Інформація призначена тільки для фахівців сфери охорони здоров'я, осіб,
які мають вищу або середню спеціальну медичну освіту.

Підтвердіть, що Ви є фахівцем у сфері охорони здоров'я.

"Medical and social problems of family" 1 (том 17) 2012

Back to issue

Оценка возрастных изменений кожи женщин репродуктивного возраста с использованием искусственной нейронной сети

Authors: А.Д. Игнатов*, Е.Н. Носенко**, Е.В. Зоркова**, Д.Ю. Игнатов**, *Факультет управления и прикладной математикиМосковского физико-технического института, **Донецкий национальный медицинский университет им. М. Горького

Categories: Obstetrics and gynecology

Sections: Clinical researches

print version


Summary

Возрастные изменения кожного покрова женщин репродуктивного возраста опреде-ляли с помощью искусственной нейронной сети. Нейронную сеть обучали с использовани-ем генетического алгоритма, алгоритма обратного распространения ошибки и комбиниро-ванного метода, заключающегося в чередовании двух алгоритмов. Наиболее точная оценка возрастных изменений кожного покрова женщин репродуктивного возраста дана искусст-венной нейронной сетью, обученной с использованием комбинированного метода

Вікові зміни шкірного покрову жінок репродуктивного віку визначали за допомогою штучної нейронної мережі. Нейронну мережу навчали з використанням генетичного алгоритму, алгоритму зворотного розповсюдження помилки і комбінованого методу, що полягає у чергуванні двох алгоритмів. Найбільш точна оцінка вікових змін шкірного покрову жінок репродуктивного віку дана штучною нейронною мережею, навченою з використанням комбінованого методу

The age-dependent changes of a skin of childbearing age women were determined by an artificial neuronal network. Neuronal networks were taught with the usage of genetic algorithm, backpropagation algorithm and combined method, consisting in alternation of two algorithms. The most exact estimation of age-dependent changes of a skin of childbearing age women is given by artificial neuronal network, trained by combined method


Keywords

кожа, репродуктивный возраст, искусственная нейронная сеть

шкіра, репродуктивний вік, штучна нейронна мережа

skin, childbearing age, artificial neuronal network

Естественным индикатором состояния организма женщины являются физические характеристики ее кожного покрова. Изменения тонуса, цвета, влажности, появление морщин и очагов пигментации на коже наблюдаются как в физиологических процессах (течение беременности, сезонные и возрастные изменения), так и при патологиях (заболеваниях печени, уремии, почечная недостаточность, лимфогранулематоз). В настоящее время на смену визуальной оценке состояния кожи приходят новые технологии, среди которых ведущее место занимают искусственные нейронные сети (ИНС). ИНС – математические модели, построенные по принципу организации и функционирования биологических нейронных сетей. Несмотря на впечатляющие результаты использования ИНС в медицинских исследованиях [2], фактором, существенно ограничивающим их широкое применение, является низкая скорость обучения ИНС. Этот недостаток определяется в частности попаданием ИНС в локальные минимумы поверхности ошибок, параличом сети, обусловленным высокими значениями ее весовых коэффициентов, и наличием неустойчивых состояний, при которых в процессе обучения ИНС теряет приобретенные знания. В частности, в наших исследованиях длительность обучения ИНС для оценки возраста по цифровым снимкам кожи человека составляла около 7000 циклов обучения [4], что существенно ограничивало возможность выбора оптимальной конфигурации ИНС. Увеличить скорость обучения ИНС по цифровым снимкам кожи человека удалось посредством применения комбинированного метода (КМ) обучения [1].

Цель работы – оценить эффективность применения различных алгоритмов обучения нейтронной сети оценке возрастных изменений кожи женщин репродуктивного возраста.

Материалы и методы

Искусственную нейронную сеть (ИНС), содержащую 4 скрытых слоя, послойно обучали на цифровых снимках кожи внутренней поверхности запястья левой руки. Обследовали 19 условно здоровых женщин репродуктивного возраста (18 – 43 лет). Снимки получали с помощью фотоаппарата Olimpus SP550UZ при освещении руки с двух сторон люминесцентными лампами Camelion LH20-3U (E27, 6400K, 20 W). Перед каждой итерацией обучения автоматически выбирался случайный фрагмент изображения, что позволяло исключить запоминание снимков нейронной сетью. Обучение проводили с использованием алгоритма обратного распространения ошибки (АОРО) [6], генетического алгоритма (ГА) [3] и КМ, заключающегося в чередовании АОРО и ГА (по 20 итераций каждый). Первые 100 итераций обучения исключали из анализа.  

Результаты и их обсуждение

Известно, что с возрастом изменяется как структура, так и цвет кожи. Это положение подтверждают полученные нами результаты цифровой фотографии фрагментов кожи женщин различного возраста  при освещении руки с двух сторон люминесцентными лампами Camelion LH20-3U (E27, 6400K, 20 W) (рис.1).

