Добірка наукової літератури з теми "Діагностування захворювань"

Наведено принципи медичної діагностики онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. Розкрито аспекти розвитку штучного інтелекту, які дозволяють створювати на базі біологічних підходів інтелектуальні системи в різних областях застосування. Охарактеризовано етапи онкологічної діагностики, які є обов’язковими та мають фундаментальний вплив на подальше лікування пацієнта у разі діагностування злоякісного раку шкіри, результатом кожного з етапів є клінічний діагноз, морфологічний діагноз та патоморфологічний діагноз. Окреслено поняття меланоми та особливості її розвитку. Досліджено алгоритми автоматизованого комп'ютерного аналізу дерматологічних зображень, які забезпечують допомогу лікарям у постановці діагнозу та сприяють підвищенню точності діагностики. Розроблено структурну схему діагностування онкологічних захворювань шкіри людини за допомогою штучних нейронних мереж. В основі завдання диференціації патологій шкірних покривів людини лежить умовний поділ на 4 частини для вирішення завдань бінарної класифікації. Підкреслено, що навчання штучної нейронної мережі відбувається за допомогою наборів даних. Наголошується, що враховуючи завдання бінарної класифікації, у кожному напрямку застосування, наборам даних присвоюються мітки класу нуль та один, представлені у вигляді масиву. У статті розроблено детальний алгоритм, наведений у вигляді блок-схеми, здатний здійснювати постановку остаточного медичного діагнозу щодо захворювання шкіри на онкологічні патології за допомогою штучної нейронної мережі. Описаний алгоритм розроблений на основі штучних нейронних мереж, навчених вирішувати завдання бінарної класифікації. Результатом роботи штучної нейронної мережі є висновок приналежності вхідного значення до класів, на яких описана нейромережа проходила етап навчання.

Мета: проаналізувати сучасні показники захворюваності та смертності від онкологічних захворювань, роль ранньої діагностики та скринінгу у зниженні показників високої смертності від раку та підходи до скринінгу онкопатологій у світі та Україні. Матеріали і методи. У дослідженні використовувались бібліосемантичний, структурно-логічний та порівняльний аналізи, а також аналітичний метод. Результати дослідження та обговорення. Захворюваність та смертність від онкологічних захворювань зростають дуже швидко в усьому світі. Причини високої захворюваності - складні, але відображають як старіння, так і приріст населення, а також зміни поширеності та розподілу основних факторів ризику онкологічних захворювань, деякі з яких пов'язані із соціально-економічним розвитком. Проблема високої смертності від онкологічних захворювань дуже гостра для всіх країн світу, включаючи економічно розвинені. Від 30% до 60% пацієнтів померли від раку через пізнє діагностування онкопатології. Аналіз показав, що стратегії боротьби з раком у Великобританії, Франції, Польщі та Сполучених Штатах Америки засновані на Резолюції Всесвітньої організації охорони здоров’я щодо профілактики та контролю онкологічних захворювань (2005) і включають профілактику, діагностику та скринінг. Завдяки впровадженню скринінгових програм в рутинну медичну практику країн ЄС та Споглучених Штатів, вдалося знизити рівень смертності від раку. В Україні є три обов’язкові скринінг-тести на рак молочної залози, шийки матки та передміхурової залози. Однак програми скринінгу на ці види раку наразі малоефективні. Насправді, рання діагностика раку все ще випливає з самообстеження та усвідомлення змін у власному здоров’ї потенційного пацієнта, що призводить до пізньої діагностики та важкого перебігу захворювання. Висновки. Згідно з дослідженнями, опублікованими ВООЗ, реєструються мільйони смертей від різних видів раку щорічно у всьому світі. Однак було доведено, що рання діагностика, скринінг та раціональне лікування раку можуть знизити рівні захворюваності та смертності. Досвід країн Західної Європи та США показує, що систематична робота з ранньої діагностики та скринінгу дозволяє зменшити захворюваність та смертність на рак. В Україні існують обов'язкові скринінгові тести на рак молочної залози, шийки матки та передміхурової залози, але вони все ще є несистематичними та, як наслідок, неефективними.

