📄Работа №130813
Тема: Проектирование и разработка системы автоматизированной медицинской диагностики (на примере диагностики заболевания Паркинсона)
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Информатика и вычислительная техника
Объем:
35 листов
Год:
2017
Просмотров:
204
4220
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
Постановка задачи
Обзор литературы
Глава 1. Описание медицинских данных . . . . . . . . . . . 9
2.1. Описание болезни Паркинсона . . . . . . . . . . . . . . . 9
2.2. Описание анализов голоса и речи . . . . . . . . . . . . . 10
Глава 2. Обзор используемых алгоритмов . . . . . . . . . . 13
2.1. Метод опорных векторов . . . . . . . . . . . . . . . . . . 13
2.2. Дерево принятия решений . . . . . . . . . . . . . . . . . 14
2.3. Метод k наиближайших соседей . . . . . . . . . . . . . . 16
2.4. Многослойная нейронная сеть . . . . . . . . . . . . . . . 17
2.5. Скользящий контроль
Глава 3. Сравнительный анализ эффективности работы
алгоритмов
Глава 4. Разработка веб-приложения . . . . . . . . . . . . . 23
4.1. Обзор используемых технологий . . . . . . . . . . . . . . 23
4.1.1. Spring framework . . . . . . . . . . . . . . . . . . 23
4.1.2. Hibernate . . . . . . . . . . . . . . . . . . . . . . 24
4.1.3. PostgreSQL . . . . . . . . . . . . . . . . . . . . . 25
4.1.4. Maven
4.1.5. Tomcat
4.1.6. Heroku
4.2. Архитектура приложения . . . . . . . . . . . . . . . . . 28
24.2.1. Требования к архитектуре . . . . . . . . . . . . 28
4.2.2. Структура таблиц базы данных . . . . . . . . . 29
4.2.3. Описание архитектуры проекта . . . . . . . . . 31
Заключение
Список литературы
Постановка задачи
Обзор литературы
Глава 1. Описание медицинских данных . . . . . . . . . . . 9
2.1. Описание болезни Паркинсона . . . . . . . . . . . . . . . 9
2.2. Описание анализов голоса и речи . . . . . . . . . . . . . 10
Глава 2. Обзор используемых алгоритмов . . . . . . . . . . 13
2.1. Метод опорных векторов . . . . . . . . . . . . . . . . . . 13
2.2. Дерево принятия решений . . . . . . . . . . . . . . . . . 14
2.3. Метод k наиближайших соседей . . . . . . . . . . . . . . 16
2.4. Многослойная нейронная сеть . . . . . . . . . . . . . . . 17
2.5. Скользящий контроль
Глава 3. Сравнительный анализ эффективности работы
алгоритмов
Глава 4. Разработка веб-приложения . . . . . . . . . . . . . 23
4.1. Обзор используемых технологий . . . . . . . . . . . . . . 23
4.1.1. Spring framework . . . . . . . . . . . . . . . . . . 23
4.1.2. Hibernate . . . . . . . . . . . . . . . . . . . . . . 24
4.1.3. PostgreSQL . . . . . . . . . . . . . . . . . . . . . 25
4.1.4. Maven
4.1.5. Tomcat
4.1.6. Heroku
4.2. Архитектура приложения . . . . . . . . . . . . . . . . . 28
24.2.1. Требования к архитектуре . . . . . . . . . . . . 28
4.2.2. Структура таблиц базы данных . . . . . . . . . 29
4.2.3. Описание архитектуры проекта . . . . . . . . . 31
Заключение
Список литературы
📖 Введение
В настоящее время сложно переоценить роль искусственного интеллекта в современном мире. Изобилие форм и областей применения демонстрирует силу и огромные возможности машинного обучения: от роботов,
побеждающих международных гроссмейстеров в шахматы, до автопилотируемых девайсов и автоматизированных игроков на фондовых рынках.
Большое количество исследований в научном мире, связанных с машинным обучением, ведется в области здравоохранения. Вопросы медицины вряд ли когда-либо потеряют свою важность, так как одной из основных целей современного общества является улучшение качества жизни, что
тесно связано со здоровьем населения планеты. Именно поэтому актуально
проводить исследования в области машинного обучения, связанные медициной, и разрабатывать программы и алгоритмы, способствующие развитию здравоохранения.
