Оцінювання і прогнозування стану пацієнтів та поліпшення ефективності вимірних даних та підтримки прийняття рішень при аналізі неточних та неповних виміряних даних

Скорочена інформація про документ
dc.contributor.advisorХарченко, Костянтин Васильович
dc.contributor.authorМедвідь, Владислав Андрійович
dc.date.accessioned2023-02-07T10:20:14Z
dc.date.available2023-02-07T10:20:14Z
dc.date.issued2022-12
dc.description.abstractenThe total amount of work of 91, Fig. 35, 28 tables, appendix 2, sources 30 The relevance of the topic of the master's thesis is that the determination of the most effective and accurate methods of assessing and predicting the condition of patients can lead to the diagnosis and prescription of a treatment course for different patients, these processes must occur quickly and with high accuracy, because the number of patients increases every year. Thus, a decision was made to research and determine the most effective methods of assessing and predicting the condition of patients on the example of various datasets with available patient data using only publicly available programming languages and tools. The purpose and objectives of the research. The purpose of this work is to verify the effectiveness of basic machine learning methods used to assess and predict the condition of patients, even with incomplete or inaccurate data. The set goal requires solving the following tasks: 1) Analysis of the main machine learning methods for assessment and prediction that can be used for patients; 2) Development of software implementation to determine the most effective methods of assessment and forecasting; 3) Analysis of the work of the most effective methods under conditions of incomplete or inaccurate data. The object of the study: the process of assessing and predicting the condition of patients. The subject of the study: a program in the Python programming language for processing patient data and subsequent assessment and forecasting processes. Scientific novelty. Although this niche is popular, there are not so many web applications or conventional software applications that can process patient data and build forecasts or assessments of the patient's condition based on them, the main advantage of the software implementation of methods is the speed and efficiency of data processing. Potential applications and practical value of the results of the master's work: 1) The determined most effective method of assessing and predicting the condition of patients can be implemented in a separate application for convenient work with it. 2) The developed software implementation can be improved and unified for diverse datasets. 3) The developed software implementation can be added as an extension of already existing systems for assessing and predicting the condition of patients. Publication: 1. Assessment and forecasting of patients' condition and improvement of the effectiveness of measured data and decision-making support in the analysis of inaccurate and incomplete measured data / Medvid V.A., Kharchenko K.V. // System sciences and informatics: collection of reports of the 1st scientific and practical conference "System sciences and informatics", November 22–29, 2022, Kyiv. – K., NN IPSA KPI named after Igor Sikorskyi, 2022. - p. 342-349.uk
dc.description.abstractukЗагальний обсяг роботи с. 91, рис. 35, 28 таблиць , додатки 2, джерел 30 Актуальність теми магістерської дисертації полягає у тому, що визначення найбільш ефективних та точних методів оцінювання і прогнозування стану пацієнтів може допогти в діагнозуванні та прописування лікувального курсу різним пацієнтом, ці процеси повинні відбуватися швидко і з високою точністю, адже кількість пацієнтів кожного року зростає. Таким чином було прийняте рішення про дослідження та визначення найбільш ефективних методів оцінювання і прогнозування стану пацієнтів на прикладі різних датасетів з наявними даними про пацієнтів використовуючи лише загальнодоступні мови програмування та інструменти. Мета та задачі дослідження. Метою цієї роботи є перевірка ефективності основних методів машинного навчання, котрі використовуються для оцінювання і прогнозування стану пацієнтів, навіть за умови неповних чи неточних даних. Поставлена мета вимагає вирішення наступних задач: 1) Аналіз основних методів машинного навчання для оцінювання і прогнозування, які можна використати для пацієнтів; 2) Розробка програмної реалізації для визначення найбільш ефективних методів оцінювання і прогнозування; 3) Аналіз роботи найефективніших методів за умови неповних чи неточних даних. Об'єкт дослідження: процес оцінювання і прогнозування стану пацієнтів. Предмет дослідження: програма на мові програмування пайтон для обробки даних пацієнтів та подальших процесів оцінювання і прогнозування. Наукова новизна. Хоч ця ніша і є популярною, однак немає такої кількості веб-додатків чи звичайних програмних додатків, котрі могли б оброблювати дані пацієнтів, і на їх основі будувати прогнози чи оцінки стану пацієнтів, основною перевагою програмної реалізації методів являється швидкість та ефективність обробки даних. Потенційні застосування та практична цінність результатів магістерської роботи: 1) Визначений найбільш ефективний метод оцінювання і прогнозування стану пацієнтів можна імплементувати в окремий додаток для зручної роботи з ним. 2) Розроблену програмну реалізацію можна покращити та уніфікувати для різноманітних наборів даних. 3) Розроблену програмну реалізацію можна додати як розширення вже існуючих систем для оцінювання і прогнозування стану пацієнтів. Публікація: 1. Оцінювання і прогнозування стану пацієнтів та поліпшення ефективності вимірних даних та підтримки прийняття рішень при аналізі неточних та неповних виміряних даних /Медвідь В.А., Харченко К.В. // Системні науки та інформатика: збірник доповідей І науково-практичної конференції «Системні науки та інформатика», 22–29 листопада 2022 року, Київ. – К., НН ІПСА КПІ ім. Ігоря Сікорського, 2022. – с. 342-349.uk
dc.format.page91 с.uk
dc.identifier.citationМедвідь, В. А. Оцінювання і прогнозування стану пацієнтів та поліпшення ефективності вимірних даних та підтримки прийняття рішень при аналізі неточних та неповних виміряних даних : магістерська дис. : 122 Комп'ютерні науки / Медвідь Владислав Андрійович. - Київ, 2022. - 91 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/52395
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectметоди прогнозування та оцінюванняuk
dc.subjectмашинне навчанняuk
dc.subjectдатасетиuk
dc.subjectнеповні даніuk
dc.subjectнеточні даніuk
dc.subjectпідтримка прийняття рішеньuk
dc.subjectforecasting and evaluation methodsuk
dc.subjectmachine learninguk
dc.subjectdatasetsuk
dc.subjectincomplete datauk
dc.subjectinaccurate datauk
dc.subjectdecision supportuk
dc.subject.udc004.42uk
dc.titleОцінювання і прогнозування стану пацієнтів та поліпшення ефективності вимірних даних та підтримки прийняття рішень при аналізі неточних та неповних виміряних данихuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (СП)
Магістерські роботи