📄Работа №128401
Тема: Прогнозирование рисков кардиальных патологий на основе массивов данных результатов взятых анализов (проектная работа)
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Информационные системы
Объем:
42 листов
Год:
2021
Просмотров:
164
4370
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
Глава 1. Описание предметной области 6
1.1. Введение 6
1.2. Методы машинного обучения 7
1.3. Цели и задачи 8
Глава 2. Используемые подходы и решения 9
2.1. Релевантные работы 9
2.2. Используемые теоретические методы 10
2.2.1 Логистическая регрессия 11
2.2.2 Метод опорных векторов 11
2.2.3 Дерево решений 13
2.2.4 Случайный лес 15
2.3. Кроссвалидация 16
2.4. Метрики 16
2.4.1 Матрица неточностей 16
2.4.2 Precision, Recall, F-мера 17
2.4.3 ROC-анализ 18
Глава 3. Теоретическая часть 19
3.1. Описание данных 19
3.2. Подготовка данных 22
3.3. Результаты применения моделей 22
3.3.1 Логистическая регрессия 23
3.3.2 Метод опорных векторов 23
3.3.3 Дерево решений 24
3.3.4 Случайный лес 25
3.4. Анализ результатов 26
3.5. Метрики 27
3.6. Критерий 28
3.7. Комбинирование моделей 30
Глава 4. Программная реализация 31
4.1. Описание используемых программных средств 31
4.2. Реализация 32
4.2.1 Программный комплекс 32
4.2.2 Комбинирование моделей 32
4.2.3 Кроссвалидация 33
4.3. Архитектура приложения 33
4.3.1 Kernel 34
4.3.2 Компоненты методов 35
4.3.3 PredictingClass 35
4.3.4 Patient 35
4.3.5 Logic 35
4.3.6 UI 36
Заключение 37
Список литературы 38
Глава 1. Описание предметной области 6
1.1. Введение 6
1.2. Методы машинного обучения 7
1.3. Цели и задачи 8
Глава 2. Используемые подходы и решения 9
2.1. Релевантные работы 9
2.2. Используемые теоретические методы 10
2.2.1 Логистическая регрессия 11
2.2.2 Метод опорных векторов 11
2.2.3 Дерево решений 13
2.2.4 Случайный лес 15
2.3. Кроссвалидация 16
2.4. Метрики 16
2.4.1 Матрица неточностей 16
2.4.2 Precision, Recall, F-мера 17
2.4.3 ROC-анализ 18
Глава 3. Теоретическая часть 19
3.1. Описание данных 19
3.2. Подготовка данных 22
3.3. Результаты применения моделей 22
3.3.1 Логистическая регрессия 23
3.3.2 Метод опорных векторов 23
3.3.3 Дерево решений 24
3.3.4 Случайный лес 25
3.4. Анализ результатов 26
3.5. Метрики 27
3.6. Критерий 28
3.7. Комбинирование моделей 30
Глава 4. Программная реализация 31
4.1. Описание используемых программных средств 31
4.2. Реализация 32
4.2.1 Программный комплекс 32
4.2.2 Комбинирование моделей 32
4.2.3 Кроссвалидация 33
4.3. Архитектура приложения 33
4.3.1 Kernel 34
4.3.2 Компоненты методов 35
4.3.3 PredictingClass 35
4.3.4 Patient 35
4.3.5 Logic 35
4.3.6 UI 36
Заключение 37
Список литературы 38
📖 Введение
Актуальность темы. Ежегодно от сердечно-сосудистых заболеваний(ССЗ) умирает больше людей, чем от любой другой болезни, что подтверждается информацией, приведенной на сайте Всемирной организации здравоохранения(ВОЗ) [24]. По оценкам ВОЗ, в 2016 году от ССЗ умерло 17,9 миллиона человек, что составило 31% всех случаев смерти в мире. 85% этих смертей произошло в результате сердечного приступа и инсульта [1].
Данная работа основана на информации, полученной от «Всероссийского центра экстренной и радиационной медицины им. А.М.Никифорова» МЧС России (ВЦЭРМ). При поступлении у некоторых пациентов были обнаружены симптомы ССЗ. Впоследствии у них произошло резкое ухудшение состояния здоровья. И у части из них эти осложнения привели к гибели. Требуется заблаговременно определять такие случаи, чтобы у докторов была возможность предотвратить смерти людей. Результаты данной работы позволят врачам понять, каким пациентам стоит уделять больше внимания, а также выделить статистически значимые признаки, которые имеют наибольшее значение при постановке диагноза пациенту.
Целью данного проекта является автоматизация оценки риска смерти пациента с симптомами ССЗ на основе его личных данных и данных медицинских исследований с применением методов машинного обучения.
Для выполнения обозначенной цели были выделены следующие задачи:
1. исследовать существующие методы машинного обучения и их использование в сфере сердечно-сосудистых заболеваний;
2. реализовать несколько моделей предсказания, произвести их сравнительный анализ;
3. разработать критерий с целью использования показателей ЭКГ для обучения моделей;
4. разработать архитектуру прототипа программного модуля для визуализации оценки предсказания моделей и реализовать полученные методы в данном прототипе.
Объектом исследования являются личные данные пациентов и сведения об изменении их сердечного ритма во время наблюдения, полученные от ВЦЭРМ.
Предметом исследования являются алгоритмы и методы предсказания смерти человека на основе этих данных.
Научная новизна. Все результаты, выносимые на защиту, являются новыми. Впервые был получен программный комплекс на Python, позволяющий по вводимым пользователем медицинским показателям пациента, поступившего с симптомами ССЗ, получить вероятностную оценку итога ухудшения его состояния.
