The object of research, development or design (in Russian) : Сердечно сосудистые заболевания

The object of research, development or design (in Kazakh) : Жүрек-қан тамырлары аурулары

Aim of work (in Russian) : Разработка методов автоматической аннотации и расшифровки ЭхоКГ и ЭКГ на основе собранных размеченных данных для определения максимально возможного набора аномалий снимков и физического состояния сердца с использованием CNN алгоритма. Разработка качественной оценки ЭхоКГ снимка и ЭКГ данных с возможностью автокоррекции артефактов изображения с помощью CNN алгоритма.

Aim of work (in Kazakh) : CNN алгоритмін қолдана отырып, ЭхоКГ және ЭКГ суреттің аномалиясының максималды жиынтығын және жүректің физикалық жағдайын анықтау үшін жинақталған таңбаланған мәліметтер негізінде эхокардиографияны және электрокардиографияны автоматты түрде аннотациялау және декодтау әдістерін жасау болып табыдалы. CNN алгоритмін қолдана отырып, сурет артефактілерін автоматты түрде түзету мүмкіндігімен EchoCG кескінін сапалы бағалауды әзірлеу.

Методы исследования (на русском) : По результатам литературного обзора за основу взят алгоритм Convolutional Neural Network (CNN) который является наиболее оптимальным алгоритмом глубокого обучения для работы с картинками и будет применен для определения особенностей (features) сердца и обучения машины и предоставления дополнений и коррекции ЭхоКГ снимкам и ЭКГ данных, что и является целью проекта. В ходе исследования применены методы статистического анализа, методы машинного обучения (Пр. регрессия) и для сравнения эффективности результатов за основу взяты методы корреляционного анализа а также независимое мнение кардиохирургов.

Методы исследования (на казахском) : Әдеби шолу нәтижелері бойынша Convolutional Neural Network (CNN) алгоритмі негізге алынды. Ол суреттермен жұмыс істеу үшін терең оқытудың ең оңтайлы алгоритмі болып табылады және жүрек ерекшеліктерін (features) анықтау, жобаның мақсаты болып табылатын машинамен оқыту және ЭхоКГ және ЭКГ суреттеріне толықтырулар мен түзетулер беру үшін қолданылады. Зерттеу барысында статистикалық талдау әдістері, машинамен оқыту әдістері (регрессия) қолданылады. Нәтижелердің тиімділігін салыстыру үшін корреляциялық талдау әдістері, сондай-ақ кардиохирургтардың тәуелсіз пікірі негізге алынды.

Obtained results and novelty (in Russian) : Исследование существующих методов и алгоритмов для визуализации и диагностики сердечно-сосудистых заболеваний в области искусственного интеллекта для кардиологических специалистов. Определение классификации существующих методов и алгоритмов для визуализации и диагностики сердечно-сосудистых заболеваний. Анализ применимости концепции искусственного интеллекта для визуализации и диагностики сердечно-сосудистых заболеваний. Аналитический отчет о применимости методов и алгоритмов для визуализации и диагностики к существующим. Подтверждение необходимости разработки концепции. Аналитический обзор и группирование методов унификации и классификации для визуализации и диагностики сердечно-сосудистых заболеваний. Опубликована одна статья Скопус, одна статья ВАК по теме проекта.

Obtained results and novelty (in Kazakh) : Жүрек мамандары үшін жасанды интеллект саласындағы жүрек-қан тамырлары ауруларын бейнелеу мен диагностикалаудың қолданыстағы әдістері мен алгоритмдерін зерттеу. Жүрек-қан тамырлары ауруларын бейнелеу және диагностикалау үшін қолданыстағы әдістер мен алгоритмдердің жіктелуін анықтау. Жүрек-қан тамырлары ауруларын визуализациялау және диагностикалау үшін жасанды интеллект тұжырымдамасының қолданылуын талдау. Бейнелеу және диагностика әдістері мен алгоритмдерінің қолданыстағы әдістерге қолданылуы туралы аналитикалық есеп. Тұжырымдаманы әзірлеу қажеттілігін растау. Аналитикалық шолу және жүрек-қан тамырлары ауруларын бейнелеу және диагностикалау үшін біріктіру және жіктеу әдістерін топтастыру. Скопустың бір мақаласы, ЖАК-тың бір мақаласы жоба тақырыбы бойынша жарияланды

The main constructive and technical economic indicators (in Russian) : Прогнозируемый социально-экономический эффект заключается в том, что наша технология позволит выявлять заболевания сердечно-сосудистой системы на ранней стадии, диагностика поможет врачам ставить более точные диагнозы, существенно облегчит работу врачей. В результате уменьшится количество осложнений заболеваний и летальных исходов у наиболее трудоспособного населения.

The main constructive and technical economic indicators (in Kazakh) : Күтілетін әлеуметтік-экономикалық нәтиже: біздің өнертабысымыз жүрек-қантамыр жүйесі ауруларын ертерек анықтай алады, диагноз дәрігерлердің диагнозды таңдаудағы қателіктерін азайтуға көмектеседі және дәрігердің өз жұмысын айтарлықтай жеңілдетеді. Бұл өз кезегінде аурудың асқынуларының санын азайтады және олар үшін ең еңбекке қабілетті тұрғындар арасында өлім-жітімді азайтады.

Level of implementation (in Russian) : Степень внедрения проекта будет определена в последующих этапах.

Level of implementation (in Kazakh) : Жобаны іске асыру дәрежесі келесі кезеңдерде анықталатын болады.

Efficiency (in Russian) : Научный эффект заключается в том, что внедрение искусственных нейронных сетей в медицине, а также информационных технологий в сфере здравоохранения приведет к значительному прогрессу в развитии информационных технологий и повышению медицинской эффективности.

Efficiency (in Kazakh) : Ғылыми нәтиже медицинада жасанды нейрондық желілерді енгізу, денсаулық сақтау саласында ақпараттық технологияларды енгізу, ақпараттық технологиялардың дамуына және медицинада тиімділіктің өсуіне үлкен серпіліс береді.

Field of application (in Russian) : В научных и статистических исследованиях (в частности, в прогнозировании, интеллектуальном анализе данных, бизнес-анализе). Областью применения разработанной платформы станет определение сердечно-сосудистых заболеваний без участия врача-клинициста, что позволит автоматизировать процесс определения заболеваний с целью повышения точности онлайн-диагностики по эхокардиографическим изображениям и звукам электрокардиографии, а также сэкономить время врачей.

Field of application (in Kazakh) : Гылыми-статистикалық зерттеулерде (атап айтқанда, болжауда, деректерді өңдеуде). Әзірленген платформаның қолданылуы клиниктің қатысуынсыз терең жаттықтыруды қолдана отырып, жүрек-қан тамырлары ауруларын анықтау болып табылады, бұл өз кезегінде эхокардиографиялық суреттерді интернеттегі диагностикалау дәлдігін арттыру, сонымен қатар дәрігерлердің уақытын үнемдеу мақсатында ауруларды анықтау процесін автоматтандырады.