http://dspace.nbuv.gov.ua:80/handle/123456789/180990 Fri, 17 Apr 2026 04:31:46 GMT 2026-04-17T04:31:46Z http://dspace.nbuv.gov.ua:80/bitstream/id/541504/ http://dspace.nbuv.gov.ua:80/handle/123456789/180990 http://dspace.nbuv.gov.ua:80/handle/123456789/181003 Development of the Remote Heart Health Monitoring System Boreiko, M.; Budnyk, M. The requirements to the telemedicine system for recording, processing, and reporting of electrocardiography signals are considered. The architecture and software and hardware implementation of such a system are proposed. A telemedicine system intended for remote monitoring of patients was developed. The system records, processes, and stores ECG signals and heart rate variability of patients and provides visual reporting via a user-friendly web interface. Nowadays the system is being tested in the Finnish company Cardiolyse.; Цель работы. Разработка облачного программного решения для удаленного мониторинга пациентов с сердечно-сосудистыми заболеваниями с помощью портативного устройства ЭКГ. Мы предлагаем полную архитектуру, которая включает в себя серверные компоненты (базы данных, вычислительные ресурсы, шлюзы, очереди, балансировщики нагрузки и другие) и клиентские компоненты (мобильное приложение для Android и iOS и приложение веб-браузера). Результаты. Мы предложили, спроектировали, внедрили и протестировали полное комплексное облачное решение для удаленного мониторинга пациентов с сердечно-сосудистыми заболеваниями. Безопасность системы обеспечивается разделением единой базы данных на три отдельные базы данных (база данных с данными пациента, база данных с данными ЭКГ и база данных карт), скрытием всех серверных компонентов в виртуальной частной сети и передачей данных через безопасное соединение HTTPS.; Мета роботи. Розробка хмарного програмного рішення для віддаленого моніторингу пацієнтів із серцево-судинними захворюваннями за допомогою портативного пристрою ЕКГ. Ми пропонуємо повну архітектуру, яка включає у себе серверні компоненти (бази даних, обчислювальні ресурси, шлюзи, черги, балансувальник навантаження та інші) і клієнтські компоненти (мобільний додаток для Android і iOS і додаток веб-браузера). Результати. Ми запропонували, спроектували, впровадили і протестували повне комплексне хмарне рішення для віддаленого моніторингу пацієнтів із серцево-судинними захворюваннями. Безпека системи забезпечується поділом єдиної бази даних на три окремі бази даних (база даних з даними пацієнта, база даних з даними ЕКГ і база даних карт), приховуванням усіх серверних компонентів у віртуальної приватної мережі та передачею даних через безпечне з'єднання HTTPS. Fri, 01 Jan 2021 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/181003 2021-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/181002 Аналіз застосування детектору SQL ін’єкцій побудованого на основі штучного інтелекту у безсерверній архітектурі Науменко, Т.О.; Черномаз, В.С. Стаття є аналізом детектора SQL ін’єкцій побудованого на основі алгоритму машинного навчання у безсерверній архітектурі. Автор розглядає різні алгоритми класифікації даних та наводить результати їх роботи у хмарі, зокрема на платформі Google Cloud Platform.; Цель статьи. Проанализировать и показать эффективность использования машинного обучения в задачах обеспечения безопасности информационной системы, работающей в рамках безсерверной архитектуры. Результаты. Спроектирована и разработана система, которая при помощи алгоритмов машинного обучения классифицирует поступающие на сервер запросы. Данная система развернута в облачном хостинге Google Cloud Platform и внедрена в приложение построенное по принципу безсерверной архитектуре. Для сравнения эффективности системы использовалось несколько алгоритмов машинного обучения, для каждого из которых была подсчитана точность определения опасный и безопасных запросов. Также было измерено среднее время выполнения одного запроса с каждым алгоритмом.; The purpose of the paper is to analyse and show effectiveness of usage of machine learning in information system security provisioning tasks with the system working in serverless architecture. Results. A system is designed and developed which with the help of machine learning classifies received requests. The system is deployed to the cloud hosting Google Cloud Platform