Analýza spoľahlivosti a rizík v medicíne
Školitel
prof. Ing. Elena Zaitseva, PhD.
Študijný program
Aplikovaná informatika
Študijný odbor
Informatika
Detailnejší opis problému
Spoľahlivosť, dostupnosť, udržiavateľnosť, testovateľnosť a bezpečnosť sú dôležitými vlastnosťami každého systému, a teda aj systému zdravotnej starostlivosti. Toto je obzvlášť dôležité pre medicínske systémy. V súčasnosti existujú len ojedinelé a nesystematické štúdie o tejto problematike. Jedným z najefektívnejších prístupov k riešeniu tohto problému môže byť Prognostics and Health Management (PHM). PHM je integrovaná technológia, ktorá umožňuje analyzovať a predpovedať zlyhania a predchádzať nehodám s cieľom zlepšiť prevádzku systému, bezpečnosť, spoľahlivosť a údržbu. Praktická implementácia PHM si vyžaduje analýzu mnohých a heterogénnych typov zdrojových údajov, aby sa umožnila detekcia, diagnostické a prognostické úlohy a rozhodovanie o údržbe. Táto analýza by mala napríklad podporovať vyhodnotenie signálu z rôznych senzorov, expertných údajov, číselných sekvencií, lingvistických údajov a kategorických údajov. Tu je potrebné poznamenať, že zdrojové údaje môžu byť neúplne špecifikované a neisté. Výskumný tím na pracovisku má dlhodobé skúsenosti v oblasti analýzy spoľahlivosti aj medicíny. Boli navrhnuté nové metódy a algoritmy pre vývoj technológie PHM v medicíne. Tieto štúdie boli realizované v spolupráci s poprednými európskymi výskumnými centrami, ktorých zástupcovia prezentujú svoje výsledky na medzinárodnom workshope „Reliability Engineering and Computational Intelligence“ (https://reci.fri.uniza.sk/), ktorý organizuje výskumný tím.
Predpokladaný vedecký prínos (algoritmy, metodológie, ...)
Nové metódy a algoritmy na spracovanie signálov, obrazov, numerických a lingvistických dát založené na metódach strojového učenia, ktoré sa stanú integrálnou súčasťou technológie PHM pre využitie v medicíne
Odporučány postup vedeckého bádania
- analýza súčasného stavu problému, štúdium dostupnej literatúry - analýza techník strojového učenia a návrh použiteľných techník pre analýzu dát, - vývoj a hodnotenie nových algoritmov navrhnutých pre implementáciu, - experimentálna validácia navrhnutých techník a vyvinutých algoritmov.
Druh výskumu
základný výskum
Výskumná úloha, ktorej súčasťou bude riešená téma
APVV-23-0033 - Vývoj nového prístupu pre analýzu spoľahlivosti a hodnotenie rizík na základe umelej inteligencie VEGA 1/0331/25 - Analýza spoľahlivosti založená na metódach strojového učenia
Doterajšie výsledky riešenia na školiacom pracovisku, vrátane odkazov na dostupné zdroje
Mukhamediev, R.I., Yelis, M., et al., Exploring the health care system’s representation in the media through hierarchical topic modeling, Cogent Engineering, 2024, 11(1), 2324614 Zaitseva, E., Levashenko, V., Rabcan, J., Kvassay, M., A New Fuzzy-Based Classification Method for Use in Smart/Precision Medicine, Bioengineering, 2023, 10(7), 838 Zaitseva, E., Rabcan, J., Levashenko, V., Kvassay, M., Importance analysis of decision making factors based on fuzzy decision trees, Applied Soft Computing, 2023, 134, 109988 Zaitseva, E., Levashenko, V., Rabcan, J., A new method for analysis of Multi-State systems based on Multi-valued decision diagram under epistemic uncertainty, Reliability Engineering and System Safety, 2023, 229, 108868 Zaitseva, E., Hovorushchenko, T., Pavlova, O., Voichur, Y., Identifying the Mutual Correlations and Evaluating the Weights of Factors and Consequences of Mobile Application Insecurity, Systems, 2023, 11(5), 242 Mukhamediev, R.I., Popova, Y., et al., Review of Artificial Intelligence and Machine Learning Technologies: Classification, Restrictions, Opportunities and Challenges, Mathematics, 2022, 10(15), 2552 Rabcan, J., Levashenko, V., Zaitseva, E., Kvassay, M., EEG Signal Classification Based on Fuzzy Classifiers, IEEE Transactions on Industrial Informatics, 2022, 18(2), pp. 757–766 Yakunin, K., Mukhamediev, R.I., Zaitseva, E., et al., Mass media as a mirror of the covid-19 pandemic, Computation, 2021, 9(12), 140 Levashenko, V., Rabcan, J., Zaitseva, E., Reliability evaluation of the factors that influenced covid-19 patients’ condition, Applied Sciences (Switzerland), 2021, 11(6), 2589 Rabcan J., Levashenko V., Zaitseva E. and Kvassay M., Review of Methods for EEG Signal Classification and Development of New Fuzzy Classification-Based Approach, in IEEE Access, vol. 8, pp. 189720-189734, 2020, https://ieeexplore.ieee.org/document/9224666 Zaitseva, E., Levashenko, V., Rabcan J., Krsak E., Application of the Structure Function in the Evaluation of the Human Factor in Healthcare, Symmetry (Switzerland), 12(1), 2020, 93, https://www.mdpi.com/2073-8994/12/1/93/htm Zaitseva E., Levashenko V., Reliability analysis of Multi-State System and Multiple-Valued Logic, International Journal of Quality & Reliability Management, 34(6), 2017, pp. 862-878 Kvassay M., Zaitseva E., Levashenko V. Importance analysis of multi-state systems based on tools of logical differential calculus, Reliability engineering and system safety, 165(9), 2017, pp.302-316 E.Zaitseva, V.Levashenko, Construction of a reliability structure function based on uncertain data, IEEE Tran on Reliability, 65(4), pp.1710 - 1723, 2016, DOI: 10.1109/TR.2016.2578948
V prípade otázok sa obráťte na vedúceho témy:
Elena.Zaitseva@fri.uniza.sk