Кафедра біомедичної кібернетики (БМК)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра біомедичної кібернетики (БМК) за Ключові слова "004.891.3 + 612.171"
Зараз показуємо 1 - 5 з 5
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Застосування методу групового урахування аргументів для побудови алгоритмів діагностики ішемічної хвороби серця(КПІ ім. Ігоря Сікорського, 2021-05) Настенко, Є. А.; Максименко, В. Б.; Поташев, С. В.; Павлов, В. А.; Бабенко, В. О.; Рисін, С. В.; Матвійчук, О. В.; Лазоришинець, В. В.Документ Відкритий доступ Класифікація ішемічної хвороби серця через гармонійні моделі текстури зображення ехокардіографії(КПІ ім. Ігоря Сікорського, 2021) Петруніна, Олена Олександрівна; Настенко, Євген Арнольдович; Павлов, Володимир АнатолійовичМагістерська дисертація за темою «Класифікація ішемічної хвороби серця через гармонійні моделі текстури зображення ехокардіографії» виконана студенткою кафедри біомедичної кібернетики Петруніною Оленою Олександрівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Аналіз предметної області», «Методи реконструкції зображень», «Моделювання текстури зображення», «Класифікація ішемічної хвороби серця»), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 99 джерела. Загальний обсяг роботи 105 сторінок. Обсяг роботи: 105 сторінок, 35 ілюстрацій, 40 джерел посилань. Актуальність теми. Ішемічна хвороба серця є доволі поширеною патологією в Україні, тому своєчасне виявлення даного захворювання є надважливою задачею. Мета дослідження. Аналіз та обробка потоків відеоданих ехоКГ. Об’єкт дослідження. Алгоритми реконструкції зображень. Предмет дослідження. Використання алгоритмів реконструкції зображень для розпізнавання ішемічної хвороби серця. Методи дослідження. КОМБІ-ГА (суміш комбінаційного методу групового урахування аргументів і генетичного алгоритму). Інструменти дослідження. Python, Anaconda, Jupyter Notebook.Документ Відкритий доступ Побудова математичної моделі противірусної імунної відповіді на вірус гепатиту B(КПІ ім. Ігоря Сікорського, 2021-12) Фомін, Ярослав Володимирович; Зеленський, Кирило ХаритоновичМагістерська дисертація за темою «Побудова математичної моделі противірусної імунної відповіді на вірус гепатиту B» виконана студентом кафедри біомедичної кібернетики ФБМІ Фоміним Ярославом Володимировичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 4 розділів (“Аналіз літературних джерел”, “Матеріали і методи дослідження”, “Визначення параметрів математичної моделі”, “Моделювання повної імунної відповіді”), висновків до кожного з них, розділу зі стартап проекту, загальних висновків та списку використаної літератури, який налічує 57 джерел. Загальний обсяг роботи 96 сторінки. - актуальність теми. За даними центру громадського здоров’я МОЗ України, в Україні налічується близько 500 тис. людей інфікованих гепатитом. Це потенційно небезпечне для життя захворювання печінки, яке являє собою серйозну проблему для системи охорони здоров’я у всьому світі. Особливо небезпечним є це захворювання у випадку якщо у інфікованої людини знижений імунітет. Знання закономірностей функціонування імунної системи і механізмів одужання при вірусних інфекціях є однією з фундаментальних проблем сучасної імунології та медицини. - мета дослідження. Метою роботи є побудова математичної моделі імунної відповіді організму на вірусне захворювання гепатиту B - об’єкт дослідження. Вірусне захворювання гепатитом В. - предмет дослідження. Імунна відповідь організму на захворювання. - методи дослідження. Диференціальні рівняння, методи їх розв’язування, Python, numpy; - практичне значення одержаних результатів. Прогнозування та аналіз перебігу захворювання за допомогою математичного моделювання.