and integrated into an application which is designed according to the serverless architecture principles. Multiple algorithms were used to compare effectiveness of the system and percentage of successful results were calculated for each of them. Also, an average time of request execution is calculated for each algorithm. Fri, 01 Jan 2021 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/181002 2021-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/181001 On Biomedical Computations in Cluster and Cloud Environment Bardadym, T.; Gorbachuk, V.; Novoselova, N.; Osypenko, S.; Skobtsov, V.; Tom, I. The experience of the use of applied containerized biomedical software tools in cloud environment is summarized. The reproducibility of scientific computing in relation to modern technologies of scientific calculations is discussed. The main approaches to biomedical data preprocessing and integration in the framework of the intelligent analytical system are described.; Мета роботи. Опис сучасних технологій, що забезпечують відтворюваність чисельних експериментів у цій галузі, та інструментів, спрямованих на інтеграцію декількох джерел біомедичної інформації з метою поліпшення діагностики і прогнозу складних захворювань. Особлива увага приділяється методам обробки даних, отриманих з різних джерел біомедичної інформації і включеним до складу інтелектуальної аналітичної системи. Отримані результати. Узагальнено досвід використання прикладних контейнерних біомедичних програмних засобів у хмарному середовищі. Обговорюється відтворюваність наукових обчислень і можливості сучасних технологій наукових обчислень. Описано основні підходи до попередньої обробки та інтеграції біомедичних даних у рамках інтелектуальної аналітичної системи. Розроблена модель гібридної класифікації є основою інтелектуальної аналітичної системи і спрямована на інтеграцію декількох джерел біомедичної інформації.; Цель работы. Описание современных технологий, обеспечивающих воспроизводимость численных экспериментов в этой области, и инструментов, направленных на интеграцию нескольких источников биомедицинской информации с целью улучшения диагностики и прогноза сложных заболеваний. Особое внимание уделяется методам обработки данных, полученных из разных источников биомедицинской информации и включенным в состав интеллектуальной аналитической системы. Полученные результаты. Обобщен опыт использования прикладных контейнерных биомедицинских программных средств в облачной среде. Обсуждается воспроизводимость научных вычислений и возможности современных технологий научных вычислений. Описаны основные подходы к предварительной обработке и интеграции биомедицинских данных в рамках интеллектуальной аналитической системы. Разработанная модель гибридной классификации представляет собой основу интеллектуальной аналитической системы и направлена на интеграцию нескольких источников биомедицинской информации. Fri, 01 Jan 2021 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/181001 2021-01-01T00:00:00Z http://dspace.nbuv.gov.ua:80/handle/123456789/181000 Про методи класифікації прихованих концептів мови у спеціалізованих текстах із залученням псевдообернення, кластеризації і групування ознак Крак, Ю.В.; Куляс, А.І.; Петрович, В.М.; Кузнєцов, В.О. В роботі розглянуто задачу порівняння концептів мови у наукових текстах. Для обробки текстів сформовано корпус текстів, які перетворювалися за мірою TF-IDF у поєднанні з перетворенням Карунена – Лоева та T-стохастичним групуванням найближчих сусідів (T-SNE). Отримана структура класифікатора прихованих концептів у вибірці наукових текстів із використанням дерев рішень, досягнуто точність розпізнавання (97–99 %) на зразках текстових даних Досліджено стійкість до збурення вихідних даних варіаційним автокодувальником.; Рассмотрена проблема анализа концептов в научных текстах на украинском языке с использованием методов интеллектуального анализа текста, уменьшение размерности данных и группирования признаков.; This paper discusses the problems of analysis of hidden language concepts in scientific texts in the Ukrainian language, using methods of text mining, dimensionality reduction, grouping of features and linear classifiers. Fri, 01 Jan 2021 00:00:00 GMT http://dspace.nbuv.gov.ua:80/handle/123456789/181000 2021-01-01T00:00:00Z