procyberВестник кибернетикиProceedings in Cybernetics1999-7604Бюджетное учреждение высшего образования Ханты-Мансийского автономного округа – Югры «Сургутский государственный университет»procyber-242Research ArticleСтатьиПрименение методов машинного обучения и анализа данных при оценке состояния фистулыApplication of Machine Learning Methods and Data Analysis for Evaluating the State of FistulaТурлайА. А.TurlayА. A.TurlayAA@mail.ruЗаикинП. В.ZaikinP. V.zaikinpv@gmail.comНазинаН. Б.NazinaN. B.nnb60@mail.ruСургутский государственный университетРоссияSurgut State UniversityRussian Federation20193003202004 (36)6165Copyright © Турлай А.А., Заикин П.В., Назина Н.Б., 20202020Турлай А.А., Заикин П.В., Назина Н.Б.Turlay А.A., Zaikin P.V., Nazina N.B.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vestcyber.ru/jour/article/view/242

В статье авторы рассматривают возможности применения методов машинного обучения и анализа данных при оценке состояния фистулы пациента, находящегося на гемодиализе. Рассмотрены подходы к получению первичных исходных данных в лабораторных условиях, методы и средства их обработки. Показаны методы классификации для подобного рода данных. Предложены варианты реализации носимых персональных устройств.

The article discusses the usage of machine learning methods for evaluating the state of fistula for patients on hemodialysis. The approach to gathering source data in laboratory conditions and methods of data processing are considered. Methods of classification are presented. Portable personal devices for patients are proposed.

машинное обучениенейронные сетиклассификацияанализ звукового рядаmachine learningneural networksclassificationsound sequence analysisReferencesНиколаев Е. Н., Мазайшвили К. В., Лобанов Д. С., Демина А. В., Блохина А. В. Современное состояние проблемы тромбоза сосудистого доступа у больных на гемодиализе // Вестник СурГУ. Медицина. 2019. № 3. С. 8–14.Николаев Е. Н., Мазайшвили К. В., Лобанов Д. С., Демина А. В., Блохина А. В. Современное состояние проблемы тромбоза сосудистого доступа у больных на гемодиализе // Вестник СурГУ. Медицина. 2019. № 3. С. 8–14.Максимов А. В., Фейсханов А. К., Макаримов Э. Ш., Закиржанов Н. Р., Фейсханова Л. И. Тенденции развития хирургии сосудистого доступа у пациентов, находящихся на программном гемодиализе // Практич. медицина. 2014. № 4–20 (80). С. 83–85.Максимов А. В., Фейсханов А. К., Макаримов Э. Ш., Закиржанов Н. Р., Фейсханова Л. И. Тенденции развития хирургии сосудистого доступа у пациентов, находящихся на программном гемодиализе // Практич. медицина. 2014. № 4–20 (80). С. 83–85.Гурков А. С. Кровоток в сосудах предплечья и кисти у пациентов с артериовенозной фистулой для гемодиализа : автореф. дис. … канд. мед. наук. СПб., 2014. 21 с.Гурков А. С. Кровоток в сосудах предплечья и кисти у пациентов с артериовенозной фистулой для гемодиализа : автореф. дис. … канд. мед. наук. СПб., 2014. 21 с.Salamon J., Bello J. P. Deep Convolutional Neural Networks and Data Augmentation for Environmental Sound Classification // IEEE Signal Processing Letters. 2017. Vol. 24, No. 3. P. 279–283.Salamon J., Bello J. P. Deep Convolutional Neural Networks and Data Augmentation for Environmental Sound Classification // IEEE Signal Processing Letters. 2017. Vol. 24, No. 3. P. 279–283.Piczak K. J. Environmental Sound Classification with Convolutional Neural Networks // 2015 IEEE 25th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2015. P. 1–6.Piczak K. J. Environmental Sound Classification with Convolutional Neural Networks // 2015 IEEE 25th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2015. P. 1–6.

The authors declare that there are no conflicts of interest present.