Вісник сучасних інформаційних технологій

Сучасний стан методів і алгоритмів кластеризації та бікластеризації для аналізу даних експресії генів

2024-12-13T19:37:38+00:00

Аналіз даних експресії генів стає дедалі складнішим через розширення високопродуктивних технологій, таких як bulk RNA-seq та одноядерне секвенування РНК (scRNA-seq). Ці набори даних створюють значні виклики для традиційних методів кластеризації, які часто не здатні справлятися з високою вимірністю, шумом та варіабельністю, властивими біологічним даним. Як результат, у біоінформатиці набувають популярності методи бікластеризації, що дозволяють одночасно групувати гени та умови. Бікластеризація є корисною для ідентифікації підмножин співрегульованих генів за певних умов, сприяючи дослідженню транскрипційних модулів та зв’язків між генами та хворобами. Цей огляд охоплює як традиційні методи кластеризації, так і методи бікластеризації для аналізу експресії генів, розглядаючи їх застосування для стратифікації пацієнтів, ідентифікації генних мереж та дослідження взаємодії між генами та ліками. Обговорено ключові алгоритми бікластеризації з акцентом на їхні сильні сторони та виклики у роботі зі складними профілями. Стаття висвітлює важливі питання, такі як оптимізація гіперпараметрів, масштабованість та необхідність біологічно інтерпретованих результатів. Розглянуто новітні тенденції, такі як консенсусна кластеризація та метрики відстані для високовимірних даних, а також обмеження поточних метрик оцінки. Розглядається потенціал цих методів у діагностичних системах для таких захворювань, як рак та нейродегенеративні розлади. Нарешті, ми окреслюємо перспективні напрями для вдосконалення алгоритмів кластеризації та бікластеризації з метою створення системи персоналізованої медицини на основі даних експресії генів.

Надійне уточнення карти глибин за допомогою кольорового зображення

2024-12-13T19:47:45+00:00

Карти глибини є важливим інструментом для багатьох застосувань, оскільки вони надають просторову інформацію про розташування об’єктів у сцені. Вони відіграють ключову роль у таких сферах, як комп’ютерний зір, робототехніка, доповнена та віртуальна реальність, автономні системи та медична візуалізація. Однак створення точних і високоякісних карт глибини залишається складним завданням через такі проблеми, як артефакти копіювання текстур, протікання границь та спотворення границь глибини. У цьому дослідженні запропоновано новий метод уточнення карт глибини, що інтегрує інформацію з кольорових зображень, поєднуючи структурні та статистичні підходи для досягнення високих результатів. Запропонований підхід застосовує структурний метод для обчислення афінностей у рамках регуляризації, використовуючи

мінімальні остовні дерева (MST) та мінімальні остовні ліси (MSF). Для запобігання побудови MST через границі глибини використовується сегментація на суперпікселі, що дозволяє уникнути протікання границь і зберігати деталі. Модель оцінки несумісності границь додатково зменшує артефакти копіювання текстур. Крім того, адаптивне регуляризаційне вікно динамічно налаштовує свою ширину залежно від локальних змін глибини, що дозволяє ефективно справлятися з шумами та зберігати чіткість границь глибини. Експериментальна оцінка на різних наборах даних демонструє високу точність і надійність методу. Він стабільно забезпечує найнижче середнє абсолютне відхилення (MAD) у порівнянні з існуючими техніками при різних коефіцієнтах масштабування, включаючи 2×, 4×, 8× та 16×. Візуальні оцінки підтверджують здатність методу створювати карти глибини без артефактів копіювання текстур і розмиття границь, максимально наближені до еталонних даних. Обчислювальна ефективність забезпечується завдяки алгоритму «розділяй і владарюй» для обчислення остовних дерев, що зменшує складність при збереженні точності. Дослідження підкреслює важливість поєднання структурної та статистичної інформації у вдосконаленні карт глибини. Подолавши обмеження існуючих методів, запропонований підхід надає практичне рішення для покращення карт глибини у додатках, що потребують високої точності та ефективності, таких як робототехніка, віртуальна реальність та автономні системи. У майбутньому передбачається дослідження застосування методу в реальному часі та його інтеграція з передовими технологіями отримання глибини.

