The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems
The methods of mathematical statistics for the processing of diagnostic information, the methods of mathematical modeling (stepwise logistic regression) — for the construction of prognostic models for estimating the course of epilepsy were used; methodological bases for the creation of information t...
Збережено в:
| Опубліковано в: : | Cybernetics and computer engineering |
|---|---|
| Дата: | 2020 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України
2020
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/179140 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems / O.K. Biloshytska, Ie.A. Nastenko, V.A. Pavlov // Cybernetics and computer engineering. — 2020. — № 1 (199). — С. 19-38. — Бібліогр.: 26 назв. — англ. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-179140 |
|---|---|
| record_format |
dspace |
| spelling |
Biloshytska, O.K. Nastenko, Ie.A. Pavlov, V.A. 2021-04-08T17:28:37Z 2021-04-08T17:28:37Z 2020 The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems / O.K. Biloshytska, Ie.A. Nastenko, V.A. Pavlov // Cybernetics and computer engineering. — 2020. — № 1 (199). — С. 19-38. — Бібліогр.: 26 назв. — англ. 2663-2578 DOI: https://doi.org/10.15407/kvt199.01 https://nasplib.isofts.kiev.ua/handle/123456789/179140 004.942+519.2+519.7+616.8 The methods of mathematical statistics for the processing of diagnostic information, the methods of mathematical modeling (stepwise logistic regression) — for the construction of prognostic models for estimating the course of epilepsy were used; methodological bases for the creation of information technology for the diagnosis of epilepsy according to the EEG. Results. Changes in indicators such as Hurst Index, fractal dimension, logistic mapping, and algorithmic signal complexity have been investigated. The mathematical models include variables that are calculated from the EEG data and are available during patient observation. As a result of the application of step-by-step algorithms, the most informative features are included in the models. The selected features allow for the most accurate identification of individual periods of epilepsy flow from the EEG data. It has been established that the use of a decision support system increases the reliability of determining the periods of an epileptic seizure (conditional norm, before, during and after an attack) by an average of 6.6% for children and 8% for adults. Було використано методи математичної статистики для оброблення діагностичної інформації, методи математичного моделювання (покрокова логістична регресія) для побудови прогностичних моделей оцінювання перебігу епілепсії; методи створення інформаційних технологій діагностики епілепсії за даними ЕЕГ. Результати. Було досліджено зміни таких показників, як показник Херста, фрактальна розмірність, логістичне відображення та алгоритмічна складність сигналу. За допомогою покрокового логістичного регресійного аналізу побудовано прогностичні моделі для виявлення ризику настання певного періоду за ЕЕГ. Застосування нелінійних моделей дало змогу суттєво підвищити чутливість, специфічність та точність навіть на тестових вибірках. Застосування розробленої інформаційної технології надало можливість підвищити достовірність визначення періодів епілептичного нападу (умовної норми, перед нападом, нападу та після нападу) в середньому на 6,6 % у дітей та на 8 % у дорослих. Проблема диагностики и выявления момента, предшествующего эпилептическому припадку или других периодов функционирования головного мозга у больных эпилепсией является проблемой не только выбора метода классификации, но и определения количественных оценок динамики, отражающих сложность и вариабельность сигнала ЭЭГ. Были исследованы изменения таких показателей, как показатель Херста, фрактальная размерность, логистическое отображение и алгоритмическая сложность сигнала. С помощью пошагового логистического регрессионного анализа построены прогностические модели для выявления риска наступления определенного периода по ЭЭГ. Применение нелинейных моделей позволило существенно повысить чувствительность, специфичность и точность даже на тестовых выборках. Применение разработанной информационной технологии позволило повысить достоверность определения периодов эпилептического припадка (условной нормы, перед нападением, нападения и после приступа) в среднем на 6,6 % у детей и на 8 % у взрослых. en Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України Cybernetics and computer engineering Informatics and Information Technologies The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems Використання показників складності та варіабельності для аналізу складних динамічних систем Использование показателей сложности и вариабельности для анализа сложных динамических систем Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems |
| spellingShingle |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems Biloshytska, O.K. Nastenko, Ie.A. Pavlov, V.A. Informatics and Information Technologies |
| title_short |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems |
| title_full |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems |
| title_fullStr |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems |
| title_full_unstemmed |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems |
| title_sort |
use of complexity and variability characteristics for the analysis of complex dynamic systems |
| author |
Biloshytska, O.K. Nastenko, Ie.A. Pavlov, V.A. |
| author_facet |
Biloshytska, O.K. Nastenko, Ie.A. Pavlov, V.A. |
| topic |
Informatics and Information Technologies |
| topic_facet |
Informatics and Information Technologies |
| publishDate |
2020 |
| language |
English |
| container_title |
Cybernetics and computer engineering |
| publisher |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України |
| format |
Article |
| title_alt |
Використання показників складності та варіабельності для аналізу складних динамічних систем Использование показателей сложности и вариабельности для анализа сложных динамических систем |
| description |
The methods of mathematical statistics for the processing of diagnostic information, the methods of mathematical modeling (stepwise logistic regression) — for the construction of prognostic models for estimating the course of epilepsy were used; methodological bases for the creation of information technology for the diagnosis of epilepsy according to the EEG. Results. Changes in indicators such as Hurst Index, fractal dimension, logistic mapping, and algorithmic signal complexity have been investigated. The mathematical models include variables that are calculated from the EEG data and are available during patient observation. As a result of the application of step-by-step algorithms, the most informative features are included in the models. The selected features allow for the most accurate identification of individual periods of epilepsy flow from the EEG data. It has been established that the use of a decision support system increases the reliability of determining the periods of an epileptic seizure (conditional norm, before, during and after an attack) by an average of 6.6% for children and 8% for adults.