В останні роки значна увага дослідників присвячена проблемам поширення захворюваності на Лайм-бореліоз і вчасної діагностики цього захворювання, зокрема у дітей. Така проблема особливо актуальна в нашій країн, оскільки за 10 років захворюваність на хворобу Лайма зросла в 27 разів. Основна частина. На підставі ретельного і глибокого аналізу літератури в статті розглядаються проблеми діагностування хвороби Лайма, спричиненої збудниками, які потрапляють в організм унаслідок укусу інфікованих кліщів. У дітей і дорослих тривалий анамнез цих захворювань призводить до тяжких, часом незворотних наслідків. Вони можуть бути пов’язані з неадекватним і несвоєчасним встановленням діагнозу, що є серйозною проблемою, над вирішенням якої працюють учені багатьох країн світу. Висновок. Хвороба Лайма – це ендемічне захворювання, що набуває характеру пандемії, тому що число хворих на Лайм-бореліоз зростає. Імунітет проти Borrelia burgdorferi не довічний, і у частини людей, що перенесли Лайм-бореліоз (ЛБ), через деякий час можливе повторне зараження. Емпіричне лікування може знизити імунну відповідь, що призведе до помилково негативних результатів серологічних тестів.

В даній роботі проведено аналіз ефективності застосування штучних нейронних мереж для вирішення задачі класифікації для невеликих наборів медичних даних із сфери діагностування. Для дослідження було обрано два набори даних: дані про серцево-судинні захворювання та про хвороби печінки. Отримані результати було порівняно з результатами точності для стандартних методів машинного навчання, що використовуються в задачах класифікації Для проведення дослідження було обрано модель багатошарового перцептрона. Програмним засобом для реалізації став Python, що надає можливість використовувати допоміжні бібліотеки при роботі з методами машинного навчання.

Рак молочної залози залишається одним із найпоширеніших у світі злоякісних новоутворень у жінок як у розвинутих країнах, так і в країнах, що розвиваються. Згідно з даними Globocan у 2020 році, кількість випадків захворювання на рак молочної залози становить 11,7 % від усіх випадків діагностування онкозахворювань. В Україні найвищий показник захворюваності (27,6 %) та смертності (25,5 %) від раку молочної залози серед жінок припадає на вік 30–54 роки, тобто на найбільш соціально активний період життя. Метастатичний рак молочної залози є узагальненим терміном для широкої групи захворювань зі спільним механізмом виникнення, але з вираженим різноманіттям у гістології, біології та клінічній картині. Сучасне лікування гормонпозитивного раку та HER2/neu-позитивного субтипу призводить до тривалого контролю над хворобою та значного покращення показників безрецидивної та загальної виживаності. Проте 10–15 % становить тричі негативний субтип, що традиційно характеризується агресивним перебігом, несприятливим прогнозом та дефіцитом мішеней для таргетної терапії. Отже, актуальним питанням лишається пошук нових мішеней, які можливо оцінити, та їх практичне застосування у лікуванні раку молочної залози.

Мета роботи – поліпшити набуття загальних та спеціальних компетентностей і засвоєння нових практичних навичок слухачами на кафедрі стоматології закладів (факультетів) післядипломної освіти щодо діагностування та тактики дій при ураженнях слизової оболонки порожнини рота при інфекційних хворобах. Основна частина. У статті наведено сучасні дидактичні підходи викладачів Інституту стоматології Національної медичної академії післядипломної освіти імені П. Л. Шупика МОЗ України до викладання питань уражень слизової оболонки порожнини рота при поширених інфекційних хворобах у процесі безперервного професійного розвитку лікарів-стоматологів з оволодінням ними новими загальними та спеціальними компетенціями та практичними навичками. Висновок. Набуття лікарями-стоматологами нових компетентностей та вдосконалення практичних навичок при їх підготовці на циклах тематичного удосконалення стоматологічних кафедрах закладів (факультетів) післядипломної освіти щодо діагностики та лікування уражень слизової порожнини рота при поширених інфекційних захворюваннях із використанням сучасних технологій є важливою складовою їх безперервного професійного розвитку та потребує запровадження як окрема складова у навчальний процес у масштабах країни.

У статті описано вирішення проблеми представлення знань за допомогою семантичної мережі при розробці експертної системи діагностування генетичних відхилень. Система призначена, в першу чергу, для спрощення процесу встановлення діагнозу, зменшення ймовірності лікарської помилки при діагностуванні захворювання, ведення обліку та реєстрації пацієнтів. «Експертна система для діагностування генетичних відхилень» розроблена для допомоги та автоматизації діяльності працівників відділення медичної генетики.

