izpis_h1_title_alt

Globoke nevronske mreže v medicinski diagnostiki
Stoklas, Nac (Avtor), Kukar, Matjaž (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (317,36 KB)

Izvleček
V zadnjih letih količina medicinskih podatkov ter preiskav strmo narašča. S tem se področju strojnega učenja odpira še več možnosti za raziskovalno delo, ki je v medicini prisotno že dlje časa. Tradicionalni pristopi k analizi podatkov so se izkazali za učinkovite, zadnje čase pa lahko opazimo porast v uporabi globokih nevronskih in natančneje konvolucijskih nevronskih mrež. Te so uporabne predvsem za slikovne podatke, začenjajo pa se uporabljati tudi na klasičnih atributnih podatkih. V našem primeru skušamo zgraditi napovedni model s pomočjo konvolucijskih nevronskih mrež, ki bi za vhod prejel navadne atributne podatke. Uporabimo podatkovni set, ki ima veliko različnih atributov (rezultati preiskav), veliko razredov (različne bolezni) in mnogo nedefiniranih vrednosti (na različnih bolnikih se opravijo različne preiskave, zato je v podatkih mnogo praznih mest). Na teh realnih podatkih preizkusimo različne zgradbe plitkih in globokih nevronskih mrež. Izkaže se, da so dobljeni rezultati primerljivi z najboljšimi doslej pridobljenimi na istih podatkih.

Jezik:Slovenski jezik
Ključne besede:globoke nevronske mreže, medicinska diagnostika, strojno učenje
Vrsta gradiva:Diplomsko delo/naloga (mb11)
Organizacija:FRI - Fakulteta za računalništvo in informatiko
Leto izida:2017
Število ogledov:668
Število prenosov:247
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
 
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
:
Objavi na:AddThis
AddThis uporablja piškotke, za katere potrebujemo vaše privoljenje.
Uredi privoljenje...

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Deep neural networks in medical diagnostics
Izvleček:
In the last years the amount of medical data and research procedures is rapidly increasing. With it there are even more possibilities for machine learning research, which has been present in the medical fields for a long while. Traditional approaches to data analysis have proven to be useful. The same goes for deep neural networks and more specifically for convolutional neural networks, which have seen heavily increased use in the latest years. They are mostly used on image data, although lately we have seen examples of them being used on conventional attribute data. We try to build a model based on CNN which would receive regular attribute data as input. We use a data set, which has many attributes (research results), many classes (different diseases) and many undefined values (different patients require different procedures, which results in many undefined attributes). It is on this real life data that we test different structures of deep and shallow CNN's. We conclude that results obtained in this manner are comparable to the best results on this data so far.

Ključne besede:deep neural networks, medicinal diagnostics, machine learnin

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj