Аңдатпа. Осы мақалада машиналық оқыту әдістерін қолданып, кардиологиядағы биомедициналық бейнелерді автоматты талдау әдістері зерттеледі. Зерттеудің өзектілігі жүрек пен капилляр бейнелерін автоматты өңдеу арқылы жүрек-қан тамырлары ауруларын диагностикалау дәлдігін арттыру қажеттілігінен туындайды. Зерттеу сандық микроскоптар мен электрокардиографтар арқылы алынған деректерді талдауға бағытталып, негізгі диагностикалық ерекшеліктерді анықтауға баса назар аударады. Ұсынылған әдіс бейнелерді алдын ала өңдеу, шуды жою, ерекшеліктерді анықтау және негізгі компоненттер анализі (PCA) мен нейрондық желі модельдері негізінде классификациялауды қамтиды. Алдын ала өңдеу кезеңіне бейнелерді сүзу, сегментация және деректерді нормалау кіреді. Зерттеуде медициналық бейнелерді талдау үшін бейімделген машиналық оқыту классификация алгоритмдері және терең оқыту әдістері қолданылады. Диагностика тиімділігін арттыру және модельдің жалпыламалығын қамтамасыз ету мақсатында өнімділікті бағалау критерийлері мен оқыту параметрлері зерттеледі. Биомедициналық деректерді өңдеуге байланысты биологиялық қауіпсіздік аспектілеріне, соның ішінде жеке деректерді қорғау және классификация дәлдігіне ерекше көңіл бөлінеді. Зерттеу сонымен қатар бейне сапасындағы және сыртқы факторлардағы өзгерістерге түрлі модельдердің тұрақтылығын бағалайды. Сонымен қатар, диагностиканың дәлдігін арттыру үшін машиналық оқытуға негізделген бейне талдауды медициналық шешім қабылдау жүйелерімен біріктіру мәселесі талқыланады. Мақала қазіргі алгоритмдердің шектеулерін талдап, оларды одан әрі жетілдіру бағыттарын, соның ішінде әртүрлі деректер түрлеріне және күрделі клиникалық сценарийлерге бейімделуді ұсынады. Болашақ зерттеулердің перспективаларына ерекшеліктерді анықтау әдістерін оңтайландыру, классификация алгоритмдерін жетілдіру және диагностиканың дәлдігін арттыру үшін бірнеше тәсілді біріктіретін гибридті модельдерді дамыту кіреді. Осылайша, машиналық оқыту әдістері мен биомедициналық бейнелерді талдау алгоритмдерінің шолуы жүрек-қан тамырлары ауруларын автоматтандырылған диагностикалау үшін ең тиімді тәсілдерді анықтап, интеллектуалды медициналық жүйелердің одан әрі дамуының перспективаларын көрсетеді.

Түйін сөздер. Машина оқыту, жасанды интеллект, нейрондық желілер, биомедициналық бейнелерді өңдеу, кардиология.