Гетерогенний ансамблевий класифікатор у комп’ютерних системах медичної діагностики

2024-12-13T19:58:45+00:00

Робота присвячена вирішенню актуальної науково-технічної задачі побудови діагностичної системи підтримки прийняття рішень в медицині. . Основою даної системи є модель розробленого гетерогенного ансамблевого класифікатора, який в якості базових моделей реалізує два підходи до формулювання діагностичного висновку. Перший з цих підходів є ймовірнісним. Він ґрунтується на аналізі навчальної вибірки з пацієнтів з підтвердженим діагнозом, що дозволяє оцінити імовірність наявності того чи іншого захворювання на основі наявних даних. Другий підхід – експертний, який базується на наявній експертній інформації про структуру симптомокомплексів, які характеризують кожне окреме захворювання. Важливо зазначити, що обидва ці підходи розглядають одну і ту ж проблему з різних точок зору, і їх спільне використання є надзвичайно перспективним для розвитку ефективних діагностичних систем. Мета цього дослідження полягає в синтезі гетерогенного ансамблевого класифікатора, який інтегрує як експертну, так і ймовірнісну складову процесу постановки діагнозу. У рамках дослідження було проведено аналіз різних методів діагностики, що використовуються лікарями відповідно до сучасних вимог доказової медицини. Також було розглянуто методи побудови діагностичних вирішальних правил у системах підтримки прийняття медичних рішень. На основі цих досліджень була розроблена математична модель гетерогенного ансамблевого класифікатора, і було обґрунтовано вибір його складових частин. У якості ймовірнісної складової в даній системі були обрані широко вживані методи класифікації, зокрема метод порівняння з еталоном, метод К-найближчих сусідів та метод потенційних функцій. Експертні знання, які стосуються структури симптомокомплексів, формалізуються шляхом вираження симптомокомплексів кожного захворювання у вигляді числових інтервалів. При цьому використовуються лінгвістичні змінні, що можуть мати значення “нижче норми”, “норма” або “вище норми”. Розглянуті різноманітні варіанти агрегації різнотипних базових моделей в межах гетерогенного ансамблевого класифікатора. Це дозволяє зберігати переваги кожного з методів та підвищувати загальну точність класифікації. Були сформульовані вимоги до функціональних можливостей розробленої системи, визначено засоби проектування, а також основну платформу для розробки – Java, і систему управління базами даних – MySQL. Виконано проектування системи підтримки прийняття рішень та виконано комплексну перевірку розробленої системи на реальних медичних даних. Результати цих перевірок підтвердили ефективність роботи системи.

Побудова графа вебсайту з використанням процедури краулінгу

2024-12-13T20:07:23+00:00

Розглянуто підхід до аналізу структури вебсайту. Мета роботи полягає у розробці процедури автоматичного збору даних про структуру вебсайту (процедури краулінгу), за допомогою якої здійснюється обхід сайту та будується вебграф у вигляді списків вершин та ребер або матриці суміжності, для подальшого вивчення структури через аналіз зв’язків між його елементами. Незрозуміла структура вебсайту призводить до погіршення навігації сайтом для користувача та уповільнення індексації сайту пошуковими машинами, тому розробка процедур автоматичного аналізу структури є актуальною задачею. Відомі процедури збору інформації про сайт не забезпечують можливість отримання повного набору даних та не мають налаштувань для визначення параметрів збору інформації. Враховуючи, що сучасні вебсайти мають динамічну структуру, яка призводить до відмінностей у записі URL-адрес, у роботі вдосконалюється підхід до автоматизації збору інформації про структуру сайту з врахуванням наявності динамічних сторінок та особливостей побудови їхніх URL-адрес. Методом дослідження є вивчення зовнішніх та внутрішніх посилань на вебсторінках для розуміння зв’язків між окремими частинами сайту, оцінювання якості структури через визначення метричних характеристик побудованого вебграфа, зокрема діаметру, щільності, коефіцієнту кластеризації тощо. В роботі розроблено процедуру та алгоритм краулінгу, що спираються на метод обходу графа в ширину. Для реалізації процедури краулінгу та аналізу отриманих даних розроблено програмне забезпечення із використанням бібліотек Python (requests, BeautifulSoup4, networkx). Побудовано вебграфи кількох вебсайтів різного спрямування та тематики. Зображення сайту у вигляді вебграфа дозволило дослідити його структуру. Побудовано графіки залежності середньої щільності вебграфів від кількості вершин, середнього часу формування графа від кількості вершин та середнього коефіцієнту модулярності від коефіцієнту кластеризації. Встановлено, що вебсайти з чітко вираженою тематичною структурою мають більш високі значення коефіцієнтів модулярності та кластеризації. Практична значущість роботи полягає в тому, що отримані результати можуть бути використані для оптимізації структури сайтів та розробки нових інструментів для аналізу даних.