У статті описано експертну систему «Експертна система для діагностування генетичних відхилень», створену для покращення процесу встановлення діагнозу за рахунок зменшення ймовірності лікарської помилки при діагностуванні захворювання, ведення обліку та реєстрації пацієнтів із спадковими порушеннями метаболізму. Система призначена на допомогу працівникам відділення медичної генетики.

Хронічний перебіг пародонтиту та гінгівіту вражає до 80 % дорослого населення, стаючи одним із найпоширеніших серед хвороб людства. Захворювання ініціюється накопиченням бактерій вздовж ясенного краю і в просторі між ясенними тканинами та зубами. Відсутність клініки гострого болю при захворюваннях пародонта є однією з основних причин низького рівня звернень пацієнтів за стоматологічною допомогою. Діагностику захворювань пародонта, як правило, проводить лікар-стоматолог. Вона включає візуальний огляд тканин ясен та ряд інших протокольних процедур, у тому числі додоткових методів діагностики – клінічну оцінку рентенограми. Водночас, звичайні клінічні та рентгенографічні методи діагностики пародонта здатні лише до ретроспективного діагнозу, вони не можуть виявити або передбачити активність пародонтиту. Тому в останні роки активно досліджують потенційні біомаркери для діагностування хвороб тканин пародонта. Джерелом біомаркерів перш за все є ясенна рідина та слина, як такі, що безпосередньо контактують з ураженими тканинами. Враховуючи сказане, доцільно проаналізувати літературні дані щодо біомаркерів ясенної рідини та слини, які використовують для діагностики хвороб пародонта та можливості розробити прості у застосуванні тест-методи для ранньої діагностики. Мета дослідження – проаналізувати літературні дані щодо оцінки перспективи застосування біомаркерів у стоматологічній практиці, зокрема в діагностиці патології тканин парадонта разом із періімплантною патологією. Матеріали і методи. У дослідженні застосовано бібліосематичний та аналітичний методи. Результати досліджень та їх обговорення. У статті проаналізовано та опрацьовано джерела науково-медичної інформації, що стосуються застосування біомаркерів у діагностиці хвороб пародонта. Висновки. Незважаючи на те, що в діагностиці рогової рідини наявна значна кількість потенційних біомаркерів, проведені на сьогодні дослідження виявилися недостатніми щодо надання клінічно достовірної та корисної інформації для практиків з точки зору більш точної діагностики та планування лікування.

Анотація. Діагностичний процес психічних захворювань відрізняється від такого в інших клініках. Різниця полягає в тому, що хворі з психопатологічними розладами можуть спотворювати, приховувати свої окремі скарги, переживання і вимагають консультацій терапевта, невропатолога і за показаннями інших фахівців. Основні скарги групуються в симптоми, синдроми, включаючи результати об’єктивного обстеження, анамнез хвороби, життя, динаміку розвитку захворювання.

Розглядаються основні аспекти аналізу обробки дерматоскопічних зображень і перспективи використання таких систем в медичній практиці. Метою роботи є дослідження діагностичних властивостей відеодерматоскопії та визначення особливостей обробки таких зображень. Визначено, що особливостями обробки відеодерматоскопічних зображень є комплексний аналіз кольорових та морфологічних характеристик досліджуваних ділянок.

Кваліфікаційна робота включає пояснювальну записку (50 с., 36 рис., 2 додатки). Об’єкт розробки – створення комп’ютерного засобу для діагностування захворювань на основі нейронної мережі, яка дозволяє визначати наявність недугу. Предмет розробки – автоматизація діагностування діабетичної ретинопатії. Комп’ютерний засоб дозволяє: діагностувати захворювання на основі цифрового зображення, яке завантажене користувачем використовуючи графічний інтерфейс. В процесі розробки було використано мову програмування високого рівня Python та пакети TensorFlow, Keras, NumPy. В ході розробки: - проведено аналіз методів машинного навчання для класифікації цифрових зображення; - розроблено програмну систему для діагностування діабетичної ретинопатії з користувацьким інтерфейсом; - виконано дослідження ефективності розробленої системи; Використання цієї системи дозволить автоматизувати діагностування недугу. Що надає можливість своєчасного лікування пацієнта, економить час і сили лікарів.
The object of development - the creation of a software system for diagnosing diseases based on the neural network, which allows to determine the presence of the disease. The subject of development is the automation of the diagnosis of diabetic retinopathy. The software system allows user to diagnose the disease on the basis of a digital image that is uploaded using a graphical interface. In the development process were using programming language Python and such packages as TensorFlow, Keras, NumPy. During development: - analysis of machine learning methods for the classification of digital images is carried out; - developed a software system for the diagnosis of diabetic retinopathy with a user interface; - studied the efficiency of the developed software. The use of this software system will make it possible to automate the diagnosis of the disease. That can help to timely treat the patient, save the time and effort of doctors.

