1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 163 — біомедична інженерія
Denne identifikatoren kan du bruke til å sitere eller lenke til denne innførselen: http://elartu.tntu.edu.ua/handle/lib/33182
Fullstendig metadatavisning
DC FeltVerdiSpråk
dc.contributor.advisorТкачук, Роман Андрійович-
dc.contributor.authorОбєдняк, Роман Андрійович-
dc.contributor.authorObiedniak, Roman-
dc.date.accessioned2020-12-17T17:23:43Z-
dc.date.available2020-12-17T17:23:43Z-
dc.date.issued2020-12-17-
dc.date.submitted2020-12-17-
dc.identifier.citationОбєдняк Р. А. Автоматизований метод аналізу стадії діабетичної ретинопатії з використанням зображень сітківки : кваліфікаційна робота магістра за спеціальністю „163 — біомедична інженерія“ / Р. А. Обєдняк. — Тернопіль : ТНТУ, 2020. — 86 с.uk_UA
dc.identifier.urihttp://elartu.tntu.edu.ua/handle/lib/33182-
dc.descriptionКваліфікаційну роботу виконано на кафедрі біотехнічних систем Тернопільського національного технічного університету імені Івана Пулюяuk_UA
dc.description.abstractМетою кваліфікаційної роботи є розробка програмного рішення для автоматизації аналізу стадії діабетичної ретинопатії з точністю не меншою 82 % для навчальної вибірки та 77 % тестової вибірки. Було проаналізовано існуючі методи дослідження в офтальмології та запропонована автоматизація діагностування за допомогою розробленого програмного рішення на основі мови програмування Python та програмної нейромережевої бібліотеки Keras. Система, яка буде спроможна прогнозувати стадію чи наявність хвороби, може мати рекомендаційний чи наказовий характер. Встановлення завдання, та розробка в цьому напрямку дає змогу визначенню місця та розвитку штучного інтелекту в медицині.uk_UA
dc.description.abstractThe purpose of the master’s thesis is to develop a software solution to automate the analysis of the stage of diabetic retinopathy with an accuracy of at least 82 % for the training sample and 77 % of the test sample. The existing research methods in ophthalmology were analyzed and the automation of diagnosis with the help of the developed software solution based on the Python programming language and the software neural network library Keras was proposed. A system that can predict the stage or presence of a disease can be advisory or prescriptive. The problem statement and development in this direction allow to determine the place and development of artificial intelligence in medicine.uk_UA
dc.description.tableofcontentsВСТУП 8 СПИСОК СКОРОЧЕНЬ 10 РОЗДІЛ 1 АНАЛІТИЧНА ЧАСТИНА 11 1.1. Аналіз технічного завдання 11 1.1.1. Огляд основних методів дослідження очного дна 14 1.2. Огляд відомих рішень та вибір напряму дослідження 19 1.2.1. Обґрунтування вибору УДК напряму дослідження 22 1.3. Висновки до розділу 1 24 РОЗДІЛ 2 ОСНОВНА ЧАСТИНА 25 2.1. Технічне забезпечення біотехнічної системи 25 2.1.1. Загальні поняття про сервіси використані в даній роботі 25 2.2. Алгоритмічне забезпечення біотехнічної системи 27 2.2.1. Нейромережева архітектура 27 2.2.2. Архітектура нейронної мережі LSTM 29 2.3. Математичне забезпечення системи 31 2.4. Висновки до розділу 2 36 РОЗДІЛ 3 НАУКОВО-ДОСЛІДНА ЧАСТИНА 37 3.1. Експериментальна верифікація теоретичних результатів 37 3.1.1. Вступна частина 37 3.1.2. Впровадження обчислювальних моделей 40 3.2. Економічні розрахунки 44 3.3. Висновки до розділу 3 50 РОЗДІЛ 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 51 4.1. Охорона праці 51 4.2. Електробезпека користувачів персонального комп’ютера 54 4.3. Безпека в надзвичайних ситуаціях 59 4.4 Висновки до розділу 4 64 ВИСНОВКИ 65 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 66 ДОДАТКИ 70uk_UA
dc.language.isoukuk_UA
dc.publisherТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.subject163uk_UA
dc.subjectбіомедична інженеріяuk_UA
dc.subjectдіабетична ретинопатіяuk_UA
dc.subjectмодельuk_UA
dc.subjectсітківкаuk_UA
dc.subjectофтольмологіяuk_UA
dc.subjectнейронні мережіuk_UA
dc.subjectdiabetic retinopathyuk_UA
