Разработка метода и модели информационного процесса обработки количественных данных из гетерогенных устройств для формирования информации о состоянии объекта тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Гилка Вадим Викторович

• Гилка Вадим Викторович
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Гилка Вадим Викторович

Введение

Глава 1 Анализ современного состояния вопроса в области удаленного мониторинга состояния объектов

1.1 Современные методы УМСО

1.2 Анализ актуальных исследований и подходов в сфере УМСО

Выводы к главе

Глава 2 Разработка метода процесса УМСО и информационной модели для осуществления удаленного мониторинга состояния объекта

2.1 Метод процесса УМСО для субъекта мониторинга

2.2 Информационная модель сбора, анализа и передачи данных для УМСО

2.3 Алгоритм обработки количественных значений различных показателей для их преобразования в качественные

2.4 Алгоритм подготовки данных для субъекта мониторинга

Выводы к главе

Глава 3 Адаптация метода организации процесса удаленного мониторинга состояния объектов и информационной модели сбора, анализа и передачи данных в области медицины

3.1 Обзор устройств для удаленного мониторинга, используемых медиками при лечении в медучреждениях

3.2 Мобильные приложения для удаленного мониторинга состояния показателей здоровья пациента

3.3 Адаптированный метод процесса УМСО и информационная модель сбора, анализа и передачи данных из гетерогенного источника информации в области медицины

3.4 Разработка метода бинарной классификации состояний пациента для алгоритма обработки количественных значений и алгоритма подготовки данных субъекту мониторинга

Выводы к главе

Глава 4 Проектирование и реализация программного средства

4.1 Формализация функциональных требований к программному средству в виде диаграммы вариантов использования

4.2 Выбор программных средств и технологий, используемых для разработки

4.3 Описание архитектуры программного средства

Вывод к главе

Глава 5 Экспериментальная проверка и оценка эффективности метода и информационной модели для УМСО

5.1 Тестирование разработанного программного средства

5.2 Точность измерений показателей здоровья с использованием смарт-часов или фитнес-трекеров

5.3 Оценка экономической эффективности применения браслетов в качестве средств для удаленного мониторинга

5.4 Оценка надежности измерений браслетов

5.5 Оценка своевременности выявления изменений в состоянии пациента

5.6 Оценка общей удовлетворенности потенциальных пользователей

системы

Выводы к главе

Заключение

Список литературы

ПРИЛОЖЕНИЕ А. ЭКРАННЫЕ ФОРМЫ ПРОГРАММНОГО СРЕДСТВА

HELPMETRACKER ПОЛЬЗОВАТЕЛЯ

ПРИЛОЖЕНИЕ Б. ЭКРАННЫЕ ФОРМЫ ПРОГРАММНОГО СРЕДСТВА

HELPMETRACKER ВРАЧА

ПРИЛОЖЕНИЕ В. ДЕРЕВЬЯ ПРИНЯТИЕ РЕШЕНИЙ НА ОСНОВЕ УСТАНОВЛЕННЫХ ДИАПАЗОНОВ ВЕРХНИХ И НИЖНИХ ПРЕДЕЛОВ ЗНАЧЕНИЙ ПОКАЗАТЕЛЕЙ

ПРИЛОЖЕНИЕ Г. АКТ ВНЕДРЕНИЯ РЕЗУЛЬТАТОВ РАБОТЫ В

КОМПАНИИ ICS «BMTEHNOTRADE» SRL

ПРИЛОЖЕНИЕ Д. СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММЫ ДЛЯ ЭВМ. HELPMETRACKER

Введение диссертации (часть автореферата) на тему «Разработка метода и модели информационного процесса обработки количественных данных из гетерогенных устройств для формирования информации о состоянии объекта»

Введение

Актуальность темы исследования. В настоящее время потребность в контроле за состоянием различных объектов неуклонно возрастает и становится все более актуальной задачей. Это обусловлено рядом следующих взаимосвязанных факторов: увеличением сложности систем и объектов, высокими требованиями к безопасности, а также экономической эффективностью. Одним из способов, позволяющих реализовать задачи контроля и мониторинга состояния объектов, является удаленный мониторинг состояния объектов.

Удаленный мониторинг состояния объектов (УМСО) - это процесс, в ходе которого данные о состоянии различных объектов собираются, передаются, обрабатываются и анализируются с использованием различных информационно-коммуникационных технологий (ИКТ), независимо от их географического расположения. Современные технологии удаленного мониторинга (УМ) на основе комплекса ИКТ обеспечивают непрерывное измерение и сбор данных о различных параметрах объектов, такие как температура, давление, влажность, состояние оборудования и многое другое, что в свою очередь позволяет своевременно реагировать на возникающие проблемы и предотвращать их развитие. Актуальность данной темы обусловлена быстрым развитием в сфере технологий и увеличением потребности в эффективном и своевременном контроле за состоянием различных объектов и обуславливается некоторыми ключевыми факторами:

1. Технологический прогресс. Современные технологии, включая интернет вещей (1оТ), облачные вычисления и машинное обучение, открывают новые возможности для мониторинга состояния объектов. Это позволяет собирать и анализировать большие объемы данных, что в свою очередь приводит к более точной оценке состояния объектов.

2. Повышение эффективности и продуктивности. Удаленный мониторинг, основанный на комплексной интеграции с ИКТ, позволяет

предприятиям и организациям более эффективно определять различные состояния контролируемых объектов и своевременно реагировать на них.

3. Безопасность и предотвращение рисков. Системы удаленного мониторинга могут обеспечивать раннее обнаружение потенциальных проблем или угроз, что позволяет предпринять действия для их предотвращения или минимизации.

4. Удаленная работа и социальное дистанцирование. С ростом удаленной работы, способность мониторить объекты на расстоянии стала еще более важной задачей, а социальное дистанцирование усиливает потребность в технологиях, позволяющих осуществлять контроль за работой и состоянием объектов без необходимости физического присутствия.

УМСО может применяться в различных областях, таких как:

1. Промышленность. УМ может использоваться для отслеживания состояния машин и оборудования на производственных линиях, что, в свою очередь позволяет предотвратить сбои и минимизировать простои.

2. Экология. УМ может использоваться для отслеживания состояния окружающей среды, например, для мониторинга уровня загрязнения воздуха или воды.

3. 1Т и сетевые технологии. В этой области УМ может использоваться для отслеживания состояния серверов, сетей и других 1Т-систем.

4. Транспорт и логистика. УМ может использоваться для отслеживания состояния транспортных средств и грузов, что позволяет оптимизировать логистические процессы и улучшить безопасность.

5. Энергетика. В энергетической отрасли этот подход может использоваться для мониторинга состояния энергетических установок и сетей, что позволяет оптимизировать их работу и предотвратить аварии.

6. Автомобилестроение. Современные автомобили оснащены множеством датчиков и систем, которые могут непрерывно передавать данные о состоянии автомобиля. Это может включать информацию о двигателе, трансмиссии, тормозной системе, уровне топлива, давлении в шинах и многих

других параметрах. Эти данные могут быть использованы для раннего обнаружения потенциальных проблем, что может помочь предотвратить более серьезные поломки и снизить стоимость ремонта. Кроме того, эти данные могут быть использованы для оптимизации работы автомобиля, например, для улучшения расхода топлива или производительности двигателя.

Несмотря на значительные достижения в области УМСО с использованием ИКТ, существует ряд как научных, так и прикладных проблем, требующих решения для дальнейшего развития и эффективного применения получаемых данных для систем удалённого мониторинга.

Научные проблемы:

- в настоящее время активно разрабатывается множество разнородных гетерогенных устройств сбора данных, функциональные возможности которых из года в год значительно расширяются. К таким устройствам относятся умные весы, дроны, устройства фиксации движения, устройства мониторинга окружающей среды, автомобильные мониторинговые системы и др. генерируют различные узкоспециализированные данные в разных форматах и представлениях, что усложняет их обработку и требует внедрения процессов нормализации и приведения данных к единому формату;

- существующие на сегодняшний день решения в области УМСО включают в себя использование централизованных физических устройств, выполняющих функции хаба для обработки данных и координации устройств. Однако такой подход требует внедрения специализированных физических компонентов для каждой системы мониторинга и ограничивает возможности интеграции и расширения функционала за счёт отсутствия унифицированных интерфейсов программирования приложений (API);

- в рамках существующих методологий мониторинга в качестве основы для активации системы уведомлений обычно используются только пороговые значения, соответствующие нормальному и критическому состояниям объекта. Ограниченный учет пороговых значений препятствует проведению углубленного анализа и предотвращения потенциальных проблем, поскольку

не учитывает промежуточные состояния, способные служить ранними индикаторами потенциальных проблем;

- в существующих методиках УМСО з анализ данных выполняется только одним субъектом, что ограничивает возможности коллективного анализа, а также снижает оперативность реагирования на изменения состояния объекта;

Прикладные проблемы:

- данные, получаемые из различных гетерогенных устройств, используются не в полной мере, из-за того, что данный тип устройств в основном используется для определенных условий и в рамках сценариев, предусмотренных их производителями. Однако при грамотной адаптации, данные, получаемые с таких устройств, можно применять в решении задач из других областей, в том числе для удаленного мониторинга состояния объектов, находящихся в любых географических точках. Это позволит значительно расширить возможности использования уже существующих данных и повысить их научную и практическую ценность в различных сферах;

- в области УМСО в рамках имеющихся решений доминирует подход, при котором для измерения каждого параметра объекта используется отдельное специализированное устройство, и согласно множественным исследованиям, такой подход увеличивает стоимость системы на 30-50%, что значительно затрудняет её широкое внедрение и использование;

- существующие решения УМСО не предоставляют информацию о геолокации мобильных объектов, что ограничивает их применение в задачах, требующих точного позиционирования;

- в существующих методиках УМСО за объектом мониторинга следит только один субъект, что ограничивает возможности коллективного анализа, а также снижает оперативность реагирования на изменения состояния объекта;

- ограниченная доступность измерительного оборудования и методов УМСО, особенно для объектов, находящихся в удаленных и труднодоступных районах, а также для тех, которые требуют непрерывного наблюдения и

контроля, представляет собой одну из основных проблематик, стоящих перед современным развитием в области удаленного мониторинга.

На основании вышесказанного мы можем сделать вывод о том, что существует необходимость в разработке новых, более доступных и эффективных методов с применением ИКТ для УМСО. Такие решения должны стремиться к адаптации и оптимизации использования существующих устройств сбора данных для повышения их эффективности и расширения областей применения, а также к разработке новых подходов к обработке информационных потоков и снижению затрат на внедрение и эксплуатацию систем мониторинга. Поэтому данная задача является крайне актуальной и важной в настоящее время.

Степень разработанности темы исследования. Анализ предметной области выявил значительное количество исследований, проведенных как отечественными, так и зарубежными учеными в различных подобластях удаленного мониторинга состояния объектов, таких как анализ изображений высокого разрешения авторов Nakamura T., Dibs H. Auccahuasi W., Bashit N., Краснова Ф., Рыжикова А., Замшина В., мониторинг окружающей среды авторов Sheikh I., Boonsong W., Zia Ur., умное видеонаблюдение авторов Naik B., Rajavel R., Braeken A. Motoi K., Кирюхина А., телеметрический мониторинг авторов Shahriyar R., Bhardwaj V., Shahanim N., Ajan A., Бондарика А., Бройко А., Будагяна С., фотоплетизмография авторов Li K., Abbas A., Poh M., Исупова И., Алексеева В., имплантируемые устройства авторов Jeong Y., Choi Y., Bergmann G., Qian X., портативные устройства авторов, Vasava D., Zhang Y., Khan M., Raji, A., Садовничего В., Лебедевой В., Буреева А., мобильные приложения авторов Kruklitis R., Akshaya B., Sheetalrani K., Пушкаревой А., Зингерман Б., роботизированная техника авторов Huang HW., Meesad P., Zhao P., телекоммуникационные приложения Владзимирского А., Giordano V., Martinez R., телефонная связь Downes M., Elnicki DM. B и др. Однако, несмотря на многочисленные исследования в различных подобластях УМСО,

существует ряд общих проблем с применением предлагаемыми авторами методами, такие как:

- недостаточная научная обоснованность предлагаемых методов УМСО, обусловленная отсутствием в ряде работ их теоретической основы, метрологической оценки, включающих определение точности, погрешности, надежности, достоверности и других характеристик;

- предлагаемые исследователями системы УМСО ориентированы на отслеживание ограниченного набора параметров, и лишь некоторые из них обладают более широким функционалом, который может быть расширен за счет подключения дополнительных специализированных устройств;

- включают в себя использование централизованных физических устройств, выполняющих функции хаба, для обработки данных, собираемых многочисленными устройствами, обеспечивая их взаимодействие и координацию. Такой подход требует внедрения специализированных физических компонентов для каждой системы мониторинга, и ограничивает возможности интеграции и расширения функционала;

- отсутствие процессов нормализации данных и приведения их к единому формату;

- в качестве основы для активации системы уведомлений используются только пороговые значения, соответствующие нормальному и критическому состояниям объекта;

- большинство предлагаемых авторами систем УМСО не обладают масштабируемостью, необходимой для обеспечения эффективного мониторинга и обработки данных при увеличении количества объектов или расширении набора параметров, из-за отсутствия формирования облачной инфраструктуры, которая позволила бы это сделать;

- недостатком многих предлагаемых авторами методов УМСО является ограничение мобильности объектов в пределах одной локации, что снижает их практическую ценность;

- данные, полученные в результате мониторинга, анализируются одним субъектом, что ограничивает возможности коллективного анализа, а также снижает оперативность реагирования на изменения состояния объекта;

- высокая стоимость многих предлагаемых авторами решений для УМСО, которая может являться препятствием для их внедрения в ряде организаций и у частных лиц.

Эти проблемы указывают на необходимость создания новых методов, которые будут более эффективными в сборе, обработке и интеграции данных с гетерогенных источников для УМСО. Эффективность системы УМСО можно определить как способность обеспечивать своевременный, точный и надёжный удалённый мониторинг состояния объектов на основе разнородных данных при минимальных затратах. Эффективная система УМСО должна удовлетворять следующим критериям:

- адаптировать и применять данные, полученные с разнородных гетерогенных устройств, для решения задач в различных областях, в том числе для мониторинга объектов, находящихся в любых географических точках;

- нормализовывать и обрабатывать большие объемы данных, собираемые в различных форматах и представлениях, с возможностью их унифицированной передачи и анализа;

- функционировать на основе облачной инфраструктуры, без использования централизованного физического хаба, что позволит снизить сложность интеграции нового оборудования, а также повысить гибкость и масштабируемость системы;

- осуществлять обработку данных, учитывая промежуточные пороговые значения, которые могут быть ранними индикаторами потенциальных проблем;

- использовать разнородные гетерогенные источники информации, которые могут быть адаптированы для различных условий мониторинга, снижая необходимость в специализированных физических компонентах для каждой системы;

- обеспечивать определение геолокации для мобильных объектов в задачах, требующих точного позиционирования;

- предусматривать возможность мониторинга не только одним субъектом, но и доверенным классом субъектов мониторинга, что позволяет осуществлять коллективный анализ и оперативное реагирование на изменения состояния объекта.

