В данном исследовании изучается эффективность ансамблевой модели для классификации изображений инсульта, объединяющей архитектуры CNN (Convolutional Neural Network), EfficientNetB7 и DenseNet201. Используя набор данных из 2501 черно-белого изображения из открытого набора данных Kaggle для инсульта, исследование направлено на преодоление проблем, связанных с ограниченным объемом данных, и включает применение методов аугментации для улучшения производительности модели. Производительность ансамблевой модели сравнивается с отдельными моделями, такими как MobileNetV2, EfficientNetB0, ResNet50 и DenseNet201. Результаты показывают, что, хотя ансамблевая модель демонстрирует потенциал, её точность незначительно превышает показатели лучших отдельных моделей, что подчеркивает необходимость использования более крупных наборов данных и более сложных методов ансамблирования для повышения надежности. Это исследование предоставляет ценные данные о применении ансамблевого обучения для классификации инсульта, открывая перспективы для развития диагностики инсульта на основе ИИ.