Комбіноване машинне навчання процедур розпізнавання медико-біологічних сигналів

Скорочена інформація про документ
dc.contributor.advisorШуляк, Олександр Петрович
dc.contributor.authorЛагутін, Віталій Васильович
dc.date.accessioned2021-02-10T14:03:11Z
dc.date.available2021-02-10T14:03:11Z
dc.date.issued2020-12
dc.description.abstractОб’єктом досліджень і розробок в роботі є процедури і програмне забезпечення машинного навчання алгоритмів розпізнавання медико-біологічних сигналів за їх формою в системах діагностики пацієнтів. Предмет досліджень та розробок – розробка і програмна реалізація варіанта машинного навчання розпізнавального алгоритму, у якому навчання з учителем комбінується із самонавчанням шляхом кластеризації навчальних вибірок сигналів з традиційною медичною класифікацією. Метою роботи є створення додаткового математичного забезпечення і програмного інструментарію для виявлення, оцінки і реалізації резервів у підвищенні показників якості розпізнавання медико-біологічних сигналів за їх формою в системах діагностики пацієнтів за рахунок більш детального використання апріорної інформації про особливості розподілу таких сигналів в навчальних вибірках відомої досліднику медичної класифікації. В першому розділі роботи розглядається комплекс часткових завдань для її виконання, конкретизуються типи сигналів і розпізнавальний алгоритм для його комбінованого навчання, пропонується сам спосіб такого навчання, програмна реалізація якого розкривається в розділі 2. Розроблені програмні процедури наведені в додатках. Розділ 3 розкриває експериментальну перевірку розроблених алгоритмів на тестовому прикладі. У заключному розділі розглядається стартап-проект – варіант можливої комерціалізації та введення на ринок продукту, утвореного на основі виконаних досліджень.uk
dc.description.abstractenThe strategic line of developing is improvement of algorithms and the software of machine learning of procedures of recognition of medico-biological signals on their form in systems of diagnostics of patients. The aim of the work is creating additional mathematical software and software tools for identifying, evaluating and implementing reserves to improve the quality of recognition of human biomedocal signals by their form in patient diagnostic systems through more detailed use of a priori information about such signals in educational samples known to medical researchers. classification. The relevance of the topic of this work is determined by the possible significant impact of the quality of recognition of medical and biological signals on the quality of diagnosis and treatment of patients in general, so the development of additional software to disclose existing and unused reserves. The object of research and development in the work are procedures and software for machine learning algorithms for recognition of biomedical signals by their form in patient diagnostic systems. The subject of research are the development and software implementation of a variant of machine learning recognition algorithm for biomedical signals of a given classification according to their form with combining his learning with a teacher with clustering of educational samples, which is inherent in self-learning. increasing the sensitivity and specificity of their recognition, as well as, at the same time, working out the developed procedures and confirming the effectiveness of their use on a test example of processing a real record of the patient's electrocardiogram from the Internet database. The first section specifies the types of signals (QRS-complexes N, A and V types) and the recognition algorithm for its combined learning, the method of such learning is 6 offered, a set of additional tasks is considered, such as fragmentation of continuous recording of the patient's electrocardiogram, synchronization of QRS-complexes in a single observation window, pre-processing of signals before recognizing and refining the algorithm for deciding on the type of input signal, which is based on the algorithm for deciding on the type of signal according to its form for the system that learns from the teacher. In addition, based on the results of the analysis of clustering methods, a convenient clustering method was chosen for its application in the blended learning algorithm. The second section of the work presents the software implementation of the proposed method of combined learning and accompanying algorithms for pre-processing signals, preparation of learning and control samples and a refined decision-making procedure. Software implementation of algorithms is carried out in the MatLab environment, listings of the developed programs are given in appendices of work. The third section of the work reveals the content, procedure, applied criteria and algorithm of test verification of the teaching method and developed software procedures. The test of the learning algorithm and its accompanying programs takes place on a real half-hour recording of the patient's ECG signal, which is taken continuously from the Internet database. The results of the test for clarity are presented in the format of tables and charts. The fourth section "Development of a startup project" reveals one of the possible areas of formation of an independent product based on research and includes an assessment of the main characteristics and benefits of the product, the market situation. Potential competitors and consumers of the product are also reviewed, to which is added the general marketing program of the product. In conclusions reveals the content of the main results of its implementation and the main provisions (conclusions) that follow from them. In general, the results of the development are proposed to be considered as additional tools for identifying in the analysis of patient data the presence, evaluation and implementation of reserves in improving the validity of recognition of biomedical signals used to diagnose these patients.uk
dc.format.page114 с.uk
dc.identifier.citationЛагутін, В. В. Комбіноване машинне навчання процедур розпізнавання медико-біологічних сигналів : магістерська дис. : 153 Мікро- та наносистемна техніка / Лагутін Віталій Васильович. – Київ, 2020. – 114 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/39280
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectмедико-біологічні сигналиuk
dc.subjectалгоритми розпізнаванняuk
dc.subjectкомбіноване машинне навчанняuk
dc.subjectспосіб і програмне забезпеченняuk
dc.subjectbiomedical signalsuk
dc.subjectrecognition algorithmsuk
dc.subjectcombined machine learninguk
dc.subjectmethod and softwareuk
dc.subject.udc61:681.5uk
dc.titleКомбіноване машинне навчання процедур розпізнавання медико-біологічних сигналівuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lahutin_magistr.pdf
Розмір:
1.55 MB
Формат:
Adobe Portable Document Format
Опис:
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