Пошук академічних текстів

Інформація × Реєстраційний номер 0417U002346, Кандидатська дисертація На здобуття к.т.н. Дата захисту 02-06-2017 Статус Запланована Назва роботи Моделі і методи інформаційної технології радіонуклідного діагностування патологій за умови неповної визначеності Здобувач Москаленко Альона Сергіївна, Керівник Довбиш Анатолій Степанович Опонент Гамаюн Ігор Петрович Опонент Красовська Інеса Григорівна Опис Об'єкт дослідження - слабоформалізований процес класифікації результатів радіонуклідного обстеження нирок та міокарду за умов неповної визначеності, обумовленої довільними початковими умовами формування зображень; мета дослідження - підвищення функціональної ефективності системи радіонуклідного діагностування патологій нирок та міокарду шляхом створення інформаційної технології машинного навчання; методи дослідження - методи системного аналізу та інформаційної інтелектуальної технології аналізу даних, теорії ймовірностей і математичної статистики, теорії інформації, об'єктно-орієнтована методологія проектування інформаційного та програмного забезпечення; результати - розв'язано важливу науково-практичну задачу підвищення функціональної ефективності інформаційної системи радіонуклідного діагностування патологій нирок та міокарду; новизна - вперше розроблено модель і метод машинного навчання, заснований на багатоінтервальній системі контрольних допусків на значення різнотипних діагностичних ознак та ієрархічній структурі контейнерів класів розпізнавання, які на відміну від існуючих враховують багатомодальність щільності розподілу ймовірності категорійних та числових діагностичних даних, що дозволяє підвищити точність розпізнавання функціональних станів нирок та міокарду для прийняття рішень щодо патології пацієнта; вперше розроблено метод оцінювання функціональної ефективності системи діагностування з ієрархічною структурою контейнерів класів розпізнавання на основі запропонованої модифікації інформаційного критерію оптимізації параметрів навчання, що дозволяє підвищити достовірність вирішальних правил;удосконалено модель і метод ансамблевої кластеризації, які на відміну від інших основані на використанні інформаційного критерію для оптимізації параметрів індивідуальних та результуючого розбиттів, що дозволяє підвищити стійкість результатів кластер-аналізу та функціональну ефективність машинного навчання;дістав подальшого розвитку метод ройового пошуку глобального максимуму інформаційного критерію функціональної ефективності шляхом модифікації процедур оновлення персональної та глобальної найкращих позицій частинок рою, що дозволяє підвищити оперативність оптимізації словника ознак розпізнавання; ступінь упровадження - результати впроваджені в Інституті сцинтиляційних матеріалів НАН України (м. Харків), Сумському обласному клінічному протитуберкульозному диспансері, навчальний процес кафедри комп'ютерних наук Сумського державного університету; галузь використання – інформаційні технології. Дата реєстрації 2017-06-02 Додано в НРАТ 2020-04-03 Закрити