Робота виконана на кафедрі автоматизації технологічних процесів і виробництв факультету прикладних інформаційних технологій та електроінженерії Тернопільського національного технічного університету імені Івана Пулюя Міністерства освіти і науки України. Захист відбудеться «23» грудня 2019р.о 8.00год. на засіданні екзаменаційної комісії №43 у Тернопільському національному технічному університеті імені Івана Пулюя
В магістерській роботі проведено аналіз наявних методів розпізнавання зображень та методів застосування машинного навчання в медицині. Виконано розроблення програмного пакету для розмічування радіологічних зображень а також власне розмічування цих зображень для їх розпізнавання та діагностування захворювань.
In the master's work the analysis of the available methods of image recognition and use of machine learning methods in medicine is carried out. The software package for marking radiological images has been developed, as well as the actual marking of these images for their recognition and diagnosis of diseases.
Вступ 8 1 Аналітична частина. Загальний огляд проблематики. вибір та опис використаних систем та методів 10 1.1 Обробка зображення та розпізнавання образів 10 1.1.1 Обробка зображення 10 1.1.2 Розпізнавання образів 12 1.2 Діагностика хвороб за допомогою аналізу зображень 16 1.2.1 Медична візуалізація 16 1.2.2 Комп'ютерна діагностика медичних зображень 17 1.2.3 Сучасний стан досліджень КД 18 1.2.4 Виявлення легеневих вузликів на ЗП та бічних рентгенограмах грудної клітки 19 1.2.5 Виявлення переломів хребців на бічних рентгенограмах грудної клітки 20 1.2.6 Виявлення внутрішньочерепної аневризми при МРА 20 1.2.7 Виявлення змін інтервалів у послідовних скануваннях кісток усього тіла 21 2 Науково-дослідна частина Формати медичних зображень 22 2.1 Особливості медичних зображень 22 2.1.1 Глибина пікселя 23 2.1.2 Фотометрична інтерпретація 24 2.1.3 Метадані 25 2.1.4 Дані пікселів 26 2.2 Стандартні формати зображень в медицині 27 2.2.1 BMP 28 2.2.2 TIFF 29 2.2.3 JPEG 29 2.2.4 GIF 30 2.2.5 MPEG 30 2.3 Спеціальні медичні формати 31 2.3.1 Analyze 31 2.3.2 Nifti 32 2.3.3 Minc 33 2.4 DICOM 34 3 Технологічна частина згорткові нейронні мережі 37 3.1 Штучні нейронні мережі 37 3.1.1 Перенавчання 38 3.2 Згорткові нейронні мережі 38 3.3 Архітектура ЗНН 39 3.3.1 Загальна архітектура 40 3.3.2 Згортковий шар 41 3.3.3 Шар пулінгу 43 3.4 Рекуррентна згорткова нейронна мережа 44 3.4.1 Рекуррентні нейронні мережі 44 3.5 Модель рекуррентної згорткової нейронної мережі 45 3.5.1 Рекуррентний згортковий шар 45 3.6 Штучні згорткові нейронні мережі для розпізнавання образів медичної візуалізації 48 3.7 Огляд задач, які вирішуються при використанням ЗНМ при обробці зображень 50 3.7.1 Класифікація 50 3.7.2 Використання згорткових нейронних мереж для класифікації зображень 51 3.7.3 Семантична сегментація 52 3.7.4 Розпізнавання об’єктів 55 3.7.5 Instance Segmentation 57 3.8 Використання ЗНМ для класифікації зображень 57 3.8.1 AlexNet 57 3.8.2 GoogleNet 59 3.8.3 ResNet 59 3.9 Використання ЗНМ для семантичної сегментації 60 3.9.1 