ВВЕДЕНИЕ 3
1. ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В МЕДИЦИНСКИХ ИССЛЕДОВАНИЯХ 5
1.1 Медицинское обоснование исследования 5
1.2 Основные принципы искусственных нейронных сетей 7
1.3 Реализация нейронных сетей на Python 14
2. МОДЕЛИРОВАНИЕ И РЕАЛИЗАЦИЯ НЕЙРОННОЙ СЕТИ ДЛЯ ПРЕДВАРИТЕЛЬНОЙ ДИАГНОСТИКИ КОЖНЫХ ЗАБОЛЕВАНИЙ 20
2.1 Подготовка окружения 20
2.2 Подготовка данных 21
2.3 Программное решение 24
2.4 Результаты обучения нейронной сети 30
ЗАКЛЮЧЕНИЕ 35
СПИСОК ЛИТЕРАТУРЫ 36
ПРИЛОЖЕНИЕ 37
Исследования по предварительной диагностике кожных заболеваний с использованием искусственных нейронных сетей на основе медицинских изображений весьма актуальны и важны в области здравоохранения. Одной из ключевых проблем в области дерматологии является сложность и точность диагностики кожных заболеваний. Искусственный интеллект способен обрабатывать большой объем данных и извлекать сложные признаки, что делает его мощным инструментом для анализа медицинских изображений. Кроме того, данное исследование может значительно повысить доступность медицинской помощи, так как для предварительной диагностики пациенту будет достаточно сфотографировать беспокоящий его участок кожи.
Целью научно-исследовательской работы является разработка модели, основанной на применении искусственных нейронных сетей, для выполнения предварительной автоматизированной диагностики дерматологических заболеваний.
В рамках исследования можно выделить следующие задачи.
1. Сбор и подготовка данных. Задача состоит в сборе разнообразных и репрезентативных данных, представляющих из себя медицинские изображения кожных заболеваний, очистка данных от выбросов и их разделение на тренировочную и тестовую выборки.
2. Выбор и адаптация архитектуры нейронной сети. В рамках решения данной проблемы необходимо выбрать подходящую архитектуру нейронной сети, способную эффективно обрабатывать медицинские изображения кожных заболеваний. Для достижения наилучших результатов следует адаптировать выбранную архитектуру к конкретным требованиям и особенностям задачи.
3. Обучение, оптимизация и валидация модели. Задача состоит в том, чтобы обучить выбранную нейронную сеть на подготовленных данных, выбрать оптимальные гиперпараметры, функцию потерь и алгоритмы оптимизации.
Также эта задача включает в себя оценку качества и обобщающей способности разработанной модели.
Работа объемом 36 страниц основного текста состоит из введения, теоретической и практической частей, заключения, списка литературы и приложения; содержит в себе 2 таблицы и 16 рисунков. Во введении обосновывается актуальность исследования, приводится его цель и задачи, а также описывается структура работы. В первой главе рассматривается медицинское обоснование применения искусственных нейронных сетей в текущей задаче, основные принципы искусственных нейронных сетей и их реализация на языке программирования Python. В практической части содержится описание пошаговой реализации полного цикла моделирования и обучения нейронных сетей. В заключении подводятся итоги исследовательской работы.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Анализ медицинских изображений пациента средствами искусственных нейронных сетей для предварительной постановки диагноза. А также похожие готовые работы: страница 3 #9106177
Артикул: 9106177
- Предмет: Программирование
- Уникальность: 77% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2023 году
- Количество страниц: 47
- Формат файла: docx
- Последняя покупка: 14.03.2024
2 499p.
1. Галушкин, А.И. Нейронные сети: основы теории. / А.И. Галушкин: – М.: РиС, 2022: – 496 c.
2. Гелиг, А. Х. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие: моногр. / А.Х. Гелиг, А.С. Матвеев: – М.: Издательство СПбГУ, 2014: – 224 c.
3. Головко, В.А. От многослойных персептронов к нейронным сетям глубокого доверия: парадигмы обучения и применение. // В сб.: Нейроинформатика-2015. XVII Всероссийская научно-техническая конференция с международным участием. Лекции по нейроинформатике, НИЯУ МИФИ, 2015: С. 47-84.
