Діагностика множинної мієломи за допомогою методів машинного навчання
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 103 с., 33 рис., 11 табл., 49 джерел.
Об'єкт дослідження — процес інтелектуальної діагностики множинної
мієломи за результатами клініко-лабораторного обстеження.
Предмет дослідження — методи відбору ознак та алгоритми машинного
навчання для бінарної класифікації наявності захворювання.
Мета роботи — розроблення інтелектуальної системи класифікації
пацієнтів з підозрою на множинну мієлому, що поєднує сучасні методи відбору
ознак з ансамблевими класифікаторами.
У роботі проаналізовано медичні аспекти захворювання та обмеження
класичної діагностики. Обґрунтовано комбінований підхід, де три методи
відбору ознак (ентропійний, Boruta, RFE) поєднано з п'ятьма моделями
(XGBoost, CatBoost, стекінг, MLP та багатогілкова нейромережа).
Результати роботи — навчено моделі класифікації, виконано 15
експериментів, реалізовано модульну систему мовою Python. Найкраща
комбінація Boruta + Stacking досягла OOF AUC = 0,846, F1 = 0,815 та
чутливості 0,862; виявлено стійку клінічну сигнатуру з 11 ознак.
Напрями подальшого розвитку — розширення та диверсифікація
вибірки, зовнішня валідація моделі, інтеграція цитогенетичних маркерів та
впровадження системи у клінічну інфраструктуру.
Опис
Ключові слова
множинна мієлома, бінарна класифікація, відбір ознак, машинне навчання, boruta, стекінг, xgboost, інтелектуальна діагностика
Бібліографічний опис
Літовченко, В. О. Діагностика множинної мієломи за допомогою методів машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Літовченко Владислав Олександрович. – Київ, 2026. – 202 с.