U-Net 60 3.10 Використання ЗНМ для детектування об’єктів 61 3.10.1 YOLO 61 3.11 Метрики точності нейромереж для класифікації 62 3.11.1 Точність класифікації 62 3.11.2 Логарифмічна втрата 63 3.11.3 Матриця помилок 63 3.11.4 Площа під кривою 64 3.11.5 F1 показник 65 3.11.6 Середньоквадратична похибка 66 3.12 Метрики точності нейромереж для семантичної сегментації 67 3.12.1 Піксельна точність 67 3.12.2 Коефіцієнт флористичної спільності (коефіцієнт Жаккара) 68 3.12.3 Індекс Соренсена (показник F1) 69 3.13 Функції втрат для класифікації 70 3.13.1 Перехресна ентропія 70 3.13.2 Hinge 72 3.13.3 Функція втрат Г’юбера 73 3.13.4 Розбіжність Куллбека-Лайблера 74 3.13.5 Найменше абсолютне відхилення та найменше квадратне відхилення 74 3.14 Навчання нейромереж на вибірці з незбалансованими класами 75 3.14.1 Навчання з незбалансованих даних за допомогою Гауссової оцінки та моделювання шуму 78 3.14.2 Генерування прикладів даних за допомогою гаусової CPS 83 3.15 Розробка нейромереж за допомогою бібліотеки TensorFlow 88 3.15.1 Архітектура TensorFlow 88 3.15.2 Тензор 89 3.15.3 Графік 89 3.15.4 Як працює TensorFlow 91 3.16 Нейромережевий класифікатор на основі TensorFlow 91 3.16.1 Імпорт пакетів 91 3.16.2 Завантаження даних 92 3.16.3 Підготовка даних 93 3.16.4 Створення моделі 94 3.16.5 Навчання моделі 95 3.16.6 Візуалізація результатів навчання 97 3.17 Збільшення продуктивності моделі 98 3.17.1 Перенавчання 98 3.17.2 Розширення даних 99 3.17.3 Дропаут 102 3.17.4 Навчання мережі 103 3.17.5 Візуалізація моделі 105 4 Конструкторська частина 106 4.1 Машинне навчання у мамографії 107 4.2 ШІ у кардіології 108 4.3 Висновок до розділу 109 5 Спеціальна частина 111 5.1 Стан проблеми 111 5.2 Підготовка даних 112 5.3 DicomImageMarker 117 6 Обґрунтування економічної ефективності 120 6.1 Обчислення затрат на розробку програмного модуля 120 6.2 Визначення експлуатаційних витрат 126 6.3 Визначення економічної ефективності і терміну окупності капітальних вкладень 130 7 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 132 7.1 Міжнародна система безпеки при медичному опроміненні 134 7.1.1 Виправданість практичної діяльності при медичному опроміненні 134 7.1.2 Оптимізація захисту при медичному опроміненні 134 7.1.3 Межі дози при медичному опроміненні 135 7.2 Заходи щодо обмеження медичного опромінення при променевій діагностиці 136 7.2.1 Радіаційна безпека при проведенні рентгенологічних досліджень 137 7.3 Захист від випромінювання 138 7.3.1 Гарантування радіаційної безпеки медперсоналу рентгенівських відділень 139 7.3.2 Гарантування радіаційної безпеки пацієнтів при рентгенографії 140 7.3.3 Засоби для гарантування радіаційного захисту медперсоналу та пацієнтів 142 8 ЕКОЛОГІЯ 143 8.1 Енергозбереження і його роль у вирішенні екологічних проблем. 143 8.1.1 Енергоефективність у даному проекті 145 8.2 Джерела електромагнітних полів, іонізуючих випромінювань 146 8.3 Методи знешкодження електромагнітних полів та іонізуючого випромінювання 149 ВИСНОВКИ 151 Бібліографія 152 ДОДАТКИ 160 Додаток А Лістинг програми 161 Додаток Б Ілюстративні матеріали 169

