Deep Convolutional Neural Networks ili prosto Convolutional Neural Networks (CNN) nedawno stali odnoj iz samyh moschnyh i wyrazitel'nyh modelej obucheniq dlq raspoznawaniq obrazow, obrabotki medicinskih izobrazhenij, komp'üternogo zreniq, rukopisnogo/opticheskogo raspoznawaniq simwolow i t.d., kotorye horosho sprawlqütsq s zadachami klassifikacii, kak dwoichnoj, tak i kategorial'noj, äffektiwnym i prostym sposobom. Pomimo shirokogo primeneniq w razlichnyh oblastqh i sferah, w nashi dni äta tehnologiq priobrela bol'shuü populqrnost' i priznanie w oblasti mediciny, poskol'ku razlichnye medicinskie otchety w nashi dni ochen' nadezhny w raspoznawanii izobrazhenij na osnowe glubokogo obucheniq. V ätoj knige my obuchili model' glubokoj strukturirowannoj nejronnoj seti, kotoraq po suti qwlqetsq model'ü CNN, na bol'shom nabore dannyh rentgenowskih izobrazhenij pod nazwaniem MURA (Musculoskeletal Radiographs Abnormality) i popytalis' predskazat' anomalii rentgenograficheskogo izobrazheniq (qwlqetsq li izobrazhenie normal'nym ili anomal'nym) na osnowe binarnoj klassifikacii.