачного искусственного интеллекта в медицине
https://doi.org/10.25881/18110193_2025_2_70
Аннотация
В статье представлен подход к созданию информационной системы на основе нейросетевой графовой архитектуры. Этот подход призван снивелировать проблему явного объяснения решений, принимаемых искусственным интеллектом — проблему прозрачности (объяснимости, надежности, доверенности). Использование технологий искусственного интеллекта в медицине носит «сквозной» характер и способствует созданию условий для улучшения эффективности и формирования принципиально новых направлений деятельности: автоматизации рутинных (повторяющихся) операций; использования автономного интеллектуального оборудования и робототехнических комплексов, интеллектуальных систем управления; повышения эффективности процессов планирования, прогнозирования и принятия врачебных решений. Перспективной технологией предлагаемого подхода является применение графовой нейросетевой архитектуры в составе информационной системы для обработки и анализа данных. В статье реализован пример классификации узлов графов на открытом датасете с кардиоданными условно-здоровых людей и пациентов.
Об авторах
Д. А. Андриков
МГТУ им. Н.Э. Баумана
Россия
Россия
к. т. н., доцент
Москва
Дм. А. Андриков
Инженерная академия, РУДН
Россия
Россия
к. т. н., доцент
Москва
Д. В. Березкин
МГТУ им. Н.Э. Баумана
Россия
Россия
к. т. н., доцент
Москва
А. Ю. Попов
МГТУ им. Н.Э. Баумана
Россия
Россия
д. т. н., доцент
Москва
А. В. Пролетарский
МГТУ им. Н.Э. Баумана
Россия
Россия
д. т. н., профессор
Москва
Список литературы
1. Карпов О.Э., Андриков Д.А., Максименко В.А., Храмов А.Е. Прозрачный искусственный интеллект для медицины // Врач и информационные технологии. — 2022. — № 2. — С. 4-11.
2. Карпов О.Э., Храмов А.Е. Прогностическая медицина // Врач и информационные технологии. — 2021. — № 3. — С.20.
3. Шарова Д.Е., Михайлова А.А., Гусев А.В., Гарбук С.В., Владзимирский А.В., Васильев Ю.А. Анализ мирового опыта в регулировании использования медицинских данных для целей создания систем искусственного интеллекта на основе машинного обучения // Врач и информационные технологии. — 2022. — № 4. — С. 28-39.
4. Карпов О.Э., Храмов А.Е. Информационные технологии, вычислительные системы и искусственный интеллект в медицине. М.: ДПК Пресс, 2022.
5. Васильев Ю.А. и др. Подготовка набора данных для обучения и тестирования программного обеспечения на основе технологии искусственного интеллекта : Учебное пособие. М.: Издательские решения, 2024. — 140 с.
6. Khorev VS, et al. Disruptions in segregation mechanisms in fmri-based brain functional network predict the major depressive disorder condition. Chaos, Solitons & Fractals. 2024; 188: 115566.
7. Кучин А.С., Грубов В.В., Максименко В.А., Утяшев Н.П. Автоматизированное рабочее место врача-эпилептолога с возможностью автоматического поиска приступов эпилепсии // Врач и информационные технологии. — 2021. — № 3. — С. 62-73.
8. Grubov VV, Nazarikov SI, Kurkin SA, Utyashev NP, et al. Two-stage approach with combination of outlier detection method and deep learning enhances automatic epileptic seizure detection. IEEE Access. 2024; 12: 122168-122182.
9. Wang J, Yang J, Deng J, Gunes H, Song S. Graph in Graph Neural Network. 2024. doi: 10.48550/arXiv.2407.00696.
10. Goldberger A, Amaral L, Glas, L, Hausdorff J. PhysioBank, PhysioToolkit, and PhysioNet: Components of a new research resource for complex physiologic signals. Circulation [Online]. 2000; 101(23): e215-e220.
11. Gow B, Pollard T, Nathanson LA, Johnson A, Horng S. MIMIC-IV-ECG: Diagnostic Electrocardiogram Matched Subset (version 1.0). PhysioNet. 2023. doi: 10.13026/4nqg-sb35.
12. Zhong M, Li F, Chen W. Automatic arrhythmia detection with multi-lead ECG signals based on heterogeneous graph attention networks. Mathematical biosciences and engineering: MBE. 2022; 12(19): 12448-12471.
13. Brody S, Alon U, Yahav E. How Attentive are Graph Attention Networks?. 2021. doi: 10.48550/arXiv.2105.14491.
14. Kamyar Z, Marco G. Graph Neural Networks for Topological Feature Extraction in ECG Classification. Springer Nature Singapore. Singapore, 2023. P.17-27.
Рецензия
Для цитирования:
Андриков Д.А., Андриков Д.А., Березкин Д.В., Попов А.Ю., Пролетарский А.В. Нейросетевая графовая архитектура прозрачного искусственного интеллекта в медицине. Врач и информационные технологии. 2025;(2):70-83. https://doi.org/10.25881/18110193_2025_2_70
For citation:
Andrikov D.A., Andrikov D.A., Berezkin D.V., Popov A.I., Proletarsky A.V. Neural network graph architecture of transparent artificial intelligence in medicine. Medical Doctor and Information Technologies. 2025;(2):70-83. (In Russ.) https://doi.org/10.25881/18110193_2025_2_70
Просмотров:
131
Послать статью по эл. почте 