Мета роботи - розробити і теоретично обурунтувати ефективність застосування методів машинного навчання у ранній діагностиці серцево-судинних захворювань на догоспітальному етапі. Об'єктом дослідження є програмний засіб виявлення серцево-судинних захворювань; предметом дослідження - розробка програмного модуля консультативно-діагностичної системи з використанням апарату машинного навчання. Для вирішення поставлених завдань використовувалися наступні методи: загальнонаукові методи теоретичного дослідження: аналіз комплексу ознак серцево-судинних захворювань за їх основними класами, синтез отриманих даних і перетворення їх у векторну модель, формалізація методів отримання інформативних ознак, моделювання процесу класифікації отриманих даних за певними типами ознак, узагальнення; методи емпіричного дослідження: вивчення досвіду в області поставленого завдання, тестування отриманої моделі; методи об'єктноорієнтованого проектування та програмування. Теоретично обгрунтовано необхідність процедури відбору сукупності клінічних ознак і лабораторних досліджень, як таких, які є найбільш інформативними для раннього діагностування серцево-судинних захворювань. Процедуру виокремлення таких ознак реалізовано на основі стратегії навчання з вкладеною технікою відбору ознак lasso. Практична значимість виконаної роботи полягає в значному прискоренні процесу ранньої діагностики серцево-судинних захворювань на догоспітальному етапі за рахунок відбору інформативних клінічних ознак на стадії пре-процессінгу даних. Досягнуто задовільного рівня якості моделі визначення приналежності пацієнта до групи ризику серцево-судинних захворювань за рахунок використання методу машинного навчання - градієнтного бустінга. В якості метрик якості обрано долю вірних відповідей, точність і повноту, баланс оптимальних значень метрик знайдено на основі використання гармонічного середнього між точністю і повнотою, - F-міри. Розроблено програмний модуль консультативно-діагностичної системи, який дозволяє оперативно проводити ранню діагностику серцево-судинних захворювань на основі методу машинного навчання і є доцільним для використання у медико-діагностичних центрах.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Шаповалова Нонна Наілєвна (педагогічні науки)
• Доценко Інна Олексіївна (економічні науки)
• Доценко Ірина Олексіївна (педагогічні науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"