Кваліфікаційна робота присвячена розробці мобільного застосунку для діагностування серцевих захворювань. Метою даної кваліфікаційної роботи освітнього рівня «Бакалавр» є підвищення рівня поінформованості громадян та медичного персоналу щодо стану їхнього серця за рахунок реалізації функціональних можливостей автоматизованого розпізнавання серцевих захворювань. В першому розділі кваліфікаційної роботи освітнього рівня «Бакалавр» проведено аналіз предметної області. Виконано постановку завдання розроблення мобільного застосунку для діагностування серцевих захворювань. Описано використовувані в процесі розроблення мобільного застосунку для діагностування серцевих захворювань методи та інструменти і набір даних. В другому розділі кваліфікаційної роботи освітнього рівня «Бакалавр» розроблено алгоритм роботи мобільного застосунку. Запропоновано опис процедури навчання та спостереження з розробленням відповідних діаграм.
Qualification work is devoted to the development of a mobile application for diagnosing heart disease. The purpose of this qualification work of the educational level "Bachelor" is to increase the level of awareness of citizens and medical staff about the condition of their heart through the implementation of functional capabilities of automated recognition of heart disease. In the first section of the qualification work of the educational level "Bachelor" the analysis of the subject area is carried out. The task of developing a mobile application for diagnosing heart disease has been completed. The methods and tools and data set used in the process of developing a mobile application for diagnosing heart disease are described. In the second section of the qualification work of the educational level "Bachelor" the algorithm of work of the mobile application is developed. A description of the training and observation procedure with the development of appropriate diagrams is offered.
ВСТУП 7 1 ПРЕДМЕТНА ОБЛАСТЬ, МЕТОДИ, ІНСТРУМЕНТИ ТА НАБІР ДАНИХ 8 1.1 Аналіз предметної області 8 1.2 Постановка завдання 11 1.3 Методи та інструменти 14 1.4 Набір даних 17 1.5 Висновок до першого розділу 18 2 РОЗРОБКА ТА ТЕСТУВАННЯ МОБІЛЬНОГО ЗАСТОСУНКУ ДЛЯ ДІАГНОСТУВАННЯ СЕРЦЕВИХ ЗАХВОРЮВАНЬ 19 2.1 Алгоритм роботи мобільного застосунку 19 2.2 Опис процедури навчання та спостереження 22 2.3 Результати роботи мобільного застосунку для діагностування серцевих захворювань 29 2.4 Тестування юзабіліті мобільного застосунку для діагностування серцевих захворювань 31 2.5 Аналіз результатів проведеної розробки мобільного застосунку для діагностування серцевих захворювань 32 2.6 Висновок до другого розділу 33 3 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ХОРОНИ ПРАЦІ 34 3.1 Природне середовище і його забруднення 34 3.2 Вимоги пожежної безпеки при гасінні електроустановок 36 3.3 Висновок до третього розділу 37 ВИСНОВКИ 38 ПЕРЕЛІК ДЖЕРЕЛ 39

