Введение 8
Обзор литературы 10
Глава 1 Постановка задачи 12
1.1. Понятие информационной системы 12
1.2 Описание предметной области 12
1.4 Формальная постановка задачи 15
Глава 2 Выбор методов решения задачи 16
2.1 Выбор технологии и описание методов решения задачи 16
2.1.1 База знаний 16
2.1.2 Стратегии получения знаний 16
2.1.3 Технология Data Mining 17
2.1.4. Кластерный анализ 17
2.1.5. Построение деревьев решений 18
2.2. Выбор инструмента решения 19
Глава 3 Решение поставленной задачи и описание полученных результатов 23
3.1. Подготовка данных к анализу 23
3.2. Алгоритм выявления скрытых закономерностей 23
3.3. Кластерный анализ данных 24
3.4. Построение деревьев решений 29
3.5. Анализ полученных результатов 34
Глава 4 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 35
4.1. Оценка коммерческого потенциала и перспективности проведения научных
исследований с позиции ресурсоэффективности и ресурсосбережения 35
4.1.1. Потенциальные потребители результатов исследования 35
4.1.2. Анализ конкурентных технических решений 35
4.1.3. Технология QuaD 37
4.1.4. SWOT-анализ 38
4.2. Планирование научно-исследовательских работ 39
4.2.1. Структура работ в рамках научного исследования 39
4.2.2. Определение трудоемкости выполнения работ 40
4.2.3. Разработка графика проведения научного исследования 42
4.3. Бюджет научно-технического исследования (НТИ) 47
4.3.1. Расчет материальных затрат НТИ 47
4.3.2. Основная заработная плата исполнителей темы 47
4.3.3. Дополнительная заработная плата 49
4.3.4. Отчисления во внебюджетные фонды (страховые отчисления) 49
4.3.5. Накладные расходы 50
4.3.6. Формирование бюджета затрат научно-исследовательского проекта 50
4.4. Определение ресурсной (ресурсосберегающей), финансовой, бюджетной,
социальной и экономической эффективности исследования 51
Глава 5 Социальная ответственность 56
5.1. Техногенная безопасность 56
5.2. Региональная безопасность 62
5.3. Организационные мероприятия обеспечения безопасности 63
5.4. Особенности законодательного регулирования проектных решений 63
5.5. Безопасность в чрезвычайных ситуациях 64
Заключение 66
Список публикаций студента 68
Список использованных источников 72
Приложение А 75
Приложение Б 78
Выпускная квалификационная работа 91 с., 11 рис., 22 табл., 28 источников, 2 прил.
Ключевые слова: многомерные данные, Data Mining, закономерности, кластеризация, логические правила.
Объект исследования - многомерные данные (в частности, клинико-лабораторные показатели пациентов с бронхиальной астмой).
Предмет исследования - обработка многомерных данных с использованием пакетов языка R.
Целью работы является создание системы поддержки медицинских научных исследований бронхиальной астмы, на основе анализа клинико-лабораторных показателей.
Метод исследования - теоретический, практический, получение информации о предметной области, её исследование и анализ.
В результате анализа предметной области, проведен анализ клинико-лабораторных показателей, на основе полученных результатов сформирована база знаний.
Выпускная квалификационная работа выполнена в текстовом редакторе Microsoft Word 2010 и представлена на диске (в конверте на обороте обложки).
Введение
Бронхиальная астма (БА) является глобальной проблемой, с каждым годом ее актуальность во всем мире возрастает. БА также называют одной из болезней цивилизации, так как ее распространенность в современном обществе постоянно растает. Статистика показывает, что у 60-80% взрослых пациентов данное заболевание появилось в детском возрасте.
Резкий рост заболеваемости астмой произошел в конце XX века. В 1998 году число больных бронхиальной астмой в мире достигало 155 млн человек, а в настоящее время эта цифра превышает 300 млн. Исходя из данных некоторых прогностических аналитических исследований, можно сделать вывод, что к 2025 году, в том случае, если процесс урбанизации будет продолжаться теми же темпами, бронхиальная астма разовьется дополнительно у 100-150 млн человек [1]. Согласно данным статистических материалов МЗ РФ за 2014 г., в России официально зарегистрировано 1406493 больных бронхиальной астмой. По оценкам специалистов, численность больных астмой как минимум в 5-6 раз превышает данные официальной статистики и составляет приблизительно 9,915 млн [2].
Накопленные в архивах медицинские данные содержать большой запас информации о различных случаях заболеваний, о тяжести и ходе лечения, а также хранят огромное количество клинико-лабораторных показателей.
По данным Федерального информационного фонда данных социальногигиенического мониторинга (2014 г.) Томская область отнесена к территориям «риска» по уровню заболеваемости населения астмой. В 2014 г. заболеваемость астмой (астматический статус) населения Томской области в возрастных группах находилась на следующих уровнях: дети - 238,2 на 100 тыс. населения данной возрастной группы, подростки - 142,9, взрослые - 107,8.
