Магістерські роботи (БМК)
Постійне посилання зібрання
Переглянути
Перегляд Магістерські роботи (БМК) за Назва
Зараз показуємо 1 - 20 з 63
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Автоматичне визначення функції артеріального притоку на перфузійних зображеннях(КПІ ім. Ігоря Сікорського, 2022-12) Сазонова, Катерина Максимівна; Алхімова, Світлана МиколаївнаМагістерська дисертація за темою «Автоматичне визначення функції артеріального притоку на перфузійних зображеннях» виконана студентом кафедри біомедичної кібернетики ФБМІ Сазоновою Катериною Максимівною 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 зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 56 джерел та додатків. Загальний обсяг роботи 100 сторінок. Актуальність теми. Створена програма допоможе прискорити діагностику та збільшить продуктивність одного окремого лікаря, оскільки йому потрібно буде тільки завантажити данні, а після закінчення роботи програми підтвердити її рішення, такий підхід суттєво зменшить відсоток помилки при визначенні функції артеріального притоку. Мета і завдання дослідження. Метою даної роботи є створення програмного застосунку, що буде автоматично визначати найкраще місце для обчислення функції артеріального притоку на перфузійних зображеннях МРТ головного мозку. Досягнення цієї мети передбачає виконання наступних завдань: 1. Провести аналіз закордонних та вітчизняних літературних джерел з поставленої проблематики. 2. Розробити програмний додаток, що буде: • завантажувати файли із обраної директорії; • робити припроцесінг даних (сортування та сегментацію); • знаходити кандидатів AIF та розраховувати для них перфузійні параметри; • розраховувати коефіцієнт якості (для кожного кандидата) та визначати найкращу точку для визначення AIF із використанням цього коефіцієнту; • візуалізувати найкращих кандидатів у вигляді графіків, а також відображати значення перфузійних характеристик. Об’єктом дослідження є зображення мозку у фоматі DICOM, що були отримані шляхом проведення динамічно контрасної магнітно-резонансної датасет був отримані з програми «TCGA». Предметом дослідження виступає знаходження найкращого місця для AIF. Методи дослідження. Сегментація, бінрарізація, розрахунок перфузійних характеристик, знаходження кандидатів AIF.Документ Відкритий доступ Алгоритм оптимального керування імунотерапією злоякісних пухлин(КПІ ім. Ігоря Сікорського, 2024) Харченко, Софія Олексіївна; Зеленський, Кирило ХаритоновичАктуальність теми. Імунотерапія стала перспективним напрямком в лікуванні раку, забезпечуючи більш ефективний імунний відгук на пухлинні клітини. Оптимальне керування цим процесом може значно покращити результати та мінімізувати побічні ефекти. Розробка алгоритмів, які враховують унікальні характеристики кожного випадку, може зробити імунотерапію більш ефективною та безпечною. Вивчення оптимальних стратегій може сприяти швидшому впровадженню передових методів лікування та збільшити ефективність боротьби з раком. Мета дослідження. Покращення оптимальних стратегій лікування за допомогою імунотерапії для пацієнтів, які страждають від злоякісних пухлин Практичне значення одержаних результатів. Оптимальні стратегії лікування можуть сприяти зменшенню витрат на терапію, так як дозволять уникати непотрібного використання ресурсів та скорочувати терміни лікування.Документ Відкритий доступ Багатокласовий класифікатор на основі бінарних логістичних регресій одержаних за принципами методу групового урахування аргументів(КПІ ім. Ігоря Сікорського, 2024) Радченко, Олег Володимирович; Павлов, Володимир АнатолійовичАктуальність теми. У сучасному світі штучний інтелект та машинне навчання набувають все більшого значення у різних сферах, включаючи медицину, фінанси, технологічну індустрію та інші. Багатокласовий класифікатор, який базується на бінарних логістичних регресіях за принципами МГУА є важливим інструментом для розв'язання різноманітних завдань класифікації даних. Розробка та вдосконалення таких класифікаторів на основі принципів МГУА може сприяти покращенню якості та ефективності автоматичного аналізу даних у різних галузях та відкривати нові можливості для застосування штучного інтелекту. Мета і завдання дослідження. Метою дослідження є покращення процесу класифікації з використанням оптимізованих моделей бінарної логістичної регресії для мультикласової класифікації.