Магістерські роботи (БМК)
Постійне посилання зібрання
Переглянути
Перегляд Магістерські роботи (БМК) за Ключові слова "004.891.3 + 616.1"
Зараз показуємо 1 - 10 з 10
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Моделювання динаміки гепатиту С із комбінованим лікуванням(КПІ ім. Ігоря Сікорського, 2022-12) Рагулін, Вадим Миколайович; Зеленський, Кирило ХаритоновичМагістерська дисертація за темою «Математичне моделювання інфекційного захворювання гепатиту С» виконана студентом кафедри біомедичної кібернетики ФБМІ Рагуліним Вадимом Миколайовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині». Дана робота виконана на 107 листах, містить 12 ілюстрацій, 61 формулу, 13 таблиць та 55 бібліографічних найменувань за переліком посилань. Актуальність теми. Вірусний гепатит С – це вельми розповсюджене захворювання у світі. Інфікування цим вірусом відповідає за велику частку хронічних хвороб печінки аж до трансплантації органу. Якщо вчасно не звернутися до лікаря та не лікуватися, існує значний ризик протягом років отримати прогрес хвороби, який призводить до цирозу, гепатоцелюлярної карциноми, пеяінкової недостатності, а зрештою і смерті. Мета і завдання дослідження. Метою магістреської дисертації є моделювання розвитку інфекційної хвороби гепатиту С для комбінованого лікування інтерфероном і рибавірином. Для досягнення мети були поставлені наступні задачі: 1. Аналіз теоретичних джерел щодо розвитку інфекційної хвороби гепатиту С. 2. Математичне моделювання розвитку інфекційної хвороби гепатиту С. 3. Візуалізація розвитку інфекційної хвороби гепатиту С для комбінованого лікування інтерфероном і рибавірином. 4. Розрахунок стартап-проєкту для виведення результатів роботи на ринок. Об’єкт дослідження. Теоретичні дані математичного моделювання розвитку інфекційних хвороб. Предмет дослідження. Використання математичного моделювання для візуалізації розвитку інфекційної хвороби гепатиту С. Методи дослідження. Ітераційно числово-аналітичний метод, інтегральне перетворення Лапласа, диференціювання.Документ Відкритий доступ Нейронна мережа для виявлення відхилень грудної клітини на рентгенівських знімках(КПІ ім. Ігоря Сікорського, 2022-12) Нерус, Владислав Миколайович; Настенко, Євген АрнольдовичМагістерська дисертація за темою «Система діагностики тромбоемболії легеневої артерії за даними комп‘ютерної томографії органів грудної клітини» виконана студентом кафедри біомедичної кібернетики ФБМІ Нерусом Владиславом Миколаєвичом зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів (літературний огляд, теоретична частина, практична частина, аналіз стартап-проекту), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 68 джерел. Загальний обсяг роботи 105 сторінок. Актуальність теми. Респіраторні захворювання, такі як пневмонія, є поширеним станом легеневої інфекції, а хвороба COVID-19 стала небезпечною для життя хворобою, яка з’явилася наприкінці 2019 року та вразила весь світ. Пневмонія — це смертельна інфекція нижніх дихальних шляхів, яка відноситься до категорії гострих захворювань і, як повідомляється, є основною причиною смерті в усьому світі. У 2017 році на нього припадало 15% дитячих смертей, які трапилися протягом року [34] . Крім того, літні люди мають високий ризик захворіти на пневмонію, що призводить до критичних станів. Однак, якщо діагностувати та лікувати на ранній стадії, пов’язаний ризик можна мінімізувати [34]. Тому, система для автоматичного діагностування хвороб грудної клітини може бути використана як рекомендувальний інсрумент рентгенолога задля зменшення помилок та людських помилок. Мета і завдання дослідження. Метою роботи є розробка та навчання нейронної мережі для класифікації хвороб грудної клітини за рентгеном. Її досягнення передбачає вирішення наступних завдань: 1. Огляд літератури із обраної тематики. 2. Аналіз існуючих нейронних мереж. 3. Аугментація даних. 4. Нормалізація вибірки даних. 5. Розробка архітектури нейронної мережі. 