Методи інтелектуального прогнозування артеріального тиску та класифікації артеріальної гіпертензії

Коломоєць, Сергій Олексійович

Методи інтелектуального прогнозування артеріального тиску та класифікації артеріальної гіпертензії

dc.contributor.advisor	Чумаченко, Олена Іллівна
dc.contributor.author	Коломоєць, Сергій Олексійович
dc.date.accessioned	2025-06-20T09:40:27Z
dc.date.available	2025-06-20T09:40:27Z
dc.date.issued	2025
dc.description.abstract	Коломоєць С.О. Методи інтелектуального прогнозування артеріального тиску та класифікації артеріальної гіпертензії. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 126 – Інформаційні системи та технології в галузі знань 12 – Інформаційні технології. – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2025. Дисертаційну роботу присвячено розробці методів обробки сигналів безманжетного вимірювання артеріального тиску з подальшим їх прогнозуванням та розробці інтелектуальних методів класифікації ступеня артеріальної гіпертензії на основі використання гібридних нейронних мереж ансамбльового типу. В роботі проведено аналіз існуючих проблем з захворюваннями серцевосудинної системи, а саме проблеми діагностування артеріальної гіпертензії, яка характеризується підвищеним артеріального тиску, що може привести до виникнення таких тяжких захворювань як інфаркт або інсульт. Показано, що основним шляхом запобігання таких хвороб є постійний моніторинг артеріального тиску завдяки використанню безманжетного вимірювання артеріального тиску з подальшим його прогнозуванням за часом, що може надати можливість термінового інформування хворих та лікарів про необхідність медикаментозного втручання, що дозволить в короткий термін знизити артеріальний тиск. Другим шляхом запобігання вищеназваних вражаючих ефектів є розробка інтелектуальної системи діагностування ступеню артеріальної гіпертензії. У першому розділі наведено інформаційну довідку щодо поширення АГ у світі, зокрема в Україні і зроблено висновок, що стан цієї проблеми не відповідає світовим стандартам, зокрема європейським. Особливо це стосується практичній відсутності використання безманжетного вимірювання тиску для загальної спільноти. Проведено аналіз існуючих приладів по безманжетному вимірюванню тиску. У другому розділі обґрунтовано використання методів прогнозування часових рядів до прогнозу артеріального тиску у хворих. Наведено новий метод прогнозування артеріального тиску, який полягає у використанні методів попередньої обробки результатів вимірювання та методів прогнозування часових рядів. Виконано огляд наукових робіт з попередньої обробки даних. Обґрунтовано використання методів усунення шумів, виявлення та усунення аномалій, заповнення відсутніх даних за якими наведено результати попередньої обробки. В якості експериментальних даних для обробки було взято дані надані Державною установою «Національний науковий центр ім. акад. М.Д. Стражеска». Проведено аналіз відомих методів прогнозування часових рядів для даних вимірювання артеріального тиску. Показано, що найкращі результати дають методи на основі використання рекурентних нейронних мереж, а саме LSTM, GRU, BI-LSTM. З метою покращення результатів прогнозування запропоновано використання нового підходу, який передбачає застосування гібридних нейронних мереж на основі бустингу, а саме послідовного з’єднання таких нейронних мереж як LSTM, GRU та низки їх комбінацій. Отримані результати показали ефективність запропонованого підходу, а саме вдалося підвищити точність прогнозування різних горизонтів в середньому на 10%. В третьому розділі вирішена задачу по вибору суттєвих ознак які характеризують ступінь артеріальної гіпертензії, а саме: – для першого ступеню значеннями тиску; – для другого ступеню значеннями тиску аналізами крові та сечі (еритроцити, лейкоцити, гемоглобін, тромбоцити, рівень білка, рівень креатиніну, рівень холестерину (загального), рівень цукру (глюкоза), калій, магній, натрій, адреналін, норадреналін, альдостерон), аномальними показниками, які можна виявити на ЕКГ та ЕхоКГ (індекс Соколова — Лайона, вольтажний індекс Корнелла, ІМЛШ, хронічною хворобою нирок третьої стадії, кісточково-плечовим індексом, важкою ретинопатією; – для третього ступеню значеннями тиску, наявністю аномальних значень в аналізах, ЕКГ та ЕхоКГ як при ІІ ступені артеріальної гіпертензії, наявністю в анамнезі цереброваскулярних захворювань (внутрішньомозкового крововиливу, ішемічного інсульту, транзиторної ішемічної атаки), наявністю в анамнезі ішемічної хвороби серця (інфаркта міокарда, реваскуляризації міокарда, стенокардії), виявленню стенозу під час візуалізаційних досліджень, наявності тяжкої альбумінурії, наявністю четвертої або п’ятої стадії хронічної хвороби нирок. Обґрунтовано необхідність використання гібридних нейронних мереж побудованих на основі ансамбльового підходу для розв’язання задачі класифікації ступенів АГ. На основі проведеного аналізу показано