Л.Н. Гумилев атындағы Еуразия ұлттық университетінде философия докторы (PhD) дәрежесін алу үшін Касылкасова Камила Нуралиевна «8D06104 – Есептеу техникасы және бағдарламалық қамтамасызету» білім беру бағдарламасы бойынша «Денсаулық сақтау міндеттерін шешу үшін алгоритмдер мен программалық жасақтама әзірлеу» тақырыбында диссертациясы қорғалады.
Диссертация Л.Н.Гумилев атындағы Еуразия ұлттық университетінің «Компьютерлік және программалық инженерия кафедрасы» кафедрасында орындалды.
Қорғау тілі - орыс тілінде
Ресми рецензенттер:
Черикбаева Ляйля Шариповна – философия докторы (PhD), қауымдастырылған профессор, Компьютерлік ғылымдар кафедрасы, әль-Фараби атындағы Қазақ ұлттық университеті (Алматы қ., Қазақстан Республикасы).
Исмаилова Айсулу Абжаппаровна – философия докторы (PhD), қауымдастырылған профессор, Ақпараттық жүйелер кафедрасы, С.Сейфуллин атындағы Қазақ агротехникалық зерттеу университеті (Астана қ., Қазақстан Республикасы).
Диссертациялық кеңестің уақытша мүшелері:
– Барахнин Владимир Борисович – техника ғылымдарының докторы, профессор, механика-математика факультетінің математикалық пішіндеу кафедрасының меңгерушісі, Новосібір мемлекеттік университеті (Новосібір қ., Ресей);
– Мерембаев Тимур Жұмақанұлы – философия докторы (PhD), ҚР ҒЖБМ ҒК «Ақпараттық және есептеу технологиялары институты» ШЖҚ РМК аға ғылыми қызметкері (Алматы қ., Қазақстан Республикасы);
– Сапакова Сая Заманбековна – физика-математика ғылымдарының кандидаты, ассистент-профессор, кафедра Компьютерной инженерии и информационной безопасности, Международный университет информационных технологий (Алматы қ., Қазақстан Республикасы).
Ғылыми кеңесшілері:
Есенғалиева Жанна Сержанқызы – философия ғылымдарының докторы (PhD), Л.Н. Гумилев атындағы Еуразия ұлттық университеті (Астана қ., Қазақстан Республикасы).
Уразбоев Гайрат Уразбоевич – физика-математика ғылымдарының докторы, профессор, Үргеніш мемлекеттік университеті (Үргеніш қ., Өзбекстан).
Қорғау 2025 жылғы 12 тамыз, сағат 14:00 Л.Н. Гумилев атындағы Еуразия ұлттық университетінің «8D06104 – Есептеу техникасы және бағдарламалық қамтамасызету» мамандығы бойынша «8D061 – Ақпараттық-коммуникациялық технологиялар» кадрларды даярлау бағыты бойынша диссертациялық кеңесте өтеді. Диссертациялық кеңес мәжілісі онлайн форматта өткізіледі деп жоспарлануда.
Сілтемесі: https://clck.ru/3MyJEj
Мекен-жайы: Астана қаласы, А. Пушкин көшесі, 11, оқу ғимараты, 222-аудитория.
