Донець В. В. Методи й моделі стратифікації елементів комп’ютерних систем медичного моніторингу на основі мультиагентного підходу

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0824U002789

Здобувач

Спеціальність

  • 122 - Комп’ютерні науки

Спеціалізована вчена рада

ID 6267

Харківський національний університет імені В. Н. Каразіна

Анотація

Донець В. В. Методи й моделі стратифікації елементів комп’ютерних систем медичного моніторингу на основі мультиагентного підходу. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття ступеня доктора філософії за спеціальністю 122 – Комп’ютерні науки (Галузь знань 12 – Інформаційні технології). – Харківський національний університет імені В. Н. Каразіна, Міністерства освіти і науки України, Харків, 2024. Дисертаційна робота присвячена розробці методів і моделей стратифікації елементів даних у комп’ютерних системах медичного моніторингу з використанням мультиагентного підходу. Де стратифікація – це процес визначення можливих станів пацієнтів, їх класифікація та виявлення впливу змінних стану. Цей процес включає кластеризацію даних, класифікацію стану пацієнтів та визначення впливових змінних. Під мультиагентним підходом розуміється підхід елітарного відбору, що реалізований в методі кластеризації та полягає у відборі найкращих кластерів, які є агентами в просторі генерованих даних, за певною метрикою серед визначених станів. Перший розділ містить огляд існуючих досліджень у сфері комп’ютерних систем медичного моніторингу, включаючи системи на основі нечіткої логіки, методів машинного і глибинного навчання. Визначено, що автоматичний аналіз даних може покращити якість лікування, враховуючи обмеження кількості спеціалістів. Цей аналіз дозволив визначити мету дослідження як підвищення точності діагностики стану пацієнтів шляхом розробки методів і моделей стратифікації. Для цього необхідно вирішити завдання кластеризації, класифікації та визначення інформативності змінних стану. Далі з урахування зазначеної мети й завдань дослідження була запропонована процедура стратифікації, відповідно до якої була розроблена модель комп’ютерної системи медичного моніторингу з виділеною підсистемою стратифікації в ній. Пояснена роль кожного модуля в моделі комп’ютерної системи медичного моніторингу та визначено режими функціонування підсистеми стратифікації в залежності від наявності інформації про можливі стани чи їх кількості. У другому розділі описано компоненти підсистеми стратифікації, а саме методи кластеризації, класифікації та визначення інформативності. Запропоновано мультиагентний метод нечіткої кластеризації для вирішення задачі кластеризації даних. Перевірку точності роботи якого запропоновано здійснювати за допомогою методу класифікації. Далі були показані методи навчання та конфігурації гіперпараметрів штучної нейронної мережі для пришвидшення сходження градієнтів та підбору гіперпараметрів, що в загальному мають підвищити точність класифікації. А також були запропоновані методи визначення загальної та поточної інформативності змінних стану. Ці методи вирішують проблеми визначення множини найбільш впливових змінних та причин прийняття рішень в комп’ютерній системі медичного моніторингу. Третій розділ аналізує програмні засоби реалізації методів і моделей стратифікації, включаючи використання мови програмування Python, супутніх бібліотек для обробки даних та машинного навчання, а також середи розробки. Наведено набори даних для валідації розроблених методів і моделей, що включають стандартні тестові набори даних, дані медичного моніторингу та дані для розширення функціоналу на прикладі даних економічного моніторингу. Завершено третій розділ із комплексною методологією верифікації розробленого програмного забезпечення, що дозволяє перевірити якість функціонування не тільки методів окремо, а і їх комбінації. Четвертий розділ розглядає результати практичного застосування методів з даними медичного моніторингу. В результаті проведення загального тестування підсистеми стратифікації показано, що розроблений мультиагентний метод кластеризації має задовільну точність формування цільових кластерів на використаному наборі даних медичного моніторингу. Отримано, що розроблений метод навчання та налаштування гіперпараметрів моделі ШНМ призводить до високої точності класифікації не тільки на даних розмічених методом кластеризації, а і на оригінальних даних медичного моніторингу. Далі було визначено, що розроблений метод визначення загальної інформативності здатен визначати співставно інформативність до інших існуючих методів, проте має більш лінійну природу визначення ваг інформативності. А модифікований метод інтегрованих градієнтів для визначення поточної інформативності показав точні результати визначення впливу певних вхідних змінних на результати класифікації моделлю ШНМ. Що засвідчує можливість застосування методу визначення поточної інформативності для обґрунтування прийнятих рішень в комп’ютерній системі медичного моніторингу. Визначено можливість розширення застосування методів на даних економічного моніторингу. Також в кінці розділу наведено практичні рекомендації щодо використання розроблених методів і підсистеми стратифікації в цілому в комп’ютерній системі медичного моніторингу.

Публікації

Viktoriia Strilets, Volodymyr Donets, Mykhaylo Ugryumov, Sergii Artiukh, Roman Zelenskyi, Tamara Goncharova. Agent-oriented data clustering for medical monitoring. Radioelectronic And Computer Systems. 2022. V. 2022. Issue 1. P. 103–114.

Volodymyr Donets, Viktoriia Strilets, Mykhaylo Ugryumov, Dmytro Shevchenko, Svitlana Prokopovych, Liubov Chagovets. Methodology of the countries’ economic development data analysis. Data Analysis. System Research and Information Technologies. 2023. V. 2023. Issue 4. P. 21–36.

Volodymyr Donets, Dmytro Shevchenko, Maksym Holikov, Viktoriia Strilets, Serhiy Shmatkov. Application of a data stratification approach in computer medical monitoring systems. Eastern-European Journal of Enterprise Technologies. 2024. 2(9 (128), 6–16.

Донець В. В., Стрілець В. Є., Шевченко Д. О., Шматков С. І. Агентно-орієнтований метод кластеризації даних оптового дистриб’ютора. Вісник Харківського національного університету імені В. Н. Каразіна серія «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління». 2022. Том 1. № 55. Стор. 6–18.

Володимир Донець, Сергій Шматков. Методи аналізу інформативності в медичних системах підтримки прийняття рішень. Інформаційні технології та суспільство. Рік 2023. Том 5. № 11. Стор. 6–13.

Viktoriia Strilets, Nina Bakumenko, Serhii Chernysh, Mykhaylo Ugryumov, Volodymyr Donets. Application of artificial neural networks in the problems of the patient’s condition diagnosis in medical monitoring systems. Advances in Intelligent Systems and Computing. AISC 1113. Харків, 2020. Pp. 173–185.

Viktoriia Strilets, Nina Bakumenko, Volodymyr Donets, Serhii Chernysh, Mykhaylo Ugryumov,Tamara Goncharova. Machine Learning Methods in Medicine Diagnostics Problem. 16th International Conference on ICT in Education, Research and Industrial Applications. Integration, Harmonization and Knowledge Transfer. Volume II: Workshops, ICTERI 2020. Харків, 2020. – Рp. 89–101.

Бакуменко Н. С., Донець В. В., Шевченко Д. О., Одинець О. О., Угрюмов М. Л.. Методи кластеризації даних на основі інформаційних критеріїв. Науковий збірник праці міжнародної науково-технічної конференції «Комп'ютерне моделювання у наукоємних технологіях (КМНТ -2021)». Харків, 2021. С. 20–23.

Donets V., Ugryumov M., Strilets V. A Measure Of Compactness For Fuzzy Clustering Based On Entropy. Науковий збірник праці міжнародної науковотехнічної конференції «Комп'ютерне моделювання у наукоємних технологіях (КМНТ -2022)». Харків, 2022.

Схожі дисертації