[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"doc-seo-290629-105":3,"detail-sidebar-cat-0-en-105":81,"doc-detail-290629-en":131},{"code":4,"msg":5,"data":6},0,"ok",{"site_id":7,"language":8,"slug":9,"title":10,"keywords":11,"description":12,"schema_data":13,"social_meta":74,"head_meta":76,"extra_data":78,"updated_unix":80},105,"lt","machine-learning-methods-for-classification-of-spectra-of-human-harmful-microorganisms","ŽMOGUI KENKSMINGU˛ MIKROORGANIZMU˛ SPEKTRU˛ KLASIFIKAVIMAS - MAŠINU˛ MOKYMO METODAIS","","Žmogui kenksmingų mikroorganizmų infekcijų prevencijai ir gydymui itin svarbu laiku bei tiksliai atpažinti sukėlėjus, ypač didėjant antibiotikų vartojimui ir atsparių bakterijų skaičiui. Darbe nagrinėjama, kaip mašininio mokymo metodai gali būti taikomi žmogui kenksmingų mikroorganizmų atpažinimui mišiniuose, vertinant jų klasių pasiskirstymą pagal spektrografinius mėginius. Sprendžiami uždaviniai: taikyti skirtingus mokymo metodus spektrų klasifikavimui ir mišinio santykio nustatymui, palyginti metodų stipriąsias bei silpnąsias puses.",{"@graph":14,"@context":73},[15,34,56],{"@type":16,"itemListElement":17},"BreadcrumbList",[18,23,27,31],{"item":19,"name":20,"@type":21,"position":22},"https://docshare.wps.com","Home","ListItem",1,{"item":24,"name":25,"@type":21,"position":26},"https://docshare.wps.com/document/","Document",2,{"item":28,"name":29,"@type":21,"position":30},"https://docshare.wps.com/document/research-report/","Research & Report",3,{"item":32,"name":10,"@type":21,"position":33},"https://docshare.wps.com/document/machine-learning-methods-for-classification-of-spectra-of-human-harmful-microorganisms/290629/",4,{"url":32,"name":10,"@type":35,"image":36,"author":41,"headline":10,"publisher":44,"fileFormat":47,"inLanguage":8,"description":12,"dateModified":48,"datePublished":49,"encodingFormat":47,"isAccessibleForFree":50,"interactionStatistic":51},"DigitalDocument",{"url":37,"@type":38,"width":39,"height":40},"https://docshare.wps.com/thumbnails/machine-learning-methods-for-classification-of-spectra-of-human-harmful-microorganisms/290629.png","ImageObject",300,407,{"name":42,"@type":43},"Asher","Person",{"url":19,"name":45,"@type":46},"DocShare","Organization","application/pdf","2026-10-28","2026-09-17",true,{"@type":52,"interactionType":53,"userInteractionCount":55},"InteractionCounter",{"@type":54},"ViewAction",11,{"@type":57,"mainEntity":58},"FAQPage",[59,65,69],{"name":60,"@type":61,"acceptedAnswer":62},"Kodėl svarbu laiku ir tinkamai atpažinti žmogui kenksmingus mikroorganizmus?","Question",{"text":63,"@type":64},"Nuo infekciją sukeliančių mikroorganizmų identifikavimo priklauso gydymo veiksmingumas ir komplikacijų prevencija. Didėjantis antibiotikų vartojimas ir atsparių bakterijų plitimas daro tikslią diagnostiką ypač svarbią.","Answer",{"name":66,"@type":61,"acceptedAnswer":67},"Kokios yra mišrių infekcijų gydymo ypatybės?",{"text":68,"@type":64},"Mišrios infekcijos, kai dalyvauja keli patogenai, dažnai yra sunkiau gydomos ir sukelia stipresnius simptomus. Kadangi patogenai skirtingai reaguoja į vaistus, svarbu įvertinti, kokie patogenai dalyvauja ir kokiais santykiais.",{"name":70,"@type":61,"acceptedAnswer":71},"Koks šio tyrimo tikslas ir kokie pagrindiniai uždaviniai?",{"text":72,"@type":64},"Tyrimo tikslas – įvertinti, kaip mašininio mokymo metodai gali būti pritaikyti žmogui kenksmingų mikroorganizmų atpažinimui mišiniuose, įvertinant klasių pasiskirstymą pagal spektrografinius mėginius. Uždaviniai apima mokymo metodų taikymą spektrų klasifikavimui ir mišinio santykio nustatymui bei metodų palyginimą.","https://schema.org",{"og:url":32,"og:type":75,"og:title":10,"og:site_name":45,"og:description":12},"article",{"robots":77,"canonical":32},"index,follow",{"doc_id":79,"site_id":7},290629,1789642232,{"code":4,"msg":82,"data":83},"success",[84,88,92,96,101,106,111,115,120,123,127],{"id":22,"doc_module":4,"doc_module_name":25,"category_name":85,"show_sort_weight":86,"slug":87},"Story & Novel",90,"story-novel",{"id":26,"doc_module":4,"doc_module_name":25,"category_name":89,"show_sort_weight":90,"slug":91},"Literature",80,"literature",{"id":33,"doc_module":4,"doc_module_name":25,"category_name":93,"show_sort_weight":94,"slug":95},"Exam",70,"exam",{"id":97,"doc_module":4,"doc_module_name":25,"category_name":98,"show_sort_weight":99,"slug":100},5,"Comic",60,"comic",{"id":102,"doc_module":4,"doc_module_name":25,"category_name":103,"show_sort_weight":104,"slug":105},6,"Technology",50,"technology",{"id":107,"doc_module":4,"doc_module_name":25,"category_name":108,"show_sort_weight":109,"slug":110},7,"Healthcare",40,"healthcare",{"id":112,"doc_module":4,"doc_module_name":25,"category_name":29,"show_sort_weight":113,"slug":114},8,30,"research-report",{"id":116,"doc_module":4,"doc_module_name":25,"category_name":117,"show_sort_weight":118,"slug":119},9,"Religion & Spirituality",20,"religion-spirituality",{"id":118,"doc_module":4,"doc_module_name":25,"category_name":121,"show_sort_weight":118,"slug":122},"World Cup","world-cup",{"id":124,"doc_module":4,"doc_module_name":25,"category_name":125,"show_sort_weight":124,"slug":126},10,"Lifestyle","lifestyle",{"id":128,"doc_module":4,"doc_module_name":25,"category_name":129,"show_sort_weight":97,"slug":130},19,"General","general",{"code":4,"msg":82,"data":132},{"doc_id":79,"user_id":133,"nickname":42,"user_avatar":134,"doc_module":4,"category_id":112,"category_name":29,"doc_title":10,"doc_description":12,"doc_content":135,"file_id":136,"file_url":137,"file_type":138,"file_size":139,"view_count":55,"is_deleted":4,"is_public":22,"is_downloadable":22,"audit_status":22,"page_count":140,"language":141,"language_code":8,"site_id":7,"html_lang":142,"table_of_contents":143,"faqs":144,"seo_title":145,"seo_description":12,"update_tm":80,"read_time":99,"preview_page_count":4},687197207639,"https://ap-avatar.wpscdn.com/davatar_a8503ba1806abce46bf441b54a3ca4cd","Vilniaus universitetas  \nFizikos fakultetas  \nChemins fizikos institutas  \nBenas Motiejnas  \nŽMOGUI KENKSMINGU˛ MIKROORGANIZMU˛ SPEKTRU˛ KLASIFIKAVIMAS  \nMAŠINU˛ MOKYMO METODAIS  \nBAKALAURO STUDIJU˛ BAIGIAMASIS DARBAS  \nKompiuterins fizikos ir modeliavimo studiju˛ programa  \nStudentas Benas Motiejnas  \nLeista ginti 2024-05-24  \nDarbo vadovas dr. Stepas Toliautas  \nInstituto direktorius dr. Darius Abramavičius  \nVilnius 2024  \nTurinys  \nI˛vadas 3  \n1 Žmogui kenksmingi mikroorganizmai 4  \n1.1 Žmogui kenksmingu˛ mikroorganizmu˛ identifikavimas ................ 4  \n1.2 Mašinu˛ mokymo modeliu˛ taikymas mikroorganizmu˛ klasifikavimui ........ 5  \n2 Mašinu˛ mokymo metodai 6  \n2.1 Tiesin regresija .................................... 6  \n2.2 kNN algoritmas .................................... 6  \n2.3 Sprendimu˛ medžio algoritmas ............................ 8  \n2.4 Atsitiktinis miškas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9  \n2.5 AdaBoost algoritmas ................................. 10  \n2.6 Gradientinis stiprinimas ................................ 10  \n2.7 Neuroniniai tinklai . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12  \n3 Tyrimo eiga 14  \n4 Rezultatai 18  \nIšvados 20  \nŠaltiniai 21  \nI˛vadas  \nNuo žmogui kenksmingu˛ mikroorganizmu˛ infekciju˛ sukeltu˛ ligu˛ ar komplikaciju˛, 2019 metaispasaulyje žuvo 13,7 milijono žmoniu˛ [1] . Mirtys, ypač jaunu˛ žmoniu˛, ne tik sukrečia ju˛ šeimas ir artimuosius, bet turi i˛takos ir šalies ekonomikai. 2015 metais atliktas tyrimas i˛vertino, kad iki 2030 metu˛ dl gyventoju˛ žčiu˛, vidutinio-aukštesnio uždarbio šalys patirs 0.9% bendro vidaus produktonuostolius (BVP), o žemo-vidutinio – 2 .9% nuo šalies BVP [2] .  \nSiekiant užkirsti kelią infekciju˛ sukeltai mirčiai labai svarbu laiku ir tinkamai atpažinti infekciją sukeliančius mikroorganizmus. Dl išaugusio antibiotiku˛ vartojimo vis daugja bakteriju˛, atspariu˛ i˛vairioms antibiotiku˛ ršims. Dl to pastebima, kad gydant bakterines infekcijas tampa itinsvarbu atpažinti jas keliančias bakterijas [3] . Mišrios infekcijos, kuriu˛ metu infekcijoje dalyvauja skirtingi mikroorganizmai, gali bti sunkiau gydomos nei vieno mikroorganizmo keliamos infekcijos. Pavyzdžiui, bakterijos-grybelio pagrindo infekcijos gali turti sąveiku˛, darančiu˛ i˛taką teisingam vaistu˛ parinkimui, todl netinkamai i˛vertinus infekciją, vaistai gali bti mažiau veiksmingi [4] . Kitasaspektas yra galimyb turti greitą ir ne tik laboratorinmis sąlygomis prieinamą bdą tiksliai atpažinti žmogui kenksmingus mikroorganizmus bei ju˛ mišinius. Moderni laboratorin i˛ranga taijau sugeba atlikti, tačiau kai kurie metodai reikalauja daug finansiniu˛ ištekliu˛, kai kurie–sudtingu˛ bandinio laikymo sąlygu˛, turi sunkumu˛ atskiriant panašius mikroorganizmus [5, 6] . Mašinu˛ mokymometodai yra perspektyvus sprendimas panašiu˛ mikroorganizmu˛ atskyrimo problemai dl savybsatrasti sunkiai pastebimas duomenu˛ priklausomybes, ryšius.  \nŠio tyrimo tikslas yra i˛vertinti, kaip mašinu˛ mokymo metodai gali bti pritaikyti tobulinant žmogui kenksmingu˛ mikroorganizmu˛ atpažinimą mišiniuose, i˛vertinant ju˛ klasiu˛ pasiskirstymą mišiniuose iš spektrografiniu˛ mginiu˛ . Tyrimo uždaviniai -pritaikyti skirtingus mokymo metodus organizmu˛ spektru˛ klasifikavimui bei mišinio santykio nustatymui bei nustatyti skirtumus tarp metodu˛, atkreipti dmesi˛ i˛ ju˛ stipriąsias ir silpnąsias puses.  \n1 Žmogui kenksmingi mikroorganizmai  \nŽmogui kenksmingi mikroorganizmai, dar vadinami patogeniškais mikroorganizmais ar tiesiogpatogenais, yra plati grup organizmu˛, galinčiu˛ sukelti ligas. Šie mikroorganizmai gali bti bakterijos, virusai, grybai, pirmuonys ir parazitai [7] . Patogenai gali bti aptinkami i˛vairiose aplinkose, i˛skaitant dirvožemi˛, vandeni˛, orą ir žmoniu˛ bei gyvnu˛ knus.  \nŠtai keli žmonse aptinkamu˛ patogenu˛ pavyzdžiai:  \n• Escherichia coli (E. coli): bakterija, randama žarnyne. Kai kurios E. coli ršys gali sukeltiapsinuodijimą, šlapimo taku˛ uždegimą ar","cbCaigoUTAnhwuA4","https://ap.wps.com/l/cbCaigoUTAnhwuA4","pdf",3877557,24,"Lithuanian","en","# Įvadas\n# Žmogui kenksmingi mikroorganizmai\n## Žmogui kenksmingų mikroorganizmų identifikavimas\n## Mašininio mokymo modelių taikymas mikroorganizmų klasifikavimui\n# Mašininio mokymo metodai\n## Tiesinė regresija\n## kNN algoritmas\n## Sprendimų medžio algoritmas\n## Atsitiktinis miškas\n## AdaBoost algoritmas\n## Gradientinis stiprinimas\n## Neuroniniai tinklai\n# Tyrimo eiga\n# Rezultatai\n# Išvados\n# Šaltiniai","[{\"question\":\"Kodėl svarbu laiku ir tinkamai atpažinti žmogui kenksmingus mikroorganizmus?\",\"answer\":\"Nuo infekciją sukeliančių mikroorganizmų identifikavimo priklauso gydymo veiksmingumas ir komplikacijų prevencija. Didėjantis antibiotikų vartojimas ir atsparių bakterijų plitimas daro tikslią diagnostiką ypač svarbią.\"},{\"question\":\"Kokios yra mišrių infekcijų gydymo ypatybės?\",\"answer\":\"Mišrios infekcijos, kai dalyvauja keli patogenai, dažnai yra sunkiau gydomos ir sukelia stipresnius simptomus. Kadangi patogenai skirtingai reaguoja į vaistus, svarbu įvertinti, kokie patogenai dalyvauja ir kokiais santykiais.\"},{\"question\":\"Koks šio tyrimo tikslas ir kokie pagrindiniai uždaviniai?\",\"answer\":\"Tyrimo tikslas – įvertinti, kaip mašininio mokymo metodai gali būti pritaikyti žmogui kenksmingų mikroorganizmų atpažinimui mišiniuose, įvertinant klasių pasiskirstymą pagal spektrografinius mėginius. Uždaviniai apima mokymo metodų taikymą spektrų klasifikavimui ir mišinio santykio nustatymui bei metodų palyginimą.\"}]","ŽMOGUI KENKSMINGU˛ MIKROORGANIZMU˛ SPEKTRU˛ KLASIFIKAVIMAS - MAŠINU˛ MOKYMO METODAIS | PDF"]