Цель исследования заключается в определении требований и разработке концепции и архитектуры мультисервисной системы «Клиентский медицинский веб-сервис».

Методы. В основе требований к системе «Клиентский медицинский веб-сервис» положен проведенный исполнителями работы опрос 500 респондентов об их предпочтениях в области использования персональной информации о здоровье. Анализ ответов проводился с использованием методов математической статистики.

Результаты. По результатам опроса выявлены основные требования к разработке мультисервисных систем: наличие личного участия пациента, удобство использования системы и скорость передачи информации. На основании требований разработана двухкомпонентная система «Клиентский медицинский вебсервис» на основании предложенной нами карт-схемы. Архитектура системы включила в себя систему взаимосвязанных модулей, информация которых передается по HTTPS-протоколу с оптимальным кэшированием и хранением медицинской информации. Предлагаемая система обеспечит возможность осуществления безопасного обмена информацией между учреждением здравоохранения и пациентом, предоставив сторонам управление уровнями доступа. Интегрированный подход к хранению информации реализуется работой API-сервера, обеспечивая высокий уровень безопасности данных облачного хранилища и его реализацию в рамках удаленного доступа.

Заключение. Предложенная система «Клиентский медицинский веб-сервис» предлагает перспективы в повышении качества услуг по предоставлению медицинской информации, ее обмену и хранению. Участие пациента в заполнении своей медицинской информации, управление ее уровнями доступа и распространение в случае необходимости позволит достичь высокого результата, поскольку информация станет открыта для пациента и тем самым повысит его долю в самоконтроле лечения и выполнения назначений. Практическая реализация предлагаемой системы обеспечит улучшение динамики ведения болезней, сохранив при этом безопасность данных и не нарушив принципов конфиденциальности.

Цель исследования заключается в разработке программно-информационной системы для автоматизации оценки когнитивных способностей сотрудников и кандидатов с использованием научно обоснованных методик тестирования в HR-отделах.

Методы. Для реализации программно-информационной системы был использован язык программирования C# с применением фреймворка ASP.NET Core, а также язык программирования JavaScript с применением библиотеки React. Для хранения данных о пользователях, результатах тестирования и отчётах применялась СУБД MSSQL. Для реализации системы использовались следующие научно обоснованные методики: «Таблицы Шульте» (Г. Шульте) для измерения концентрации внимания, «Методика запоминания пар слов» (Г. Эббингауз) для оценки кратковременной памяти, «Прогрессивные матрицы Равена» (Дж. Равен) для анализа логического мышления, «Тест Холмса и Рея» (Т. Холмс, Р. Рей) для диагностики уровня стрессоустойчивости, а также «Методика Белбина» (Р. М. Белбин) для определения командных ролей. Входными данными для системы являются результаты тестов, которые впоследствии анализируются для построения отчётов и предоставления рекомендаций.

Результаты. Создана программно-информационная система, которая автоматизирует процесс оценки когнитивных способностей сотрудников и кандидатов. Реализованы интерфейсы для пользователей и HR-специалистов, обеспечивающие доступ к тестам, результатам и аналитике. Проведенное тестирование на выборке из сотрудников компании показало точность диагностики на уровне 93%. Система предоставляет возможности персонализированного и группового анализа, включая генерацию рекомендаций для развития навыков и построение сводных отчётов, что делает её эффективным инструментом для HR-отделов. Результаты тестирования показали, что система полностью удовлетворяет функциональным требованиям и готова к использованию.

Заключение. Разработанная программно-информационная система обеспечивает высокую точность диагностики и экономит время специалистов за счёт автоматизированной обработки данных. Перспективой развития является расширение функциональных возможностей, включая добавление новых методик тестирования, внедрение адаптивных алгоритмов и интеграция с HRM-системами для оптимизации процессов управления персоналом.

Цель исследования заключается в анализе роли распределённых вычислительных систем в формировании и развитии ключевых направлений современной цифровой инфраструктуры, а также в выявлении перспектив и вызовов, связанных с их интеграцией в технологические экосистемы.

