informИнформатикаInformatics1816-03012617-6963UIIP NASB10.37661/1816-0301-2020-17-3-25-35inform-1079Research ArticleМАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕMATHEMATICAL MODELINGАгрегация и индексирование нескольких источников данных на основе графовой модели в базах данных медицинских экспертных системData aggregation and indexing support from multiple sources using graph model in medical expert system databasesКурочкинА. В.KurachkinA. V.

Курочкин Александр Васильевич, аспирант, старший преподаватель кафедры интеллектуальных систем, факультет радиофизики и компьютерных технологий

Минск

Aliaksandr V. Kurachkin, Postgraduate student, Senior Lecturer, Department of Intelligent Systems, Faculty of Radiophysics and Computer Technologies

Minsk

alex.v.kurochkin@gmail.comСадовВ. С.SadauV. S.

Садов Василий Сергеевич, кандидат технических наук, доцент, профессор кафедры интеллектуальных систем, факультет радиофизики и компьютерных технологий

Минск

 

Vasili S. Sadau, Cand. Sci. (Eng.), Associate Professor, Professor of the Department of Intelligent Systems, Faculty of Radiophysics and Computer Technologies

Minsk

sadov@bsu.byБелорусский государственный университетBelarusian State University2020150920201732535Copyright © Курочкин А.В., Садов В.С., 20202020Курочкин А.В., Садов В.С.Kurachkin A.V., Sadau V.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/1079

Проблема агрегации информации является одной из ключевых при разработке и внедрении экспертных систем в медицинской практике. Как правило, общая информация о пациенте, а также данные о проводимых обследованиях являются частью нескольких разобщенных информационных систем, в каждой из которых используется своя схема представления и хранения информации. В работе рассматривается решение по агрегации данных об обследованиях и пациентах в медицинских учреждениях с использованием предложенного механизма формальных проекций, который позволяет унифицировать процесс извлечения информации из различных видов источников. Для представления информации о пациентах и обследованиях предлагается применение графовой модели, способствующей оптимизации поддержки запросов по отдельному пациенту и по совокупности исторических данных отдельного вида обследования. Показывается, что такое представление может быть использовано для централизованной обработки данных различными методами интеллектуального анализа.

One of the key problems in developing and integrating expert systems for medical research is the problem of data aggregation. Most of the times, general information about the patient and data about undergone research procedures exist as part of several disconnected information systems, each using its own schema for presenting and storing information. The paper proposes a solution to aggregate research and patient data in medical establishments using formal projections mechanism, which allows to unify data extraction from separate data sources. Graph-based patient and research record representation is introduced, which allows to support and optimize complex queries for single patient and for a set of historical data from single research. Proposed representation mechanism is also shown to be effective for centralized processing using various data mining and intelligent analysis techniques.

агрегация данныхграфовые схемыграфовые базы данныхмедицинские базы данныхмедицинские экспертные системыdata aggregationgraph schemasgraph databasesmedical databasesmedical expert systemsReferencesAbu-Nasser, B. S. Medical Expert System Survey / B. S. Abu-Nasser // International Journal of Engineering and Information Systems (IJEAIS), 2017. Vol 1., Iss. 7. – P. 218-224Abu-Nasser, B.S. Medical Expert System Survey. International Journal of Engineering and Information Systems (IJEAIS), 2017, vol 1., iss. 7, pp. 218-224.Jain, L. C. Fuzzy and neuro-fuzzy systems in medicine / L. C. Jain, A. Kandel, H. N. L. Teodorescu // CRC Press, – Boca Raton, Florida, USA, 2017. – 393 p.Jain, L.C. Fuzzy and neuro-fuzzy systems in medicine. Boca Raton, CRC Press, 2017, 393 p.Sadalage, P.J. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence / P. J. Sadalage, M. Fowler – Addison-Wesley Professional, 2012. – 192 p.Sadalage, P.J. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence, Hoboken, Addison-Wesley Professional, 2012, 192 p.Robinson, I. Graph Databases: New Opportunities for Connected Data / I. Robinson, J. Webber, E. Eifrem // O’Reilly Media, 2 nd edition, 2015. – 238 p.Robinson, I. Graph Databases: New Opportunities for Connected Data. O’Reilly Media, 2nd edition, 2015, 238 p.Роль искусственных нейронных сетей в выявлении ранней гибели ганглионарных клеток сетчатки у пациентов с дегенеративными оптиконейропатиями / Т.В. Качан [и др.] // Офтальмология. Восточная Европа. Минск. 2019. Т. 9, № 4. – С. 445-458.Kachan, T., Kurachkin A., Halavataya K., Marchanka L, Fedulau A., Dalidovich A., Skrypnik O., Mushtina T. Rol'; iskusstvennyh nejronnyh setej v vyjavlenii rannej gibeli ganglionarnyh kletok setchatki u pacientov s degenerativnymi optikonejropatijami [The role of artificial neural networks in detecting early death of retinal ganglion cells in patients with degenerative optoneuropathies]. Oftalmologia. Vostochnaya Evropa [Ophtalmology. Eastern Europe]. Minsk, 2019, pp. 445-458.Чернявский А.Ф. Обработка и индексирование денормализанных и слабоструктурированных данных / А. Ф. Чернявский, А.В. Курочкин, В.С. Садов // Прикладные проблемы оптики, информатики, радиофизики и физики конденсированного состояния: материалы пятой Междунар. науч.-практ. конф., Минск. 2019. – C. 164-165.Chernyavsky, A.F., Kurachkin A.V., Sadau V.S. Obrabotka i indeksirovanie denormalizannyh i slabostrukturirovannyh dannyh [Processing and indexing of denirmalized and loosely structured data]. Materialy 5 Mezhdunarodnoy nauchno-prakticheskoy konferencii “Prikladnye problemy optiki, informatiki, radiofiziki i fiziki kondensirovan-nogo sostojanija” [Proc. 5th int. conf. “Applied problems of optics, informatics, radiophysics and condensed matter physics”]. Minsk, 2019, pp. 164-165Baton, J. Learning Neo4j 3.x / J. Baton, R. V. Bruggen // Packt, – Birmingham, UK, 2017. – 316 p.Baton, J. Learning Neo4j 3.x. Birmingham, Packt, 2017, 316 p.

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