Разработанные инструменты медицинской диагностики не могут заменить всю работу врача. Это было бы рискованно и неэтично полагаться на пусть даже хорошо разработанный искусственный интеллект. Однако подобные программы могут существенно помочь доктору и ускорить зачастую длительный процесс диагностирования пациентов. Применение подобных инструментов необходимо, когда постановка диагноза усложняется большим количеством медицинских данных или редким заболеванием.
В данной выпускной квалификационной работе создавалась система автоматизированной медицинской диагностики. Ее работа демонстрируется на примере анализа голоса и речи пациентов с подозрением на заболевание Паркинсона. В настоящее время данная болезнь неизлечима и сложно диагностируется на ранних этапах. Поэтому для демонстрации работы системы была выбрана именно она.
С использованием современных технологий было разработано веб-приложение, с помощью которого лаборант, принимающий анализы у пациентов, мог бы пользоваться системой, получая результаты анализов в короткие сроки.
побеждающих международных гроссмейстеров в шахматы, до автопилотируемых девайсов и автоматизированных игроков на фондовых рынках.
Большое количество исследований в научном мире, связанных с машинным обучением, ведется в области здравоохранения. Вопросы медицины вряд ли когда-либо потеряют свою важность, так как одной из основных целей современного общества является улучшение качества жизни, что
тесно связано со здоровьем населения планеты. Именно поэтому актуально
проводить исследования в области машинного обучения, связанные медициной, и разрабатывать программы и алгоритмы, способствующие развитию здравоохранения.
Разработанные инструменты медицинской диагностики не могут заменить всю работу врача. Это было бы рискованно и неэтично полагаться на пусть даже хорошо разработанный искусственный интеллект. Однако подобные программы могут существенно помочь доктору и ускорить зачастую длительный процесс диагностирования пациентов. Применение подобных инструментов необходимо, когда постановка диагноза усложняется большим количеством медицинских данных или редким заболеванием.
В данной выпускной квалификационной работе создавалась система автоматизированной медицинской диагностики. Ее работа демонстрируется на примере анализа голоса и речи пациентов с подозрением на заболевание Паркинсона. В настоящее время данная болезнь неизлечима и сложно диагностируется на ранних этапах. Поэтому для демонстрации работы системы была выбрана именно она.
С использованием современных технологий было разработано веб-приложение, с помощью которого лаборант, принимающий анализы у пациентов, мог бы пользоваться системой, получая результаты анализов в короткие сроки.
✅ Заключение
В результате проделанной работы была спроектирована и разработана система автоматизированной медицинской диагностики. Для достижения этой цели был проведен сравнительный анализ эффективности метода
опорных векторов, метода дерева решений, метода k наиближайших соседей и многослойной нейронной сети. По результатам анализа, наилучший показатель среднего гармонического Precision и Recall был у многослойной
нейронной сети. На ее основе и было разработано веб-приложение. Демоверсию программы можно протестировать на сайте:
https://smartmed2017.herokuapp.com.
На данный момент приложение обладает набором функций для лаборанта, принимающего анализы у пациентов. Лаборант может узнать диагноз, загрузив в систему результаты анализа, просмотреть результаты уже
проведенных анализов, добавить данные для нового, еще не зарегистрированного в системе вида анализа.
В ходе дальнейшей работы планируется добавить новые модели пользователей: доктор и пациент; расширить для них функционал приложения. Улучшить работу нейронной сети: эмпирическим путем — с помощью
скользящего контроля — подобрать наилучшее количество скрытых слоев и нейронов внутри них
опорных векторов, метода дерева решений, метода k наиближайших соседей и многослойной нейронной сети. По результатам анализа, наилучший показатель среднего гармонического Precision и Recall был у многослойной
нейронной сети. На ее основе и было разработано веб-приложение. Демоверсию программы можно протестировать на сайте:
https://smartmed2017.herokuapp.com.
На данный момент приложение обладает набором функций для лаборанта, принимающего анализы у пациентов. Лаборант может узнать диагноз, загрузив в систему результаты анализа, просмотреть результаты уже
проведенных анализов, добавить данные для нового, еще не зарегистрированного в системе вида анализа.
В ходе дальнейшей работы планируется добавить новые модели пользователей: доктор и пациент; расширить для них функционал приложения. Улучшить работу нейронной сети: эмпирическим путем — с помощью
скользящего контроля — подобрать наилучшее количество скрытых слоев и нейронов внутри них
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.