Програмні процедури навчання розпізнавальної системи для диференційної діагностики пацієнтів за різнорідніми симптомокомплексами

Скорочена інформація про документ
dc.contributor.advisorШуляк, О. П.
dc.contributor.authorДружинін, В. В.
dc.date.accessioned2024-07-03T11:51:18Z
dc.date.available2024-07-03T11:51:18Z
dc.date.issued2024
dc.description.abstractРозглядається машинне навчання розпізнавальної системи диференціальної діагностики пацієнтів за симптомокомплексами різнорідних параметрів нефрології від інструментальних засобів їх обстеження. Навчання використовує емпіричну статистику клінічних випадків у базі даних із достовірними дігнозами. Метою роботи є розширення можливостей інструментарію видобутку інформації з подібних баз даних для навчання розпізнавальних процедур шляхом поповнення цього інструментарію новими засобами з характерними для них аспектами видобутої інформації. Предметом роботи є розробка програмних процедур формування у процесі навчання моделей зустрічальності параметрів симптомокомплексів вздовж шкал їх значень. Вони є результатом навчання та інформаційною основою для подальшої діагностики пацієнтів. Перший розділ постановочний з акцентом на розробку інструментарію формування моделей розподілу щільностей ймовірностей параметрів симптомокомплексів та використання цих моделей у прийнятті рішень. У другому розділі формалізується завдання розробки програмного інструментарію, загальний зміст математичних процедур обробки даних. Третій розділ характеризує Python-реалізацію цих процедур. Четвертий розділ подає випробування програмних процедур на статистиці бази даних з оцінкою валідності рішень. Висновки містять результати розробок та можливі напрямки їх розвитку.
dc.description.abstractotherMachine learning of the recognition system for differential diagnosis of patients based on symptom complexes of heterogeneous parameters of nephrology from the instrumental means of their examination is considered. The training uses empirical statistics of clinical cases in a database with reliable diagnoses. The purpose of the work is to expand the capabilities of the toolkit for extracting information from similar databases for learning recognition procedures by supplementing this toolkit with new tools with specific aspects of the extracted information. The subject of the work is the development of software procedures for the formation in the process of learning of models of the occurrence of the parameters of symptom complexes along the scales of their values. They are the result of training and the information basis for further diagnosis of patients. The first section is staged with an emphasis on the development of tools for the formation of models of the distribution of probability densities of the parameters of symptom complexes and the use of these models in decision-making. The second section formalizes the task of developing software tools, the general content of mathematical data processing procedures. The third section describes the Python implementation of these procedures. The fourth chapter presents tests of software procedures on database statistics with evaluation of the validity of decisions. The conclusions contain the results of developments and possible directions of their development.
dc.format.extent100 с.
dc.identifier.citationДружинін, В. В. Програмні процедури навчання розпізнавальної системи для диференційної діагностики пацієнтів за різнорідніми симптомокомплексами : магістерська дис. : 153 Мікро- та наносистемна техніка / Дружинін Владислав Володимирович. – Київ, 2024. – 100 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/67707
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleПрограмні процедури навчання розпізнавальної системи для диференційної діагностики пацієнтів за різнорідніми симптомокомплексами
dc.typeMaster Thesis

Файли

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

Зібрання

Магістерські роботи (ЕІ)
Магістерські роботи