Білан, Максим Павлович (2025) Система моніторингу та прогнозування стану здоров’я людини [Кваліфікаційні роботи здобувачів] Другий (магістерський). Шифр академічної групи: ІАСм-1-24-1.4д. Дата захисту: 19.12.2025, Київський столичний університет імені Бориса Грінченка.
![[thumbnail of M_Bilan_FITM_2025.pdf]](https://elibrary.kubg.edu.ua/style/images/fileicons/text.png) |
Текст
M_Bilan_FITM_2025.pdf Download (2MB) |
Анотація
Актуальність: Сучасні носимі сенсорні пристрої збирають великі обсяги фізіологічних даних у реальному часі, проте більшість із них обмежуються лише базовим відображенням показників. Своєчасне виявлення відхилень у стані здоров’я є критично важливим для запобігання ускладненням та забезпечення безпеки користувача. Використання сучасних методів аналізу даних і алгоритмів машинного навчання дозволяє створити персоналізовану систему оцінки та прогнозування змін фізіологічного стану, що сприятиме підвищенню якості моніторингу та ранньому виявленню потенційних ризиків. Мета: Розробити систему персоналізованого моніторингу та прогнозування стану здоров’я, яка на основі історичних фізіологічних даних зможе виявляти відхилення та передбачати найближчі зміни показників, забезпечуючи підвищення ефективності контролю здоров’я користувача. Об’єкт дослідження: Процес моніторингу та прогнозування фізіологічних показників людини на основі методів аналізу даних та машинного навчання. Предмет дослідження: Методи аналізу даних та алгоритми машинного навчання, застосовані для прогнозування змін фізіологічних показників та оцінки стану здоров’я на основі історичних даних користувача. Завдання роботи: здійснити пошук, відбір та аналіз сучасних рішень і джерел даних у сфері цифрового моніторингу стану здоров’я; обрати та обґрунтувати методи аналізу даних і алгоритми машинного навчання для виявлення відхилень та прогнозування змін фізіологічних показників; реалізувати програмний прототип системи SmartHealth для збору, збереження, аналізу та візуалізації фізіологічних даних користувача; провести тестування системи, оцінити коректність роботи аналітичних модулів та якість прогнозування стану здоров’я. Методи дослідження: Аналіз наукових джерел та сучасних рішень у сфері цифрової медицини для виявлення актуальних підходів до моніторингу та прогнозування стану здоров’я; методи математичної статистики для обробки фізіологічних сигналів; застосування алгоритмів машинного навчання для виявлення аномалій та прогнозування показників; системний аналіз для проєктування архітектури програмної системи та її аналітичного ядра. Наукова новизна дослідження: Вперше запропоновано підхід до персоналізованого моніторингу стану здоров’я, що поєднує класичні статистичні методи та алгоритми машинного навчання в єдиному аналітичному ядрі. Удосконалено методику виявлення аномалій у фізіологічних сигналах шляхом інтеграції індивідуальних динамічних норм з моделлю Isolation Forest, навченою на ковзних вікнах. Запропоновано підхід до короткострокового прогнозування фізіологічних показників у реальному часі на основі експоненціального згладжування, що дозволяє оцінювати ризики ще до появи критичних відхилень. Практичне значення дослідження: Розроблена система SmartHealth забезпечує автоматизований повний цикл роботи з фізіологічними даними - від отримання сигналів у реальному часі до їх очищення, аналізу та формування персоналізованих висновків про стан користувача. Інтеграція статистичних методів та алгоритмів машинного навчання дозволяє підвищити точність виявлення аномальних станів та оперативно реагувати на потенційні зміни у фізіологічних показниках. Реалізований механізм короткострокового прогнозування дає змогу оцінювати можливі ризики погіршення стану здоров’я, що підвищує безпеку користувача та може бути використано у медичних, спортивних і побутових умовах.
| Тип елементу : | Кваліфікаційні роботи здобувачів (Другий (магістерський)) |
|---|---|
| Ключові слова: | моніторинг стану здоров’я; фізіологічні сигнали; машинне навчання; аномалії; прогнозування; Z-score; Median Absolute Deviation; Mahalanobis Distance; Isolation Forest; носимі пристрої; обробка даних; персоналізація моделей. |
| Шифр освітньої програми: | 122.00.02 |
| Шифр академічної групи: | ІАСм-1-24-1.4д |
| ПІБ наукового керівника: | Бушма Олександр Володимирович |
| Дата захисту: | 19.12.2025 |
| Місце захисту: | Київський столичний університет імені Бориса Грінченка |
| Типологія: | Кваліфікаційні роботи здобувачів > Інформаційно-аналітичні ситеми |
| Підрозділи: | Факультет інформаційних технологій та математики > Кафедра комп'ютерних наук |
| Користувач, що депонує: | Ізабелла Андріївна Соболенко |
| Дата внесення: | 24 Лют 2026 20:59 |
| Останні зміни: | 24 Лют 2026 20:59 |
| URI: | https://elibrary.kubg.edu.ua/id/eprint/56354 |
Actions (login required)
 |
Перегляд елементу |