6. Реалізація чи імпорт нейронної мережі та її тренування. Об’єкт дослідження. Рентгенівський знімок грудної клітини. Предмет дослідження. Згорткові нейронні мережі в задачах мульти-класифікації рентгенівських зображень, аугментація зображень. Методи дослідження. Методи розширення даних, методи боротьби з дисбалансом класів, операції згортки, пулінгу, згорткові нейронні мережі, оптимізація нейронних мереж.Документ Відкритий доступ Онлайн система моніторингу здоров'я та взаємодії лікаря з пацієнтом(КПІ ім. Ігоря Сікорського, 2022-12) Ворончук, Назарій Сергійович; Коваленко, Олександр СергійовичМагістерська дисертація за темою «Онлайн система моніторингу здоров'я та взаємодії лікаря з пацієнтом» виконана студентом кафедри біомедичної кібернетики ФБМІ Ворончуком Назарієм Сергійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Огляд літературних джерел», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу з розрахунок стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 38 найменування. Загальний обсяг роботи 95 сторінок. Актуальність теми. На сьогоднішній день світові пандемії та соціальні проблеми підвищують ризики розповсюдження хвороб при контактах людей один з одним. Безпечним та швидким способом лікування та підтримки здоров’я є онлайн медицина. Мета і завдання дослідження. Розробка онлайн сервісу для моніторингу здоров’я та консультації з лікарем, зниження часу прийняття рішень та покращення ефективності оцінки лікаря можливості виникнення захворювання у пацієнтів, що спостерігаються за допомогою системи моніторингу функціонального стану здоров'я на стадіях, коли можливе ефективне застосування профілактичних заходів.Документ Відкритий доступ Оптимальне управління противірусним лікуванням ВІЛ-Інфекції(КПІ ім. Ігоря Сікорського, 2022-12) Самоловов, Євгеній Геннадійович; Зеленський, Кирило ХаритоновичМагістерська дисертація за темою «Оптимальне управління противірусним лікуванням ВІЛ-інфекції» виконана студентом кафедри біомедичної кібернетики ФБМІ Самолововим Євгенієм Геннадійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині». Дана робота виконана на 80 листах, містить 28 ілюстрацій, 35 формул, 12 таблиця та 35 бібліографічне найменування за переліком посилань. Актуальність теми. ВІЛ на даний момент являеться невиліковною хворобою і люди що заражені нею мають вкрай обмежений час на життя. Єдині способи прототьби з цією хворобою є профілактика. Лікування лише виграє дорогоціний час життя для хворго, а не повністю виліковує його. Подібним людям потрібна велика підтримка, у вигляді правильного лікування. Мета і завдання дослідження. Метою магістреської дисертації є побудова моделі оптмального лікування захворювання ВІЛ-інфекції, на основі якої буде легше визначити правильний метод лікування. Для досягнення мети були поставлені наступні задачі: 1. Аналіз теоретичних джерел, що описують ВІЛ-інфекцію, та моделі цього захворювання 2. Проаналізувати моделі захворювання ВІЛ-інфекції та визначити найважливіші параметри для моделі 3. Створити модель оптимального противірусного лікування ВІЛ-Інфекції. 4. Розрахувати стартап-проєкт для виведення результатів роботи на ринок. Об’єкт дослідження. Вихідні дані хворих ВІЛ-інфекцією. Предмет дослідження. Створення моделі оптимального противірусного лікування ВІЛ-інфекції. Методи дослідження. Використання моделей з різною затримкою.Документ Відкритий доступ Програмний додаток моніторингу рівня стресу(КПІ ім. Ігоря Сікорського, 2022-12) Шевага, Діана Олександрівна; Городецька, Олена КостянтинівнаМагістерська дисертація за темою «Програмний додаток моніторингу рівня стресу» виконана студентом кафедри біомедичної кібернетики ФБМІ Шевагою Діаною Олександрівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 3 розділів («Аналіз літературних джерел», «Матеріали та методи дослідження», «Моніторинг рівня стресу»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 65 найменування. Загальний обсяг роботи 113 сторінки. Актуальність теми. У нинішньому сценарії