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

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.