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
Level of education Master
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)
Record key RU\SPSTU\edoc\60304
Record create date 1/23/2019

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

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.

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

Access count: 68 
Last 30 days: 0

Detailed usage statistics