Аналіз параметрів розкладу Фур’є BOLD-сигналів структур мозку для діагностики посттравматичного стресового розладу
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота за темою «Аналіз параметрів розкладу Фур’є BOLD-сигналів структур мозку для діагностики посттравматичного стресового розладу» виконана студентом кафедри біомедичної кібернетики ФБМІ Голеусовим Єгором Кириловичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 3 розділів (Огляд методів аналізу BOLD-сигналів для класифікації ПТСР, Засоби реалізації нейронної мережі для діагностики ПТСР, Програмна реалізація та методика роботи лікарської системи діагностики ПТСР), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 26 джерела. Загальний обсяг роботи 75 сторінок.
Актуальність теми. Актуальність теми дипломної роботи полягає у необхідності підвищення точності та об’єктивності діагностики посттравматичного стресового розладу, за допомогою сучасного методу аналізу медичних сигналів BOLD-функціонального МРТ. Використання автоматизованих моделей на основі нейронних мереж і методу інтерпретації інтегрованих градієнтів, дозволяє не лише покращити якість прогнозування та виявити ключові біомаркери захворювання, а й суттєво скоротити час дослідження, зменшити вплив людського фактора та підвищити ефективність діагностичного процесу в цілому. Це є важливим кроком у розвитку персоналізованої медицини та глибшого розуміння нейрофізіологічних механізмів ПТСР. Мета і завдання роботи. Метою роботи є оцінка ефективності методики автоматизованого аналізу BOLD-сигналів для виявлення предикторів ПТСР, що дозволить підвищити точність класифікації пацієнтів за допомогою нейронних мереж та забезпечить практичну можливість інтеграції таких рішень у клінічну практику. Її досягнення передбачає вирішення наступних завдань: 1. Визначення амплітудного спектру BOLD-сигналів структур мозку. 2. Побудова матриць ознак на основі амплітудного спектру, коефіцієнтів кореляції та співвідношення середніх значень. 3. Формування змішаного ансамблю ознак для підвищення якості класифікації. 4. Побудова та навчання нейронної мережі для класифікації пацієнтів з ПТСР. 5. Застосування методу інтегрувальних градієнтів для інтерпретації отриманих моделей. 6. Генерація синтетичних даних для кожного класу з метою покращення узагальненої властивості моделі та якості. Використані методи. У процесі дослідження було використано мову програмування для автоматизованої обробки, аналізу та візуалізації медичних даних. Застосовувались методи попередньої обробки, побудови моделей машинного та глибинного навчання. Моделі перевірялися на здатність до класифікації психічних станів за функціональними показниками. Для інтерпретованості результатів використовувалися методи пояснення рішень моделей, що дозволяють оцінити внесок окремих ознак у процес класифікації. Для підвищення узагальнювальної здатності моделей і збереження приватності даних було застосовано генерацію синтетичних вибірок, що імітують статистичні властивості реальних медичних сигналів. Отримані результати. Розроблено метод аналізу BOLD-сигналів з параметрами Фур’є для класифікації ПТСР. Навчено глибоку нейронну мережу з регуляризацією та ранньою зупинкою. Застосовано інтегровані градієнти для інтерпретації ознак. Використано синтетичні дані для покращення моделі та захисту інформації. Робота виконана згідно договору про співпрацю ДУ «Інститут педіатрії акушерства і гінекології імені академіка О. М. Лук'янової НАМН України» з НТТУ «Київський політехнічний інститут ім. Ігоря Сікорського» № Д/0002.01/3400.02/291/2023 від 27.10.2023 року на даних, наданих ДУ "Всеукраїнський центр материнства та дитинства НАМН України» (справка додається), результати роботи впроваджено у медичну практику (акт додається).
Опис
Ключові слова
BOLD-сигнали, фМРТ, ПТСР, параметри Фур’є, глибоке навчання, нейронна мережа, інтегровані градієнти, синтетичні дані, генеративні моделі, класифікація, медична діагностика, BOLD signals, fMRI, PTSD, Fourier parameters, deep learning, neural network, integrated gradients, synthetic data, generative models, classification, medical diagnostics
Бібліографічний опис
Голеусов, Є. К. Аналіз параметрів розкладу Фур’є BOLD-сигналів структур мозку для діагностики посттравматичного стресового розладу : дипломна робота ... бакалавра : 122 Комп’ютері науки / Голеусов Єгор Кирилович. – Київ, 2025. – 75 с.