Дослідження методів машинного навчання для рішення задач медичного профілю

Simple item page
dc.contributor.authorОстровська, Катерина Юріївнаuk_UA
dc.contributor.authorМінаєнко, Анна Сергіївнаuk_UA
dc.date.accessioned2023-05-22T13:17:34Z
dc.date.available2023-05-22T13:17:34Z
dc.date.issued2023
dc.description.abstractUKR: 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.uk_UA
dc.description.abstractENG: 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.en
dc.identifierDOI: 10.34185/1562-9945-3-146-2023-12
dc.identifier.citationОстровська 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.uk_UA
dc.identifier.issn1562-9945 (Print)
dc.identifier.issn2707-7977 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/st/article/view/1267en
dc.identifier.urihttp://eadnurt.diit.edu.ua/jspui/handle/123456789/17086en
dc.language.isouk_UA
dc.publisherУкраїнський державний університет науки і технологій, ННІ ≪Інститут промислових та бізнес технологій≫, ІВК ≪Системні технології≫, Дніпроuk_UA
dc.subjectалгоритмиuk_UA
dc.subjectкласифікаторuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectдіагностика захворюваньuk_UA
dc.subjectвипадковий лісuk_UA
dc.subjectметод к найближчого сусідаuk_UA
dc.subjectбагатошаровий перцептронuk_UA
dc.subjectлогістична регресіяuk_UA
dc.subjectградієнтний бустингuk_UA
dc.subjectдерево рішеньuk_UA
dc.subjectalgorithmsen
dc.subjectclassifieren
dc.subjectmachine learningen
dc.subjectdisease diagnosisen
dc.subjectrandom foresten
dc.subjectnearest neighbor methoden
dc.subjectmultilayer perceptronen
dc.subjectlogistic regressionen
dc.subjectgradient boostingen
dc.subjectdecision treeen
dc.subjectКІТСuk_UA
dc.titleДослідження методів машинного навчання для рішення задач медичного профілюuk_UA
dc.title.alternativeResearch in Machine Learning Methods for Solving Problems of the Medical Profileen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Ostrovska.pdf
Size:
828.33 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 3 № 146 (СТ ІПБТ)
Статті КІТС (ІПБТ)