Детальная информация
| Название | Кластеризация и предобработка данных в управлении реабилитацией // Промышленный искусственный интеллект (ПИИ'2025): Всероссийская научно-практическая конференция с международным участием 3–4 июля 2025 года: cборник научных трудов |
|---|---|
| Авторы | Арсеньев Дмитрий Германович ; Мисник Антон Евгеньевич ; Шалухова Мария Александровна |
| Организация | Санкт-Петербургский политехнический университет Петра Великого |
| Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2025 |
| Коллекция | Общая коллекция |
| Тип документа | Статья, доклад |
| Язык | Русский |
| DOI | 10.18720/SPBPU/2/id25-542 |
| Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Дополнительно | Новинка |
| Ключ записи | RU\SPSTU\edoc\77879 |
| Дата создания записи | 24.12.2025 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
| Группа | Анонимные пользователи |
|---|---|
| Сеть | Интернет |
В работе рассматривается вопрос повышения качества управления реабилитацией, а также точности прогнозов и выводов, формируемых интеллектуальной системой поддержки принятия решений. Предлагается подход, основанный на совершенствовании алгоритма предобработки пользовательских данных, получаемых с помощью модуля компьютерного зрения. Отмечается проблема низкого качества исходной информации, поступающей в систему. Для её решения предлагается комбинация методов, включающая стабилизацию видеоряда, нормализацию данных и вейвлет-преобразование, что в совокупности улучшает качество итогового анализа. Для последующей кластеризации пациентов используются ANFIS-подобные нейро-нечеткие сети, что обеспечивает высокую точность персонализированных реабилитационных рекомендаций. Предложенный подход повышает эффективность реабилитационных мероприятий, делая их более адаптированными к индивидуальным потребностям пациентов, а также способствует автоматизации процессов управления реабилитацией.
This paper addresses ways to enhance rehabilitation management and to improve the accuracy of predictions and inferences generated by an intelligent decision-support system. We propose a methodology that refines the pre-processing pipeline for user data acquired through a computer-vision module. The study highlights the challenge posed by the variable quality of raw input data and introduces a combined strategy incorporating video-stream stabilization, data normalization, and wavelet transformation. Together, these techniques markedly increase the reliability of downstream analyses. Patient clustering is subsequently performed with ANFIS-like neuro-fuzzy networks, enabling highly accurate and personalized rehabilitation recommendations. The proposed approach raises the overall efficiency of rehabilitation programs, tailoring them to each patient’s specific needs while further automating rehabilitation management processes.
| Место доступа | Группа пользователей | Действие |
|---|---|---|
| Локальная сеть ИБК СПбПУ | Все |
|
| Интернет | Авторизованные пользователи СПбПУ |
|
| Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0