Исследование и реализация метода синтеза вариационного автоэнкодера и генеративно-состязательных сетей в задачах создания новых медицинских данных

Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0
Лаптев, Владислав Витальевич Отделение информационных технологий (ОИТ)
Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

В работе рассматривается решение задачи синтеза новых медицинских данных. Для решения поставленной задачи используются такие интеллектуальные алгоритмы, как: вариацианный автоэнкодер, генеративно-состязательные сети, а также коллаборация данных методов. В результате исследования выявлены плюсы и минусы каждого рассматриваемого алгоритма. Реализованные модели использованы в качестве метода расширения исходной выборки для обучения моделей анализа данных.

Введение…………………………………………………………………………………………. 10
1 Литературный обзор…………………………………………………………………… 13

1.1 Синтетические данные ………………………………………………………. 13
1.2 Аугментация данных …………………………………………………………. 14
1.3 Интеллектуальные алгоритмы ……………………………………………. 15
1.4 Вариационный автоэнкодер ……………………………………………….. 16
1.5 Генеративно-состязательные сети………………………………………. 21

2 Содержательная постановка задачи ……………………………………………. 25
3 Концептуальная постановка задачи ……………………………………………. 28

3.1 Представление изображений в медицине ……………………………. 28
3.2 Формат медицинских изображений ……………………………………. 29
3.3 Числовой формат медицинских данных (аллергены) ………….. 29

4 Программная реализация ……………………………………………………………. 34

4.1 Выбор программного обеспечения …………………………………….. 34
4.2 Особенности программной реализации ………………………………. 36

4.2.1 Синтез числовых данных ……………………………………………….. 36
4.2.2 Синтез изображений ………………………………………………………. 38

5 Статистический анализ результатов ……………………………………………. 46

5.1 Синтез числовых данных …………………………………………………… 46
5.2 Синтез изображений ………………………………………………………….. 48

6 Финансовый менеджмент, ресурсоэффективность и
ресурсосбережение…………………………………………………………………………………… 52

6.1 Введение …………………………………………………………………………… 53
6.2 Предпроектный анализ ………………………………………………………. 54

6.2.1 Потенциальные потребители результатов исследования …. 54
6.2.2 SWOT анализ …………………………………………………………………. 54
6.2.3 Оценка проекта к коммерциализации……………………………… 56

6.3 Организация и планирование работ ……………………………………. 57

6.3.1 Продолжительность этапов работ …………………………………… 59
6.3.2 Разработка графика проведения научного исследования…. 59

6.4 Расчет сметы затрат на выполнение проекта ………………………. 65

6.4.1 Расчет затрат на материалы ……………………………………………. 65
6.4.2 Расчет заработной платы………………………………………………… 66
6.4.3 Расчет затрат на социальный налог ………………………………… 68
6.4.4 Расчет затрат на электроэнергию ……………………………………. 68
6.4.5 Расчет амортизационных расходов …………………………………. 69
6.4.6 Расчет расходов, учитываемых непосредственно на основе
платежных (расчетных) документов (кроме суточных)………………………. 71
6.4.7 Расчет прочих расходов …………………………………………………. 71
6.4.8 Расчет общей себестоимости проекта …………………………….. 72
6.4.9 Расчет прибыли ……………………………………………………………… 72
6.4.10 Расчет НДС ………………………………………………………………….. 73
6.4.11 Цена разработки ВКР …………………………………………………… 73

6.5 Оценка экономической эффективности проекта …………………. 73

6.5.1 Оценка научно-технического уровня НИР ……………………… 73

7 Социальная ответственность ………………………………………………………. 77

7.1 Введение …………………………………………………………………………… 79
7.2 Правовые и организационные вопросы обеспечения
безопасности ………………………………………………………………………………………… 80
7.3 Производственная безопасность ………………………………………… 82