після COVID, оскільки більшість із нас перебуває вдома, рівень стресу є найвищим за весь час через зростання тривоги, що призводить до вищого пульсу. Тому великий інтерес викликав дослідження основних механізмів стресу та моніторинг різних біофізіологічних і біохімічних реакцій організму на стрес. Надійний біомаркер або індикатор стресу міг би забезпечити точний моніторинг стресу, потенційно дозволяючи запобігти патологічним станам на ранніх стадіях. Тривалий стрес може мати серйозні наслідки для здоров’я. Тому здатність визначати, коли людина перебуває в стані стресу, може бути дуже корисною для запобігання проблемам зі здоров’ям, особливо у пацієнтів із суїцидальними думками. Мета і завдання дослідження. Метою роботи реалізація програмного продукту для моніторингу рівня стресу. Для цього необхідно виконати наступні завдання: 1. Аналіз джерел на аналогів. 2. Підбір потрібних матеріалів та методів дослідження. 3. Побудова алгоритмів класифікації. 4. Реалізація програмного продукту. Об’єкт дослідження. Дані електрокардіограми. Предмет дослідження. Застосування алгоритмів класифікації для визначення наявності стресу. Методи дослідження. Машинне навчання, метод k-найближчих сусідів, штучна нейронна мережа, дерево рішень, випадковий ліс.Документ Відкритий доступ Система аналізу асиметрії КТ-зображень для удосконалення процедур виявлення патології(КПІ ім. Ігоря Сікорського, 2022-12) Атамась, Віталій Вікторович; Настенко, Євген АрнольдовичМагістерська дисертація за темою «Система аналізу асиметрії КТ-зображень для удосконалення процедур виявлення патології» виконана студентом кафедри біомедичної кібернетики ФБМІ Атамасем Віталієм Вікторовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Аналітичний огляд літературних джерел», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 59 найменувань. Загальний обсяг роботи 104 сторінки. Актуальність теми. Робота пов’язана із задачею автоматизації та удосконалення процедур виявлення патологій при аналізі зображень, насамперед в комп’ютерній (КТ), магнітно-резонансній (МРТ), позитронно-емісійній (ПЕТ) томографії Мета і завдання дослідження. розробка алгоритму та побудова комп’ютерної системи для автоматичного виявлення та візуалізації асиметрії КТ-зображень шляхом їх порівняння зі своїм дзеркальним відображенням відносно оптимальним чином побудованої осі симетрії. Її досягнення передбачає вирішення наступних завдань: 1. Розробка алгоритму побудови осі симетрії частково несиметричного об'єкту і реалізація цього алгоритму мовою програмування Python. 2. Розробка програмного модуля дзеркальної трансформації об'єкта відносно побудованої осі симетрії. 3. Реалізація модуля порівняння об'єкта зі своїм дзеркальним відображенням з метою виявлення асиметрії та індикації патологій. 4. Розробка фільтрів для попередньої обробки зображень та адаптації чутливості алгоритму до амплітудних та розмірних параметрів симетрії. Об'єкт дослідження. Стандартний комплект знімків КТ (МРТ) голови пацієнта з морфологічною патологією, що має наслідком часткову асиметрію зображень. Предмет дослідження. Технологія (алгоритм) виявлення патології шляхом аналізу асиметрії зображень. Методи дослідження. Операції над знімками отриманими за допомогою комп’ютерної томографії, порогові методи сегментації зображень, морфологічні операції над зображеннями, згорткові нейронні мережі.Документ Відкритий доступ Система визначення стану хворих на ювенільний ревматоїдний артрит у віддаленому періоді(КПІ ім. Ігоря Сікорського, 2022-12) Єфремова, Софія Валеріївна; Городецька, Олена КостянтинівнаМагістерська дисертація за темою «Система визначення стану хворих на ювенільний ревматоїдний артрит у віддаленому періоді» виконана студенткою кафедри біомедичної кібернетики ФБМІ Єфремовою Софією Валеріївною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині». Дана робота виконана на 84 листах, містить 46 ілюстрацій, 27 формул, 19 таблиця та 69 бібліографічне найменування за переліком