ვადიმ რაძიევსკი

Предлагается метод диагностики состояния сложных систем, базирующийся на знаниях о диагностируемой 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 диагностике и выбора метода лечения. Разработан алгоритм установления наиболее вероятного, при заданном уровне рассмотрения диагноза. Предложен выбор лекарственных препаратов показанных при данном заболеваний на основе многих критериев.

Рассматривается задача компьютерного распознавания и оценки экологического состояния атмосферного воздуха с использованием методов искуственного интеллекта. Распознавание и оценка осуществляется на основе данных экомониторинга. Решение этой задачипозволитвыявлять изменения в основе атмосферного воздуха в реальном масштабе времени, выделять антропогенную состовляющую этих изменений на фоне природных процессов и осуществлять регулирующие и управляющие воздействия, направленные на улучшение его качества. 

Рассматривается задача ранней диагностики заболеваний на основе компьютерного анализа и распознования 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.  

Рассматривается информационная система анализа плоских сцен, которая даёт возмоность вербального  описания структуры конкретной сцены. Такое символьное описание создаёт основу для значительного  сокращения информации при сохранении существенных данных. Вербальное описание даёт основание более экономно использовать память компьютера а также сократить время передачи информации по каналам связи. Вербальное описание изображений и сцен подразумевает интерактивное общение с системой на ограниченном естественном языке с использованием ключевых слов. Это даёт возможность уточнения некоторых деталей сцены для более обоснованного принятия решений. 

Рассматривается вопрос использования знаний в задачах управления сложными системами. Знания представлены в виде соотношений между вербальным описанием объекта управления и решениями.С целью получения инвариантного описания относительно перестановки слов предложений,  предложено использование ключевых слов .Решается задача разбиения описаний ситуаций на классы по числу принимаемых решений. Каждому классу ставится в соответствие обобщённое описание, которое даёт возможность, опознать новые предложения не входящие в обучающую выборку. 

Рассматривается задача оценки участка окружающей среды с точки зрения её использования для конкретных целей. Такая оценка учитывает экологические, климатические, физические, биотические и многие другие факторы. Она осуществляется на основе многих критериев и может быть решена, например, методом многокритериальной оценки, базирующейся на теории нечётких множеств, и решаемой с участием экспертов.

განიხილება გარემოს არაცოცხალი კომპონენტების ეკოლოგიური მდგომარეობის ინტეგრალური შეფაესბის ამოცანა. ამოცანა შეიცავს ისეთ ქვეამოცანებს, როგორიც არის ამოცნობა,პროგნოზირება და სიტუაციის მიზეზ-შედეგობრივი ანალიზი. ამოცანის გადასაწყვეტად აგებულია ეკოლოგიური მონიტორინგის სწავლებადი პროგრამული მოდელი. სისტემაში ხორციელდება არაცოცხალი კომპონენტების სხვადასხვა მდგომარეობათა კლასების აღწერა (ცნებათა მოდელი). ცნებათა მოდელი ყალიბდება დასწავლის პროცესში და წარმადგენს სისტემის ცოდნას. სისტემა ახორციელებს მიზეზ-შედეგობრივ ანალიზს, რომლის მეშვეობით ხდება მიზეზთა გამოვლენა, რომლებიც იწვევენ ნეგატიურ ცვლილებებს გარემოში. მიღებული ინფორმაცია აყალიბებს სიტუაციას, რომლის საფუძველზეც მიიღება გადაწყვეტილება დაკავშირებული გარემოს ხარისხის მართვასთან.

განიხილება ინტელექტუალური სისტემის მოდელი, რომელიც ახორციელებს გარემოს ეკოლოგიური მდგომარეობის ამოცნობას და შეფასებას. ამოცნობის მიზნით გამოიყენება ლოგიკური ფუნქციები. ნაჩვენებია, რომ გარემოს ეკოლოგიური მდგომარეობის შეფასებისთვის საჭიროა ინფორმაცია მიზეზებზე, რომლებიც იწვევენ მიმდინარე მდგომარეობას და აგრეთვე ინფორმაცია გარემოს მომავალი მდგომარეობის შესახებ. მიზეზის გამოვლინების მიზნით გამოიყენება მიზეზ-შედეგობრივი სემანტიკური ქსელი. პროგნოზირების ამოცანის ამოსახსნელად გამოიყენება ანალოგია, რომელიც არსებობს სახეთა ამოცნობის და პროგნოზირების ამოცანებს შორის. ამ ანალოგიაზე დაყრდნობით შესაძლებელია გამოვიყენოთ სახეთა ამოცნობის მეთოდები. კერძოდ, მეთოდი, რომელიც დაფუძნებულია ლოგიკური ფუნქციის აგებაზე (კონცეპტუალური მიდგომა).

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 ეკოლოგიური მდგომარეობის 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 პირობებში.

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 проблема обработки данных в задачах 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 диагностики и прогнозирования первичных головных болей, используемая для поддержки принятия решений врачом.

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