в Интернете 
Українська  English  Русский  

DOI: 10.31071/kit2014.11.05


Опись-ссылка ISSN 1812-7231 Klin.inform.telemed. Volume 10, Issue 11, 2014, Pages 45–53


Автор(ы) Г. В. Кнышов1, А. С. Коваленко2, Е. А. Настенко3, С. О. Сиромаха1, А. В. Демин4, С. Я. Свистунов5, А. А. Пезенцали2, А. В. Яковенко3, О. А. Романюк2


Учреждение(я)

1Национальный институт сердечно-сосудистой хирургии им. Н. М. Амосова НАМН Украины, Киев

2Международный научно-учебный центр информационных технологий и систем НАН Украины и МОН Украины, Киев

3Национальный технический университет Украины "Киевский политехнический институт"

4Институт сцинтилляционных материалов НАН Украины, Харьков

5Институт теоретической физики им. Н. Н. Боголюбова НАН Украины, Киев


Название статьи Создание и внедрение Грид-системы в лечебно-диагностическое кардиохирургическое отделение


Аннотация (резюме)

Введение. В настоящее время происходит интенсивное использование информационных технологий в медицине. Одной из таких технологий является Грид-система.

Цель. Для сбора и обработки медицинских цифровых изображений больших объемов необходимы системы, что способны накапливать большие объемы данных, полученные при диагностических исследованиях, и проводить их автоматизированную обработку в сжатые сроки.

Результаты и обсуждение. Интеллектуальный анализ необходим для идентификации пациентов с высоким риском развития осложнений сердечной недостаточности после операции, что необходимо для улучшения и изменения тактики лечебного процесса в целом, и мотивирует врачей к информационному накоплению и анализу данных.

Заключение. Развитие Грид-технологий в медицине является актуальным и перспективным для получения новых научных знаний и для облегчения ежедневной практики медицинского персонала.


Ключевые слова Грид-система; цифровые изображения; интеллектуальный анализ данных; базы данных; информационная система


Список литературы

1. The Grid, Blueprint for a New computing Infrastructure. Ed. by I. Foster, C. Kesselman, Morgan Kaufmann Publ., 1998, 593 p.

2. The Grid 2: Blueprint for a New Computing Infrastructure. Ed. by I. Foster, C. Kesselman, Morgan Kaufmann Publ., 2004, 748 p.

3. Дюк В., Самойленко А. Data Mining: учебный курс. СПб., Питер, 2001, 368 c.

4. Григорьев С. Г., Юнкеров В. И., Клименко Н. Б. Логистическая регрессия. Многомерные методы статистического анализа категориальных данных медицинских исследований. Уч. пособие. СПб, 2001, cc. 10–21.

5. Ким Дж.-О., Мьюллер Ч. У., Клекка У. Р. и др.; Факторный, дискриминантный и кластерный анализ. Под ред. И. С. Енюкова. М., Финансы и статистика, 1989, 215 с.

6. Jakulin A., Bratko I. Quantifying and Visualizing Attribute Interactions. An Approach Based on Entropy, PKDD, 2004, vol. 3, pp. 229–240.

7. Яковенко А. В., Руденко А. В., Настенко Е. А., Руденко Н. Л., Павлов В. А. Выявление структуры факторов риска развития острой сердечной недостаточности в раннем послеоперационном периоде. Восточно-европейский журнал передовых технологий, 2013, т. 3, вып.10 (63), сс. 4–8.


Полнотекстовая версия http://kit-journal.com.ua/ru/viewer_ru.html?doc/2014_11/8.pdf