Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/76281
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Спицын, Владимир Григорьевич | ru |
dc.contributor.author | Низамли, Яссер | ru |
dc.date.accessioned | 2023-06-16T04:27:07Z | - |
dc.date.available | 2023-06-16T04:27:07Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | Низамли, Яссер. Разработка систем глубокого обучения для обнаружения Covid-19 на основе сигналов ЭКГ : выпускная квалификационная работа магистранта/ Низамли, Яссер ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. В. Г. Спицын. — Томск, 2023. | - |
dc.identifier.uri | http://earchive.tpu.ru/handle/11683/76281 | - |
dc.description.abstract | В данной работе исследуется эффективность использования методов искусственного интеллекта и машинного обучения в диагностике Covid-19 на основе изображений ЭКГ, которые можно получить легко, быстро и дешево. В ходе исследования были разработаны четыре системы, в которых используются различные элементы и этапы для достижения модели с максимальной эффективностью и точностью. Система в четвертом проведенном эксперименте доказала свое превосходство над всеми аналогичными системами, разработанными и опубликованными в научных статьях, особенно при решении задач мульти-классификации. | ru |
dc.description.abstract | This work studies the effectiveness of using artificial intelligence and machine learning methods in diagnosing Covid-19 based on ECG images, which can be obtained easily, quickly and cheaply. In the research, four systems have been developed in which different elements and steps are used to achieve the model with maximum efficiency and accuracy. The system in the fourth conducted experiment proved its superiority over all similar systems developed and published in scientific papers, especially when solving multi-classification problems. | en |
dc.format.mimetype | application/pdf | - |
dc.language.iso | ru | en |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.subject | Covid-19 | ru |
dc.subject | электрокардиограмма | ru |
dc.subject | машинное обучение | ru |
dc.subject | глубокое обучение | ru |
dc.subject | трансферное обучение | ru |
dc.subject | сверточная нейронная сеть | ru |
dc.subject | Covid-19 | en |
dc.subject | electrocardiogram | en |
dc.subject | machine learning | en |
dc.subject | deep Learning | en |
dc.subject | transfer training | en |
dc.subject | convolutional neural network | en |
dc.title | Разработка систем глубокого обучения для обнаружения Covid-19 на основе сигналов ЭКГ | ru |
dc.type | Students work | - |
local.department | Национальный исследовательский Томский политехнический университет (ТПУ)::Инженерная школа информационных технологий и робототехники (ИШИТР)::Отделение информационных технологий (ОИТ) | - |
local.institut | 7950 | - |
local.localtype | Студенческая работа | - |
local.thesis.level | Магистр | ru |
local.local-vkr-id | 1277789 | - |
local.vkr-id | 52227 | - |
local.stud-group | 8ВМ13 | - |
local.lichnost-id | 182030 | - |
local.thesis.level-id | 3 | - |
local.tutor-lichnost-id | 61121 | - |
dc.subject.udc | 004.032.26:616 | - |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU1468928.pdf | 9,1 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.