Модуль вибору ознак в системі автоматизованої діагностики захворювань нирок

Скорочена інформація про документ
dc.contributor.advisorКарплюк, Євгеній Сергійович
dc.contributor.authorКалашник, Тетяна Сергіївна
dc.date.accessioned2022-09-26T12:45:41Z
dc.date.available2022-09-26T12:45:41Z
dc.date.issued2022-09
dc.description.abstractenThe object of research – the processes and their diagnostic features in kidney disease. The subject of research – methods of selection of features to create a module of features selection in the system of automated diagnosis of kidney disease. The aim of the work is to determine the main diagnostic parameters of kidney disease in order to build a module of features selection in the system of automated diagnosis of kidney disease. The first part analyzes the current methods and approaches to the diagnosis of kidney disease in general, as well as in the early stages. Ultrasound diagnostics, computed tomography and radionuclide diagnostics are considered as methods of detecting renal pathologies that affect the human body. A number of diagnostic and laboratory parameters that can be used to detect kidney disease in the early stages have been identified. Early diagnosis of kidney disease is important, which, in turn, is often based on the analysis of laboratory and clinical parameters, rather than methods that affect the body. The second part contains a description of the high-level architecture of the electronic health care system of Ukraine, the algorithm of its operation and interaction of all parts within the system and with external applications. An analysis of the requirements for the construction of an automated diagnosis of kidney disease as part of the medical information system that is part of the electronic health care system and information on machine learning methods applicable in health care, which justified the 6 use of these methods for construction of an automated system for early diagnosis of kidney disease. There are 3 methods of machine learning for this task: linear discriminant analysis, as the most common method for solving problems of this type in medicine, the method of reference vectors, as the method that is currently gaining popularity in health care, and logistic regression, as the simplest and often applicable method of binary classification. The third part examines the methods of feature selection for the implementation of the feature selection module in the system of automated diagnosis of kidney disease. The classification of methods for features selection into 2 groups is described: controlled and uncontrolled methods; as well as the division of the first group into 3 subgroups: filter methods, wrapper methods, intrinsic methods. For practical implementation, the method of correlation from the group of filter methods, as one of the most commonly used methods, and the method of recursive feature elimination from the group of wrapper methods are distinguished. These two methods were used to implement the module of feature selection in the system of automated diagnosis of kidney disease. The fourth part describes the software for automatic diagnosis of kidney disease. A complete description is given, including pre-processing of data, selection of features, training of three models, accuracy metrics. Different variations of parameter sets from the existing database have been studied and the most optimal one has been determined. It should be noted that the obtained set of parameters is recommended only based on the database used. A feature selection module has been created, the application of which to another database can lead to the definition of another set of recommended parameters. However, based on the requirement that all data should be obtained and analyzed in a single medical information system, different models can be implemented for different systems based on the clinical and laboratory parameters that the medical information system can determine. The developed software of the system of automated diagnostics of kidney diseases meets 3 out of 5 goals of medical reform in Ukraine. These are the development of the medical IT market, the introduction of machine learning 7 technologies and the creation of a business environment. Early diagnosis of kidney disease is extremely important, as it is in the early stages that the most effective treatment is possible, as well as because kidney disease affects 10% of the world's population. We need to create the means to reduce this figure. The introduction of the proposed technology will allow doctors to more effectively diagnose kidney disease, especially in the early stages, when treatment is most effective.uk
dc.description.abstractukОб’єкт дослідження – процеси та їх діагностичні ознаки при захворюваннях нирок. Предмет дослідження – методи вибору ознак для створення модулю вибору ознак в системі автоматизованої діагностики захворювань нирок. Метою роботи є визначення основних діагностичних параметрів захворювань нирок з метою побудови модуля вибору ознак в системі автоматизованої діагностики захворювань нирок. У першому розділі проаналізовано існуючі на сьогодні методи та підходи діагностики захворювань нирок в цілому та на ранніх стадіях. Другий розділ містить опис електронної системи охорони здоров’я в Україні та аналіз вимог до побудови системи автоматизованої діагностики захворювань нирок як частини медичної інформаційної системи, інформацію про методи машинного навчання, які застосовні у сфері охорони здоров’я. У третьому розділі досліджено методи вибору ознак для реалізації модуля вибору ознак в системі автоматизованої діагностики захворювань нирок. У четвертому розділі подано опис створених програмних засобів для автоматичної діагностики ниркових захворювань. Варто зазначити, що отриманий набір параметрів є рекомендованим лише базуючись на використовуваній базі даних. Впровадження даної технології дозволить лікарям ефективніше діагностувати ниркові захворювання, особливо на ранніх стадіях, коли лікування є найбільш ефективним.uk
dc.format.page89 c.uk
dc.identifier.citationКалашник, Т. С. Модуль вибору ознак в системі автоматизованої діагностики захворювань нирок : магістерська дис. : 153 мікро- та наносистемна техніка / Калашник Тетяна Сергіївна. - Київ, 2022. - 89 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/50008
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectниркиuk
dc.subjectавтоматизована діагностикаuk
dc.subjectелектронна система охорони здоровʼяuk
dc.subjectлінійний дискримінантний аналізuk
dc.subjectметод опорних векторівuk
dc.subjectлогістична регресіяuk
dc.subjectметод кореляціїuk
dc.subjectрекурсивне видалення ознакuk
dc.titleМодуль вибору ознак в системі автоматизованої діагностики захворювань нирокuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (ЕІ)
Магістерські роботи