посилань. Актуальність теми. Люди з ЮРА потребують постійної підтримувальної лікувальної терапії. У зв’язку з тим, що хвороба починається в дитинстві, основною проблемою є перехід з дитячої системи охорони здоров’я до дорослої. В період цього переходу втрачається час лікування, що загрожує отриманням інвалідності. Саме тому існує потреба у ведені пацієнтів на постійній основі. Мета і завдання дослідження. Метою магістреської дисертації є побудова системи для оцінки стану хвороби дітей у віддаленому періоді з урахуванням проведеного лікування, та створення програмного додатку, який здійснює ведення пацієнтів з ЮРА. Для досягнення мети були поставлені наступні задачі: 1. Аналіз теоретичних джерел, що піднімають проблему ювенільного ревматоїдного артриту. 2. Створити реліаційну базу даних хворих. 3. Провести розробку моделі оцінки стану хворих на ювенільний ревматоїдний артрит у віддаленому періоді. 4. Створення програмного додатку, який здійснює ведення пацієнтів з ЮРА та дає можливість спрогнозувати стан хворого. 5. Розрахувати стартап-проєкт для виведення результатів роботи на ринок. Об’єкт дослідження. Дані хворих на ювенільний ревматоїдний артрит. Предмет дослідження. Використання алгоритмів для побудови персоніфікованої стратегії лікування хворих на ЮРА. Методи дослідження. Регресійний аналіз, методи дослідження операцій, статистичні методи дослідження даних.Документ Відкритий доступ Система детекції та розпізнавання облич за допомогою методу k - найближчих сусідів(КПІ ім. Ігоря Сікорського, 2022-12) Іванішин, Іван Володимирович; Бовсуновська, Катерина СергіївнаМагістерська дисертація за темою «Система детекції та розпізнавання облич за допомогою методу k - найближчих сусідів» виконана студентом кафедри біомедичної кібернетики ФБМІ Іванішиним Іваном Володимировичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Аналітичний огляд літературних джерел», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу з розрахунокм стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 43 найменування. Загальний обсяг роботи 88 сторінки. Актуальність теми. Останнім часом широкого поширення набуває відеоаналітика - технологія, котра використовує методи комп'ютерного зору з метою автоматизованого збору та аналізу різноманітної інформації на основі послідовності зображень, отриманих з відеокамер в реальному часі або із записів відео. Дану технологію можна використовувати у системах відеоспостереження, системах безпеки, транспорті чи торгівлі. Рішення цієї проблеми, перш за все, має пряме застосування в системах ідентифікації особистості та контролю доступу. Мета і завдання дослідження. Метою роботи є покращення ефективності розпізнавання особи на відеозображенні у режимі реального часу, з використанням методу k-найближчих сусідів та розробки системи розпізнавання облич. Завдання для вирішення поставленої задачі: 1. Огляд і аналіз існуючих рішень. 2. Дослідження методів і алгоритмів, вимог для вирішення поставленого завдання. 3. Розробка окремих модумлів для детекції та ідентифікації облич. 4. Створення прикладної програми – системи розпізнавання облич. 5. Тестування роботи програмного забезпечення. Об’єкт дослідження. Процес розпізнавання образів. Предмет дослідження. Система для детекції та розпізнавання облич. Методи дослідження. Методи розпізнавання образів для ідентифікації людини у відеозображенні.Документ Відкритий доступ Система діагностики тромбоемболії легеневої артерії за даними комп‘ютерної томографії органів грудної клітини(КПІ ім. Ігоря Сікорського, 2022-12) Алієв, Ельдар Ігорович; Городецька, Олена КостянтинівнаМагістерська дисертація за темою «Система діагностики тромбоемболії легеневої артерії за даними комп‘ютерної томографії органів грудної клітини» виконана студентом кафедри біомедичної кібернетики ФБМІ Алієвим Ельдаром Ігоровичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Аналітичний огляд літературних джерел», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 