Програмні засоби організації хмарних обчислень у психофізіологічних дослідженнях на основі даних айтрекінгу

2024-12-13T20:15:32+00:00

Розроблено архітектуру та веб-версію програмного комплексу, який значно розширює діагностичні можливості модельно-орієнтованої інформаційної технології для оцінки нейрофізіологічного стану. Комплекс забезпечує кросплатформеність хмарних обчислень, підвищує продуктивність і ефективність наукових досліджень. Комплекс використовує методи непараметричної ідентифікації окорухової системи на основі даних айтрекінгу, що досягається завдяки новій концепції організації хмарних обчислень. Технологія хмарних обчислень отримала подальший розвиток завдяки запропонованій концепції, що поєднує принципи PaaS (Platform as a Service) і SaaS (Software as a Service). Ключовою складовою комплексу є конструктор інтерфейсів і модуль трансляції коду, які забезпечують гнучкість і зручність роботи з комплексом, дозволяючи налаштовувати елементи інтерфейсу і з'єднувати їх з скрипт-кодом на різних мовах. Автоматична заміна значень у скрипт-коді спрощує адаптацію комплексу до різних завдань, роблячи його доступним для користувачів будь-якого рівня кваліфікації, що особливо цінно для науки та освіти. Також, важливою особливістю цього програмного комплексу є його невимогливість до апаратного забезпечення на стороні клієнта завдяки використанню хмарних обчислень та модульна структура, що дозволяє легко його масштабувати. Порівняно з іншими подібними сервісами комплекс має кілька переваг: він забезпечує ефективну роботу в дослідницьких і навчальних напрямках та підтримує декілька мов програмування для вдосконалення алгоритмів. Комплекс також дозволяє використовувати готові методи ідентифікації через спеціально розроблені GUI-інтерфейси. Крім того, він пропонує соціальні можливості та високий рівень абстракції, що дозволяє оптимізувати дослідницький процес.

Невизначеності та умови їх виникнення при самотестуванні багатопроцесорних систем