Цель диссертационного исследования заключается в повышении эффективности процесса удаленного мониторинга состояния объектов за счет разработки метода и модели информационного процесса, основанных на использовании облачной инфраструктуры для сбора данных и разработки программного обеспечения для обработки данных из гетерогенных источников информации.

Для достижения поставленных целей были сформулированы следующие задачи:

1. Проведение анализа современного состояния вопроса в области удаленного мониторинга состояния объектов.

2. Разработка метода организации процесса удаленного мониторинга состояния объектов для субъекта мониторинга.

3. Разработка информационной модели сбора, анализа и передачи данных, представляющей состояние объекта.

4. Разработка алгоритма подготовки данных для субъекта мониторинга, который уведомляет его о превышении нормированных значений оценки качества состояния объекта.

5. Адаптация разработанного метода и модели, неспециализированного гетерогенного источника информации для области медицины в контексте удаленного мониторинга состояния человека.

6. Проектирование и разработка системы для УМСО на основе разработанного метода и информационной модели, тестирование её работоспособности и доказательство эффективности.

Научная новизна. В диссертационной работе получены и предложены следующие новые научные результаты:

1. Метод организации процесса удалённого мониторинга состояния объектов для субъекта мониторинга, отличающийся от известных введением блоков облачной инфраструктуры для сбора данных и программного обеспечения, обрабатывающего количественные показатели различных параметров, что позволит получать качественную оценку состояния объекта.

2. Информационная модель сбора, анализа и передачи данных о состоянии объекта, отличающаяся от известных расширенным набором показателей, включая интеграцию геолокационных данных, что обеспечивает привязку данных к конкретному экземпляру объекта.

3. Алгоритм обработки данных, включающий этап нормализации количественных показателей и их преобразование в качественные, что обеспечивает более точную и достоверную оценку информации, поступающей от гетерогенных источников.

4. Алгоритм подготовки данных для субъекта мониторинга, который обеспечивает детализированное разграничение информации о состоянии объекта. В отличие от традиционных методологий, разработанный алгоритм учитывает не только нормальные и критические пороговые значения, но и дополнительные категории умеренных и предельно допустимых значений. Такое детализированное разграничение позволяет более точно настраивать систему уведомлений и способствует более раннему выявлению отклонений в данных, поступающих от различных гетерогенных источников.

Методы исследования. В работе использовались методы сбора, анализа и передачи данных, поступающих из гетерогенных источников, статистического анализа, оценки погрешности, качественного анализа, системного анализа, удаленного мониторинга показателей состояния объекта, программной инженерии, объектно-ориентированного программирования и технологии проектирования человеко-машинного взаимодействия.

Достоверность и обоснованность научных результатов и выводов подтверждается серией независимых экспериментов, включая испытания, подтверждающие работоспособность предложенного метода процесса УМСО, а также информационной модели сбора, анализа и передачи данных.

Объектом исследования являются информационные процессы, связанные с обработкой данных, поступающих из гетерогенных источников информации в системе удалённого мониторинга.

Предметом исследования являются методы организации и обработки данных, поступающих из гетерогенных источников информации, для мониторинга и анализа ключевых показателей состояния объектов.

Соответствие паспорту специальности 2.3.8.

- п. 6 в части: «Обеспечение информационных систем и процессов, применения информационных технологий и систем в принятии решений ...»;

- п. 7 в части «Разработка методов обработки, группировки и аннотирования информации . для систем поддержки принятия решений, интеллектуального поиска, анализа».

Практическая значимость исследования заключается в разработанном методе процесса УМСО и информационной модели сбора, анализа и передачи данных для систем удалённого мониторинга, которые позволяют интегрировать, собирать, анализировать и передавать данные из разнородных гетерогенных источников. Использование облачной инфраструктуры обеспечивает более точный и своевременный анализ данных, что способствует улучшению информационных процессов и повышению эффективности мониторинга состояния объектов. Применение разработанного метода и информационной может повысить эффективность выявления отклонений в данных, что способствует улучшению мониторинга в различных областях.

Положения, выносимые на защиту:

1. Метод организации процесса удаленного мониторинга состояния объектов.

2. Информационная модель сбора, анализа и передачи данных для удаленного мониторинга показателей объекта.

3. Алгоритм обработки количественных значений различных показателей состояния объекта, получаемых от гетерогенных источников информации.

4. Алгоритм подготовки данных для субъекта мониторинга об отклонении от нормированных значений оценки качества состояния объекта.

5. Проектные решения и программная реализация системы для удаленного мониторинга объектов.

Достоверность и апробация результатов работы. Основные положения исследования докладывались и обсуждали на следующих научно-практических конференциях:

1. Международная 18-я научная конференция «Новые вызовы для интеллектуальных систем обучения (ITS) в период и после COVID» (Бухарест, Румыния, 29 июня - 1 июля 2022 года).

2.Международная научная конференция «Новые и интеллектуальные цифровые системы: (NiDS 2022) (Афины, Греция, 29-30 сентября 2022 года;)».

3. XV Всероссийская научно-практическая студенческая конференция (г. Камышин, 20-22 апреля 2022 г.).

Личный вклад автора. В диссертационной работе представлены результаты исследований, выполненных автором лично. Вклад автора заключается в определении целей исследования, разработке метода процесса УМСО, информационной модели сбора, анализа и передачи данных, а также алгоритмов обработки количественных значений показателей для улучшения качества мониторинга и своевременной обработки данных.

Структура и объем диссертации. Работа состоит из введения, пяти глав, заключения, списка литературы и пяти приложений. Список литературы включает 364 наименований. Общий объем - 242 страницы с 32 рисунками и 37 таблицами.

Глава 1 Анализ современного состояния вопроса в области удаленного

мониторинга состояния объектов

1.1 Современные методы УМСО

Технологический прогресс приводит к созданию все более сложных и многофункциональных объектов в инфраструктуре и промышленности, для которых важен оперативный и точный контроль их состояния. В этой связи удаленный мониторинг состояния объектов приобретает особую актуальность, открывая новые перспективы для исследований. Он обеспечивает своевременный сбор, обработку и анализ данных о состоянии объектов, что позволяет предоставлять информацию субъектам мониторинга, снижая риски и минимизируя потенциальные потери от внештатных ситуаций.

Одним из основных и широко распространённых методов УМСО является дистанционное зондирование. Представляет собой технологический процесс, в котором с помощью специализированных инструментов и устройств собирается информация об объектах или областях без физического контакта с ними. Это достигается через использование различных форм электромагнитного излучения. Спутники, беспилотные летательные аппараты (БПЛА) и самолёты часто используются как платформы для дистанционного зондирования. Они несут на борту датчики, которые могут генерировать или захватывать электромагнитное излучение. Датчики дистанционного зондирования могут быть пассивными (захватывающими естественное или отражённое излучение) или активными (генерирующими и захватывающими собственное излучение). Примеры включают оптические камеры, инфракрасные датчики и радары. Собранные данные анализируются для извлечения полезной информации о состоянии объектов. Это может включать идентификацию объектов, оценку их свойств и мониторинг изменений со временем. Дистанционное зондирование широко используется во многих областях, включая сельское хозяйство, лесное хозяйство, геологию,

гидрологию, урбанистику, экологию и многие другие. Этот метод позволяет мониторить большие и труднодоступные области, обеспечивая важные данные для принятия решений и анализа. Дистанционное зондирование является мощным инструментом для мониторинга и анализа состояния объектов на расстоянии, что делает его весьма полезным в современном мире, где быстрый доступ к точной информации критически важен [1, 2].

Вот некоторые из основных преимуществ, применения данного метода:

- позволяет мониторить большие и труднодоступные области, что особенно полезно в геологии, агрономии, экологии и управлении природными ресурсами;

- способность регулярно собирать данные, что делает дистанционное зондирование важным инструментом для оперативного мониторинга и реагирования на изменяющиеся условия;

- поскольку данные собираются на расстоянии, нет необходимости физического взаимодействия с объектами, что уменьшает риски, связанные с работой в опасных или враждебных средах;

- способность одновременно мониторить множество объектов или параметров, что увеличивает объем доступной для анализа информации;

- современные технологии дистанционного зондирования могут предложить высокую разрешающую способность и точность данных, что важно для научных исследований и точного мониторинга [3, 4].

Имеет также ряд недостатков, которые включают:

- затраты на приобретение и установку оборудования для дистанционного зондирования могут быть довольно высокими, что делает его менее доступным для многих пользователей или организаций;

- оборудование и технологии для дистанционного зондирования могут иметь технические ограничения, такие как низкое разрешение, ограниченная чувствительность или узкий спектральный диапазон;

- облачное покрытие и атмосферные условия могут затруднить или исказить сбор данных через дистанционное зондирование, особенно для оптических и инфракрасных систем;

- в некоторых системах могут возникать задержки в обработке и передаче данных, что может оказаться критичным для ситуаций, требующих оперативного реагирования;

- может иметь малую глубину проникновения, что ограничивает его способность обнаруживать объекты под поверхностью земли или воды [5, 6].

Анализ изображений высокого разрешения является одним из ключевым методов удаленного мониторинга состояния объектов. Этот метод включает в себя сбор и анализ изображений, полученных с помощью спутников, беспилотных летательных аппаратов (БПЛА) или других платформ для дистанционного зондирования [7, 8, 9].

Преимущества данного метода включают в себя:

- изображения высокого разрешения предоставляют детализированный обзор объектов, что позволяет выявлять мелкие детали и изменения как в самих объектах, так и в их окружающей среде;

- анализ изображений высокого разрешения может включать многоспектральный и гиперспектральный анализ, который расширяет спектральные возможности исследования, предоставляя информацию об объектах в широком спектре электромагнитных волн;

- с применением алгоритмов машинного обучения и искусственного интеллекта (ИИ) можно автоматизировать процесс анализа изображений, а это, в свою очередь, ускоряет процесс мониторинга и улучшает точность анализа;

Список литературы диссертационного исследования кандидат наук Гилка Вадим Викторович, 2025 год

Список литературы

1. Zhang X., et al. Remote Sensing Object Detection Meets Deep Learning: A Meta-review of Challenges and Advances // arXiv preprint arXiv:2309.06751. - 2023.

2. Hoeser T., Bachofer F., Kuenzer C. Object Detection and Image Segmentation with Deep Learning on Earth Observation Data: A Review—Part II: Applications // Remote Sens. - 2020. - Vol. 12. - P. 3053. - DOI: 10.3390/rs12183053.

3. Ye P. Remote Sensing Approaches for Meteorological Disaster Monitoring: Recent Achievements and New Challenges // International Journal of Environmental Research and Public Health. - 2022. - Vol. 19, No. 6. - P. 3701. -DOI: 10.3390/ijerph19063701.

4. Janga B., Asamani G.P., Sun Z., Cristea N. A Review of Practical AI for Remote Sensing in Earth Sciences // Remote Sens. - 2023. - Vol. 15. - P. 4112. -DOI: 10.3390/rs 15164112.

5. Wang Zhien, Menenti Massimo. Challenges and Opportunities in Lidar Remote Sensing // Frontiers in Remote Sensing. - 2021. - Vol. 2. - DOI: 10.3389/frsen.2021.64172. - ISSN 2673-6187.

6. Adams E.C., Parache H.B., Cherrington E., Ellenburg W.L., Mishra V., Lucey R., Nakalembe C. Limitations of Remote Sensing in Assessing Vegetation Damage Due to the 2019-2021 Desert Locust Upsurge // Frontiers in Climate. -2021. - Vol. 3. - DOI: 10.3389/fclim.2021.714273. - ISSN 2624-9553.

7. Dong Z., Liu Y., Feng Y., Wang Y., Xu W., Chen Y., Tang Q. Object Detection Method for High Resolution Remote Sensing Imagery Based on Convolutional Neural Networks with Optimal Object Anchor Scales // International Journal of Remote Sensing. - 2022. - Vol. 43, No. 7. - P. 2677-2698. - DOI: 10.1080/01431161.2022.2066487.

8. Blaschke T. Object based image analysis for remote sensing // ISPRS Journal of Photogrammetry and Remote Sensing. - 2010. - Vol. 65, No. 1. - P. 216. - DOI: 10.1016/j.isprsjprs.2009.06.004.

9. Zhao X., Zhang J., Tian J., Zhuo L., Zhang J. Multiscale object detection in high-resolution remote sensing images via rotation invariant deep features driven by channel attention // International Journal of Remote Sensing. -2021. - Vol. 42, No. 15. - P. 5764-5783. - DOI: 10.1080/01431161.2021.1931537.

10. Kotaridis I., Lazaridou M. Remote sensing image segmentation advances: A meta-analysis // ISPRS Journal of Photogrammetry and Remote Sensing. - 2021. - Vol. 173. - P. 309-322. - DOI: 10.1016/j.isprsjprs.2021.01.020.

11. Yao Y., Chen T., Bi H., Cai X., Pei G., Yang G., Yan Z., Sun X., Xu X., Zhang H. Automated object recognition in high-resolution optical remote sensing imagery // National Science Review. - 2023. - Vol. 10, No. 6. - DOI: 10.1093/nsr/nwad122.

12. Zhao X., Zhang J., Tian J., Zhuo L., Zhang J. Multiscale object detection in high-resolution remote sensing images via rotation invariant deep features driven by channel attention // International Journal of Remote Sensing. -2021. - Vol. 42, No. 15. - P. 5764-5783. - DOI: 10.1080/01431161.2021.1931537.

13. Fu J., Yi X., Wang G., Mo L., Wu P., Kapula K.E. Research on Ground Object Classification Method of High Resolution Remote-Sensing Images Based on Improved DeeplabV3 // Sensors (Basel). - 2022. - Vol. 22, No. 19. - P. 7477. - DOI: 10.3390/s22197477.

14. Mertikas S. P., Partsinevelos P., Mavrocordatos C., Maximenko N. A. Environmental applications of remote sensing // Pollution Assessment for Sustainable Practices in Applied Sciences and Engineering. - 2021. - P. 107-163. -DOI: 10.1016/b978-0-12-809582-9.00003-7.

15. Song W., Song W., Gu H., Li F. Progress in the Remote Sensing Monitoring of the Ecological Environment in Mining Areas // International Journal of Environmental Research and Public Health. - 2020. - Vol. 17, No. 6. - P. 1846. -DOI: 10.3390/ijerph17061846.

16. Abraham S., Beard J., Manijacob R. Remote environmental monitoring using Internet of Things (IoT) // 2017 IEEE Global Humanitarian Technology Conference (GHTC). - 2017. - DOI: 10.1109/ghtc.2017.8239335.

17. Mshali H., Lemlouma T., Moloney M., Magoni D. A Survey on Health Monitoring Systems for Health Smart Homes // International Journal of Industrial Ergonomics. - 2018. - Vol. 66. - P. 26-56.

18. Шадеркин И. А. Дистанционный мониторинг состояния здоровья и окружающей среды человека: возможности и ограничения // Российский журнал телемедицины и электронного здравоохранения. - 2022. - Т. 8, № 3. -С. 45-54. - DOI: https://doi.org/10.29188/2712-9217-2022-8-3-45-54.

19. Park S. J., Subramaniyam M., Kim S., Hong S., Lee J., Jo C., Seo Y. Development of the Elderly Healthcare Monitoring System with IoT // 2017. - DOI: 10.1007/978-3-319-41652-6_29.

