Целью исследования является повышение эффективности дыхательной реабилитации за счет разработки автоматизированных методов определения типа дыхания на базе машинного обучения.

   Методы. После пандемии COVID-19 особую важность приобрели респираторная реабилитация, а также методы домашней (удаленной) реабилитации по средствам, предоставляемым современными технологиями, для осуществления которой стали разрабатываться новые методы и средства, в том числе с использованием беспроводных датчиков или систем захвата движения. Особое внимание в ходе дыхательной реабилитации уделяется типу дыхания человека, а также автоматизированным методам по анализу дыхания. На данный момент встает проблема, что большинство разработанных методов по анализу дыхания не работают с типами дыхания: они либо определяют только один тип, например, диафрагмальный, либо просто анализируют состояние легких. В связи с этим возникает потребность в разработке метода для анализа и определения непосредственно типов дыхания человека. В данной статье рассматривается три метода для решения задачи определения типа дыхания человека с помощью системы захвата движений и машинного обучения. Первый метод основывается на статических характеристиках, для которого использовалась модель Random Forest. Второй метод, в основе которого используются временные характеристики, использовал модель Catch22. Третий метод, который определяет тип дыхания с помощью характеристик синусоиды, использовал составную модель, основанную на двух моделях Hist Gradient Boosting.

   Результаты. Были разработаны три метода для определения типа дыхания человека. Для каждого из методов были обучены модели машинного обучения для нахождения наилучшего результата точности.
После проведения сравнительного анализа разработанных подходов определен подход с наилучшей точностью.

   Заключение. Разработан метод определения типа дыхания человека на базе машинного обучения, точность работы которого составляет 0,81.

   Целью исследования является оценка максимальной дальности передачи видеоинформации различного качества с беспилотного летательного аппарата для прогнозирования его возможностей при мониторинге чрезвычайной ситуации.

   Методы исследования основаны на понятиях теории радиоэлектроники, теории диагностики и прогностики технического состояния беспилотных летательных аппаратов. Использованы методы многокритериального анализа, параметрического и структурного синтеза. Проанализированы принципы передачи видеоинформации с беспилотных летательных аппаратов, используемых для мониторинга чрезвычайных ситуаций. Произведена критическая оценка максимальной дальности передачи видеоинформации с беспилотных летательных аппаратов при мониторинге чрезвычайных ситуаций.

   Результаты. Получены графики зависимости энергетического запаса в линии радиосвязи между беспилотным летательным аппаратом и наземным комплексом управления, позволяющие оценить максимальные значения дальности передачи видеоинформации различного качества в диапазонах 2,4 и 5,8 ГГц при мониторинге чрезвычайных ситуаций. Максимальная дальность прямой видимости между БПЛА и НКУ слабо зависит от высоты подъема антенны мобильного НКУ и при высоте подъема БПЛА от 100 до 500 м составляет от 40 до 85 км. Максимальная дальность организации передачи видеоинформации HD качества с БПЛА методом ФМ-4 с использованием турбокодирования Turbo 7/8 в диапазонах 2,4 и 5,8 ГГц составляет 3 и 7 км соответственно, а при передаче видеоинформации FHD качества с БПЛА методом КАМ-16 с использованием турбокодирования Turbo 7/8 в диапазонах 2,4 и 5,8 ГГц составляет 1,4 и 3,3 км.

   Заключение. Развитие метода определения максимальной дальности передачи видео- и командо-телеметрической информации позволяет более точно оценить энергетический запас в линии радиосвязи с беспилотным летательным аппаратом. В качестве перспективных направлений исследований в области использования беспилотных летательных аппаратов при чрезвычайных ситуациях следует рассматривать беспилотные летательные аппараты для пеленгации и обнаружения спасательных радиомаяков пострадавших при проведении поисково-спасательных операций.

   Целью исследования является повышение эффективности распознавания и контроля взаимодействия покупателей и продавцов магазинов за счет разработки модели автоматизированного распознавания и контроля взаимодействия людей по видеоизображению.

