Интеллектуальная рекомендательная система для реабилитации пациентов
- Авторы: Заболеева-Зотова А.В.1, Орлова Ю.А.1, Зубков А.В.1, Донская А.Р.1
-
Учреждения:
- Волгоградский государственный технический университет
- Выпуск: № 1 (2024)
- Страницы: 26-37
- Раздел: Системы поддержки принятия решений
- URL: https://journal-vniispk.ru/2071-8594/article/view/269773
- DOI: https://doi.org/10.14357/20718594240103
- EDN: https://elibrary.ru/JRKRVM
- ID: 269773
Цитировать
Полный текст
Аннотация
В работе описывается интеллектуальная рекомендательная система для восстановления и тренировки дыхательной системы человека с помощью индивидуально подобранных специальных упражнений и повышения мотивации при их выполнении. Персональные рекомендации по составу упражнений формируются на основе интерактивного интеллектуального анализа видео информации о физической активности человека с учетом его опыта. Для подбора упражнений и оценки эффективности их выполнения используются модели и методы машинного обучения. Приведены результаты апробации рекомендательной системы.
Ключевые слова
Полный текст

Об авторах
Алла Викторовна Заболеева-Зотова
Волгоградский государственный технический университет
Автор, ответственный за переписку.
Email: zabzot@gmail.com
Доктор технических наук, профессор, советник Российского центра научной информации, профессор
Россия, ВолгоградЮлия Александровна Орлова
Волгоградский государственный технический университет
Email: yulia.orlova@gmail.com
Доктор технических наук, доцент, Заведующая кафедрой
Россия, ВолгоградАлександр Владимирович Зубков
Волгоградский государственный технический университет
Email: zubkov.alexander.v@gmail.com
Старший преподаватель
Россия, ВолгоградАнастасия Романовна Донская
Волгоградский государственный технический университет
Email: donsckaia.anastasiya@yandex.ru
Старший преподаватель
Россия, ВолгоградСписок литературы
- Благосклонов Н. А., Кобринский Б. А., Петровский А. Б. Диагностика и выбор лечения печеночной недостаточности: модель мультимножества // Врач и информационные технологии. 2018. № 4. С. 83-88.
- Бородулина Е.А., Грибова В.В., Вдоушкина Е.С., Кирюшина Т.М., Агаркова А.С. Технологии искусственного интеллекта в медицине. Проблемы становления // Врач. 2023. №3. С. 5-8.
- Грибова В. В., Шалфеева Е. А. Онтологическая оболочка для конструирования сервисов прогноза и оценки состояний пациентов // Искусственный интеллект и принятие решений. 2023. № 1. С. 19-31.
- Грибова В.В., Бородулина Е.А., Окунь Д.Б., Еременко Е.П., Ковалев Р.И., Бородулин Б.Е., Амосова Е.А. База знаний для разработки интеллектуального ассистента врача-фтизиатра по управления процессом лечения больных туберкулезом легких // Врач и информационные технологии. 2023. № 2. С. 58-69.
- Зубков А. В., Степанов С. В., Носкин В. В., Сибирный Н. Д., Орлова Ю. А. Разработка рекомендательной системы для подбора тренировок // Инженерный вестник Дона. 2023. № 6 (120). С. 284-300.
- Кобринский Б. А., Григорьев О. Г., Смирнов И. В., Молодченков А. И., Благосклонов Н. А. Принципы создания интеллектуальной системы формирования и сопровождения плана мероприятий по здоровьесбережению // Цифровое здравоохранение. 2018. С. 31-33.
- Кузнецова В. П., Брук Э. И., Ларичев О. И., Нарыжный Е. В. Компьютерное обучение диагностическим навыкам (на примере диагностики тромбоэмболии легочной артерии) // Терапевтический архив. 2003. Т. 75. №. 10. С. 87-90.
- Ларичев О. И., Петровский А. Б. Системы поддержки принятия решений: современное состояние и перспективы развития// Итоги науки и техники. Теория вероятностей. Математическая статистика. Теоретическая кибернетика. 1987. Т. 21. С. 131-164.