20. Liu L., Stroulia E., Nikolaidis I., Miguel-Cruz A., Rios Rincon A. Smart homes and home health monitoring technologies for older adults: A systematic review // International Journal of Medical Informatics. - 2016. - Jul. - Vol. 91. - P. 44-59. - DOI: 10.1016/j.ijmedinf.2016.04.007. - Epub 2016 Apr 19. - PMID: 27185508.

21. The importance of environmental monitoring in healthcare // Golighthouse. - URL: https://www.golighthouse.com/en/knowledge-center/environmental-monitoring-healthcare/ (дата обращения: 13.03.2023).

22. How Patient Room Monitoring Impacts Clinical Outcomes // Kontakt.io. - URL: https://kontakt.io/blog/patient-room-monitoring-managing-the-environment-to-impact-clinical-outcomes/ (дата обращения: 13.03.2023).

23. Philip N. Y., Rodrigues J. J. P. C., Wang H. [et al.] Internet of Things for In-Home Health Monitoring Systems: Current Advances, Challenges and Future Directions // IEEE Journal on Selected Areas in Communications. - 2021. - Vol. 39, No. 2. - P. 300-310. - ISSN 0733-8716..

24. Sandle T. Viable Environmental Monitoring Methods // Biocontamination Control for Pharmaceuticals and Healthcare. - 2019. - P. 83-101.

- doi:10.1016/b978-0-12-814911-9.00006-7.

25. Анализ применения технологий Интернета вещей в мониторинге окружающей среды // Русские Блоги : сайт. - 2023. - URL: https://russianblogs.com/article/95791166637/ (дата обращения: 13.03.2023).

26. Patel S., Park H., Bonato P. et al. A review of wearable sensors and systems with application in rehabilitation // J NeuroEngineering Rehabil. - 2012. -Vol. 9, Article 21. - https://doi.org/10.1186/1743-0003-9-21.

27. Гилка В. В., Орлова Ю. А., Хужахметова Д. Х. [и др.] Разработка метода и архитектуры мобильного приложения для удаленного мониторинга текущего состояния человека на основе данных жизненно важных показателей с датчиков // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2021. - Т. 11, № 4. - С. 212-230.

28. Чибисов С. М., Благонравов М. Л., Фролов В. А. Телеметрическое мониторирование в патофизиологии сердца и хронокардиологии // Международный журнал прикладных и фундаментальных исследований. -2010. - № 6. - С. 31-32.

29. Владзимирский А. В. Телемедицина. - Донецк : ООО "Цифровая типография", 2011. - 437 с. - ISBN 978-617-579-142-4.

30. Bardy P. The Advent of Digital Healthcare. In: The Human Challenge of Telemedicine. - 2019. - P. 3-17. - doi:10.1016/b978-1-78548-304-2.50001-2.

31. Mathew J., Lail J., Chang A. C., & Jefferies J. L. Outpatient Monitoring and Self-Care. In: Heart Failure in the Child and Young Adult. - 2018. - P. 755-772.

- doi:10.1016/b978-0-12-802393-8.00058-2.

32. What Is Telemonitoring? // Libertyhomecare : сайт. - URL: https://libertyhomecare.com/what-is-telemonitoring/ (дата обращения: 13.03.2023).

33. What is Telemonitoring // IgiGlobal : сайт. - URL: https://www.igi-global.com/dictionary/exploring-personal-healthcare-help-two/29645 (дата обращения: 13.03.2023).

34. Telemonitoring definition // Lawinsider : сайт. - URL: https://www.lawinsider.com/dictionary/telemonitoring (дата обращения: 13.03.2023).

35. Федоров, В. Ф., Столяр, В. Л. Персональная телемедицина. Перспективы внедрения // Врач и информационные технологии. - 2020. - № 2. - с. 36-44. - DOI 10.37690/1811-0193-2020-2-36-44.

36. Meystre, Stephane. "The current state of telemonitoring: a comment on the literature." Telemedicine journal and e-health : the official journal of the American Telemedicine Association, vol. 11, no. 1, 2005, pp. 63-69. doi:10.1089/tmj.2005.11.63.

37. Ware, P., Shah, A., Ross, H. J., Logan, A. G., Segal, P., Cafazzo, J. A., Szacun-Shimizu, K., Resnick, M., Vattaparambil, T., Seto, E. Challenges of Telemonitoring Programs for Complex Chronic Conditions: Randomized Controlled Trial With an Embedded Qualitative Study. J Med Internet Res. 2022 Jan 26;24(1):e31754. doi: 10.2196/31754.

38. Гельман В. Я., Дохов М. А. Проблемы развития домашнего мониторинга состояния здоровья // Медицина. 2020. Т. 8, № 2(30). С. 50-60. DOI: 10.29234/2308-9113-2020-8-2-50-60.

39. Фотоплетизмография — метод скрининговой диагностики состояния сосудов // БИОРС : сайт. URL: https://www.biors.ru/tech/practicing-biors/s-fotoplez.htm (дата обращения: 14.03.2023).

40. Калакутский Л. И., Молчков Е. В., Бахтинов П. И. Фотоплетизмограф для клинического мониторинга сердечного ритма // Известия ЮФУ. Технические науки. 2012. № 11(136). С. 87-91.

41. Рентюк, В. Биологические оптические сенсоры в медицине: настоящее и будущее фотоплетизмографии / В. Рентюк // Компоненты и технологии. - 2017. - № 12(197). - С. 66-72.

42. Карпов, О. Э., Свешников, А. В., Воробьев, А. С. Новые методы мониторирования жизненно важных функций организма в эпоху телемедицины // Менеджер здравоохранения. - 2016. - № 8. - С. 54-66.

43. Лущик М. В., Макеева А. В., Остроухова О. Н. [и др.]. Применение фотоплетизмографии для оценки состояния микроциркуляторного русла в качестве метода диагностики заболеваний сердечно-сосудистой системы // Вестник новых медицинских технологий. 2022. Т. 29, № 3. С. 91-95. DOI: 10.24412/1609-2163-2022-3-91-95.

44. Мошкевич В. С. Фотоплетизмография (аппаратура и методы исследования). М.: Медицина, 1970. 166 с.

45. Advantages of PPG sensor. Benefits of Photoplethysmography sensor // RF Wireless World : сайт. URL: https://www.rfwireless-world.com/Terminology/Advantages-and-Disadvantages-of-PPG-Sensor.html (дата обращения: 14.03.2023).

46. Волков И. Ю., Сагайдачный А. А., Фомин А. В. Фотоплетизмографическая визуализация гемодинамики и двухмерная оксиметрия // Известия Саратовского университета. Новая серия. Серия: Физика. 2022. Т. 22, № 1. С. 15-45. DOI: 10.18500/1817-3020-2022-22-1-15-45.

47. Photoplethysmography // Scholarly Community Encyclopedia : сайт. -URL: https://encyclopedia.pub/entry/23431 (дата обращения: 14.03.2023)

48. Vavrinsky E., Esfahani N. E., Hausner M., Kuzma A., Rezo V., Donoval M., Kosnacova H. The Current State of Optical Sensors in Medical Wearables // Biosensors (Basel). 2022. Vol. 12, no. 4. P. 217. DOI: 10.3390/bios12040217. PMID: 35448277; PMCID: PMC9029995.

49. Allen J. Photoplethysmography and its application in clinical physiological measurement // Physiol Meas. 2007. Vol. 28, no. 3. Pp. R1-39. DOI: 10.1088/0967-3334/28/3/R01. PMID: 17322588.

50. Photoplethysmography use for Assessment of Mechanical Alternans in Human Cardiovascular Disease // UCL : сайт. URL:

https://discovery.ucl.ac.uk/id/eprint/10100901/1/Besleaga_000_Thesis.pdf (дата обращения: 14.03.2023).

51. Сиротина А. С., Кобякова О. С., Деев И. А. [и др.]. Удаленный мониторинг состояния здоровья. Аналитический обзор // Социальные аспекты здоровья населения. 2022. Т. 68, № 2. С. 1. DOI: 10.21045/2071-5021 -2021 -682-1.

52. Ломидзе Н. Н., Васковский В. А., Яшков М. В. [и др.]. Возможности и перспективы удаленного мониторинга пациентов с имплантированными устройствами // Комплексные проблемы сердечнососудистых заболеваний. 2019. Т. 8, № 2. С. 98-106. DOI: 10.17802/2306-12782019-8-2-98-106.

53. Хасанов И. Ш. Телемониторинг имплантируемых устройств -новые возможности диагностики и лечения аритмий и сердечной недостаточности // Сибирский медицинский журнал (г. Томск). 2009. Т. 24, № 1-1. С. 15-20.

54. Koo K., Ferguson C., Ling L. H., Cleland J. G. F., Inglis S. C. Implantable device monitoring versus usual care for managing individuals with heart failure // Cochrane Database Syst Rev. 2019. Vol. 2019, no. 8. CD013401. DOI: 10.1002/14651858.CD013401. PMCID: PMC6700035.

55. Zhang J. X. J., Hoshino K. Chapter 7 - Implantable Sensors // In: Zhang J. X. J., Hoshino K. (eds.) Molecular Sensors and Nanodevices. William Andrew Publishing, 2014. Pp. 415-465. ISBN 9781455776313. DOI: https://doi.org/10.1016/B978-1-4557-7631-3.00007-7.

56. Hajduczok A. G., Muallem S. N., Nudy M. S., DeWaters A. L., Boehmer J. P. Remote monitoring for heart failure using implantable devices: a systematic review, meta-analysis, and meta-regression of randomized controlled trials // Heart Fail Rev. 2022. Vol. 27, no. 4. Pp. 1281-1300. DOI: 10.1007/s10741-021-10150-5. PMID: 34559368; PMCID: PMC8460850.

57. Калюта Т. Ю., Киселев А. Р. Амбулаторный кардиомониторинг с помощью имплантируемых устройств. Современное состояние проблемы и

перспективы // Анналы аритмологии. 2020. Т. 17, № 3. С. 185-193. DOI: 10.15275/annaritmol.2020.3.4.

58. Удаленный мониторинг пациентов с имплантированными устройствами: перспективы и возможности // Экономист лечебного учреждения. 2019. № 7.

59. Advantages and Disadvantages of Medical Technology in Healthcare // Adill Blogger : сайт. URL: https://adilblogger.com/advantages-disadvantages-medical-technology/ (дата обращения: 15.03.2023).

60. Advantages and Disadvantages of Microchips in Humans // myAyan : сайт. URL: https://www.myayan.com/advantages-and-disadvantages-of-microchips-in-humans (дата обращения: 15.03.2023).

61. Harman M. K. 3.1.9 - Medical Device Failure—Implant Retrieval, Evaluation, and Failure Analysis // In: Wagner W. R., Sakiyama-Elbert S. E., Zhang G., Yaszemski M. J. (eds.) Biomaterials Science. 4th ed. Academic Press, 2020. Pp. 1485-1495. ISBN 9780128161371. DOI: https://doi.org/10.1016/B978-0-12-816137-1.00096-9.

62. Bazaka K., Jacob M. Implantable Devices: Issues and Challenges // Electronics. 2012. Vol. 2. Pp. 1-34. DOI: 10.3390/electronics2010001.

63. Медведев О. С., Яцковский М. Ю. Мобильное здравоохранение (m-Health) и мониторинг здоровья в современной медицине // Ремедиум. 2013. № 9. С. 8-15.

64. Турзин П. С., Аксенова Е. И. Экспертный обзор: персональные технологии диагностики здоровья. Москва: Государственное бюджетное учреждение города Москвы "Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы", 2019. 28 с. ISBN 978-5-907251-32-8.

65. Soon S., Svavarsdottir H., Downey C., et al. Wearable devices for remote vital signs monitoring in the outpatient setting: an overview of the field // BMJ Innovations. 2020. Vol. 6. Pp. 55-71.

66. Dias D., Cunha J. P. Wearable Health Devices—Vital Sign Monitoring, Systems and Technologies // Sensors. 2018. Vol. 18. P. 2414. DOI: 10.3390/s18082414.

67. Mohammadzadeh N., Gholamzadeh M., Saeedi S., Rezayi S. The application of wearable smart sensors for monitoring the vital signs of patients in epidemics: a systematic literature review // J Ambient Intell Humaniz Comput. 2020. Nov 13. Pp. 1-15. DOI: 10.1007/s12652-020-02656-x. PMID: 33224305; PMCID: PMC7664168.

68. Panchbudhe S., Mandalik B., Chaudhary S. [and others]. Portable Health Monitoring Devices to Keep Track of Your Vitals // Annals of Medical and Health Sciences Research. 2021. Vol. 11, no. S3. Pp. 94-97. ISSN 2141-9248.

69. Huzooree G., Kumar Khedo K., Joonas N. Pervasive mobile healthcare systems for chronic disease monitoring // Health Informatics J. 2019. Vol. 25, no. 2. Pp. 267-291. DOI: 10.1177/1460458217704250. PMID: 28464728.

70. Mukherjee S., Suleman S., Pilloton R., Narang J., Rani K. State of the Art in Smart Portable, Wearable, Ingestible and Implantable Devices for Health Status Monitoring and Disease Management // Sensors. 2022. Vol. 22. P. 4228. DOI: https://doi.org/10.3390/s22114228.

71. Advantages and Disadvantages of Medical Technology in Healthcare // Techbaji : сайт. URL: https://techbaji.com/health/advantages-disadvantages-medical-technology-healthcare/ (дата обращения: 20.03.2023).

72. 15 Advantages and Disadvantages of Medical Technology in Healthcare // Intellectual Gyani : сайт. URL: https://intellectualgyani.com/advantages-disadvantages-medical-technology-healthcare/ (дата обращения: 20.03.2023).

73. Abbe J. R., O'Keeffe C. Continuous Video Monitoring: Implementation Strategies for Safe Patient Care and Identified Best Practices // Journal of Nursing Care Quality. 2021. Vol. 36, no. 2. Pp. 137-142. DOI: 10.1097/NCQ.0000000000000502.

74. How Are Smart Cameras Used in Healthcare? // News Medical : сайт. URL: https://www.news-medical.net/health/How-Are-Smart-Cameras-Used-in-Healthcare.aspx (дата обращения: 20.03.2023).

75. Emilsson M., Karlsson C., Svensson A. Experiences of using surveillance cameras as a monitoring solution at nursing homes: The eldercare personnel's perspectives // BMC Health Serv Res. 2023. Vol. 23. P. 144. DOI: https://doi.org/10.1186/s12913-023-09130-2.

76. Quigley P. A., Votruba L., Kaminski J. Outcomes of Patient-Engaged Video Surveillance on Falls and Other Adverse Events // Clinics in Geriatric Medicine. 2019. Vol. 35, no. 2. Pp. 253-263. ISSN 0749-0690. ISBN 9780323678568. DOI: https://doi.org/10.1016/j.cger.2019.01.005.

77. Selvaraju V., Spicher N., Wang J., Ganapathy N., Warnecke J. M., Leonhardt S., Swaminathan R., Deserno T. M. Continuous Monitoring of Vital Signs Using Cameras: A Systematic Review // Sensors (Basel). 2022. Vol. 22, no. 11. P. 4097. DOI: 10.3390/s22114097. PMID: 35684717; PMCID: PMC9185528.