Документ Відкритий доступ Визначення типу біологічних тканин за допомогою машинного навчання(КПІ ім. Ігоря Сікорського, 2022-12) Нікітін, Віктор Олексійович; Настенко, Євген АрнольдовичМагістерська дисертація за темою «Визначення типу біологічних тканин за допомогою машинного навчання» виконана студентом кафедри біомедичної кібернетики ФБМІ Нікітіним Віктором Олексійовичем 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 розрахунком стартап-проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 60 джерел. Загальний обсяг роботи 102 сторінок. Актуальність теми полягає в теоретичному та прикладному дослідженні питання вимірювання імпедансу біологічних тканин та визначенню типу біологічної тканини. Мета і завдання дослідження. Метою даної роботи є розробка моделі для класифікації типу біологічної тканини. Її досягнення передбачає вирішення наступних завдань: 1. Проаналізувати джерела (вітчизняні та/або іноземні), які реалізовували чи проектували системи вимірювання імпедансу та визначення типу біологічних тканин. 2. Розібрати особливості вимірювання імпедансу біологічних тканин, розібрати класичні методи машинного навчання. 3. Розібрати оціночну плату EVAL-AD5933, виміряти імпеданс біологічних. 4. Розробити програмне забезпечення для відображення результатів вимірювання, провести статистичний аналіз, визначити стан біологічної тканини. 5. Розробити модель класифікації визначення типу біологічних тканин. 6. Проробити висновки за результатами роботи. Об’єкт дослідження є дані вимірювань імпедансу біологічних за допомогою оціночної плати EVAL AD5933QBZ Предмет дослідження виступає використання алгоритмів машинного навчання в задачах класифікації типу біологічних тканин.Документ Відкритий доступ Використання блокчейн технології для децентралізованого та надійного зберігання медичних даних(КПІ ім. Ігоря Сікорського, 2024) Кононов, Антон Вікторович; Коваленко, Олександр СергійовичАктуальність теми. Полягає у використанні технології блокчейн для значного підвищити безпеки, цілісності та доступності даних, сприяючи створенню більш ефективної та надійної системи управління медичними даними. Мета дослідження. Покращення забезпечення децентралізованого та надійного зберігання медичних даних пацієнтів, використовуючи технологію блокчейн. Це дозволить здійснювати надійний моніторинг медичних записів пацієнтів, забезпечуючи при цьому конфіденційність та автентичність. Практичне значення одержаних результатів. Впровадити запропоновану систему блокчейн в медичні заклади для забезпечення децентралізованого та надійного зберігання медичних даних пацієнтів, дозволивши здійснювати надійний моніторинг цих записів, зберігаючи конфіденційність та автентичністьДокумент Відкритий доступ Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ(КПІ ім. Ігоря Сікорського, 2022-12) Дюмін, Олексій Дмитрович; Алхімова, Світлана МиколаївнаМагістерська дисертація за темою «Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ» виконана студентом кафедри біомедичної кібернетики ФБМІ Дюміним Олексієм Дмитровичем 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», «Аналітична частина», «Практична частина»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 72 найменування. Загальний обсяг роботи 121 сторінка. Актуальність теми. На сьогоднішній день важливу роль у діагностиці та лікуванні цереброваскулярних та онкологічних захворювань відіграє такий метод оцінювання зображень перфузійної МРТ, як динамічно-сприйнятлива контрастна магнітно-резонансна томографія (DSC). Ця методика записує зміни інтенсивності пікселів на динамічних серіях Т2-зважених зображень МРТ, отриманих до, під час та після введення контрастної речовини у судинну систему. Отримана в результаті DSC візуалізація перфузійних характеристик на картах перфузії використовується для виявлення областей з потенційним ураженням та постановки діагнозу. Проте через низький контраст між ураженням і навколишніми тканинами погіршується візуалізація ураження мозку на картах перфузії, що може призвести до помилково високих або хибно низьких результатів оцінки параметрів перфузії.