Методы. Использованы статистические данные и аналитические отчёты ведущих источников (Statista, DB-Engines, MarketsandMarkets, Cambridge Centre for Alternative Finance), а также технические спецификации и практические кейсы использования фреймворков и систем (Apache Hadoop, Cassandra, IBM Summit). Методологически применён сравнительный анализ, обобщение практических примеров и прогнозирование на основе современных технологических трендов.

Результаты. Подтверждено, что РВС являются фундаментом для облачных вычислений, обработки больших данных, Интернета вещей, высокопроизводительных вычислений и технологий блокчейн. Облачные платформы AWS, Microsoft Azure и Google Cloud используют распределённые архитектуры для масштабируемости и отказоустойчивости. В Big Data ключевую роль играют фреймворки Apache Hadoop и Spark, позволяющие анализировать огромные объёмы данных. Распределённые базы данных, такие как Cassandra и MongoDB, обеспечивают высокую производительность и отказоустойчивость. В IoT РВС поддерживают обработку данных на уровне edge и fog computing, минимизируя задержки. HPC-системы, например суперкомпьютер Summit, демонстрируют вычислительную мощь распределённых систем. Блокчейн и криптовалюты используют распределённые узлы для безопасности и децентрализации. Выделены ключевые тренды: интеграция с ИИ, рост edge/fog computing, квантовые распределённые архитектуры, доверенные вычисления и автоматизация управления. Среди вызовов – вопросы безопасности, сложности управления, масштабируемости, зависимости от сетевой инфраструктуры и нормативного регулирования.

Выводы. РВС играют определяющую роль в цифровой трансформации. Их применение позволяет обеспечить отказоустойчивость, масштабируемость и высокую производительность ИТ-сервисов. Будущее РВС связано с внедрением ИИ, автоматизацией управления и адаптацией к новым вычислительным моделям. Для устойчивого развития РВС необходимы решения в области безопасности, нормативного регулирования и оптимизации сетевой инфраструктуры.

Цель исследований – разработка интеллектуальной системы поддержки принятия решений врача, основанная на автоматизированном анализе дерматоскопических изображений с использованием алгоритмов машинного обучения, предназначенном для ранней диагностики и выявления злокачественных кожных новообразований. Разработка интеллектуальной системы поддержки принятия решения врача как для профильных специалистов, так и для врачей общей практики и среднего медицинского персонала, осуществляющих первичную обследование пациентов с новообразованиями кожи, является актуальным направлением исследований.

Методы. Предложена архитектура интеллектуальной системы поддержки принятия решений врача, основанной на анализе дерматоскопических изображений. Система реализована в виде клиент-серверного веб-приложения. В качестве клиента выступает веб-приложение, реализующее функционал личного кабинета врача. При этом сервером является облачная инфраструктура, осуществляющая сбор, хранение и анализ дерматоскопических изображений, а также формирование отчета о нозологической группе кожного образования. В процессе анализа дерматоскопических изображений применяются методы машинного обучения, основанные на использовании нейронных сетевых с архитектурой «виртуальный трансформер» и сформированного набора дерматоскопических изображений.

Результаты. Практически реализована и апробирована в клинических условиях разработанная интеллектуальная система поддержки принятия решений врача, характеризующаяся значениями точности, превышающими 93% для показателя Accuracy и 89% – F-мера на этапе обучения, более 89% (показателя Accuracy) – в процессе проведения медицинских осмотров. Полученные значения экспериментальных оценок позволили сформировать рекомендации по интеграции разработанной интеллектуальной системы поддержки принятия решений врача в рабочие процессы медицинских учреждений.

Заключение. Разработанная система обеспечивает автоматизированный анализ изображений, структурирование метаданных, визуализацию предсказаний моделей и возможность экспертной разметки, может быть применена не только профильными врачами при проведении медицинских осмотров и исследований, но и врачами общей практики и средним медицинским персоналом при проведении скрининговых обследований, выездных профилактических приемов и диспансеризации.