7.3.1 Отклонение показателей микроклимата от нормы ………….. 83
7.3.2 Превышение уровня шума ……………………………………………… 86
7.3.3 Отсутствие или недостаток освещения …………………………… 86
7.3.4 Психофизиологические факторы (монотонность труда,
нервно-психические перегрузки, перенапряжение зрительных
анализаторов). …………………………………………………………………………………… 89
7.3.5 Поражение электрическим током …………………………………… 91

7.4 Обоснование мероприятий по снижению воздействия вредных
производственных факторов …………………………………………………………………. 91
7.5 Экологическая безопасность ……………………………………………… 92
7.6 Безопасность в чрезвычайных ситуациях …………………………… 93
7.7 Выводы по разделу «Социальная ответственность» ……………. 95

Заключение …………………………………………………………………………………….. 96
Список использованных источников литературы …………………………….. 98
Приложение I (справочное) …………………………………………………………… 101

В настоящее время машинное обучение набирает все большую
популярность. Наиболее востребованными являются алгоритмы машинного
зрения способные решать такие популярные задачи, как: классификация
изображений [1], детектирование объектов [2], распознавание текстов [3] и т.п.
Обучение в свою очередь подразделяют на три типа: обучение с учителем, без
учителя, обучение с подкреплением. Самым популярным является обучение с
учителем, так как оно позволяет в некоторой мере контролировать процесс
обучения на основе обучающих примеров. В основе каждого такого
успешного обучения лежит датасет1 с множеством уникальных примеров.
Результирующая точность обучаемой модели напрямую зависит от количества
подаваемых «качественных» тренировочных примеров. За частую именно
работа с данными, в частности сбор и разметка и является самой сложной и
трудоемкой задачей. Для составления «качественного» обучающего датасета
разработчики нередко прибегают к алгоритмам аугментации и синтеза новых
данных, с целью расширения обучающей выборки. Синтетические или
искусственно созданные данные подразумевают, множество уникальных
аннотированных примеров, являющихся видоизмененной комбинацией
исходной выборки данных. Но и синтетические данные не всегда идеальны
(см. рисунок 1). Под буквой «а» представлен вариант оригинального снимка
клеток, под буквой «б» представлен вариант искусственно созданных данных
с указание проблемных зон, а именно частичное перекрытие/неполнота
объектов. Представленный негативный пример не единственный, существует
множество проблем, связанных с синтез новых данных, вплоть до создания
экземпляров, не встречающихся в реальном мире.
Датасет (от англ. Data set) — термин, используемый для файловой системы
мейнфреймов от IBM; коллекция из логических записей, хранящихся в виде кортежа.
(а) (б)
Рисунок 1 – Пример синтетических данных

В ходе выполнения выпускной квалификационной работы были
изучены алгоритмы синтеза данных, изучен принцип работы
интеллектуальных систем, проведен литературный обзор. Реализованы
следующие алгоритмы (интеллектуальные модели):

 Полносвязный автоэнкодер для восстановления числовых данных;
 Полносвязный вариационный автоэнкодер для синтеза числовых
данных;
 Полносвязный вариационный автоэнкодер для синтеза
изображений;
 Сверточный вариационный автоэнкодер для синтеза изображений;
 Сверточный вариационный автоэнкодер, с применением transfer
learning, для синтеза изображений;
 Генеративно-состязательная модель для синтеза изображений;
 Комбинированная модель для синтеза изображений;
Проведена сравнительная характеристика моделей на медицинских
данных. В задаче синтеза изображений выявлено, что наилучших показателей
достигает модель сверточного вариационного автоэнкодера с применением
предварительно обученной модели выделения признаков в качестве энкодера.
Данная модель имеет сравнительно высокую скорость обучения, достигает
«ожидаемого» качества даже в восстановлении изображения с наложением
шумов, а также обладает высокой степенью вариативности. В задаче синтеза
числовых данных, а именно влияние аллергенов на человека качественных
результатов достиг вариационный автоэнкодер, основанный на полносвязных
слоях.
Достигнутые показатели не являются предельными для данной работы.
Разработанные модели могут быть доработаны архитектурно, а также может
быть проведена оптимизация гипперпараметров. Стоит отметить, что уже на
данном этапе, реализованные модели справляются с поставленной задачей и
используются в качестве генерации данных, для последующей
классификации.