Аңдатпа (қаз.): АННОТАЦИЯ диссертационной работы Касылкасовой Камилы Нуралиевны «Разработка алгоритмов и программного обеспечения для решения задач здравоохранения», представленной на соискание степени доктора философии (PhD) по образовательной программе «8D06104 – Вычислительная техника и программное обеспечение» Актуальность темы исследования. С тех пор, как в декабре 2019 года произошла вспышка COVID-19, никто не предвидел масштаба этой болезни. 09 августа 2023 года было зарегистрировано более 760 миллионов случаев заражения во всем мире и более 6,9 миллионов смертей. Пандемия показала, что медицина во всем мире не готова справиться с таким огромным количеством пациентов. Для смягчения влияния пандемий в будущем на здравоохранение, где одним из популярных способов является внедрение медицинского программного обеспечения в повседневную жизнь граждан с использованием инновационных интеллектуальных решений, таких как интегрированные мобильные приложения для здравоохранения, Bluetooth, GPS, искусственный интеллект и машинное обучение, где технологии позволяют значительно улучшить удаленное предоставление медицинских услуг с соблюдением профилактических мер, а именно социальное дистанцирование и домашний карантин. В соответствии со стратегией «Казахстан-2050» административные органы стремятся обеспечить высокое качество и безопасность медицинской помощи путем стандартизации всех процессов в медицинских учреждениях. Важным аспектом является разработка и совершенствование клинических протоколов и стандартов специализированных служб на основе передовых технологий и достижений медицинской науки. Сельское здравоохранение в Казахстане сталкивается с рядом сложностей, включая удаленность от центральных районов, недостаточную инфраструктуру, ограниченные ресурсы, агрессивные климатические условия, нехватку медицинского персонала, высокую текучесть кадров. Проблемы обусловлены недостаточной важностью первичного звена здравоохранения в области профилактики, а также ограниченной осведомленностью общественности о значимости здорового образа жизни и предупреждении заболеваний. На первичном уровне здравоохранения отмечается недостаточное развитие общей медицинской практики и применение технологий, способствующих улучшению общего здоровья населения, что требует дополнительного развития и улучшения. С целью повышения качества обслуживания и сокращения очередей необходимо оптимизировать управление в первичных медицинских организациях путем внедрения современных методов операционного менеджмента и технологий управления очередями. В условиях текущего здоровья населения и ожидаемого роста неинфекционных заболеваний также актуально внедрение интегрированной модели организации медицинской помощи. Степень научной разработанности темы. Пневмония в современном мире остается одной из основных причин смертности, уносящей более 2,5 миллионов жизней ежегодно. Своевременная диагностика пневмонии с использованием рентгена грудной клетки является важным инструментом. Помимо преимуществ доступности рентгена для пациентов в любой точке мира, следует учитывать, что симптомы пневмонии на рентгеновских снимках не всегда бывают очевидны врачу. В таких случаях интеллектуальное программное обеспечение может помочь в постановке точного диагноза. Касательно современных решений по обнаружению пневмонии, неудивительно, что компьютерное зрение является важной областью исследований нейронных сетей, прежде всего потому, что оно дает ответы на широкий круг вопросов, с которыми сегодня сталкиваются люди. Анализ биомедицинских изображений с использованием нейронных сетей — одна из областей компьютерного зрения, эффективность которой неоднократно доказывалась. В последние годы наблюдается рост использования глубоких моделей, особенно сверточных нейронных сетей (СНС), в качестве доминирующего метода категоризации клинических изображений. Это связано с тем, что выбор признаков для извлечения в традиционных подходах к вычислительному интеллекту является трудоемким процессом, который также варьируется в зависимости от его объекта. В этих исследованиях представлены СНС с различными архитектурными стилями и методологическими подходами, которые проводились с использованием рентгеновских изображений. Чтобы получить более благоприятные результаты, модели на основе СНС требуют значительного количества обучающих выборок. Сбор медицинских изображений довольно проблематичен из-за процесса идентификации медицинских данных, который осложняется трудоемкими правилами конфиденциальности и объяснениями медицинских работников. По мнению исследователей, увеличение данных на основе преобразований оказалось подходящим методом классификации изображений. Методы улучшения изображения могут помочь предотвратить переобучение на этапе обучения, что в конечном итоге приводит к созданию более точной модели. Большинство обсуждаемых здесь стратегий используют трансферное обучение, которое означает, что методы глубокого обучения изначально обучались на данных, не связанных с диагностикой пневмонии. Использование сверточных нейронных сетей, созданных с нуля, в ряде алгоритмов обработки изображений показало, что более простая структура может обеспечить более высокую точность, чем многочисленные предварительно обученные старые модели, используемые в трансферном обучении. Модель PCAnet, в котором параметры сверточного слоя инициализируются путем извлечения