2024-12-13T20:23:28+00:00

Стаття присвячена проблемі організації самотестування багатопроцесорних систем. Аналізуються випадки, коли стан деяких процесорів (справний чи несправний) залишається невизначеним після виконання певної множини взаємних тестувань процесорів. Для встановлення стану таких процесорів потрібне використання деяких додаткових можливостей, наприклад додаткових зв’язків між процесорами. Невизначеність виникає частіше за все у таких випадках, коли кількість процесорів, які тестують даний процесор, є меншою за допустиму кількість відмов. Досліджуються багатопроцесорні системи, діагностичні графи яких можна представити графами-циркулянтами, зокрема графами з двома вхідними та двома вихідними дугами. Це пов’язано з вирішенням задачі мінімізації кількості взаємоперевірок процесорів системи (дійсно, кожний процесор тестується всього лише двома іншими). Проте при цьому може виникнути певна невизначеність у процесі встановлення стану окремих процесорів, і це може бути саме тоді, коли кількість допустимих (а також наявних) відмов у системі перевищує 2. Формулюються та доводяться теореми, які визначають конкретні характеристики системи організації взаємотестувань, коли описане явище стає можливим, але так чи інакше номери процесорів, стан яких не визначено, стають відомими. Відзначаються переваги архітектур зв’язків, котрі можуть бути описані графами-циркулянтами, зокрема те, що кількість процесорів в них може бути довільною, що не завжди має місце в інших випадках (наприклад в архітектурах з комутаторами зв’язків типу прямокутник або гіперкуб). Детально розглядаються відмовостійкі багатопроцесорні системи з допустимим числом відмов Т = 2, 3 та 4. Показується, що у випадку Т = 2 невизначеності не виникають, але при Т = 4 їх може виникнути до трьох (у випадку Т = 3 – до двох) при деяких стрибках у графі-циркулянті та деяких комбінаціях розміщення справних та несправних процесорів у системі. Наводяться приклади графів-циркулянтів, коли подібне не має місця.

Виявлення форми рухомого об'єкту шляхом фрагментного аналізу

2024-12-13T20:31:23+00:00

Розвиток інформаційних технологій, пов’язаних з аналізом візуальної інформації нерозривно пов’язаний з методами виділення різноманітних ознак або об’єктів для полегшення їх подальшого аналізу. Це пов’язано зі зростаючими вимогами до візуальних даних з боку користувача. При цьому виявлення саме об’єктів є одним із фундаментальних і найскладніших завдань визначення місцезнаходження даних на зображеннях і відео. У минулому багато уваги приділялося додатковим дослідженням задач комп’ютерного зору, таких як класифікація об’єктів, підрахунок об’єктів і моніторинг об’єктів. При цьому дослідники майже ніколи не звертали уваги на факт того, яка форма у рухомого об’єкту, а, зазвичай, залишали це питання для подальшого аналізу. В той же час для, наприклад, задачі класифікації мати в якості вхідної інформації об’єкт з чіткими абрисами форми було б корисним. Представлене дослідження забезпечує обробку фрагментів відео для визначення форми рухомого об’єкта. Наш підхід заснований на поділі кожного кадру на фрагменти, які дозволяють представити кадр зображення у вигляді квадратної матриці для формального опису. Прямокутний відеокадр був перетворений у квадратну матрицю за допомогою SVD, де кожен елемент є значенням норми Ky Fan, в якості дескриптору. Зміни сцени в кадрі впливатимуть на коливання норми Ky Fan. Порівняння змін норми фрагментів з іншими змінами норми фрагментів дозволить нам оцінити, наскільки ці зміни значні. Якщо значення норми перевищує порогове значення, ми можемо включити цей фрагмент до складу рухомого об’єкта. Комбінуючи такі фрагменти разом, ми виявимо форму рухомого об’єкту. Поріг динамічний і залежить від часу. У цьому дослідженні ми приділили увагу розрахунку порогового значення для надійної ідентифікації фрагментів рухомого об’єкта. Також зазначимо, що експерименти проводилися для випадку, коли є нерухома камера (камера відеоспостереження) і деякий рухомий об’єкт в полі зору. І в цьому випадку вдалося отримати чіткий контур складної форми для рухомого об’єкту. Більш складні випадки одночасного руху і об’єкту, і камери буде розглянуто пізніше.

Гібридний еволюційний алгоритм для ефективного адаптивного навчання студентів медичних спеціальностей