Обучение ИНС по цифровым снимкам кожи оказалось малоэффективным при использовании ГА, тогда как наибольший эффект был достигнут при применении КМ. Значения среднеквадратической ошибки определения возраста в зависимости от числа итераций обучения ИНС с использованием КМ приведены на рис. 2.

При применении как АОРО, так и КМ средняя величина ошибки определения возраста снижается (p < 0,5) от 11,2±1,3 до 4,28±0,32 лет, а в дальнейшем (1000 итераций) не изменяется (p > 0,5). Полученные по окончании обучения ИНС значения погрешности определения возраста, очевидно, обусловлены объективными различиями между биологическим возрастом кожи и паспортным возрастом человека [5]. При этом эффективное время обучения ИНС с использованием КМ примерно в 20 раз меньше, чем при АОРО. По окончании обучения АОРО и КМ значения паспортного и определяемого посредством ИНС возраста коррелируют между собой (r = 0,84 и 0,93, соответственно; p < 0,05), причем коэффициент корреляции в случае КМ выше (p < 0,05), чем в случае АОРО. Очевидно, большая эффективность КМ обусловлена тем, что используемые при этом методе АОРО и ГА обладают разными характеристиками, дополняя друг друга. Так, в отличие от ГА, в котором выбор последующего состояния сети выполняется случайным образом, АОРО, действуя более «целенаправленно», позволяет эффективнее снижать уровень ошибки определения возраста. Когда ИНС попадает в локальный минимум пространства ошибок или возникает ее паралич, такие операции ГА как мутация и кроссинговер выводят ИНС из этого состояния.

Выводы

Комбинированный метод обучения искусственной нейтронной сети позволяет повысить точность оценки возрастных изменений кожи женщин репродуктивного возраста и завершить обучение раньше, чем алгоритм обратного распространения ошибки или генетический алгоритм.


Bibliography

  1. Анализ снимков ткани человека с применением искусственных нейронных сетей (комбинированный алгоритм) / А.Д. Игнатов и др. // Десята Всеукраїнська наукова інтернет-конференція: Сучасна наука: стан і перспективи розвитку, 28-29 лютого 2012 р.: збірка матеріалів. – Тернопіль, 2012. – С. 9-11.
  2. Носенко Е.Н. Искусственные нейронные сети в медицинских исследованиях / Е.Н. Носенко, Д.Ю. Игнатов, Е.В. Зоркова // Перспективи медицини та біології. – 2011. – Т. 3, № 1. – С. 76-79.
  3. Федяев О.И. Применение генетических алгоритмов для обучения нейронных сетей / О.И. Федяев, Ю.И. Соломка // Четверта міжнародна студентська науково-практична конференція "Світ молоді – молодь світу", 15-17 квітня 2004 р.: Матеріали конференції. Частина 1. – Вінниця: ВІ МАУП, 2004. – С. 85-90.
  4. Возможность применения искусственных нейронных сетей для определения возраста человека по цифровым снимкам его кожи / А.В. Чайка, Ю.П. Богослав, Д.Ю. Игнатов, Е.В. Зоркова // Четверта Всеукраїнська наукова інтернет-конференція: Теорія і практика наукових досліджень, 30-31 травня 2011 р.: збірка матеріалів. – Тернопіль, 2011. – С. 18-20.
  5. Predictors of the discrepancy between calendar and biological age / G. Freude et al. // Occup. Med. (Lond). – 2010. – Vol. 60, № 1. – P 21-28.
  6. Skin cancer recognition by using a neuro-fuzzy system / B. Salah, M. Alshraideh, R. Beidas, F. Hayajneh // Cancer. Inform. – 2011. – Vol. 10. – P. 1-11.

Similar articles

Authors: Латышева В.Я., Коротаев А.В., Курман В.И., Государственное учреждение «Республиканский научно-практический центр радиационной медицины и экологии человека», Учреждение образования «Гомельский государственный медицинский университет», г. Гомель, Республика Беларусь
International neurological journal 4 (34) 2010
Date: 2010.08.23
Categories: Neurology
Authors: Ю.А. БАТМАН, Донецкий государственный медицинский университет им. М. Горького
"Child`s Health" 4(7) 2007
Date: 2007.10.23
Categories: Medicine of emergency, Pediatrics/Neonatology
Sections: Specialist manual
Клинические формы климактерического синдрома у женщин с различным «вегетативным паспортом»
Authors: Е.В. Литвинова, А.В. Чурилов, Донецкий национальный медицинский университет имени М. Горького
"Medical and social problems of family" 1 (том 17) 2012
Date: 2012.04.22
Categories: Obstetrics and gynecology
Sections: Clinical researches

Back to issue