Моделі та методи побудови спеціалізованих систем моніторингу стану здоров’я людини

Abstract

Дисертація присвячена вирішенню нагальної науково-практичної задачі створення та впровадження моделей і методів побудови спеціалізованих систем моніторингу стану здоров’я, які забезпечують повний цикл роботи з гетерогенними біомедичними даними – від їх реєстрації та підготовки до контролю якості, зменшення розмірності, стиснення, передавання та інтелектуального аналізу – у розподіленому контурі «периферія – мережа – сервер/аналітика». Суть задачі полягає в тому, щоб за обмежених ресурсів периферійних вузлів і мережевої пропускної здатності отримувати швидкі, відтворювані та інтерпретовані діагностичні результати без втрати діагностично значущої інформації, поєднуючи легковагові моделі і правила, робастні процедури стабілізації даних та безвтратне стиснення медичних зображень із можливістю апаратного прискорення. Метою дослідження є вдосконалення спеціалізованих комп’ютерних систем моніторингу стану здоров’я людини шляхом розроблення та впровадження методів відбору й ранжування інформативних ознак та зменшення розмірності вхідних даних. Об’єкт дослідження Спеціалізовані комп’ютерні та кіберфізичні системи інтернету речей та пов’язані з ними IT-інфраструктури, у яких реалізуються процеси збору, передавання, зберігання та опрацювання масивів даних. Предмет дослідження Моделі та методи організації інформаційних процесів попередньої обробки й контролю якості, відбору та редукції інформативних ознак, передавання гетерогенних біомедичних даних та їх інтелектуального аналізу у складі багаторівневих розподілених комп’ютерних систем моніторингу стану здоров’я людини. Наукова новизна отриманих результатів: − вперше запропоновано концептуальну модель багаторівневої системи моніторингу стану здоров’я людини, яка, на відміну від монолітних, базоорієнтованих, та інших, поєднує рівні подання, прикладної логіки та даних, забезпечує балансування навантаження і паралельне опрацювання запитів від IoMT-пристроїв; це дало змогу зменшити частку відмов, що підвищує надійність централізованого збору; − вперше запропоновано метод попередньої оцінки цінності набору CBCD для первинного скринінгу, який на відміну від відомих поєднує ранжування 9 біомаркерів за 8 оцінювачами. Атрибути статистично поділено на 3 групи релевантності: високі, середні і низькі при значущості 95 %, що дало можливість збільшення виявлення кількості викидів до 10,34 %, для класу «patiens» до 14,06 %; − удосконалено модель інтерпретованого діагностичного рішення на основі дерева J48 для набору WBCD, яка, на відміну від повного дерева, будується на скороченому наборі релевантних атрибутів, та забезпечує зменшення структурної складності дерева на 43,5 % за вузлами і 41,7 % за листами, що підвищує зручність інтерпретації діагностичних рішень; − набули подальшого розвитку метод скорочення вимірності для WBCD, який на відміну від відомих передбачає послідовне застосування: стандартизації, відбору ознак та PCA-перетворення, що дало можливість зменшити розмірність на 86,7 % зі збереженням 91 % варіативності даних. Практичне значення отриманих результатів: Практичне значення результатів дисертаційного дослідження полягає в тому, що запропоновані рішення дають інженерно відтворювану основу для побудови та налаштування діагностичних модулів у системах моніторингу здоров’я, де дані є гетерогенними, зашумленими й часто містять аномальні спостереження. Формалізована попередня оцінка цінності біомедичних наборів даних і ранжування біомаркерів дозволяє ще до етапу навчання моделей обґрунтовано визначати, які ознаки є найбільш інформативними, а також налаштовувати робастні процедури контролю якості даних і обробки викидів, зменшуючи ризик отримання нестабільних або «випадкових» діагностичних висновків у практичній експлуатації. Удосконалена схема скорочення вимірності, що поєднує стандартизацію, відбір ознак і подальше перетворення простору ознак, забезпечує зниження обчислювального навантаження та вимог до пам’яті при збереженні діагностично значущої інформації, що безпосередньо підвищує придатність аналітики до використання в обмежених ресурсами вузлах і в розподілених контурах обробки. Розвинений метод порівняльного аналізу в середовищі WEKA забезпечує системний, прозорий і повторюваний вибір діагностичних рішень за комплексом показників якості та дозволяє отримувати інтерпретовані моделі у вигляді спрощених дерев або (і) правил, що полегшує валідацію, супровід і інтеграцію таких рішень у прикладні програмні компоненти системи. У сукупності ці результати скорочують час і трудомісткість розроблення діагностичної аналітики, підвищують її надійність на «реальних» даних та підтримують практичне впровадження у багаторівневому контурі збору, підготовки й аналізу медичних даних, що в дисертації пов’язано з використанням у прикладних реалізаціях та освітньому процесі. Основні результати дисертаційної роботи впроваджено: − у НДР (№ ДР 012U109898, 2021–2022рр.) «Розробка модулів автоматизації бездротових приладів відновлення пост-інфарктних, пост інсультних пацієнтів в індивідуальних умовах віддаленої реабілітації» (Акт впровадження від 26 грудня 2022 р.); − у НДР (№ ДР 0125U000904, 2025-2029рр.) «Інженерія даних як процеси виявлення, збору, реєстрації та подальшої обробки даних в рамках побудови апаратно-програмної інфраструктури даних» (Акт впровадження від 21 січня 2026 р.); − 5 у навчальний процес за першим (бакалаврським) рівнем вищої освіти на кафедрі комп’ютерної інженерії Чорноморського національного університету імені Петра Могили при проведенні лекційних занять та лабораторних робіт з дисциплін «Сенсори, перетворювачі» українською мовою та «Machine Learning and Pattern