В связи с этим актуальность темы выпускной квалификационной работы не вызывает сомнений.
Решением проблемы БА может послужить анализ клинико-лабораторных показателей, которые отражают состояние и клиническую картину и нахождение закономерностей, помогающих корректировать лечение.
Целью работы является создание системы поддержки медицинских научных исследований бронхиальной астмы, на основе анализа клинико-лабораторных показателей.
Выпускная квалификационная работа посвящена решению следующих задач:
• выявить скрытые закономерности эффективности лечения пациентов;
• сформировать группы пациентов со сходными значениями клинико-лабораторных показателей;
• на основании выявленных скрытых закономерностей, сформировать базу знаний;
В результате выполнения выпускной квалификационной работы, была создана система поддержки медицинских научных исследований бронхиальной астмы, на основе анализа клинико-лабораторных показателей.
С использованием разработанной системы было подтверждено предположение о наличии 4 групп (кластеров) пациентов, страдающих БА со сходными значениями клинико-лабораторных показателей.
В рамках выполнения ВКР был разработан алгоритм выявления скрытых закономерностей, который основывается на системе поддержки медицинских исследований БА.
Исследования проводились в рамках выполнения проекта РФФИ 14-07-00675 «Cистема поддержки медицинских научных исследований психогенных форм бронхиальной астмы» (под рук. профессора каф. ПИ О.Г. Берестневой).
Результаты работы представлены в следующих научных публикациях и выступлениях на конференциях:
1. Жаркова О. С., Шаропин К. А. , Сеидова А. С. , Берестнева Е. В. , Осадчая И. А. Построение систем поддержки принятия решений в медицине на основе деревьев решений // Современные наукоемкие технологии. - 2016 - №. 6-1. - C. 33-37.
2. Сеидова А. С. Инструментальные методы анализа медицинских данных // Научная сессия ТУСУР-2017: материалы Международной научно-технической конференции студентов, аспирантов и молодых ученых, посвященной 55-летию ТУСУРа. В 8 частях, Томск, 10-12 Мая 2017. - Томск: ТУСУР, 2017 - Т. 5 - C. 216-218.
3. Сеидова А. С. , Берестнева Е. В. Построение СППР на основе деревьев решений в
медицинских исследованиях [Электронный ресурс] // Молодежь и современные информационные технологии: сборник трудов XIV Международной научно-практической конференции студентов, аспирантов и молодых ученых. В 2 т., Томск, 7-11 Ноября 2016. - Томск: ТПУ, 2017 - Т. 2 - C. 288-289. - Режим доступа:
http://portal.tpu.ru:7777/f_ic/files/science/activities/msit/msit2016/Sbornik_2016/Sbornik_MSIT _2016(Tom2).pdf. (Выступление с докладом).
4. Сеидова А. С. Формирование базы знаний для медицинской информационной системы // Научная сессия ТУСУР-2016: материалы Международной научно-технической конференции студентов, аспирантов и молодых ученых. В 6 частях. Часть 3, Томск, 25-27 Мая 2016. - Томск: В-Спектр, 2016 - C. 180-183. (Выступление с докладом).
5. Сеидова А. С. , Марухина О. В. Использование пакета WIZWHY для формирования базы знаний медицинской экспертной системы // Информационные системы и технологии (ИСТ-2016): материалы XXII Международной научно-технической конференции, Нижний Новгород, 22-23 Апреля 2016. - Нижний Новгород: Изд-во НГТУ, 2016 -C. 413.
6. Сеидова А. С. , Берестнева Е. В. , Осадчая И. А. Построение СППР в медицине на основе деревьев решений // Информационные технологии в науке, управлении, социальной сфере и медицине: сборник научных трудов III Международной конференции. В 2 т., Томск, 23-26 Мая 2016. - Томск: ТПУ, 2016 - Т. 1 - C. 669-671. (Выступление с докладом, диплом 2 степени.).
7. Сеидова А. С. , Марухина О. В. Использование пакета WIZWHY для формирования базы знаний экспертных систем // Информационные технологии в науке, управлении, социальной сфере и медицине: сборник научных трудов III Международной конференции. В 2 т., Томск, 23-26 Мая 2016. - Томск: ТПУ, 2016 - Т. 1 - C. 495-497. (Выступление с докладом).
8. Сеидова А. С. Формирование базы знаний на основе пакета WIZWHY для медицинской информационной системы // Молодежь и современные информационные технологии: сборник трудов XIII Международной научно - практической конференции студентов, аспирантов и молодых ученых , Томск, 9-13 Ноября 2015. - Томск: ТПУ, 2016 - Т. 2 - C. 262-263. (Выступление с докладом, диплом 3 степени.).
Помощь студентам и аспирантам в выполнении работ от наших партнеров