Цель исследования. Целью настоящей научной работы является проведение комплексного теоретического и аналитического обзора современных алгоритмов машинного обучения, применяемых для решения задач динамического планирования маршрутов мобильных роботов. Основное внимание уделяется сравнительной оценке эффективности различных парадигм обучения: обучения с подкреплением, обучения с учителем и гибридных подходов – в условиях изменяющейся и неопределённой среды, где важна оперативная адаптация, обучаемость и устойчивость алгоритма.

Методы. Исследование основано на анализе более 40 рецензируемых научных публикаций, отобранных из ведущих международных академических баз данных за период с 2020 по 2024 гг. Применялась структурированная методология, включающая описательные, сравнительные и аналитические подходы. В качестве основных критериев оценки использовались: скорость сходимости; вычислительная эффективность; способность к обобщению; устойчивость к шуму; адаптивность к реальному времени и стабильность поведения в изменяющихся условиях.

Результаты. Показано, что табличные алгоритмы обеспечивают базовую навигационную функциональность, но не масштабируются для сложных задач. Глубинные модели обладают высокой степенью адаптивности и эффективности. Обучение с учителем демонстрирует точность при наличии экспертных данных, но уязвимо к накоплению ошибок. Гибридные архитектуры, сочетающие графовые нейросети и символическое моделирование, достигают наилучших показателей интерпретируемости и устойчивости в условиях нестабильной среды.

Заключение. Полученные результаты формируют надёжную теоретическую основу для выбора и применения алгоритмов автономной навигации. Сравнительный анализ подчёркивает ценность гибких, масштабируемых и объяснимых моделей в интеллектуальных робототехнических системах нового поколения.

Цель исследования – анализ особенностей представления сигналов в малобазовой поляризационной измерительной системе.

Методы. Использовались методы теории вероятностей, математической статистики, статистической радиотехники, вычислительной математики, конструктивные особенности малобазовой поляризационной измерительной системы. Полученные уравнения позволяют вычислить выходные напряжения для приемных антенн обеих позиций. Соотношения справедливы при условии идентичности конструкций обеих позиций, включающих антенну для одновременного приёма и передачи сигналов одной линейной поляризации, а также соответствующее приёмо-передающее оборудование. Для сигналов с горизонтальной и вертикальной поляризацией, ортогональных друг другу по отношению к первой позиции, установлены собственные уникальные свойства, зависящие от ориентации и характера используемых поляризаций. Разработан алгоритм расчета фазовых сдвигов отраженных сигналов для антенн малобазовой поляризационной измерительной системы, который применим для горизонтальной и вертикальной поляризации.

Результаты: обоснована независимость значения амплитуды принимаемой волны отраженных сигналов от особенности конструкции малобазовой поляризационной измерительной системы; установлена зависимость энергетических показателей принимаемых сигналов от эффективной поверхности рассеяния объекта (величины 𝜎_в.в , 𝜎_в.г , 𝜎_г.в, 𝜎_г.г ) для горизонтальной и вертикальной поляризации; сформулирован алгоритм расчета фазовых сдвигов отраженных сигналов для антенн малобазовой поляризационной измерительной системы; исследованы факторы влияния технических характеристик оборудования малобазовой поляризационной измерительной системы на энергетические показатели принимаемых сигналов.

Заключение. Предложена методика расчета фазового центра малобазовой поляризационной измерительной системы, позволяющая реализовать внутреннюю задачу теории антенных систем, а также выбрать произвольную точку в качестве центра координат малой базы поляризационной измерительной системы. Эта точка может находиться внутри зоны покрытия базы B, включая даже положение центров антенн отдельных позиций. Подобный подход расширяет гибкость системы и улучшает точность вычисления фазовых характеристик, обеспечивая универсальность метода независимо от конкретной физической реализации антенн и взаимного расположения компонентов системы.

Цель исследований – формирование набора данных дерматоскопических изображений, содержащих высококачественную разметку клинически значимых признаков кожных новообразований фототипов кожи населения России, предназначенного для ранней диагностики и выявления злокачественных кожных новообразований. Формирование и внедрение наборов дерматоскопических изображений в автоматизированные системы и подходы раннего обнаружения злокачественных новообразований кожи при проведении медицинских обследований пациентов являются актуальными направлениями исследований.

