📄Работа №126303
Тема: Использование методов машинного обучения для анализа данных в сложной медико-биологической системе
Тип работы
Магистерская диссертация
Предмет
математическое моделирование
Объем:
36 листов
Год:
2021
Просмотров:
75
5450
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 4
Постановка задачи 6
Обзор литературы 7
Глава 1. Исходные данные 9
1.1 Описание данных 9
1.2 Тест Векслера 9
1.3 Данные МРТ 10
1.4 Данные ЭЭГ 11
1.5 Анализы крови 13
1.6 Предобработка данных 13
Глава 2. Используемые методы 14
2.1 Кластеризация 14
2.1.1 K-средних 14
2.1.2 Агломеративная кластеризация 15
2.1.3 Модель гауссовой смеси 16
2.2 Понижение размерности 17
2.3 Проверка статистических гипотез 19
Глава 3. Анализ данных 20
3.1 Выбор инструментария 20
3.2 Данные теста Векслера 20
3.3 Данные МРТ 23
3.4 Данные ЭЭГ 26
3.5 Отбор признаков 29
Выводы 32
Заключение 33
Список литературы 34
Постановка задачи 6
Обзор литературы 7
Глава 1. Исходные данные 9
1.1 Описание данных 9
1.2 Тест Векслера 9
1.3 Данные МРТ 10
1.4 Данные ЭЭГ 11
1.5 Анализы крови 13
1.6 Предобработка данных 13
Глава 2. Используемые методы 14
2.1 Кластеризация 14
2.1.1 K-средних 14
2.1.2 Агломеративная кластеризация 15
2.1.3 Модель гауссовой смеси 16
2.2 Понижение размерности 17
2.3 Проверка статистических гипотез 19
Глава 3. Анализ данных 20
3.1 Выбор инструментария 20
3.2 Данные теста Векслера 20
3.3 Данные МРТ 23
3.4 Данные ЭЭГ 26
3.5 Отбор признаков 29
Выводы 32
Заключение 33
Список литературы 34
📖 Введение
Предметная область: Сложность задач, возникающих в области нейрофизиологии, а также объем данных, которые используются для диагностики и лечения пациентов, неуклонно растут. В связи с этим разработка эффективных методов обработки этих данных становится наиболее приоритетной. В настоящее время медицинские исследования, и, в частности, нейрофизиология, являются обширной областью для применения методов искусственного интеллекта.
По оценкам, в 2018 году во всем мире насчитывалось около 50 миллионов человек, страдающих деменцией. К 2030 году это число по прогнозам увеличится до 82 миллионов, а уже к 2050 достигнет отметки 152 миллиона человека, что почти в 3 раза больше, чем на данный момент [1].
Болезнь Альцгеймера — это тип деменции, составляющий около 60-80% всех случаев, который вызывает проблемы с памятью, мышлением и поведением. Симптомы обычно развиваются медленно и со временем ухудшаются, становясь достаточно серьезными, чтобы мешать повседневным задачам. Повреждение мозга начинается задолго до того, как появляются проблемы с памятью или другие когнитивные проблемы [2].
Для диагностики болезни Альцгеймера требуется комплексное обследование: изучается семейная медицинская история, применяются различные методы нейровизуализации, например магнитно-резонансная томография (МРТ), проводятся нейрофизиологические исследования, например электроэнцефалография (ЭЭГ), когнитивные тесты на оценку памяти и мышления, анализы крови [3].
Актуальность исследования: Ранняя диагностика болезни Альцгеймера может позволить назначить своевременное лечение для замедления прогрессирования заболевания. Так как, на практике приходится вручную анализировать полученные результаты обследований, возможны ошибки, связанные с человеческим фактором. Кроме того, не всегда удается поставить точный диагноз. Учитывая большое количество источников данных, необходимо знать, на какие показатели стоит обращать внимание.
В данной работе будут рассмотрены данные полученные с помощью МРТ и ЭЭГ обследований, теста Векслера, а также анализов крови.
По оценкам, в 2018 году во всем мире насчитывалось около 50 миллионов человек, страдающих деменцией. К 2030 году это число по прогнозам увеличится до 82 миллионов, а уже к 2050 достигнет отметки 152 миллиона человека, что почти в 3 раза больше, чем на данный момент [1].
Болезнь Альцгеймера — это тип деменции, составляющий около 60-80% всех случаев, который вызывает проблемы с памятью, мышлением и поведением. Симптомы обычно развиваются медленно и со временем ухудшаются, становясь достаточно серьезными, чтобы мешать повседневным задачам. Повреждение мозга начинается задолго до того, как появляются проблемы с памятью или другие когнитивные проблемы [2].
Для диагностики болезни Альцгеймера требуется комплексное обследование: изучается семейная медицинская история, применяются различные методы нейровизуализации, например магнитно-резонансная томография (МРТ), проводятся нейрофизиологические исследования, например электроэнцефалография (ЭЭГ), когнитивные тесты на оценку памяти и мышления, анализы крови [3].
Актуальность исследования: Ранняя диагностика болезни Альцгеймера может позволить назначить своевременное лечение для замедления прогрессирования заболевания. Так как, на практике приходится вручную анализировать полученные результаты обследований, возможны ошибки, связанные с человеческим фактором. Кроме того, не всегда удается поставить точный диагноз. Учитывая большое количество источников данных, необходимо знать, на какие показатели стоит обращать внимание.
В данной работе будут рассмотрены данные полученные с помощью МРТ и ЭЭГ обследований, теста Векслера, а также анализов крови.
✅ Заключение
Все поставленные задачи данной работы были выполнены. Были произведены сбор и обработка данных, необходимых для проведения исследования, в том числе когерентный анализ ЭЭГ. Рассмотрены и применены различные методы кластерного анализа. Выполнен поиск статистически значимых различий между полученными кластерами. Наиболее качественные результаты были получены на признаках, которые наиболее сильно коррелируют с результатами теста Векслера.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.