1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 05. Выпускные квалификационные работы
  3. Выпускные квалификационные работы
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorЗахаров В. П.ru
dc.contributor.authorНиколаева С. С.ru
dc.date.accessioned2026-10-08T12:27:50Z-
dc.date.available2026-10-08T12:27:50Z-
dc.date.issued2026ru
dc.identifierRU\НТБ СГАУ\ВКР20260812140844ru
dc.identifier.citationНиколаева, С. С. ViT-система диагностики рака кожи : вып. квалификац. работа по программе бакалавриата по направлению подготовки 12.03.04 "Биотехнические системы и технологии", профиль "Биомедицинские информационные технологии" / С. С. Николаева ; рук. работы В. П. Захаров ; нормоконтролер В. П. Захаров ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики. - Самара, 2026. - 1 файл (5,7 Мб). - Текст : электронныйru
dc.identifier.isbnru
dc.identifier.issnru
dc.identifier.ismnru
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/63731-
dc.identifier.npsru
dc.identifier.orcidru
dc.description.abstractПроведен сравнительный анализ эффективности современных архитектур глубокого обучения на датасете дерматоскопических изображений HAM10000. Разработана и обучена гибридная модель DenseNet121 + ViTSmall для трех задач классификации: бинарной (злокачественная/доброкачественная), бинарной (меланома/не меланома) и 4- классовой (меланома, невус, кератоз, базальноклеточный рак). Модель обучена на сбалансированной выборке из 4000 изображений (по 1000 на каждый класс). Достигнуты следующие метрики на отложенной тестовой выборке (800 изображений): точность 4-классовой классификации - 87,00% (лучший результат на валидации - 87,75%), точность детекции злокачественных новообразований - 89,25%, точность детекции меланомы - 89,12%. Чисто сверточная архитектура DenseNet121 без ViT-компонента показала точность 4-классовой классификации 80,88%, что подтверждает эффективность гибридного подхода (прирост 6,12 процентных пункта). Создан функциональный прототип веб-приложения на базе фреймворка FastAPI с использованием базы данныхru
dc.format.mimetypeTextru
dc.textpart-
dc.subjectVISION TRANSFORMER (ViT)ru
dc.subjectViT-система диагностики рака кожиru
dc.subjectвеб-приложенияru
dc.subjectдерматоскопияru
dc.subjectдиагностика рака кожиru
dc.subjectинтерпретируемый искусственный интеллект (XAI)ru
dc.subjectмеланомыru
dc.subjectрак кожиru
dc.subjectсверточные нейронные сетиru
dc.subjectсистема поддержки принятия врачебных решений (СППР)ru
dc.subject.rugasnti50.01.13ru
dc.subject.rugasnti76.03ru
dc.subject.udc004.9ru
dc.subject.udc57ru
dc.subject.udc61ru
dc.titleViT-система диагностики рака кожиru
dc.typeTextru
Appears in Collections:Выпускные квалификационные работы

Files in This Item:
File SizeFormat 
Николаева_Софья_Сергеевна_система_диагностики_рака.pdf5.87 MBAdobe PDFView/Open    Request a copy
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.