Система IoT для диагностики болезни Паркинсона с использованием нейронных сетей и OSTIS
Another Title
IoT system architecture for the diagnosis of Parkinson's disease using neural networks and OSTIS
Bibliographic entry
Вишняков, В. А. Система IoT для диагностики болезни Паркинсона с использованием нейронных сетей и OSTIS = IoT system architecture for the diagnosis of Parkinson's disease using neural networks and OSTIS / В. А. Вишняков, И. В. Ся // Системный анализ и прикладная информатика. – 2024. – № 2. – С. 52-60.
Abstract
Цель данной работы состоит в том, чтобы разработать систему ИТ-диагностики болезни Паркинсона (БП) с удаленным доступом на базе сети Интернета вещей (IoT). Авторы ранее разработали метод комплексного распознавания болезни Паркинсона с использованием машинного обучения, маркерах анализа голоса и изменениях в движениях пациента. Два общедоступных набора данных (sound, action) были выбраны в качестве экспериментальных. В статье приведена его реализация на базе сети IoT. Разработка сети выполнена с использованием OSTIS (Open Semantic Technology for Intelligent Systems). В сети IoT смартфон является точкой ввода и предварительной обработки двух наборов данных, включая извлечение признаков из аудиозаписи голоса пациента и его двигательной активности. Передача данных осуществляется через локальный сервер Flask, действующий как канал для пересылки функциональных данных на сервер OSTIS. Сервер OSTIS обрабатывает данные, полученные с локального сервера Flask, и использует агента прогнозирования нейронной сети для распознавания БП. Этот агент загружает признаки, извлеченные из голоса и движения пациента, и делает прогнозы на основе обученной нейронной сети, связывая эти прогнозы со знаниями в системе OSTIS, и сохраняет их в базе данных. Результатом исследования является архитектура и алгоритмы работы сети IoT. Рабочий процесс всей системы включает в сбор и предварительную обработку данных устройствами Интернета вещей (смартфоном, датчиками движения) последующую передачу данных на локальный сервер Flask, дальнейшую пересылку на сервер OSTIS, обработку модели нейронной сети агентом нейросетевого предсказателя и, в конечном счете, связывание обработанных результатов с графом знаний и сохранение их в системе. Система удаленной ИТ-диагностики БП обеспечивает обработку данных пациентов в режиме реального времени, распознавание признаков заболевания в сети Интернета вещей, поддержки расширенного анализа и принятия решений по дальнейшему лечению.
Abstract in another language
The purpose of this work is to develop an IT diagnostic system for Parkinson's disease (PD) with remote access based on the Internet of Things (IoT) network. Methods. The authors have developed a method for complex recognition of Parkinson's disease using machine learning, based on markers of voice analysis and changes in patient movements on known datasets. In the architecture of the Internet of Things network, a smartphone is the point of initial data collection and preprocessing, including extracting features from an audio recording of the patient's voice and his motor activity. Data is transmitted via a local Flask server, which acts as a channel for sending functional data to the Open Semantic Technology for Intelligent Systems (OSTIS) server. The OSTIS server processes the data received from the local Flask server and uses a neural network prediction agent to recognize BP. This agent downloads features and makes predictions based on a trained neural network, linking these predictions with knowledge in the OSTIS system, and stores them in a database. The result of the study is the architecture and algorithms of the IoT network. The workflow of the entire system includes data collection and preprocessing by the Internet of Things device, subsequent data transfer to the local Flask server, further forwarding to the OSTIS server, processing of the neural network model by a neural network predictor agent and, ultimately, linking the processed results to the knowledge graph and storing them in the system. The BP remote IT diagnostics system provides real-time processing of patient data, recognition of disease signs on the Internet of Things, support for advanced analysis and decision-making for further treatment.
View/
Collections
- № 2[8]