350 руб
Журнал «Системы высокой доступности» №1 за 2016 г.
Статья в номере:
Особенности использования технологий BIG DATA в задачах медицинской диагностики
Ключевые слова: Big Data медицинская диагностика интеллектуальный анализ данных
Авторы:
Н.Ю. Ильясова - д.т.н., профессор, кафедра «ТК», Самарский национальный исследовательский университет имени академика С.П. Королева, ст. науч. сотрудник, лаборатория Математических методов обработки изображений, Институт систем обработки изображений РАН (г. Самара). E-mail: ilyasova@smr.ru А.В. Куприянов - д.т.н., профессор, кафедра «ТК», Самарский национальный исследовательский университет имени академика С.П. Королева, ст. науч. сотрудник, лаборатория Математических методов обработки изображений, Институт систем обработки изображений РАН (г. Самара). E-mail: akupr@smr.ru С.Б. Попов - д.т.н., профессор, кафедра «ТК», Самарский национальный исследовательский университет имени академика С.П. Королева, вед. науч. сотрудник, лаборатория Математических методов обработки изображений, Институт систем обработки изображений РАН (г. Самара). E-mail: spop@smr.ru Р.А. Парингер - аспирант, ассистент, кафедра «ТК», Самарский национальный исследовательский университет имени академика С.П. Королева, стажёр-исследователь, лаборатория Математических методов обработки изображений, Институт систем обработки изображений РАН (г. Самара). E-mail: rusparinger@gmail.com
Аннотация:
Изложены основные результаты исследований в области применения технологий интеллектуального анализа больших массивов данных в медицине. Описана информационная технология интеллектуального анализа различных классов диагностических изображений, основанная на методологии выделения диагностически значимой информации и построении информативных признаков. Показано, что использование технологий Big Data в разрабатываемых системах медицинской диагностики позволило за счет привлечения разнородных источников диагностической информации и большего объема данных усовершенствовать обучающую выборку и повысить достоверность постановки диагноза до 95%.
Страницы: 45-52
Список источников

 

  1. Трифонова О.П., Ильин В.А., Колкер В.А., Лисицина А.В. Большие данные в биологии и медицине // Actanaturae. 2013. Т. 5. № 3 (18). С. 14−17.
  2. Kolker E., Stewart E., Ozdemir V. OMICS. 2012. V. 3. № 16. P. 138−147.
  3. Сухобоков А.А., Лахвич Д.С. Влияние инструментария BigData на развитие научных дисциплин, связанных с моделированием // Наука и Образование (Электронный журнал МГТУ им. Н.Э. Баумана). 2015. № 3. С. 207−240.
  4. Бритков В.Б., Булычев А.В. Методы анализа больших объемов слабоструктурированной информации // Информационные технологии и вычислительные системы. 2010. № 1. С. 36−44.
  5. White T. Hadoop: The Definitive Guide. Thirded. O\'ReillyMedia. Yahoo Press. 2012. 688 p. (Russ. ed.: White T. Hadoop. Podrobnoe rukovodstvo. St. Petersburg. PiterPubl. 2013. 672 p.).
  6. Ilyasova N. Computer Systems for Geometrical Analysis of Blood Vessels Diagnostic Images // Optical Memory and Neural Networks (Information Optics). 2014. V. 23. № 4. P. 278−286.
  7. Ильясова Н.Ю., Куприянов А.В., Храмов А.Г. Информационные технологии анализа изображений в задачах медицинской диагностики // Радио и связь. 2012. 424 с.
  8. Ильясова Н.Ю. Оценивание геометрических признаков пространственной структуры кровеносных сосудов // Компьютерная оптика. 2014. Т. 38. № 3. С. 529−538.
  9. Гайдель А.В. Метод согласования направленных текстурных признаков задачах анализа биомедицинских изображений // Компьютерная оптика. 2015. Т. 39. № 2. С. 287−293.
  10. Ильясова Н.Ю., Куприянов А.В., Парингер Р.А. Формирование признаков для повышения качества медицинской диагностики на основе методов дискриминантного анализа // Компьютерная оптика. 2014. Т. 38. № 4. С. 751−756.
  11. Gaidel A.V., Khramov A.G. Application of Texture Analysis for Automated Osteoporosis Diagnostics by Plain Hip Radiography // Pattern Recognition and Image Analysis. 2015. V. 25. № 2. P. 301−305.
  12. Gaidel A.V., Zelter P.M., Kapishnikov A.V., Khramov A.G. Possibilities of texture analysis of computed tomogram diagnosis of chronic obstructive disease // Optical Memory and Neural Networks. 2015. V. 24. № 3. P. 240−248.
  13. Ilyasova N.Yu., Kupriyanov A.V., Paringer R.A. The Discriminant Analysis Application to Refine Diagnostic Features of Blood Vessels Images // Optical Memory & Neural Networks (Information Optics). 2015. V. 24. № 4. P. 309−313.
  14. Гайдель А.В.Зельтер П.М., Капишников А.В., Храмов А.Г. Возможности текстурного анализа компьютерных томограмм в диагностике хронической обструктивной болезни // Компьютерная оптика. 2014. Т. 38. № 4. С. 843−850.
  15. Ильясова Н.Ю. Диагностический комплекс анализа изображений сосудов глазного дна // Биотехносфера. 2014. № 3. С. 132−138.