Детальная информация
Название | Нейросетевой анализ медицинских данных: выпускная квалификационная работа магистра: 27.04.04 - Управление в технических системах ; 27.04.04_06 - Автоматизация технологических процессов и производств |
---|---|
Авторы | Янкина Ксения Александровна |
Научный руководитель | Ростов Николай Васильевич |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий |
Выходные сведения | Санкт-Петербург, 2018 |
Коллекция | Выпускные квалификационные работы ; Общая коллекция |
Тематика | Нейронные сети ; Вычислительные машины электронные — Применение в биологии и медицине ; машинное обучение ; онкологические заболевания |
УДК | 004.032.26 |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 27.04.04 |
Группа специальностей ФГОС | 270000 - Управление в технических системах |
Ссылки | Отзыв руководителя ; Рецензия |
DOI | 10.18720/SPBPU/2/v18-6338 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\60304 |
Дата создания записи | 23.01.2019 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
В данной диссертационной работе описано создание трех модель машинного обучения, включающие в себя две модели нейронных сетей и RandomForest. Эти модели были настроены на работу с медицинскими данными. Они дают возможность предсказывать некий параметр исходя из ряда существующих признаков, описанных в работе. Методы машинного обучения применяются к крупным наборам данных записей пациентов и путем анализа предыдущих случаев могут предложить предсказания наиболее подходящего лечения для пациента с определенными особенностями за короткое время. Конкретно, этот проект рассматривает анонимный набор данных для пациентов с раком молочной железы (с и без сердечно-сосудистых заболеваний) и предлагает разные модели и, следовательно, прогнозы по тем же данным. Проект исследует комбинацию методов машинного обучения, включая различные нейронные сети и случайный лес. Цель состоит в том, чтобы найти наиболее подходящую технику для данного набора данных и для нашего исследовательского вопроса.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
- Введение
- Глава 1. Задачи и методы нейросетевого анализа медицинских данных
- Общие сведения о диагностике раковых заболеваний
- Классификация методов машинного обучения
- Применение искусственного интеллекта в медицине
- Обучение нейронных сетей с учителем
- Методы обучения нейронных сетей на деревьях решений
- Многослойные нейронные сети
- Сверточные нейронные сети
- Выводы
- Глава 2. Описание медицинских данных
- Классификация медицинских данных
- Общий анализ медицинских данных
- Фильтрация медицинских данных
- Выводы
- Глава 3. Разработка нейросетевых моделей для анализа медицинских данных
- Модель многослойной нейронной сети
- Модель сверточной нейронной сети
- Модель «случайный лес»
- Выводы
- Глава 4. Программная реализация моделей нейронных сетей
- Модель многослойной нейронной сети
- Сверточная нейронная сеть
- Модель «Случайный лес»
- Выводы
- Глава 5. Сравнение разработанных моделей нейронных сетей
- Матрица неточностей и F1 оценка [22]
- Показатели эффективности
- Выводы
- Заключение
- Список литературы
Количество обращений: 68
За последние 30 дней: 0