Інтелектуальна система раннього виявлення ризику діабету

Abstract

Кваліфікаційна магістерська робота присвячена розробці інтелектуальної системи для прогнозування ризику розвитку цукрового діабету ІІ типу з використанням методів машинного навчання. Система забезпечує введення медичних показників користувача, обчислення ймовірності розвитку захворювання за допомогою моделі TensorFlow.js, візуалізацію результатів, ведення історії та моніторинг рівня глюкози. Об’єктом дослідження є процес раннього виявлення ризику розвитку цукрового діабету. Предметом дослідження є методи прогнозування ризику розвитку цукрового діабету. Метою роботи є рання діагностика ризику розвитку цукрового діабету за рахунок розробки інтелектуальної системи з використанням методів машинного навчання. Для досягнення визначеної мети необхідно вирішити такі завдання:  провести аналіз предметної галузі та сучасних методів ранньої діагностики цукрового діабету;  дослідити алгоритми машинного навчання та інтелектуального аналізу даних, що можуть бути застосовані для прогнозування ризику діабету;  розробити концептуальну модель інтелектуальної системи раннього виявлення ризику діабету;  реалізувати програмне забезпечення на Angular із використанням TensorFlow для обробки вхідних даних та прогнозування ризику;  провести тестування та оцінку точності роботи системи. The qualifying master's thesis is devoted to the development of a system for predicting the risk of type 2 diabetes using machine learning methods. The system provides user input of medical indicators, calculates the probability of disease development using a TensorFlow.js model, visualizes results, maintains prediction history, and monitors glucose levels. The object of the research is the process of early detection of diabetes risk. The subject of the study is methods for predicting the risk of developing diabetes. The aim of the work is the early diagnosis of the risk of developing diabetes through the development of an intelligent system using machine learning methods. To achieve this goal, the following tasks were defined:  to analyze the domain area and modern methods of early diabetes diagnosis;  to study machine learning and data mining algorithms applicable to diabetes risk prediction;  to develop a conceptual model of an intelligent system for early diabetes risk detection;  to implement software using Angular and TensorFlow for data processing and risk prediction;  to perform testing and accuracy evaluation of the system using real or synthetic medical data