В Евразийском национальном университете имени Л.Н. Гумилева состоится защита диссертации на соискание степени доктора философии (PhD) Касылкасовой Камилы Нуралиевны на тему «Разработка алгоритмов и программного обеспечения для решения задач здравоохранения» по образовательной программе «8D06104 – Вычислительная техника и программное обеспечение».
Диссертация выполнена на кафедре «Кафедра Компьютерная и программная инженерия» Евразийского национального университета имени Л.Н. Гумилева.
Язык защиты - на русском
Официальные рецензенты:
Черикбаева Ляйля Шариповна – доктор философии (PhD), ассоциированный профессор, кафедра «Компьютерные науки», Казахский национальный университет имени аль-Фараби (г. Алматы, Республика Казахстан).
Исмаилова Айсулу Абжаппаровна – доктор философии (PhD), ассоциированный профессор, кафедра информационных систем, Казахский агротехнический исследовательский университет имени С.Сейфуллина (г. Астана, Республика Казахстан).
Временные члены Диссертационного совета:
- Барахнин Владимир Борисович – доктор технических наук, заведующий кафедрой математического моделирования механико-математического факультета, Новосибирский государственный университет (г.Новосибирск, Российская Федерация).
- Мерембаев Тимур Жумаканович – доктор философии (PhD), старший научный сотрудник РГП «Института информационных и вычислительных технологий» КН МНВО РК (г.Алматы, Республика Казахстан).
- Сапакова Сая Заманбековна – кандидат физико-математических наук, ассистент-профессор, кафедра Компьютерной инженерии и информационной безопасности, Международный университет информационных технологий (г.Алматы, Республика Казахстан).
Научные консультанты:
Есенгалиева Жанна Сержановна – доктор философии (PhD), кафедра «Компьютерная и программная инженерия» Евразийского национального университета Л.Н. Гумилева (г.Астана, Республика Казахстан).
Уразбоев Гайрат Уразбоевич – доктор физико-математических наук, профессор Ургенчского государственного университета (Ургенч, Узбекистан).
Защита состоится: 12 августа 2025 года 14:00 часов в Диссертационном совете по направлению подготовки кадров «8D061 – Информационно-коммуникационные технологии» по специальности «8D06104 – Вычислительная техника и программное обеспечение» Евразийского национального университета имени Л.Н. Гумилева. Проведение заседания диссертационного совета в онлайн формате.
Ссылка: https://clck.ru/3MyJEj
Адрес: г. Астана, ул. А. Пушкина, 11, учебный корпус, аудитория №222.
Аннотация (рус.): Касылкасова Камила Нуралиевнаның «8D06104 – Есептеу техникасы және бағдарламалық қамтамасыз ету» білім беру бағдарламасы бойынша философия докторы (PhD) дәрежесін алу үшін ұсынылған «Денсаулық сақтау міндеттерін шешу үшін алгоритмдер мен программалық жасақтама әзірлеу» диссертация жұмысының АҢДАТПАСЫ Зерттеу тақырыбының өзектілігі. 2019 жылдың желтоқсан айында COVID-19 таралғаннан бері бұл аурудың ауқымын ешкім болжай алмады. 2023 жылғы 9 тамызда әлем бойынша 760 миллионнан астам жұқтыру жағдайы және 6,9 миллионнан астам өлім тіркелді. Пандемия медицина жүйесінің мұндай үлкен көлемдегі науқастарға дайын емес екенін көрсетті. Болашақта пандемиялардың денсаулық сақтау жүйесіне әсерін азайту үшін ең танымал тәсілдердің бірі – инновациялық технологияларды пайдалану арқылы медициналық пргораммалық қамтамаларды азаматтардың күнделікті өміріне енгізу. Оған денсаулық сақтау саласына арналған интеграцияланған мобильді қосымшалар, Bluetooth, GPS, жасанды интеллект және машиналық оқыту жатады. Бұл технологиялар профилактикалық шараларды, атап айтқанда, әлеуметтік қашықтықты сақтау мен үй карантинін ұстана отырып, қашықтықтан