С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

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: PDF
Язык: Русский
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: Свободный доступ из сети Интернет (чтение)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

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 Авторизованные пользователи Прочитать
-> Интернет Анонимные пользователи

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

stat Количество обращений: 59
За последние 30 дней: 0
Подробная статистика