ნორა ჯალიაბოვა

მრავალი დაავადება გამოწვეულია ადამიანის ორგანიზმზე მოქმედი სხვადასხვა ფაქტორებით, ამიტომ მნიშვნელოვანია, რომ შევძლოთ იმ გარემოს ხარისხის მართვა, რომელშიც ჩვენ ვიმყოფებით. ეს ამცირებს ან გამორიცხავს ამა თუ იმ საშიში დაავადებების რისკს.

დახურული შენობების შიდა გარემოს შესაძლო დამაბინძურებლებსა და მათი გამომწვევი მიზეზების ურთიერთკავშირის ცოდნის, აგრეთვე საცხოვრებელ გარემოში ადამიანის ჯანმრთელობაზე მოქმედი ნეგატიური ეკოლოგიური ცვლილებების შესახებ არსებული ინფორმაციის საფუძველზე გამოტანილია დასკვნა იმ შესაძლო წყაროებისა და მიზეზების შესახებ, რომლებიც ქმნიან დაკვირვებადი დარღვევების ერთობლიობას.

Предложен метод компьютерной диагностики состояния сложных систем, базирующийся на знаниях о 

диагнозируемой системе. Эти знания включают описания возможных нарушений компонентов системы, а также информацию о взаимосвязях, существующих между нарушениями. Решается задача автоматизации выбора решений, направленных на устранение нарушений по критериям, которые заданы и оценены экспертами. Решение задачи проиллюстрировано на примере медицинской диагностики и выбора метода лечения. Разработан алгоритм установления наиболее вероятного, при заданном уровне рассмотрения, диагноза. Предложен метод выбора лекарственных препаратов показанных при данном заболевании на основе многих критериев.

Рассматривается задача ранней диагностики заболеваний на основе компьютерного анализа и распознавания формы изображения эритроцитов. Проведена обработка изображения эритроцитов и выделены признаки, на основе которых осуществляется их распознавание, а, следовательно, и диагностика заболеваний. Разработаны алгоритмы обработки и распознавания изображения эритроцитов.

Разработан алгоритм оценки состояния среды с помощью экологических нормативов предельно допустимых концентраций вредных веществ, которые могут быть в жилых помещениях и офисах, и способа изменения этих показателей путем устранения источников данных выбросов. Для этого вначале дается оценка фактического состояния среды, т.е. устанавливается степень «опасности», а затем происходит регулирование качества среды с помощью установления причин, дающих такую оценку. Таким образом можно управлять качеством среды в помещениях, тем самым снижая или устраняя риск тех или иных опасных заболеваний

Рассматривается информационная система анализа плоских сцен, позволяющая составить вербальное описание структуры конкретной сцены. Такое символическое описание даёт возможность значительно уменьшить количество информации, содержащейся в изображении, сохраняя при этом всё то существенное, что необходимо для принятия решений. Такое вербальное описание даёт возможность значительно сэкономить память компьютера при хранении информации, а также сократить время, необходимое для передачи информации, содержащейся в изображении по каналам связи.

Вербальное описание изображений и сцен предусматривает возможность интерактивного общения с системой на ограниченном естественном языке путём использования ключевых слов. Это позволит уточнить некоторые детали для более обоснованных решений.

The problem recognizing and estimating the ecological state of the environment in closed quarters using the method of artificial intelligence is considered. Health-hygienic and ecological regulations determine the quality of the environment with respect to the human’s health and the state of the ecosystem, but they don’t indicate the source of influence and don’t regulate its activity. The way of reducing or removing the risk of dangerous diseases caused by the impact of negative factors of the environment in the quarters is offered.

В данной работе предлагаются методы решения неформализованных задач диагностики сложных систем на 

основе концептуальног подхода. Диагностирование состояния системы рассматривается как задача 

классификации и распознавания, а построение обобщенного описания классов осуществляется путём обучения на примерах. Предложенные методы обеспечивают отнесение новых состояний к определенному классу (экстраполяцию) как для количественных, так и для качественных значений признаков. На основе этих методов была решена неформализованная задача дифференциальной диагностики мигрени и головной боли напряжения.

