Програмне забезпечення діагностики захворювань по рентгенівським знімкам

Скорочена інформація про документ
dc.contributor.advisorОлійник, Юрій Олександрович
dc.contributor.authorЩербакова, Юлія Олегівна
dc.date.accessioned2023-03-14T14:05:38Z
dc.date.available2023-03-14T14:05:38Z
dc.date.issued2022-12
dc.description.abstractРозмір пояснювальної записки – 109 аркушів, містить 23 ілюстрації, 38 таблиць, 3 додатки, 38 посилань на джерела. Актуальність теми. У роботі розглянуто проблему в області медицини, а саме діагностики захорювань. Проаналізувавши наявні дослідження обраного об’єкта, а саме програмного забезпечення для класифікації рентгенівських знімків, було виявлено, що існуючі рішення проблеми фокусуються на точності діагностування захворювань. Питання зменшення часу тренування моделей наразі не досліджене, незважаючи на важливість даної теми – налагодження параметрів моделі прийнятної точності потребує багато часу, від декількох місяців і до року. В зв’язку з цим виявлено потребу в розробці архітектурного рішення, що пришвидшить час тренування моделей. Мета дослідження. Основною метою є зменшити час тренування моделей діагностування захворювань по рентгенівських знімках за рахунок використання розподілених технологій. Об’єкт дослідження: програмне забезпечення для класифікації рентгенівських знімків. Предмет дослідження: процеси розроблення, модифікації, аналізу, забезпечення якості, впровадження і супроводження програмного забезпечення для класифікації рентгенівських знімків. Для реалізації поставленої мети сформульовані наступні завдання: − аналіз наявних досліджень методів та рішень діагностики захворювань по рентгенівських знімках; − аналіз наявних математичних методів класифікації зображень та обґрунтування вибору методу класифікації; − аналіз наявних програмних бібліотек, які реалізують обраний математичний метод; − реалізація програмного коду, який вирішує поставлене завдання з використанням обраних методів; − розробка графічного інтерфейсу для демонстрації програмного забезпечення; − проведення маркетингового аналізу проєкту; оцінка ефективності запропонованого рішення на основі проведення обчислювальних експериментів. Наукова новизна результатів магістерської дисертації полягає в подальшому розвиту задачі розпізнавання захворювань по рентгенівських знімках, а саме створенні нового підходу до навчання моделей діагностики захворювань шляхом використання архітектурного рішення, яке включає в себе розподілену обробку даних на основі інтегрованого рішення Apache Spark та Tensorflow. Практичне значення отриманих результатів полягає в тому, що розроблено високоефективне архітектурне рішення для створення, порівняння та застосування моделей діагностування декількох типів захворювань по даним рентгенівських знімків грудної клітини. Дане рішення може бути використане науковцями та програмістами для створення, тестування та покращення моделей діагностики захворювань за рентгенівськими знімками. Зв’язок з науковими програмами, планами, темами. Робота виконувалась на кафедрі інформатики та програмної інженерії Національного технічного університету України «Київський політехнічний інститут ім. Ігоря Сікорського» в рамках теми «Методи та технології високопродуктивних обчислень та обробки надвеликих масивів даних». Державний реєстраційний номер 0117U000924. Апробація. Наукові положення дисертації пройшли апробацію на Третій Всеукраїнській науково-практичній конференції молодих вчених та студентів «Інженерія програмного забезпечення і передові інформаційні технології» (SoftTech-2022 Осінь) – м. Київ. Публікації. Наукові положення дисертації опубліковані в тезах доповідей на науково-технічній конференції «SoftTech-2022 осінь».uk
dc.description.abstractotherExplanatory note size – 109 pages, contains 23 illustrations, 38 tables, 3 applications, 38 references. Topicality. The paper considers a problem in the field of medicine, namely, diagnosis of diseases. After analyzing the existing research on the chosen object, namely software for the classification of X-ray images, it was found that the existing solutions to the problem focus on the accuracy of diagnosing diseases. The question of improving the training time of models has not been investigated at the moment, despite the importance of this topic - adjusting model parameters to acceptable accuracy takes a long time, from several months to a year. In this regard, the need for the development of an architectural solution that will speed up the training time of models has been identified. The aim of the study. The main target is The main goal is to improve the training time of X-ray disease diagnosis models. The object of research: X-ray classification software. The subject of research: the processes of development, modification, analysis, quality assurance, implementation and maintenance of software for the classification of X-ray images. To achieve this goal, the following tasks were formulated: − analysis of existing studies of methods and solutions for diagnosing diseases using X-ray images; − analysis of existing mathematical methods of image classification and justification of the choice of classification method; − analysis of available software libraries that implement the selected mathematical method; − implementation of the software code that solves the task using the selected methods; − development of a graphical interface for software demonstration; − marketing analysis of the project; − evaluation of the effectiveness of the proposed solution based on computational experiments. The scientific novelty of the results of the master's dissertation is that an architectural solution for the diagnosis of diseases based on X-ray images is proposed, which reduces time spent on creating and comparing new models. The result is achieved through distributed data processing using an integrated Apache Spark and Tensorflow solution. The practical value of the obtained results is that a highly efficient architectural solution has been developed for the creation, comparison and application of models for diagnosing several types of diseases based on the data of X-ray images of the chest. This system can be used by scientists and programmers to create, test and improve disease diagnosis models based on X-ray images. Relationship with working with scientific programs, plans, topics. The work was performed at the Department of Informatics and Software Engineering of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute” in the framework of the topic“ Methods and technologies of high-performance computing and big data processing”. State registration number 0117U000924. Approbation. The scientific provisions of the dissertation were tested at the Third All-Ukrainian Scientific and Practical Conference of Young Scientists and Students "Software Engineering and Advanced Information Technologies" (SoftTech-2022 Autumn) Publications. The scientific provisions of the dissertation were published in abstracts of the scientific and technical conference "SoftTech-2022 autumn".uk
dc.format.extent109 с.uk
dc.identifier.citationЩербакова, Ю. О. Програмне забезпечення діагностики захворювань по рентгенівським знімкам : магістерська дис. : 121 Інженерія програмного забезпечення / Щербакова Юлія Олегівна. - Київ, 2022. - 109 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/53688
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectдіагностика захворюваньuk
dc.subjectрентгенівські знімкиuk
dc.subjectрозподілена обробка данихuk
dc.subjectdisease diagnosticsuk
dc.subjectx-raysuk
dc.subjectdistributed data processinguk
dc.subjectApache Sparkuk
dc.subject.udc004.85uk
dc.titleПрограмне забезпечення діагностики захворювань по рентгенівським знімкамuk
dc.title.alternativeSoftware for X-Ray Disease Diagnosisuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shcherbakova_magistr.pdf
Розмір:
1.8 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 (ІПІ)
Магістерські роботи