Побудова діагностичної експертно-медичної системи з використанням нейронних мереж

Побудова діагностичної експертно-медичної системи з використанням нейронних мереж

В статье рассмотрено методы (деревья принятия решений, глубинное обучение, метод k-ближайших соседей, нейронные сети) создания диагностических экспертно-медицинские систем. Для практической части создания API были выбраны классификаторы и проведено исследование их работы. А именно были сравнены клас...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:Проблеми програмування
Datum:2020
Hauptverfasser: Глибовець, М.М., Салата, К.В., Ткач, Н.А.
Format: Artikel
Sprache:Ukrainian
Veröffentlicht: Інститут програмних систем НАН України 2020
Schlagworte:
Методи машинного навчання
Online Zugang:https://nasplib.isofts.kiev.ua/handle/123456789/180485
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:Побудова діагностичної експертно-медичної системи з використанням нейронних мереж / М.М. Глибовець, К.В. Салата, Н.А. Ткач // Проблеми програмування. — 2020. — № 2-3. — С. 384-391. — Бібліогр.: 9 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id nasplib_isofts_kiev_ua-123456789-180485
record_format dspace
spelling Глибовець, М.М.
Салата, К.В.
Ткач, Н.А.
2021-09-29T19:12:14Z
2021-09-29T19:12:14Z
2020
Побудова діагностичної експертно-медичної системи з використанням нейронних мереж / М.М. Глибовець, К.В. Салата, Н.А. Ткач // Проблеми програмування. — 2020. — № 2-3. — С. 384-391. — Бібліогр.: 9 назв. — укр.
1727-4907
DOI: https://doi.org/10.15407/pp2020.02-03.384
https://nasplib.isofts.kiev.ua/handle/123456789/180485
51-76
В статье рассмотрено методы (деревья принятия решений, глубинное обучение, метод k-ближайших соседей, нейронные сети) создания диагностических экспертно-медицинские систем. Для практической части создания API были выбраны классификаторы и проведено исследование их работы. А именно были сравнены классификаторы, базирующиеся на нейронных сетях, деревьях принятия решений и методе k-ближайших соседей. Были оптимизированы параметры для этих классификаторов. В результате были отобраны параметры на которых исследовались данные. Также был исследован датасет информации о пациентах, у которых был сердечный приступ, для разработки программной системы диагностирования сердечных болезней. Описано диагностическое API определения сердечных болезней пациентов.
В статье рассмотрено методы (деревья принятия решений, глубинное обучение, метод k-ближайших соседей, нейронные сети) создания диагностических экспертно-медицинские систем. Для практической части создания API были выбраны классификаторы и проведено исследование их работы. А именно были сравнены классификаторы, базирующиеся на нейронных сетях, деревьях принятия решений и методе k-ближайших соседей. Были оптимизированы параметры для этих классификаторов. В результате были отобраны параметры на которых исследовались данные. Также был исследован датасет информации о пациентах, у которых был сердечный приступ, для разработки программной системы диагностирования сердечных болезней. Описано диагностическое API определения сердечных болезней пациентов.
In the article was discussed the methods (decision trees, deep learning algorithms, k-nearest neighbors, neural networks) to create diagnostic expert medical systems. For practice part were developed diagnostic API based on chosen classifiers that implement the algorithms and a study of their work was conducted. Namely, classifiers based on neural networks, decision trees and k-nearest neighbors method were compared. The parameters for the selected classifier were optimized. As a result, were selected parameters on which the data were researched. In addition, the dataset of information of patients who had heart attack was researched to develop a diagnostic system for revealing heart diseases. The diagnostic API for revealing patients’ heart diseases is described. Keywords: diagnostic systems, medical systems, neural networks, decision trees, diagnostic API.
uk
Інститут програмних систем НАН України
Проблеми програмування
Методи машинного навчання
Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
Построение диагностической экспертно-медицинской системы с использованием нейронных сетей
Construction of diagnostic expert-medical system using neural networks
Article
published earlier
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
title Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
spellingShingle Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
Глибовець, М.М.