В данной работе предлагаются методы решения неформализованных задач диагностики сложных систем на 

основе концептуальног подхода. Диагностирование состояния системы рассматривается как задача 

классификации и распознавания, а построение обобщенного описания классов осуществляется путём обучения

 на примерах. Предложенные методы обеспечивают отнесение новых состояний к определенному классу 

(экстраполяцию) как для количественных, так и для качественных значений признаков. На основе этих методов

 была решена неформализованная задача дифференциальной диагностики мигрени и головной боли 

напряжения.

განიხილება გარემოს ეკოლოგიური მდგომარეობის შეფასების ამოცანა. ნაჩვენებია, რომ გარემოს ეკოლოგიურიმდგომარეობის დიაგნოსტირების შედეგად მიღებული ინფორმაცია არ არის საკმარისი მისი ადეკვატური შეფასებისთვის. ამოცანის გადასაწყვეტად აგრეთვე საჭიროა გარემოს ეკოლოგიური მდგომარეობის პროგნოზირების და მიზეზ-შედეგობრივი ანალიზის შედეგად მიღებული ინფორმაცია. შემოთავაზებულია ინტელექტუალური სისტემის მოდელი, რომელიც იყენებს მათემატიკური ლოგიკის, ბულის ალგებრის და დისკრიმინანტული ანალიზის მეთოდებს.

განიხილება ინტელექტუალურ საინფორმაციო სისტემებში ცოდნის ორგანიზების საკითხი დიაგნოსტირების არაფორმალიზებული ამოცანების გადაწყვეტისას. შემოთავაზებულია რთული სისტემების მდგომარეობათა დიაგნოსტირების მეთოდი, რომელიც მუშაობს როგორც რაოდენობრივი, ასევე თვისობრივი მონაცემების შემთხვევაში. მდგომარეობათა კლასის აღმწერი ფუნქციის სახით მიიღება მაღალინფორმატიული პრედიკატი - კონიუნქციების დიზიუნქცია, რომელთაგან თითოეული ხასიათდება სარწმუნოების კოეფიციენტით. ყოველივე ეს საშუალებას იძლევა წარმოვადგინოთ მიღებული ევრისტიული ცოდნა პროდუქციული მოდელით სარწმუნოების კოეფიციენტების გამოყენებით, რომელიც ეფექტურად მუშაობს მონაცემების და 

ცოდნის არამკაფიობის, გაურკვევლობის და არასრულობის 

საფუძველზე. გადაჭრილია გადაწყვეტილების არჩევის ავტომატიზაციის ამოცანა. სისტემა რეალიზებულია მუცლის ღრუს `მწვავე~ დაავადების მაგალითზე. ცოდნა შეიცავს დაავადების აღწერას და ინფორმაციას იმ კავშირების შესახებ, რომლებიც არსებობენ სიმპტომებს და დაავადებათა შორის. სისტემა მუშაობს დიალოგურ რეჟიმში. ექიმთან დიალოგი ბუნებრივ ენაზე მიმდინარეობს. ამ დიალოგის საფუძველზე სისტემა ამოიცნობს დაავადებას და ადგენს დიაგნოზს. სისტემაში გათვალისწინებულია ცოდნის შევსება და განახლება დიალოგის რეჟიმში. ამიტომ მისი გამოყენება შესაძლებელია სხვა დიაგნოსტირების ამოცანებისთვისაც.

შეთავაზებულია რთული სისტემების დიაგნოსტირების არაფორმალიზებული ამოცანის ამოხსნის 

მეთოდები კონცეპტუალური მიდგომის საფუძველზე. რთული სისტემის დიაგნოსტირება განიხილება როგორც კლასიფიცირების და სახეთა გამოცნობის ამოცანა, ხოლო კლასების განზოგადებული აღწერის აგება ხორციელდება მაგალითებზე დასწავლის გზით. შეთავაზებული მეთოდები უზრუნველყოფენ ახალი მდგომარეობების მიკუთვნებას გარკვეული კლასისადმი (ექსტრაპოლიაციას) როგორც რაოდენობრივი, ასევე თვისობრივი ნიშნებისთვის. ამ მეთოდების გამოყენებით გადაწყვეტილია შაკიკის და დაძაბულობის ტიპის თავის ტკივილის დიფერენციალური დიაგნოსტირების არაფორმალიზებული ამოცანა.

Рассматривается медицинской диагностики как одна из задач 

интеллектуального анализа данных (Data Mining). В качестве метода интеллектуального анализа данных 

предлагается логический метод распознавания на основе концептуального подхода, а также алгоритм 

бинаризации количественных признаков, обеспечивающие эффективность правила–классификатора с точки зрения как диагностирующей, так и дифференцирующей способностей.