dc.subjectmodeluk_UA
dc.subjectretinaluk_UA
dc.subjectophtholmologyuk_UA
dc.subjectneural networksuk_UA
dc.subjectpythonuk_UA
dc.subjectrnnuk_UA
dc.subjectbiomedical engineeringuk_UA
dc.titleАвтоматизований метод аналізу стадії діабетичної ретинопатії з використанням зображень сітківкиuk_UA
dc.title.alternativeAutomated method of the diabetic retinopathy stage analysis using retinal imagesuk_UA
dc.typeMaster Thesisuk_UA
dc.rights.holder© Обєдняк Роман Андрійович, 2020uk_UA
dc.coverage.placenameТернопільський національний технічний університет імені Івана Пулюя, кафедра біотехнічних системuk_UA
dc.format.pages86-
dc.subject.udc617.735uk_UA
dc.subject.udc002uk_UA
dc.subject.udc004.855uk_UA
dc.relation.references1. Діабет -ВООЗ [Електронний ресурс]. – 2020. – Режим доступу до ресурсу: https://www.who.int/ru/news-room/fact-sheets/detail/diabetes.uk_UA
dc.relation.references2. E Tay , L Mengher , X-Y Lin and V Ferguson1 The impact of off the visual axis retinoscopy on objective central refractive measurement in adult clinical practice: a prospective, randomized clinical study [Електронний ресурс] // Nature. – 2011. – Режим доступу до ресурсу: https://www.nature.com/articles/ eye201179.pdf?origin=ppub.uk_UA
dc.relation.references3. Klein R. The Wisconsin Epidemiologic Study of Diabetic Retinopathy XXIII. The Twenty-Five-Year Incidence of Macular Edema in Persons with Type 1 Diabetes [Електронний ресурс] / Ronald Klein. – 2009. – Режим доступу до ресурсу: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2693093/.uk_UA
dc.relation.references4. Legacy Effects from DCCT and UKPDS: What They Mean and Implications for Future Diabetes Trials [Електронний ресурс]. – 2010. – Режим доступу до ресурсу: https://link.springer.com/article/10.1007/s11883-010-0128-1.uk_UA
dc.relation.references5. Офіційний сайт Keras. – Режим доступу: https://keras.io.uk_UA
dc.relation.references6. Моделирование процессов обучения в нейронных сетях. – Режим доступу: http://old.exponenta.ru/soft/others/mvs/stud3/3.asp.uk_UA
dc.relation.references7. Schematic illustration of the convolutional neural network. – Режим доступу: http://www.nature.com/nature/journal/v518/n7540/fig_tab/nature14236_F1 .htmluk_UA
dc.relation.references8. Методичні вказівки для виконання розділу дипломної роботи щодо техніко-економічного обґрунтування вибору проєктного рішення розробки та оцінки якості програмного забезпечення/ Упор. Петрик М.Р., Кінах Я.І., Головатий А.І., Рогатинська Л.Р. – Тернопіль: Вид-во ТНТУ ім. І. Пулюя. – 2013. -34 с.uk_UA
dc.relation.references9. Архангельский В.Н. Морфологические основы офтальмоскопической диагностики, М., 1960 – с. 11.uk_UA
dc.relation.references10. Сокуренко В. М. Око людини та офтальмологічні прилади [Текст]: навч. посіб. / В. М. Сокуренко, Г. С. Тимчик, І. Г. Чиж. – К.: НТУУ «КПІ», 2009. – 264 с. – Бібліогр.: с. 257–260. – 300 пр.uk_UA
dc.relation.references11. Typically Michelson type [Електронний ресурс] – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Optical_coherence_tomography#/media/File: Full-field_OCT_setup.png.uk_UA
dc.relation.references12. Фундус-камера [Електронний ресурс] – Режим доступу до ресурсу: https://findpatent.ru/patent/221/2214152.html.uk_UA
dc.relation.references13. Mnih, V. Playing Atari with deep reinforcement learning. Technical Report / Kavukcuoglu, K., Silver, D., Graves, A., Antonoglou, I., Wierstra, D., Riedmiller M. – DeepMind Technologies, 2013 – с. 7.uk_UA
dc.relation.references14. Статическая и динамическая ретиноскопия [Електронний ресурс] // Вестник оптометрии. – 2012. – Режим доступу до ресурсу: http://www.optica4all.ru/images/stories/publications/zrenie/proskurina2061212.pdf.uk_UA
dc.relation.references15. Лумбросо Б. Диабетическая ретинопатия / Б. Лумбросо, М. Рисполи, М. Савастано. – Москва, 2016. – 107 с.uk_UA
dc.relation.references16. Copeland S. Refraction: Including Muscle Imbalance and Adjustment of Glasses (Classic Reprint) / Samuel Copeland., 2017. – 160 с.uk_UA
