Застосування машинного навчання для рішення медичних задач
Вантажиться...
Дата
2023
Автори
Науковий керівник
Укладач
Редактор
Назва журналу
ISSN
E-ISSN
Назва тому
Видавець
Одеський національний університет імені І. І. Мечникова
Анотація
Кваліфікаційна робота присвячена застосуванню методів машинного навчання для рішення медичних задач. Метою даної роботи є підвищення точності прогнозування захворювання серця шляхом аналізу алгоритмів машинного навчання.
В сучасних умовах машинне навчання знайшло широке застосування в багатьох галузях, включаючи медицину. Застосування методів машинного навчання може допомогти у покращенні точності діагностики, прогнозуванні розвитку захворювань та підвищенні ефективності лікування.
У роботі проведено аналіз попередніх досліджень, присвячених застосуванню машинного навчання в медицині. Розглянуті різні методи машинного навчання, такі як нейронні мережі та дерева рішень.
Для порівняння різних моделей машинного навчання використані дані з медичних досліджень «Heart Disease», зокрема з областей діагностики захворювань та прогнозування розвитку захворювань. Для кожної моделі проведені тести та порівняння результатів. Розроблен веб-застосунок з інтерфейсом користувача для прогнозування серцевих захворювань.
Аналіз методів машинного навчання є дуже важливими для медичної галузі. Застосування даних методів допоможе у покращенні точності діагностики та прогнозування розвитку захворювань.
The qualification work is dedicated to the application of machine learning methods for solving medical problems. The aim of this work is to improve the accuracy of predicting heart disease by analyzing machine learning algorithms. In modern times, machine learning has found wide application in many fields, including medicine. The use of machine learning methods can help improve the accuracy of diagnosis, predict the development of diseases, and increase the effectiveness of treatment. The work analyzes previous research on the application of machine learning in medicine. Different machine learning methods, such as neural networks and decision trees, are considered. To compare different machine learning models, data from medical studies on «Heart Disease» were used, particularly in the areas of disease diagnosis and prediction. Tests and comparisons of results were conducted for each model. A web application with a user interface was developed for predicting heart disease. Analysis of machine learning methods is very important for the medical field. The use of these methods can help improve the accuracy of diagnosis and prediction of disease development.
The qualification work is dedicated to the application of machine learning methods for solving medical problems. The aim of this work is to improve the accuracy of predicting heart disease by analyzing machine learning algorithms. In modern times, machine learning has found wide application in many fields, including medicine. The use of machine learning methods can help improve the accuracy of diagnosis, predict the development of diseases, and increase the effectiveness of treatment. The work analyzes previous research on the application of machine learning in medicine. Different machine learning methods, such as neural networks and decision trees, are considered. To compare different machine learning models, data from medical studies on «Heart Disease» were used, particularly in the areas of disease diagnosis and prediction. Tests and comparisons of results were conducted for each model. A web application with a user interface was developed for predicting heart disease. Analysis of machine learning methods is very important for the medical field. The use of these methods can help improve the accuracy of diagnosis and prediction of disease development.
Опис
Ключові слова
123 комп’ютерна інженерія, бакалавр, машинне навчання, медичні задачі, захворювання серця, медицина, аналіз алгоритмів
Бібліографічний опис
Осипов, А. В. Застосування машинного навчання для рішення медичних задач : кваліфікаційна робота бакалавра ; Application of machine learning for solving medical problems / А. В. Осипов. – Одеса, 2023. – 51 с.