Огромное количество разнородных данных, генерируемых в современной медицине, требуют развития новых технологий по анализу данных с целью выявления определенных закономерностей и скрытых знаний. Именно методы интеллектуального анализа данных (Data Mining) предоставляют новые возможности для решения этой актуальной задачи. В статье рассмотрены особенности медицинских данных и основные задачи, связанные с их анализом и обработкой. Дан краткий обзор методов и алгоритмов интеллектуального анализа данных, наиболее часто используемых в сфере медицины; рассмотрены их преимущества и недостатки; приведены примеры их практического применения для решения различных задач медицинской диагностики и прогнозирования, а также наиболее актуальные направления развития технологий интеллектуального анализа медицинских данных.

Рассматривается задача анализа медицинских данных как одна из задач интеллектуального анализа данных (Data Mining). В качестве методов ее решения  предлагаются методы машинного обучения - логический метод классификации на основе концептуального подхода и нейронные сети прямого распространения. Для обучения сети используется алгоритм обучения с исправлением ошибок. На основе результатов, полученных при применении этих методов, построена интеллектуальная система 

Рассматривается задача анализа медицинских данных с целью выявления часто встречающихся симптомов и наборов симптомов для данного заболевания. Для анализа данных используется метод поиска ассоциаций, который позволяет оценить специфичность найденных симптомов и достоверность диагностических правил, построенных на основе выявленных ассоциаций. Предложенный метод был применен для обработки клинических данных ряда эндокринологических заболеваний. Полученные ассоциативные правила были использованы для формирования базы знаний медицинской интеллектуальной системы, предназначенной для диагностирования эндокринологических заболеваний.

Рассматривается интеллектуальная система диагностики заболеваний, использующая медицинские знания и способная к обучению. В качестве модели знаний используется семантическая сеть, представленная в виде матрицы отношений. И сеть, и матрица задают отношения между симптомами и вызывающими их причинами. Дугам сети и соответствующей матрице приписаны весовые коэффициенты. Эти коэффициенты формируются в процессе обучения. Для принятия решения по установлению диагноза используется линейное преобразование вектора, определяющего наличие симптомов с помощью матрицы заболеваний. Для принятия решения также используется метод, базирующийся на теории нечётких множеств. Эти методы были использованы на примере решения задачи диагностики первичных головных болей.

დისერტაციის რეცენზირება

სამაგისტრო ნაშრომების ხელმძღვანელობა

სადოქტორო თემის ხელმძღვანელობა/თანახელმძღვანელობა

უცხოურ ენებზე მონოგრაფიის სამეცნიერო რედაქტირება

ქართულ ენაზე მონოგრაფიის სამეცნიერო რედაქტირება

რეფერირებული ან პროფესიული ჟურნალის/ კრებულის მთავარი რედაქტორობა

სამეცნიერო პროფესიული ჟურნალის/ კრებულის რეცენზენტობა

რეფერირებული სამეცნიერო ან პროფესიული ჟურნალის/ კრებულის სარედაქციო კოლეგიის წევრობა

საერთაშორისო ორგანიზაციის მიერ მხარდაჭერილ პროექტში/გრანტში მონაწილეობა

სახელმწიფო ბიუჯეტის სახსრებით მხარდაჭერილ პროექტში/ გრანტში მონაწილეობა

პატენტის ავტორობა

უფლება ქართულ ან უცხოურ სასაქონლო ნიშანზე, სასარგებლო მოდელზე

საქართველოს მეცნიერებათა ეროვნული აკადემიის ან სოფლის მეურნეობის აკადემიის წევრობა

საერთაშორისო პროფესიული ორგანიზაციის წევრობა

კონფერენციის საორგანიზაციო/ საპროგრამო კომიტეტის წევრობა

ჯილდო ეროვნული/ დარგობრივი პრემია, ორდენი, მედალი და სხვ.

საპატიო წოდება

მონოგრაფია

სახელმძღვანელო

სტატია მაღალ რეიტინგულ და ადგილობრივ ჟურნალებში

პუბლიკაცია სამეცნიერო კონფერენციის მასალებში, რომლებიც ინდექსირებულია Web of Science-ში და Scopus-ში