Разработка модуля анализа данных пациентов с использованием технологии Big Data

Введение……………………………………………………………………………3
Глава 1. Постановка задачи………………………………………………………..5
1.1. Big Data: теоретические основы и использование в здравоохранении….....5
1.2. Определение конкретных проблем анализа данных пациентов, которые могут быть решены с помощью технологии Big Data………………………….10
1.3. Формулирование целей модуля анализа данных пациентов………………13
Глава 2. Проектирование программного продукта……………………………..18
2.1. Обзор существующих решений и их недостатков…………………………18
2.2. Требования к программному продукту для анализа данных пациентов…24
2.3. Описание архитектуры программного продукта…………………………..31
2.4. Обоснование выбора инструментов для обработки и анализа данных…...35
Глава 3. Разработка информационной системы программного продукта…….42
3.1. Моделирование процессов разработки анализа данных пациентов с применением технологии Big Data………………………………………………42
3.2. Построение дерева целей и решений для модуля анализа данных……….46
3.3. Разработка и описание алгоритма обучения модели нейронной сети……50
3.4. Реализация модели анализа и диагностики данных пациентов с использованием Big Data………………………………………………………...60
3.5. Анализ, обработка и визуализация больших данных в рамках модуля…..61
Глава 4. Экономическое обоснование…………………………………………...69
4.1. Оценка экономической эффективности модуля анализа данных пациентов………………………………………………………………………….69
4.2. Рекомендации по использованию больших данных и аналитики в здравоохранении………………………………………………………………….71
Заключение………………………………………………………………………..82
Список использованной литературы…………………………………………….85
Приложения……………………………………………………………………….89

Весь текст будет доступен после покупки

Актуальность исследования. Сегодня большие данные активно используются в различных сферах, причем особенно актуальны они в здравоохранении. Специалисты прогнозируют стремительный рост рынка больших данных, и их применение в медицинской сфере активно обсуждается по всему миру. Благодаря научно-техническому прогрессу и новым технологиям, стало возможно работать с огромными объемами информации. Только в 2022 году человечество сгенерировало 33 зетабайта данных.
Технологические достижения в медицине в сочетании с новыми возможностями обработки масштабных объемов информации в области здравоохранения открывают как потенциал, так и связанные с этим проблемы.
Медицина традиционно была наукой о наблюдении и опыте. И если когда-то исследования могли состоять из наблюдения лишь за несколькими пациентами и на основе полученных данных делались выводы о болезнях в целом, то сейчас необходимы достаточно крупные выборки пациентов, что привело к неуклонному увеличению объема исследовательского материала в каждой научно-исследовательской работе.
Big Data представляет собой информационные активы с большим объемом, высокой скоростью и/или значительным разнообразием, требующие современных технологий обработки данных для улучшения понимания, принятия решений и автоматизации процессов.

Весь текст будет доступен после покупки

1. Постановка задачи
1.1. Big Data: теоретические основы и использование в здравоохранении
Внедрение больших данных в различные отрасли, особенно в здравоохранении, действительно привлекает все больше внимания. Рост рынка данных прогнозируется стремительным, и использование их в медицине обсуждается по всему миру. Благодаря научно-техническому прогрессу и новым технологиям,обработка огромных объемов информации становится возможной. Интересно, что только в 2022 году человечество сгенерировало 33 зетабайта данных.
1 зетабайт (1012 Гб) соответствует объему памяти одного человеческого мозга, что действительно важно для понимания масштабов информации в современном мире. По определению Gartner, Big Data представляют собой информационные активы с большим объемом, высокой скоростью и/или значительным разнообразием, требующие современных технологий обработки данных для улучшения понимания, принятия решений и автоматизации процессов .
Термин «Big Data» был введен в 2008 году американским редактором журнала «Nature» Клиффордом Клинчем для определения взрывного роста информационных потоков, включая все массивы данных объемом свыше 150 Гб в сутки.
Аналитика больших данных имеет преимущество перед традиционной аналитикой благодаря быстрой обработке большого объема данных, возможности анализа данных в режиме реального времени и отсутствию необходимости предварительной сортировки информации. Свойства больших данных обычно описываются как 3V: объем (volume), разнообразие (variety), скорость (velocity).
Большие данные широко применяются в различных областях :
1. В разработке продуктов: данные из социальных сетей и результаты пробных продаж помогают принимать решения о выводе на рынок новых продуктов, как это сделала компания Netflix с сериалом «Карточный домик».
2. В прогнозировании: анализ больших данных позволяет предсказать возможные сбои работы оборудования.

Весь текст будет доступен после покупки

1. Аксенова Е. И., Горбатов С. Ю. Применение технологий интернета вещей в здравоохранении // Здоровье мегаполиса. — 2021. — № 4. — URL: https : / / cyberleninka . ru / article / n / primenenie - tehnologiy - interneta - veschey-v-zdravoohranenii.
2. Басалаева, А. Ю. Web-scraping и классификация текстов методом наивного Байеса / А. Ю. Басалаева, Г. А. Гареева, Д. Р. Григорьева // Инновационная наука, 2018. – Т. 2. – № 5. – С. 11-14.
3. Барский, А. Б. Нейронные сети: распознавание, управление, принятие решений / А. Б. Барский. – Москва : Финансы и статистика, 2007. – 176 с.
4. Бахтин, И. В. Организация совместной работы с использованием вебсервиса github // Форум молодых ученых, 2019. – № 2(30). – С. 268-271.
5. Березин, С. А. Выделение именованных сущностей из текстов распорядительных документов с помощью глубоких нейронных сетей / С.А. Березин, И. Ю. Бондаренко // Системная информатика, 2020. – № 16. – С. 137-148.
6. Болвашенков И.В. Использование нейронных сетей для поиска дополнительных критериев постановки диагноза и оценки исходов ТЭЛА // [Текст] / И.В. Болвашенков // Журнал "European multi science journal". - 2019. - № 26. -С. 10-11.
7. Болвашенков И.В. Искусственный интеллект в сфере здравоохранения [Текст] / И.В. Болвашенков // Журнал "Research and Science". - 2019. - № 4. -

Весь текст будет доступен после покупки