   Методы. Исследование направлено на решение фундаментальной научной задачи разработки моделей и методов контроля и распознавания взаимодействия людей по видеоизображению. В настоящий момент сфера торговли стремительно развивается, появляется все больше онлайн-ресурсов, которые забирают на себя значимую часть потока клиентов, в связи с чем обычным магазинам и торговым центрам необходимо внедрять новые способы и методы взаимодействия с покупателями, а следовательно предоставлять более качественный сервис. Современные компании стараются решать подобную проблему разными путями: подсчетом посетителей, приборами контроля, различными нейросетевыми решениями и так далее. Однако ни одно из имеющихся на данный момент на рынке предложений не способно автоматически классифицировать человека как покупателя или продавца по видеоизображению, а также оценить степень удовлетворенности клиента предоставленным сервисом. Для исправления данной ситуации были разработаны методы и модели, позволяющие разработать на их базе программные средства, с помощью которых станет возможно определить удовлетворенность посетителей и клиентов, распознать среди людей клиентов и продавцов и определить качество работы сотрудников.

   Результаты. Разработаны модели и методы классификации клиентов и продавцов по униформе, методы определения уровня взаимодействия продавцов и клиентов на базе алгоритмов определения удовлетворенности посетителей и клиентов по голосу и лицу и алгоритмов определения качества работы сотрудников.

   Заключение. В результате разработаны модели, позволяющие улучшить качество взаимодействия продавцов и клиентов по видеоизображению.

   Цель исследований – разработать метод оценки эффективности контроля технического состояния сложного технического объекта с учетом экспертных оценок.

   Методы. Оценка эффективности применения сложного технического объекта производится с помощью соответствующих показателей эффективности, характеризующих степень выполнения поставленных перед ними задач. При выборе показателей эффективности необходимо учитывать следующие основные требования: показатель должен иметь количественное выражение и достаточно просто вычисляться; показатель должен выбираться с учетом специфики решаемой задачи и отражать основные характеристики оцениваемого явления; показатель должен быть представительным и обеспечивать сравнимость результатов оценки по степени предпочтительности, т. е. не допускать несравнимых (индифферентных) решений.

   Результаты. Представлен метод оценки эффективности контроля технического состояния сложного технического объекта с учетом дополнительного расширенного информационного описания качественными признаками (экспертными оценками).

   Заключение. Эффективность контроля напрямую зависит от точности, полноты контроля. Точность существующих систем контроля достаточно высокая, но полнота контроля не всегда учитывает качественные (экспертные) оценки об объекте контроля. Повышение эффективности систем контроля должно идти не только за счет точности и быстродействия, но и за счет полноты контроля. В качестве критерия оценки эффективности системы контроля предложена оценка вероятности работоспособного состояния, контролируемого сложного технического объекта. Предложен расчет эффективности системы контроля с учетом дополнительного расширенного информационного описания качественными признаками (экспертными оценками) об объекте контроля. Показано, что можно более точно оценить работоспособное состояние объекта контроля, если будет выше полнота контроля, при неснижаемой точности контроля.

   Цель исследования заключается в разработке моделей, характеризующих систему «Клетка – Вирус – Среда обитания».

   Методы. Способность коронавирусов выходить из клетки без ее апоптоза является важным фактором, обеспечивающим возможность умеренной инфекции. С описанием полного гена 2019-nCoV можно ознакомиться в банке геномов вирусов GenBank: MN908947.3. В настоящее время сведения об эпидемиологии, клинических особенностях, профилактике и лечении данного заболевания изучаются учеными во всем мире. Теоретические подходы при исследовании были основаны на теории вирусологии, системного анализа, дифференциально-интегрального исчисления и теории вероятности. В качестве материалов выступали показатели иммунограмм за период 2020–2021 гг. по исследованиям влияния коронавирусной инфекции на жителей Пермского края. Данные по активности коронавируса и количестве заболевших жителей брались из открытых источников. Данные о количестве жителей, проживающих в Пермском крае, были взяты из переписи населения. Строение генома SARS-CoV-2 отражено в базе данных GenBank: MN908947.3. Трекер мутаций SARS-CoV-2 изучался по хранилищу: https://users.math.msu.edu/users/weig/SARS-CoV-2MutationTracker.html.