що найкращим варіантом є використання бегінгу при цьому розроблено новий метод для розв’язання даної задачі. Отримані результати показали ефективність запропонованого методу. В четвертому розділі розроблено інформаційні технології та сценарії використання запропонованої інформаційної технології щодо інтелектуального прогнозування АТ. Результати, отримані в дисертаційному дослідженні, містять наукову новизну: – вперше запропоновано метод для обробки даних артеріального тиску у хворих, який відрізняється тим, що на основі методів безманжетного вимірювання здійснює попередню обробку отриманих даних та подальше прогнозування на основі використання гібридних рекурентних нейронних мереж, горизонт прогнозу яких адаптовано під поточний стан пацієнта, що дає можливість знизити імовірність виникнення інсульту або інфаркту у хворих; – удосконалено метод вирішення задачі класифікації та знижено обчислювальні витрати при машинному навчанні гібридних нейронних мереж за рахунок визначення найбільш впливових ознак артеріальної гіпертензії для різних ступенів захворювання, які крім загальних ознак (анамнез, результати огляду лікаря, результати аналізів крові, сечі, вимірювання артеріального тиску) включають результати обробки ЕКГ, ЕхоКГ; – розроблено метод структурно-параметричного синтезу гібридної нейронної мережі для розв’язання задачі класифікації ступеня артеріальної гіпертензії, який відрізняється тим, що гібридна нейронна мережа будується на основі створення беггінг-ансамблю інтелектуальних класифікаторів, включених в ансамбль за критеріями точності та різноманіття, що дозволяє підвищити точність класифікації. Дисертаційна робота складається зі вступу, 4 розділів, висновків, списку використаних джерел з 210 найменувань та одного додатку. Загальний обсяг дисертації складає 150 сторінок, містить 47 рисунків та 21 таблицю.
dc.description.abstractother	Kolomoiets S.O. Methods of intellectual prediction of blood pressure and classification of arterial hypertension. Dissertation for the degree of Doctor of Philosophy in the specialty 126 – Information systems and technologies in the field of knowledge 12 – Information technology – National Technical University of Ukraine “Igor Sikorsky Kyiv Polytechnic Institute”, Kyiv, 2025. The dissertation is devoted to the development of methods for processing signals of cuffless blood pressure measurement with their subsequent prediction and the development of intelligent methods for classifying the degree of hypertension based on the use of hybrid ensemble-type neural networks. The paper analyzes the existing problems with diseases of the cardiovascular system, namely the problem of diagnosing arterial hypertension, which is characterized by high blood pressure, which can lead to serious diseases such as heart attack or stroke. It has been shown that the main way to prevent such diseases is to constantly monitor blood pressure through the use of cuffless blood pressure measurement with its subsequent time prediction, which can provide an opportunity to urgently inform patients and doctors about the need for medical intervention, which will allow to reduce blood pressure in a short time. The second way to prevent the aforementioned striking effects is to develop an intelligent system for diagnosing the degree of hypertension. The first section provides information on the prevalence of hypertension in the world, including Ukraine, and concludes that the state of this problem does not meet international standards, including European ones. This is especially true for the practical absence of cuffless blood pressure measurement for the general public. An analysis of existing cuffless pressure measurement devices is carried out. The second section substantiates the use of time series forecasting methods for predicting blood pressure in patients. A new method of blood pressure prediction is presented, which consists in the use of methods of preliminary processing of measurement results and methods of time series prediction. A review of scientific works on data preprocessing is made. The use of methods for noise reduction, detection and elimination of anomalies, and filling in missing data for which the results of pre-processing are presented is substantiated. The data provided by the State Institution “National Scientific Center named after Academician M.D. Strazhesko” were used as experimental data for processing. We analyzed the known methods of time series prediction for blood pressure data. It is shown that the best results are obtained by methods based on the use of recurrent neural networks, namely LSTM, GRU, BI-LSTM. In order to improve the forecasting results, a new approach is proposed, which involves the use of hybrid neural networks based on boosting, namely the sequential connection of such neural networks as LSTM, GRU and a number of their combinations. The obtained results