Details

Title: Нейросетевой анализ медицинских данных: выпускная квалификационная работа магистра: 27.04.04 - Управление в технических системах ; 27.04.04_06 - Автоматизация технологических процессов и производств
Creators: Янкина Ксения Александровна
Scientific adviser: Ростов Николай Васильевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: Нейронные сети; Вычислительные машины электронные — Применение в биологии и медицине; машинное обучение; онкологические заболевания
UDC: 004.032.26
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 27.04.04
Speciality group (FGOS): 270000 - Управление в технических системах
Links: Отзыв руководителя; Рецензия
DOI: 10.18720/SPBPU/2/v18-6338
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

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.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Table of Contents

  • 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

Usage statistics

stat Access count: 59
Last 30 days: 0
Detailed usage statistics