Дослідження продуктивності нейронних мереж під час аналізу медичних даних Covid-19
| dc.contributor.author | Коченко, Микола Віталійович | uk_UA |
| dc.date.accessioned | 2025-03-21T10:54:52Z | |
| dc.date.available | 2025-03-21T10:54:52Z | |
| dc.date.issued | 2025 | |
| dc.description.abstract | UKR: Пояснювальна записка до кваліфікаційної роботи магістра 90 с., 3 рис., 5 табл., 4 додатки, 70 джерел. На даний момент методи машинного навчання все частіше застосовуються для вирішення задач різних областей, наприклад в медицині. Методи машинного навчання використовують для діагностики захворювань та інтерпретації результатів. Основними цілями таких розробок є допомога лікарям в сенсі скорочення часу досліджень аналізів пацієнта та полегшення роботи лікаря. У цій роботі для розв'язання задачі класіфікації та розпізнавання COVID-19 за рентгенівськими знімками використовуються згорткові нейронні мережі. Згорткові нейронні мережі це найбільше ефективний інструмент для розпізнавання зображень. Основними якостями даного виду мереж є стійкість до зашумлення чи спотворення вихідних даних. Метою дослідження даної роботи є створення згорткової нейронної мережі для діагностики COVID-19 за рентгенівськими знімками. Для досягнення поставленої мети вирішено такі завдання: огляд наукових праць, присвячених патогенності віруса COVID-19; огляд наукових статей, присвячених прогнозуванню та дослідженню коронавірусу за допомогою алгоритмів машинного навчання та штучних нейронних мереж; підготовка вхідних даних; класіфікація та прогнозування COVID-19 за допомогою згорткової нейронної мережі; інтерпретація результатів. Об'єктом дослідження є динаміка захворюваності та смертності від коронавірусу COVID-19, предметом – застосування нейронних мереж для прогнозування патогенності вірусу У роботі використані методи машинного навчання, штучні нейромережі, статистичні методи прогнозування. Програма реалізована мовою програмування Python. Для моделювання використовували бібліотеки Keras, а також бібліотеки TensorFlow як найбільш популярних фреймворків для побудови передбачуваних моделей, оцінка точності прогнозів моделі та підбір оптимальних параметрів. Пояснювальна записка складається зі вступу, чотирьох розділів, висновків, бібліографічного списку та восьми додатків. Вступ описує суть, мету та актуальність роботи. Перший розділ: огляд предметної галузі. Другий розділ: методи аналізу сучасних нейронних мереж. Третій розділ: проектний розділ. Четвертий розділ: дослідження нейромереж. П’ятий розділ: безпека праці та захист даних. Додатки: технічне завдання, керівництво користувача, текст програми, тези двох доповідей | uk_UA |
| dc.description.abstract | ENG: Explanatory note to the master's qualification work 90 p., 3 fig., 5 tab., 4 appendices, 70 sources. Currently, machine learning methods are increasingly used to solve problems in various fields, for example, in medicine. Machine learning methods are used to diagnose diseases and interpret results. The main goals of such developments are to help doctors in terms of reducing the time for studying patient tests and facilitating the doctor's work. In this work, convolutional neural networks are used to solve the problem of classifying and recognizing COVID-19 from X-ray images. Convolutional neural networks are the most effective tool for image recognition. The main qualities of this type of network are resistance to noise or distortion of the original data. The purpose of this research work is to create a convolutional neural network for diagnosing COVID-19 from X-ray images. To achieve this goal, the following tasks were solved: review of scientific papers devoted to the pathogenicity of the COVID-19 virus; review of scientific articles devoted to the prediction and research of coronavirus using machine learning algorithms and artificial neural networks; preparation of input data; classification and prediction of COVID-19 using a convolutional neural network; interpretation of results. The object of the study is the dynamics of morbidity and mortality from the COVID-19 coronavirus, the subject is the application of neural networks to predict the pathogenicity of the virus. The work uses machine learning methods, artificial neural networks, and statistical forecasting methods. The program is implemented in the Python programming language. For modeling, Keras libraries were used, as well as TensorFlow libraries as the most popular frameworks for building predictive models, assessing the accuracy of model predictions, and selecting optimal parameters. The explanatory note consists of an introduction, four sections, conclusions, a bibliographic list, and eight appendices. The introduction describes the essence, purpose, and relevance of the work. The first section: overview of the subject area. The second section: methods for analyzing modern neural networks. Section three: project section. Section four: neural network research. Section five: occupational safety and data protection. Appendices: technical specifications, user manual, program text, abstracts of two reports | en |
| dc.identifier.citation | Коченко М. В. Дослідження продуктивності нейронних мереж під час аналізу медичних даних Covid-19 : дипломна робота на здобуття кваліфікаційного ступеня магістра : спец. 121 – Інженерія програмного забезпечення / наук. Керівник С. А. Волкова. ; Український державний університет науки та технологій. Дніпро, 2025. 120 с. | uk_UA |
| dc.identifier.uri | https://crust.ust.edu.ua/handle/123456789/19871 | |
| dc.language.iso | uk | |
| dc.publisher | Український державний університет науки і технологій, Дніпро | uk_UA |
| dc.subject | нейрона мережа | uk_UA |
| dc.subject | машинне навчання | uk_UA |
| dc.subject | діагностика covid-19 | uk_UA |
| dc.subject | згорткові нейронні мережі | uk_UA |
| dc.subject | розпізнавання зображень | uk_UA |
| dc.subject | neural network | en |
| dc.subject | machine learning | en |
| dc.subject | covid-19 diagnostics | en |
| dc.subject | convulsive neural networks | en |
| dc.subject | image recognition | en |
| dc.subject | python | en |
| dc.subject | keras | en |
| dc.subject | ВКР | uk_UA |
| dc.subject | КІТ | uk_UA |
| dc.subject.classification | TECHNOLOGY | en |
| dc.title | Дослідження продуктивності нейронних мереж під час аналізу медичних даних Covid-19 | uk_UA |
| dc.title.alternative | Research on the performance of neural networks when analyzing Covid-19 medical data | en |
| dc.type | Master's Thesis | en |