В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Оразаевой Айнур Ришатовны на тему «Разработка информационной системы для диагностики рака молочной железы» по образовательной программе «8D06103 – Информационные системы».
Диссертация выполнена на кафедре «Кафедра Информационных систем» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - казахский
Официальные рецензенты:
Аршидинова Мукаддас Тургановна – доктор философии (PhD), ассоциированный профессор кафедры «Кибербезопасность» Алматинского университета энергетики и связи имени Г.Даукеева (г. Алматы, Республика Казахстан);
Ержанова Акбота Ермухамедовна – доктор философии (PhD), старший преподаватель кафедры «Технологические машины и оборудование» Казахского агротехнического исследовательского университета имени С.Сейфуллина (г. Астана, Республика Казахстан).
Временные члены Диссертационного совета:
Барахнин Владимир Борисович – доктор технических наук, профессор, ведущий научный сотрудник Федерального исследовательского центра информационных и вычислительных технологий (ФИЦ ИВТ) (г.Новосибирск, Российская Федерация);
Еділхан Дидар – доктор философии (PhD), директор Smart City, ассоциированный профессор (г. Астана, Республика Казахстан);
Еримбетова Айгерим Сембековна – доктор философии (PhD), кандидат технических наук, ассоциированный профессор, ведущий научный сотрудник Института информационных и вычислительных технологий КН МНВО РК (г. Алматы, Республика Казахстан).
Научные консультанты:
Тусупов Джамалбек Алиаскарович – д.ф.-м.н., профессор, Евразийский национальный университет имени Л.Н. Гумилева (г.Астана, Республика Казахстан);
Войчик Вальдемар – д.т.н., профессор, Люблинский технологический университет (г.Люблин, Республика Польша).
Защита состоится: 3 апреля 2025 года 12:30 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии» по образовательной программе «8D06103 – Информационные системы» Евразийского национального университета имени Л.Н. Гумилева. Проведение заседания диссертационного совета в смешанном (оффлайн и онлайн) формате.
Ссылка: https://surl.li/pecume
Адрес: г. Астана, ул. К. Сатпаева, 2, ауд. 302.
Аннотация (рус.): диссертация на тему «Разработка информационной системы для диагностики рака молочной железы» на соискание ученой степени доктора философии (PhD) по образовательной программе 8D06103 – «Информационные системы» Оразаева Айнур Ришатовны Актуальность темы исследования. Повышение качества медицинских услуг и цифровизация лечебно-диагностических процессов является одним из основных направлений в рамках реализации Государственной программы развития здравоохранения Республики Казахстан на 2020-2026 годы. В Комплексном плане борьбы с онкологическими заболеваниями на 2023–2027 годы подчеркивается важность ранней диагностики и своевременного лечения онкологических патологий, в том числе рака молочной железы, который занимает первое место по уровню заболеваемости среди женщин. Разработка информационной системы диагностики рака молочной железы является актуальной задачей, поскольку способствует раннему выявлению заболевания, снижению смертности и улучшению качества жизни пациентов. Внедрение современных технологий и цифровых решений позволяет совершенствовать процессы диагностики и лечения, снижать количество врачебных ошибок, повышать эффективность и точность оказания медицинских услуг. Несмотря на принимаемые сегодня меры, сохраняются проблемы неравномерности оказания онкологической помощи в регионах, недостаточной обеспеченности современным медицинским оборудованием, низкой цифровизации процессов. Разработка и внедрение информационной системы диагностики рака молочной железы позволит решить эти проблемы, улучшить управление медицинскими данными, повысить эффективность лечения, что соответствует целям и задачам государственных программ Республики Казахстан. Информационная система, основанная на современных методах анализа медицинских изображений, таких как глубокое обучение и обработка больших данных, значительно улучшит процесс диагностики рака молочной железы. Это приводит к раннему выявлению патологии, что является ключевым фактором успешного лечения и повышения выживаемости пациентов. Кроме того, такая система будет способствовать стандартизации диагностических процедур и улучшению взаимодействия между медицинскими учреждениями. Внедрение единых протоколов и доступ к централизованной базе данных обеспечит более точную и быструю диагностику. Это напрямую влияет на качество оказываемой медицинской помощи и реализацию задач, поставленных в государственной программе развития здравоохранения. Таким образом, актуальность темы диссертации «Разработка информационной системы диагностики рака молочной железы» несомненна и полностью соответствует приоритетным направлениям государственной политики Республики Казахстан в сфере здравоохранения. Цель и научные результаты диссертационного исследования. Цель исследования — Целью исследования является разработка модели автоматической обработки и анализа медицинских изображений. На защиту представляются следующие основные результаты и концепции, полученные в ходе исследования: 1. Информативный вектор признаков для выявления патологий на маммографических изображениях. 2. Модель классификации медицинских изображений. 