Салата, К.В.
Ткач, Н.А.
Методи машинного навчання
title_short Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
title_full Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
title_fullStr Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
title_full_unstemmed Побудова діагностичної експертно-медичної системи з використанням нейронних мереж
title_sort побудова діагностичної експертно-медичної системи з використанням нейронних мереж
author Глибовець, М.М.
Салата, К.В.
Ткач, Н.А.
author_facet Глибовець, М.М.
Салата, К.В.
Ткач, Н.А.
topic Методи машинного навчання
topic_facet Методи машинного навчання
publishDate 2020
language Ukrainian
container_title Проблеми програмування
publisher Інститут програмних систем НАН України
format Article
title_alt Построение диагностической экспертно-медицинской системы с использованием нейронных сетей
Construction of diagnostic expert-medical system using neural networks
description В статье рассмотрено методы (деревья принятия решений, глубинное обучение, метод k-ближайших соседей, нейронные сети) создания диагностических экспертно-медицинские систем. Для практической части создания API были выбраны классификаторы и проведено исследование их работы. А именно были сравнены классификаторы, базирующиеся на нейронных сетях, деревьях принятия решений и методе k-ближайших соседей. Были оптимизированы параметры для этих классификаторов. В результате были отобраны параметры на которых исследовались данные. Также был исследован датасет информации о пациентах, у которых был сердечный приступ, для разработки программной системы диагностирования сердечных болезней. Описано диагностическое API определения сердечных болезней пациентов. В статье рассмотрено методы (деревья принятия решений, глубинное обучение, метод k-ближайших соседей, нейронные сети) создания диагностических экспертно-медицинские систем. Для практической части создания API были выбраны классификаторы и проведено исследование их работы. А именно были сравнены классификаторы, базирующиеся на нейронных сетях, деревьях принятия решений и методе k-ближайших соседей. Были оптимизированы параметры для этих классификаторов. В результате были отобраны параметры на которых исследовались данные. Также был исследован датасет информации о пациентах, у которых был сердечный приступ, для разработки программной системы диагностирования сердечных болезней. Описано диагностическое API определения сердечных болезней пациентов. In the article was discussed the methods (decision trees, deep learning algorithms, k-nearest neighbors, neural networks) to create diagnostic expert medical systems. For practice part were developed diagnostic API based on chosen classifiers that implement the algorithms and a study of their work was conducted. Namely, classifiers based on neural networks, decision trees and k-nearest neighbors method were compared. The parameters for the selected classifier were optimized. As a result, were selected parameters on which the data were researched. In addition, the dataset of information of patients who had heart attack was researched to develop a diagnostic system for revealing heart diseases. The diagnostic API for revealing patients’ heart diseases is described. Keywords: diagnostic systems, medical systems, neural networks, decision trees, diagnostic API.
issn 1727-4907
url https://nasplib.isofts.kiev.ua/handle/123456789/180485
fulltext
citation_txt Побудова діагностичної експертно-медичної системи з використанням нейронних мереж / М.М. Глибовець, К.В. Салата, Н.А. Ткач // Проблеми програмування. — 2020. — № 2-3. — С. 384-391. — Бібліогр.: 9 назв. — укр.
work_keys_str_mv AT glibovecʹmm pobudovadíagnostičnoíekspertnomedičnoísistemizvikoristannâmneironnihmerež
AT salatakv pobudovadíagnostičnoíekspertnomedičnoísistemizvikoristannâmneironnihmerež
AT tkačna pobudovadíagnostičnoíekspertnomedičnoísistemizvikoristannâmneironnihmerež
AT glibovecʹmm postroeniediagnostičeskoiékspertnomedicinskoisistemysispolʹzovaniemneironnyhsetei
AT salatakv postroeniediagnostičeskoiékspertnomedicinskoisistemysispolʹzovaniemneironnyhsetei
AT tkačna postroeniediagnostičeskoiékspertnomedicinskoisistemysispolʹzovaniemneironnyhsetei
AT glibovecʹmm constructionofdiagnosticexpertmedicalsystemusingneuralnetworks
AT salatakv constructionofdiagnosticexpertmedicalsystemusingneuralnetworks
AT tkačna constructionofdiagnosticexpertmedicalsystemusingneuralnetworks
first_indexed 2025-11-26T00:38:17Z
last_indexed 2025-11-26T00:38:17Z
_version_ 1850600476985262080

Ähnliche Einträge