- Официальный сайт Алгом// Электронный ресурс. URL: https://algom.ru/ (доступ 05.09.2023)
- Рыбчиц Г. М., Зубков А. В., Гомазкова Ю. С., Коршунов А. А. Разработка модели для распознавания маркеров на базе сети YOLO для детектирования циклов дыхания // Инновационные технологии в обучении и производстве. 2021. C. 139-142.
- Харькова О. А., Гржибовский А. М. Сравнение двух несвязанных выборок c использованием пакета статистических программ Stata: непараметрические критерии // Экология человека. 2014. №. 4. С. 60-64.
- Bledzhyants G. A., Mishvelov A. E., Nuzhnaya K.V., et al. The effectiveness of the medical decision-making support system" electronic clinical pharmacologist" in the management of patients therapeutic profile // Pharmacophore. 2019. V.10. No 2. P. 76-81.
- Calero Valdez A., Ziefle M., Verbert K., Felfernig A., Holzinger A. Recommender systems for health informatics: state-of-the-art and future perspectives// Machine Learning for Health Informatics: State-of-the-Art and Future Challenges. 2016. Р. 391-414.
- Chen R. C., Chiu J. Y., Batj C. T. The recommendation of medicines based on multiple criteria decision making and domain ontology — An example of anti-diabetic medicines // 2011 International Conference on Machine Learning and Cybernetics. 2011. V. 1. P. 27-32.
- Davis D. A., Chawla N. V., Christakis N. A., Barabási A. L. Time to CARE: a collaborative engine for practical disease prediction// Data Mining and Knowledge Discovery. 2010. V. 20. P. 388-415.
- Faiz I., Mukhtar H., Khan S. An integrated approach of diet and exercise recommendations for diabetes patients // IEEE 16th International Conference on e-Health Networking, Applications and Services (Healthcom). 2014. P. 537-542.
- Fluri B., Wursch M., Pinzger M., Gall H. Change distilling: Tree differencing for fine-grained source code change extraction // IEEE Transactions on software engineering. 2007. V. 33. No 11. P. 725-743.
- Furems E., Sokolova L. Experts' knowledge acquisition for differential diagnostics of bronchial asthma in children in STEPCLASS environment // International Journal of Technology, Policy and Management. 2011. V. 11. No 1. P. 68-84.
- Ge M., Ricci F., Massimo D. Health-aware food recommender system // Proceedings of the 9th ACM Conference on Recommender Systems. 2015. P. 333-334.
- Han Q., Ji M., de Troya I., Gaur M., Zejnilovic L. A hybrid recommender system for patient-doctor matchmaking in primary care // IEEE 5th International Conference on Data Science and Advanced Analytics. 2018. P. 481-490.
- Ismail W. The importance of motivation attributes in developing serious games for physical rehabilitation – A case study // MIR Preprints. 2022. No 4. Р. 47.
- Kobrinskii B. A., Grigoriev O. G., Molodchenkov A. I., Smirnov I. V., Blagosklonov N. A. Artificial intelligence technologies application for personal health management // 19th IFAC Conference on Technology, Culture and International Stability. 2019. Р. 70-74.
- Mardini M.T., Hashky A., Raś Z.W. Personalizing patients to enable shared decision making // Recommender Systems for Medicine and Music. 2021. V. 946. Р. 75–90.
- Maslova A.Y., Mishvelov A.E., Dudusheva M.J., et al. Using a decision tree with a feedback function to select therapeutic tactics for viral infection of the respiratory tract in the medical expert system // International Transaction Journal of Engineering, Management, & Applied Sciences & Technologies. 2022. V. 13. No 8. P. 1-10.
- Orlova Y., Gorobtsov A., Sychev O., Rozaliev V., Zubkov A., Donsckaia A. Method for determining the dominant type of human breathing using motion capture and machine learning// Algorithms. 2023. V. 16. No 5.
- Philip K., Owles H., McVey S., et al. An online breathing and wellbeing programme (ENO Breathe) for people with persistent symptoms following COVID-19: a parallelgroup, single-blind, randomised controlled trial // Lancet Respiratory Medicine. 2022. V. 10. No 9. Р. 851-862.
- Zhang Q., Zhang G., Lu J., Wu D. A framework of hybrid recommender system for personalized clinical prescription //The 10th International Conference on Intelligent Systems and Knowledge Engineering. 2015. P. 189-195.
Дополнительные файлы
