Дипломная работа на тему "ТЮМГУ | Разработка приложения для визуализации стохастической модели развития заболеваний"

Работа на тему: Разработка приложения для визуализации стохастической модели развития заболеваний
Оценка: хорошо.
Оригинальность работы на момент публикации 50+% на антиплагиат.ру.
Ниже прилагаю все данные для покупки.
https://studentu24.ru/list/suppliers/Anastasiya1---1326

Описание работы

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»
ИНСТИТУТ МАТЕМАТИКИ И КОМПЬЮТЕРНЫХ НАУК
Кафедра программного обеспечения

РЕКОМЕНДОВАНО К ЗАЩИТЕ В ГЭК

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
бакалаврская работа
РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ ВИЗУАЛИЗАЦИИ СТОХАСТИЧЕСКОЙ МОДЕЛИ РАЗВИТИЯ ЗАБОЛЕВАНИЙ

02.03.03 Математическое обеспечение и администрирование информационных систем
Профиль «Технологии программирования»

Тюмень 2022 год

ОГЛАВЛЕНИЕ
СПИСОК ТЕРМИНОВ 3
ВВЕДЕНИЕ 4
ГЛАВА 1. МОДЕЛИРОВАНИЕ И ВИЗУАЛИЗАЦИЯ ПРОЦЕССОВ
РАЗВИТИЯ ЗАБОЛЕВАНИЙ 6
1.1. МОДЕЛИ ЭПИДЕМИОЛОГИЧЕСКИХ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ 6
1.2. ВИЗУАЛИЗАЦИЯ МОДЕЛЕЙ ЭПИДЕМИОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ 11
1.2.1. ЦЕПЬ МАРКОВА 11
ГЛАВА 2. ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА 14
2.1. ИЗУЧЕНИЕ СРЕДСТВ МОДЕЛИРОВАНИЯ И ВИЗУАЛИЗАЦИИ
ПРОЦЕССОВ РАЗВИТИЯ ЗАБОЛЕВАНИЙ 14
2.1.1. БИБЛИОТЕКА GRAPHX 14
2.1.2. БИБЛИОТЕКА OXYPLOT 17
2.3. РАЗРАБОТКА ОБЪЕКТНОЙ МОДЕЛИ ПРОЦЕССА 20
2.4. РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ ВИЗУАЛЬНОГО ПРОЕКТИРОВАНИЯ МОДЕЛЕЙ ПРОЦЕССОВ 22
2.5. РАЗРАБОТКА ФУНКЦИИ ДЛЯ ГЕНЕРАЦИИ КОДА, ОПИСЫВАЮЩЕГО ПОСТРОЕННУЮ МОДЕЛЬ В ВИДЕ СТРУКТУРЫ ДАННЫХ 23
2.6. СОЗДАНИЕ МОДУЛЯ ВИЗУАЛИЗАЦИИ МОДЕЛЕЙ ПО ФОРМАЛЬНОМУ ОПИСАНИЮ 24
2.7. РЕАЛИЗАЦИЯ ФУНКЦИИ СОХРАНЕНИЕ И ОТКРЫТИЕ МОДЕЛИ 26
ГЛАВА 3. ИНСТРУКЦИИ ДЛЯ ПОЛЬЗОВАТЕЛЯ И РАЗРАБОТЧИКА 27
3.1. ИНСТРУКЦИЯ ДЛЯ ПОЛЬЗОВАТЕЛЯ 27
3.1.1. НАЧАЛЬНЫЙ ЭКРАН 27
3.1.3. НАСТРОЙКА МОДЕЛИ 28
3.1.4. СОЗДАНИЕ СТАДИЙ И ПЕРЕХОДОВ 29
3.1.5. НАСТРОЙКА СТАДИИ 30
3.1.6. НАСТРОЙКА СВЯЗИ 31
3.1.7. ЗАПУСК МОДЕЛИ 32
3.1.8. ДОБАВЛЕНИЕ ГРАФИКОВ 33
3.2. ИНСТРУКЦИЯ ДЛЯ РАЗРАБОТЧИКА 34
3.2.1. ИНСТРУКЦИЯ КОНСТРУКТОРА ГРАФОВ 34
3.2.2. ИНСТРУКЦИЯ ПО МОДУЛЮ ВИЗУАЛИЗАЦИИ 38
ЗАКЛЮЧЕНИЕ 40
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 41
ПРИЛОЖЕНИЯ 1-9 43