Кваліфікаційна робота присв’ячена розробці багатокритеріальної системи підтримки прийняття рішень для діагностування вірусних захворювань в умовах пандемії. В першому розділі кваліфікаційної роботи описано пандемію та системи підтримки прийняття рішень. Подано огляд та аналіз літературних джерел. Досліджено епідеміологічне моделювання даних. Розглянуто модель діагностування вірусних захворювань та модель для прогнозування заражених вірусом. В другому розділі кваліфікаційної роботи спроектовано структуру системи підтримки прийняття рішень для діагностування вірусних захворювань в умовах пандемії. Описано алгоритм комплексного підходу до багатокритеріального аналізу в умовах пандемії. Подано компоненти багатокритеріальних рішень щодо діагностування вірусних захворювань в умовах пандемії. В третьому розділі кваліфікаційної роботи проведено оцінювання результатів аналітичного опрацювання. Проаналізовано отримані результати. Qualification work is devoted to the development of a multi-criteria decision support system for diagnosing viral diseases in a pandemic. The first section of the qualification describes the pandemic and decision support systems. A review and analysis of literature sources is presented. Epidemiological modeling of data has been studied. A model for diagnosing viral diseases and a model for predicting virus infections are considered. In the second section of the qualification work the structure of the decision support system for diagnosing viral diseases in a pandemic is designed. An algorithm for an integrated approach to multicriteria analysis in a pandemic is described. Components of multicriteria solutions for diagnosing viral diseases in a pandemic are presented. In the third section of the qualification work the evaluation of the results of analytical elaboration was carried out. The obtained results are analyzed.
ВСТУП 9 1 ПАНДЕМІЯ, СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ТА ЕПІДЕМІОЛОГІЧНЕ МОДЕЛЮВАННЯ ДАНИХ 11 1.1 ПАНДЕМІЯ ТА СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ 11 1.2 ОГЛЯД ТА АНАЛІЗ ЛІТЕРАТУРНИХ ДЖЕРЕЛ 13 1.3 ЕПІДЕМІОЛОГІЧНЕ МОДЕЛЮВАННЯ ДАНИХ 15 1.4 ВИСНОВОК ДО ПЕРШОГО РОЗДІЛУ 22 2 МЕТОД, КОМПОНЕНТИ, АЛГОРИТМ ТА СТРУКТУРА СИСТЕМИ ПРИЙНЯТТЯ РІШЕНЬ ЩОДО ДІАГНОСТУВАНЬ ВІРУСНИХ ЗАХВОРЮВАНЬ 23 2.1 ДАНІ ДЛЯ ПРИЙНЯТТЯ РІШЕНЬ 23 2.2 ПЕРВИННА ПІДГОТОВКА ДОСЛІДЖУВАНИХ ДАНИХ 24 2.3 МЕТОДИ АНАЛІТИЧНОГО ОПРАЦЮВАННЯ ДАНИХ В УМОВАХ ПАНДЕМІЇ 26 2.4 ЕТАПИ КЕРУВАННЯ ТА ОБРОБКИ ДАНИХ В БАГАТОКРИТЕРІАЛЬНІЙ СИСТЕМІ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ 29 2.5 ПРИЙНЯТТЯ РІШЕНЬ В УМОВАХ ПАНДЕМІЇ 31 2.6 КОМПОНЕНТИ БАГАТОКРИТЕРІАЛЬНИХ РІШЕНЬ ЩОДО ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ В УМОВАХ ПАНДЕМІЇ 32 2.7 АЛГОРИТМ КОМПЛЕКСНОГО ПІДХОДУ ДО БАГАТОКРИТЕРІАЛЬНОГО АНАЛІЗУ В УМОВАХ ПАНДЕМІЇ 33 2.8 СТРУКТУРА СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ ДЛЯ ДІАГНОСТУВАННЯ ВІРУСНИХ ЗАХВОРЮВАНЬ В УМОВАХ ПАНДЕМІЇ 35 2.9 НАЛАШТУВАННЯ ТА ІНІЦІАЛІЗАЦІЯ ПРОЦЕСУ НАВЧАННЯ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ 36 2.10 СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ – ІДЕНТИФІКАЦІЙНИЙ ОГЛЯД ЛІКАРЕМ ГРОМАДЯН ЩО ПЕРЕВІРЯЮТЬСЯ НА COVID-19 37 2.11 ВИСНОВОК ДО ДРУГОГО РОЗДІЛУ 40 3 АНАЛІЗ РЕЗУЛЬТАТІВ ДОСЛІДЖЕННЯ ТА МОДЕЛЮВАННЯ 41 3.1 ОЦІНЮВАННЯ РЕЗУЛЬТАТІВ АНАЛІТИЧНОГО ОПРАЦЮВАННЯ 41 3.2 РІВЕНЬ ЗАХВОРЮВАННЯ COVID-19 ТА ДЕМОГРАФІЧНІ ПОКАЗНИКИ СТАЦІОНАРНИХ ГРОМАДЯН ЩО ПЕРЕВІРЯЮТЬСЯ НА COVID-19 49 3.3 АНАЛІЗ ОТРИМАНИХ РЕЗУЛЬТАТІВ 51 3.4 ВИСНОВОК ДО ТРЕТЬОГО РОЗДІЛУ 55 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 57 4.1 БЕЗПЕКА ПРАЦІ МЕДИЧНОГО ПЕРСОНАЛУ ПІД ЧАС ПАНДЕМІЇ 57 4.2 ФАКТОРИ ЩО ВПЛИВАЮТЬ НА ФУНКЦІОНАЛЬНИЙ СТАН КОРИСТУВАЧА КОМП'Ю ТЕРА 61 ВИСНОВКИ 66 ПЕРЕЛІК ДЖЕРЕЛ 68 ДОДАТКИ