3. Информационная система анализа и диагностики медицинских изображений. Научная новизна: Научная новизна полученных в ходе исследования результатов заключается в следующем: создан информативный вектор признаков для выявления патологий на маммографических снимках; была создана модель для классификации рака молочной железы на маммографических снимках. Объектом исследования являются маммографические снимки пациенток с подозрением на рак молочной железы. Предметом исследования являются методы диагностики и обработки данных маммографических изображений для автоматического выявления и классификации рака молочной железы с использованием математических моделей и алгоритмов машинного обучения. Методы исследования. Методологическая основа данного исследования базируется на использовании современных методов и моделей обработки и анализа медицинских изображений, а также алгоритмов машинного обучения для автоматизации процесса диагностики рака молочной железы. В основе работы лежит системный подход к изучению и внедрению инновационных решений для повышения качества и эффективности диагностики. Методы обработки маммографических изображений, модель классификации рака молочной железы на маммографических изображениях, методы машинного обучения, методология обнаружения векторов признаков. Теоретическая значимость заключается в разработке и обосновании новых подходов и моделей для диагностики рака молочной железы, которые расширяют научные представления в области медицинской диагностики и машинного обучения. В рамках исследования предложены математические модели и алгоритмы для анализа и классификации маммографических изображений, которые позволяют повысить точность диагностики рака молочной железы. Эти модели основаны на комплексных методах обработки изображений и извлечения признаков, что открывает возможности для более точной и своевременной диагностики патологий. Исследование демонстрирует применение и адаптацию современных алгоритмов машинного обучения, включая глубокие нейронные сети, для задач медицинской диагностики, что способствует развитию теории и практики машинного обучения в области здравоохранения. Кроме того, разработанная информационная система для автоматизации диагностики рака молочной железы представляет собой теоретическую модель интеграции технологий обработки изображений и клинических данных, что способствует развитию теории системной интеграции в медицине. Исследование предлагает стандартизацию диагностических процедур и использование централизованных баз данных, что улучшает теоретическое понимание процессов управления медицинскими данными. Анализ факторов риска и предпосылок возникновения рака молочной железы обогащает научные знания в области эпидемиологии и способствует разработке более эффективных стратегий профилактики и раннего выявления онкологических заболеваний. Таким образом, результаты исследования вносят значительный вклад в теоретические основы диагностики рака молочной железы и имеют потенциал для практического применения в системе здравоохранения, способствуя улучшению качества медицинских услуг и повышению эффективности лечения. Практическая значимость заключается в разработке и внедрении инновационных методов и систем для повышения точности и эффективности диагностики рака молочной железы. Разработанные математические модели и алгоритмы, применяемые для анализа и классификации маммографических изображений, позволяют существенно улучшить процесс раннего выявления патологий. Это способствует более своевременной диагностике и, следовательно, повышению выживаемости пациентов. Применение алгоритмов машинного обучения и глубоких нейронных сетей позволяет автоматизировать процесс диагностики, снижая вероятность врачебных ошибок и увеличивая оперативность оказания медицинской помощи. Созданная информационная система обеспечивает автоматизированный анализ и поддержку принятия решений, что способствует стандартизации диагностических процедур и улучшению взаимодействия между медицинскими учреждениями. Внедрение такой системы позволяет медицинским работникам более эффективно управлять медицинскими данными и использовать централизованные базы данных для повышения точности диагностики. Кроме того, результаты исследования могут быть использованы для улучшения процессов обучения медицинских специалистов и повышения уровня цифровизации здравоохранения, что соответствует целям государственной программы развития здравоохранения Республики Казахстан. Таким образом, практическая значимость исследования заключается в создании условий для повышения качества медицинских услуг и улучшения здоровья населения. Апробация результатов диссертации. Основные результаты диссертационной работы и результаты исследований докладывались и обсуждались на следующих международных, республиканских научно-практических конференциях: 1 статья в международных изданиях с ненулевым импакт-фактором, включенные в базу данных Scopus: Orazayeva A. et al. Effective detection of breast pathology using machine learning methods // International Journal of Electrical and Computer Engineering (IJECE). – 2024. – Vol. 14, №5. – P. 5593-5600. (Квартиль – Q2, процентиль - 66). 4 статьи в изданиях, представленных Министерством науки и высшего образования Республики Казахстан: 1. А.Р.Оразаева, Д.А. Тусупов, С.В. Павлов, Г.Б. Абдикеримова. Эффективность обработки биомедицинских изображений рака молочной железы с использованием фильтров // Известия НАН РК. Серия физико-математическая. – 2022. – №1. – С. 69-76. 2. А.Р.Оразаева, Д.А. Тусупов, В. Войчик , А.К. Шайханова, Г.Б. Бекешова. Машиналық оқыту әдістерімен сүт безі патологиясын тиімді анықтау // Известия НАН РК. Серия физико-математическая. – 2024. – №2. – С. 246-257. 3. A.Orazayeva, J.A. Tussupov, S.V. Pavlov, G.D. Musapirova. Intelligent systems for breast cancer pathology detection based on deep neural networks // Вестник Алматинского университета энергетики и связи. Серия информационные, телекоммуникационные и космические технологии. – 2024. – № 4. С. 121-129. 