[72] Щоб проблема була вирішена, програмне забезпечення для аналізу перфузійних DSC даних повинно попередньо обробляти дані часової послідовності шляхом сегментації тканин мозку та створювати бінарну маску для так званої зони уваги (ROI).[72] Для вирішення проблеми сегментації зображень була запропонована ідея використання модифікованої згорткової нейронної мережі на основі ResNet. Використання запропонованої нейронної мережі забезпечує найбільш точні результати сегментації та тим самим вирішує основну проблему автоматизованої сегментації. Мета і завдання дослідження. Метою роботи є підвищення точності сегментації Т2-зважених МРТ-зображень за рахунок використання модифікованої нейронної мережі на базі ResNet. Для досягнення поставленої мети необхідно виконати наступні завдання: 1. Реалізувати нейронну мережу на базі ResNet. 2. Знайти та реалізувати модифікації нейронної мережі на основі ResNet. 3. Провести попередній аналіз даних. 4. Дослідити отримані результати сегментації Т2-зважених МРТ-зображень. Об’єкт дослідження. Т2-зважених МРТ-зображень мозку. Предмет дослідження. Сегментація Т2-зважених МРТ-зображень мозку. Методи дослідження. Машинне навчання, згорткова нейронна мережа.Документ Відкритий доступ Використання перетворення Гільберта-Хуанга для аналізу серцевої аритмії(КПІ ім. Ігоря Сікорського, 2021-12) Кочкарьов, Сергій Вадимович; Зеленський, Кирило ХаритоновичМагістерська дисертація за темою «Використання перетворення Гільберта-Хуанга для аналізу серцевої аритмії» виконана студентом кафедри біомедичної кібернетики ФБМІ Кочкарьовим Сергієм Вадимовичем студента зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 3 розділів (огляд літературних джерел, теоритична частина, реалізація алгоритму), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 50 джерела та додатків. Загальний обсяг роботи 103 сторінок. Актуальність теми. Згідно з результатами вітчизняного епідеміологічного дослідження, за останні 25 років поширеність аритмії в популяції зросла в 6 разів. Значно посилилися такі негативні тенденції щодо захворюваності аримією: значно меншим став вік пацієнтів; збільшилася кількість осіб, що мають 3 і більше факторів ризику розвитку цієї патології. Актуальність проблеми вивчення аритмії, обумовлена тим, що наявність цих порушень ритму серця достовірно збільшує відносний ризик загальної та серцево-судинної смертності; Мета дослідження. Мета даної роботи полягає у розробці і реалізації алгоритму обробки сигналів ЕКГ для аналізу серцевої аритмії з використанням перетворення Гільберта-Хуанга. Об’єкт дослідження. перетворення Гільберта-Хуанга; Предмет дослідження. виростання алгоритму перетворення Гільберта-Хуанга для обробки сигналів ЕКГ; Методи дослідження. алгоритм обробки біомедичних сигналів, перетворення Гільберта-Хуанга, ЕКГ, matlab; Практичне значення одержаних результатів. Прогнозування та аналіз аритмії за обробленим ЕКГ сигналом.Документ Відкритий доступ Дослідження ефективності критеріїв відбору у алгоритмі первинної селекції ознак в задачі класифікації патології печінки(КПІ ім. Ігоря Сікорського, 2021-12) Кожара, Катерина Миколаївна; Павлов, Володимир АнатолійовичМагістерська дисертація за темою «Дослідження ефективності критеріїв відбору у алгоритмі первинної селекції ознак в задачі класифікації патології печінки» виконана студентом кафедри біомедичної кібернетики ФСП Кожарою Катериною Миколаївноюм 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 зображення, постановка задачі, аналіз ефективності відбору), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 30 джерела. Загальний обсяг роботи 95 сторінок. Обсяг роботи: 95 сторінок, 35 ілюстрацій, 30 джерел посилань. Актуальність теми. Діагностика захворювань печінки на ранніх стадіях допоможе більш якісно оцінити стан пацієнта та обрати якомога кращу лікувальну стратегію. Мета дослідження. Знаходження оптимального варіанту селекції ознак, для ефективного виконання задачі бінарної класифікації «норма -патологія» при дифузних захворюваннях печінки. Об’єкт дослідження. Зображення УЗД печінки. Предмет дослідження. Ефективність критеріїв відбору у алгоритмі первинної селекції ознак в задачі класифікації патології печінки. Методи дослідження. Методи селекції за критеріями внутрішньокласової дисперсії, міжкласової дисперсії, відношення внутрішньокласової і міжкласової дисперсій, кореляційний відбір ознак. Інструменти дослідження. Python, Anaconda, Jupyter Notebook.