медициналық қызмет көрсетуді едәуір жақсартуға мүмкіндік береді. «Қазақстан-2050» стратегиясына сәйкес, мемлекеттік органдар медициналық мекемелердегі барлық процестерді стандарттау арқылы медициналық көмектің жоғары сапасы мен қауіпсіздігін қамтамасыз етуге ұмтылады. Негізгі аспект – озық технологиялар мен медициналық ғылымның жетістіктеріне негізделген клиникалық хаттамалар мен мамандандырылған қызметтердің стандарттарын әзірлеу және жетілдіру. Қазақстандағы ауылдық денсаулық сақтау жүйесі бірқатар қиындықтарға тап болуда, оның ішінде орталық аудандардан алшақтық, инфрақұрылымның жеткіліксіздігі, шектеулі ресурстар, қатаң климаттық жағдайлар, медицина қызметкерлерінің тапшылығы және кадрлардың жоғары ауысуы. Бұл мәселелер профилактика саласындағы бастапқы медициналық көмекке жеткілікті көңіл бөлінбеуімен, сондай-ақ салауатты өмір салты мен аурулардың алдын алудың маңыздылығы туралы халықтың хабардарлығының төмендігімен байланысты. Бастапқы медициналық көмек деңгейінде жалпы медициналық практиканың дамуы мен халықтың жалпы денсаулығын жақсартуға ықпал ететін технологияларды қолдану жеткіліксіз. Сондықтан оны одан әрі дамыту және жақсарту қажет. Көрсетілетін қызметтердің сапасын арттыру және кезектерді қысқарту мақсатында бастапқы медициналық ұйымдарды басқаруды операциялық менеджменттің заманауи әдістерін және кезек басқару технологияларын енгізу арқылы оңтайландыру қажет. Қазіргі халық денсаулығы жағдайында және жұқпалы емес аурулардың күтілетін өсуін ескере отырып, медициналық көмекті ұйымдастырудың интеграцияланған моделін енгізу өзекті болып табылады. Тақырыптың ғылыми даму дәрежесі. Қазіргі әлемде пневмония өлім-жітімнің негізгі себептерінің бірі болып қалып отыр, жыл сайын 2,5 миллионнан астам адамның өмірін алып кетеді. Пневмонияны уақтылы диагностикалау үшін кеуде қуысының рентгенографиясын пайдалану маңызды құрал болып табылады. Кеуде қуысының рентгені бүкіл әлемдегі пациенттер үшін қолжетімді болғанымен, рентген суреттеріндегі пневмония белгілері әрдайым дәрігерге айқын бола бермейді. Мұндай жағдайларда бағдарламалық қамтамасыз ету нақты диагноз қоюға көмектесе алады. Пневмонияны анықтаудың заманауи шешімдеріне қатысты, компьютерлік көру – нейрондық желілерді зерттеудің маңызды саласы екендігі таңқаларлық емес, өйткені ол қазіргі адамдар кездесетін көптеген сұрақтарға жауап береді. Биомедициналық кескіндерді нейрондық желілерді пайдаланып талдау – компьютерлік көрудің тиімділігі бірнеше рет дәлелденген салаларының бірі. Соңғы жылдары терең модельдерді, әсіресе, конволюциялық нейрондық желілер (КНЖ) – клиникалық кескіндерді жіктеудің басым әдісі ретінде пайдалану артып келеді. Бұл дәстүрлі есептеу интеллектісіне арналған ерекшеліктерді таңдау – көп еңбекті қажет ететін процесс, ол сонымен қатар объектіге байланысты өзгеріп отыратынымен байланысты. Бұл зерттеулерде рентгенографияны пайдалану арқылы әртүрлі архитектуралық стильдер мен әдіснамалық тәсілдермен жүзеге асырылған КНЖ ұсынылған. Үздік нәтижелерге қол жеткізу үшін КНЖ негізіндегі модельдер едәуір көп оқыту үлгілерін қажет етеді. Медициналық кескіндерді жинау деректерді сәйкестендіру процесінің күрделілігіне байланысты қиын, өйткені құпиялылық ережелері мен медицина мамандарының түсініктемелері көп еңбекті қажет етеді. Зерттеушілердің пікірінше, деректерді түрлендіру негізінде көбейту кескіндерді жіктеудің қолайлы әдісі болып табылады. Кескінді жақсарту әдістері оқыту кезеңінде шамадан тыс үйренуді болдырмауға көмектесуі мүмкін, бұл ақыр соңында дәлірек модель жасауға әкеледі. Көптеген талқыланған стратегиялар трансферлік оқыту әдісін қолданады, бұл дегеніміз, терең