Войти в мой кабинет
Регистрация
ГОТОВЫЕ РАБОТЫ / ДИПЛОМНАЯ РАБОТА, БИОТЕХНОЛОГИЯ

Разработка системы автоматизации выбора методики лечения поверхностных сложнозаживающих ран

mari_ziteva 990 руб. КУПИТЬ ЭТУ РАБОТУ
Страниц: 103 Заказ написания работы может стоить дешевле
Оригинальность: неизвестно После покупки вы можете повысить уникальность этой работы до 80-100% с помощью сервиса
Размещено: 16.03.2021
Проведенное исследование по возможности автоматизации при помощи нейронных сетей выбора тактики лечения поверхностных сложнозаживающих ран позволило разработать автоматизированную систему автоматизации выбора методики лечения поверхностных сложнозаживающих ран. Данная система позволяет врачу принимать верные решения по смене тактики лечения таких ран, уменьшая вероятность развития осложнений.
Введение

В современном обществе автоматизация медицины – процесс неизбежный. Огромные объёмы медицинской информации, строгая отчётность и её стандартизация, высокие требования к качеству услуг – всё это ведёт к необходимости автоматической обработки и электронного хранения данных. Чтобы всю эту информацию было удобно обрабатывать, хранить и использовать, многие больницы и центры здоровья уже перешли на электронный документооборот, другие – готовятся к его внедрению. Главное преимущество комплексной медицинской информационной системы – это повышение эффективности ЛПУ. Начиная от работы регистратуры и заканчивая принятием управленческих решений. Медицинские автоматизированные информационные системы позволяют решать множество управленческих задач современным медицинским центром. В первую очередь, информатизация медицины создаёт оптимальные условия, чтобы вести базу клиентов, хранить их личную информацию, данные об оказанных услугах, диагнозах и болезнях, результаты обследований и анализов (электронная карта). Имея эти сведения в электронном формате здесь и сейчас без поиска в архивных записях, врачу гораздо проще ориентироваться в данных, ставить диагнозы и планировать дальнейшее лечение и наблюдение. У врача сокращается количество бумажной работы, поскольку информация на приеме также заносится в компьютер, при необходимости распечатывается на основе стандартной текстовой заготовки. Исключается риск потери важных данных и необходимость повторных обследований из-за утери информации. Например, по статистике 11% проведённых лабораторных исследований приходится назначать повторно именно из-за невозможности найти результаты в бумажном засилье учреждения. Это дополнительные расходы и временные затраты, снижающие эффективность работы ЛПУ в целом. Подсистемы единой МИС отличаются своей направленностью, спецификой построения для каждого вида деятельности в ЛПУ, поэтому при построении системы контроля и диагностики раны пациента необходимо учитывать то, что для врачей хирургов особое место в проведении диагностики занимает визуальная информация. Применение информационных технологий позволит улучшить наполняемость базы данных клинических случаев для формирования обучающей выборки и последующее использование их для разработки новых интеллектуальных систем, основанных на нейронных сетях. Таким образом, актуальность данной работы заключается в создании системы, которая поможет врачу в лечении трудных сложнозаживающих ран за счет увеличения точности анализа воспалительных процессов в ране, уменьшая вероятность побочных эффектов от несвоевременной смены метода лечения и ускорения заживления. Разработанная система содержит в себе обобщенный опыт ведущих врачей и современные медицинские стандартов в области лечения трудных ран. Целью работы является повышение эффективности функционирования комбинированных нейросетевых методов для решения задачи оптимизации лечения сложнозаживающих ран. Для достижения указанной цели необходимо решить следующие задачи: • Проанализировать на примере ранневого процесса существующие методы передачи, обработки, хранения информации в существующих МИС. • Проанализировать принципы построения МИС и разработать систему управления обработки изображения поверхностных сложнозаживающих ран, а также оптимизировать систему обработки биомедицинской тепловизионной информации. • Разработать алгоритм обработки данных при помощи нейронной сети. • Провести метрологический анализ системы автоматизации выбора методики лечения поверхностных сложнозаживающих ран. Научная новизна заключается в создании интеллектуальной системы, которая поможет врачу в лечении трудных сложнозаживающих ран, сокращая время на анализ раны, уменьшая вероятность побочных эффектов от несвоевременной смены метода лечения. Разработанная система содержит в себе обобщенный опыт ведущих врачей и современные медицинские стандартов в области лечения трудных ран. ?
Содержание

