Development of scientific-methodological approaches of machine learning application in biosignals processing

Abstract

Current state and future perspectives of machine learning usage in the computer bioinformatics systems are analyzed in the article. It is shown that heterogeneousness of data and wide range of bioinformatics tasks influenced the development of the specialized solutions for each separate domain or application. This complicates the possibility to compare effectiveness of certain methods as well as usage of the best variants for the system design for the new tasks. Research results are presented, which are related to the development of principles for the design of the biosignal computer processing systems involving the machine learning. The expediency of separation the system levels within the process of biosignals processing is reasoned, and their functions are outlined. Innovativeness of the suggested approach lies in separation of the function of lower, middle and upper levels from methods with the help of which they are realized, as well as from the implementation variants for these methods based on the hardware and software components. It is highlighted that the middle system level is significantly invariable both in regards to the task to be solved and to the biosignal type. At the same time the upper level is specific as to the task, and the lower level is specific as to the type of biosignal. Distinct outlining of functions for each system level and the inter level interfaces opens prospectives for structuring information during the analysis of the known decisions, which simplifies the analysis and comparison of the effectiveness of these solutions. Design process of the computer system for the specific tasks gets simplified and potentially quickens due to the possibility of transferring the best results between the related tasks. On the basis of the developed three system levels concept the range of tasks related to machine learning application and biosignal processing on all the system levels was studied and analyzed.

У статті проаналізовано стан і перспективи використання машинного навчання комп’ютерних біоінформатичних системах. Показано, що різнорідність біомедичних даних і широке коло завдань біоінформатики позначилися на виробленні спеціалізованих рішень для кожної окремої сфери чи задачі. Це ускладнює можливість зіставлення ефективності окремих методів та використання кращих варіантів для проектування систем під нові завдання. Представлени результати досліджень, що стосуються розвитку принципів побудови систем комп’ютерного опрацювання біосигналів із використанням технологій машинного навчання. Обґрунтувано доцільність виділення системних рівнів в процесі опрацювання біосигналів та окреслено їх функції. Інновативність запропонованого підходу полягає у розмежуванні функцій нижнього, середнього і верхнього рівнів від методів, за допомогою яких вони реалізуються, а також варіантів імплементації цих методів на апаратних і програмних засобах. Підкреслюється, що середній системний рівень є значною мірою інваріантним, як до вирішуваної задачі, так і до виду біосигналу. В той же час, верхній рівень є специфічним щодо завдання, а нижній рівень - специфічним щодо виду біосигналу. Чітке окреслення функцій кожного системного рівня та міжрівневих інтерфейсів відкриває перспективи структуризації відомостей під час аналізу відомих рішень, спрощує порівняльний аналіз та зіставлення ефективності цих рішень. Спрощується і потенційно пришвидшується процес проектування комп’ютерної системи під конкретні завдання за рахунок можливості перенесення кращих результатів із суміжних задач. На основі розробленої концепції трьох системних рівнів розглянуто і проаналізувано коло проблемних завдань, пов’язаних із застосуванням машинного навчання опрацювання біосигналів на всіх системних рівнях

В статье проанализированы состояние и перспективы использования машинного обучения компьютерных биоинформатичних системах. Показано, что разнородность биомедицинских данных и широкий круг задач биоинформатики сказались на выработке специализированных решений для каждой отдельной сферы или задачи. Это затрудняет возможность сопоставления эффективности отдельных методов и использование лучших вариантов для проектирования систем под новые задачи. Представлены результаты исследований, касающихся развития принципов построения систем компьютерной обработки биосигналов с использованием технологий машинного обучения. Обосновано целесообразность выделения системных уровней в процессе обработки биосигналов и обозначены их функции. Инновативность предложенного подхода заключается в разграничении функций нижнего, среднего и верхнего уровней от методов, с помощью которых они реализуются, а также вариантов имплементации этих методов на аппаратных и программных средствах. Подчеркивается, что средний системный уровень в значительной мере инвариантен, как к решаемой задаче, так и к виду биосигналов. В то же время, верхний уровень является специфическим о касательно задачи, а нижний уровень - специфическим относительно вида биосигналов. Четкое определение функций каждого системного уровня и межуровневых интерфейсов открывает перспективы структуризации данных при анализе известных решений, упрощает сравнительный анализ и сопоставление эффективности этих решений. Упрощается и потенциально ускоряется процесс проектирования компьютерной системы под конкретные задачи за счет возможности переноса лучших результатов из смежных задач. На основе разработанной концепции трех системных уровней были рассмотрены и проанализуваны проблемные задачи, возникающие при применении машинного обучения для обработки биосигналов на всех системных уровнях.