оқыту әдістері бастапқыда пневмония диагностикасына қатысы жоқ деректермен оқытылған. Нөлден бастап жасалған конволюциялық нейрондық желілерді қолдану бейнелерді өңдеудің бірқатар алгоритмдерінде қарапайым құрылымның трансферлік оқытуда қолданылған алдын ала оқытылған ескі модельдерден жоғары дәлдік беретінін көрсетті. PCAnet моделі, онда конволюциялық қабаттың параметрлері бейненің негізгі компоненттерінің ерекшеліктерін алу арқылы инициализацияланған, бейнелерді тану тапсырмаларында жақсы нәтижелер көрсетті. Қарастырылған жұмыстардың бірінде конволюциялық нейрондық желі мен рекуррентті нейрондық желі (РНЖ) біріктіріліп, жаңа терең оқыту құрылымы ұсынылды. КНЖ бастапқы бейненің төмен деңгейдегі ерекшеліктерін зерттейді және оларды РНЖ үшін кіріс деректер ретінде пайдаланады. Содан кейін РНЖ жоғары деңгейдегі ерекшеліктерді талдайды, бұл терең түсті бейнелерді өңдеу тапсырмаларында жоғары дәлдікті тануға қол жеткізуге мүмкіндік берді. Бір жылдан кейін бұл әдіс модификацияланып, көпмасштабты конволюциялық-рекуррентті нейрондық желі ұсынылды. Мұнда РНЖ үшін кіріс деректер ретінде қолданылған жергілікті контрастты нормализациялау мен таңдау қосылды, бұл абстрактілі жоғары деңгейдегі ерекшеліктерді бөлектеуге мүмкіндік берді. Конволюциялық нейрондық желілер негізінде бейнелерді тану алгоритмдерінің көп болғанына қарамастан, олардың тиімділігі оқыту үшін пайдаланылған деректер базасына қатты байланысты. Ғалымдар ең жақсы нәтижелерге қол жеткізу үшін оңтайлы параметрлер мен алгоритмдерді іздеуді жалғастыруда. Алайда оқыту процесінде адам факторы маңызды рөл атқарады және бүгінгі күнге дейін желінің құрылымының тану сапасына әсерін толық түсіндіретін құрылымдық модель жоқ. Әсіресе табиғи бейнелерді жіктеу және тану кезінде желінің бастапқы параметрлері мен оңтайландыру алгоритмінің таңдауы оқыту процесіне елеулі әсер етеді. Диссертациялық зерттеудің мақсаты нейрондық желілерді пайдалану арқылы медициналық кескіндерді өңдеу әдісін әзірлеу және денсаулық сақтау саласындағы кейбір міндеттерді программалық тұрғыда іске асыру. Қойылған мақсатқа жету үшін келесі міндеттерді шешу қажет: - қазіргі заманғы медициналық программалық қамтамаларға ғылыми-техникалық талдау жүргізу, оның ерекшеліктері, артықшылықтары мен кемшіліктерін талдау; - пневмонияның оң және теріс жағдайларын қамтитын кеуде қуысының рентген суреттері деректер базасын жинау және дайындау, бұл деректер базасы нейрондық желіні оқыту және тестілеу үшін қажет; - пневмонияны диагностика жасау үшін кеуде қуысының рентген суреттерін талдайтын және жіктейтін КНЖ әдісін және архитектурасын әзірлеу; - пневмонияны анықтау үшін рентген суреттерін автоматты түрде талдайтын виртуалды медициналық кеңес беру алгоритмін және программалық жасақтамасын жүзеге асыру. Зерттеу нысаны пневмония мен басқа да кеуде ауруларын конволюциялық және рекуррентті нейрондық желілер арқылы интеллектуалды диагностика жасауға арналған медициналық программалық қамтамасыз ету. Зерттеу пәні жасанды интеллект көмегімен медициналық бейнелерді өңдеу әдістері, модельдері мен алгоритмдері. Зерттеу әдістері. Диссертациялық зерттеу барысында әртүрлі әдістер қолданылды, мысалы, шетелдік және отандық зерттеушілердің жұмыстарын синтездеу және талдау, сондай-ақ денсаулық сақтау саласындағы алгоритмдер мен программалық қамтаманы әзірлеуге заманауи көзқарастар, олар терең, рекуррентті және конволюциялық нейрондық желілерді қолдануға негізделген. Зерттеудің ғылыми жаңашылдығы келесіде: – Конволюциялық нейрондық желілердің (КНЖ) тану дәлдігін және жылдамдығын арттыру үшін жаңа алгоритм мен әдіс әзірленді, онда РНЖ (рекуррентті нейрондық желі) енгізіледі, бұл жерде ResNet қыртқышының қабатын өткізіп жіберу идеясы қолданылған және жаңа қалдықты модульдің пайда болуына әкелді. Зерттеуде 24 жасырын қабаттан тұратын терең КНЖ моделін әзірлеу пневмонияны рентген суреттері бойынша анықтауға арналған. Қорғауға ұсынылатын негізгі ережелер: 1. Рентгенографиялық суреттерден респираторлық ауруларды диагностикалаудың дәлдігін арттыруға бағытталған ResNet конволюциондық қабатын өткізіп жіберу идеясын қолданатын конволюционды және қайталанатын нейрондық желінің архитектурасы мен әдісі. 