1) Применение ИНС по типу «персептрон» в морфологической диагностике папиллярного рака щитовидной железы. Разработанные в ходе данной исследовательской работы программные модули на основе ИНС типа «персептрон» способны эффективно распознавать и различать нормальное гистологическое строение ткани щитовидной железы и папиллярного рака щитовидной железы. При предъявлении контрольных (ранее незадействованных в «обучении») снимков гистологических препаратов с нормальным строением ткани щитовидной железы (n=50) и с ПР щитовидной железы (n=50), разработанное ПО на основе ИНС типа «персептрон» дало 92% правильных ответов по папиллярному раку щитовидной железы и 80% совпадений по образцам нормальной ткани щитовидной железы. Суммарная точность работы ИНС составила, таким образом, 86%.

2) Применение самообучающейся искусственной нейронной сети для диагностики парапротеинемических гемобластозов. В результате этой научно-исследовательсвкой работы была разработана программа для сегментации микрофотографий мазков крови, с помощью которой была сформирована выборка из 220 изображений (по 110 для каждого класса). Также, была разработана искусственная нейронная сеть для классификации сегментированных микрофотографий мазков крови. Созданная выборка послужила обучающими данными для данной сети. При завершении работы, был протестирован алгоритм классификации микрофотографий мазков крови на основе свёрточной нейронной сети. Он включает в себя 4 операции свёртки для повышения точности распознавания признаков на микрофотографиях. С помощью разработанного алгоритма классификация выполняется с точностью 93,33 %. Потери в результатах связаны с недостаточным объёмом обучающей выборки, а также с качеством освещения при фотографировании образцов крови.

3) Применение искусственных нейронных сетей в диагностике воспалительных заболеваний кишечника. Для обучения ИНС были использованы изображения трех типов: эндоскопической картины сигмовидной кишки человека без патологий, эндоскопической картины язвенного колита и болезни Крона. Наилучший результат при дифференциации патологий показала нейронная сеть вида МП 364500:364500-20-2:2, общая точность распознавания которой оказалась равна 96,8%. Тем не менее, поскольку на контрольной выборке точность составила 84,2%, то планируется дальнейшая доработка полученных моделей с целью повышения достоверности их оценок. В частности, предполагается обучить сеть на более большом массиве эндоскопических изображений, в том числе и имеющих более высокое разрешение, а также применение других типов сетей, в частности радиальной базисной функции. Таким образом, поставленную задачу – разработку методики диагностики воспалительных заболеваний кишечника на основе анализа эндоскопических изображений можно считать в целом решённой. Полученные искусственные нейронные сети, после соответствующей доработки смогут быть использованы для решения задач классификации эндоскопических изображений кишечника на предмет наличия ВЗК, а также для дифференциации между болезнью Крона и язвенным колитом.