признаков главных компонент изображения, показала хорошие результаты в задачах распознавания изображений. В одной из рассматриваемых работ объединили сверточную нейронную сеть и рекуррентную нейронную сеть, предложив новую структуру глубокого обучения. CНС изучает низкоуровневые признаки исходного изображения и использует их в качестве входных данных для рекуррентных нейронных сетей (РНС). Затем РНС анализирует высокоуровневые признаки, что позволило достичь высокой точности распознавания в задачах обработки изображений с глубиной цвета. Годом позже данный метод модифицировали и предложили многомасштабную сверточно-рекуррентную нейронную сеть6 где добавили нормализацию локального контраста и выборку, которые использовались в качестве входных данных для РНС, тем самым позволило выделять более абстрактные высокоуровневые признаки. Несмотря на то, что существует множество алгоритмов распознавания изображений на основе СНС, их эффективность сильно зависит от базы данных, используемой для обучения. Ученые продолжают искать оптимальные параметры и алгоритмы для достижения наилучших результатов. Однако в процессе обучения человеческий фактор играет значительную роль, и на сегодняшний день нет структурированной модели, которая бы полностью объясняла влияние структуры сети на качество распознавания. Особенно при классификации и распознавании натуральных изображений, выбор начальных параметров сети и оптимизационного алгоритма оказывает существенное влияние на процесс обучения. Цель диссертации исследования является разработка метода обработки медицинских изображений с использованием нейронных сетей и программная реализация некоторых задач в области здравоохранения. Для достижения поставленной цели определены следующие задачи: научно-технический анализ современных медицинских программных обеспечений, где необходимо провести анализ на особенности, преимущества и недостатки; сбор и подготовка базы данных рентгеновских снимков грудной клетки, включающие как положительные, так и отрицательные случаи пневмонии для обучения и тестирования предлагаемой нейронной сети; разработать метод и архитектуру СНС, способной анализировать и классифицировать рентгеновские снимки грудной клетки для диагностики пневмонии; реализовать алгоритм и программное обеспечение для виртуальных медицинских консультаций с автоматическим анализом рентген снимков на пневмонию. Объектом исследования является медицинское программное обеспечение с интеллектуальной диагностикой пневмонии и других заболеваний грудной клетки посредством сверточных и рекуррентных нейронных сетей. Предметами исследования являются модели, методы и алгоритмы обработки медицинских изображений с помощью искусственного интеллекта. Методы исследования. В ходе выполнения диссертационного исследования были использованы различные методы, такие как синтез и анализ работ зарубежных и отечественных исследователей, а также современные подходы к разработке алгоритмов и программного обеспечения, которые основаны на использовании глубоких, рекуррентных и сверточных нейронных сетей в задачах здравоохранения. Научная новизна исследования заключается в следующем: Разработан новый алгоритм и метод, который повышает точность и скорость распознавания СНС, путем введения РНС в сверточную сеть, где применяется идея пропуска слоя свертки ResNet, тем самым приводит к созданию нового остаточного модуля. В исследовании разработана модель с использованием глубокой СНС с 24 скрытыми слоями для обнаружения пневмонии на рентгеновских снимках грудной клетки. Основные положения, выносимые на защиту: 1. Архитектура и метод сверточной и рекуррентной нейронной сети с использованием идеи пропуска слоя свертки ResNet, направленная на повышение точности диагностики заболеваний дыхательной системы по рентгенографическим изображениям. 2. Медицинское программное обеспечение для удаленного обслуживания, объединяющее модули для врачей и пациентов, что позволяет повысить доступность и качество предоставляемых медицинских услуг. Теоретическая и практическая значимость работы заключается в разработке и улучшении алгоритмов на основе использования глубокой СНС с 24 скрытыми слоями для обнаружения пневмонии на рентгеновских снимках грудной клетки. Практическая ценность состоит в применении разработанных алгоритмов и программного обеспечения для медицинской мобильной помощи, улучшения качества диагностики и мониторинга заболеваний. Результаты исследования внедрены в ТОО «Jysan Med» и в работу КГП на ПХВ «Больница города Абай». Апробация результатов исследования проводилась в научных публикациях, включая международные и республиканские конференции: – семинары докторантов кафедры «Компьютерная и программная инженерия» (Астана, 2022–2024); – Труды Республиканской студенческой научной конференции «Вклад молодежной науки в реализацию Стратегии «Казахстан-2050»», (Караганда, 2022 г.); – Труды Международной научно-практической online конференции «Интеграция науки, образования и производства – основа реализации Плана нации» (Сагиновские чтения № 13), посвященной 30-летию Независимости Республики Казахстан, 17-18 июня 2021 г. – Конференция ХX Международной научной конференции «ǴYLYM JÁNE BІLІM – 2025, 11 апреля 2025 г. – Евразийская Международная научная конференция «Искусственный интеллект и обратные задачи в науке, технике и индустрии», 14-16 апреля, 2025г. Публикации опубликованные по результатам исследований. Научные журналы индексируемые в базе Scopus: 1. Automated Pneumonia Diagnosis using a 2D Deep Convolutional Neural Network with Chest X-Ray Images // International Journal of Advanced Computer Science and Applications (IJACSA). – 2023. – Vol. 14, Issue 2. – P. 699-708. 