
Тип работы:	Предмет:	Язык работы:

Проектирование и разработка системы автоматизированной медицинской диагностики (на примере диагностики заболевания Паркинсона)

Работа №	138100
Тип работы	Бакалаврская работа
Предмет	информатика
Объем работы	35
Год сдачи	2017
Стоимость	4215 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	34

Не подходит работа?

Узнай цену на написание

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
2.2. Дерево принятия решений
2.3. Метод k наиближайших соседей
2.4. Многослойная нейронная сеть
2.5. Скользящий контроль
Глава 3. Сравнительный анализ эффективности работы
алгоритмов
Глава 4. Разработка веб-приложения
4.1. Обзор используемых технологий
4.1.1. Spring framework
4.1.2. Hibernate
4.1.3. PostgreSQL
4.1.4. Maven
4.1.5. Tomcat
4.1.6. Heroku
4.2. Архитектура приложения
24.2.1. Требования к архитектуре
4.2.2. Структура таблиц базы данных
4.2.3. Описание архитектуры проекта
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

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

В результате проделанной работы была спроектирована и разработана система автоматизировнной медицинской диагностики. Для достижения этой цели был проведен сравнительный анализ эффективности метода
опорных веторов, 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.

Литература

1] Scikit-learn http://scikit-learn.org/stable/
[2] Wu X., Kumar V. Top 10 algorithms in data mining // Knowl Inf Syst,
2008. Vol. 14(1). P. 1–37
[3] Bishop C. M. Neural Networks for Pattern Recognition. 2 ed. Oxford:
Oxford University Press, 1995. 482 p.
[4] Madjarov G., Kocev D. An extensive experimental comparison of methods
for multi-label learning // Pattern Recognition, 2012. Vol. 45, P. 3084–3104.
[5] Lewis D. D. Evaluating Text Categorization // Computer and Information
Science Dept., 1991. P. 312–318.
[6] Geisser S. Predictive Inference. Predictive Inference. New York: Chapman
and Hall, 1993. 240 p.
[7] Fowler M. Patterns of Enterprise Application Architecture. 1 ed. Boston:
Addison-Wesley, 2003. 533 p.
[8] Хо К., Харроп Р. Spring 3 для профессионалов. М.: Вильямс, 2013. 880с.
[9] Bauer C., King G. Java Persistence with Hibernate. Greenwich: Manning,
2005. 841 p.
34[10] Erdogdu Sakar, B., Isenkul, M.Collection and Analysis of a Parkinson
Speech Dataset with Multiple Types of Sound Recordings // IEEE Journal
of Biomedical and Health Informatics, 2013. Vol. 17(4). P. 828–834.
[11] UCI — Machine Learning Repository https://archive.ics.uci.edu