Методы. Предложен подход к формированию набора дерматоскопических изображений с высокой высококачественной разметкой клинически значимых признаков. Основу сформированного набора данных составляют дерматоскопические изображения кожных новообразований с подтвержденными диагнозами, в том числе с применением клинических методов исследования, согласно существующей нозологии пациентов дерматовенерологического профиля населения Российской Федерации врачами дерматологами и онкологами. Отличительной особенностью разработанного набора данных помимо принадлежности к фототипу кожи населения России относится высококачественная разметка клинически значимых признаков, позволяющая применять разработанный набор в методах и алгоритмах машинного обучения и распознавания образов.

Результаты. Сформированный набор дерматоскопических изображений содержит 657 дерматоскопических изображений, сопровождаемых расширенными метаданными и предварительными клиническими заключениями, меланоцитарных (меланома и невус) и не меланоцитарных (плоскоклеточный рак, дерматофиброма, сосудистые поражения, кератоз и др.) новообразований. В основу данного набора заложено распределение как по возрастному критерию, так и по принадлежности и системности течения болезни у пациентов.

Заключение. Практическая направленность сформированного набора дерматоскопических изображений с высококачественной разметкой клинически значимых признаков позволяет применять сформированные изображения как в системах поддержки принятия решений врачей при осуществлении медицинской практики, так и в системах, основанных на применении методов и алгоритмов машинного обучения для ранней диагности злокачественных новообразований кожи.

Целью исследования является изучение концепции «умной среды» и проектирование системы видеонаблюдения для решения вопроса своевременного вывоза твердых коммунальных отходов региональным оператором. Функция этих технологий – мониторинг окружающей среды в режиме реального времени 24 часа в сутки в течение семи дней недели. Внедрение «умной среды» принесет выгоды и улучшит качество жизни городского сообщества. Целью «умной среды» является управление и создание устойчивой окружающей среды, обеспечивающей максимальное использование технологий на благо населения.

Методы исследования основаны на Постановлении Правительства РФ от 20.05.2022 г. № 913 «Об утверждении положения о федеральной государственной информационной системе учета твердых коммунальных отходов», исследованиях и программных решениях в плане автоматизации вывоза отходов. Использование систем видеонаблюдения для мониторинга ситуации в «умной среде» региона позволяет анализировать контролируемые параметры в реальном времени.

Результаты. Смоделирована система «умной среды» для задачи по своевременному информированию о необходимости вывоза. Применение аналитики видеонаблюдения в городе Курск дало возможность получить данные в режиме реального времени и визуализацию условий окружающей среды в зоне мониторинга, что позволило региональному оператору принимать решения на основе обработанных данных.

Заключение. Реализация современной концепции «умной среды» для задач контроля уборки ТКО на сегодняшний день является актуальным направлением. Организация работы регионального оператора по обращению с ТКО является процессом, который нуждается в современной информационной поддержке. Для осуществления процесса построения системны «умной среды» используются инфокоммуникационные комплекты и системы передачи данных для отслеживания уровня наполняемости контейнеров с ТКО.

Цель – сравнение подходов на основе машинного обучения (deep learning) и классических методов по качеству аннотации масс-спектров в условиях больших данных, а также выявление оптимального сценария их интеграции.

Методы. Исследование базируется на использовании набора данных PXD004452, содержащего 2,5 млн уникальных пептидов.

Разработана схема взаимодействия на основе Python/TensorFlow/PyTorch, который обеспечивает параллельную обработку пептидных спектров на GPU-кластере. Использованы следующие этапы: фильтрация топ‑150 пиков по интенсивности; генерация теоретических B-/Y-ионов с учетом модификаций; предсказание пептидов (PepNet – сверточная+рекуррентная сеть; Tide-search – индексная перехеширующая стратегия). Метрики: количества совпадений, дельта-масса, расстояние Левенштейна, ROC‑кривые, распределение ошибок.

