Skip to main navigation menu Skip to main content Skip to site footer
##common.pageHeaderLogo.altText##

Information technologies and systems

October 31, 2025; Paris, France: IX International Scientific and Practical Conference «DÉBATS SCIENTIFIQUES ET ORIENTATIONS PROSPECTIVES DU DÉVELOPPEMENT SCIENTIFIQUE»


ОПТИМІЗАЦІЯ МУЛЬТИМОДАЛЬНИХ НЕЙРОННИХ МЕРЕЖ ІЗ ВИКОРИСТАННЯМ МЕХАНІЗМІВ УВАГИ ДЛЯ КЛАСИФІКАЦІЇ СТАДІЙ ЦУКРОВОГО ДІАБЕТУ


DOI
https://doi.org/10.36074/logos-31.10.2025.022
Published
31.10.2025

Abstract

У роботі запропоновано метод класифікації стадій цукрового діабету з використанням мультимодальної нейронної мережі з механізмом уваги (MMN-Attn). Використано набір даних Pima Indians Diabetes, що включає лабораторні, демографічні дані та фоторетинограми. Проведено нормалізацію, заповнення пропусків та комплексну аугментацію зображень. Порівняно три архітектури: CNN, MMN та MMN-Attn. Оптимізована модель показала точність 97,8%, F1-score 0,974 та AUC 0,98, що підтверджує ефективність інтеграції різнорідних даних і механізму уваги для підвищення узагальнювальної здатності та точності автоматизованої діагностики цукрового діабету.

References

  1. Мінухін, С. В., & Рудой, В. В. (2025). Розроблення гібридної моделі прогнозування стадії захворювання на цукровий діабет на основі згорткових нейронних мереж та мереж глибинного навчання. The 4th International Scientific and Practical Conference «Global Trends in Science and Education» (316–319). SPC «Sci-conf.com.UА».
  2. Мінухін, С. В., & Семенець, О. М. (2025). Підвищення точності моделей машинного навчання при лікуванні цукрового діабету на основі збагачення тестових даних. Матеріали XXVIII Міжнародного молодіжного форуму «Радіоелектроніка та молодь у ХХІ столітті». Конференція «Інформаційні інтелектуальні системи» (461–463).
  3. Рудой, В. В., & Мінухін, С. В. (2025). Застосування методів машинного навчання для прогнозування стадій хвороби цукрового діабету. Матеріали XXVIII Міжнародного молодіжного форуму «Радіоелектроніка та молодь у ХХІ столітті». Конференція «Інформаційні інтелектуальні системи» (416–419).
  4. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention is all you need. Advances in Neural Information Processing Systems, 30. https://doi.org/10.48550/arXiv.1706.03762.
  5. Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An image is worth 16x16 words: Transformers for image recognition at scale. International Conference on Learning Representations (ICLR). https://doi.org/10.48550/arXiv.2010.11929.
  6. Лисиченко, В. Д., & Петренко, О. І. (2021). Мультимодальні нейронні мережі в задачах медичної діагностики. Проблеми інформатизації та управління, (3), 72–85. https://doi.org/10.34229/1026-0351-2021-3-9.
  7. Wang, X., Peng, Y., Lu, L., Lu, Z., Bagheri, M., & Summers, R. M. (2017). ChestX-ray8: Hospital-scale chest X-ray database and benchmarks on weakly-supervised classification and localization of common thorax diseases. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). https://doi.org/10.1109/CVPR.2017.369
  8. Савченко, М. О., & Мельник, Р. С. (2020). Оптимізація архітектур нейронних мереж з використанням механізмів уваги для класифікації зображень. Вісник Київського політехнічного інституту. Серія: Приладобудування, (61), 112–120. https://doi.org/10.20535/1970.61.2020.220001.
  9. Ткачук, І. В., & Бондар, С. П. (2023). Автоматизована діагностика цукрового діабету за даними ретинографії з використанням згорткових нейронних мереж. Кібернетика та системний аналіз, 59(1), 145–158. https://doi.org/10.1007/s10559-023-00552-8.
  10. Pima Indians Diabetes Database. (n.d.). Kaggle. Retrieved from https://www.kaggle.com/datasets/uciml/pima-indians-diabetes-database
  11. APTOS. (2019). APTOS 2019 Blindness Detection Dataset. Kaggle. Retrieved from https://www.kaggle.com/c/aptos2019-blindness-detection/data
  12. Wang, X., Peng, Y., Lu, L., Lu, Z., Bagheri, M., & Summers, R. M. (2017). ChestX-ray8: Hospital-scale chest X-ray database and benchmarks on weakly-supervised classification and localization of common thorax diseases. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). https://doi.org/10.1109/CVPR.2017.369