Оціненно ефективність використання конфлікт-вільних реплікаційних структур даних CRDT (англ. Conflict-free Replicated Data Types), для забезпечення узгодженості та цілісності даних у стистемах моніторингу Інтернету речей (ІоТ).
УДК 614.2. : 658.562
Дослідженовикористання медичних інформаційних систем в медичних закладах. Основні акценти зосереджено на процесах, що забезпечують автоматизацію різних напрямків діяльності роботи лікарів різного профілю.Розглянутоможливість впровадження ризик-підходу всистеми менеджменту якості у медичнихустановах, визначено вимоги до системи управління ризиками, яка відповідає характеру та масштабаммедичних закладів різного профілю.Використання медичних інформаційних систем пов’язане з різними внутрішніми та зовнішніми загрозами, які можуть призвести до ризиків для пацієнтів. Об’єктом дослідження є медичні інформаційні системи та їхняадаптація до робочих процесів у закладах охорони здоров’я.Предметом дослідження стали результати опитування щодо використання лікарями окремого модул ямедичної інформаційні системи, а саме електронної медичної карти пацієнта на різних рівнях надання медичної послуги.У процесі цього дослідження, за допомогою анонімного анкетуванняпроаналізовано ступінь пристосованості медичної інформаційної системи до роботи лікаря, визначено рівень адаптованості медичної інформаційної системи до потреб медичних працівників та аналіз можливих ризиків в процесах надання медичної послуги, а саме, наетапі роботи з електронною медичної карткою. Аналіз недоліків дозволяєпереглянути робочі процеси медичного закладу, оцінити вплив потенційних ризиків на результати роботи лікарів, змінити процеси, щоб зменшити або усунути виявлені ризики в процесі роботиз медичними інформаційними системами.Актуальною проблемою є розроблення коригувальних і запобіжних заходів для зниження і мінімізації ризиків, а впровадження системи управління ризиками в медичних закладах в рамках системи менеджменту якості, сприятиме підвищенню якості надання медичних послуг та збільшенню задоволеності пацієнтів.Обґрунтовано підходи до ідентифікації ризиків які виникають в процесі роботи з медичними інформаційними системами згідно з вимогами міжнародних стандартів.
The article presents the design and technological features of creating color labels-sensors of microelectromechanical systems intended for monitoring physicochemical parameters under the conditions of high- level electromagnetic interference. The software module of the hardware and software complex for the visualization of spectral intensity by converting it into an RGB colour model has been created. The algorithm for carrying out the procedure for calculating the color rendering index is shown and the main parameters of temperature colors in a wide range of visible radiation waves are determined
The work proposes the use of a unique method of creating passive, multifunctional, non-contact pressure-temperature sensors. The basis of this method is a combination of inorganic semiconductors and high-molecular organic cholesteric crystals. According to their morphology, such crystals represent a spiral structure that is sensitive to changes in external physical factors, such as temperatures, due to changes in the periodicity of the structure, which leads to Bragg diffraction scattering of light on it. The consequence of such influence is the coloring of the cholesteric, which can be identified by external spectrosensitive devices on a non-contact basis. On the other hand, the use of inorganic semiconductors involves the production of a micro-profiled base with a thin silicon membrane that is sensitive to external pressure. The thickness of the membrane determines the operating conditions of the sensor depending on the range of applied pressure from 0.3 bar and above. A hardware and software complex was developed for continuous monitoring of changes in the color of passive pressure-temperature sensors, tracking the spectral distribution of the light intensity of the color of the liquid crystal depending on the operating conditions on a non-contact basis with an external spectrometer. The basis of such a system is a software module created on the basis of the MVVM (Model–View–View Model) architecture template. A feature of the software module is the use of the .NET and WPF frameworks, which natively support this architectural pattern for .NET Windows platforms and are supported by all popular versions of operating systems. The SQlite database, which is a relational database management system, is used to store data in the software application. The OmniDriver library was used in the system to operate and configure the spectrometer. The software module has two modes of operation with spectrometers. The first mode is characterized by the reading of a single spectrum, while the second mode is characterized by periodic reading and processing of the intensity spectral distribution in real time with a given period. When using the second mode, the software module allows you to dynamically change the periods and parameters of changing the color parameters of the light over time. The main algorithm of the software module is the transformation of the spectral intensity distribution normalized in the CIE XYZ color model, which is the basis for all further calculations, into the RGB model.
Since the outbreak of the pandemic in 2019, Covid-19 has become one of the most important topics in the field of medicine. This disease, caused by the SARSCoV-2 virus, can lead to serious respiratory diseases and other complications. They can even lead to death. In recent years, the number of Covid-19 cases around the world has increased significantly, resulting in the need for rapid and effective diagnosis of the disease. Currently, the use of deep learning in medical diagnostics is becoming more and more common. It provides the high diagnostic efficacy that scientists, doctors and patients care about. During the Covid-19 diagnostic procedure, most clinicians order images from Xray and CT to be taken from patients. It is the analysis of these images that gives a full diagnosis. In this article, we will discuss the use of deep neural networks in the diagnosis of Covid-19, especially using chest images taken from X-ray and CT.