| Form of studies |
Bachelor |
| Title of the study programm |
Smart Computer Technologies |
| Title in original language |
Medicīnisko dokumentu kārtošana un klasifikācija pielietojot neironu tīklus un attēlu analizēšanas rīkus |
| Title in English |
The Sorting and Classification of Medical Documents using Neural Networks and Image Analysis Tools |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Artjoms Supoņenkovs |
| Reviewer |
Ēvalds Urtāns |
| Abstract |
Digitālā progresa ietekmē medicīnā notiek lēna, bet neizbēgama dokumentācijas aprites sistēmas transformācija. Šis process ir svarīgs ne tikai medicīniskās informācijas efektivitātes un pieejamības palielināšanai, bet arī veselības aprūpes kvalitātes uzlabošanai kopumā. Digitālo tehnoloģiju rašanās un attīstība sola ievērojami uzlabot medicīnas sfēru. Mākslīgā intelekta sistēmas, lieli datu apjomi un automatizēta informācijas apstrāde var būtiski mainīt veidu, kā notiek diagnostika, ārstniecība un cilvēka veselības pārvalde.
Neraugoties uz digitālo rīku potenciālu, to ieviešana dažās medicīnas jomās, tajā skaitā, ģimenes medicīnā, ir bijusi lēna un neelastīga. Vecie ieradumi, nepietiekami pārdomāta likumdošana un pretestība pārmaiņām palēnina jaunu tehnoloģiju ieviešanu. Tomēr datu digitalizācija var dot būtiskus ieguvumus. Tie iekļauj sevī vieglu piekļuvi datiem, ātru informācijas iegūšanu un analīzi, kā arī iespēju efektīvāk apmainīties ar informāciju savā starpā veselības aprūpes speciālistiem.
Lai atvieglotu pāreju no papīra uz digitālo dokumentāciju, ir secināta nepieciešamība izstrādāt pārejas posmu, kas ietver papīra dokumentu skenēšanu un informācijas organizēšanu, izmantojot viegli saprotamus akronīmus, un ar neironu tīklu palīdzību, automatizēt dokumentu apstrādi un analīzi. Tomēr, lai efektīvi apmācītu un izmantotu neironu tīklus, ir jārisina izejas datu standartizācijas un kvalitātes uzdevumus.
Neraugoties uz pašreizējiem šķēršļiem, digitālā medicīna var dot ievērojamas pozitīvas pārmaiņas veselības aprūpē, padarot to pieejamāku, efektīvāku un personalizētāku, kā arī paātrināt ārsta lēmuma pieņemšanas laiku, samazinot birokrātijas apjomu. |
| Keywords |
Mašīnmācīšanās, medicīna, attēlu klasifikācija, mākslīgais intelekts. |
| Keywords in English |
Machine learning, medicine, image classification, artificial intelligence. |
| Language |
lv |
| Year |
2024 |
| Date and time of uploading |
28.05.2024 21:37:20 |