Recognition» англійською мовою (Акт впровадження від 10 вересня 2025 р.). Апробація результатів дисертації Матеріали дисертаційної праці доповідалися, обговорювалися та здобули схвалення на науково-технічних конференціях та семінарах: − Всеукраїнська науково-практична конференція «Могилянські читання» (Миколаїв, 2022–2025 рр.); − Всеукраїнська науково-практична конференція молодих вчених «Інформаційні технології та інженерія» (Миколаїв, 2023–2024 рр.); − Міжнародна науково-практична конференція Free and open source software, Харків, 14–16 лютого 2023; − Всеукраїнська науковопрактична конференція «Актуальні завдання медичної, біологічної фізики та інформатики» Вінниця: 7 квітня 2023; − 2023 IEEE 12th International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications (IDAACS), Dortmund, Germany, 7–9 September 2023; − 2023 IEEE 13th International Conference on Electronics and Information Technologies (ELIT), Lviv, Ukraine, 26–28 September 2023; − Міжнародна науково-практична конференція «Ольвійський форум» (Миколаїв, 2022–2024 рр.). У вступі обґрунтовано тему, актуальність дослідження моделей та методів побудови спеціалізованих систем моніторингу стану здоров’я людини, зумовлену зростанням обсягів медичних даних і потребою передавати та обробляти їх швидко й надійно в телемедичних та IoMT-сценаріях. Визначено мету роботи, сформульовано основні завдання, об’єкт і предмет дослідження. Показано, що для практичного використання таких систем важливими є зменшення трафіку та обчислювального навантаження, а також збереження діагностично важливої інформації під час попередньої обробки, стиснення та подальшої аналітики. Обґрунтовано вибір підходу, у якому частина обробки виконується на периферійному вузлі (edge), а інтелектуальний аналіз здійснюється у середовищі WEKA після підготовки даних у форматі ARFF. Перший розділ присвячено теоретико-методичним засадам побудови систем моніторингу стану здоров’я людини. У ньому проаналізовано монолітну, database-centric, client-server та distributed-архітектури, а також обґрунтовано доцільність переходу до багаторівневих IoMT-рішень. Розглянуто моделі й методи інтеграції інструментарію WEKA до інформаційних систем моніторингу, зокрема через Django ORM, формат ARFF, Python та віддалене завантаження підготовлених наборів даних. Узагальнено особливості наборів даних для машинного навчання і діагностики раку молочної залози, а також сформульовано вимоги до спеціалізованих систем моніторингу, включно з безвтратним стисненням медичних зображень. За результатами аналізу обґрунтовано вибір JPEG-LS і показано перспективність застосування ПЛІС як периферійного обчислювального вузла в таких системах. Другий розділ дисертації присвячено концептуальним моделям та методам інтелектуального аналізу даних у медичному моніторингу. Розроблено та систематизовано математичний апарат побудови й застосування моделей фізіологічних процесів, зокрема просторово-часові моделі динаміки та дифузійних явищ, термодинамічну модель на основі рівняння біотепла, а також модель ангіогенного «перемикання» як важливого механізму прогресування патологічних станів. Запропоновано метод підготовки інформативних ознак для машинного навчання: від процедур попередньої обробки, виділення ROI та нормалізації – до радіомічної екстракції ознак. Додатково розглянуто синтез алгоритмів класифікації та кластеризації для виявлення патологій і ризик стратифікації, включно з ансамблевими підходами, глибокими архітектурами з механізмами уваги, методами виявлення аномалій, пояснюваним ШІ та федеративним навчанням як засобом збереження конфіденційності в розподілених сценаріях. Третій розділ присвячено практичній реалізації моделей і методів інтелектуального аналізу даних із використанням WEKA в контурі багаторівневої системи моніторингу стану здоров’я людини. У розділі запропоновано модель інтеграції WEKA через Django ORM і формат ARFF, метод формування ARFF-наборів даних, метод попередньої оцінки цінності набору Coimbra Breast Cancer Dataset для первинного скринінгу, а також метод скорочення вимірності набору WBCD із формуванням наборів ds1–ds3. Реалізовано метод порівняльного аналізу ефективності діагностичних рішень у WEKA та побудовано інтерпретовану діагностичну модель на основі дерева рішень J48. Отримані результати підтвердили доцільність використання контрольованого формування вибірок, зменшення розмірності та інтерпретованих моделей для задач медичної діагностики. Четвертий розділ дисертації присвячено впровадженню та експериментальній апробації розробленої системи моніторингу. У розділі наведено результати впровадження в науково-дослідні роботи та навчальний процес, описано практичну реалізацію багаторівневого контуру, організацію рівня даних на базі MySQL, модулі збору, попередньої обробки й серверної аналітики IoMT-даних. Також розглянуто програмно-апаратну реалізацію безвтратного стиснення медичних зображень, інтеграцію стиснених даних у контур інтелектуального аналізу, реалізацію периферійного вимірювального модуля на основі AD8232 та оцінку метрологічних і експлуатаційних характеристик системи на реальних наборах даних. У висновках узагальнено, що запропонований підхід до стиснення і скорочення ознак зменшує обсяг даних та вимоги до ресурсів, зберігаючи високу якість діагностики. Показано, що для набору вісконсинського набору даних про рак молочної залози можна суттєво зменшити кількість ознак і при цьому отримувати стабільно високі результати класифікації, а для набору Коїмбри можливо будувати прості та зрозумілі правила на обмеженій кількості показників. Запропонована інтеграція «периферія – сервер – WEKA» разом із використанням FPGA підсилює швидкодію та енергоефективність, що важливо для IoMT-систем.