Документ Відкритий доступ Діагностичні алгоритми для визначення генетичних мутацій ракових пухлин методами аналізу медичних текстів(КПІ ім. Ігоря Сікорського, 2022-12) Левчик, Лілія Олександрівна; Павлов, Володимир АнатолійовичМагістерська дисертація за темою «Діагностичні алгоритми для визначення генетичних мутацій ракових пухлин методами аналізу медичних текстів» виконана студенткою кафедри біомедичної кібернетики Левчик Лілією 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 літературних джерел», «Особливості застосування NLP в медицині», «Методика класифікації медичного тексту», «Прогнозування генетичних мутацій раку»), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 19 джерел. Загальний обсяг роботи 90 сторінок. Обсяг роботи: 90 сторінок, 26 ілюстрацій, 19 джерел посилань. Актуальність теми. Полягає у розробці алгоритму машинного навчання, який, використовуючи базу знань текстового даних у ролі базового рівня (baseline), автоматично буде спроможний класифікувати генетичні варіації. Мета дослідження. Аналіз можливостей методів обробки природного мовлення в області медицини для розробки моделі автоматичного розпізнавання типу генетичної мутації ракових пухлин. Об’єкт дослідження. Текстові дані. Предмет дослідження. Аналіз текстових даних для проведення медичної діагностики. Методи дослідження. Обробка природного мовлення, машинне навчання, глибоке навчання.Документ Відкритий доступ Електронна медична карта пацієнта на основі блокчєйн(КПІ ім. Ігоря Сікорського, 2021-12) Шерберг, Олександр Володимирович; Соломін, Андрій ВячеславовичМагістерська дисертація за темою «Електронна медична карта пацієнта на основі блокчєйн» виконана студентом кафедри біомедичної кібернетики ФБМІ Шербергом Олександром 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 предметної області», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 21 джерело. Загальний обсяг роботи 96 сторінок Обсяг роботи: 96 сторінок, 29 ілюстрацій, 21 джерела посилань. Актуальність теми. Актуальність роботи пов’язана з діджиталізацією охорони здоров’я, персоніфікацією медичної інформації, надійністю її зберігання на протязі десятків років, розділенням прав доступу. Мета дослідження. Проектування системи електронних медичних карток пацієнтів на основі блокчєйн технологій та сучасних алгоритмів збереження та захисту інформації. Об’єкт дослідження. Блокчєйн технології та розподілені бази даних. Предмет дослідження. Впровадження блокчєйну до електронної медичної карти пацієнта. Методи дослідження. Проектування та створення веб додатку медичної карти пацієнта. Інструменти дослідження. Ruby, Ruby on Rails.Документ Відкритий доступ Класифікація гістологічних знімків пухлин молочної залози на основі локальної порогової бінаризації та машинного навчання(КПІ ім. Ігоря Сікорського, 2022-12) Іванченко, Аліна Сергіївна; Добровська, Людмила МиколаївнаМагістерська дисертація за темою «Класифікація гістологічних знімків пухлин молочної залози на основі локальної порогової бінаризації та машинного навчання» виконана студенткою кафедри біомедичної кібернетики Іванченко Аліною Сергіївною 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», «Підходи до аналізу медичних знімків», «Аналіз медичних знімків на практиці», «Задача класифікації пухлин молочної залози»), розділу зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 30 джерел. Загальний обсяг роботи становить 88 сторінок. Обсяг роботи: 88 сторінок, 23 ілюстрації, 30 джерел посилань. Актуальність теми. Винайдення оригінального способу для класифікації гістологічних знімків пухлин молочної залози Мета дослідження. Аналіз можливості застосування бінаризації для візуальної діагностики типу пухлини молочної залози на основі гістологічних знімків. Об’єкт дослідження. Гістологічні знімки молочної залози. Предмет дослідження. Діагностичний аналіз гістологічних знімків. Методи дослідження. Методи локальної порогової бінаризації та машинного навчання.