   Результаты: разработана и исследована модель «Клетка – Вирус – Среда обитания»; построена система дифференциальных эмпирических уравнений, характеризующих изменения параметров иммунограмм среди подросткового и детского возраста жителей Пермского края; построена и исследована система уравнений Колмогорова, описывающая динамику развития пандемии в Пермском крае.

   Заключение. Одной из последствий новой коронавирусной инфекции может явится изменение в иммунной системе популяции людей. Детальный анализ иммуннологического статуса различных расовых групп, различных возрастов и гендерных признаков под влиянием новой коронавирусной инфекции в настоящее время мало изучен.

   Цель исследования. Разработана информационная поддержка принятия решения по оценке противопожарных расстояний от границ открытых площадок для хранения АТС до различных объектов защиты с учетом воздействия теплового потока.

   Объект исследования – оценка противопожарного расстояния от границ открытых площадок автотранспортных средств.

   Предметом исследования является информационная поддержка для принятия управленческого решения о соответствии объекта защиты требованиям пожарной безопасности, направленная на ограничение последствий распространения пожара в виде противопожарного расстояния от границ открытых площадок для хранения АТС до зданий (сооружений) I-V степеней огнестойкости классов функциональной пожарной опасности Ф.1-Ф.5.

   Целью данной работы выступает создание и применение индивидуальных расчетных формул для определения предельно допустимых расстояний от границ открытых площадок автотранспортных средств до различных зданий (сооружений) на основе использования программного продукта для ЭВМ.

   Методы. Для решения поставленных задач использовались методы системного анализа, теории управления и принятия решений, численного эксперимента.

   Результаты. В статье предлагается оценка риска причинения вреда чужому имуществу и определение значения безопасного расстояния от границ открытых площадок для хранения АТС до различных объектов
защиты путем применения программного продукта «Оценка безопасного расстояния от границ открытых площадок автотранспортных средств», направленная на усовершенствование научно-экспериментальной и учебно-материальной базы научно-исследовательских, экспертных и образовательных организаций. Предлагаемая расчетно обоснованная оценка соответствия объекта защиты требованиям пожарной безопасности по предотвращению распространения пожара направлена для практического применения при организации деятельности и осуществлении полномочий сотрудниками ФПС МЧС России, экспертами, а также собственниками объектов защиты.

   Заключение. Предлагаемая информационная поддержка принятия решения по оценке противопожарных расстояний от границ открытых площадок для хранения АТС позволит установить риск причинения вреда чужому имуществу.

   Цель исследований заключается в анализе выборочных данных по самооценке здоровья и сформированности установок ЗОЖ студентов-медиков.

  Методы. Структура выборки характеризуется распределением респондентов по полу, курсу обучения в вузе и колледже, возрасту 15–18 лет. Сбор данных осуществляли методом анкетирования с использованием прямого опроса респондентов. Выполнена антропометрия с последующим расчетом индекса массы тела (ИМТ) опрашиваемых. Оценка качества жизни проводилась с помощью опросника SF-36 по показателям физического и психического компонентов здоровья, общему состоянию здоровья, жизненной активности и психическому здоровью.

   Результаты. Респонденты были разделены на 4 группы: 1 – юноши, обучающиеся в вузе; 2 – девушки, обучающиеся в вузе; 3 – юноши, обучающиеся в колледже; 4 – девушки, обучающиеся в колледже. Установлено, что обследованные девушки имеют более низкую самооценку здоровья, более 30 % студенток вуза и студенток колледжа оценивают свое здоровье как посредственное и плохое, а среди юношей этот показатель составил 25,0 % и 20,0 % соответственно. Физический компонент здоровья незначительно отличался в группах. Психологический компонент здоровья у девушек составлял: 32,98 ± 1,35 в вузе и 38,98 ± 1,14 в колледже против 41,10 ± 2,22 у юношей в вузе и 44,61 ± 2,12 в колледже. Показатель общего состояния здоровья составлял 66,50 ± 4,01, 58,12 ± 2,86, 65,40 ± 4,48 и 63,85 ± 1,95 у представителей анализируемых групп соответственно; психического здоровья – 63,38 ± 3,83, 49,09 ± 2,63, 64,6 ± 4,48 и 60,34 ± 2,21.

