Кафедра системного проектування (СП)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра системного проектування (СП) за Автор "Акимов, Вадим Сергійович"
Зараз показуємо 1 - 1 з 1
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Багаторівневе навчання для класифікації об’єктів на множинах надвеликих масивів даних(2018) Акимов, Вадим Сергійович; Рогоза, Валерій СтаніславовичРобота виконана на 79 сторінках, містить 13 ілюстрацій, 23 таблиць. При підготовці використовувалась література з 21 джерел. Актуальність теми. Захворювання шкіри сьогодні належать до розповсюджених медичних проблем. Кількість таких захворювань постійно зростає, незважаючи на розвиток медичної галузі. Рак шкіри є поширеним злоякісним новоутворенням і займає друге рангове місце у структурі онкологічної захворюваності населення України. Такі хвороби діагностуються візуально, починаючи з клінічних обстежень, що можуть супроводжуватись дерматоскопічним аналізом, біопсією та гістопатологічною експертизою. Особливий інтерес представляє автоматизована класифікація захворювань шкіри (як доброякісних, так і злоякісних) на базі зображення ураженої ділянки тіла. Глибокі згорткові нейронні мережі (Convolutional Neural Networks, CNN) показують потенціал для аналізу категорії дрібнозернистих зображень. Мета та задачі дослідження. Метою даної роботи є розробка моделі багаторівневого навчання для побудови прототипу автоматизованої діагностичної системи. Даний прототип служить для вирішення задачі класифікації шкірних захворювань на основі зображень враженої ділянки тіла людини. Рішення поставлених завдань та досягнуті результати. У даній роботі було представлено прототип автоматизованої діагностичної системи для вирішення задачі класифікації шкірних захворювань на основі зображень враженої ділянки тіла людини. Прототип було виконано на базі класифікаційної моделі з використанням багаторівневого навчання, а в основі даної моделі лежить згорткова нейронна мережа. Імплементація графу обчислень виконана за допомогою мови програмування Python та програмної платформи Tensorflow. В якості функції помилки для діагностики точності отриманої моделі використовувалась перехресна ентропія. В результаті отримана висока точність класифікації підтверджує можливість впровадження даного прототипу в промислових масштабах в рамках існуючих медичних платформ, таких як eHealth. Серед основних проблем, що виникли під час імплементації прототипу – це відсутність доступу до потужних дискретних відеокарт, що дозволяють за допомогою платформи CUDA прискорити навчання моделі, а також низька пропускна швидкість каналу призвела до проблем з часом обробки вхідних зображень навчального набору. Об’єкт досліджень. Класифікаційна модель з використанням багаторівневого навчання. Предмет досліджень. Алгоритми багаторівневого навчання для побудови класифікаційних моделей. Методи досліджень. Для вирішення проблеми в даній роботі використовуються методи аналізу і синтезу, системного аналізу, порівняння, логічного узагальнення результатів. Наукова новизна. Наукова новизна роботи полягає у створенні прототипу автоматизованої діагностичної системи на основі багаторівневого навчання для вирішення задачі класифікації захворювань шкіри, а також апробація отриманого прототипу на практиці з використанням вибірки даних, представленої міжнародною спільнотою з цифрової обробки зображень шкіри ISDIS (13791 зображень уражених ділянок шкіри, зроблених за допомогою дермоскопу). Практичне значення одержаних результатів. Отримані результати можуть використовуватись у майбутніх дослідженнях за напрямком покращення запропонованого прототипу та класифікаційної моделі, враховуючи переваги та недоліки даних результатів. Також даний прототип може бути використаний для покращення результатів роботи існуючих діагностичних систем.