2. Дәрігерлер мен пациенттерге арналған модульдерді біріктіретін, көрсетілетін медициналық қызметтердің қолжетімділігі мен сапасын арттыруға мүмкіндік беретін қашықтықтан көмек көрсетуге арналған медициналық программалық қамтамасыздандыру. Теориялық және практикалық маңыздылығы: 24 жасырын қабаттан тұратын терең КНЖ негізіндегі алгоритмдерді әзірлеу мен жетілдіру арқылы пневмонияны рентген суреттерінде анықтау. Практикалық мәні – әзірленген алгоритмдер мен программалық қамтаманы медициналық мобильді көмекке қолдану, диагностика сапасын арттыру және ауруларды бақылауды жақсарту. Зерттеу нәтижелері «Jysan Med» ЖШС және «Абай қалалық ауруханасында» қолданылып жатыр. Зерттеу нәтижелерін апробациялау бірқатар халықаралық және республикалық ғылыми конференцияларда және жарияланымдарда өткізілді: - «Компьютерлік және бағдарламалық инженерия» кафедрасының докторанттар семинарлары (Астана, 2022–2024); - «Жастар ғылымының Қазақстан-2050 Стратегиясын жүзеге асырудағы үлесі» атты Республикалық студенттік ғылыми конференция материалдары (Қарағанды, 2022 жыл); - «Ғылым, білім және өндіріс интеграциясы – Ұлт жоспарының жүзеге асырылуының негізі» атты халықаралық ғылыми-практикалық онлайн конференция материалдары (Сағынов оқулары № 13), Қазақстан Республикасының Тәуелсіздігінің 30 жылдығына арналған, 2021 жылғы 17-18 маусым. – «ǴYLYM JÁNE BІLІM – 2025» ХХ Халықаралық ғылыми конференциясының конференциясы, 11 сәуір 2025 ж. – Еуразиялық халықаралық ғылыми конференция «Жасанды интеллект және ғылымдағы, технологиядағы және өндірістегі кері мәселелер», 14-16 сәуір 2025 ж. Зерттеу нәтижелері бойынша жарияланымдар. Scopus деректер базасында индекстелетін ғылыми журналдарда: 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. Публикациялар уәкілетті органмен ұсынылған басылымдарда (ҚР ҒЖБМ ҒЖБССҚК): 1. COVID-19-ға қарсы күрес үшін арнайы жасалған медициналық қосымшаларды талдау // ҚазҰҒА Хабарлары. Физика және ақпараттық технологиялар сериясы №1 (341), Алматы, 2022 ж. - Б. 34-42. 2. COVID-19 контекстінде денсаулық сақтау үшін программалық қамтамасыз етуді әзірлеу кезінде деректерді өңдеу // Вестник. Абая атындағы Қазақ ұлттық педагогикалық университеті. «Физика-математика ғылымдары» сериясы №1 (77), Алматы, 2022 ж. - Б. 99-105. 3. SmartMed және Damumed программалық қамтамаларын салыстырмалы талдау // Республикалық ғылыми-техникалық журнал «Университет еңбектері – Труды университета» №2 (87), Қарағанды, 2022 ж. - Б. 284-290. Отандық ғылыми басылымдарда жарияланымдар: 1. COVID-19 контекстінде денсаулық сақтау үшін программалық қамтамаларды әзірлеу // Л.