Результаты. PepNet требует значительных вычислительных ресурсов, при этом качество предсказаний уступает Tide-search, особенно на длинных пептидах и модификациях (~среднее совпадение: 4,2 пика vs 9,7; p < 0,001). Однако PepNet лучше показывает себя при тех спектрах, где в database search отсутствуют релевантные последовательности, демонстрируя важную способность выявлять novel‑пептиды. Распределение расстояния Левенштейна: ~30% – полное совпадение (0); ~52% – небольшое отклонение (1–5); остальное – значительные расхождения (>5).

Заключение. Метод deep learning (PepNet) демонстрирует перспективы, но без интеграции с database search уступает по точности.

Предлагается гибридная архитектура: pep‑tagging через PepNet, затем уточнение и верификация через database search. Такой конвейер на больших данных позволит сочетать открытие новых пептидов (de novo) и высокую достоверность идентификации (database search).

Цель исследования. Широкое применение в промышленности средств измерения температуры с резистивными датчиками, подключаемыми по трёхпроводной или четырёхпроводной схемам, в системах управления технологическими процессами приводит к усложнению кабельных сетей, коммутаторов и существенно ограничивает количество измерительных каналов единичного модуля аналогового ввода. Двухпроводная схема подключения, минимизирующая эти недостатки, вносит в результаты измерения значительные погрешности за счёт дополнительного нестабильного вносимого сопротивления проводников соединительной линии. Исследуется предложенный авторами способ уменьшения вносимой соединительной линией погрешности, основанный на оценке сопротивления по результатам интегрирования переходного процесса разряда шунтирующего датчик конденсатора. Оценивается степень влияния эффекта квантования, шумов и интервалов интегрирования реакции измерительной цепи на погрешность определения сопротивления.

Методы. Оценка влияния факторов проведена моделированием в среде MATLAB и экспериментальной апробацией предложенного решения на макетном образце.

Результаты. Показано существенное преимущество интегрирования методом трапеций, позволяющим получить в условиях эксперимента погрешности более чем в 300 раз меньшие, чем методом левых прямоугольников. Определено оптимальное время интегрирования, уменьшающее влияние шумов квантования и помех на погрешность измерения в диапазоне изменения сопротивления датчика. Выявлено, что оптимальные значения времени интегрирования изменяются пропорционально величине сопротивления резистивного датчика, а отклонение от оптимального значения до 50% некритично увеличивает погрешность оценки его сопротивления.

Заключение. Погрешность измерения сопротивления резистивного датчика предложенным способом в одинаковых условиях сопоставима с погрешностями способа, базирующегося на интегрировании всего переходного процесса разряда конденсатора. Максимальная погрешность в условиях эксперимента не превышает 0,12% при измерении сопротивления, равного 2 кОм, а при остальных значениях – существенно меньше. При этом применение предложенного решения позволяет существенно повысить быстродействие за счет уменьшения времени интегрирования и уменьшить объём оборудования за счёт исключения сложного коммутатора в сканирующих системах.

Цель исследования – является повышение качества оценки степени риска вибрационной болезни у людей, контактирующих с ручным виброинструментом, и сопутствующих невротических расстройств путем использования гибридных моделей, объединяющих традиционные для профпатологии признаки с показателями уровня адаптации органов мишеней на основе нечетких интеллектуальных технологий.

Методы. Исследуемый класс задач относится к плохо формализуемым задачам, с нечетким описанием структуры данных. В связи с этим в качестве базового математического аппарата выбрана нечеткая логика принятия решений, и в частности, методология синтеза гибридных нечетких решающих правил. На основании этой методологии были получены гибридные модели оценки риска появления и развития виброболезни и сопутствующих невротических расстройств, в которых наряду с традиционными для современной медицины признаками входят показатели, характеризующие адаптационный потенциал организма в целом и адаптационный потенциал органов мишеней в частности.

