Програмне забезпечення медичних систем діагностики на основі томограм

Скорочена інформація про документ
dc.contributor.advisorФіногенов, Олексій Дмитрович
dc.contributor.authorЛіщук, Ігор Сергійович
dc.date.accessioned2023-03-15T09:15:17Z
dc.date.available2023-03-15T09:15:17Z
dc.date.issued2022-12
dc.description.abstractРозмір пояснювальної записки – 54 аркушів, містить 24 ілюстрації, 24 таблиці, 4 додатка, 14 посилань на джерела. Актуальність теми. Класифікація зображень є важливою проблемою дослідження в додатках комп’ютерного зору, таких як класифікація виразів обличчя, класифікація супутникових зображень і використання машинного навчання (ML) в медицині не є новою концепцією особливо на фоні пандемії COVID-19 і підвищенню актуальністю для діагностики цього захворювання. Мета дослідження. Вибрати датасет для створення моделі та розробити метод для створення моделі машинного навчання на основі аналізу проведеного дослідження. Об’єкт дослідження: діагностика захворювання COVID-19 на томограмах. Предмет дослідження: методи та алгоритми побудови нейронної моделі для зчитування томограм. Для реалізації поставленої мети сформульовані наступні завдання: провести пошук та проаналізувати набір даних для створення моделі по визначенню COVID-19; проаналізувати існуючі рішення по створенню моделі машинного навчання; проаналізувати методи збільшення ефективності результатів розробленої моделі; розробити метод для створення моделі машинного навчання; на основі результатів моделі провести аналіз та покращити точність діагностики. Наукова новизна результатів магістерської дисертації полягає в тому, що був розроблений свій алгоритм обробки та нормалізації зображень, а також було удосконалено метод створення моделі нейронної мережі. Практичне значення отриманих результатів полягає в тому, що розроблена модель нейронної мережі можна використовувати працівниками медичних закладів для діагностики захворювання COVID-19, тим самим послаблюючи навантаження на лікарів і даючи більше часу для саме вже лікування пацієнтів. Зв’язок з науковими програмами, планами, темами. Робота виконувалась на кафедрі інформатики та програмної інженерії Національного технічного університету України "Київський політехнічний інститут імені Ігоря Сікорського". 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: 1. Ліщук І.С. ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ МЕДИЧНИХ СИСТЕМ ДІАГНОСТИКИ НА ОСНОВІ ТОМОГРАМ / І.С. Ліщук, О.Д. Фіногенов // Матеріали третьої Всеукраїнської науково-практичної конференції молодих вчених та студентів «ІНЖЕНЕРІЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ І ПЕРЕДОВІ ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ» (SoftTech-2022 осінь) – м. Київ: НТУУ «КПІ ім. Ігоря Сікорського», 23-25 листопада 2022 р.uk
dc.description.abstractotherExplanatory note size – 54 pages, contains 24 illustrations, 24 tables, 4 applications, 14 references. Actuality of theme. Image classification is an important research problem in computer vision applications, such as facial expression classification, satellite image classification, and the use of machine learning (ML) in medicine is not a new concept, especially considering the background of the Covid19 pandemic and the increased relevance for the diagnosis of this disease. The aim of the study. The main target is to select a dataset for model creation and develop a method for creating a machine learning model based on the analysis of the conducted research. The object of research: diagnosis of the disease Covid19 on tomograms. The subject of research: methods and algorithms for building a neural model for reading tomograms. To achieve this goal, the following tasks were formulated: search and analyze the data set to create a model for identifying Covid19; analyze existing solutions for creating a machine learning model; analyze methods of increasing the effectiveness of the results of the developed model; develop a method for creating a machine learning model; based on the results of the model, conduct an analysis and improve the accuracy of diagnosis. The scientific novelty of the results of the master's dissertation is in the fact that the own algorithm for image processing and normalization has been developed, as well as the method of creating a neural network model has been perfected. The practical value of the obtained results is that the developed neural network model can be used by medical institutions to diagnose the disease of COVID-19, thereby reducing the burden on doctors and giving more time to treat patients. 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 "Ihor Sikorsky Kyiv Polytechnic Institute". Approbation. The scientific provisions of the dissertation were approved at the third All-Ukrainian scientific and practical conference of young scientists and students "SOFTWARE ENGINEERING AND ADVANCED INFORMATION TECHNOLOGIES" (SoftTech-2022 autumn) - Kyiv. Publications. The scientific provisions of the dissertation are published in: 1. Lischuk I.S. MEDICAL SYSTEM SOFTWARE FOR TOMOGRAPHY-BASED DIAGNOSTICS / I.S. Lischuk, O.D. Finogenov // Materials of the third All-Ukrainian scientific and practical conference of young scientists and students "SOFTWARE ENGINEERING AND ADVANCED INFORMATION TECHNOLOGIES" (SoftTech-2022 autumn) - Kyiv: National Technical University of Ukraine "Ihor Sikorsky Kyiv Polytechnic Institute", November 23-25, 2022.uk
dc.format.extent75 с.uk
dc.identifier.citationЛіщук, І. С. Програмне забезпечення медичних систем діагностики на основі томограм : магістерська дис. : 121 Інженерія програмного забезпечення / Ліщук Ігор Сергійович. – Київ, 2022. – 75 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/53700
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectCNNuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectмашинне навчанняuk
dc.subjectаналіз медичних зображеньuk
dc.subjectсегментаціяuk
dc.subjectкласифікаціяuk
dc.subjectconvolutional neural networksuk
dc.subjectmachine learninguk
dc.subjectmedical image analysisuk
dc.subjectsegmentationuk
dc.subjectclassificationuk
dc.subject.udc004.8uk
dc.titleПрограмне забезпечення медичних систем діагностики на основі томограмuk
dc.title.alternativeMedical Systems Software for Tomography-based Diagnosticsuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lishchuk_magistr.pdf
Розмір:
2.87 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