Detection of the tonometrical measurements error adapting the radial basis function method versus multilayer perceptron

Abstract

The values of eye pressure as well as the values of other parameters of the biological environment vary within a wide range, wheeas t rhe amplitude of variation depends on the age, the sex, adjacent diseases, medicines, exposure to allergens, and etc. The computation of the accurately measured eye pressure is the positive perspective of the system for diagnosing the autonomous disease. This research targets to create the system, which models the detection of tonometric measurment error. Modeling the target relations (IOP vs CCT) thresholding classifier and radial-basis function classifier versus multi-layer perceptron classifier was applied.. By numerical experiments, we have proved that the discrete model applied is adequate to the modeling of the expression being analyzed and that the optimal synergy of artificial neural networks and the biosubject is realized with the purpose of minimizing the frequency of diagnostical mistakes in the everyday activities of the clinician.

Akispūdžio vertės, kaip ir kitų biologinės terpės parametrų, svyruoja plačiame diapazone, kai svyravimo amplitudė yra sąlygojama am žiaus, lyties, gretutinių ligų, medikamentų, alergenų ekspozicijos ir kt. Tikslaus išmatuojamo akispūdžio apskaičiavimas – teigiama autonominės ligos diagnozavimo sistemos perspektyva. Tyrimo tikslas – sukurti sistemą, kai išraiška modeliuojama tonometrinių matavimų paklaidos detekcija. Išmatuojamo akispūdžio įverčiams įtaką darančioms priklausomybėms modeliuoti, adaptavome slenkstinio klasifikatoriaus ir radialinių bazinių funkcijų skirtuminį metodą lyginant su daugiasluoksniu perceptronu. Skaitiniais eksperimentais įrodėme, kad taikytas diskretinis modelis yra adekvatus analizuojamos išraiškos modeliavimui, o sukurta sistema, siekiant minimizuoti diagnostinių klaidų dažnį kasdieniame klinicisto darbe, įgyvendinamas dirbtinių neuroninių tinklų ir biosubjekto sinergijos optimumas.