Теоретическая и практическая значимость исследования. Реализация приложения на языке Python позволит врачам получить вероятность смерти человека, и, как следствие, уделить внимание пациентам, чья жизнь находится под угрозой. А также обратить внимание на признаки, которые являются наиболее значимыми при постановке диагноза.
Методология работы заключается в разработке архитектуры и реализации программы, описании реализуемых методов и алгоритмов, создании графического интерфейса для получения данных о пациенте, их обработке с последующей интерпретацией и выведением результата.
Методы. Для программной реализации приложения были использованы методы объектно-ориентированного программирования. Программная реализация осуществлялась в среде разработки PyCharm на языке программирования Python с использованием фреймворка PyQT для визуализации.
Структура и объём работы. Текст работы включает в себя введение, четыре главы, заключение и список литературы. Общий объём ВКР — 41 страница.
В главе 1 обосновывается актуальность задачи и приводится описание целей и задач данной работы
В главе 2 приведен обзор существующих решений похожих задач в данной области, а также представлено описание алгоритмов, используемых для поставленной задачи.
В главе 3 представлены результаты работы алгоритмов, которые были реализованы для решения поставленной задачи, а также сравнительный анализ моделей.
Глава 4 посвящена программной реализации моделей предсказания, а также описанию программного комплекса.
Данная работа основана на информации, полученной от «Всероссийского центра экстренной и радиационной медицины им. А.М.Никифорова» МЧС России (ВЦЭРМ). При поступлении у некоторых пациентов были обнаружены симптомы ССЗ. Впоследствии у них произошло резкое ухудшение состояния здоровья. И у части из них эти осложнения привели к гибели. Требуется заблаговременно определять такие случаи, чтобы у докторов была возможность предотвратить смерти людей. Результаты данной работы позволят врачам понять, каким пациентам стоит уделять больше внимания, а также выделить статистически значимые признаки, которые имеют наибольшее значение при постановке диагноза пациенту.
Целью данного проекта является автоматизация оценки риска смерти пациента с симптомами ССЗ на основе его личных данных и данных медицинских исследований с применением методов машинного обучения.
Для выполнения обозначенной цели были выделены следующие задачи:
1. исследовать существующие методы машинного обучения и их использование в сфере сердечно-сосудистых заболеваний;
2. реализовать несколько моделей предсказания, произвести их сравнительный анализ;
3. разработать критерий с целью использования показателей ЭКГ для обучения моделей;
4. разработать архитектуру прототипа программного модуля для визуализации оценки предсказания моделей и реализовать полученные методы в данном прототипе.
Объектом исследования являются личные данные пациентов и сведения об изменении их сердечного ритма во время наблюдения, полученные от ВЦЭРМ.
Предметом исследования являются алгоритмы и методы предсказания смерти человека на основе этих данных.
Научная новизна. Все результаты, выносимые на защиту, являются новыми. Впервые был получен программный комплекс на Python, позволяющий по вводимым пользователем медицинским показателям пациента, поступившего с симптомами ССЗ, получить вероятностную оценку итога ухудшения его состояния.
Теоретическая и практическая значимость исследования. Реализация приложения на языке Python позволит врачам получить вероятность смерти человека, и, как следствие, уделить внимание пациентам, чья жизнь находится под угрозой. А также обратить внимание на признаки, которые являются наиболее значимыми при постановке диагноза.
Методология работы заключается в разработке архитектуры и реализации программы, описании реализуемых методов и алгоритмов, создании графического интерфейса для получения данных о пациенте, их обработке с последующей интерпретацией и выведением результата.
Методы. Для программной реализации приложения были использованы методы объектно-ориентированного программирования. Программная реализация осуществлялась в среде разработки PyCharm на языке программирования Python с использованием фреймворка PyQT для визуализации.
Структура и объём работы. Текст работы включает в себя введение, четыре главы, заключение и список литературы. Общий объём ВКР — 41 страница.
В главе 1 обосновывается актуальность задачи и приводится описание целей и задач данной работы
В главе 2 приведен обзор существующих решений похожих задач в данной области, а также представлено описание алгоритмов, используемых для поставленной задачи.
В главе 3 представлены результаты работы алгоритмов, которые были реализованы для решения поставленной задачи, а также сравнительный анализ моделей.
Глава 4 посвящена программной реализации моделей предсказания, а также описанию программного комплекса.
✅ Заключение
Данная выпускная работа бакалавра была посвящена реализации методов машинного обучения для прогнозирования итога ухудшения состояния пациента с симптомами ССЗ, а также созданию приложения для визуализации результата. Что имеет большое значение для работы врачей, так как поможет им предотвратить смерти людей, уделив большее внимание пациентам, которым угрожает опасность. Полученные результаты формируют задел для дальнейшей работы по улучшению точности предсказательных моделей и нахождению новых статистически значимых критериев.
В ходе выполнения данной работы были получены следующие результаты:
1. исследованы существующие методы машинного обучения, проведен анализ релевантных работ с целью выбрать наиболее подходящие в рамках задачи модели;
2. реализовано несколько моделей предсказания, произведен их сравнительный анализ;
3. разработан критерий с целью использования показателей ЭКГ для обучения моделей, улучшающий их точность;
4. разработана архитектура прототипа программного модуля для визуализации оценки предсказания моделей и все полученные методы реализованы в данном прототипе.
В ходе выполнения данной работы были получены следующие результаты:
1. исследованы существующие методы машинного обучения, проведен анализ релевантных работ с целью выбрать наиболее подходящие в рамках задачи модели;
2. реализовано несколько моделей предсказания, произведен их сравнительный анализ;
3. разработан критерий с целью использования показателей ЭКГ для обучения моделей, улучшающий их точность;
4. разработана архитектура прототипа программного модуля для визуализации оценки предсказания моделей и все полученные методы реализованы в данном прототипе.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.