78. Sambandam Raju P., Mahalingam M., Arumugam Rajendran R. Chapter 10 - Review of Intellectual Video Surveillance Through Internet of Things // In: Peter D., Alavi A. H., Javadi B., Fernandes S. L. (eds.) The Cognitive Approach in Cloud Computing and Internet of Things Technologies for Surveillance Tracking Systems. Intelligent Data-Centric Systems. Academic Press, 2020. Pp. 141-155. ISBN 9780128163856. DOI: https://doi.org/10.1016/B978-0-12-816385-6.00010-6.

79. The Right Focus: How Smart Cameras Are Improving Patient Care // IoTInnovator : сайт. URL: https://www.iotinnovator.com/the-right-focus-how-smart-cameras-are-improving-patient-care/ (дата обращения: 20.03.2023).

80. Three ways healthcare can be improved with smart cameras // ISJ : сайт. URL: https://internationalsecurityj ournal. com/healthcare-smart-cameras/ (дата обращения: 20.03.2023).

81. How cameras and Artificial Intelligence are changing the way we look at patient care? // e-con Systems : сайт. URL: https://www.e-

consystems.com/Wog/camera/applications/how-cameras-and-artificial-intelligence-are-changing-the-way-we-look-at-patient-care/ (дата обращения: 20.03.2023).

82. Jones K. J., Haynatzki G., Sabalka L. Evaluation of Automated Video Monitoring to Decrease the Risk of Unattended Bed Exits in Small Rural Hospitals // J Patient Saf. 2021. Vol. 17, no. 8. Pp. e716-e726. DOI: 10.1097/PTS.0000000000000789. PMID: 33009181; PMCID: PMC8612902.

83. Using Surveillance Technology to Improve Patient Safety and Care // Verkada : сайт. URL: https://www.verkada.com/blog/using-surveillance-technology-improve-patient-safety-care/ (дата обращения: 20.03.2023).

84. What are the Benefits of Smart Cameras in Elderly Home Care? // VS : сайт. URL: https://www.videostrong.com/news-show/what-are-the-benefits-smart-cameras-in-elderly (дата обращения: 20.03.2023).

85. Chaudhry S. I., Barton B., Mattera J., Spertus J., Krumholz H. M. Randomized trial of Telemonitoring to Improve Heart Failure Outcomes (Tele-HF): study design // J Card Fail. 2007. Vol. 13, no. 9. Pp. 709-714. DOI: 10.1016/j.cardfail.2007.06.720. PMID: 17996818; PMCID: PMC2702538.

86. Inglis S. C., Clark R. A., Dierckx R., Prieto-Merino D., Cleland J. G. Structured telephone support or non-invasive telemonitoring for patients with heart failure // Cochrane Database Syst Rev. 2015. Vol. 2015, no. 10. CD007228. DOI: 10.1002/14651858.CD007228.pub3. PMID: 26517969; PMCID: PMC8482064.

87. Jasemian Y., Arendt-Nielsen L. Evaluation of a realtime, remote monitoring telemedicine system using the Bluetooth protocol and a mobile phone network // Journal of Telemedicine and Telecare. 2005. Vol. 11. Pp. 256-260. DOI: 10.1258/1357633054471911.

88. Challenges of Remote Patient Monitoring Technology: When and How to Use SMS Texts and Phone Calls for Patients // CareSignal : сайт. URL: https://www.caresignal.health/news/challenges-of-remote-patient-monitoring-technology-when-and-how-to-use-sms-texts-and-phone-calls-for-patients (дата обращения: 21.03.2023).

89. Владзимирский А. В. Систематический обзор применения мессенджеров "WhatsApp®" и "Viber®" в клинической медицине // Журнал телемедицины и электронного здравоохранения. 2017. № 1(3). С. 30-41.

90. Исследование: как медицинские клиники используют чаты и мессенджеры в работе // VC.RU : сайт. URL: https://vc.ru/u/1232127-callibri/463058-issledovanie-kak-medicinskie-kliniki-ispolzuyut-chaty-i-messendzhery-v-rabote (дата обращения: 21.03.2023).

91. Sayegh-Jodehl S., Mukowski-Kickhöfel R., Linke D., Müller-Birn C., Rose M. Use of Instant Messaging Software in a German Hospital—An Exploratory Investigation among Physicians // Int J Environ Res Public Health. 2022. Vol. 19, no. 19. P. 12618. DOI: 10.3390/ijerph191912618. PMID: 36231921; PMCID: PMC9566177.

92. Популярные мессенджеры: список российских и мировых сервисов // VC.RU : сайт. URL: https://vc.ru/u/234439-email-soldiers/298130-populyarnye-messendzhery-spisok-rossiyskih-i-mirovyh-servisov-obzor-2021 (дата обращения: 11.11.2021).

93. Cheng X., Yang Y., Shentu Y., Ding Z., Zhou Q., Tan Q., Luo Q. Remote monitoring of patient recovery following lung cancer surgery: a messenger application approach // J Thorac Dis. 2021. Vol. 13, no. 2. Pp. 1162-1171. DOI: 10.21037/jtd-21 -27. PMID: 33717589; PMCID: PMC7947538.

94. Sharmili M., Umamakeswari A. A remote health monitoring messenger // International Journal of Engineering and Technology (IJET). 2013. Vol. 5, no. 1. Pp. 345-349. ISSN 0975-4024.

95. Masoni M., Guelfi M. R. WhatsApp and other messaging apps in medicine: opportunities and risks // Intern Emerg Med. 2020. Vol. 15, no. 2. Pp. 171173. DOI: 10.1007/s11739-020-02292-5. PMID: 32062746.

96. Know the advantages and disadvantages of WhatsApp in medicine // Archyde : сайт. URL: https://www.archyde.com/know-the-advantages-and-disadvantages-of-whatsapp-in-medicine/ (дата обращения: 21.03.2023).

97. Шадеркин И. А., Цой А. А., Сивков А. В. [и др.]. mHealth - новые возможности развития телекоммуникационных технологий в здравоохранении // Экспериментальная и клиническая урология. 2015. № 2. С. 142-148.

98. Панкратов С. Г., Знаменская Т. М. Мобильные технологии в здравоохранении (mHealth): концепция и перспективы. Часть 1 // Менеджер здравоохранения. 2014. № 2. С. 30-48.

99. Панкратов С. Г., Знаменская Т. Ю. Мобильные технологии в здравоохранении (mHealth): концепция и перспективы. Часть 2 // Менеджер здравоохранения. 2014. № 3. С. 34-47.

100. Панкратов С. Г., Знаменская Т. Ю. Мобильные технологии в здравоохранении (mHealth): концепция и перспективы. Часть 3 // Менеджер здравоохранения. 2014. № 4. С. 50-66.

101. Bhavnani S. P., Narula J., Sengupta P. P. Mobile technology and the digitization of healthcare // Eur Heart J. 2016. Vol. 37, no. 18. Pp. 1428-1438. DOI: 10.1093/eurheartj/ehv770. PMID: 26873093; PMCID: PMC4914890.

102. Manocchia A. Telehealth: Enhancing Care through Technology // R I Med J (2013). 2020. Vol. 103, no. 1. Pp. 18-20. PMID: 32013298.

103. Rosen H., Christina J., Kurliand M., Campbell R., Arges D., Wisz M., Little J. The Current State of Technology in Mobile Healthcare: Considerations for mHealth Planning // 2012. DOI: 10.13140/RG.2.1.1648.9045.

104. Danasekaran R., K. R., Mohan Kumar B. K. mHealth: A Newer Perspective in Healthcare through Mobile Technology // Journal of Comprehensive Health. 2019. Vol. 7. Pp. 67-68. DOI: 10.53553/JCH.v07i02.012.

105. Panayides A., Pattichis C., Kyriacou E., Magjarevic R. Healthcare Technology Letters Special Issue CFP: mHealth - Emerging Mobile Health Systems and Services // 2015.

106. Galetsi P., Katsaliaki K., Kumar S. Exploring benefits and ethical challenges in the rise of mHealth (mobile healthcare) technology for the common good: An analysis of mobile applications for health specialists // Technovation. 2022. Vol. 121. P. 102598. DOI: 10.1016/j.technovation.2022.102598.

107. Никитин П. В., Мурадянц А. А., Шостак Н. А. Мобильное здравоохранение: возможности, проблемы, перспективы // Клиницист. 2015. Т. 9, № 4. С. 13-21. DOI: 10.17650/1818-8338-2015-10-4-13-21.

108. Aljedaani B., Babar M. A. Challenges With Developing Secure Mobile Health Applications: Systematic Review // JMIR Mhealth Uhealth. 2021. Vol. 9, no. 6. e15654. DOI: 10.2196/15654. PMID: 34152277; PMCID: PMC8277314.

109. Bhutkar G., Karande J., Dhore M. Major Challenges with Mobile Healthcare Applications // The British Journal of Healthcare Computing and Information Management. 2009.

110. How Healthcare Apps are Adding New Perspectives to the Healthcare Industry? // Delveinsight : сайт. URL: https://www.delveinsight.com/blog/healthcare-apps (дата обращения: 21.03.2023).

111. Galetsi P., Katsaliaki K., Kumar S. Exploring benefits and ethical challenges in the rise of mHealth (mobile healthcare) technology for the common good: An analysis of mobile applications for health specialists // Technovation. 2023. Vol. 121. P. 102598. ISSN 0166-4972. DOI: https://doi.org/10.1016/) .technovation.2022.102598.

112. Шадеркин И. А., Шадеркина В. А. Удаленный мониторинг здоровья: мотивация пациентов // Журнал телемедицины и электронного здравоохранения. 2020. Т. 6, № 3. С. 36-43. DOI: 10.29188/2542-2413-2020-63-37-43.

113. Rodgers M. M.,Alon G., Pai V. M., Conroy R. S. Wearable technologies for active living and rehabilitation: Current research challenges and future opportunities // J Rehabil Assist Technol Eng. 2019. Vol. 6. Article 2055668319839607. DOI: 10.1177/2055668319839607. PMID: 31245033; PMCID: PMC6582279.

114. Yang G., Nelson J. B., Murphy R. R., Choset H., Christensen H., Collins S. H., Dario P., Goldberg K., Ikuta K., Jacobstein N., Kragic D., Taylor R. H.,

McNutt M. Combating COVID-19—The role of robotics in managing public health and infectious diseases // Science Robotics. 2020. Vol. 5.

115. Di Lallo A., Murphy R. R., Krieger A., Zhu J., Taylor R. H., Su H. Medical Robots for Infectious Diseases: Lessons and Challenges from the COVID-19 Pandemic // IEEE Robotics & Automation Magazine. 2020. Vol. 28. Pp. 18-27.

116. Avgousti S., Christoforou E. G., Masouras P., Panayides A. S., Tsekos N. V. Robotic Systems on the Frontline Against the Pandemic // International Conference on Human Interaction and Emerging Technologies. 2021.

117. Scassellati B., Vázquez M. The potential of socially assistive robots during infectious disease outbreaks // Science Robotics. 2020. Vol. 5. n. pag.

118. Khamis A. M., Meng J., Wang J., Azar A. T., Prestes E., Li H., Hameed I. A., Haidegger T. AI and Robotics in the Fight Against COVID-19 Pandemic // Modeling, Control and Drug Development for COVID-19 Outbreak Prevention. 2021.

119. Sarker S., Jamal L., Ahmed S. F., Irtisam N. Robotics and artificial intelligence in healthcare during COVID-19 pandemic: A systematic review // Robotics and Autonomous Systems. 2021. Vol. 146. P. 103902.

120. Shen Y., Guo D., Long F., Mateos L. A., Ding H., Xiu Z., Hellman R. B., King A., Chen S., Zhang C., Tan H. Robots Under COVID-19 Pandemic: A Comprehensive Survey // IEEE Access. 2021. Vol. 9. Pp. 1590-1615.

121. Javaid M., Haleem A., Vaish A., Vaishya R., Iyengar K. P. Robotics Applications in COVID-19: A Review.

122. Di L., Yu E. Remote Sensing // 2023. DOI: 10.1007/978-3-031-33932-

5_2.

123. Mohamed G., Das K. K. Assessment of Biomass in Magra and Dhanaulti Reserve Forest (Missouri Forest) using Remote Sensing and GIS // 2013. DOI: 10.13140/RG.2.2.17085.97766.

124. Ndehedehe C. Remote Sensing of the Environment // 2023. DOI: 10.1007/978-3-031-37727-3 6.

125. Schneider S. J., Deutsche e.V., Koeln G., AG, Joint Applications, Lenggries G., Aug. Remote sensing for regional and environmental planning // 1979. XF2006140765.

126. Senbagavalli G., Pugazenthi K., Thimmareddy H., Priyanka P. Remote Sensing and Image Processing for Efficient Nutrient Management. 2023.

127. Wu P., An J., Wu B., Bai H., Wang Y., Liu Z. A Method of Cloud Detection in Remote Sensing Image Based on FPGA // 2023. DOI: 10.1007/978-981-99-4098-1_10.

128. Zou Q., Yu W., Bao Z. A Blockchain Solution for Remote Sensing Data Management Model // Applied Sciences. 2023. Vol. 13. P. 9609. DOI: 10.3390/app13179609.

129. Кулик Е. Н. Опыт освоения современных технологий обработки данных дистанционного зондирования в институте дистанционного зондирования и природопользования СГГА // Гео-Сибирь. 2005. Т. 5. С. 237241.

130. Попов Н. Н., Абрамов В. М., Александрова Л. В. [и др.]. Модель геоинформационного обеспечения наблюдения за состоянием почвы и растительного покрова в Арктике по данным дистанционного зондирования Земли и подспутниковых распределенных наблюдений // Известия СПбГЭТУ ЛЭТИ. 2018. № 8. С. 37-42.

131. Рыбак Н. И. Анализ систем дистанционного зондирования земли при земельном контроле и ведении государственного мониторинга земель // Теоретические и прикладные исследования: достижения, проблемы и перспективы развития: сборник научных трудов по материалам Международной научно-практической конференции, Санкт-Петербург, 15 сентября 2021 года. Санкт-Петербург: Профессиональная наука, 2021. С. 6779. DOI: 10.54092/9781329898394_67.

132. Долгачева Л. Е., Ротанова И. Н. Использование данных дистанционного зондирования для выявления затопленных участков

ленточных боров // Acta Biologica Sibirica. 2019. Т. 5, № 4. С. 83-88. DOI: 10.14258/abs.v5.i4.7066.

133. Nakamura T., Fujimura R. Analysis of Display Resolution of Volume Holographic Waveguide and High Resolution by Line-Symmetric Image Input // Photonics. 2022. Vol. 9. P. 649. DOI: 10.3390/photonics9090649.

134. Dibs H., Jaber H., Al-Ansari N. Multi-Fusion algorithms for Detecting Land Surface Pattern Changes Using Multi-High Spatial Resolution Images and Remote Sensing Analysis // Emerging Science Journal. 2023. Vol. 7. Pp. 1215-1231. DOI: 10.28991/ESJ-2023-07-04-013.