Результаты. Для практического решения задач по оценке риска возникновения локальной вибрационной болезни кистей рук и сопутствующих невротических расстройств для соответствующей системы поддержки принятия решений был разработан алгоритм управления принятием решений, обеспечивающий повышение качества оказания медицинской помощи исследуемой категории пациентов. С учетом значительной доли методов экспертного оценивания в синтезе моделей принятия решений и общих рекомендаций выбранной методологии было реализовано три способа проверки качества работы полученного решающего правила: экспертное оценивание; экспертное моделирование контрольной выборки и статистические испытания на репрезентативных контрольных выборках.

Заключение. В ходе экспертного оценивания и экспертного моделирования контрольных выборок было установлено, что предложенный метод позволяет на 10–20% увеличить качество принимаемых решений по сравнению с моделями, не использующими показатели характеризующие адаптационный потенциал организма и уровень адаптации органов мишеней. Такие же результаты были получены в ходе статистических испытаний, проводимых по общепринятым в теории распознавания правилам.

Целью исследования является разработка системы поддержки принятия решений для врача-гинеколога, основанной на синтезированных прогностических и диагностических решающих правилах, которая будет использована при диагностике и прогнозировании послеродового эндометрита.

Методы. При разработке системы поддержки принятия решений был использован следующий инструментарий: медицинская статистика, методы разработки экспертных систем, теория принятия решений и методы распознавания образов. Для обработки и анализа медицинских данных, а также для проверки решающих диагностических правил применялись такие инструменты для статистического анализа данных, как Excel и Statistica. Для оценки риска послеродового эндометрита и его диагностики включен 31 признак, ранжированный по степени их информативности. Эти данные использованы в качестве основы для разработки алгоритма прогнозирования риска развития послеродового эндометрита в системе поддержки принятия решений.

Результаты. Применение разработанных диагностических решающих правил на клинически репрезентативном материале показало диагностическую эффективность 0,96±0,02. Разработанная экспертная система может эффективно применяться в клинических условиях. Также возможно использование данной экспертной системы в учебном процессе при подготовке медицинских работников.

Заключение. Учет факторов риска, интеграция данных из различных источников, использование прогностических моделей и формирование индивидуальных рекомендаций по лечению и профилактике – все это ключевые аспекты, которые должны быть учтены при разработке такой системы. Внедрение подобной системы в клиническую практику может значительно улучшить качество диагностики и лечения послеродового эндометрита, снизить риск осложнений и улучшить исходы для пациенток.

Цель исследования – разработка и системный анализ комплексной математической модели эпидемиологии туберкулеза в России, учитывающей множественную лекарственную устойчивость (МЛУ-ТБ) и карантинные меры, для формализации динамики инфекции и информационной поддержки управленческих решений.

Методы. Использована методология системного анализа. Разработана детерминированная математическая модель (TB-SEIRZ-Q), описываемая системой нелинейных обыкновенных дифференциальных уравнений. Модель расширяет классические подходы за счет введения латентной стадии, стратификации инфицированных по чувствительности к лечению и бактериовыделению, а также раздельных карантинных групп. Проведен анализ устойчивости модели, вычислено базовое репродуктивное число (R₀) методом следующего поколения. Параметры идентифицированы на основе официальных данных по России. Выполнены численное моделирование динамики эпидемии и анализ чувствительности ключевых параметров.

Результаты. Получена модель TB-SEIRZ-Q, адекватно описывающая специфику ТБ. Расчетное базовое репродуктивное число R₀ ≈ 2,258, что указывает на неустойчивость состояния без болезни и переход системы к эндемическому равновесию. Результаты численного моделирования демонстрируют высокое соответствие реальным данным заболеваемости ТБ в России за 2018–2023 гг. (R² = 0,92). Анализ чувствительности выявил ключевую роль скоростей передачи инфекции и изоляции в величине R₀. Увеличение эффективности изоляции до 0,5 снижает R₀ ниже 1 (до 0,95), обеспечивая возможность ликвидации эпидемии.

Заключение. Разработанная модель TB-SEIRZ-Q является эффективным инструментом системного анализа эпидемии туберкулеза в России. Она обеспечивает формализацию динамики инфекции с учетом МЛУТБ и карантинных мер, а также информационную основу для оценки и оптимизации стратегий управления эпидемией. Модель позволяет прогнозировать развитие ситуации и количественно оценивать влияние различных вмешательств, таких как усиление карантинных мер.