СПИСОК ТЕРМИНОВ
COVID-19 – (англ. Coronavirus disease 2019) – коронавирусная инфекция 2019 года.
SIR – (англ. Susceptible – infected – recovered) – эпидемиологическая модель, описываемая стадиями: восприимчивые – инфицированные – выздоровевшие.
Стохастическая модель – это модель, где учитываются случайные факторы.
Инфекционный агент – это живой организм или молекула, вызывающая инфекционное заболевание.
Компартментальные модели — это методика, используемая для упрощения математического моделирования инфекционных заболеваний. Население делится на отсеки или фракции, при условии, что каждый человек в одном и том же отсеке имеет одинаковые характеристики.
Компартмент – отсек, группа.
MVVM – (англ. Model – View – View – Model) – шаблон проектирования архитектуры приложения.
Лицензия MIT (англ. MIT License) — лицензия открытого и свободного программного обеспечения, разработанная Массачусетским технологическим институтом.

ВВЕДЕНИЕ
В конце 2019 года во всем мире начала стремительно распространяться новая, потенциально тяжелая острая респираторная инфекция названная COVID-
19. Данное инфекционное заболевание стало одним из самых значимых событий в 2020 году и до сих пор является огромной опасностью. Вирус постоянно мутирует и имеет множество различных последствий, о которых необходимо иметь четкую, актуальную и структурированную информацию для понимая рисков, а также для профилактики распространения заболевания.
Одним из важных методов профилактики значительного распространения инфекционных заболеваний является эпидемиологическое моделирование. Значительный вклад в развитие математического аппарата для моделирования эпидемий был сделан Кермаком и Маккендриком ещё в 1926 году, когда они разработали первую компартментальную эпидемиологическую модель SIR. С тех пор было разработано множество уточнений и модификаций данной модели.
В процессе эпидемиологического моделирования одной из важных задач является построение визуального представления модели развития заболеваний. На данный момент не существует удобного программного инструмента для построения данных моделей и исследователям приходится разрабатывать их с помощью примитивных средств построения графом и блок-схем. При этом данные схемы в силу отсутствия специализированной направленности сложно использовать для дальнейшего исследования. Востребованность соответствующего программного обеспечения медико-биологических исследований определяет актуальность решаемой проблемы.
Темой данной выпускной контрольной работы является “Разработка приложения для визуализации стохастической модели процесса развития заболеваний”. Основой модели служит представление об этом процессе как о случайных переходах между определенными стадиями заболевания [Подзолков, 2020, с. 89].
Для решения проблемы предлагается проектирование и программная реализация конструктора графов переходов, где вершины — это стадии, а
ориентированные дуги — переходы между стадиями. При этом у стадий должно быть настраиваемое количество именованных параметров, которые можно изменять, а у переходов должен быть настраиваемый коэффициент вероятности. Также программа должна обеспечивать визуализацию графов по уже имеющимся стадиям и переходам.
Целью выпускной квалификационной работы является разработка приложения для структурирования и визуализации процесса развития заболеваний на основе стохастической модели, а также генерация кода, описывающего построенную модель в виде структуры данных.
Поставленные задачи:
1. Изучение способов моделирования и визуализации процессов развития заболеваний.
2. Разработка объектной модели процесса.
3. Разработка приложения для визуального проектирования моделей процессов.
