По хаосу: нейросеть обучили выявлять болезнь Альцгеймера

Исследователи из Петрозаводского государственного университета совместно с коллегами из Индии и Ирана разработали на основе нейросети алгоритм, который с помощью оценки хаоса смог с точностью более чем в 70% распознать симптомы болезни Альцгеймера в данных электроэнцефалограмм. Работа ученых опубликована в журнале Algorithms.

Для оценки степени хаоса используется термин «энтропия». Низкие ее значения указывают на систематичность, упорядоченность данных, а высокие — на хаотичность. Для ее оценки используются различные формулы. Одной из самых распространенных является формула Шеннона, где высокое значение энтропии связывается с «неожиданностью» возникновения события.

В своей работе ученые предложили совершенно другой подход, использующий искусственный интеллект для расчета энтропии. Для этого они создали нейронную сеть, определяющую показатель энтропии NNetEn (Neural Network Entropy). Программа обучалась, переводя цифры в данные ей временные ряды. В результате алгоритм с помощью математических методов вычислял значение энтропии.

Преимущества нового метода исследователи продемонстрировали, использовав алгоритм машинного обучения для распознавания болезни Альцгеймера на готовой базе данных электроэнцефалограмм. Он должен был различить здоровых участников и пациентов по полученной нейросетью величине энтропии, так как хаотичность этого сигнала меняется при наличии болезни.

В итоге при использовании NNetEn как единственного признака точность разделения групп оказалась не слишком высокой — около 67%. Соединение с ней ряда других энтропий принесло желаемый результат. При добавлении даже одной энтропии в пару с NNetEn точность разделения групп возросла до 73%.

Каждый работающих с большими данными исследователь может легко применить алгоритм к своим собственным данным - нейросеть находится в открытом доступе, подчеркивают исследователи.