135. Auccahuasi W., Carpio J., Garcia J., Benites R., Grados J., Masías E. Analysis of High Resolution Panchromatic Satellite Images, Based on GPGPU Programming // SSIP 2019: Proceedings of the 2019 2nd International Conference on Sensors, Signal and Image Processing. 2019. Pp. 45-48. DOI: 10.1145/3365245.3365253.

136. Bashit N., Harintaka H., Basith A. Analysis of object oriented classification on high resolution images // 2016. Pp. 187-191. DOI: 10.1109/INAES.2016.7821931.

137. Dagar A. K., Rudravaram P. R., Nagori R. Analysis of boulders population around a young crater using very high resolution image of Orbiter High Resolution Camera (OHRC) on board Chandrayaan-2 mission // Icarus. 2022. Vol. 386. P. 115168. DOI: 10.1016/j.icarus.2022.115168.

138. Chen S., Yan Y., Ren J., Hwang B., Marshall S., Durrani T. Superpixel Based Sea Ice Segmentation with High-Resolution Optical Images: Analysis and Evaluation // 2022. DOI: 10.1007/978-981-19-0386-1_60.

139. Hao S., Cui Y., Wang J. Segmentation Scale Effect Analysis in the Object-Oriented Method of High-Spatial-Resolution Image Classification // Sensors. 2021. Vol. 21. P. 7935. DOI: 10.3390/s21237935.

140. Краснов Ф. В., Буторин А. В., Ситников А. Н. Обзор подходов к анализу пространственных изображений высокого разрешения для применения в геофизике // Cloud of Science. 2019. Т. 6, № 1. С. 127-143.

141. Рыжиков А. С. Анализ способов детектированию абрисов на изображениях ДЗЗ высокого разрешения // Новые информационные технологии в научных исследованиях: Материалы XXVII Всероссийской научно-технической конференции студентов, молодых ученых и специалистов. В 2-х томах, Рязань, 07-09 декабря 2022 года. Том 2. Рязань: Рязанский государственный радиотехнический университет им. В. Ф. Уткина, 2022. С. 97-98.

142. Замшин В. В., Воробьев В. Е. Анализ космических оптических многоспектральных изображений высокого разрешения в зоне антропогенных воздействий на прибрежные акватории // European Conference on Innovations in Technical and Natural Sciences: 10th International scientific conference, Vienna, 02 февраля 2016 года. Vienna: «East West» Association for Advanced Studies and Higher Education GmbH, 2016. С. 78-87.

143. Борзов С. М., Пестунов И. А. Сегментация спутниковых изображений высокого разрешения на основе спектральных, текстурных и структурных признаков для анализа ЧС природного и техногенного характера // Безопасность и живучесть технических систем: Труды IV Всероссийской конференции. В 2-х томах, Красноярск, 09-13 октября 2012 года / Научн. ред. В. В. Москвичев. Том 2. Красноярск: Институт физики им. Л. В. Киренского СО РАН, 2012. С. 209-212.

144. Винтаев В. Н. Анализ влияния на результаты деконволюции космического изображения высокого разрешения ослабления степени регуляризации в синтезе частотно-контрастной характеристики тракта дистанционного зондирования // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 2015. № 19(216). С. 203-209.

145. Naik B. N., Gupta R., Singh A., Soni S. L., Puri G. D. Real-Time Smart Patient Monitoring and Assessment Amid COVID-19 Pandemic - an Alternative Approach to Remote Monitoring // J Med Syst. 2020. Vol. 44, no. 7. P. 131. DOI: 10.1007/s10916-020-01599-2. PMID: 32533379; PMCID: PMC7292797.

146. Rajavel R., Ravichandran S. K., Harimoorthy K., Nagappan P., Gobichettipalayam K. R. IoT-based smart healthcare video surveillance system using edge computing // Journal of Ambient Intelligence and Humanized Computing. 2021. DOI: 10.1007/s12652-021-03157-1.

147. Braeken A., Porambage P., Gurtov A., Ylianttila M. Secure and Efficient Reactive Video Surveillance for Patient Monitoring // Sensors. 2016. Vol. 16, no. 1. P. 32. DOI: 10.3390/s16010032.

148. Motoi K., Ogawa M., Ueno H., Kuwae Y., Ikarashi A., Yuji T., Yamakoshi K. -i. A fully automated health-care monitoring at home without attachment of any biological sensors and its clinical evaluation // 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. DOI: 10.1109/iembs.2009.5333712.

149. Zhou Z., Dai W., Eggert J., Giger J. T., Keller J., Rantz M., He Z. A realtime system for in-home activity monitoring of elders // 2009 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. DOI: 10.1109/iembs.2009.5334915.

150. Ni B., Wang G., Moulin P. RGBD-HuDaAct: A color-depth video database for human daily activity recognition // 2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops). DOI: 10.1109/iccvw.2011.6130379.

151. Rahman H., Ahmed M. U., Begum S. Non-contact Physiological Parameters Extraction using Facial Video considering Illumination, Motion, Movement and Vibration // IEEE Transactions on Biomedical Engineering. 2019. Pp. 1-1. DOI: 10.1109/tbme.2019.2908349.

152. Ivanovs A., Nikitenko A., Di Castro M., Torims T., Masi A., Ferre M. Multisensor Low-Cost System for Real Time Human Detection and Remote Respiration Monitoring // 2019 Third IEEE International Conference on Robotic Computing (IRC). 2019. DOI: 10.1109/irc.2019.00047.

153. Кирюхин А. В., Алпатов А. В. Проектирование автоматизированной системы для оценки аффективных состояний человека на

основе измерения пульса при просмотре видеоизображений // Программная инженерия. 2015. № 1. С. 34-40.

154. Shahriyar R., Bari M. F., Kundu G., Ahamed S. I., Akbar M. M. Intelligent Mobile Health Monitoring System (IMHMS) // In: Kostkova P. (eds) Electronic Healthcare. eHealth 2009. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, vol 27. Springer, Berlin, Heidelberg, 2010. DOI: 10.1007/978-3-642-11745-9_2.

155. Bhardwaj V., Joshi R., Gaur A. M. IoT-Based Smart Health Monitoring System for COVID-19 // SN Comput Sci. 2022. Vol. 3, no. 2. P. 137. DOI: 10.1007/s42979-022-01015-1. Epub 2022 Jan 20. PMID: 35079705; PMCID: PMC8772261.

156. Shahanim N., Amirnazarullah M., Jafri M., Abdullah S. IoT Based Patient Monitoring System using Sensors to Detect, Analyse and Monitor Two Primary Vital Signs // Journal of Physics: Conference Series. 2020. Vol. 1535. P. 012004. DOI: 10.1088/1742-6596/1535/1/012004.

157. Ahmed A., Khan M., Singh P., Batth R., Masud M. IoT-based real-time patients vital physiological parameters monitoring system using smart wearable sensors // Neural Computing and Applications. 2022. Vol. 35. DOI: 10.1007/s00521-022-07090-y.

158. Ray A., Ray H. Secured Pulse Rate Monitoring System using IoT and Cloud // 2020. Pp. 1-6. DOI: 10.1109/ICEFEET49149.2020.9186996

159. Ray A., Ray H. Wearable Sensors based Smart Secured Remote Health Monitoring System // 2021. Pp. 1-6. DOI: 10.1109/ICAECT49130.2021.9392533.

160. Bhardwaj V., Joshi R., Gaur A. M. IoT-Based Smart Health Monitoring System for COVID-19 // SN Comput Sci. 2022. Vol. 3, no. 2. P. 137. DOI: 10.1007/s42979-022-01015-1. Epub 2022 Jan 20. PMID: 35079705; PMCID: PMC8772261

161. Xu B., Xu L., Cai H., Jiang L., Luo Y., Gu Y. The design of an m-Health monitoring system based on a cloud computing platform // Enterprise Information Systems. 2017. Vol. 11, no. 1. Pp. 17-36. DOI: 10.1080/17517575.2015.1053416.

162. Suresh K. Rare Disease Detection and Alerting System to the Health Department // International Journal of Advanced Research Trends in Engineering and Technology (IJARTET). 2017. Vol. 4, no. 7. Pp. 4-8. ISSN 2394-3777.

163. Ghose A., Sinha P., Bhaumik C., Sinha A., Agrawal A., Dutta Choudhury A. UbiHeld: ubiquitous healthcare monitoring system for elderly and chronic patients // In: Proceedings of the 2013 ACM conference on Pervasive and ubiquitous computing adjunct publication (UbiComp '13 Adjunct). Association for Computing Machinery, New York, NY, USA, 2013. Pp. 1255-1264. DOI: https://doi.org/10.1145/2494091.2497331.

164. Naveen, Sharma R. K., Nair A. R. IoT-based Secure Healthcare Monitoring System // 2019 IEEE International Conference on Electrical, Computer and Communication Technologies (ICECCT). 2019. DOI: 10.1109/icecct.2019.8868984.

165. Rathi V. K., Rajput N. K., Mishra S., Ahuja Grover B., Tiwari P., Jaiswal A. K., Hossain M. S. An edge AI-enabled IoT healthcare monitoring system for smart cities // Computers & Electrical Engineering. 2021. Vol. 96, Part B. P. 107524. ISSN 0045-7906. DOI: https://doi.org/10.1016/j.compeleceng.2021.107524.

166. Gera S., Mridul M., Sharma S. IoT based Automated Health Care Monitoring System for Smart City // 2021 5th International Conference on Computing Methodologies and Communication (ICCMC). 2021. DOI: 10.1109/iccmc51019.2021.9418487.

167. Wan J., Al-awlaqi A. A. H., Li M., et al. Wearable IoT enabled real-time health monitoring system // J Wireless Com Network. 2018. Vol. 298. DOI: https://doi.org/10.1186/s13638-018-1308-x.

168. Aktas F., Ceken C., Erdemli Y. E. IoT-Based Healthcare Framework for Biomedical Applications // J. Med. Biol. Eng. 2018. Vol. 38. Pp. 966-979. DOI: https://doi.org/10.1007/s40846-017-0349-7.

169. Vasan C. R., Charan G., Babu C. An IoT based SMART patient health monitoring system // Indonesian Journal of Electrical Engineering and Computer Science. 2020. Vol. 18. P. 1657. DOI: 10.11591/ijeecs.v18.i3.pp1657-1664.

170. Valsalan P., Baomar T. A., Baabood A. H. IoT Based Health Monitoring System // International Journal of Recent Technology and Engineering. 2020.

171. Shah S. H., Iqbal A., Shah S. S. A. Remote health monitoring through an integration of wireless sensor networks, mobile phones & Cloud Computing technologies // 2013 IEEE Global Humanitarian Technology Conference (GHTC). 2013. DOI: 10.1109/ghtc.2013.6713719.

172. Патент на полезную модель № 177468 U1. Российская Федерация, МПК A61B 5/0295, G06F 3/01. Носимый медицинский телеметрический прибор: № 2017111768: заявл. 07.04.2017: опубл. 26.02.2018 / А. Н. Бондарик, Д. В. Дроздов, А. И. Егоров, Г. А. Харченко; заявитель Общество с ограниченной ответственностью (ООО) «Браслет безопасности».

173. Патент № 2739126 C1. Российская Федерация, МПК A61B 5/0205. Радиоканальный комплекс для дистанционного контроля состояния здоровья и рабочей активности сотрудников промышленных и транспортных предприятий: № 2020110243: заявл. 11.03.2020: опубл. 21.12.2020 / А. Н. Бондарик, В. В. Ульянов.

174. Патент на полезную модель № 195385 U1. Российская Федерация, МПК A61B 7/04. Портативный телемедицинский прибор: № 2019136784: заявл. 15.11.2019: опубл. 24.01.2020 / А. Н. Бондарик, А. И. Егоров, Г. А. Харченко; заявитель Общество с ограниченной ответственностью (ООО) «Альтоника».

175. Патент на полезную модель № 195994 U1. Российская Федерация, МПК G08B 25/00. Базовая станция браслета безопасности: № 2019128269: заявл. 09.09.2019: опубл. 13.02.2020 / А. Н. Бондарик, А. И. Егоров, Г. А. Харченко; заявитель Общество с ограниченной ответственностью «Альтоника».

176. Патент на полезную модель № 75293 U1. Российская Федерация, МПК A61B 5/0205, A61B 5/113. Телеметрическая система для мониторинга физиологических параметров: № 2008111453/22: заявл. 25.03.2008: опубл. 10.08.2008 / А. П. Бройко, Д. В. Гончаров, В. К. Ильков [и др.]; заявитель

Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В. И. Ульянова (Ленина) (СПбГЭТУ), Войсковая часть 35533 (в/ч 35533).

177. Патент на полезную модель № 188138 Ш. Российская Федерация, МПК А61В 5/01, А61В 5/0205, А61В 5/021. Приборный блок носимого медицинского диагностического комплекса: № 2018131316: заявл. 31.08.2018: опубл. 01.04.2019 / С. А. Будагян.

178. Патент на полезную модель № 172819 Ш. Российская Федерация, МПК А61В 5/01, А61В 5/0205, А61В 5/021. Приборный блок носимого медицинского диагностического комплекса: № 2016147605: заявл. 06.12.2016: опубл. 25.07.2017 / С. А. Будагян.

179. Патент на полезную модель № 187157 Ш. Российская Федерация, МПК А61В 5/01, А61В 5/0205, А61В 5/021. Персональное телемедицинское устройство системы дистанционного мониторинга жизненно важных функций организма пациентов группы риска: № 2018139748: заявл. 12.11.2018: опубл. 21.02.2019 / С. А. Будагян; заявитель Общество с ограниченной ответственностью «Красный Яр».

180. Патент на полезную модель № 110946 Ш. Российская Федерация, МПК А61В 5/00. Система медицинского телеметрического мониторинга: № 2011133320/14: заявл. 10.08.2011: опубл. 10.12.2011 / А. В. Терехов, В. Л. Радушкевич; заявитель Общество с ограниченной ответственностью «Стадис» (ООО «Стадис»).

181. Лемешкин А. В., Сафонова Ю. А., Коробова Л. А. Разработка системы телемониторинга больных // Вестник Воронежского государственного университета инженерных технологий. 2018. Т. 80, № 1(75). С. 90-96. DOI: 10.20914/2310-1202-2018-1-90-96.

182. Патент на полезную модель № 95419 Ш. Российская Федерация, МПК G06F 19/00. Система удаленного мониторинга состояния пациента: № 2009147280/22: заявл. 18.03.2010: опубл. 27.06.2010 / Д. А. Прилуцкий, Д. В.

Архиреев; заявитель Общество с ограниченной ответственностью «Медицинские Компьютерные Системы».

183. Баранов В. А., Печерская Е. А., Сафронов М. И., Тимохина О. А. Информационно-измерительная система для телемедицинского мониторинга состояния больного COVID-19 // Измерение. Мониторинг. Управление. Контроль. 2021. № 1(35). С. 85-92. DOI: 10.21685/2307-5538-2021-1-10.

184. Тимохина О. А. Канал измерения показателей дыхания системы телемедицинского мониторинга состояния больного COVID-19 // Информационные технологии в науке и образовании. Проблемы и перспективы: сборник статей по материалам VIII Всероссийской межвузовской научно-практической конференции, Пенза, 17 марта 2021 года. Пенза: Пензенский государственный университет, 2021. С. 344-347.

