Аннотация:Развитие информационных технологий в последние десятилетия, связанное с резким скачком вычислительных мощностей, возникновением облачных сервисов хранения данных и высокоскоростными каналами передачи данных поспособствовало масштабному внедрению методов анализа данных, таких как «Машинное Обучение» («Machine Learning»), включая задачу классификации данных.
Целью применения машинного обучения является частичная или полная автоматизация решения сложных профессиональных задач в самых разных областях человеческой деятельности, включая медицину. Венозная тромбоэмболия является одной из самых распространенных причин смерти людей, при этом из них 67% предотвратимы при своевременном диагностировании болезни.
Моделирование состоит из двух этапов. На первом этапе при помощи метода решеточных уравнений Больцмана производится численное моделирование течения кровотока в сосуде. Наличие тромбов разных размеров или их отсутствие приводит к возникновению характерных механических колебаний плотности, представляющие собой акустические волны. Вторым этапом является использование алгоритмов машинного обучения для классификации акустических сигналов.
Разработанная модель классификации слабых акустических сигналов, возникающих внутри кровотока при наличии тромбов (или их отсутствии) позволит осуществлять в автоматическом режиме медицинский экспресс-скрининг нарушений венозной проходимости.