62 найменування. Загальний обсяг роботи 104 сторінки. Актуальність теми. На сьогоднішній день тромбоемболія легеневої артерії посідає третє місце серед причин смерті при серцево-судинних захворюваннях після ішемічної хвороби серця та інсульту. Зазвичай час на діагностування і початок лікування є дуже обмеженим. Тому швидкість діагностики збільшує шанси пацієнта на виживання. Мета і завдання дослідження. Метою роботи є розробка програмного додатка для обробки та аналізу зображень отриманих за допомогою комп’ютерної томографії органів грудної клітини для розпізнавання ознак тромбоемболії легеневої артерії. Її досягнення передбачає вирішення наступних завдань: 1. Аналіз джерел (вітчизняних та іноземних), які стосуються проблематики розпізнавання ознак тромбоемболії легеневої артерії на знімках отриманих за допомогою комп‘ютерної томографії органів грудної клітини. 2. Дослідження сучасних методів попередньої обробки медичних зображень і побудова алгоритму попередньої обробки зображень та сегментації зони інтересу. 3. Побудова архітектури нейронної мережі для аналізу зображень та проведення її тренування на вхідному датасеті. 4. Розробка програмного додатка, що дозволить працювати зі знімками комп’ютерної томографії у форматі DICOM, проводити їх обробку та аналіз. Об’єкт дослідження. Зображення отримані за допомогою комп’ютерної томографії органів грудної клітини. Предмет дослідження. Використання алгоритмів попередньої обробки зображень та згорткових нейронних мереж для розпізнавання ознак тромбоемболії легеневої артерії. Методи дослідження. Операції над знімками отриманими за допомогою комп’ютерної томографії (масштабування, «вікно/рівень»), порогові методи сегментації зображень, морфологічні операції над зображеннями, згорткові нейронні мережі.Документ Відкритий доступ Ідентифікація та аналіз дрібновогневих уражень на МРТ головного мозку(КПІ ім. Ігоря Сікорського, 2022-12) Юрочкін, Владислав Володимирович; Павлов, Володимир АнатолійовичМагістерська дисертація за темою «Ідентифікація та аналіз дрібновогневих уражень на МРТ головного мозку» виконана студентом кафедри біомедичної кібернетики ФБМІ Юрочкіним Владиславом Володимировичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 3 розділів («теоретична частина», «матеріали та методи», «практична реалізація»), розділу з розрахунком стартап-проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує джерела та додатків. Загальний обсяг роботи 115 сторінок. Актуальність роботи полягає в теоретичному та прикладному дослідженні згорткових нейронних мереж для задачі сегментації проявів церебральної хвороби малих судин на основі МРТ знімків мозку. Мета і завдання дослідження. Метою роботи є розробка програмного додатку для діагностики областей дрібновогневих уражень шляхом їх сегментації на знімках МРТ мозку за допомогою згорткових нейронних мереж. Її досягнення передбачає вирішення наступних завдань: 1. Проаналізувати джерела (вітчизняні та/або іноземні), які реалізовували чи проектували системи діагностики дрібновогневих уражень, використовуючи знімки, отримані методами променевих досліджень. 2. Розібрати особливості застосування методів машинного навчання в умовах поставленої задачі. 3. Провести підготовку та аналіз даних для моделей сегментації. 4. Програмно реалізувати архітектури згорткових мереж сегментації та провести їх навчання на вхідному датасеті. 5. Побудувати програмний додаток на основі нейронно-мережевих архітектур, для задачі сегментації проявів церебральної хвороби малих судин на МРТ мозку. 6. Проробити висновки за результатами роботи. Об’єкт дослідження. МРТ зображення мозку пацієнтів з проявами церебральної хвороби малих судин (дрібновогневих уражень мозку). Предмет дослідження. Візуалізація сегментації дрібновогневих уражень для оптимізації діагностики на МРТ зображеннях мозку шляхом використання згорткової нейронної мережі. Методи дослідження. Машинне навчання, глибинне навчання, згорткові нейронні мережі.