1.Hripcsak G. et al. Observational Health Data Sciences and Informatics
(OHDSI): opportunities for observational researchers //Studies in health
technology and informatics. – 2015. – Т. 216. – С. 574.
2.Tschannen M., Bachem O., Lucic M. Recent advances in autoencoder-
based representation learning //arXiv preprint arXiv:1812.05069. – 2018.
3.Krizhevsky A., Sutskever I., Hinton G. E. Imagenet classification with
deep convolutional neural networks //Advances in neural information processing
systems. – 2012. – Т. 25. – С. 1097-1105.
4.Pu Y. et al. VAE learning via Stein variational gradient descent
//arXiv preprint arXiv:1704.05155. – 2017.
5.Burgess C. P. et al. Understanding disentangling in $beta $-VAE
//arXiv preprint arXiv:1804.03599. – 2018.
6.Dai B., Wipf D. Diagnosing and enhancing VAE models //arXiv
preprint arXiv:1903.05789. – 2019.
7.Лаптев В. В. , Данилов В. В. Исследование вариационного
автоэнкодера для синтеза новых медицинских данных // Сборник избранных
статей научной сессии ТУСУР: В 2 частях. Часть 2, Томск, 25-27 Мая 2020. –
Томск: В-Спектр, 2020 – C. 64-67.
8.Zhao J., Mathieu M., LeCun Y. Energy-based generative adversarial
network //arXiv preprint arXiv:1609.03126. – 2016.
9.Лаптев В. В. , Данилов В. В. , Гергет О. М. Исследование
генеративно–состязательных сетей для синтеза новых медицинских данных =
Research of generative adversarial networks for the synthesis of new medical data
// Автоматизация и моделирование в проектировании и управлении. – 2020 –
№. 2 (8). – C. 17-23. doi: 10.30987/2658-6436-2020-2-17-23
10.Creswell A., Bharath A. A. Inverting the generator of a generative
adversarial network //IEEE transactions on neural networks and learning systems.
– 2018. – Т. 30. – №. 7. – С. 1967-1974.
11.Laptev V. V. , Gerget O. M. , Markova N. A. Generative models
based on VAE and GAN for new medical data synthesis // Studies in Systems,
Decision and Control. – 2021 – Vol. 333. – p. 217-226. doi: 10.1007/978-3-030-
63563-3_17.
12.Вихман В.В., Копысов П.Е. Медицинские изображения / Вихман
В.В., Копысов П.Е. – Новосибирск: Новосибирский государственный
технический университет, 2014. – 5 с.
13.Трудовой кодекс Российской Федерации от 30.12.2001 N 197- ФЗ
(ред. От 30.12.2015)
14.ГОСТ12.2.032-78 Системастандартовбезопасноститруда
(ССБТ). Рабочее место при выполнении работ сидя. Общие эргономические
требования.
15.ГОСТ 22269-76. Система “Человек-машина”. Рабочее место
оператора. Взаимное расположение элементов рабочего места. Общие
эргономические требования.
16.ГОСТ 12.0.003-2015 Опасные и вредные производственные
факторы. Классификация. Перечень опасных и вредных факторов.
17.СанПиН 2.2.4.548-96 Гигиенические требования к микроклимату
производственных помещений.
18.СанПиН 1.2.3685-21 Гигиенические нормативы и требования к
обеспечению безопасности и (или) безвредности для человека факторов среды
обитания.
19.СП 52.13330.2016 Естественное и искусственное освещение.
Актуализированная редакция СНиП 23-05-95.
20.ГОСТ 12.1.003-83 Система стандартов безопасности труда
(ССБТ). Шум. Общие требования безопасности.
21.СН 2.2.4/2.1.8.562-96. Шум на рабочих местах, в помещениях
жилых, общественных зданий и на территории жилой застройки.
22.ГОСТ 12.1.030-81 Система стандартов безопасности труда
(ССБТ). Электробезопасность. Защитное заземление. Зануление.
23.ГОСТ 26522-85 Короткие замыкания в электроустановках.
24.ГОСТ 12.1.038-82 Система стандартов безопасности труда
(ССБТ).Электробезопасность.Предельнодопустимыезначения
напряжений прикосновения и токов.
25.ГОСТ 12.1.004-91 Система стандартов безопасности труда
(ССБТ). Пожарная безопасность. Общие требования.
26.ГОСТ 17.4.3.04-85 Охрана природы (ССОП). Почвы. Общие
требования к контролю и охране от загрязнения.
27.ГОСТ Р 53692-2009 Ресурсосбережение. Обращение с отходами.
Этапы технологического цикла отходов.
28.НПБ 105-03 Определение категорий помещений, зданий и
наружных установок по взрывопожарной и пожарной опасности.
29.СНиП 21-01-97* Пожарная безопасность зданий и сооружений (с
Изменениями N 1, 2)

