РЕФЕРАТ 2
Содержание 3
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ 5
Введение 6
1 АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 7
1.1 Сферы применения нейронных сетей 7
1.2 Общая характеристика искусственных нейронных сетей 10
1.3 Обучение нейронной сети 13
1.4 Обоснование языка программирования 14
1.5 Выбор программной среды разработки 17
1.6 Преимущества и недостатки нейронных сетей 22
1.7 Нейросетевой анализ медицинских данных 23
1.8 Применение нейронных сетей в области анализа патологий в
кровеносных сосудах 26
1.9 Глубокое обучение 29
1.9.1. Методы глубинного обучения 30
1.9.2. Важность глубинного обучения 31
1.9.3 Микросервисы глубинного изучения 32
2 РЕАЛИЗАЦИЯ ПОЛЬЗОВАТЕЛЬСКОГО ПРИЛОЖЕНИЯ 33
2.1 Постановка задачи 33
2.2 Структура данных приложений 34
2.3 Выбор архитектуры приложения и способа организации
пользовательского интерфейса 34
2.4 Описание разработки программы 35
2.5 Отладка и тестирование 41
3 ОПИСАНИЕ ПРОГРАММЫ 43
3.1 Описание пользовательского приложения 43
3.2 Описание тестовых данных 43
3.3 Руководство пользователя для работы с программой 45
ЗАКЛЮЧЕНИЕ 54
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 55
Приложение А Листинги программы 57
Приложение А.1 Файл «urinary.py» 57
Приложение А.2 Файл «design.py» 58
Приложение А.3 Файл «mainPain.py» 78
Приложение B Презентация 82
ИИ начал проникать в науку о жизни из-за оцифрованных и часто массивных наборов данных, которые требуют анализа. Это позволяет упростить программирование машин, поскольку устраняет большую часть описания функций ячеек. ИИ должен быть показан только набор из двух типов клеток, например, раковых и нераковых, без подробного описания каждой функции.
ИИ движется к тому, чтобы трансформировать медицину и где-то даже заменить работников реальной медицины. Каждый год мы наблюдаем появление новых и более совершенных решений. Это, кстати, обеспечивает целый ряд преимуществ, одним из наиболее важных из которых является сокращение времени, необходимого для постановки диагноза, который позволяет медицинским работникам лучше расставить приоритеты в случае пациента.
Прямо сейчас уже есть достаточное количество успешных разработок. Искусственный интеллект и глубокое обучение могут анализировать гораздо больше факторов и случаев, чем работники здравоохранения. Чтобы быть более точным, мы можем использовать ИИ для исследования генома, разработки лекарств, медицинской визуализации. Устройства на основе ИИ могут изучать, анализировать большие объемы информации и принимать решения гораздо быстрее, чем люди.
В рамках данной выпускной квалификационной работы требуется разработать систему анализа данных на основе нейронных сетей с возможностью предсказания заболевания у женщин.
Результатом работы является проект на основе машинного обучения по прогнозированию наличия или отсутствия болезни недержания мочи у пациенток.
Программа написана на языке Python и упакована в архив с файлами, который можно распаковать на любом компьютере с ОС Windows и запустить исполняемый файл программы. Данный проект полностью удовлетворяет поставленной цели.
К особенностям проекта можно отнести его возможность использования файла обучения, данные которого можно изменять, дополняя количество текущих данных пациентов для обучения модели или корректируя данные текущих пациентов. При наличии новых данных, врач имеет возможность дополнить файл и улучшить качество обучения сети, что повлияет на качество итогового результата прогнозирования.
Отладка и тестирование, проведенные на созданной программе, позволили исправить ошибки в программе и добиться получения корректных результатов ее работы.
Работа над проектом позволила расширить знания и улучшить навыки создания нейронных сетей и их обучения для прогнозирования.
В качестве расширения и доработки данного программного продукта можно рассматривать разработку ПО под ОС Linux, доработку в сторону использования прогнозирования для других болезней, усовершенствование файла обучения для более качественного прогноза модели, увеличение гибкости программы в плане возможности изменения количества факторов самим пользователем.