4. Исхакова, А. Ф. Применение искусственногоинтеллекта / А. Ф. Исхакова // Вестник современных исследований. 2018, № 9.3 (24): – С. 261-262.
5. Метрики сходства и расстояния для науки о данных и машинного обучения. [Электронный ресурс] // Мachine learning mastery. URL: https://www.machinelearningmastery.ru/similarity-and-distance-metrics-fordata- science-and-machine-learning-e5121b3956f8/, (дата обращения: 15.04.2023).
6. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько: – М.: Ленанд, 2019: – 224 c.
7. Типы нейронных сетей. Принцип их работы и сфера применения. [Электронный ресурс] // Оtus.ru. URL: https://otus.ru/nest/post/1263/, (дата обращения: 28.03.2023).
8. Хайкин, С. Нейронные сети: полный курс / С. Хайкин: – М.: Диалектика, 2021:
– 1104 c.
9. DermNet. Dermatology recourse. [Электронный ресурс] // Dermnet. URL: https://dermnetnz.org/, (дата обращения: 03.04.2023).
10. Yoon Kim, Convolutional Neural Networks for Sentence Classification, 2014. [Электронный ресурс] // Arxiv.org. URL: https://arxiv.org/pdf/1408.5882.pdf, (дата обращения: 10.04.2023).
2. Гелиг, А. Х. Введение в математическую теорию обучаемых распознающих систем и нейронных сетей. Учебное пособие: моногр. / А.Х. Гелиг, А.С. Матвеев: – М.: Издательство СПбГУ, 2014: – 224 c.
3. Головко, В.А. От многослойных персептронов к нейронным сетям глубокого доверия: парадигмы обучения и применение. // В сб.: Нейроинформатика-2015. XVII Всероссийская научно-техническая конференция с международным участием. Лекции по нейроинформатике, НИЯУ МИФИ, 2015: С. 47-84.
4. Исхакова, А. Ф. Применение искусственногоинтеллекта / А. Ф. Исхакова // Вестник современных исследований. 2018, № 9.3 (24): – С. 261-262.
5. Метрики сходства и расстояния для науки о данных и машинного обучения. [Электронный ресурс] // Мachine learning mastery. URL: https://www.machinelearningmastery.ru/similarity-and-distance-metrics-fordata- science-and-machine-learning-e5121b3956f8/, (дата обращения: 15.04.2023).
6. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / В.Г. Редько: – М.: Ленанд, 2019: – 224 c.
7. Типы нейронных сетей. Принцип их работы и сфера применения. [Электронный ресурс] // Оtus.ru. URL: https://otus.ru/nest/post/1263/, (дата обращения: 28.03.2023).
8. Хайкин, С. Нейронные сети: полный курс / С. Хайкин: – М.: Диалектика, 2021:
– 1104 c.
9. DermNet. Dermatology recourse. [Электронный ресурс] // Dermnet. URL: https://dermnetnz.org/, (дата обращения: 03.04.2023).
10. Yoon Kim, Convolutional Neural Networks for Sentence Classification, 2014. [Электронный ресурс] // Arxiv.org. URL: https://arxiv.org/pdf/1408.5882.pdf, (дата обращения: 10.04.2023).
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Анализ медицинских изображений пациента средствами искусственных нейронных сетей для предварительной постановки диагноза |
| Артикул: | 9106177 |
| Дата написания: | 23.05.2023 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 77% |
| Количество страниц: | 47 |
Работа включает в себя только пояснительную записку и листинг программы
Файлы артикула: Анализ медицинских изображений пациента средствами искусственных нейронных сетей для предварительной постановки диагноза. А также похожие готовые работы: страница 3 по предмету программирование
Пролистайте "Анализ медицинских изображений пациента средствами искусственных нейронных сетей для предварительной постановки диагноза. А также похожие готовые работы: страница 3" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 22.07.2024
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 77% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
ПРЕДЫДУЩАЯ РАБОТА
Разработка базового программного обеспечения для создания интерактивных приложений с трехмерной графикой
СЛЕДУЮЩАЯ РАБОТА
Реализация протокола обмена сообщениями для умного дома