Search academic texts

Information × Registration Number 2125U002845, Article popup.category Бакалаврська робота Title Прогнозування діабетичної ретинопатії на основі біомедичних даних з використанням методів машинного навчання (AI translated) popup.author Крупко Марія ЮріївнаKrupko Mariya Yuriivna popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75795 popup.publisher Київ Description Дипломна робота: 106 с., 13 рис., 10 табл., 30 посилань, 1 додаток. Об’єктом дослідження є процес автоматизованої діагностики діабетичної ретинопатії за допомогою методів глибокого навчання. Предметом дослідження є архітектури моделей глибокого навчання та методи обробки зображень для виявлення діабетичної ретинопатії. Метою роботи є підвищення точності автоматизованої діагностики діабетичної ретинопатії шляхом дослідження та розробки моделей глибокого навчання на основі медичних зображень. Сучасні системи автоматизованої діагностики діабетичної ретинопатії часто працюють за фіксованими правилами або поверхневими моделями, що не враховують складності візуального представлення хвороби. У цій роботі запропоновано підхід на основі глибокого навчання, який дозволяє ефективно класифікувати зображення очного дна за наявністю патологій. Проведено експерименти з різними архітектурами та конфігураціями вхідних даних. На основі отриманих результатів сформовано рекомендації щодо побудови практичної системи підтримки медичної діагностики. Bachelor's thesis: 106 p., 13 figures, 10 tables, 30 references, 1 appendix. The object of this research is the process of automated diagnosis of diabetic retinopathy using deep learning methods and techniques. The subject of research is the architectures of deep learning models and image preprocessing techniques for diabetic retinopathy diagnosis. The purpose of the work is to improve the accuracy of diabetic retinopathy detection by developing and evaluating deep learning-based classification models using retinal images. Modern systems for automated diabetic retinopathy diagnosis often rely on rule-based logic or shallow models, which fail to capture the complex visual patterns of the disease. This work presents a deep learning-based approach for robust classification of fundus images. Multiple architectures and input configurations were evaluated experimentally. Based on the results, practical recommendations were developed for constructing a medical decision support system. popup.nrat_date 2025-11-05 Close