Цель исследования. Пандемия COVID-19 показала, что математическое моделирование приобрело важное значение в управлении инфекционными заболеваниями. Актуальность исследования заключается в понимании динамики распространения COVID-19 с помощью методов математического моделирования, которые играют ключевую роль в разработке стратегий контроля. Специфические для инфекции модели позволяют анализировать закономерности, прогнозировать траектории и оценивать эффект мер, включая карантин, социальное дистанцирование и вакцинацию.

Цель исследования – разработать и проанализировать усовершенствованную модель SEIRD с использованием гибридного численного метода, предназначенную для повышения точности прогнозирования возникновения и развития пандемических волн и оценки воздействия санитарных мер.

Методы. Задачи исследований включают построение новой модели SEIRD как расширения классической модели SIR с добавлением дополнительных категорий: «Подверженные» (Exposed), «Выздоровевшие» (Recovered) и «Умершие» (Dead). Для реализации предложенных категорий были примененены методы: явный метод Эйлера, Рунге – Кутта четвёртого порядка и адаптивные схемы Рунге – Кутты для повышения надёжности. Методологически система SEIRD решается с помощью гибридной численной схемы, сочетающей преимущества классических и адаптивных методов, что позволило получить точные симуляции и произвести оценку влияния вмешательств.

Результаты. Полученные результаты показали, что предложенная уточнённая модель SEIRD обеспечивает надёжные прогнозы возникновения и развития пандемических волн.

Заключение. Анализ полученных результатов свидетельствует о том, что увеличение роста числа инфекций на 10% сигнализирует о начале новой волны, требующей корректировки параметров и оперативного реагирования служб общественного здравоохранения, а также реализации быстрых санитарно-эпидемиологических мер. Модель SEIRD с гибридными методами отражает динамику COVID-19, а также может быть адаптирована для моделирования будущих эпидемий.

Целью исследования является повышение качества прогнозирования ишемической болезни сердца за счет использования в моделях принятия решений вместе с набором общепринятых факторов риска показателей, характеризующих работу защитных механизмов сердечно-сосудистой системы.

Методы. На предварительном этапе исследования в ходе проведенного разведочного анализа было установлено, что класс «высокий риск» появления ишемической болезни сердца по отношению к альтернативным классам имеет нечетко выраженные значительно пересекающиеся границы. В этих условиях специалисты, ориентированные на решение плохоформализуемых задач, рекомендуют использовать теорию нечеткой логики принятия решений, и в частности, методологию синтеза гибридных нечетких решающих правил, разработанную в Юго-Западном государственном университете. На этом же этапе исследований был определен состав информативных признаков, в который вошли традиционно используемые в медицинской практике признаки, показатели степени ишемического поражения головного мозга и сердца, показатели, характеризующие функционирование антиоксидантной системы, энергетический разбаланс «сердечных» точек акупунктуры и характеристики уровня защиты сердечно-сосудистой системы.

Результаты. В работе получена математическая модель прогнозирования ишемической болезни сердца, использующая систему традиционных для медицинской практики предикторов в сочетании с блоками признаков, описывающих степень ишемического поражения сердца и головного мозга, функционирование антиоксидантной системы защиты, энергетический разбаланс БАТ, «связанных» с заболеванием сердца, и характеристики уровня защиты сердечно-сосудистой системы.

Заключение. Проведенные исследования показали, что для улучшения качества прогнозирования в соответствующих решающих правилах целесообразно объединять следующее: предикторы традиционной медицины; показатели, характеризующие степень ишемического поражения головного мозга и сердца; показатели, характеризующие функционирование антиоксидантной системы; энергетический разбаланс «сердечных» точек акупунктуры характеристики уровня защиты ССС.

Было показано, что качество прогнозирования с использованием полученных в работе моделей увеличивается на 10–15% по сравнению с моделями, не использующими показатели уровня защиты организма.