Введение 3 Глава 1. Анализ существующих методов диагностики с использованием медицинских систем 6 1.1 Принципы построения информационных технологий сбора, обработки, хранения, поиска и обмена данными при разработке медицинских информационных систем 6 1.2 Особенности построения информационной системы для решения задач контроля и диагностики состояния раны пациентов 8 1.3 Процесс заживления раны 10 1.4 Процесс исследования тепловизионной картины поверхности раны 19 1.5 Математическая модель процесса ввода и обработки изображений 22 1.6 Принципы построения системы скрининг анализа статистических данных, полученных в ходе обследования пациентов 27 1.7 Укрупненный алгоритм функционирования экспертной системы для мажоритарного обоснования результатов диагностики 30 Глава 2. Разработки системы управления обработки изображения поверхностных сложнозаживающих ран 36 2.1 Построение информационной системы анализа изображения 36 .2 Особенность проектирования информационной системы для задач контроля и диагностики состояний 38 2.3 Разработка системы управления блоком анализа состояния рана 41 2.4 Синтез структуры системы обработки биомедицинской информации 46 Глава 3. Разработка алгоритма обработки данных при помощи нейронной сети. 52 3.1 Применение нейронных сетей в обработке медицинских данных. 52 3.1.1 Нейронные сети 53 3.1.2 Генетические алгоритмы 54 3.2 Модель разрабатываемой нейронной сети. 57 3.3 Программный код структуры нейронной сети. 58 3.4 Программная реализация получения обучающей выборке с тепловизора. 70 Глава 4. Метрологический анализ системы автоматизации выбора методики лечения поверхностных сложнозаживающих ран. 84 Список литературы 103
Список литературы

1. Анисимов, Б.В Распознавание и цифровая обработка изображений: Учеб.пособие для студентов вузов. / В.Д. Курганов, В.К. Злобин— М.: Высш. шк, 1983. —295 с. 2. Аркадьев, А.Г Обучение машины классификации объектов / А.Г. Аркадьев, Э.М. Браверман — М.: Наука, 1971. — 192 с. 3. Гаврилова, Т.А. Базы знаний интеллектуальных систем: учеб.пособие для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. — СПб: Питер, 2000. — 384 с. 4. Айзерман, М.А. Метод потенциальных функций в теории обучения машин / М.А. Айзерман, Э.М. Браверман, Л.И. Розоноэр — М.: Наука, 1970. — 384 с. 5. Основы построения АСУ: учеб. пособие для вузов / ред. B.K Костюка. — М.: Сов.радио, 1977. — 304 с. 6. Прибыльский, А.В. Особенности построения систем поддержки принятия решений в оториноларингологии[Текст] / А.В. Прибыльский, А.П. Самойленко // Сборник тезисов юбилейного заседания Ростовской секции российской ассоциации оториноларингологов. - Ростов-н/Дону: РостГМУ, 2013. 7. Музыка В. В. Искусственные нейронные сети в анализе тепловизионной картины поверхностных сложнозаживающих ран [Текст]: вып. Квалификационная работа: 12.03.04: защищена 22.06.18/ Музыка Виктория Викторовна. – Волгоград, 2018. – 74 с. 8. Прибыльский, А.В. Телекоммуникационный диагностический терминал ЛВС клиники для врача-отоларинголога [Текст] / А.В. Прибыльский // Сборник конкурсных НИР аспирантов, магистров, и молодых ученых в области стратегического партнерства вузов и предприятий радиотехнического комплекса. - СПб:Изд-во ЛЭТИ.2011.-с.187-190. 9. Распознавание образов: состояние и перспективы / К. Верхаген, Р. Дёйн, Ф. Грун [и др.]; пер. с англ. — М.: Радио и связь, 1985. — 104 с. 10. Муха, Ю.П. Лекции по системотехнике: учеб. пособие / Ю. П. Муха, И. Ю. Королева; ВолгГТУ. - Волгоград, 2016. - 113 с. 11. Муха, Ю.П. Структурные методы проектирования сложных систем, ч. 1: учеб. пособие / Ю. П. Муха – Волгоград, политехнический институт. 1992 г. - 80 с. 12. Бесекерский, В.А. Теория систем автоматического регулирования / В. А. Бесекерский, Е. П. Попов. – 4-е изд., перераб. и доп. М.: СПб Изд-во, «Профессия», 2004.-747 с. 13. Ветров, Д. П. Байесовские методы машинного обучения: учебное пособие [Текст]/ Д. П. Ветров, Д. А. Кропотов – Москва: МГУ им. Ломоносова 2007г. 14. Андросова, Е. Е. Применение рекурсивных рекуррентных нейронных сетей. [Текст]/ Е. Е. Андросова. // Новые информационные технологии в автоматизированных системах. –2016. – 8с. 15. Барский, А.Б. Логические нейронные сети [Текст]/ А.Б. Барский М.: Интернет-Университет Информационных Технологий, 2007 16. Панченко, Т. В. Генетические алгоритмы [Текст]: учебно-методическое пособие / Т. В. Панченко; под ред. Ю. Ю. Тарасевича. — Астрахань: Издательский дом «Астраханскии университет», 2007. 17. Муха Ю.П. «Синтез сложных измерительно-вычислительных комплексов с развивающейся структурой: монография [Текст]/ Ю.П. Муха, П.В. Поваров, И.Ю. Королева, О.А. Авдеюк; ВолгГТУ. – Волгоград, 2017. – 276 с. 18. Туманян, П.И. Проблема качества подготовки данных для обучения нейронных сетей в контексте задачи распознавания объектов [Текст] / П.И. Туманян, С.Э. Сараджишвили // Сборник: Результаты прикладных и поисковых научных исследований в сфере естествознания и технологий Сборник научных трудов по материалам Международной научно-практической конференции. – 2019. – С. 114-117 19. Ефремцев, В.Г. оценка качества фотографий на основе методов глубокого обучения нейронных сетей [Текст] / В.Г. Ефремцев [и др.] // Сборник: IX Международная конференция по фотонике и информационной оптике Сборник научных трудов – 2019. – С. 362-363. 20. Мелдо, А.А. Новые подходы к разработке алгоритмов искусственного интеллекта в диагностике рака легкого / А.А. Мелдо [и др.] // Лучевая диагностика и терапия. – 2019. – № 1 (10). – С. 8-18. 21. Реброва, О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ Statistica / О.Ю. Реброва – М.: МедиаСфера, 2003. – 312 с. 22. Музыка, В. В. Применение искусственных нейронных сетей в анализе тепловизионной картины поверхностных сложнозаживающих ран [Текст]/В. В. Музыка// Сборник 76 конференции ВолгГМУ - 25-28 апреля 2018, Волгоград: ВолгГМУ, 2018 г. 540-541с. 23. Пенькова, В. А. Критериальная оценка скрытого подкожного воспалительного процесса [Текст] / В.А. Пенькова, В.В. Музыка// Сборник 77 конференции ВолгГМУ - 25-28 апреля 2019, Волгоград: ВолгГМУ, 2018 г. 540-541с. 24. Обдымко, В. Е. Нейронные сети. «Глубокое обучение» / В.Е. Обдымко // Вестник государственного морского университета им. адмирала Ф.Ф. Ушакова. – 2017. – № 2 (19). – С. 22-23. 25. Ким, Е.О. Теория методов обучения нейронных сетей / Е.О. Ким, Н.В. Пушкаренко // Современные тенденции развития и перспективы внедрения инновационных технологий в машиностроении, образовании и экономике. – 2016. – Т. 2. № 1. – С. 323-325. 26. Федотов, Д.В. О применении гибридного эволюционного метода обучения искусственных нейронных сетей при решении задачи идентификации эмоций / Д.В. Федотов, М.Ю. Сидоров, В.А. Охорзин // Системы управления и информационные технологии. – 2016. – № 4 (66). – С. 86-91. 27. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, Пилиньский. – 2-е издание, стереотип. – М.: Горячая линия-Телеком, 2013. – 384 с.
Отрывок из работы

