Моделі і методи інтелектуального аналізу для оцінки темпів старіння

Скорочена інформація про документ
dc.contributor.advisorСліпченко, Володимир Георгійович
dc.contributor.authorСадовничий, Анатолій Анатолійович
dc.date.accessioned2024-02-19T14:25:30Z
dc.date.available2024-02-19T14:25:30Z
dc.date.issued2023
dc.descriptionРозроблена система інтелектуального аналізу медичних даних для оцінки темпів старіння, представлена у вигляді десктоп застосунку, розробленого на мові програмування Python з використанням технологій машинного навчання. Систему можна поділити на три підсистеми. Перший модуль відповідає за завантаження, підготовку та обробку медичних даних (дані приводяться до нормалізованого вигляду, проходячи процес імпутації, аналізуються на предмет найвищої кореляції відносно вікового показнику і підготовлюються для подальшого використання в навчанні моделей). Другий модуль відповідає за тренування, валідацію та тестування моделей машинного навчання. Третій модуль реалізує частину представлення користувацького інтерфейсу (надає користувачеві функціональний інтерфейс для роботи з навченими моделями, а також демонструє результати роботи моделей у графічному вигляді).
dc.description.abstractАктуальність теми. Актуальність теми системи для оцінки темпів старіння, заснованого на технології машинного навчання, визначається в контексті високої потреби у ефективних рішеннях для досягнення прогресу в діагностичній сфері медицини. Цей підхід дозволяє компаніям автоматизувати та оптимізувати критичні етапи процесу діагностики для людей різних вікових категорій на основі їх загального аналізу крові та сечі. Застосування подібних систем сприяє не лише підвищенню продуктивності та зменшенню витрат, але й відповідає вимогам сучасного ринку. Метою роботи є розробка системи інтелектуального аналізу даних для оцінки темпів старіння організму людини. Для досягнення мети необхідно виконати наступні завдання: аналіз існуючих систем інтелектуального аналізу, дослідження методів оцінки темпів старіння, впровадження алгоритмів машинного навчання. Об’єктом дослідження є методи та засоби інтелектуального аналізу оцінки темпів старіння, у контексті використання моделей машинного навчання. Предметом дослідження є адаптація методів машинного навчання для визначення темпів старіння на основі біологічного віку людини. Під час дослідження були використані наступні методи: метод оцінки темпів старіння на основі визначення біологічного віку за допомогою аналізу біомаркерів старіння, метод імпутації, для нормалізації вхідних даних, метод кореляції Пірсона, для визначення залежностей між віком та біомаркерами респондентів, методи машинного навчання для створення системи інтелектуального аналізу даних та передбачення результатів. Усі вищеописані методи мали безпосереднє практичне значення в контексті дослідження та реалізації системи. В результаті їх використання було створено функціональну систему що дозволяє проаналізувати темпи старіння різних вікових груп на основі даних загального медичного аналізу. Розроблена система може знайти практичне застосування у медицині для персоналізованих стратегій лікування, наукових дослідженнях для вивчення процесів старіння, в області страхування для оцінки ризиків, а також для розробки та тестування продуктів, спрямованих на затримку старіння. Магістерська дисертація складається зі: вступу; 5 розділів: огляду відомостей про методи інтелектуального аналізу, огляду методів та алгоритмів реалізації системи оцінки темпів старіння, опису засобів розробки, опис програмної реалізації, опису стартап-проєкту; висновків до кожного з цих розділів; загальних висновків, а також вступу; списку використаних джерел, який налічує 40 джерел. Загальний обсяг роботи 114 сторінки.
dc.description.abstractotherActuality of theme. The relevance of the subject of the system for estimating the rate of aging based on machine learning technology is determined in the context of the high need for effective solutions to achieve progress in the diagnostic field of medicine. This approach allows companies to automate and optimize critical steps in the diagnostic process for people of different ages based on their common blood and urine tests. The use of such systems contributes not only to increasing productivity and reducing costs, but also meets the requirements of the modern market. The purpose of the research is to develop a system of intelligent data analysis for estimating the rate of aging of the human body. To achieve the goal, it is necessary to perform the following tasks: analysis of existing systems of intellectual analysis, research on methods of estimating aging rates, implementation of machine learning algorithms. The object of the research is the methods and means of intellectual analysis of the assessment of aging rates, in the context of using machine learning models. The subject of the research is the adaptation of machine learning methods to determine the rates of aging based on a person's biological age. During the study, the following methods were used: the method of estimating aging rates based on the determination of biological age using the analysis of aging biomarkers, the imputation method, for normalizing input data, the Pearson correlation method, for determining the dependencies between the age and biomarkers of respondents, machine learning methods for creating a system intelligent data analysis and prediction of results. All the methods described above were of direct practical importance in the context of research and implementation of the system. As a result of their use, a functional system was created that allows analyzing the rates of aging of different age groups based on the data of a general medical analysis. The developed system can find practical applications in medicine for personalized treatment strategies, scientific research to study aging processes, in the field of insurance for risk assessment, and for the development and testing of products aimed at delaying aging. The master's thesis consists of: introduction; 5 sections: review of information on methods of intellectual analysis, review of methods and algorithms for the implementation of the aging rate assessment system, description of development tools, description of software implementation, description of the startup project; conclusions to each of these sections; general conclusions, as well as an introduction; the list of used sources, which includes 40 sources. The total volume of work is 114 pages.
dc.format.extent114 с.
dc.identifier.citationСадовничий, А. А. Моделі і методи інтелектуального аналізу для оцінки темпів старіння : магістерська дис. : 122 Комп’ютерні науки / Садовничий Анатолій Анатолійович. – Київ, 2023. – 114 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64722
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleМоделі і методи інтелектуального аналізу для оцінки темпів старіння
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Sadovnichiy_magistr.pdf
Розмір:
2.41 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи