Литвиненко, Володимир ІвановичЛітовченко, Владислав Олександрович2026-09-302026-09-302026Літовченко, В. О. Діагностика множинної мієломи за допомогою методів машинного навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Літовченко Владислав Олександрович. – Київ, 2026. – 202 с.https://ela.kpi.ua/handle/123456789/83602Дипломна робота: 103 с., 33 рис., 11 табл., 49 джерел. Об'єкт дослідження — процес інтелектуальної діагностики множинної мієломи за результатами клініко-лабораторного обстеження. Предмет дослідження — методи відбору ознак та алгоритми машинного навчання для бінарної класифікації наявності захворювання. Мета роботи — розроблення інтелектуальної системи класифікації пацієнтів з підозрою на множинну мієлому, що поєднує сучасні методи відбору ознак з ансамблевими класифікаторами. У роботі проаналізовано медичні аспекти захворювання та обмеження класичної діагностики. Обґрунтовано комбінований підхід, де три методи відбору ознак (ентропійний, Boruta, RFE) поєднано з п'ятьма моделями (XGBoost, CatBoost, стекінг, MLP та багатогілкова нейромережа). Результати роботи — навчено моделі класифікації, виконано 15 експериментів, реалізовано модульну систему мовою Python. Найкраща комбінація Boruta + Stacking досягла OOF AUC = 0,846, F1 = 0,815 та чутливості 0,862; виявлено стійку клінічну сигнатуру з 11 ознак. Напрями подальшого розвитку — розширення та диверсифікація вибірки, зовнішня валідація моделі, інтеграція цитогенетичних маркерів та впровадження системи у клінічну інфраструктуру.202 с.ukмножинна мієломабінарна класифікаціявідбір ознакмашинне навчанняborutaстекінгxgboostінтелектуальна діагностикаBachelor Thesis