Preview

Информатика

Расширенный поиск

Агрегация и индексирование нескольких источников данных на основе графовой модели в базах данных медицинских экспертных систем

https://doi.org/10.37661/1816-0301-2020-17-3-25-35

Полный текст:

Аннотация

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.

Об авторах

А. В. Курочкин
Белорусский государственный университет
Беларусь

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

Минск



В. С. Садов
Белорусский государственный университет
Беларусь

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

Минск

 



Список литературы

1. Abu-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. 218-224

2. 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.

3. 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.

4. Robinson, I. Graph Databases: New Opportunities for Connected Data / I. Robinson, J. Webber, E. Eifrem // O’Reilly Media, 2 nd edition, 2015. – 238 p.

5. 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.

6. 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.

7. Baton, J. Learning Neo4j 3.x / J. Baton, R. V. Bruggen // Packt, – Birmingham, UK, 2017. – 316 p.


Для цитирования:


Курочкин А.В., Садов В.С. Агрегация и индексирование нескольких источников данных на основе графовой модели в базах данных медицинских экспертных систем. Информатика. 2020;17(3):25-35. https://doi.org/10.37661/1816-0301-2020-17-3-25-35

For citation:


Kurachkin A.V., Sadau V.S. Data aggregation and indexing support from multiple sources using graph model in medical expert system databases. Informatics. 2020;17(3):25-35. (In Russ.) https://doi.org/10.37661/1816-0301-2020-17-3-25-35

Просмотров: 182


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1816-0301 (Print)
ISSN 2617-6963 (Online)