   Заключение. Анализ полученных данных свидетельствует о том, что имеются гендерные отличия в самооценке здоровья, представленные более низкими показателями у девушек. Причем у обучающихся в вузе это проявляется более отчетливо, что требует более углубленного изучения. Установлено, что студенты-первокурсники КГМУ имеют мотивацию к ведению здорового образа жизни и его пропаганде среди населения, причем у обучающихся вуза она прослеживается более отчетливо.

   Цель исследования заключается в разработке метода измерения АЧХ классических и электронных стетоскопов.

   Произведено апробирование предложенного метода. Выполнены измерения АЧХ классического и электронного стетоскопов. Реализовано изменение конструкции головки электронного стетоскопа с целью улучшения ее функционирования. Для обоснования внесенных изменений конструкции осуществлено сравнение АЧХ исходной и улучшенной конструкции, повышение разнообразия конструкций систем электронной аускультации с измеренными характеристиками и апробированием. Серия статей включает в себя разработку модели системы электронной аускультации, разработку конструкции электронного стетоскопа, изготовление экспериментального образца, разработку методики измерения амплитудно-частотных характеристик электронных и классических стетоскопов, апробирование предложенных моделей и методов, анализ аускультативных данных.

   Методы. Исследования базировались на методиках измерения частотных характеристик электроакустических преобразователей, предложенных в межгосударственных стандартах. На основе методик в межгосударственных стандартах разработан упрощенный метод измерения амплитудно-частотных характеристик электронных стетоскопов. В исследовании использовалось следующее оборудование: излучатель «Искусственный рот» Type 4227 фирмы Bruel&Kjaer; измерительный конденсаторный микрофон «Искусственное ухо» Type 4146 с эталонной камерой 2CC фирмы Bruel&Kjaer; анализатор Type 2118 фирмы Bruel&Kjaer.

   Результаты. Получены амплитудно-частотные характеристики классического и электронного стетоскопов. Улучшена конструкция головки электронного стетоскопа, произведено сравнение амплитудно-частотных характеристик исходной и улучшенной конструкции.

   Заключение. Предложен метод измерения параметров частотных характеристик уровня звукового давления классических и электронных стетоскопов. Метод максимально приближен к стандартизированным методам контроля акустических параметров, при этом обладает достаточной простотой и дешевизной относительно метода измерения по давлению, демонстрируя качественную схожесть результатов измерений.

   Цель исследования – повышение разнообразия конструкций систем электронной аускультации с измеренными характеристиками и апробированием.

   Серия статей включает в себя разработку модели системы электронной аускультации, разработку конструкции электронного стетоскопа, изготовление экспериментального образца, разработку методики измерения амплитудно-частотных характеристик электронных и классических стетоскопов, апробирование предложенных моделей и методов, анализ аускультативных данных. В статье рассмотрены математические методы первичного анализа аускультативных данных. Для эксперимента использованы записи нормального и жесткого дыхания. Произведен частотный, частотно-временной и автокорреляционный анализ дыхательных звуков.

   Методы. Исследования базировались на теории цифровой обработки сигналов. В исследовании использованы аускультативные данные, полученные с экспериментального образца системы электронной аускультации. Использовались электронные записи жесткого (паталогического) и нормального дыхания человека над левым средним легким. Дыхательные шумы были преобразованы в цифровую форму со следующими параметрами: частота дискретизации fд = 48 кГц; разрядность n = 24 бит; количество каналов 1. Для анализа частотной информативности записей построены их спектры. Для вычисления значений в спектрах использовалось быстрое преобразование Фурье.

   Результаты. В представленной работе проанализированы частотные характеристики записей жесткого и нормального дыхания. Получены значения автокорреляционных функций. Получена авторегрессионная модель процесса нормального дыхания. Задача аналитического определения порядка модели остаётся открытой и требует отдельного решения. Полученная модель позволяет генерировать эквивалентный дыхательный шум вдоха или выдоха при подаче на её вход сигнала с равномерным.