2024-12-13T20:39:24+00:00

У статті досліджено застосування еволюційних алгоритмів для оптимізації процесу навчання студентів медичних спеціальностей, з акцентом на індивідуалізацію освітніх траєкторій. Проаналізовано три основні підходи: генетичний алгоритм (GA), алгоритм рою часток (PSO) та мурашиний алгоритм (ACO) – для оцінки їхньої здатності адаптувати навчальні плани відповідно до різних характеристик студентів, зокрема рівня знань, стилю навчання, практичних навичок та темпу засвоєння матеріалу. У ході дослідження порівняно їхню ефективність у створенні гнучких навчальних програм, що відповідають індивідуальним потребам кожного студента. На основі проведеного аналізу запропоновано гібридний алгоритм, який поєднує переваги кожного з розглянутих підходів. У статті обговорено особливості гібридного алгоритму, його здатність швидко адаптувати навчальний процес, покращувати індивідуальну ефективність навчання та підвищувати якість підготовки медичних фахівців. Запропонований гібридний підхід було протестовано у симуляційних умовах, що продемонструвало його переваги в забезпеченні ефективної персоналізації навчання, уникненні локальних мінімумів та гнучкому реагуванні на зміни у потребах студентів.

Комп’ютерна модель диференціально-символьного оцінення ризиків проектів покращення стану здоров’я населення громад

2024-12-13T20:47:06+00:00

У статті подано результати розробки комп’ютерної моделі диференційно-символьного оцінювання ризиків проектів покращення стану здоров’я населення громади. Традиційні підходи та методи, такі як експертні оцінки або статистичні моделі, мають обмеження щодо точності прогнозування ризиків та адаптації до мінливих умов проектного середовища. Запропонована комп’ютерна модель використовує систему диференціальних рівнянь, які описують динаміку основних показників проектів, таких як рівень участі населення в заходах, ефективність освітніх і вакцинаційних заходів, зміни бюджету та їх вплив на загальний ризик. Ця модель дозволяє оцінювати ризики із врахуванням досліджуваної динаміки проекту, оперативно коригувати управлінські рішення та зменшувати відхилення від запланованих показників. Для реалізації запропонованої моделі розроблено алгоритм, який включає кілька етапів: ініціалізацію змінних, побудову системи диференціальних рівнянь, чисельний їх розв’язок методом Ейлера, оцінку ризиків та оновлення параметрів у режимі реального часу. На основі розробленого алгоритму, який передбачає 9 кроків, створено комп’ютерну модель, яка у подальшому буде інтегрована в систему підтримки рішень для проекних менеджерів. Запропонована комп’ютерна модель написана на мові програмування Python із використанням бібліотек для розв’язання диференціальних рівнянь, оптимізації та візуалізації результатів, які реалізують запропоновану математичну модель. Ця комп’ютерна модель дозволяє проектним менеджерам моделювати ризики, аналізувати їх вплив на показники проекту та генерувати рекомендації для управління ресурсами та мінімізації ризиків. Тестування розробленої комп’ютерної моделі проведено на прикладі реальних проектів покращення здоров’я населення громади. Для проекту вакцинації населення громад комп’ютерна модель показала точність прогнозування на рівнях 97,14%, що перевищує зазанчений показник від використання експетних оцінок (92.86%). У освітницькому проекті із пропогування здорового способу життя населення громади точність комп’ютерної моделі становить 90.00% порівняно з 88.00% за використання методу експетних оцінок. Оцінка ризиків показала, що використання диференціально-символьної моделі дозволяє знизити рівень ризику до 2.86 % у проекті вакцинації населення громад та 10.0 % у проекті освітницькому проекті із пропогування здорового способу життя населення громади. При цьому традиційні методи продемонстрували ризики відповідно на рівнях 7.14 % та 12.00 %. Комп’ютерна модель також підтвердила свою адаптивність до мінливого проектного середовища, яке стосувалося збільшення тривалості проекту чи зменшення доступного бюджету. Запропонована комп’ютерна модель інтегрує функціонал для введення параметрів, чисельного розрахунку ризиків, візуалізації результатів та формування рекомендацій. Інтерфейс комп’ютерної модель побудовано таким чином, щоб забезпечити зручність для проектних менеджерів, навіть за умов високої складності вхідних даних. Отримані результати підтверджують, що розроблена комп’ютерна модель диференціально-символьного оцінення ризиків проектів покращення стану здоров’я населення громад є ефективним інструментом для управління проектами. Використання моделі дозволяє не лише підвищити точність прогнозування ризиків, але й забезпечити ефективний розподіл ресурсів.