Ви є тут

Гібридні нейро-фаззі системи для завдань інтелектуального аналізу потоків медичних даних


Номер роботи - M 6 ДОПУЩЕНА ДО УЧАСТІ

Представлено Харківським національним університетом радіоелектроніки.

Автори:
ПЕРОВА Ірина Геннадіївна – доктор технічних наук, професор Харківського національного університету радіоелектроніки

Авторкою вирішено актуальну науково-технологічну проблему розроблення методів для аналізу потоків медичної інформації в послідовному режимі з використанням підходів Medical Data Mining для підтримки впровадження системи eHealth в Україні і підвищення ефективності медичного діагностування в цілому.

 Математичне забезпечення надає можливість заповнювати пропущені значення в медичних показниках пацієнта в послідовному режимі для максимально ефективного використання усіх виміряних ознак, виконувати діагностування у послідовному онлайн-режимі з розрахунком нечіткої функції належності кожного пацієнта до кожного діагнозу.

Удосконалено метод просторової екстраполяції діагностичних ознак пацієнта за рахунок використання нечіткого рівня належності в режимі заповнення пропущених значень. Розроблені методи аналізу медичних даних під час медичного онлайн-діагностування в режимі контрольованого навчання на основі гібридних адаптивних нейро-фаззі систем, що уможливили проведення нечіткого онлайн-діагностування з перетином класів-діагнозів у просторі ознак з підвищенням точності діагностування і швидкодії роботи системи.

Запропоновано метод формування еволюційної нейро-фаззі мережі в умовах змінної кількості медичних ознак і діагнозів, який відрізняється здатністю адаптувати свою архітектуру в разі зміни розмірності простору вхідних ознак та діагнозів, що дає змогу підвищити якість діагностування за рахунок використання усіх виміряних даних.

Розроблено метод аналізу медичних даних під час медичного онлайн-діагностування в режимі самонавчання, що базується на асоціативній кластеризації на основі нейро-фаззі автоасоціативної пам’яті, яка послідовно уточнює свої параметри під час надходження нових медичних даних та автоматично реалізує асоціативне нечітке висновування на основі аналізу прецедентів.

Авторські методи апробовано на клінічних медичних даних, що підтверджено актами впровадження, та продемонстрували суттєве підвищення точності роботи та часу опрацювання даних.

Кількість публікацій: 19 статей (8 – у англомовних журналах з імпакт-фактором), 14 тез доповідей. Загальна кількість посилань на публікації автора/h-індекс роботи, згідно баз даних складає відповідно: Web of Science - 16/3, Scopus – 62/6, Google Scholar – 139/8. Отримано патент України на винахід.

Коментарі