Метод та програмне забезпечення для підтримки прийняття медичних рішень на основі інтелектуального аналізу зображень

Скорочена інформація про документ
dc.contributor.advisorШкурат, Оксана Сергіївна
dc.contributor.authorНіколенко, Гліб Ярославович
dc.date.accessioned2026-01-12T14:46:27Z
dc.date.available2026-01-12T14:46:27Z
dc.date.issued2025
dc.description.abstractЗростання доступності повноколірних медичних зображень, отриманих зі смартфонів, актуалізує задачу їх автоматизованого аналізу для швидкого розпізнавання шкірних ушкоджень у прикладних системах підтримки домедичних рішень. Водночас традиційні підходи демонструють обмеження за точністю багатокласової класифікації та стабільністю виявлення в умовах різної якості зйомки, що ускладнює практичне використання таких рішень. У магістерській дисертації запропоновано програмний метод багатокласового розпізнавання зображень шкірних ушкоджень на основі двох моделей глибинного навчання архітектури YOLOv12x та YOLOv12n із передаванням знань від більш потужної моделі до компактної. Для реалізації методу використано Python та Ultralytics YOLO для навчання моделей, а також клієнтський застосунок на .NET MAUI з чат-інтерфейсом; інтеграцію рекомендацій виконано через зовнішній API великої мовної моделі. Наведено результати експериментальної перевірки, які показали, що застосування запропонованого підходу підвищує точність розпізнавання компактної моделі за показниками Precision, F1-міра та mAP50 на понад 14%, 5% та 4,3% відповідно, зберігаючи малий розмір моделі та придатність до використання в прикладному програмному забезпеченні.
dc.description.abstractotherThe increasing availability of full-color medical images captured with smartphones makes the task of their automated analysis particularly relevant for rapid recognition of skin injuries in applied decision-support systems for first aid. At the same time, conventional approaches often exhibit limited accuracy in multi-class classification and insufficient detection robustness under varying imaging quality, which complicates their practical deployment. This master’s thesis proposes a software-based method for multi-class recognition of skin-injury images grounded in two deep-learning models of the YOLOv12 architecture—YOLOv12x and YOLOv12n—with knowledge transfer from the more powerful model to the compact one. The method is implemented using Python and Ultralytics YOLO for model training, as well as a .NET MAUI client application with a chat-oriented interface; recommendation generation is integrated via an external API of a large language model. Experimental evaluation demonstrates that the proposed approach improves the recognition performance of the compact model by more than 14%, 5%, and 4.3% in terms of Precision, F1-score, and mAP50, respectively, while preserving a small model size and suitability for use in applied software.
dc.format.extent167 с.
dc.identifier.citationНіколенко, Г. Я. Метод та програмне забезпечення для підтримки прийняття медичних рішень на основі інтелектуального аналізу зображень : магістерська дис. : 121 Інженерія програмного забезпечення / Ніколенко Гліб Ярославович – Київ, 2025. – 167 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78044
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінженерія програмного забезпечення
dc.subjectрозпізнавання зображень
dc.subjectдистиляція знань
dc.subjectYOLO
dc.subjectнейронна мережа
dc.subject.udc004.42:004.932
dc.titleМетод та програмне забезпечення для підтримки прийняття медичних рішень на основі інтелектуального аналізу зображень
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Nikolenko_magistr.pdf
Розмір:
10.73 MB
Формат:
Adobe Portable Document Format
Завантажити

Зібрання

Магістерські роботи (ПЗКС)
Магістерські роботи