Детальная информация

Янкина, Ксения Александровна. Нейросетевой анализ медицинских данных [Электронный ресурс]: выпускная квалификационная работа магистра: 27.04.04 - Управление в технических системах ; 27.04.04_06 - Автоматизация технологических процессов и производств / К. А. Янкина; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. Н. В. Ростов. — Электрон. текстовые дан. (1 файл : 1,86 Мб). — Санкт-Петербург, 2018. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/2/v18-6338.pdf>. — <URL:http://doi.org/10.18720/SPBPU/2/v18-6338>. — <URL:http://elib.spbstu.ru/dl/2/rev/v18-6338-o.pdf>. — <URL:http://elib.spbstu.ru/dl/2/rev/v18-6338-r.pdf>.

Дата создания записи: 23.01.2019

Тематика: Нейронные сети; Вычислительные машины электронные — Применение в биологии и медицине; машинное обучение; онкологические заболевания

УДК: 004.032.26

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI; Отзыв руководителя; Рецензия

Разрешенные действия: Прочитать Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Локальная сеть ИБК СПбПУ

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
-> Локальная сеть ИБК СПбПУ Все Прочитать
Интернет Все Прочитать

Оглавление

  • 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

Статистика использования документа

stat Количество обращений: 53
За последние 30 дней: 2
Подробная статистика