Глава 1. Анализ существующих методов диагностики с использованием медицинских систем 1.1 Принципы построения информационных технологий сбора, обработки, хранения, поиска и обмена данными при разработке медицинских информационных систем Выбор подходов к проектированию и разработке любой информационной системы, в том числе и медицинские информационные системы (МИС), в основном, осуществляется индивидуальными творческими коллективами на начальном этапе работы с учетом целей, задач и требований к будущей информационной системы, то есть средства разработки выбираются исходя из желаемых возможностей, которыми должна обладать будущая система. Поэтому при проектировании большинства МИС решающую роль в выборе стратегии разработки проекта играют текущие потребности руководства и, в лучшем случае, активного звена практикующих врачей. Но разработка систем подобным методом сможет решить только существующие на момент разработки проблемы и текущие задачи, однако задачи развития, применения новых технологий и расширения возможностей интеграции банков данных отдельных учреждений здравоохранения в единое информационное пространство региона или страны данный подход просто не учитывает. Уже после 5-8 лет эксплуатации подобная система будет устаревшей и потеряет свою значимость. Поэтому подобные задачи уже не могут быть решены традиционными методами проектирования и разработки, они требуют специально изучения и разработки перспективных методов проектирования информационных систем [1]. Специфика медицинских информационных систем включает особые принципы построения технологий сбора, обработки, хранения, поиска и обмена данными: - использование принципа клиент-сервер; - использование интернет-технологии, позволяющей организовать простой в использовании удаленный доступ при помощи протокола http, унификацию интерфейса прикладных программ, а также обеспечить возможность оперативного взаимодействия с другими пользователя посредством сети Интернет [2];
Не смогли найти подходящую работу?
Вы можете заказать учебную работу от 100 рублей у наших авторов.
Оформите заказ и авторы начнут откликаться уже через 5 мин!
Похожие работы
Дипломная работа, Биотехнология, 61 страница
990 руб.
Дипломная работа, Биотехнология, 59 страниц
850 руб.
Дипломная работа, Биотехнология, 114 страниц
1550 руб.
Служба поддержки сервиса
+7(499)346-70-08
Принимаем к оплате
Способы оплаты
© «Препод24»

Все права защищены

Разработка движка сайта

/slider/1.jpg /slider/2.jpg /slider/3.jpg /slider/4.jpg /slider/5.jpg