Багаторівневе навчання для класифікації об’єктів на множинах надвеликих масивів даних

Скорочена інформація про документ
dc.contributor.advisorРогоза, Валерій Станіславович
dc.contributor.authorАкимов, Вадим Сергійович
dc.date.accessioned2019-03-27T16:52:15Z
dc.date.available2019-03-27T16:52:15Z
dc.date.issued2018
dc.description.abstractenWork carried out on 79 pages containing 13 figures, 23 tables. The paper was written with references to 21 different sources. Topicality. Skin diseases today are among the most common medical problems. The amount of these diseases is constantly growing, despite the development of medicine. Skin cancer is a common malignant neoplasm and has the second rank in the structure of cancer morbidity in Ukraine. Such diseases are diagnosed visually, beginning with clinical examinations, which can be accompanied by dermatoscopy analysis, biopsy and histopathological examination. Of particular interest is the automated classification of skin diseases (both benign and malignant) based on the image of the affected area of the body. Convolutional Neural Networks (CNN) show the potential for analyzing the category of fine-grained images. Purpose. The purpose of this work is to develop a deep learning classification model for building an automated diagnostic system prototype. It serves to solve the problem of classification of skin diseases on the basis of images of the affected area of the human body. Solution. In this paper a prototype of an automated diagnostic system was presented for solving the skin diseases classification problem based on the images of affected area of the human body. The prototype was implemented using deep learning algorithms, and convolutional neural network serves as a kernel part of the system. Computation graph is developed using the Python programming language and the Tensorflow software platform. As a function of the error to diagnose the accuracy of the model, cross-entropy was used. The resulting high classification accuracy confirms the feasibility of implementing this prototype on an industrial scale within existing medical platforms, such as eHealth. Among the main problems encountered during the implementation of the prototype is the lack of access to powerful discrete graphics cards, which allow CUDA platform to accelerate model learning, as well as low bandwidth of the network channel, resulting in problems with the processing time of incoming images of the training set. Object of research. Deep learning classification model. Subject of research. Deep learning algorithms for building classification models. Research methods. To solve the problem in this paper were used methods of analysis and synthesis, system analysis, comparison, logical generalization of results. Scientific novelty. The scientific novelty of the work consists in the creation of the automated diagnostic system prototype based on deep learning algorithms for solving the classification problem of skin diseases, as well as approbation of the resulting prototype in practice using data provided by the international community for digital imaging of the skin ISDIS (13791 images of affected skin areas made with a dermoscope). The practical value of the results. The results obtained can be used in future studies to improve the proposed prototype and classification model, taking into account the advantages and disadvantages of these results. Also, this prototype can be used to improve the performance of existing diagnostic systems.uk
dc.description.abstractukРобота виконана на 79 сторінках, містить 13 ілюстрацій, 23 таблиць. При підготовці використовувалась література з 21 джерел. Актуальність теми. Захворювання шкіри сьогодні належать до розповсюджених медичних проблем. Кількість таких захворювань постійно зростає, незважаючи на розвиток медичної галузі. Рак шкіри є поширеним злоякісним новоутворенням і займає друге рангове місце у структурі онкологічної захворюваності населення України. Такі хвороби діагностуються візуально, починаючи з клінічних обстежень, що можуть супроводжуватись дерматоскопічним аналізом, біопсією та гістопатологічною експертизою. Особливий інтерес представляє автоматизована класифікація захворювань шкіри (як доброякісних, так і злоякісних) на базі зображення ураженої ділянки тіла. Глибокі згорткові нейронні мережі (Convolutional Neural Networks, CNN) показують потенціал для аналізу категорії дрібнозернистих зображень. Мета та задачі дослідження. Метою даної роботи є розробка моделі багаторівневого навчання для побудови прототипу автоматизованої діагностичної системи. Даний прототип служить для вирішення задачі класифікації шкірних захворювань на основі зображень враженої ділянки тіла людини. Рішення поставлених завдань та досягнуті результати. У даній роботі було представлено прототип автоматизованої діагностичної системи для вирішення задачі класифікації шкірних захворювань на основі зображень враженої ділянки тіла людини. Прототип було виконано на базі класифікаційної моделі з використанням багаторівневого навчання, а в основі даної моделі лежить згорткова нейронна мережа. Імплементація графу обчислень виконана за допомогою мови програмування Python та програмної платформи Tensorflow. В якості функції помилки для діагностики точності отриманої моделі використовувалась перехресна ентропія. В результаті отримана висока точність класифікації підтверджує можливість впровадження даного прототипу в промислових масштабах в рамках існуючих медичних платформ, таких як eHealth. Серед основних проблем, що виникли під час імплементації прототипу – це відсутність доступу до потужних дискретних відеокарт, що дозволяють за допомогою платформи CUDA прискорити навчання моделі, а також низька пропускна швидкість каналу призвела до проблем з часом обробки вхідних зображень навчального набору. Об’єкт досліджень. Класифікаційна модель з використанням багаторівневого навчання. Предмет досліджень. Алгоритми багаторівневого навчання для побудови класифікаційних моделей. Методи досліджень. Для вирішення проблеми в даній роботі використовуються методи аналізу і синтезу, системного аналізу, порівняння, логічного узагальнення результатів. Наукова новизна. Наукова новизна роботи полягає у створенні прототипу автоматизованої діагностичної системи на основі багаторівневого навчання для вирішення задачі класифікації захворювань шкіри, а також апробація отриманого прототипу на практиці з використанням вибірки даних, представленої міжнародною спільнотою з цифрової обробки зображень шкіри ISDIS (13791 зображень уражених ділянок шкіри, зроблених за допомогою дермоскопу). Практичне значення одержаних результатів. Отримані результати можуть використовуватись у майбутніх дослідженнях за напрямком покращення запропонованого прототипу та класифікаційної моделі, враховуючи переваги та недоліки даних результатів. Також даний прототип може бути використаний для покращення результатів роботи існуючих діагностичних систем.uk
dc.format.page79 c.uk
dc.identifier.citationАкимов, В. С. Багаторівневе навчання для класифікації об’єктів на множинах надвеликих масивів даних : магістерська дис. : 122 Комп’ютерні науки та інформаційні технології (Системне проектування сервісів) / Акимов Вадим Сергійович. – Київ, 2018. – 79 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/26949
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectалгоритми багаторівневого навчанняuk
dc.subjectзгорткова нейронна мережаuk
dc.subjectкласифікаціяuk
dc.subjectзахворювання шкіриuk
dc.subjectdeep learning algorithmsuk
dc.subjectconvolutional neural networksuk
dc.subjectclassificationuk
dc.subjectskin diseasesuk
dc.subjectCNNuk
dc.subject.udc004.453uk
dc.titleБагаторівневе навчання для класифікації об’єктів на множинах надвеликих масивів данихuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (СП)
Магістерські роботи