Models of generation of input data of training of neural network modules for diagnostic of diseases in urology

Abstract

The subject of the research presented in the article is neural network modules (NNMs), which are used to solve problems in the practice of diagnosing diseases in urology. This work aims to develop a mathematical model for generating a multitude of uroflowmetric parameters, in particular, graphs of uroflowrograms of the required volume, used as input data for NNM training. Objective: to develop a mathematical model for the formation of uroflowmetric parameters using a probabilistic approach based on a uniform "white noise".

Предметом дослідження, представленого в статті, є модулі нейронних мереж (НММ), які використовуються для вирішення завдань у практиці діагностики захворювань в урології. Метою даної роботи є розробка математичної моделі для генерації безлічі урофлоуметричних параметрів, зокрема, графіків урофлоурограм необхідного об’єму, які використовуються як вхідні дані для навчання ННМ. Мета: розробити математичну модель формування урофлоуметричних параметрів з використанням імовірнісного підходу на основі рівномірного «білого шуму».

Предметом исследования, представленного в статье, являются нейросетевые модули (НСМ), которые используются для решения задач в практике диагностики заболеваний в урологии. Данная работа направлена на разработку математической модели для формирования множества урофлоуметрических параметров, в частности, графиков урофлоурограмм необходимого объема, используемых в качестве исходных данных для обучения NNM. Цель: разработать математическую модель формирования урофлоуметрических показателей с использованием вероятностного подхода на основе однородного «белого шума».