dc.relation.references17. Форма №2 «Звіт про фінансові результати»: методика підготовки[Електронний ресурс]. – Режим доступу: URL: http://osvita.ua/vnz/reports/accountant/17368/uk_UA
dc.relation.references18. Хвостівський М. О. МЕТОДИЧНІ РЕКОМЕНДАЦІЇ з оформлення кваліфікаційних робіт магістра за спеціальністю 163 Біомедична інженерія / М. О. Хвостівський, Є. Б. Яворська. // ТНТУ імені Івана Пулюя. – 2020. – С. 1–23.uk_UA
dc.relation.references19. Жидецький В. Ц. Охорона праці користувачів комп’ютерів. – Львів: Афіша, 2000. - 176 сuk_UA
dc.relation.references20. Правила безпечної експлуатації електроустановок споживачів [Текст] : ДНАОП 0.00-1.21-98. - Київ : Держнаглядохоронпраці, 2003. - 383 с.uk_UA
dc.relation.references21. Наказ Державного комітету України з промислової безпеки, охорони праці та гірничого нагляду «Про затвердження Правил охорони праці під час експлуатації електронно-обчислювальних машин» від 26.03.2010 № 65 – Режим доступу: URL: http://zakon2.rada.gov.ua/laws/show/z0293-10uk_UA
dc.relation.references22. Pluhacek F., Pospisil J. Statistical and neural net methods for automatic glaucoma diagnosis determination. Central Eur J Physics. 2004;2(1):12–24. DOI: 10.2478/BF02476270.uk_UA
dc.relation.references23. Куроедов А.В., Остапенко Г.А., Митрошина К.В., Мовсисян А.Б. Современная диагностика глаукомы: нейросети и искусственный интеллект. РМЖ. Клиническая офтальмология. 2019;4:230-237. DOI: 10.32364/2311-7729- 2019-19-4-230-237.uk_UA
dc.relation.references24. Bizios D., Heijl A., Bengtsson B. Trained artificial neural network for glaucoma diagnosis using visual field data: a comparison with conventional algorithms. J Glaucoma. 2007;16(1):20–28. DOI: 10.1097/IJG.0b013e31802b34e4.uk_UA
dc.relation.references25. Oliveira D.A.B., Vellasco M.B.R., Oliveira M.B. Yamane R. Application of neural networks in aid for diagnosis for patients with glaucoma. Int Conf Bioinspired Sys Sign Proc. 2009;1(1);139–145. DOI: 10.5220/0001547401390145.uk_UA
dc.relation.references26. Bizios D., Heijl A., Hougaard J.L., Bengtsson B. Machine learning classifiers for glaucoma diagnosis based on classification of retinal nerve fibre layer thickness parameters measured by Stratus OCT. Acta Ophthalmol. 2010:88:44–52. DOI: 10.1111/j.1755-3768.2009.01784.x.uk_UA
dc.relation.references27. Silva F.R., Vidotti V.G., CremaSco F. et al. Sensitivity and specificity of machine learning classifiers for glaucoma diagnosis using Spectral Domain OCT and standard automated perimetry. Arq Bras Oftalmol. 2013;76(3):170–174. DOI: 10.1590/S0004-27492013000300008.uk_UA
dc.relation.references28. Corboy J. The Retinoscopy Book: An Introductory Manual for Eye Care Professionals / John Corboy., 1996. – 134 с.uk_UA
dc.relation.references29. Ahn J.M., Kim S., Ahn K.-S. et al. A deep learning model for the detection of both advanced and early glaucoma using fundus photography. PLoS ONE. 2018:13(11):e0207982. DOI: 10.1371/journal. pone.0207982.uk_UA
dc.relation.references30. Data Analysis [Електронний ресурс]. – 2020. – Режим доступу до ресурсу: https://www.eyepacs.com/data-analysis.uk_UA
dc.relation.references31. The impact of off the visual axis retinoscopy on objective central refractive measurement in adult clinical practice: a prospective, randomized clinical study [Електронний ресурс] // Department of Ophthalmology, Charing Cross Hospital, London, UK. – 2011. – Режим доступу до ресурсу: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3178162/.uk_UA
dc.contributor.affiliationТернопільський національний технічний університет імені Івана Пулюяuk_UA
dc.coverage.countryUAuk_UA
Vises i samlingene:163 — біомедична інженерія

Tilhørende filer:
Fil Beskrivelse StørrelseFormat 
магістр_Обєдняк.pdf2,32 MBAdobe PDFVis/Åpne
avtorska_Обєдняк.pdf475,43 kBAdobe PDFVis/Åpne
Vis enkel innførsel


Alle innførsler i DSpace er beskyttet av copyright

Administrasjonsverktøy