   Заключение. Апробирован образец системы электронной аускультации, предложены методы упрощенного первичного анализа аускультативных данных. Разница в результатах обработки жесткого и нормального дыхания не имеет статистической значимости ввиду малой выборки.

   Целью исследования является математическое обоснование процесса обработки мультиспектральных данных с целью обнаружения локальных зон загрязнения окружающей среды с возможностью классификации загрязняющего вещества.

   Методы. В качестве базового математического аппарата используются основы прикладной теории стохастических систем, основанной на уравнениях для многомерных характеристических функций и функционалов. При определении загрязняющего вещества используется критерий, отражающий способность предметов и подчиняющийся закону Ламберта. Для решения задачи классификации объектов применены подходы с использованием бинарной логистической регрессии. При оценке результатов исследования применены статистические методы анализа.

   Результаты. Полученные частные математические модели позволяют учесть множество факторов, воздействующих на мобильные платформы экологического мониторинга и функционирующих в автоматическом режиме. Обосновывают возможность дистанционного анализа локальных зон загрязнения окружающей среды с возможностью определения загрязняющих веществ, таких как углеводороды, фосфат-ионы и др., а также поиска несанкционированных локаций строительного и бытового мусора. Повышают точностные характеристики в 1,3 раза при определении параметров выделенных объектов за счет обработки данных, полученных в различных спектральных диапазонах. Способствуют снижению вычислительной сложности алгоритма классификации в 1,1 раза с учетом объема входных данных в ограниченном спектральном диапазоне и уменьшению разрешения эталонного объекта, при этом не влияющего на точность классификации.

   Заключение. Разработана математическая модель обработки данных и изображений, полученных в нескольких спектральных диапазонах, при функционировании мультиспектрального устройства для автономной мобильной платформы экологического мониторинга, позволяющая выделять объекты в поле зрения устройства с подвижной платформы, получать детализированное изображение объектов рабочей сцены с пространственной привязкой относительно используемой системы координат, отличительной особенностью которой является повышение точности вычисления координат локальных зон загрязнений и повышение достоверности классификации объектов, исходя из характеристики диффузионной отражательной способности в различных спектральных диапазонах.

   Целью исследования является разработка нечетких математических моделей прогнозирования и ранней диагностики бронхиальной астмы, развивающейся под воздействием токсических веществ, выделяемых при аргоновой сварке, обеспечивающих приемлемое для практической медицины качество принятия решений.

   Методы. В работе использован метод синтеза нечетких математических моделей прогнозирования и ранней диагностики профессиональных заболеваний, провоцируемых действием промышленных ядохимикатов, разработанный в ЮЗГУ на базе методологии синтеза гибридных нечетких решающих правил, позволяющий учитывать мультипликативную природу связей риска появления и развития профессиональных заболеваний с концентрацией и временем воздействия вредных химических веществ.

   Результаты. С помощью выбранного метода были получены нечеткие гибридные модели прогнозирования и ранней диагностики производственной бронхиальной астмы у работников сварочных производств, в которых, помимо воздействий на организм человека озона, пылевых и фиброгенных факторов риска, учитываются неблагоприятные экологические и эргономические факторы в сочетании с особенностями индивидуального здоровья. В ходе моделирования и экспертного оценивания было показано, что полученная математическая модель обеспечивает уверенность в правильном прогнозе появления производственной бронхиальной астмы у работников сварочных производств не ниже 0,85, а ранней диагностики – не ниже 0,9.

   Заключение. Получены гибридные нечеткие модели прогнозирования и ранней диагностики производственной бронхиальной астмы у работников сварочных производств, вызываемой наличием озона и фиброгенной пыли в сочетании с индивидуальными, экологическими и эргономическими факторами риска, качество работы которых было проверено на репрезентативных контрольных выборках. В ходе контрольной проверки было показано, что прогностическая модель обеспечивает диагностические специфичность и чувствиnельность на уровне 0,87, а модель ранней диагностики – на уровне 0,92, что является хорошим результатом для рассматриваемого класса задач.