Н.В. Гридина – мл. науч. сотрудник, ассистент кафедры, 

Г.В. Золотенкова – к.м.н., ст. науч. сотрудник, доцент кафедры, 

А.И. Рогачев – инженер-исследователь, 

Ю.И. Пиголкин – чл.-корр., д.м.н., профессор, гл. науч. сотрудник, зав. кафедрой. 

Постановка проблемы. Возраст человека является ключевым элементом построения биологического профиля, необходимого для идентификации личности неопознанного индивидуума. Диагностика возраста – сложный процесс, базирующийся на комплексной оценке возрастных изменений тканей органов, характеризующихся гетеротопностью, гетерометрией и гетерохронией. Полноценный анализ показателей возрастной трансформации, учет взаимосвязей, выявление скрытых закономерностей невозможны без применения методов интеллектуального анализа данных. Однако методы машинного обучения до сих пор не используются в практике судебно-медицинских экспертов для анализа идентификационных признаков. Очевидна потребность в разработке специализированного диагностического комплекса оценки биологического возраста на основе комплексного анализа морфометрических данных в задачах судебной медицины.

Цель. Сформировать оптимальный пайплайн для реализации проекта по разработке специализированного комплекса оценки биологического возраста на основе комплексного анализа морфометрических данных в задачах судебной медицины и дать описание использованных инструментальных средств.

Результаты. На основании анализа эффективности сформирован оптимальный набор инструментальных средств для решения целевой задачи. Выполнены экспериментальные исследования, подтвердившие корректность получаемых результатов. Практическая значимость. Использованные инструментальные средства обеспечивают решение задачи классификации возрастной группы неопознанного индивидуума, что востребовано в судебно-медицинской экспертной практике в рамках производства экспертизы по идентификации личности. Полученные результаты продемонстрировали необходимость дальнейшей работы в направлении уточнения границ возрастных групп и расширения базы данных биомаркеров возраста

Гридина Н.В., Золотенкова Г.В., Рогачев А.И., Пиголкин Ю.И. Инструментальное обеспечение решения задачи классификации при судебно-медицинской диагностике биологического возраста неопознанного индивидуума // Системы высокой доступности. 2020. Т. 16. № 4. С. 64−70. DOI: 10.18127/j20729472-202004-06.

1. Пиголкин Ю.И., Золотенкова Г.В., Березовский Д.П. Методологические основы определения возраста человека // Судебномедицинская экспертиза. 2020. Т. 63. № 2. С. 58−63.
2. Золотенкова Г.В., Гридина Н.В., Солодовников В.И., Труфанов М.И., Пиголкин Ю.И. Вычисление биологического возраста индивидуума с использованием новейших информационных технологий и построение перспективного интеллектуального программно-аппаратного комплекса // Судебно-медицинская экспертиза. 2019. Т. 62. № 3. С. 42−47.
3. Kimmerle E.H., Jantz R.L., Konigsberg L.W., Baraybar J.P. Skeletal estimation and identification in American and East European populations // Journal of Forensic Sciences. 2008. V. 53. № 3. P. 524−532.
4. Ferrante L., Skrami E., Gesuita R., Cameriere R. Bayesian calibration for forensic age estimation // Statistics in Medicine. 2015. V. 34. № 10. P. 1779−1790.
5. Гридина Н.В., Золотенкова Г.В., Рогачев А.И. Использование классификаторов для целей судебно-медицинской идентификации личности (диагностики возраста) // Биомедицинская радиоэлектроника. 2019. Т. 22. № 5. С. 38−44.
6. Золотенкова Г.В., Гридина Н.В., Солодовников В.И. Алгоритм вычисления биологического возраста индивидуума с использованием новейших информационных технологий // В сб. «Информационные технологии и математическое моделирование систем». 2018. С. 151−154.
7. Будзко В.И., Шмид А.В. Проблемы цифровой трансформации здравоохранения // Системы высокой доступности. 2019. Т. 15. № 3. С. 5−26.
8. Гридин В.Н., Яхно Н.Н., Труфанов М.И., Виноградов В.А. Разработка программного обеспечения для обработки магнитнорезонансных изображений при диагностике болезни Альцгеймера // Системы высокой доступности. 2019. Т. 15. № 3. С. 70−78.
9. Москаленко В.А., Никольский А.В., Золотых Н.Ю., Козлов А.А., Косоногов К.А., Калякулина А.И., Юсипов И.И., Леванов В.М. Программный комплекс «киберсердце-диагностика» для автоматического анализа электрокардиограмм с применением методов машинного обучения // Современные технологии в медицине. 2019. Т. 11. № 2. С. 86−91.
10. Самоявчева С.В., Шкарин В.В. Возможности кластерного анализа в интерпретации данных суточного мониторирования артериального давления у больных артериальной гипертонией и ремоделированием левого желудочка // Современные технологии в медицине. 2015. Т. 7. № 4. С. 113−118.