Применение искусственного интеллекта в медицинской диагностике

Актуальность темы исследования. Применение искусственного интеллекта в медицине открывает новые возможности для повышения точности диагностики и эффективности лечения. Согласно исследованиям, системы на основе глубокого обучения достигают точности диагностики, сопоставимой с экспертными оценками врачей. Внедрение AI-систем позволяет сократить время постановки диагноза, снизить количество врачебных ошибок и оптимизировать нагрузку на медицинский персонал, что особенно актуально в условиях дефицита квалифицированных специалистов.

Степень научной разработанности проблемы. Методы машинного обучения в медицине исследуются в работах A. Esteva, A. Rajkomar, E. Topol. Отечественные ученые К. В. Воронцов, А. А. Шалыто, В. В. Стрижов разрабатывают теоретические основы машинного обучения. Вместе с тем, практическое применение AI в российской медицине требует дальнейших исследований.

Цель выпускной квалификационной работы — разработка и исследование методов применения искусственного интеллекта для автоматизированной медицинской диагностики на основе анализа медицинских изображений.

Задачи исследования:

1. Исследовать современные методы машинного обучения для медицинской диагностики.
2. Провести анализ существующих датасетов медицинских изображений.
3. Разработать архитектуру нейронной сети для классификации медицинских изображений.
4. Реализовать и обучить модель на реальных данных.
5. Провести оценку качества и сравнительный анализ с существующими решениями.

Объект исследования — процессы медицинской диагностики на основе анализа изображений.

Предмет исследования — методы и алгоритмы машинного обучения для автоматизированной диагностики.

Методы исследования. Глубокое обучение, сверточные нейронные сети, методы аугментации данных, кросс-валидация, метрики качества классификации (accuracy, precision, recall, F1-score, AUC-ROC).

Практическая значимость работы. Разработанная система может быть использована в медицинских учреждениях для поддержки принятия врачебных решений и повышения качества диагностики.

Структура работы. Выпускная квалификационная работа состоит из введения, трех глав, заключения, списка использованных источников и приложений. Общий объем работы составляет 75 страниц.