Кибернетика и вычислительная техника, 2017, вип. 3 (189)

Вниманию авторов

2017-10-14T00:03:20Z

Вниманию авторов

The Decision Support Model for Forecasting of Wounded and Sick Restoration in Hospital Conditions Based on Psychophysiological Data

2017-10-14T00:03:13Z

The Decision Support Model for Forecasting of Wounded and Sick Restoration in Hospital Conditions Based on Psychophysiological Data Shvets, A.V.; Kich, A.Y. The purpose of the study is to elaborate the decision support model for medical recovery assessment by estimation of functional state of wounded and sick persons during their treatment in hospital conditions to substantiate the necessity of a further rehabilitation.; Выявлены особенности восстановления характеристик ВСР и ЭЭГ, которые заключаются в существенно худшем восстановлении функционального состояния (ФС) группы военнослужащих с контузией головного мозга по сравнению с лицами, которые не имели контузии мозга в анамнезе (соответственно 23,3% и 83, 4% лиц с положительной динамикой, p <0,001). Описаны структурные особенности 3-х ЭЭГ-феноменов, которые встречаются у лиц с контузией головного мозга. Анализ межсистемных связей ЭЭГ и ВСР дополнительно свидетельствует о медленном восстановлении ФС у лиц I группы. С помощью факторного анализа нормированных характеристик изменения показателей ЭЭГ и ВСР до и после восстановительного лечения построена регрессионная модель поддержки принятия решения с целью прогнозирования реабилитационного потенциала человека и эффективности реабилитации в госпитальных условиях.; Виявлені особливості відновлення характеристик ВСР і ЕЕГ полягають в істотно гіршому відновленні функціонального стану (ФС) групи військовослужбовців з контузією головного мозку в порівнянні з особами, які не мали контузії мозку в анамнезі (відповідно 23,3% та 83, 4% осіб з позитивною динамікою, p < 0,001). Описано структурні особливості 3-х ЕЕГ-феноменів, які зустрічаються у осіб з контузією головного мозку. Аналіз міжсистемних зв'язків ЕЕГ і ВСР додатково свідчить про повільне відновлення ФС у осіб I групи. За допомогою факторного аналізу нормованих характеристик зміни показників ЕЕГ і ВСР до і після відновного лікування побудована регресійна модель підтримки прийняття рішення з метою прогнозування реабілітаційного потенціалу людини і ефективності реабілітації в госпітальних умовах.

Інформаційний супровід досліджень динаміки відновлення рухів після інсульту

2017-10-14T00:03:17Z

Інформаційний супровід досліджень динаміки відновлення рухів після інсульту Вовк, М.І.; Куцяк, О.А.; Лаута, А.Д.; Овчаренко, М.А. Розроблено методику кількісної оцінки ефективності відновлення рухових функцій у хворих після інсульту. Особливість методики полягає в кількісній оцінці динаміки дефіциту рухових функцій окремо ураженої нижньої і верхньої кінцівок, їх проксимальних і дистальних відділів, у тому числі тонкої моторики кисті, за основними і додатковими критеріями. Методика дозволяє дослідити внесок цих показників в інтегральну кількісну оцінку ефективності відновлення рухів при реабілітаційних заходах. Призначена для інформаційної підтримки прийняття лікарських рішень з формування індивідуального плану реабілітації рухових і мовленнєвих функцій у хворих після інсульту. Пройшла пілотну клінічну апробацію при дослідженнях динаміки відновлення рухів після інсульту за інноваційною технологією тренування / відновлення рухових функцій ТРЕНАР®.; Разработана методика количественной оценки эффективности восстановления двигательных функций у больных после инсульта. Особенность методики состоит в количественной оценке динамики дефицита двигательных функций отдельно пораженных нижней и верхней конечностей, их проксимальных и дистальных отделов, в том числе тонкой моторики кисти, по основным и дополнительным критериям. Методика позволяет исследовать вклад этих показателей в интегральную количественную оценку эффективности восстановления движений при реабилитационных мероприятиях. Предназначена для информационной поддержки принятия врачебных решений по формированию индивидуального плана реабилитации двигательных и речевых функций у больных после инсульта. Прошла пилотную клиническую апробацию при исследованиях динамики восстановления двигательных функций после инсульта при использовании инновационной технологии тренировки / восстановления движений ТРЕНАР®; The purpose of the research is to determine criteria for separately quantifying recovery dynamics in proximal and distal parts of the upper and lower extremities, as well as to perform an integral quantitative assessment of the severity of motor function disorders after a stroke. Results. The method for quantitative estimation of the effectiveness of motor function rehabilitation after a stroke was developed.

Автоматичне визначення рiвня гаусового шуму на цифрових зображеннях методом видiлених областей

2017-10-14T00:03:16Z

Автоматичне визначення рiвня гаусового шуму на цифрових зображеннях методом видiлених областей Баловсяк, С.В.; Одайська, Х.С. Розроблено метод автоматичного визначення рівня шуму на цифрових зображеннях, а саме середнього квадратичного відхилення гаусового шуму. Рівень шуму обчислюється за середнім квадратичним відхиленням гістограми для виділеної області зображення, на якій наявний, в основному, шум. Запропонований метод програмно реалізовано в системі MATLAB. Оброблення тестових зображень з використанням запропонованого методу дало змогу отримати меншу похибку обчислення рівня шуму ніж іншими сучасними методами.; Разработан метод автоматического определения уровня шума на цифровых изображениях, а именно среднего квадратичного отклонения гауссовского шума. Уровень шума вычисляется через среднее квадратичное отклонение гистограммы для выделенной области изображения, на которой имеется, в основном, шум. Предложенный метод программно реализован в системе MATLAB. При обработке тестовых изображений предложенным методом получена меньшая погрешность вычисления уровня шума, чем при использовании других современных методов.; The purpose of the article is to develop an automatic method of Gaussian noise level determination in digital images, which uses the selection of image region based on its lowfrequency filtering and performs calculation of noise level by analyzing of histograms of the selected region. The article is aimed at software implementation of the elaborated method in the MATLAB system and estimation of its accuracy by processing the collection of test images.