Застосування методів штучного інтелекту для діагностування психічного здоров’я
| dc.contributor.affiliation | Національний університет «Львівська політехніка» | |
| dc.contributor.author | Білинська, Віолетта Мар’янівна | |
| dc.coverage.placename | Львів | |
| dc.date.accessioned | 2024-04-24T11:51:21Z | |
| dc.date.available | 2024-04-24T11:51:21Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 2024 | |
| dc.description.abstract | Бакалаврська кваліфікаційна робота виконана студенткою групи КН-412 Білинською Віолеттою Мар’янівною. Тема «Застосування методів штучного інтелекту для діагностування психічного здоров’я». Робота спрямована на здобуття ступеня бакалавр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є розробка інформаційної системи для класифікації емоційних станів особи на основі аналізу даних, отриманих за допомогою функціональної магнітно-резонансної томографії (фМРТ). Об’єктом дослідження є патерни активності мозку, пов'язані зі специфічними емоційними завданнями, які можна виявити та класифікувати за допомогою функціональної магнітно-резонансної томографії (фМРТ). У результаті виконання дипломної роботи було розроблено програмний продукт, який декодує три емоційні стани мозку, використовуючи просторову інформацію з даних функціональної магнітно-резонансної томографії (фМРТ). Загальний обсяг роботи: 73 сторінки, 21 рисунок, 25 посилань. Bachelor's thesis was developed by a student of the group CS-412, Violetta Bilynska. The topic is «Application of Artificial Intelligence Methods for Diagnosing Mental Health». The work is aimed at obtaining a bachelor's degree in specialty 122 «Computer Science». Recent advancements in functional Magnetic Resonance Imaging (fMRI) have facilitated significant breakthroughs in diagnosing many brain-related disorders, such as Attention Deficit Hyperactivity Disorder (ADHD), Alzheimer's disease, schizophrenia, and more. The application of deep learning methodologies has been instrumental in these successes, with multidimensional fMRI signal classification emerging as a prominent technique due to its high spatial resolution, comprehensive brain coverage, and noninvasive nature. However, using fMRI data to distinguish emotional brain states from other brain states has proved difficult due to the inability to generate fast yet accurate predictions in short time frames and the inability to extract emotional features that generalize to unseen subjects. | |
| dc.format.pages | 73 | |
| dc.identifier.citation | Білинської В. М. Застосування методів штучного інтелекту для діагностування психічного здоров’я : пояснювальна записка до бакалаврської кваліфікаційної роботи : 122 «Комп’ютерні науки» / Віолетта Мар’янівна Білинська ; Національний університет «Львівська політехніка». – Львів, 2023. – 73 с. | |
| dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/61873 | |
| dc.language.iso | uk | |
| dc.publisher | Національний університет «Львівська політехніка» | |
| dc.subject | функціональної магнітно-резонансної томографії (фМРТ), обробка зображень, емоційні стани мозку, згорткова нейронна мережа, functional magnetic resonance imaging (fMRI), image processing, emotional brain states, convolutional neural network. | |
| dc.title | Застосування методів штучного інтелекту для діагностування психічного здоров’я | |
| dc.title.alternative | Application of Artificial Intelligence Methods for Diagnosing Mental Health | |
| dc.type | Students_diploma |