185. Еременко А. А., Ростунова Н. В., Будагян С. А., Курносов А. В. Персональная телемедицинская система "Оберег" для дистанционного мониторинга пациентов // Вестник анестезиологии и реаниматологии. 2020. Т. 17, № 5. С. 87-94. DOI: 10.21292/2078-5658-2020-17-5-87-94.

186. Еременко А. А., Ростунова Н. В., Будагян С. А., Стец В. В. Опыт клинической апробации персональной телемедицинской системы «Оберег» для дистанционного мониторинга пациентов в отделениях интенсивной терапии // Медицинский алфавит. 2020. № 13. С. 52-58. DOI: 10.33667/20785631-2020-13-52-58.

187. Петраевский В. А., Кузьменко Е. А., Марков А. К. Удаленный мониторинг состояния пациента скорой помощи // Инженерный вестник Дона. 2020. № 3(63). С. 44.

188. Li K., Warren S. A Wireless Reflectance Pulse Oximeter With Digital Baseline Control for Unfiltered Photoplethysmograms // IEEE Transactions on Biomedical Circuits and Systems. 2012. Vol. 6, no. 3. Pp. 269-278. DOI: 10.1109/tbcas.2011.2167717.

189. Abbas A. K., Heimann K., Jergus K., et al. Neonatal non-contact respiratory monitoring based on real-time infrared thermography // BioMed Eng OnLine. 2011. Vol. 10. P. 93. DOI: https://doi.org/10.1186/1475-925X-10-93.

190. Poh M.-Z., McDuff D. J., Picard R. W. Non-contact, automated cardiac pulse measurements using video imaging and blind source separation // Optics Express. 2010. Vol. 18, no. 10. Pp. 10762. DOI: 10.1364/oe.18.010762.

191. Cho Y., Bianchi-Berthouze N., Julier S. J. DeepBreath: Deep learning of breathing patterns for automatic stress recognition using low-cost thermal imaging in unconstrained settings // 2017 Seventh International Conference on Affective Computing and Intelligent Interaction (ACII). 2017. DOI: 10.1109/acii.2017.8273639.

192. Исупов И. Б., Затрудина Р. Ш. Электронный модуль для фотоплетизмографии и пульсоксиметрии // Природные системы и ресурсы. 2018. Т. 8, № 3. С. 15-21. DOI: 10.15688/nsr.jvolsu.2018.3.2.

193. Алексеев В. А., Ардашев С. А., Юран С. И. Автоматизированный фотоплетизмограф // Приборы и методы измерений. 2013. № 1(6). С. 46-51.

194. Jeong Y.-S., Shin S.-S. An IoT healthcare service model of a vehicle using implantable devices // Cluster Computing. 2016. Vol. 21, no. 1. Pp. 10591068. DOI: 10.1007/s10586-016-0689-z.

195. Choi Y. S., Yin R. T., Pfenniger A., Koo J., Avila R., Lee K. B., Rogers J. A. Fully implantable and bioresorbable cardiac pacemakers without leads or batteries // Nature Biotechnology. 2021. DOI: 10.1038/s41587-021-00948-x.

196. Bergmann G., Graichen F., Dymke J., Rohlmann A., Duda G. N., Damm P. High-Tech Hip Implant for Wireless Temperature Measurements In Vivo // PLoS ONE. 2012. Vol. 7, no. 8. e43489. DOI: 10.1371/journal.pone.0043489.

197. Qian X.-H., Wu Y.-C., Yang T.-Y., Cheng C.-H., Chu H.-C., Cheng W.-H., Wu C.-Y. Design and In-Vivo Verification of a CMOS Bone-Guided Cochlear Implant Microsystem // IEEE Transactions on Biomedical Engineering. 2019. Pp. 1-1. DOI: 10.1109/tbme.2019.2901374.

198. Ayazian S., Akhavan V. A., Soenen E., Hassibi A. A Photovoltaic-Driven and Energy-Autonomous CMOS Implantable Sensor // IEEE Transactions on Biomedical Circuits and Systems. 2012. Vol. 6, no. 4. Pp. 336-343. DOI: 10.1109/tbcas.2011.2179030.

199. Zhang Q., Yang G., Xue L., Dong G., Su W., Cui M. J., Wang Z. G., Liu M., Zhou Z., Zhang X. Ultrasoft and Biocompatible Magnetic-Hydrogel-Based Strain Sensors for Wireless Passive Biomechanical Monitoring // ACS Nano. 2022. Dec 27. Vol. 16, no. 12. Pp. 21555-21564. DOI: 10.1021/acsnano.2c10404. Epub 2022 Dec 8. PMID: 36479886.

200. Sheng F., Zhang B., Zhang Y., Li Y., Cheng R., Wei C., Ning C., Dong K., Wang Z. Ultrastretchable Organogel/Silicone Fiber-Helical Sensors for Self-Powered Implantable Ligament Strain Monitoring // ACS Nano. 2022. Vol. 16. DOI: 10.1021/acsnano.2c03365.

201. Bandodkar A. J., Jia W., Yardimci C., Wang X., Ramirez J., Wang J. Tattoo-Based Noninvasive Glucose Monitoring: A Proof-of-Concept Study // Analytical Chemistry. 2014. Vol. 87, no. 1. Pp. 394-398. DOI: 10.1021/ac504300n.

202. Baltsavias S., Van Treuren W., Weber M., Charthad J., Baker S., Sonnenburg J. L., Arbabian A. In Vivo Wireless Sensors for Gut Microbiome Redox Monitoring // IEEE Transactions on Biomedical Engineering. 2019. Pp. 1-1. DOI: 10.1109/tbme.2019.2948575.

203. Belknap R., Weis S., Brookens A., Au-Yeung K. Y., Moon G., DiCarlo L., Reves R. Feasibility of an Ingestible Sensor-Based System for Monitoring Adherence to Tuberculosis Therapy // PLoS ONE. 2013. Vol. 8, no. 1. e53373. DOI: 10.1371/journal.pone.0053373.

204. Frias J., Virdi N., Raja P., Kim Y., Savage G., Osterberg L. Effectiveness of Digital Medicines to Improve Clinical Outcomes in Patients with Uncontrolled Hypertension and Type 2 Diabetes: Prospective, Open-Label, Cluster-Randomized Pilot Clinical Trial // J Med Internet Res. 2017. Jul 11. Vol. 19, no. 7. e246. DOI: 10.2196/jmir.7833. PMID: 28698169; PMCID: PMC5527253.

205. McKenzie J. E., Osgood D. W. Validation of a new telemetric core temperature monitor // Journal of Thermal Biology. 2004. Vol. 29, no. 7-8. Pp. 605611. DOI: 10.1016/j.jtherbio.2004.08.020.

206. Kwiatek M. A., Pandolfino J. E. The Bravo™ pH capsule system // Digestive and Liver Disease. 2008. Vol. 40, no. 3. Pp. 156-160. DOI: 10.1016/j.dld.2007.10.025.

207. Kuo B., Maneerattanaporn M., Lee A. A., Baker J. R., Wiener S. M., Chey W. D., Hasler W. L. Generalized Transit Delay on Wireless Motility Capsule Testing in Patients with Clinical Suspicion of Gastroparesis, Small Intestinal Dysmotility, or Slow Transit Constipation // Digestive Diseases and Sciences. 2011. Vol. 56, no. 10. Pp. 2928-2938. DOI: 10.1007/s10620-011-1751-6.

208. Tran K., Brun R., Kuo B. Evaluation of regional and whole gut motility using the wireless motility capsule: relevance in clinical practice // Therapeutic Advances in Gastroenterology. 2012. Vol. 5, no. 4. Pp. 249-260. DOI: 10.1177/1756283x12437874.

209. Herbert R., Elsisy M., Rigo B., Lim H. R., Kim H., Choi C., Kim S., Ye S. H., Wagner W. R., Chun Y., Yeo W. H. Fully implantable batteryless soft platforms with printed nanomaterial-based arterial stiffness sensors for wireless continuous monitoring of restenosis in real time // Nano Today. 2022. Oct. Vol. 46. P. 101557. DOI: 10.1016/j.nantod.2022.101557. Epub 2022 Jul 18. PMID: 36855693; PMCID: PMC9970263.

210. Herbert R., Lim H. R., Rigo B., Yeo W. H. Fully implantable wireless batteryless vascular electronics with printed soft sensors for multiplex sensing of hemodynamics // Sci Adv. 2022. May 13. Vol. 8, no. 19. eabm1175. DOI: 10.1126/sciadv.abm 1175. Epub 2022 May 11. PMID: 35544557; PMCID: PMC9094660.

211. Vasava D. S., Deshpande S. Portable Device to Monitor Vital Health Parameters // 2016.

212. Zhang Y., Liu H., Su X., Jiang P., Wei D. Remote Mobile Health Monitoring System Based on Smart Phone and Browser/Server Structure // Journal

of Healthcare Engineering. 2015. Vol. 6, no. 4. Pp. 717-738. DOI: 10.1260/20402295.6.4.717.

213. Khan M., Alanazi T., Albraikan A., Almalki F. IoT-Based Health Monitoring System Development and Analysis // Security and Communication Networks. 2022. Pp. 1-11. DOI: 10.1155/2022/9639195.

214. Raji A., Kanchana Devi P., Golda Jeyaseeli P., Balaganesh N. Respiratory monitoring system for asthma patients based on IoT // 2016 Online International Conference on Green Engineering and Technologies (IC-GET). 2016. DOI: 10.1109/get.2016.7916737.

215. Agnihotri A. Human Body Respiration Measurement Using Digital Temperature Sensor with I2C Interface // 2013.

216. Basra A., Mukhopadhayay B., Kar S. Temperature sensor based ultra low cost respiration monitoring system // 2017 9th International Conference on Communication Systems and Networks (COMSNETS). 2017. DOI: 10.1109/comsnets.2017.7945448.

217. Padasdao B., Boric-Lubecke O. Respiratory rate detection using a wearable electromagnetic generator // 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2011. DOI: 10.1109/iembs.2011.6090875.

218. Jaiganesh R. IoT based Covid Patient health monitor during self quarantine // Turkish Online Journal of Qualitative Inquiry. 2021. Vol. 12. Pp. 77507762.

219. Khan M. IoT-Based Smart Health Monitoring System for COVID-19 Patients // Computational and Mathematical Methods in Medicine. 2021. Pp. 1-11. DOI: 10.1155/2021/8591036.

220. Sihombing P., Barus Y. E., Sembiring S., Zamzami E. M. The Development of Heart Rate Detection Using Arduino Microcontroller and Android // Journal of Physics: Conference Series. 2020. Vol. 1566. P. 012027. DOI: 10.1088/1742-6596/1566/1/012027.

221. Kokalki S. A., Mali A. R., Mundada P. A., Sontakke R. H. Smart health band using IoT // 2017 IEEE International Conference on Power, Control, Signals and Instrumentation Engineering (ICPCSI). 2017. DOI: 10.1109/icpcsi.2017.8392000.

222. Pandharkame H. P. Smart Hospitals using Internet of Things (IoT) //

2017.

223. Thamaraiselvi R., Nandhagopal N., Jamuna Devi P. T. Smart hospitals using sensor technology and internet of things (IoT) // Journal of Critical Reviews. 2020. Vol. 7, № 04. Pp. 3865-3873. ISSN 2394-5125.

224. Kumar R., Rajasekaran M. P. An IoT based patient monitoring system using Raspberry Pi // 2016 International Conference on Computing Technologies and Intelligent Data Engineering (ICCTIDE'16). 2016. DOI: 10.1109/icctide.2016.7725378.

225. Khangar R., Yelne L., Mahure N., Jambulkar H., Sakhare S. IOT Based Health Monitoring System for Covid Patients Monitoring // International Journal of Scientific Research in Science and Technology. 2022. Pp. 296-299. DOI: 10.32628/IJSRST229340.

226. Zhang Y., Liu H., Su X., Jiang P., Wei D. Remote Mobile Health Monitoring System Based on Smart Phone and Browser/Server Structure // Journal of Healthcare Engineering. 2015. Vol. 6, no. 4. Pp. 717-738. DOI: 10.1260/20402295.6.4.717.

227. Yuce M. R. Implementation of wireless body area networks for healthcare systems // Sensors and Actuators A: Physical. 2010. Vol. 162, no. 1. Pp. 116-129. DOI: 10.1016/j.sna.2010.06.004.

228. Yassin F. M., Sani N. A., Chin S. N. Analysis of Heart Rate and Body Temperature from the Wireless Monitoring System Using Arduino // Journal of Physics: Conference Series. 2019. Vol. 1358. P. 012041. DOI: 10.1088/17426596/1358/1/012041.

229. Islam M. M., Rahaman A., Islam M. R. Development of Smart Healthcare Monitoring System in IoT Environment // SN COMPUT. SCI. 2020. Vol. 1. P. 185. DOI: https://doi.org/10.1007/s42979-020-00195-y.

230. Pandian P. S., Mohanavelu K., Safeer K. P., Kotresh T. M., Shakunthala D. T., Gopal P., Padaki V. C. Smart Vest: Wearable multi-parameter remote physiological monitoring system // Medical Engineering & Physics. 2008. Vol. 30, no. 4. Pp. 466-477. DOI: 10.1016/j.medengphy.2007.05.014.

231. Banka S., Madan I., Saranya S. S. Smart Healthcare Monitoring using IoT // 2018.

232. Fezari M., Rasras R., Emary I. M. M. E. Ambulatory Health Monitoring System Using Wireless Sensors Node // Procedia Computer Science. 2015. Vol. 65. Pp. 86-94. DOI: 10.1016/j.procs.2015.09.082.

233. Yew H. T., Ng M. F., Ping S. Z., Chung S. K., Chekima A., Dargham J. A. IoT Based Real-Time Remote Patient Monitoring System // 2020 16th IEEE International Colloquium on Signal Processing & Its Applications (CSPA). 2020. DOI: 10.1109/cspa48992.2020.9068699.

234. Nafisa Shamim Rafa, Binte Azmal B., Dhruba A. R., Khan M. M., Alanazi T. M., Almalki F. A., AlOmeir O., Bazzi A. IoT-Based Remote Health Monitoring System Employing Smart Sensors for Asthma Patients during COVID-19 Pandemic // Wireless Communications and Mobile Computing. 2022. DOI: https://doi.org/10.1155/2022/6870358.

235. Islam K., Alam F., Zahid A., Khan M., InamAbbasi M. Internet of Things- (IoT-) Based Real-Time Vital Physiological Parameter Monitoring System for Remote Asthma Patients // Wireless Communications and Mobile Computing. 2022. Pp. 1-22. DOI: 10.1155/2022/1191434.

236. Khan M. M., Mehnaz S., Shaha A., Nayem M., Bourouis S. IoT-Based Smart Health Monitoring System for COVID-19 Patients // Computational and Mathematical Methods in Medicine. 2021.

237. Chen C., Pomalaza-Raez C. Design and Evaluation of a Wireless Body Sensor System for Smart Home Health Monitoring // GLOBECOM 2009 - 2009

IEEE Global Telecommunications Conference. 2009. DOI: 10.1109/glocom.2009.5425471.

