Роботизований комплекс для моніторингу та догляду за хворими пацієнтами
Автор: Баран Богдан Романович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Баран Б.Р., Юрчак І.Ю (керівник). Роботизований комплекс для моніторингу та догляду за хворими пацієнтами. Магістерська кваліфікаційна робота. - Національний університет "Львівська політехніка", Львів, 2024. Розширена анотація У сучасному світі догляд за хворими пацієнтами відіграє важливу роль у їхньому лікуванні. Вчасне реагування на погіршення самопочуття ефективно впливає лікування пацієнтів. Завдяки розвитку сучасних технологій, таких як штучні нейронні мережі, з’являються нові можливості для автоматизації догляду за пацієнтами. Це значно зменшує навантаження на медичних працівників, одночасно підвищуючи точність і швидкість прийняття рішень щодо необхідної допомоги хворим. Ідеальне втілення моніторингової системи – робот, що створений для моніторингу за пацієнтами. Однак, робот лише із моніторинговою системою не зможе надавати необхідні дії та допомагати тим, хто цього потребує. Для цього у систему підключають нейронні мережі. Нейронні мережі у інформаційних технологіях – це аналог людським нейронним мережам у мозку, які спроможні запам’ятовувати, зберігати, обробляти, сприймати та створювати нову інформацію. Іншими перевагами таких мереж є здатність до різних типів навчання: самонавчання через досвід та навчання із вчителем. Системи, що створені за таким принципом, дозволяють вирішувати поставлені завдання у напрямку розпізнавання образів, емоцій, оптимізації. Під час створення програмної моделі робота досліджено шляхи використання сучасних технологій для розробки поставленого завдання. Для написання магістерської роботи проаналізовано аналоги систем, що використовують комп’ютерній зір, штучний інтелект та модулі навчання, а також визначено актуальність предметної області. Під час дослідження предметного середовища сформовано основні цілі, завдання, план та вимоги до проекту. Представлена модель повинна вміти розпізнавати емоції, голосові команди, бути простою у розумінні та використанні. Завдяки алгоритмам штучного інтелекту та машинного навчання, створеного мовою Python та властивою їй бібліотекою для навчання – TensorFlow та DeepFace, створено систему розпізнавання емоцій. Навчання відбувається на основі попередньо завантажених зображень із емоціями (dataset). Результат проекту зображений у інфтерфесі, що включає у себе моніторинг за пацієнтами. Мета дослідження – створити роботизовану систему для моніторингу та догляду за хворими пацієнтами. У ході роботи проведено детальний аналіз сучасних методів класифікації розпізнавання емоцій. Особливу увагу приділено вибору оптимальних архітектур нейронних мереж, що забезпечують високу точність і продуктивність у вирішенні задач аналізу зображень. На основі отриманих результатів розроблено та навчено модель нейронної мережі для розпізнавання емоцій на людському обличчі. Наукова новизна дослідження полягає у створенні програмного забезпечення для моніторингового робота, що поєднує можливість навчання та розпізнавання емоцій завдяки комп’ютерному зору. Це надає змогу проводити швидкий попередній діагностичний аналіз емоцій пацієнтів із високою точністю та ефективністю. Розроблена система забезпечує простий і зручний інтерфейс, що дозволяє медичним працівникам використовувати її без спеціальної підготовки. Практичне значення роботи полягає в можливості використання розробленої системи в медичних установах як додаткового інструменту для первинного моніторингу за пацієнтами. Це може сприяти покращенню якості медичної допомоги, зменшенню часу на діагностику та уникнення ризику людських помилок. Система також має потенціал для застосування в телемедицині, що особливо актуально в умовах обмеженого доступу до медичних закладів. Загальний об’єм: _ сторінок, з них _ додатки обсягом _ сторінок, 16 рисунків, 6 таблиць, 6 посилань на літературні джерела. Ключові слова: медичні зображення, нейронні мережі, класифікація, алгоритм, комп’ютерний зір, штучний інтелект, розпізнавання емоцій. Перелік використаних літературних джерел: 1. Дмитрієв М. А., Левченко О. В. Основи обробки зображень та комп’ютерного зору. – Київ: Видавництво "Наукова думка", 2020. – 328 с. 2. Пархоменко О. В., Синиця О. П. Штучний інтелект та машинне навчання: Навчальний посібник. – Львів: Видавництво Львівської політехніки, 2019. – 412 с. 3. Ковальчук І. В. Глибоке навчання: алгоритми, моделі та застосування. – Харків: Видавництво ХНУ, 2021. – 360 с. 4. Рейнхард Клетте Комп’ютерний зір. Теорія та алгоритми, 2019. – 506 с. 5. Amita Nandal, Liang Zhou, Arvind Dhaka, Todor Ganchev, Farid Nait- Abdesselam, Machine learning in medical imaging and computer vision. 2023. – 382 С.