Документ Відкритий доступ Система біометричної ідентифікації користувачів із застосуванням генетичного алгоритму(КПІ ім. Ігоря Сікорського, 2021-12) Руденко, Артем Віталійович; Добровська, Людмила Миколаївна; Федорін, Ілля ВалерійовичМагістерська дисертація за темою «Система біометричної ідентифікації користувачів із застосуванням генетичного алгоритму» виконана студентом кафедри біомедичної кібернетики ФСП Руденко Артемом Віталійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 5 розділів (аналіз літературних джерел, етапи ідентифікації, проектування мікросервісної архітектури, розробка програмного застосунку, тестування систем ), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 15 джерела та додатків. Загальний обсяг роботи 98 сторінок. Актуальність теми. Генетичний алгоритм унікальна структура, яка здатна виконувати задачі оптимізації для будь-якої задачі. За допомогою перетворення середи залежності від вхідних даних, алгоритм – перетворює залежність від своєї структури Мета дослідження. Мета даної роботи полягає у підвищені ефективності виконання ідентифікації користувачів за допомогою аналізу знімку сітківки ока Об’єкт дослідження. Генетичний алгоритм, алгоритми комп’ютерного зору, адаптивні фільтри. Предмет дослідження. Дослідження зміни залежності швидкості виконання від розміру зображення до залежності середи генетичного алгоритму Методи дослідження. Генетичний алгоритм, згорткові фільтри, фільтри аналізу гістограми зображення. Практичне значення одержаних результатів. Усі результати дослідження будуть використані для побудови мікросервісного модуля ідентифікації, який дуже легко інтегрувати в програму, достатньо налаштувати лише порт і відправляти на цей порт http – запити. Також за допомогою генетичного алгоритму – програма буде швидко оброблювати запити і тим самим залишаючи високий ступінь захисту.Документ Відкритий доступ Система вилучення описового тексту з фотографій клінічних документів, реферування та виділення ключових слів(КПІ ім. Ігоря Сікорського, 2021-12) Соловей, Богдан Анатолійович; Добровська, Людмила Миколаївна; Федорін, Ілля ВалерійовичМагістерська дисертація за темою «Система вилучення описового тексту з фотографій клінічних документів, реферування та виділення ключових слів» виконана студентом кафедри біомедичної кібернетики ФСП Солов’єм Богданом Анатолійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 4 розділів (Аналіз джерел з предметної області; Експерементальні дослідження; Практична частина - функціональне моделювання і опис процесів; Практична частина – розробка системи), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 42 джерела та додатків. Загальний обсяг роботи 102 сторінка. Актуальність теми. Машинне навчання є відмінним способом для аналізу текстів з метою виділення головних тем. Існує кількість різних моделей та алгоритмів машинного навчання, які дозволяють з будь-якого набору текстів виділити ключові слова та визначити стислий зміст по кожній темі яка зустрічається в наборі текстів. Але ефективність цих методів є різної, і застосування неефективного алгоритму не дасть можливість підвищити ефективність пошуку по набору текстів саме тому для досягнення поставленої мети було прийнято рішення обрати саме таку тему дослідження алгоритми аналізу та автоматизованого реферування набору текстів, алгоритми визначення ключових слів. Мета дослідження. Мета даної роботи полягає у підвищені ефективності пошуку по набору текстів за рахунок розробки системи автоматизованого реферування та виділення ключових слів. Об’єкт дослідження. Алгоритми аналізу та автоматизованого реферування набору текстів, алгоритми визначення ключових слів. Предмет дослідження. Дослідження показників якості, виходячи з обраного методів кластеризації, реферування, та вилучення ключових слів. Методи дослідження. Методи кластеризації - агломератний; k-means++; розклад невід'ємних матриць; метод латентного семантичного аналізу; методи виділення ключових слів - Word2Vec з моделлю k-skip-n-gram, сингулярний розклад. Практичне значення одержаних результатів. Усі результати дослідження будуть використані для побудови системи, яку можна впровадити в українські медичні заклади та клінічні лікарні. Система реалізує процес автоматизованого реферування набору текстових колекцій української мовою і з високою точністю визначає реферат та ключові слова колекції текстів. Система допомагатиме лікарю ознайомлюватись з медичними історіями пацієнтів за значно коротшій час. Одним з найважливіших факторів для впровадження, є те що систему розроблено з використанням бібліотек мови програмування Python, які реалізують оптимізовані алгоритми кластеризаціх та розкладу матриць, що забезпечує високу швидкість аналізу текстів системою.