Дослідження методів машинного навчання для рішення задач медичного профілю
Loading...
Date
2023
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпро
Abstract
UKR: Робота присвячена дослідженню методів машинного навчання для рішення задач медичного профілю. Мета роботи - аналіз методів машинного навчання для підвищення точності та скорочення часу діагностики захворювань сечостатевої системи у дітей. Предмет дослідження – класифікатор захворювань сечостатевої системи пацієнтів Дніпропетровської обласної дитячої клінічної лікарні "Дніпропетровської обласної ради". В результаті дослідження вирішено такі завдання: зроблено аналіз літератури щодо застосування методів машинного навчання до захворювань сечостатевої системи; розроблено програму для вилучення в напівавтоматичному режимі необхідної інформації з виписок; проаналізовано бібліотеки мови Python та частину методів машинного навчання; проведено первинний аналіз та передобробка даних; застосовано методи класифікації, відбору ознак та заповнення пропущених значень; проаналізовано одержані результати та виконано обґрунтування результатів дослідження у предметній галузі.
ENG: The work is devoted to the study of machine learning methods for solving medical problems. The aim of the work is to analyze machine learning methods to improve the accuracy and reduce the time for diagnosing diseases of the genitourinary system in children. The object of research is machine learning methods. The subject of the study is a classifier of diseases of the genitourinary system of patients of the Dnipropetrovsk Regional Children's Clinical Hospital "Dnepropetrovsk Regional Council". As a result of the study, the following tasks were solved: an analysis of the literature on the application of machine learning methods to diseases of the genitourinary system was made; a program was developed to extract the necessary information on statements in a semi-automatic mode; Python libraries and part of machine learning methods were analyzed; primary analysis and processing of data was carried out; applied methods of classification, feature selection and filling in missing values; the obtained results were analyzed and the substantiation of the research results in the subject area was made.
ENG: The work is devoted to the study of machine learning methods for solving medical problems. The aim of the work is to analyze machine learning methods to improve the accuracy and reduce the time for diagnosing diseases of the genitourinary system in children. The object of research is machine learning methods. The subject of the study is a classifier of diseases of the genitourinary system of patients of the Dnipropetrovsk Regional Children's Clinical Hospital "Dnepropetrovsk Regional Council". As a result of the study, the following tasks were solved: an analysis of the literature on the application of machine learning methods to diseases of the genitourinary system was made; a program was developed to extract the necessary information on statements in a semi-automatic mode; Python libraries and part of machine learning methods were analyzed; primary analysis and processing of data was carried out; applied methods of classification, feature selection and filling in missing values; the obtained results were analyzed and the substantiation of the research results in the subject area was made.
Description
Keywords
алгоритми, класифікатор, машинне навчання, діагностика захворювань, випадковий ліс, метод к найближчого сусіда, багатошаровий перцептрон, логістична регресія, градієнтний бустинг, дерево рішень, algorithms, classifier, machine learning, disease diagnosis, random forest, nearest neighbor method, multilayer perceptron, logistic regression, gradient boosting, decision tree, КІТС
Citation
Островська К. Ю., Мінаєнко А. С. Дослідження методів машинного навчання для рішення задач медичного профілю. Системні технології. Дніпро, 2023. Т. 3, № 146. С. 118–133. DOI: 10.34185/1562-9945-3-146-2023-12.