Було використано методи математичної статистики для оброблення діагностичної інформації, методи математичного моделювання (покрокова логістична регресія) для побудови прогностичних моделей оцінювання перебігу епілепсії; методи створення інформаційних технологій діагностики епілепсії за даними ЕЕГ. Результати. Було досліджено зміни таких показників, як показник Херста, фрактальна розмірність, логістичне відображення та алгоритмічна складність сигналу. За допомогою покрокового логістичного регресійного аналізу побудовано прогностичні моделі для виявлення ризику настання певного періоду за ЕЕГ. Застосування нелінійних моделей дало змогу суттєво підвищити чутливість, специфічність та точність навіть на тестових вибірках. Застосування розробленої інформаційної технології надало можливість підвищити достовірність визначення періодів епілептичного нападу (умовної норми, перед нападом, нападу та після нападу) в середньому на 6,6 % у дітей та на 8 % у дорослих.
Проблема диагностики и выявления момента, предшествующего эпилептическому припадку или других периодов функционирования головного мозга у больных эпилепсией является проблемой не только выбора метода классификации, но и определения количественных оценок динамики, отражающих сложность и вариабельность сигнала ЭЭГ. Были исследованы изменения таких показателей, как показатель Херста, фрактальная размерность, логистическое отображение и алгоритмическая сложность сигнала. С помощью пошагового логистического регрессионного анализа построены прогностические модели для выявления риска наступления определенного периода по ЭЭГ. Применение нелинейных моделей позволило существенно повысить чувствительность, специфичность и точность даже на тестовых выборках. Применение разработанной информационной технологии позволило повысить достоверность определения периодов эпилептического припадка (условной нормы, перед нападением, нападения и после приступа) в среднем на 6,6 % у детей и на 8 % у взрослых.
|
| issn |
2663-2578 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/179140 |
| citation_txt |
The Use of Complexity and Variability Characteristics for the Analysis of Complex Dynamic Systems / O.K. Biloshytska, Ie.A. Nastenko, V.A. Pavlov // Cybernetics and computer engineering. — 2020. — № 1 (199). — С. 19-38. — Бібліогр.: 26 назв. — англ. |
| work_keys_str_mv |
AT biloshytskaok theuseofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems AT nastenkoiea theuseofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems AT pavlovva theuseofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems AT biloshytskaok vikoristannâpokaznikívskladnostítavaríabelʹnostídlâanalízuskladnihdinamíčnihsistem AT nastenkoiea vikoristannâpokaznikívskladnostítavaríabelʹnostídlâanalízuskladnihdinamíčnihsistem AT pavlovva vikoristannâpokaznikívskladnostítavaríabelʹnostídlâanalízuskladnihdinamíčnihsistem AT biloshytskaok ispolʹzovaniepokazateleisložnostiivariabelʹnostidlâanalizasložnyhdinamičeskihsistem AT nastenkoiea ispolʹzovaniepokazateleisložnostiivariabelʹnostidlâanalizasložnyhdinamičeskihsistem AT pavlovva ispolʹzovaniepokazateleisložnostiivariabelʹnostidlâanalizasložnyhdinamičeskihsistem AT biloshytskaok useofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems AT nastenkoiea useofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems AT pavlovva useofcomplexityandvariabilitycharacteristicsfortheanalysisofcomplexdynamicsystems |
| first_indexed |
2025-12-01T11:35:39Z |
| last_indexed |
2025-12-01T11:35:39Z |
| _version_ |
1850860101626232832 |