4. А.Р.Оразаева, Д.А. Тусупов. Машиналық оқыту әдістерін қолдану арқылы сүт бездерінің ауруларын тиімді диагностикалау // ҚазТБУ хабаршысы. Серия ақпараттық-коммуникациялық және химиялық технологиялар. – 2024. – № 4. – С. 50-59. 5 статьи в материалах международных конференций дальнего зарубежья и Республики Казахстан: 1. А.Orazayeva, W.Wójcik, S.Pavlov, J.Tussupov, I.Prokopovich, O.Kovalchuks, S.Smailova, U.Zhunissova. Imaging fuzzy expert system for assessing dynamic changes in biomedical tumor images in breast cancer // Proc. SPIE 12476, Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2022, 1247604 (12 December 2022). 2. А.Orazayeva, W.Wójcik, S.Pavlov, L.Tymchenko, N.Kokriatska, V.Tverdomed, J.Tussupov, G.Abdikerimova, V.Kuchko, L.Semenova. Biomedical image segmentation method based on contour preparation // Proc. SPIE 12476, Photonics Applications in Astronomy, Communications, Industry and High Energy Physics Experiments 2022, 1247605 (12 December 2022). 3. А.Orazayeva, J.Tussupov, S.Pavlov, N.Babyuk. Methods and system for analysis of biomedical images in dynamic changes // Математикалық логика және компьютерлік ғылымдар: халықаралық ғылыми конференциясы (Астана, 2022). 4. А.Оразаева, Д.Тусупов, С.Павлов, С.Тимчик, Н.Савина, О.Безкревний. Математична модель взаємозв'язку генотипу хворих РМЗ по BRCA1 і TP53 і гістологічного типу пухлини на основі методу множинної регресії // Міжнародний науково-технічний журнал оптико-електронні інформаційно-енергетичні технології. – 2021. – №1(41). – С. 59-68. 5. А.Orazayeva, J.Tussupov, W.Wójcik, S.Pavlov, G.Abdikerimova, L.Savytska. Methods for detecting and selecting areason texture biomedical images of breast cancer // IAPGOS. – 2022. – №2. – Р. 69-72. Объем и структура диссертации. Диссертационная работа состоит из введения, основной главы, состоящей из 3 разделов, списка из 103 источников, заключения и 2 приложений. Основной объем работы составляет 97 страниц, включая 23 рисунка и 1 таблицу. Во введении излагается научный аппарат исследования, обосновывается актуальность темы, степень ее разработанности в теории и практике, определяются цель, объект, предмет и задачи исследования, раскрывается научная новизна исследования, теоретические основы и практическую значимость работы, определяются методы исследования, указываются выводы, предлагаемые к защите, и личный вклад автора, приводится список публикаций и апробация результатов работы. В первой части исследования сосредоточены на повышении диагностической точности медицинских изображений, особенно маммографии, с использованием машинного обучения и методов цифровой обработки изображений. Основное внимание уделяется использованию самоконтроля для улучшения классификации при ограниченных данных, а также разработке современных диагностических систем и методов цифровой обработки для повышения качества и информативности изображений. Во второй части обсуждаются методы классификации маммографических изображений для диагностики рака молочной железы с использованием современных математических моделей и алгоритмов машинного обучения. Основное внимание уделяется машинам опорных векторов (SVM), деревьям решений и случайным лесам, а также глубоким нейронным сетям, таким как сверточные нейронные сети (CNN). Эти методы позволяют эффективно обрабатывать и анализировать большие объемы данных, а также переобучать модели для повышения их точности и надежности. В третьей части обсуждаются методы классификации и диагностики рака молочной железы на основе маммографических изображений. Основное внимание уделяется разработке и тестированию моделей машинного обучения и глубокого обучения, таких как Faster R-CNN, для повышения точности и надежности диагностики. Приводится подробное описание этапов обработки изображений, включая нормализацию, выравнивание гистограммы и расчет признаков, а также алгоритмы классификации и локализации аномальных областей с использованием информативных векторов признаков. Результаты показывают, что использование современных методов обработки данных и глубокого обучения может значительно улучшить раннее выявление и диагностику рака молочной железы. В конце работы дана литература и дополнительные материалы, использованные в ходе исследования. Эти материалы показывают сложность исследования и подтверждают его практическую значимость. Особую благодарность автору хотелось бы выразить научному руководителю Тусупов Джамалбек Алиаскарович за изучение современных методов диагностики и обработки данных маммологических изображений для выявления рака молочной железы, основными результатами работы являются разработка алгоритма извлечения вектора признаков, модели классификации, оценка эффективности Методы выявления рака молочной железы на биомедицинских изображениях и создание новой модели. Хочу выразить особую благодарность за помощь в решении поставленных задач и за многочисленные полезные советы. Также хотела бы поблагодарить зарубежного научного руководителя Войчика Вальдемара (Люблинский политехнический университет, Польша) за его преданную и всестороннюю помощь и поддержку, профессионализм и энтузиазм в работе, отметив, что его общение оказало значительное влияние на разработку этих исследовательских концепций. Автор также выражает благодарность Жарминской районной больнице Абайского областного управления здравоохранения за помощь в проведении научного исследования.
Отзыв зарубежного консультанта
Заключение комиссии по этической оценке исследований
Решение диссертационного совета
Защита диссертации: https://youtu.be/0oUWcSg1scc