Документ Відкритий доступ Класифікація гістологічних зображень раку простати(КПІ ім. Ігоря Сікорського, 2021-12) Ілюшик, Тарас Сергійович; Носовець, Олена КостянтинівнаМагістерська дисертація за темою «Класифікація гістологічних зображень раку простати» виконана студентом кафедри біомедичної кібернетики ФБМІ Ілюшиком Тарасом 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 зі стартап проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 85 джерел. Загальний обсяг роботи 97 сторінок. Актуальність теми. Актуальність полягає в тому, що системи комп’ютерної автоматизованої діагностики є перспективною галуззю в медичній кібернетиці і дають змогу підвищити якість визначення патологій людини, таких як рак простати. Мета дослідження. Розробка моделі для класифікації гістологічних зображень раку простати. Об’єкт дослідження. Алгоритми для класифікації зображень. Предмет дослідження. Рак простати. Методи дослідження. Комп’ютерний зір, згорткові нейронній мережі, методи машинного навчання.Документ Відкритий доступ Класифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTM(КПІ ім. Ігоря Сікорського, 2021-12) Іванова, Яна Олегівна; Федорін, Ілля ВалерійовичМагістерська дисертація за темою «Класифікація стадій сну з використанням безконтактного біосенсора на основі нейронної мережі CNN-LSTM» виконана студентом кафедри біомедичної кібернетики Івановою Яною Олегівною 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», «Методи автоматичної класифікації стадії сну», «Розробка алгоритмів класифікації стадій сну за допомогою нейронних мереж», «Огляд результатів тестування розроблених моделей»), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 77 джерела та 2 додатки. Загальний обсяг роботи 107 сторінок. Актуальність теми. Одна безсонна ніч знижує стійкість імунітету до інфекційних захворювань і швидкість реакції на зовнішні імпульси. А постійний дефіцит і зниження якості сну підвищують ризик розвитку серцево-судинних і ендокринних захворювань. Полісомнографія є золотим стандартом моніторингу сну, але вимагає, щоб пацієнти спали в лікарняних умовах, з великою кількістю електродів, та знаходилися під контролем експертного клінічного персоналу. Всі ці фактори роблять даний метод не дуже зручним, дорогим та недієздатним для щоденного моніторингу. Крім того, так званий ефект першої ночі при ПСГ може зменшити тривалість та ефективність сну. Таким чином, існує потреба в інструментах для тривалого моніторингу сну як здорових людей, з метою профілактики та дотримання гігієни сну, так і людей з порушеннями сну, для діагностики, відстеження динаміки захворювання і корекції терапії. У зв'язку з цим, розробка засобів для тривалого автоматичного визначення структури сну є актуальним завданням. Мета дослідження. Розробка та реалізація нейронної мережі для класифікації стадій сну з використанням безконтактного біосенсора. Об’єкт дослідження. Класифікація стадій сну. Предмет дослідження. Використання нейронної мережі для класифікації стадій сну. Методи дослідження. Методи машинного навчання для вирішення задач класифікації.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 Кольорове кодування даних перфузій магнітно-резонансної томографії(КПІ ім. Ігоря Сікорського, 2024) Біжнюк, Віталій Віталійович; Алхімова, Світлана МиколаївнаАктуальність теми. Полягає в тому, що кольорове кодування даних ПМРТ відкриває нові можливості для покращення діагностики та моніторингу лікування нейрологічних захворювань. Воно допомагає лікарям отримувати більш детальну та зрозумілу інформацію про функціональний стан мозку пацієнта. Крім того, кольорове кодування може бути корисним інструментом для вивчення нових даних та дослідження міжзв'язків між різними областями мозку. Мета дослідження. Покращити