Н. Гумилев атындағы ЕҰУ Хабаршысы. Техникалық ғылымдар және технологиялар сериясы. – 2021. – № 1(134). – Б. 91-99. Авторлық құқық объектілері туралы мемлекеттік реестрге мәліметтер енгізу туралы куәлік (Қосымша Б): 1. Авторлық құқық объектілері туралы мемлекеттік реестрге №36007 2023 жылғы 18 мамырда «SmartMed» программалық қамтамасы бойынша мәліметтер енгізу туралы куәлік. Диссертация құрылымы мазмұннан, анықтамалар мен қысқартулардан, кіріспеден, үш бөлімнен, қорытындыдан, пайдаланылған дереккөздер тізімінен және қосымшалардан тұрады. Кіріспеде зерттеу тақырыбының өзектілігі ашылып, зерттеу мәселелері қалыптастырылды. Зерттеу объектісі мен пәні анықталып, жұмыстың негізгі идеясы сипатталады, зерттеу мақсаты мен міндеттері қойылады, ғылыми жаңашылдық пен практикалық маңыздылығы көрсетіледі. Бірінші бөлімде медициналық кескіндерді цифрлық өңдеу әдістеріне шолу, рентгенографиялық суреттер бойынша ауруларды автоматтандырылған диагностикалау тәсілдерінің талдауы және медицинада қолданылатын қазіргі нейрожелілік технологиялар сипатталады. Бөлімде денсаулық сақтау саласында программалық қамтамалардың қолдану салалары, оның ішінде медициналық мобильді қосымшаларды талдау қарастырылады. Деректерді өңдеу мәселелері, медициналық ұйымдар үшін программалық қамтамаларға әзірлеу барысында ерекше назар аударылған. Сондай-ақ денсаулық сақтау саласында қашықтықтан жұмыс істеу технологияларының даму перспективалары, оның ішінде телемедицина және пациенттердің қашықтықтан мониторингі жүйелері қарастырылады. Медициналық кескіндерді талдауға арналған конволюциялық нейрондық желілерді қолдану мүмкіндіктері мен олардың диагностикалық жүйелерде қолданылуы зерттеледі. Екінші бөлімде әзірленетін жүйеге қойылатын талаптар тұжырымдалып, терең оқыту негізінде медициналық диагностика саласында қолданыстағы шешімдер салыстырмалы түрде талданады, модель архитектурасын таңдау негізделеді. Сондай-ақ медициналық кескіндерді алдын ала өңдеу алгоритмдері әзірленіп, жүзеге асырылады, конволюциялық нейрондық желіге оқыту мен тестілеу жүргізіледі, ұсынылған әдістің дәлдігін бағалау жүзеге асырылады. Үшінші бөлім медициналық кескіндерді автоматтандырылған алдын ала өңдеу, қызығушылық аймақтарын сегментациялау және анықталған патологияларды классификациялау модульдерін қамтитын программалық кешенді әзірлеуге және іске асыруға арналған. Осы бөлімде терең оқыту әдістерін қолданатын рентгенографиялық суреттерді өңдеу алгоритмдері, сондай-ақ конволюциялық нейрондық желілердің нәтижелерді интерпретациялаудың қосымша модульдерімен интеграциялау қарастырылады. Дәл әзірленген жүйенің дәлдігін бағалау және оны қолданыстағы диагностика әдістерімен салыстыруға бағытталған эксперименттік зерттеулер енгізілген. Ізденуші терең оқыту әдістерін қолдана отырып, рентгенографиялық кескіндерді талдаудың интеллектуалды үлгісін жасады. Денсаулық сақтау ақпараттық жүйелеріне интеграциялануы мүмкін автоматтандырылған ауруларды анықтау программалық кешен ұсынылған. Қорытындыда диссертациялық жұмыстың негізгі нәтижелері келтірілген, жүргізілген зерттеу бойынша қорытындылар жасалған, сондай-ақ әзірленген алгоритмдер мен программалық шешімдерді ары қарай дамытуға болатын мүмкін бағыттар сипатталған. Қосымшаларда ғылыми-зерттеу нәтижелерінің енгізілгендігі туралы актілер, әзірленген программалық қамтаманың жұмыс мысалдары және авторлық құқықты тіркеу туралы куәліктер бар. Диссертациялыұ жұмыс 103 беттен тұрады, иллюстрациялар, схемалар және кестелер түрінде компьютерлік мүмкіндіктерді пайдалану арқылы ерекше назар аудару тәсілдері қолданылады. Әдебиеттер тізімі 89 атаудан тұрады. Автор өзінің ғылыми кеңесшісі, философия ғылымдарының докторы (PhD), «Компьютерлік және бағдарламалық техника» кафедрасының доценті Жанна Сержанқызы Есенғалиеваға және шетелдік кеңесші, Ургенш мемлекеттік университетінің құрметті профессоры, физика-математика ғылымдарының докторы Гайрат Уразбоевке шын жүректен терең алғысын білдіреді.
Отзыв зарубежного консультанта
Заключение комиссии по этической оценке исследований
Решение диссертационного совета
Защита диссертации: https://www.youtube.com/watch?v=ybR09axCh9k