4. Реализация функции для генерации документируемого кода, описывающего построенную модель в виде структуры данных.
5. Создание модуля визуализации моделей по формальному описанию.
Для успешной подготовки и защиты выпускной квалификационной работы использовались средства и методы физической культуры и спорта с целью поддержания должного уровня физической подготовленности, обеспечивающую высокую умственную и физической работоспособность. В режим рабочего дня включались различные формы организации занятий физической культурой (физкультпаузы, физкультминутки, занятия избранным видом спорта) с целью профилактики утомления, появления хронических заболеваний и нормализации деятельности различных систем организма.
В рамках подготовки к защите выпускной квалификационной работы автором созданы и поддерживались безопасные условия жизнедеятельности, учитывающие возможность возникновении чрезвычайных ситуаций.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Bacaer N. Sur le pic epidemique dans un modele SIR // Quadtrature. 2020. V. 117. P. 9–12.
2. J. Wang, K.H. Reilly, J. Luo. Dynamic mathematical models of HIV/AIDS transmission in China // Chinese medical journal. 2010. V. 123. № 15. P. 2120–2127.
3. GitHub: GraphX Wiki [сайт].
4. Нabr.com: Построчный разбор лицензии MIT. [сайт].
5. Hethcote H., Zhien M., Shengbing L. Effects of quarantine in six endemic models for infectious diseases // Mathematical biosciences. 2002. V. 180. № 1–2. P. 141–160.
6. OxyPlot’s documentation: [сайт].
7. Rodrigues H.S. Application of SIR epidemiological model: new trends // International journal of applied mathematics and informatics. 2016. V. 10. P. 92–97.
8. Rothman K.J., Greenland S., Lash T.L. Modern epidemiology. 3rd edition. Lippincott Williams & Wilkins, 2008. 758 p.
9. Szklo M., Nieto F.J. Epidemiology: beyond the basics. 4th edition. Burlington: Jones & Bartlett Publishers, 2018. 577 p.
10. Tolles J., Luong T.B. Modeling epidemics with compartmental models // Jama. 2020. V. 323. № 24. P. 2515–2516.
11. Герасимов А. Н. Модели и статистический анализ в эпидемиологии инфекционных заболеваний // Тихоокеанский медицинский журнал. 2019. № 3. С. 80–83.
12. Еремеева Н. И. Построение модификации SEIRD-модели распространения эпидемии, учитывающей особенности COVID-19 // Вестник
Тверского государственного университета. Серия: Прикладная математика. 2020. № 4. С. 14–27.
13. Кельберт М. Я., Сухов Ю. М. Вероятность и статистика в примерах и задачах. Т. ІІ: Марковские цепи как отправная точка теории случайных процессов и их приложения // МЦНМО, 2010. С. 295
14. Кондратьев М. А. Методы прогнозирования и модели распространения заболеваний // Компьютерные исследования и моделирование. 2013. Т. 5. № 5. С. 863–882.
15. Котин В.В. Прогнозирование заболеваемости: динамические модели и временные ряды // Биотехносфера. 2014. № 3 (33). С. 45–47.
16. Мельниченко О. А., Романюха А.А. Модель эпидемиологии туберкулеза. Анализ данных и оценка параметров // Математическое моделирование. 2008. Т. 20. № 8. С. 107–128.
17. Подзолков П. Н. Соответствие программной симуляции эпидемий математической модели SIR // Философские проблемы биологии и медицины. Вып. 14: Вызовы техногенной цивилизации – интегративная философия мироподобия / под общ. ред. В. И. Моисеев, Л. П. Киященко, Е. И. Аверкина. Москва: ЛЕНАНД, 2020. С. 88–93
18. Разумов Т. Е. Модель эпидемии SIR с учетом пространственной неоднородности расположения индивидов // Политехнический молодежный журнал. 2019. № 6. с. 331–332.
19. Самсонова Н. А. Компьютерное моделирование распространения инфекционных заболеваний // Бюллетень медицинских интернет-конференций. 2013. Т. 3. № 2. С. 233.