БАКТЕРИЯЛАРДЫҢ МИКРОСКОПИЯЛЫҚ БЕЙНЕЛЕРІН КӨПКЛАССТЫ ЖІКТЕУГЕ АРНАЛҒАН ГИБРИДТІ ТЕРЕҢ ОҚЫТУ МОДЕЛІН ӘЗІРЛЕУ

Аннотация

В данной статье рассматривается задача автоматической многоклассовой классификации микроскопических изображений бактерий. В исследовании использован набор данных, включающий 2034 микроскопических изображения 33 таксонов. Для обеспечения методологической корректности эксперимента выполнена проверка целостности данных и применён строгий протокол разбиения train/validation/test, предотвращающий информационные утечки. Для описания качества и структурных характеристик изображений рассчитаны прокси-признаки, включая яркость, контраст, энтропию Шеннона, дисперсию Лапласиана и энергию градиента Собеля. Статистический анализ с использованием критерия Краскела–Уоллиса показал, что данные признаки обладают выраженной межклассовой информативностью. Сравнительная оценка проводилась с использованием классических моделей машинного обучения и современных архитектур глубокого обучения. Кроме того, предложена гибридная модель глубокого обучения, основанная на множественном экземплярном обучении, обеспечивающая эффективную агрегацию локальных структур микроскопических изображений. Полученные результаты подтверждают повышение устойчивости и точности классификации.