Введение 5
1 Анализ задания на исследование 7
1.1 Описание поставленной задачи 7
1.2 Обзор реализованных алгоритмов 8
1.3 Постановка задачи 9
2 Математическое описание задачи 11
2.1 Анализ и выбор вычислительного метода для реализации алгоритма ... 11
2.1.1 Методы математического анализа изображений 11
2.1.2 Машинное обучение 16
2.2 Реализация программного обеспечения 29
2.3 Обучение алгоритма визуализации в целях реализации программы по
распознаванию циркулирующих опухолевых клеток 35
3 Тестирование и анализ эффективности реализованной программы 37
3.1 Описание реализованной программы 37
3.2 Тестирование реализованной программы 39
Заключение 42
Список используемой литературы 44
На сегодняшний день медицина становится наукоемкой и быстроразвивающейся благодаря активному развитию технологий и внедрению их в работу здравоохранительных организаций. В медицинской практике существует ряд заболеваний, для лечения которых принципиально важно своевременное диагностирование. Рак, диабет, болезни сердца, пневмония - это лишь ряд диагнозов, которые требуют срочного вмешательства. Сегодня многие исследователи, в том числе биоинформатики, выдвигают теорию о целесообразности использования ресурсов искусственного интеллекта в области принятия решений в медицинской сфере. Машинное обучение считается одним из самых интенсивно развивающихся направлений искусственного интеллекта, о чем свидетельствуют научные труды последних десятилетий. Однако, многие предлагаемые решения работают на специфических выборках данных, что делает созданные продукты неприменимыми во многих медицинских учреждениях. Большинство сложных моделей требует огромного количества ресурсов, как вычислительных, так и временных, поэтому часто не могут быть использованы на практике. Простейшие алгоритмы зачастую дают низкую точность, имеют непростительно большой для медицинских задач процент ошибки или большую вероятность ложного срабатывания. Отдельной проблемой является вопрос целесообразности использования интеллектуальных систем в медицинских учреждениях. Высокая стоимость приобретения, сложность внедрения, нежелание врачей осваивать работу с компьютером, неудобство использования системы медперсоналом и её ограниченная функциональность часто не позволяют массово внедрять системы по интеллектуальному анализу данных в медицинских учреждениях.
Целью данной выпускной квалификационной работы стало использование методов визуализации и машинного обучения для определения циркулирующих опухолевых клеток в крови.
Для достижения поставленной цели необходимо решить определенные задачи:
1. Провести анализ научной и технической литературы.
2. Провести анализ уже существующих методов определения клеток в крови.
3. Определить метод визуализации клеток.
4. Определить метод машинного обучения.
5. Реализовать методы в виде программного обеспечения.
6. Провести испытания реализованного алгоритма.
7. Определить эффективность программного обеспечения.
8. Сделать вывод об эффективности реализованного алгоритма
Рак является одной из ведущих причин смерти во всем мире. Он начинается с образования первичной опухоли и может распространяться по всему организму, что в конечном итоге приводит к большинству смертей, связанных с раком. Опухолевые клетки, которые отделяются от опухоли и проникают в кровоток, называются циркулирующими опухолевыми клетками. Экстравазация этих клеток может привести к возникновению новых опухолей на отдаленных участках, и этот процесс обычно называют образованием метастазов. Количество ЦОК сильно коррелирует со временем выживаемости онкологических больных, и количество ЦОК может быть использовано для мониторинга терапии рака. Тем не менее, данные клетки очень редки, и точное обнаружение, характеристика и подсчет их на изображениях флуоресцентно меченных клеток очень сложен и часто выполняется вручную. Этот процесс подвержен ошибкам и предубеждениям пользователей. В следствии этого, данная выпускная квалификационная работа направлена на разработку программного обеспечения для работы с медицинскими данными, с использованием методов машинного обучения.
В процессе решение вопроса по разработке программного обеспечения, на основе методов машинного обучения для работы с медицинскими данными, в рамках данной работы были достигнуты некоторые результаты, а именно:
1) изучены основные принципы машинного обучения;
2) изучены основные принципы визуализации;
3) реализован алгоритм на основе вышеописанных принципов на языке программирования MATLAB;
4) обучена сверточная нейронная сеть, с применением метода автокодировщика;
5) протестирована реализованная программа;
6) собрана статистика об эффективности работы программы, а также об энерго- и ресурсоемкости программы, в процессе её работы.
Как уже было написано выше, несмотря на достаточную высокую точность полученных результатов, для работы алгоритма затрачивается большое количество вычислительной мощности.
Такой вывод был сделан на основе той информации, которая была получена во время тестирования работы программы.
Данный метод по распознаванию ЦОК в крови пациента, очевидно не является единственным. Существует большое количество известных методов визуализации с применением технологий машинного обучения, и ещё больше, методов, которые до сих пор не являются изученными.
Однако, в рамках данной задачи, где основной целью являлось создать программное обеспечение, для работы с медицинскими данными, данный алгоритм показывает себя достаточно хорошо, поскольку позволяет ценой вычислительных мощностей, точно находить ЦОК в крови пациента, что может привести к более эффективным системам по борьбе с раком.
Таким образом, на основе ранее поставленных задач, можно сделать вывод о том, что цель, заданная в данной выпускной квалификационной работе, была выполнена успешно.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