238. Park Y.-J., Cho H.-S. Transmission of ECG data with the patch-type ECG sensor system using Bluetooth Low Energy // 2013 International Conference on ICT Convergence (ICTC). 2013. DOI: 10.1109/ictc.2013.6675359.

239. Hadjem M., Salem O., Nait-Abdesselam F. An ECG monitoring system for prediction of cardiac anomalies using WBAN // 2014 IEEE 16th International Conference on e-Health Networking, Applications and Services (Healthcom). 2014. DOI: 10.1109/healthcom.2014.7001883.

240. Perego P., Standoli C. E., Andreoni G. Wearable monitoring of elderly in an ecologic setting: the SMARTA project // In: Proceedings of the 2nd International Electronic Conference on Sensors and Applications, 15-30 November 2015, MDPI: Basel, Switzerland. DOI: 10.3390/ecsa-2-S3001.

241. Tseng K. C., Lin B.-S., Liao L.-D., Wang Y.-T., Wang Y.-L. Development of a Wearable Mobile Electrocardiogram Monitoring System by Using Novel Dry Foam Electrodes // IEEE Systems Journal. 2014. Vol. 8, no. 3. Pp. 900906. DOI: 10.1109/jsyst.2013.2260620.

242. Lee J., Heo J., Lee W., Lim Y., Kim Y., Park K. Flexible Capacitive Electrodes for Minimizing Motion Artifacts in Ambulatory Electrocardiograms // Sensors. 2014. Vol. 14, no. 8. Pp. 14732-14743. DOI: 10.3390/s140814732.

243. Sim S. Y., Lee W. K., Baek H. J., Park K. S. A nonintrusive temperature measuring system for estimating deep body temperature in bed // 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2012. DOI: 10.1109/embc.2012.6346710.

244. Sano A., Picard R. W. Stress Recognition Using Wearable Sensors and Mobile Phones // 2013 Humaine Association Conference on Affective Computing and Intelligent Interaction. 2013. DOI: 10.1109/acii.2013.117.

245. Duun S. B., Haahr R. G., Birkelund K., Thomsen E. V. A Ring-Shaped Photodiode Designed for Use in a Reflectance Pulse Oximetry Sensor in Wireless

Health Monitoring Applications // IEEE Sensors Journal. 2010. Vol. 10, no. 2. Pp. 261-268. DOI: 10.1109/jsen.2009.2032925.

246. Chen W., Ayoola I., Oetomo S. B., Feijs L. Non-invasive blood oxygen saturation monitoring for neonates using reflectance pulse oximeter // 2010 Design, Automation & Test in Europe Conference & Exhibition (DATE 2010). 2010. DOI: 10.1109/date.2010.5457054.

247. Nemati E., Deen M., Mondal T. A wireless wearable ECG sensor for long-term applications // IEEE Communications Magazine. 2012. Vol. 50, no. 1. Pp. 36-43. DOI: 10.1109/mcom.2012.6122530.

248. Патент на полезную модель №2 144609 U1. Российская Федерация, МПК A61B 5/04. Устройство мониторинга пациента: № 2013152355/14: заявл. 26.11.2013: опубл. 27.08.2014 / В. А. Садовничий, М. Э. Соколов, В. Е. Подольский [и др.]; заявитель Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский государственный университет имени М. В. Ломоносова».

249. Лебедева В. К., Любимцева Т. А., Лебедев Д. С. Удаленный мониторинг в наблюдении за пациентами с электрокардиостимуляторами, имплантируемыми кардиовертерами-дефибрилляторами и устройствами сердечной ресинхронизирующей терапии // Вестник аритмологии. 2017. №2 88. С. 57-61.

250. Свидетельство о государственной регистрации программы для ЭВМ № 2016662743. Российская Федерация. Модуль "МРМ пациента" устройства суточного мониторинга состояния плода и матери в антенатальном периоде беременности: № 2016619096: заявл. 23.08.2016: опубл. 21.11.2016 / А. Ш. Буреев, Д. С. Жданов, Е. Ю. Дикман [и др.]; заявитель Общество с ограниченной ответственностью «Диагностика +».

251. Ломидзе Н. Н., Ревишвили А. Ш., Магомедова С. М. Удаленный мониторинг пациентов с имплантированными антиаритмическими устройствами - результаты восьмилетнего наблюдения // Бюллетень НЦССХ

им. А. Н. Бакулева РАМН. Сердечно-сосудистые заболевания. 2014. Т. 15, № S6. С. 93.

252. Патент на полезную модель № 187157 U1. Российская Федерация, МПК A61B 5/01, A61B 5/0205, A61B 5/021. Персональное телемедицинское устройство системы дистанционного мониторинга жизненно важных функций организма пациентов группы риска: № 2018139748: заявл. 12.11.2018: опубл. 21.02.2019 / С. А. Будагян; заявитель Общество с ограниченной ответственностью «Красный Яр».

253. Патент на полезную модель № 192470 U1. Российская Федерация, МПК A61B 5/11, G08B 21/02. Устройство обработки сигналов системы дистанционного мониторинга пациентов группы риска: № 2019121355: заявл. 08.07.2019: опубл. 17.09.2019 / С. А. Будагян, Н. В. Ростунова; заявитель Общество с ограниченной ответственностью «Красный Яр».

254. Патент № 2732957 C2. Российская Федерация, МПК A61B 5/087. Устройство и способ для мониторинга пациента: № 2017146396: заявл. 24.05.2016: опубл. 25.09.2020 / К. Каракая, М. П. Й. Кейнен, Д. П. Келли [и др.].

255. Kruklitis R., Miller M., Valeriano L., Shine S., Opstbaum N., Chestnut V. Applications of Remote Patient Monitoring // Prim Care. 2022. Dec. Vol. 49, no. 4. Pp. 543-555. DOI: 10.1016/j.pop.2022.05.005. Epub 2022 Oct 20. PMID: 36357060.

256. Akshaya B., Soma Prathibha, Priyavarshini Devi S. Concare - A Teleconsultation System Using IoT in Healthcare // International Journal of Scientific Research in Computer Science, Engineering and Information Technology (IJSRCSEIT). 2022. Vol. 8, no. 3. Pp. 185-190. ISSN: 2456-3307. DOI: https://doi.org/10.32628/CSEIT228355.

257. Kawale S., Narmadha D., Nancy R., Mule S., Verma B., Reddy P. Internet of medical things: Architecture, applications, benefits and challenges // International Journal of Health Sciences. 2022. Pp. 10520-10531. DOI: 10.53730/ijhs.v6nS3.8359.

258. Khan M. M., Alanazi T. M., Albraikan A. A., Almalki F. A., ArifM. IoT-Based Health Monitoring System Development and Analysis // Sec. and Commun. Netw. 2022. DOI: https://doi.org/10.1155/2022/9639195.

259. Kotevski A., Koceska N., Koceski S. E-health monitoring system // 2016. Pp. 259-265. DOI: 10.20544/AIIT2016.32.

260. Huang C., Cheng K. RFID Technology Combined with IoT Application in Medical Nursing System // 2014.

261. Пушкарева А. В., Баранов В. А., Кузьмин А. В. Архитектура приложения для анализа и визуализации данных многопараметрического телемедицинского мониторинга // Модели, системы, сети в экономике, технике, природе и обществе. 2022. № 3(43). С. 168-178. DOI: 10.21685/22278486-2022-3-11.

262. Свидетельство о государственной регистрации программы для ЭВМ № 2022667876. Российская Федерация. Medsenger.Sync - подсистема подключения устройств дистанционного мониторинга физиологических параметров к комплексной системе дистанционного мониторинга пациента: № 2022667271: заявл. 21.09.2022: опубл. 27.09.2022 / Б. В. Зингерман, Р. А. Бородин, И. А. Фистул [и др.]; заявитель Общество с ограниченной ответственностью «АйПат».

263. Huang H. W., Chen J., Chai P. R., Ehmke C., Rupp P., Dadabhoy F. Z., Feng A., Li C., Thomas A. J., da Silva M., Boyer E. W., Traverso G. Mobile Robotic Platform for Contactless Vital Sign Monitoring // Cyborg Bionic Syst. 2022. Vol. 2022. P. 9780497. DOI: 10.34133/2022/9780497.

264. Meesad P., Sodsee D. S., Jitsakul W., Tangwannawit S. (Eds.). Recent Advances in Information and Communication Technology 2021 // Lecture Notes in Networks and Systems. 2021. DOI: 10.1007/978-3-030-79757-7.

265. Zhao P., Lu C. X., Wang B., Chen C., Xie L., Wang M., Markham A. Heart Rate Sensing with a Robot Mounted mmWave Radar // 2020 IEEE International Conference on Robotics and Automation (ICRA). 2020. DOI: 10.1109/icra40945.2020.9197437.

266. Khan H. R., Haura I., Uddin R. RoboDoc: Smart Robot Design Dealing with Contagious Patients for Essential Vitals Amid COVID-19 Pandemic // Sustainability. 2023.

267. Zukowski M., Matus K., Pawluczuk E., Kondratiuk M., Ambroziak L. Patients temperature measurement system for medical robotic assistant // 2018. DOI: 10.1063/1.5066546.

268. Sut D., Kumar C., Prabhu S. Design and analysis of assistant mobile robot for isolated patients // AIP Conference Proceedings. 2022. Vol. 2460. P. 080003. DOI: 10.1063/5.0095624.

269. Chempolil S. S., Melvinia Basaiawmoit R., Saji S., V K. R. Design of a Medical Prototype Robot for Nurse Assistance // 2021 Seventh International Conference on Bio Signals, Images, and Instrumentation (ICBSII). 2021. DOI: 10.1109/icbsii51839.2021.9445165.

270. Khalid W. B., Anwar A., Waheed O. T. Contactless Vitals Measurement Robot // 2022. DOI: https://doi.org/10.1109/icara55094.2022.9738523.

271. Giordano V., Koch H., Godoy-Santos A., Dias Belangero W., Esteves Santos Pires R., Labronici P. WhatsApp Messenger as an Adjunctive Tool for Telemedicine: An Overview // Interact J Med Res. 2017. Jul 21. Vol. 6, no. 2. e11. DOI: 10.2196/ijmr.6214.

272. Martinez R., Rogers A. D., Numanoglu A., Rode H. The value of WhatsApp communication in paediatric burn care // Burns. 2018. Jun. Vol. 44, no. 4. Pp. 947-955. DOI: 10.1016/j.burns.2017.11.005.

273. Mars M., Scott R. E. WhatsApp in Clinical Practice: A Literature Review // Stud Health Technol Inform. 2016. Vol. 231. Pp. 82-90. PMID: 27782019.

274. Gebbia V., Piazza D., Valerio M. R., Firenze A. WhatsApp Messenger use in oncology: a narrative review on pros and contras of a flexible and practical, non-specific communication tool // Ecancermedicalscience. 2021. Dec 13. Vol. 15. P. 1334. DOI: 10.3332/ecancer.2021.1334.

275. Coleman E., O'Connor E. The role of WhatsApp® in medical education; a scoping review and instructional design model // BMC Med Educ.

2019. Jul 25. Vol. 19, no. 1. P. 279. DOI: 10.1186/s12909-019-1706-8. PMID: 31345202; PMCID: PMC6659203.

276. Giansanti D. WhatsApp in mHealth: an overview on the potentialities and the opportunities in medical imaging // Mhealth. 2020. Apr 5. Vol. 6. P. 19. DOI: 10.21037/mhealth.2019.11.01.

277. Downes M. J., Mervin M. C., Byrnes J. M., et al. Telephone consultations for general practice: a systematic review // Syst Rev. 2017. Vol. 6. P. 128. DOI: https://doi.org/10.1186/s13643-017-0529-0.

278. Elnicki D. M., Ogden P., Flannery M., Hannis M., Cykert S. Telephone medicine for internists // J Gen Intern Med. 2000. May. Vol. 15, no. 5. Pp. 337-343. DOI: 10.1046/j.1525-1497.2000.06459.x.

279. Sheikh I. A., Haque M. M., Stamm K., Khan A. J. Wellness assistant: a virtual wellness assistant using pervasive computing // In: Proceedings of the 2007 ACM Symposium on Applied Computing (SAC '07). 2007. Association for Computing Machinery, New York, NY, USA. Pp. 782-787. DOI: https://doi.org/10.1145/1244002.1244177.

280. Boonsong W., Senajit N., Prasongchan P. Contactless Body Temperature Monitoring of In-Patient Department (IPD) Using 2.4 GHz Microwave Frequency via the Internet of Things (IoT) Network // Wirel Pers Commun. 2022. Vol. 124, no. 3. Pp. 1961-1976. DOI: 10.1007/s11277-021-09438-4. Epub 2021 Nov 29. PMID: 34866803; PMCID: PMC8628136.

281. Zia Ur Rahman M., Raza A., AlSanad A., Azeem Akbar M., Liaquat R., Riaz M. T., AlSuwaidan L., Al-Alshaikh H., Alsagri H. Real-time artificial intelligence based health monitoring, diagnosing and environmental control system for COVID-19 patients // Mathematical Biosciences and Engineering. 2022. Vol. 19. Pp. 7586-7605. DOI: 10.3934/mbe.2022357.

282. Rahman M. Z., Raza A. H., Alsanad A. A., Akbar M. A., Liaquat R., Riaz M. T., Alsuwaidan L., Al-Alshaikh H. A., AlSagri H. S. Real-time artificial intelligence based health monitoring, diagnosing and environmental control system

for COVID-19 patients // Mathematical Biosciences and Engineering: MBE. 2022. Vol. 19, no. 8. Pp. 7586-7605.

283. Deen M. J. Information and communications technologies for elderly ubiquitous healthcare in a smart home // Personal and Ubiquitous Computing. 2015. Vol. 19. Pp. 573-599.

284. Agoulmine, N., Deen, M.J., Lee, J., & Meyyappan, M. (2011). U-Health Smart Home. IEEE Nanotechnology Magazine, 5, 6-11.

285. Zhou C., Huang W., Zhao X. Study on architecture of smart home management system and key devices // Proceedings of 2013 3rd International Conference on Computer Science and Network Technology. 2013. DOI: 10.1109/iccsnt.2013.6967330.

286. Li B., Yu J. Research and Application on the Smart Home Based on Component Technologies and Internet of Things // Procedia Engineering. 2011. Vol. 15. Pp. 2087-2092. DOI: 10.1016/j.proeng.2011.08.390.

287. Avgerinakis K., Briassouli A., Kompatsiaris I. Recognition of Activities of Daily Living for Smart Home Environments // 2013 9th International Conference on Intelligent Environments. 2013. DOI: 10.1109/ie.2013.37.

288. Rashidi P., Cook D. J. Keeping the Resident in the Loop: Adapting the Smart Home to the User // IEEE Transactions on Systems, Man, and Cybernetics -Part A: Systems and Humans. 2009. Vol. 39, no. 5. Pp. 949-959. DOI: 10.1109/tsmca.2009.2025137.

289. Yang C.-C., Hsu Y.-L. Remote monitoring and assessment of daily activities in the home environment // Journal of Clinical Gerontology and Geriatrics. 2012. Vol. 3, no. 3. Pp. 97-104. ISSN: 2210-8335. DOI: https://doi.org/10.1016/jjcgg.2012.06.002.