візуалізацію та інтерпретацію результатів з використанням кольорового кодування даних ПМРТ, зокрема шляхом легкого розрізнення різних областей мозку, виявлення змін у кровопостачанні та сприяння більш точній діагностиці. Практичне значення одержаних результатів. Покращення візуального відображення для полегшення інтерпретації та діагностики, а також провадження рекомендацій щодо ефективності використання Lut-схемДокумент Відкритий доступ Математичне моделювання виникнення і росту карциноми(КПІ ім. Ігоря Сікорського, 2024) Буркевич Олександра Володимирівна; Зеленський Кирило ХаритоновичАктуальність теми. Проблема раку є однією з найбільш актуальних проблем людства. Особливо зараз, під час війни, важливо оперативно діагностувати цю хворобу для ефективного лікування. Хоч усі пухлини різні та індивідуальні, перебіг захворювання неможливо передбачити повністю, єдина концепція, що може пояснити розвиток пухлин, є найактуальнішою в сучасній онкології. Ця концепція повинна визначати характеристики злоякісних ракових клітин. Це спростить лікування, діагностування та виявлення карцином. Мета дослідження. Удосконалення методів математичного моделювання для аналізу росту та розвитку карцином Практичне значення одержаних результатів. Розвиток методів діагностики та попередження виникнення ракових захворювань за допомогою математичної моделі, що дозволяє прогнозувати виникнення та ріст карциномДокумент Відкритий доступ Математичне моделювання процесів виникнення і росту пухлин та засобів лікування організму(КПІ ім. Ігоря Сікорського, 2022-12) Щур, Віталій Євгенійович; Зеленський, Кирило ХаритоновичМагістерська дисертація за темою «Математичне моделювання процесів виникнення і росту пухлин та засобів лікування організму» виконана студентом кафедри біомедичної кібернетики ФБМІ Щуром Віталієм Євгенійовичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; трьох розділів (аналітичний огляд літературних джерел, теоретична частина, практична частина), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 32 джерела. Загальний обсяг роботи 103 сторінки. Магістерська дисертація має запозичення із бакалаврської роботи «Програмне забезпечення для моделювання динамічних режимів роботи вітроенергетичної установки в складі мікроенергостанції», так як має спільний набір засобів розробки програмного забезпечення [32]. Актуальність теми. На даний час онкологічні захворювання займають одні із перших місць серед всіх причин смертей людей. Завчасне діагностування та формування правильного плану лікування цієї хвороби значно знижує ризик летального результату та одужання організму. Наявність програмної системи, що дозволить передбачити поведінку ракових клітин пришвидшує вибір правильної стратегії лікування, що в свою чергу значно підвищує шанс сприятливого результату. Мета і завдання дослідження. Метою дослідження є розробка математичної моделі виникнення, розвитку пухлини та лікування організму. Для досягнення цієї мети потрібно розв’язати наступні завдання: 1. Виконати огляд літературних джерел стосовно підходів до лікування ракових пухлин. 2. Проаналізувати уже відомі способи моделювання росту ракових клітин. 3. Сформулювати математичну модель динаміки розповсюдження ракових клітин. 4. Сформулювати постановку задачі оптимального управління лікування ракових пухлин. 5. Виконати комп’ютерне моделювання динаміки розповсюдження пухлин. Об’єкт дослідження. Датасет характеристик пухлин Предмет дослідження. Злоякісна пухлина у кровоносній судині Методи дослідження. Методи основані на теорії суміші та чисельні методи розв’язування диференціальних рівнянь.Документ Відкритий доступ Метод класифікації та підрахунку клітин на зображеннях мікфотографій товстої кишки при аденокарциномі(2018) Павленко, Дмитро Олександрович; Добровська, Людмила МиколаївнаДокумент Відкритий доступ Метод прогнозування перебігу раку молочної залози після проведеного лікування(2018) Скорик, Юлія Євгенівна; Якимчук, Вікторія СергіївнаДокумент Відкритий доступ Методи аналізу післяопераційного періоду у дітей після втручань на серці(2018) Москаленко, Аліна Євгеніївна; Носовець, Олена Костянтинівна