DSpace Repository

Învățarea automată în detectarea bolilor

Show simple item record

dc.contributor.advisor BOBICEV, Victoria
dc.contributor.author JALBĂ, Andrea
dc.date.accessioned 2024-04-04T10:15:33Z
dc.date.available 2024-04-04T10:15:33Z
dc.date.issued 2023
dc.identifier.citation JALBĂ, Andrea. Învățarea automată în detectarea bolilor: tz. de master: Programul de studiu: Mаnаgеmеtul Аpliсаțiilоr Infоrmаțiоnаlе. Cond. şt. BOBICEV Victoria. Universitatea Tehnică a Moldovei. Chişinău, 2023. en_US
dc.identifier.uri http://repository.utm.md/handle/5014/26739
dc.description Fişierul ataşat conţine: Rezumat, Abstract, Cuprins, Introducere, Bibliografie. en_US
dc.description.abstract Teza de master are drept scop crearea unei platforme web care utilizează tehnologia de învățare automată pentru a ajuta pacienții în procesul de diagnosticare a bolilor și oferirea accesibilității și flexibilității în accesarea serviciilor medicale. Pentru a atinge acest scop, sunt definite mai multe obiective principale: prezicerea diagnosticului în baza simptomelor pacientului, , prezicerea diagnosticului bolilor de inimă pe baza mai multor indici, vizualizarea spitalelor din apropiere, posibilitatea de a face programări pentru consultații de urgență și posibilitatea de a comunica cu medicul prin intermediul chat-ului. Aceste funcționalități vor ajuta pacienții să primească diagnosticuri mai precise și mai rapide, să găsească spitale și să programeze consultații într-un mod mai eficient, oferindu-le astfel o experiență mai bună în ceea ce privește accesul la serviciile medicale. În platformă se utilizează algoritmii de învățare automată: Naïve Bayes, Decision Tree Classifier și Random Forest Tree. Această platformă a fost realizată într-o aplicație complexă Web cu 2 componente, “front-end” și “back-end”. Pe partea de front-end s-au folosit instrumentele: HTML, CSS, JavaScript, Bootstrap, iar pe partea de back-end au fost folosite instrumentele: Python, Flask. Metodele bazate pe invățarea automată se folosesc pentru a îmbunătăți precizia și acuratețea diagnosticii medicale, reducând astfel erorile și scăzând costurile asociate cu diagnosticul și tratamentul bolilor. Implicațiile practice ale cercetării sunt semnificative pentru domeniul medical, cu potențiale implicații în dezvoltarea unor tehnologii mai bune de detectare a bolilor, care ar putea fi folosite în viitor pentru îmbunătățirea sănătății și calității vieții oamenilor. en_US
dc.description.abstract The master's thesis aims to create a web platform that uses machine learning technology to help patients in the process of diagnosing diseases and providing accessibility and flexibility in accessing medical services. To achieve this goal, several main objectives are defined: predicting the diagnosis based on the patient's symptoms, predicting the diagnosis of heart diseases based on several indices, viewing nearby hospitals, the ability to make appointments for emergency consultations and the ability to communicate with the doctor via chat. These functionalities will help patients receive more accurate and faster diagnoses, find hospitals and schedule appointments more efficiently, thus giving them a better experience in accessing medical services. The platform uses the machine learning algorithms: Naïve Bayes, Decision Tree Classifier and Random Forest Tree. This platform was made into a complex Web application with 2 components, "front-end" and "back-end". On the front-end side, the following tools were used: HTML, CSS, JavaScript, Bootstrap, and on the back-end side, the following tools were used: Python, Flask. Machine learning-based methods are used to improve the precision and accuracy of medical diagnosis, thereby reducing errors and lowering costs associated with disease diagnosis and treatment. The practical implications of research are significant for the medical field, with potential implications for the development of better disease detection technologies that could be used in the future to improve people's health and quality of life. en_US
dc.language.iso ro en_US
dc.publisher Universitatea Tehnică a Moldovei en_US
dc.rights Attribution-NonCommercial-NoDerivs 3.0 United States *
dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/us/ *
dc.subject Naïve Bayes en_US
dc.subject Decision Tree Classifier en_US
dc.subject Random Forest Tree en_US
dc.subject HTML en_US
dc.subject CSS en_US
dc.title Învățarea automată în detectarea bolilor en_US
dc.title.alternative Machine Learning in disease detection en_US
dc.type Thesis en_US


Files in this item

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States

Search DSpace


Advanced Search

Browse

My Account