Прогнозування діабетичної ретинопатії на основі біомедичних даних з використанням методів машинного навчання

Скорочена інформація про документ
dc.contributor.advisorПишнограєв, Іван Олександрович
dc.contributor.authorКрупко, Марія Юріївна
dc.date.accessioned2025-09-04T09:52:54Z
dc.date.available2025-09-04T09:52:54Z
dc.date.issued2025
dc.description.abstractДипломна робота: 106 с., 13 рис., 10 табл., 30 посилань, 1 додаток. Об’єктом дослідження є процес автоматизованої діагностики діабетичної ретинопатії за допомогою методів глибокого навчання. Предметом дослідження є архітектури моделей глибокого навчання та методи обробки зображень для виявлення діабетичної ретинопатії. Метою роботи є підвищення точності автоматизованої діагностики діабетичної ретинопатії шляхом дослідження та розробки моделей глибокого навчання на основі медичних зображень. Сучасні системи автоматизованої діагностики діабетичної ретинопатії часто працюють за фіксованими правилами або поверхневими моделями, що не враховують складності візуального представлення хвороби. У цій роботі запропоновано підхід на основі глибокого навчання, який дозволяє ефективно класифікувати зображення очного дна за наявністю патологій. Проведено експерименти з різними архітектурами та конфігураціями вхідних даних. На основі отриманих результатів сформовано рекомендації щодо побудови практичної системи підтримки медичної діагностики.
dc.description.abstractotherBachelor's thesis: 106 p., 13 figures, 10 tables, 30 references, 1 appendix. The object of this research is the process of automated diagnosis of diabetic retinopathy using deep learning methods and techniques. The subject of research is the architectures of deep learning models and image preprocessing techniques for diabetic retinopathy diagnosis. The purpose of the work is to improve the accuracy of diabetic retinopathy detection by developing and evaluating deep learning-based classification models using retinal images. Modern systems for automated diabetic retinopathy diagnosis often rely on rule-based logic or shallow models, which fail to capture the complex visual patterns of the disease. This work presents a deep learning-based approach for robust classification of fundus images. Multiple architectures and input configurations were evaluated experimentally. Based on the results, practical recommendations were developed for constructing a medical decision support system.
dc.format.extent109 с.
dc.identifier.citationКрупко, М. Ю. Прогнозування діабетичної ретинопатії на основі біомедичних даних з використанням методів машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Крупко Марія Юріївна. – Київ, 2025. – 109 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75795
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectдіабетична ретинопатія
dc.subjectмедична діагностика
dc.subjectглибинне навчання
dc.subjectкласифікація зображень
dc.subjectнейронні мережі
dc.subjectконволюційна мережа
dc.subjectзображення очного дна
dc.subjectмаски судин
dc.subjectбагатокласова класифікація
dc.subjectdiabetic retinopathy
dc.subjectmedical diagnostics
dc.subjectdeep learning
dc.subjectimage classification
dc.subjectneural networks
dc.subjectconvolutional neural network
dc.subjectfundus images
dc.subjectvessel masks
dc.subjectmulticlass classification
dc.titleПрогнозування діабетичної ретинопатії на основі біомедичних даних з використанням методів машинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Krupko_bakalavr.pdf
Розмір:
3.49 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

Бакалаврські роботи (ШІ)
Бакалаврські роботи