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Читать «Исследование и реализация метода синтеза вариационного автоэнкодера и генеративно-состязательных сетей в задачах создания новых медицинских данных»

    Последние выполненные заказы

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Екатерина Б. кандидат наук, доцент
    5 (174 отзыва)
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподав... Читать все
    После окончания института работала экономистом в системе государственных финансов. С 1988 года на преподавательской работе. Защитила кандидатскую диссертацию. Преподавала учебные дисциплины: Бюджетная система Украины, Статистика.
    #Кандидатские #Магистерские
    300 Выполненных работ
    Сергей Н.
    4.8 (40 отзывов)
    Практический стаж работы в финансово - банковской сфере составил более 30 лет. За последние 13 лет, мной написано 7 диссертаций и более 450 дипломных работ и научных с... Читать все
    Практический стаж работы в финансово - банковской сфере составил более 30 лет. За последние 13 лет, мной написано 7 диссертаций и более 450 дипломных работ и научных статей в области экономики.
    #Кандидатские #Магистерские
    56 Выполненных работ
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ
    Анна Н. Государственный университет управления 2021, Экономика и ...
    0 (13 отзывов)
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уни... Читать все
    Закончила ГУУ с отличием "Бухгалтерский учет, анализ и аудит". Выполнить разные работы: от рефератов до диссертаций. Также пишу доклады, делаю презентации, повышаю уникальности с нуля. Все работы оформляю в соответствии с ГОСТ.
    #Кандидатские #Магистерские
    0 Выполненных работ
    Анна С. СФ ПГУ им. М.В. Ломоносова 2004, филологический, преподав...
    4.8 (9 отзывов)
    Преподаю англ язык более 10 лет, есть опыт работы в университете, школе и студии англ языка. Защитила кандидатскую диссертацию в 2009 году. Имею большой опыт написания... Читать все
    Преподаю англ язык более 10 лет, есть опыт работы в университете, школе и студии англ языка. Защитила кандидатскую диссертацию в 2009 году. Имею большой опыт написания и проверки (в качестве преподавателя) контрольных и курсовых работ.
    #Кандидатские #Магистерские
    16 Выполненных работ
    Екатерина П. студент
    5 (18 отзывов)
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно... Читать все
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно занимаюсь английским языком, уровень владения - Upper-Intermediate.
    #Кандидатские #Магистерские
    39 Выполненных работ
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    Виктор В. Смоленская государственная медицинская академия 1997, Леч...
    4.7 (46 отзывов)
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выв... Читать все
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выводы).Пишу статьи в РИНЦ, ВАК.Оформление патентов от идеи до регистрации.
    #Кандидатские #Магистерские
    100 Выполненных работ
    Татьяна М. кандидат наук
    5 (285 отзывов)
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    Специализируюсь на правовых дипломных работах, магистерских и кандидатских диссертациях
    #Кандидатские #Магистерские
    495 Выполненных работ

    Другие учебные работы по предмету