Поиск :
Личный кабинет :
Электронный каталог: Кашина Ксения Витальевна - Использование машинного обучения для диагностики медицинских изображений
Кашина Ксения Витальевна - Использование машинного обучения для диагностики медицинских изображений
Нет экз.
Электронный ресурс
Автор: Кашина Ксения Витальевна
Использование машинного обучения для диагностики медицинских изображений : выпускная квалификационная работа : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2025 г.
ISBN отсутствует
Автор: Кашина Ксения Витальевна
Использование машинного обучения для диагностики медицинских изображений : выпускная квалификационная работа : Бакалаврская работа
Издательство: Московский государственный психолого-педагогический университет, 2025 г.
ISBN отсутствует
На полку
Электронный ресурс
Кашина, Ксения Витальевна.
Использование машинного обучения для диагностики медицинских изображений : выпускная квалификационная работа : Бакалаврская работа / Ксения Витальевна Кашина. – Москва : Московский государственный психолого-педагогический университет, 2025. – 69 с. – URL: http://psychlib.ru/inc/absid.php?absid=504808 . – 09.03.03 - Прикладная информатика. Направленность программы "Прикладная информатика в психологии".
В условиях продолжающейся пандемии COVID-19 оперативная дифференцированная диагностика пневмоний получает всё большее значение. Выполненное исследование посвящено разработке и экспериментальной проверке интеллектуальной системы для автоматической классификации рентгенограмм лёгких по трём состояниям: нормальное, бактериальная или вирусная пневмония и COVID-19. Задачи работы включали формирование сбалансированного датасета из изображений трёх классов, реализацию пайплайна предобработки и аугментации, проектирование четырёх архитектур нейросетей (VGG16_custom, MobileNetV2_custom, DenseNet121_custom и собственной компактной CNN) и сравнение их точности, полноты и F1-меры на независимом тестовом наборе. В модели Grad-CAM был использован для визуального объяснения решений алгоритма.
In the context of the ongoing COVID-19 pandemic, prompt differential diagnosis of pneumonia is becoming increasingly important. The study is devoted to the development and experimental verification of an intelligent system for the automatic classification of lung radiographs into three conditions: normal, bacterial or viral pneumonia and COVID-19. The tasks of the work included the formation of a balanced dataset of images of three classes, the implementation of a pipeline of preprocessing and augmentation, the design of four neural network architectures (VGG 16_custom, Mobile Net V2_custom, DenseNet121_custom and its own compact CNN) and a comparison of their accuracy, completeness, and F1-measure on an independent test set. In the model Grad-CAM was used to visually explain the algorithm solutions.
Общий = Информатика, вычислительная техника
Общий = Психология отдельных видов деятельности. Отраслевая психология : Медицинская психология : Специальная (дефектологическая) психология
Кашина, Ксения Витальевна.
Использование машинного обучения для диагностики медицинских изображений : выпускная квалификационная работа : Бакалаврская работа / Ксения Витальевна Кашина. – Москва : Московский государственный психолого-педагогический университет, 2025. – 69 с. – URL: http://psychlib.ru/inc/absid.php?absid=504808 . – 09.03.03 - Прикладная информатика. Направленность программы "Прикладная информатика в психологии".
В условиях продолжающейся пандемии COVID-19 оперативная дифференцированная диагностика пневмоний получает всё большее значение. Выполненное исследование посвящено разработке и экспериментальной проверке интеллектуальной системы для автоматической классификации рентгенограмм лёгких по трём состояниям: нормальное, бактериальная или вирусная пневмония и COVID-19. Задачи работы включали формирование сбалансированного датасета из изображений трёх классов, реализацию пайплайна предобработки и аугментации, проектирование четырёх архитектур нейросетей (VGG16_custom, MobileNetV2_custom, DenseNet121_custom и собственной компактной CNN) и сравнение их точности, полноты и F1-меры на независимом тестовом наборе. В модели Grad-CAM был использован для визуального объяснения решений алгоритма.
In the context of the ongoing COVID-19 pandemic, prompt differential diagnosis of pneumonia is becoming increasingly important. The study is devoted to the development and experimental verification of an intelligent system for the automatic classification of lung radiographs into three conditions: normal, bacterial or viral pneumonia and COVID-19. The tasks of the work included the formation of a balanced dataset of images of three classes, the implementation of a pipeline of preprocessing and augmentation, the design of four neural network architectures (VGG 16_custom, Mobile Net V2_custom, DenseNet121_custom and its own compact CNN) and a comparison of their accuracy, completeness, and F1-measure on an independent test set. In the model Grad-CAM was used to visually explain the algorithm solutions.
Общий = Информатика, вычислительная техника
Общий = Психология отдельных видов деятельности. Отраслевая психология : Медицинская психология : Специальная (дефектологическая) психология