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

Лаптев, Владислав Витальевич Отделение информационных технологий (ОИТ)
Бесплатно
В избранное
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

    Хочешь уникальную работу?

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

    Екатерина Д.
    4.8 (37 отзывов)
    Более 5 лет помогаю в написании работ от простых учебных заданий и магистерских диссертаций до реальных бизнес-планов и проектов для открытия своего дела. Имею два об... Читать все
    Более 5 лет помогаю в написании работ от простых учебных заданий и магистерских диссертаций до реальных бизнес-планов и проектов для открытия своего дела. Имею два образования: экономист-менеджер и маркетолог. Буду рада помочь и Вам.
    #Кандидатские #Магистерские
    55 Выполненных работ
    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Анна Александровна Б. Воронежский государственный университет инженерных технол...
    4.8 (30 отзывов)
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственно... Читать все
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственном университете инженерных технологий.
    #Кандидатские #Магистерские
    66 Выполненных работ
    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
    Екатерина С. кандидат наук, доцент
    4.6 (522 отзыва)
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    Практически всегда онлайн, доработки делаю бесплатно. Дипломные работы и Магистерские диссертации сопровождаю до защиты.
    #Кандидатские #Магистерские
    1077 Выполненных работ
    Дарья С. Томский государственный университет 2010, Юридический, в...
    4.8 (13 отзывов)
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссерт... Читать все
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссертационное исследование, которое сейчас находится на рассмотрении в совете.
    #Кандидатские #Магистерские
    18 Выполненных работ
    Андрей С. Тверской государственный университет 2011, математический...
    4.7 (82 отзыва)
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на... Читать все
    Учился на мат.факе ТвГУ. Любовь к математике там привили на столько, что я, похоже, никогда не перестану этим заниматься! Сейчас работаю в IT и пытаюсь найти время на продолжение диссертационной работы... Всегда готов помочь! ;)
    #Кандидатские #Магистерские
    164 Выполненных работы
    Катерина В. преподаватель, кандидат наук
    4.6 (30 отзывов)
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации... Читать все
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации. Опыт работы 7 лет. Всегда на связи и готова прийти на помощь. Вместе удовлетворим самого требовательного научного руководителя. Возможно полное сопровождение: от статуса студента до получения научной степени.
    #Кандидатские #Магистерские
    47 Выполненных работ
    Ольга Р. доктор, профессор
    4.2 (13 отзывов)
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласован... Читать все
    Преподаватель ВУЗа, опыт выполнения студенческих работ на заказ (от рефератов до диссертаций): 20 лет. Образование высшее . Все заказы выполняются в заранее согласованные сроки и при необходимости дорабатываются по рекомендациям научного руководителя (преподавателя). Буду рада плодотворному и взаимовыгодному сотрудничеству!!! К каждой работе подхожу индивидуально! Всегда готова по любому вопросу договориться с заказчиком! Все работы проверяю на антиплагиат.ру по умолчанию, если в заказе не стоит иное и если это заранее не обговорено!!!
    #Кандидатские #Магистерские
    21 Выполненная работа

    Другие учебные работы по предмету