The object of research, development or design (in Russian) : Сердечно-сосудистая система человека, Интеллектуальные системы мониторинга здоровья, Гибридные модели машинного обучения, Технологии IoT и IoMT

The object of research, development or design (in Kazakh) : Адамның жүрек-қан тамырлары жүйесі, денсаулықты бақылаудың интеллектуалды жүйелері, машиналық оқытудың гибридті модельдері, IoT және IoMT технологиялары

Aim of work (in Russian) : Целью проекта является разработка интеллектуальной системы мониторинга и профилактики сердечно-сосудистых заболевании с помощью гибридных методов глубокого обучения и IoMT (Internet of Medical Things).

Aim of work (in Kazakh) : Жобаның мақсаты-терең оқытудың гибридті әдістері мен iomt (Internet of Medical Things) көмегімен жүрек-қан тамырлары ауруларын бақылау мен алдын алудың интеллектуалды жүйесін әзірлеу.

Методы исследования (на русском) : Системный анализ и методологический подход к системотехнике, структурное проектирование, методы настройки IoT-устройств, обучение графовых нейронных сетей и моделей федеративного обучения, анализ временных рядов, разработка диагностических алгоритмов и системы удаленного мониторинга.

Методы исследования (на казахском) : Жүйелік талдау және жүйелік технологияға әдістемелік тәсіл, құрылымдық дизайн, IoT құрылғыларын теңшеу әдістері, графикалық нейрондық желілерді және Федеративті оқыту модельдерін оқыту, уақыт серияларын талдау, диагностикалық алгоритмдер мен қашықтықтан бақылау жүйелерін әзірлеу.

Obtained results and novelty (in Russian) : Разработана комплексная система сбора данных с использованием IoMT-устройств для мониторинга кардиоваскулярных показателей здоровья и параметров окружающей среды. Впервые для анализа взаимосвязей между этими параметрами применена модель графовых нейронных сетей (GNN), что позволяет выявлять скрытые закономерности в данных. На основе децентрализованного машинного обучения с использованием федеративного подхода обеспечена конфиденциальность и безопасность данных, что позволяет эффективно агрегировать информацию с различных источников без передачи персональных данных. Эти результаты являются новыми для области медицинского мониторинга и прогнозирования здоровья. Эти результаты являются новизной.

Obtained results and novelty (in Kazakh) : Денсаулықтың кардиоваскулярлық көрсеткіштері мен қоршаған орта параметрлерін бақылау үшін IoMT-құрылғыларды пайдалана отырып, деректерді жинаудың кешенді жүйесі әзірленді. Бұл параметрлер арасындағы қатынастарды талдау үшін алғаш рет деректердегі жасырын заңдылықтарды анықтауға мүмкіндік беретін графикалық нейрондық желілер (GNN) моделі қолданылды. Федеративті тәсілді қолдана отырып, орталықтандырылмаған Машиналық оқыту негізінде деректердің құпиялылығы мен қауіпсіздігі қамтамасыз етіледі, бұл жеке деректерді берусіз әртүрлі көздерден ақпаратты тиімді біріктіруге мүмкіндік береді. Бұл нәтижелер медициналық бақылау және денсаулықты болжау саласы үшін жаңа болып табылады. Бұл нәтижелер жаңашыл болып табылады.

The main constructive and technical economic indicators (in Russian) : С точки зрения технико-экономических показателей, система позволяет снизить затраты на хранение и обработку данных благодаря использованию распределенного обучения, а также уменьшить риски утечек персональной информации. Применение машинного обучения и интеллектуальных алгоритмов увеличивает точность диагностики и прогнозирования заболеваний, сокращая время на обработку данных и ускоряя принятие решений. Система обладает высокой масштабируемостью, что позволяет её адаптировать для различных медицинских учреждений и увеличивает её эффективность при росте объема данных.

The main constructive and technical economic indicators (in Kazakh) : Техникалық-экономикалық көрсеткіштер тұрғысынан жүйе таратылған оқытуды пайдалану арқылы деректерді сақтау және өңдеу шығындарын азайтуға, сондай-ақ жеке ақпараттың ағып кету қаупін азайтуға мүмкіндік береді. Машиналық оқыту мен Интеллектуалды алгоритмдерді қолдану ауруларды диагностикалау мен болжаудың дәлдігін арттырады, деректерді өңдеу уақытын қысқартады және шешім қабылдауды тездетеді. Жүйе әртүрлі денсаулық сақтау мекемелеріне бейімделуге мүмкіндік беретін және деректер көлемінің өсуінде оның тиімділігін арттыратын жоғары масштабтауға ие.

Level of implementation (in Russian) : Начальная стадия, в котором протестированы основные компоненты системы

Level of implementation (in Kazakh) : Жүйенің негізгі компоненттері сыналған бастапқы кезең

Efficiency (in Russian) : Эффективность полученных результатов заключается в высокоточном и быстром анализе кардиоваскулярных данных и факторов окружающей среды с использованием графовых нейронных сетей (GNN), что позволяет оперативно выявлять риски для здоровья пациента. Федеративное обучение обеспечивает конфиденциальность данных, а очистка и нормализация данных повышают точность прогнозов и ускоряют процесс обучения. Экономическая эффективность проекта достигается за счет децентрализованного подхода, минимизирующего затраты на хранение и обработку данных, что делает систему безопасной, масштабируемой и экономически выгодной для использования в медицинских учреждениях.

Efficiency (in Kazakh) : Алынған нәтижелердің тиімділігі пациенттің денсаулығына қауіп-қатерді жедел анықтауға мүмкіндік беретін графикалық нейрондық желілерді (GNN) қолдана отырып, кардиоваскулярлық деректер мен қоршаған орта факторларын жоғары дәлдікпен және жылдам талдаудан тұрады. Федеративті оқыту деректердің құпиялылығын қамтамасыз етеді, ал деректерді тазарту және қалыпқа келтіру болжамдардың дәлдігін жақсартады және оқу процесін жылдамдатады. Жобаның экономикалық тиімділігіне деректерді сақтау және өңдеу шығындарын азайтатын орталықтандырылмаған тәсіл арқылы қол жеткізіледі, бұл жүйені Денсаулық сақтау мекемелерінде пайдалану үшін қауіпсіз, ауқымды және үнемді етеді.

Field of application (in Russian) : Телемедицина и дистанционное медицинское обслуживание, Умные медицинские устройства и носимые гаджеты, Предиктивная медицина и профилактика заболеваний, Больницы и клиники, Научные исследования в области кардиологии

Field of application (in Kazakh) : Телемедицина және қашықтықтан медициналық көмек, ақылды медициналық құрылғылар мен киілетін гаджеттер, болжамды медицина және аурудың алдын алу, ауруханалар мен клиникалар, кардиология саласындағы ғылыми зерттеулер