CORRELATION ANALYSIS AND BUILDING A NEURAL NETWORK FOR THE CLASSIFICATION OF THYROID DISEASES

Abstract

В статье приводится описание корреляционного анализа. Описываются суть корреляционного анализа и в каких случаях он используется. Чтобы отсечь все малозначимые и незначимые параметры для построения более точной нейронной сети проводится корреляционный анализ для выделения важных параметров (анамнез, результаты анализов) на основе 45 пациентов с заболеваниями щитовидной железы: гипотиреоз, подострый тиреоидит и тиреотоксикоз, в результате которого из 41 критерия осталось 26 значимых критериев. Даются основные понятия о нейросетевом моделировании, нейронных сетях, их строению, обучению их плюсах и минусах. На основе полученных данных после корреляционного анализа строится полносвязная нейронная сеть для автоматизированной классификации заболеваний щитовидной железы: гипотиреоз, подострый тиреоидит и тиреотоксикоз. Нейронная сеть создается с помощью библиотеки Deeplearning4j для языка программирования Java. Выполняется полная настройка нейронной сети: определяется её структура (количество скрытых слоев, количество нейронов в скрытых слоях), задаются настройки для её обучения (количество эпох обучения, коэффициент скорости обучения, размер подаваемого пакета данных, после которого происходит корректировка весов). Происходит обучение нейронной сети на обучающей выборке. На тестовой выборке проверяется корректность обученной нейронной сети. Описывается математическая модель, получившейся нейронной сети The article provides a description of the correlation analysis. The essence of correlation analysis and in what cases it is used are described. Correlation analysis is carried out to highlight important parameters (anamnesis, test results) based on 45 patients with thyroid diseases: hypothyroidism, subacute thyroiditis and thyrotoxicosis, as a result of which 26 significant criteria remained out of 41 criteria. The basic concepts of neural network modeling, neural networks, their structure, learning their pluses and minuses are given. Based on the data obtained after correlation analysis, a fully connected neural network is built for the automated classification of thyroid diseases: hypothyroidism, subacute thyroiditis and thyrotoxicosis. The neural network is created using the Deeplearning4j library for the Java programming language. A complete tuning of the neural network is performed: its structure is determined (the number of hidden layers, the number of neurons in the hidden layers), settings for its training are set (the number of training epochs, the learning rate coefficient, the size of the supplied data packet, after which the weights are adjusted) . The neural network is trained on the training set. On the test sample, the correctness of the trained neural network is checked. The mathematical model of the resulting neural network is described