2. Optimization method for integration of convolutional and recurrent neural network // Eurasian Journal of Mathematical and Computer Applications. – 2023. Vol. 11, Issue 2. – P. 40-56. Публикации в изданиях, рекомендуемых уполномоченным органом (КОКСНВО МНВО РК): 1. Анализ медицинских приложений, созданных специально для борьбы с COVID-19 // Известия НАН РК. Серия физика и информационные технологии № 1 (341), Алматы, 2022г. - C. 34-42. 2. Обработка данных при разработке программного обеспечения для здравохранения в контексте COVID-19 //Вестник. Казахский национальной педагогический университет имени Абая Серия «Физико-математические науки» №1 (77), Алматы, 2022 г. - C. 99-105. 3. Сравнительный анализ программного обеспечения SmartMed и Damumed //Республиканский научно-технический журнал «Университет еңбектері – Труды университета» №2 (87), Караганда, 2022 г. - C. 284-290. Публикации в отечественных научных изданиях: 1. Разработка программного обеспечения для здравохранения в контексте COVID-19 // Л.Н Гумилев атындағы ЕҰУ Хабаршысы. Техникалық ғылымдар және технологиялар сериясы. – 2021.- № 1(134). – С.91-99. Свидетельство о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом (Приложение Б): 1.Свидетельство о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом №36007 от 18 мая 2023 года. Программное обеспечение «SmartMed». Структура диссертации состоит из содержания, определений и сокращений, введения, трех разделов, заключения, списка использованных источников, приложений. Во введении раскрывается актуальность и формулируются проблемы по теме исследования. Определяются объект и предмет исследования, описывается основная идея работы, формулируются цель и задачи исследования, представлены научная новизна и практическая значимость работы. Первый раздел содержит обзор методов цифровой обработки медицинских изображений, анализ существующих подходов к автоматизированной диагностике заболеваний по рентгенографическим снимкам, а также описание современных нейросетевых технологий, применяемых в медицине. В главе рассматриваются области применения программного обеспечения в здравоохранении, включая анализ медицинских мобильных приложений. Особое внимание уделяется вопросам обработки данных при разработке программного обеспечения для медицинских учреждений. Также представлен анализ перспектив развития дистанционных технологий в здравоохранении, включая телемедицину и системы удаленного мониторинга пациентов. Рассматриваются возможности использования сверточных нейронных сетей для анализа медицинских изображений и их применения в диагностических системах. Во втором разделе формулируются требования к разрабатываемой системе, проводится сравнительный анализ существующих решений в области медицинской диагностики с использованием глубокого обучения, обосновывается выбор архитектуры модели. Здесь представлены разработка и реализация алгоритмов предварительной обработки медицинских изображений, выполняется обучение и тестирование сверточной нейронной сети, а также проводится оценка точности предложенного метода. Третий раздел посвящен созданию и реализации программного комплекса, включающего модули автоматизированной предобработки медицинских изображений, сегментации областей интереса и классификации выявленных патологий. В этом разделе представлены алгоритмы обработки рентгенографических снимков, использующие методы глубокого обучения, а также интеграция сверточных нейронных сетей с дополнительными модулями интерпретации результатов. Включены экспериментальные исследования, направленные на оценку точности разработанной системы и сравнение её с существующими методами диагностики. Соискателем разработана интеллектуальная модель анализа рентгенографических изображений с использованием методов глубокого обучения. Предложен программный комплекс для автоматизированного распознавания заболеваний, который может быть интегрирован в медицинские информационные системы. В заключении представлены основные результаты диссертационной работы, сформулированы выводы по проведенному исследованию, а также описаны возможные направления дальнейшего развития разработанных алгоритмов и программных решений. В приложениях содержатся акты о внедрении научно-исследовательских результатов, примеры работы разработанного программного обеспечения, а также свидетельство о регистрации авторских прав на созданные алгоритмы. В целом, работа выполнена печатным способом на 103 страницах, с применением компьютерных возможностей акцентирования внимания в виде иллюстраций, схем и таблиц. Список литературы состоит из 89 наименований. Автор выражает глубокую сердечную благодарность своему научному консультанту, доктору философии (PhD), доценту кафедры «Компьютерная и программная инженерия» Есенгалиевой Жанне Сержановне и зарубежному консультанту, почетному профессору Ургенчского государственного университета, доктору физико-математических наук Гайрат Уразбоеву.
Зерттеулерді этикалық бағалау жөніндегі комиссияның қорытындысы
Диссертациялық кеңестің шешімі
Диссертация қорғауының бейнежазбасы: https://www.youtube.com/watch?v=ybR09axCh9k
