Содержание 2
Введение 4
Постановка задачи 6
Обзор литературы 7
Глава 1. Обзор МИС «Виста-Мед» 10
1.1. Обзор графического интерфейса приложения 10
1.2. Обзор архитектуры баз данных приложения 12
Глава 2. Создание классификатора, принимающего решение о необходимости операции пациенту 17
2.1. Подготовка данных, создание выборки, выбор признаков 17
2.2. Алгоритмы классификации 22
2.2.1. Метод опорных векторов 22
2.2.2. Дерево принятия решений 24
2.2.3. Случайный лес 25
2.3. Меры качества классификации и результаты при кросс-валидации 26
Глава 3. Создание классификатора, определяющего болезнь пациента 30
3.1. Создание выборки, выбор признаков 30
3.2. Применение алгоритмов классификации и результаты при кросс-валидации 31
3.3. Результаты при учете других признаков пациента 36
3.3.1. Добавление возраста к признакам 36
3.3.2. Использование биохимического анализа крови 40
Глава 4. Решение проблемы несбалансированных выборок 51
4.1. Oversampling 51
4.1.2. Алгоритм SMOTE 51
4.1.2. Алгоритм ADASYN 52
4.2. Undersampling 53
4.3. Результаты для классификатора по операциям 54
4.4. Результаты для классификатора, определяющего болезнь 57
Выводы 61
Заключение 63
Список литературы 64
Приложение 67
Приложение 1 67
На данный момент, IT — технологии играют большую роль в жизни человека. В последнее время все актуальнее становится вопрос внедрения машинного обучения в различные сферы человеческой деятельности. Одними из основных задач машинного обучения являются задачи классификации, кластеризации и восстановления регрессии.
Оно применяется в распознавании речи и текста (в частности, рукописного ввода), распознавании образов на изображениях и в видеопотоке, обнаружении спама, информационном поиске и т. д. Впоследствии, результаты работы искусственного интеллекта используются при создании автопилотов, голосовых ассистентов, рекомендательных систем, интернета вещей.
Также одной из областей применения машинного обучения является медицинская диагностика. Например, в 2015 году сотрудниками Массачусетского технологического университета была разработана система, позволяющая диагностировать у пациента болезнь Альцгеймера или болезнь Паркинсона по оцифрованному изображению стрелочных часов, нарисованному пациентом (dCDT - digital Clock Drawing Test). Точность работы данной системы была достаточно высока и достигала значений от 75 до 93 процентов в зависимости от используемого алгоритма [1].
Впрочем, популярность набирает не только машинное обучение. Все больше предприятий и компаний используют ERP - системы (Enterprise Resource Planning). Это программное обеспечение представляет из себя интегрированный набор бизнес - приложений. Они позволяют использовать единую модель данных, хранящую в себе информацию о финансах, управления персоналом, обслуживании, поставках и прочем. Также, ERP - системы позволяют автоматизировать бизнес-процессы в различных отраслях производства, что положительно сказывается на их эффективности [2].
ERP - системы для учреждений здравоохранения имеют специальное название - медицинские информационные системы (МИС). Они позволяют вести электронные медицинские карты, автоматизировать деятельность лечебно-профилактических учреждений [3]. Работать с данными одной из таких МИС нам и придется.
Были разработаны следующие прототипа информационных систем:
1. Экспертная система, позволяющая принять решение о необходимости операции тому или иному пациенту с инфарктом мозга. В дальнейшем, планируется собрать больше данных, и улучшить качество его работы.
2. Экспертная система, позволяющая классифицировать пациентов по болезням.
Для создания систем, использовались следующие методы: метод опорных векторов, дерево решений и случайный лес. Также, для увеличения размера минорной выборки (в пункте 1) были использованы алгоритмы SMOTE, ADASYN.
В дальнейшем, планируется собрать больше данных, получить экспертные системы должного качества и при положительном результате встроить полученные продукты в МИС «Виста-мед» в качестве рекомендательной системы для врача.
В последнее время также получают распространение телемедицинские технологии. Они позволяют высококвалифицированным врачам удаленно участвовать в лечении пациентов, тем самым повышая его качество.