demonstrate the effectiveness of the proposed approach, namely, it was possible to increase the accuracy of forecasting different horizons by an average of 10%. The third section solved the problem of selecting the essential features that characterize the degree of hypertension, namely: – for the first degree, pressure values; – for the second degree - pressure values by blood and urine tests (red blood cells, white blood cells, hemoglobin, platelets, protein level, creatinine level, cholesterol (total), sugar (glucose), potassium, magnesium, sodium, adrenaline, norepinephrine, aldosterone), abnormal values that can be detected on ECG and echocardiography (Sokolow-Lyon index, Cornell volt index, IML, chronic kidney disease of the third stage, ankle-brachial index, severe retinopathy; – for the third degree, blood pressure values, abnormal values in the tests, ECG and echocardiogram as in the second degree of arterial hypertension, history of cerebrovascular diseases (intracerebral hemorrhage, ischemic stroke, transient ischemic attack), a history of coronary heart disease (myocardial infarction, myocardial revascularization, angina pectoris), detection of stenosis during imaging studies, severe albuminuria, and the presence of stage four or five chronic kidney disease. The necessity of using hybrid neural networks built on the basis of the ensemble approach to solve the problem of classifying the degrees of hypertension is substantiated. Based on the analysis, it is shown that the best option is to use backpropagation, and a new method for solving this problem is developed. The results obtained have shown the effectiveness of the proposed method. In the fourth chapter, information technologies and scenarios for the use of the proposed information technology for the intelligent prediction of blood pressure are developed. The results obtained in the dissertation study contain scientific novelty: – For the first time, a method for processing blood pressure data in patients was proposed, which differs in that it uses cuffless measurement methods to pre-process the data and further forecasting based on the use of hybrid recurrent neural networks, the forecast horizon of which is adapted to the current state of the patient, which makes it possible to reduce the likelihood of stroke or heart attack in patients; – improved method of solving the classification problem and reduced computational costs in machine learning of hybrid neural networks by identifying the most influential signs of hypertension for different degrees of the disease, which, in addition to general signs (anamnesis, results of medical examination, results of blood and urine tests, blood pressure measurements), include the results of ECG and echocardiography; – a method of structural and parametric synthesis of a hybrid neural network for solving the problem of classifying the degree of hypertension, which differs in that the hybrid neural network is built on the basis of creating a bagging ensemble of intelligent classifiers included in the ensemble according to the criteria of accuracy and diversity, which allows to increase the accuracy of classification. The thesis consists of an introduction, 4 chapters, conclusions, a list of 210 references and one appendix. The total volume of the dissertation is 150 pages, contains 47 figures and 21 tables.
dc.format.extent	150 с.
dc.identifier.citation	Коломоєць, С. О. Методи інтелектуального прогнозування артеріального тиску та класифікації артеріальної гіпертензії : дис. … д-ра філософії : 126 Інформаційні системи та технології / Коломоєць Сергій Олексійович. – Київ, 2025. – 150 с.
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/74351
dc.language.iso	uk
dc.publisher	КПІ ім. Ігоря Сікорського
dc.publisher.place	Київ
dc.subject	артеріальна гіпертензія
dc.subject	глибоке навчання
dc.subject	інформаційна технологія
dc.subject	класифікація
dc.subject	машинне навчання
dc.subject	нейронна мережа
dc.subject	оптимізація
dc.subject	прогнозування
dc.subject	штучний інтелект
dc.subject	штучна нейронна мережа
dc.subject	arterial hypertension
dc.subject	deep learning
dc.subject	information technology
dc.subject	classification
dc.subject	machine learning
dc.subject	neural network
dc.subject	optimization
dc.subject	prediction
dc.subject	artificial intelligence
dc.subject	artificial neural network
dc.subject.udc	004; 004.8
dc.title	Методи інтелектуального прогнозування артеріального тиску та класифікації артеріальної гіпертензії
dc.type	Thesis Doctoral

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1

Назва:: Kolomoiets_dys.pdf
Розмір:: 6.07 MB
Формат:: Adobe Portable Document Format

Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1

Назва:: license.txt
Розмір:: 8.98 KB
Формат:: Item-specific license agreed upon to submission
Опис:

Завантажити

Зібрання

Дисертації (ІСТ)
Дисертації (вільний доступ)