290. Taiwo O., Ezugwu A. E. Smart healthcare support for remote patient monitoring during covid-19 quarantine // Informatics in Medicine Unlocked. 2020. Article 100428. DOI: 10.1016/j.imu.2020.100428.

291. BIOTRONIK Home Monitoring // Biotronik: сайт. - URL: https://www.biotronik.com/en-us/patients/home-monitoring (дата обращения: 08.04.2023).

292. A&D Medical's Wellness Connected™ product // A&D: сайт. - URL: https://www.aandd.jp/whatnew/2009/wellness_connected_products.html (дата обращения: 08.04.2023).

293. LATITUDE™ NXT Remote Patient Management System // Boston Scientific: сайт. - URL: https://www.bostonscientific.com/en-US/products/remote-patient-monitoring/latitude-nxt/clinical-outcomes.html (дата обращения: 08.04.2023).

294. ApexPro CH Telemetry System // GE Healthcare: сайт. - URL: https://goo.su/5oes (дата обращения: 08.04.2023).

295. GENESIS TOUCH Remote Patient Monitor // Honeywell Life Care Solutions: сайт. - URL: https://goo.su/0JwRc (дата обращения: 08.04.2023).

296. HealthCast™ Vital Sync™ Remote Patient Monitoring // Medtronic: сайт. - URL: https://goo.su/MKj6P (дата обращения: 09.04.2023).

297. AWARE Alarm Management and Reporting // Nihon Kohden: сайт. -URL: https://us.nihonkohden.com/products/aware-alarm-management-and-reporting/ (дата обращения: 09.04.2023).

298. EncorePro 2 // Philips: сайт. - URL: https://goo.su/DWCcL (дата обращения: 09.04.2023).

299. Xhibit XC48 central surveillance // Spacelabs Healthcare: сайт. - URL: https://spacelabshealthcare.com/products/patient-monitoring-connectivity/surveillance/xhibit-xc48/ (дата обращения: 09.04.2023).

300. Системы удаленного мониторинга пациентов // EverCare: сайт. -URL: https://evercare.ru/news/sistemy-udalennogo-monitoringa-pacientov (дата обращения: 09.04.2023).

301. Healthtap: сайт. - URL: https://www.healthtap.com (дата обращения: 11.04.2023).

302. MyChart: сайт. - URL: https://www.mychart.org (дата обращения: 11.04.2023).

303. Healthie: сайт. - URL: https://www.gethealthie.com (дата обращения: 11.04.2023).

304. Wellue: сайт. - URL: https://www.gethealthie.com (дата обращения: 11.04.2023).

305. Masimo: сайт. - URL: https://www.masimo.com/products/hospital-automation/masimo-safetynet/ (дата обращения: 11.04.2023).

306. Qardio: сайт. - URL: https://www.qardio.com/qardioapp/ (дата обращения: 11.04.2023).

307. HeartCloud: сайт. - URL: https://heartcloud.io (дата обращения: 11.04.2023).

308. EliteHRV: сайт. - URL: https://elitehrv.com/app (дата обращения: 11.04.2023).

309. Умный мониторинг здоровья: сайт. - URL: https://apps.apple.com/ru/developer/doverie-ooo-korolev/id1653543322 (дата обращения: 11.04.2023).

310. Агаджанян Н. А., Смирнов В. М. Нормальная физиология: Учебник. 3-е изд., испр. и доп. М.: ООО «Издательство «Медицинское информационное агентство», 2012. 576 с.

311. Брин В. Б. Нормальная физиология: учебник / под ред. Б. И. Ткаченко. 3-е изд., испр. и доп. Москва: ГЭОТАР-Медиа, 2016. 688 с. ISBN 978-5-9704-3664-6.

312. Покровский В. М. Физиология человека: учебник / Под ред. В. М. Покровского, Г. Ф. Коротько. 3-е изд. Москва: Медицина, 2011. 664 с. ISBN 978-5-225-10008-7.

313. Физиология человека. В 3 т. Т. 1 / Й. Дудель, Й. Рюэгг, Р. Шмидт [и др.]. Москва: Мир, 1996. 323 с. ISBN 5-03-002544-8.

314. Физиология человека. В 3 т. Т. 2 / М. Циммерман, В. Ениг, В. Вутке [и др.]. Москва: Мир, 1996. 313 с. ISBN 5-03-002544-8.

315. Физиология человека. В 3 т. Т. 3 / Х.-Ф. Ульмер, К. Брюк, К. Эве [и др.]. Москва: Мир, 1996. 198 с. ISBN 5-03-002544-8.

316. Гайворонский И. В., Ничипорук Г. И., Гайворонский А. И. Анатомия и физиология человека: учеб. для студ. учреждений сред. проф. образования. 6-е изд., перераб. и доп. М.: Издательский центр «Академия», 2011. 496 с.

317. Агаджанян Н. А., Смирнов В. М. Нормальная физиология: Учебник. 3-е изд., испр. и доп. М.: ООО «Издательство «Медицинское информационное агентство», 2012. 576 с.

318. Зильбернагль С., Деспопулос А. Наглядная физиология. Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2013. 408 с.

319. Орлов Р. С. Нормальная физиология: учебник. 2-е изд., испр. и доп. М.: ГЭОТАР-Медиа, 2010. 832 с.

320. Агаджанян Н. А., Смирнов В. М. Нормальная физиология: Учебник для студентов медицинских вузов. М.: ООО «Издательство «Медицинское информационное агентство», 2009. 520 с.

321. Солодков А. С., Сологуб Е. Б. Физиология человека. Общая. Спортивная. Возраст С60: учебник. 7-е изд. М.: Спорт, 2017. 620 с.

322. Дегтярев В. П., Сорокина Н. Д. Нормальная физиология: учебник. Москва: ГЭОТАР-Медиа, 2016. 480 с. ISBN 978-5-9704-3547-2.

323. Судаков К. В. Нормальная физиология: учебник / под ред. К. В. Судакова. Москва: ГЭОТАР-Медиа, 2015. 880 с. ISBN 978-5-9704-3528-1.

324. Зинчук В. В., Емельянчик Ю. М., Балбатун О. А. Нормальная физиология: учебник. В 2 частях. Часть 1. Минск: Новое знание, 2023. 376 с. ISBN 978-985-24-0465-5.

325. Зинчук В. В., Емельянчик Ю. М., Балбатун О. А. Нормальная физиология: учебник. В 2 частях. Часть 2. Минск: Новое знание, 2023. 368 с. ISBN 978-985-24-0466-2.

326. Гилка В. В., Кузнецова А. С. Тестирование работоспособности метода удаленного мониторинга, реализованного в HelpMeTracker на людях, и

проверка реагирования приложения на отклонения в показателях здоровья // Вестник Дагестанского государственного технического университета. Технические науки. 2023. Т. 50, № 2. С. 17-27. DOI: 10.21822/2073-6185-202350-2-17-27.

327. Гилка В. В. Тестирование эффективности мобильного приложения HelpMeTracker в мониторинге фиксации отклонений показателей уровня кислорода в крови человека // Прикаспийский журнал: управление и высокие технологии. 2023. № 2(71). С. 107-118.

328. Гилка В. В., Кузнецова А. С., Молдовская А. А., Эль-Аит Д. Ф. Проверка работоспособности модели и метода удаленного мониторинга состояния здоровья на примере отклонений показателей температуры тела человека // Известия ЮФУ. Технические науки. 2023. № 5(235). С. 127-137.

329. Гилка В. В., Качанов Ю. А., Кузнецова А. С. Architecture of the Android Application for Monitoring Person's Condition Based on Data Readings from Sensors of Smart Watches and Mobile Devices // Novel & Intelligent Digital Systems: Proceedings of the 2nd International Conference (NiDS 2022) (Athens, Greece, 29-30 September 2022; virtually) / eds.: A. Krouska, Ch. Troussas, J. Caro; Institute of Intelligent Systems (IIS), University of West Attica (Greece). Cham (Switzerland): Springer Nature Switzerland AG, 2023. P. 221-231. DOI: https://doi.org/10.1007/978-3-031-17601-2_22. (Book series: Lecture Notes in Networks and Systems (LNNS); vol. 556) [First Online: 23 September 2022].

330. Свидетельство о государственной регистрации программы для ЭВМ № 2023613348 Российская Федерация. HelpMeTracker: № 2023611626. Заявл. 30.01.2023. Опубл. 14.02.2023 / В. В. Гилка.

331. Гилка В. В. Общая архитектура взаимодействия компонентов Android приложения HelpMeTracker для удаленного отслеживания текущего состояния человека // России - творческую молодежь: материалы XV Всерос. науч.-практ. студ. конф. (г. Камышин, 20-22 апреля 2022 г.). В 4 т. Т. 3 / под общ. ред. И. В. Степанченко; ВолгГТУ, КТИ (филиал) ВолгГТУ. Волгоград, 2022. С. 13-16.

332. Kumar K., Sharma A., Tripathi S. L. Sensors and their application // В книге: Tripathi S. L., Balas V. E., Mohapatra S. K., Bhanu Prakash K., Nayak J. (ред.). Electronic Devices, Circuits, and Systems for Biomedical Applications. Academic Press, 2021. С. 177-195. ISBN 9780323851725.

333. Lee I., Park N., Lee H., Hwang C., Kim J. H., Park S. Systematic Review on Human Skin-Compatible Wearable Photoplethysmography Sensors // Appl. Sci. 2021. Т. 11, № 2313. DOI: https://doi.org/10.3390/app11052313.

334. James G., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning. Springer Texts in Statistics, 2013. DOI: 10.1007/978-1-46147138-7.

335. Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer Series in Statistics, 2009. DOI: 10.1007/978-0-387-84858-7.

336. Nissen M., Slim S., Jaeger K., Flaucher M., Huebner H., Danzberger N., Fasching P., Beckmann M., Gradl S., Eskofier B. Heart Rate Measurement Accuracy of Fitbit Charge 4 and Samsung Galaxy Watch Active2: Device Evaluation Study (Preprint) // 2021. DOI: 10.2196/preprints.33635.

337. Nissen M., Slim S., Jaeger K., Flaucher M., Huebner H., Danzberger N., Fasching P., Beckmann M., Gradl S., Eskofier B. Heart Rate Measurement Accuracy of Fitbit Charge 4 and Samsung Galaxy Watch Active2: Device Evaluation Study // JMIRFormative Research. 2022. Т. 6. e33635. DOI: 10.2196/33635.

338. Inui T., Kohno H., Kawasaki Y., Matsuura K., Ueda H., Tamura Y., Watanabe M., Inage Y., Yakita Y., Wakabayashi Y., Matsumiya G. The Use of Smart Watch for Early Detection of Paroxysmal Atrial Fibrillation: Validation Study (Preprint) // 2019. DOI: 10.2196/preprints.14857.

339. Hahnen C., Freeman C. G., Haldar N., Hamati J. N., Bard D. M., Murali V., Merli G. J., Joseph J. I., van Helmond N. Accuracy of Vital Signs Measurements by a Smartwatch and a Portable Health Device: Validation Study // JMIR mHealth and uHealth. 2020. Т. 8, № 2. e16811. DOI: https://doi.org/10.2196/16811.

340. Almisreb A., Putri A. Reliability and validity analysis of smartwatches use for healthcare // Periodicals of Engineering and Natural Sciences (PEN). 2021. Т. 9. С. 82-89. DOI: 10.21533/pen.v9i3.1784.

341. Pardamean B., Soeparno H., Mahesworo B., Budiarto A., Baurley J. Comparing the Accuracy of Multiple Commercial Wearable Devices: A Method // Procedia Computer Science. 2019. Т. 157. С. 567-572. DOI: 10.1016/j.procs.2019.09.015.

342. Spinsante S., Porfiri S., Scalise L. Accuracy of Heart Rate Measurements by a Smartwatch in Low Intensity Activities // 2019 IEEE International Symposium on Medical Measurements and Applications (MeMeA). DOI: 10.1109/memea.2019.8802216.

343. Mosaritmolog // URL: https://mosaritmolog.ru/price/ (дата обращения: 14.05.2023).

344. Guedon-Moreau L., Lacroix D., Sadoul N., Clementy J., Kouakam C., Hermida J. S., Aliot E., Kacet S. Costs of remote monitoring vs. ambulatory follow-ups of implanted cardioverter defibrillators in the randomized ECOST study // EP Europace. 2014. Т. 16, № 8. С. 1181-1188. DOI: https://doi.org/10.1093/europace/ euu012.

345. Latitude // URL: https://latitude.bostonscientific.eu/home.html (дата обращения: 14.05.2023).

346. Bimedis // URL: https://bimedis.com/ge-apex-pro-ch-m360210 (дата обращения: 14.05.2023).

347. Cleararchhealth // URL: https://goo.su/s5UhidU (дата обращения: 14.05.2023).

348. Indiamart // URL: https://dir.indiamart.com/impcat/portable-patient-monitors.html (дата обращения: 14.05.2023).

349. HealthTap // URL: https://www.healthtap.com/features-pricing/ (дата обращения: 14.05.2023).

350. MyChart // URL: https://mychart.org (дата обращения: 14.05.2023).

351. GetHealthie // URL: https://www.gethealthie.com/healthie-pricing (дата обращения: 14.05.2023).

352. Wellue Health Monitor // URL: https://getwellue.com/collections/wellue (дата обращения: 14.05.2023).

353. Masimo SafetyNet // URL: https://www.masimo.com/products/hospital-automation/opioid-halo/ (дата обращения: 14.05.2023).

354. Qardio Heart Health // URL: https://www.qardio.com/qardioapp/ (дата обращения: 14.05.2023).

355. Citilink // URL: https://www.citilink.ru/catalog/smart-chasy/?text=смартчасы (дата обращения: 14.05.2023).

356. Jullien, S. Newborn pulse oximetry screening for critical congenital heart defects. BMC Pediatr. 2021;21(Suppl 1):305. https://doi.org/10.1186/s12887-021-02520-7.

357. Shi, C., Goodall, M., Dumville, J. et al. The accuracy of pulse oximetry in measuring oxygen saturation by levels of skin pigmentation: a systematic review and meta-analysis. BMC Med. 2022;20:267. https://doi.org/10.1186/s12916-022-02452-8.

358. Bernasconi, S., Angelucci, A., De Cesari, A., Masotti, A., Pandocchi, M., Vacca, F., Zhao, X., Paganelli, C., Aliverti, A. Recent Technologies for Transcutaneous Oxygen and Carbon Dioxide Monitoring. Diagnostics. 2024;14:785. https://doi.org/10.3390/diagnostics14080785.

359. Tang, E.W.L., Yip, B.H.K., Yu, C.-P., Wong, S.Y.S., & Lee, E.K.P. Sensitivity and specificity of automated blood pressure devices to detect atrial fibrillation: A systematic review and meta-analysis of diagnostic accuracy. Front Cardiovasc Med. 2022;9. https://doi.org/10.3389/fcvm.2022.956542.

360. Li, L., Sheng, S., Liu, Y. et al. Automatic and continuous blood pressure monitoring via an optical-fiber-sensor-assisted smartwatch. PhotoniX. 2023;4:21. https://doi.org/10.! 186/s43074-023-00099-z.

361. Zhao, Y., Bergmann, J.H.M. Non-Contact Infrared Thermometers and Thermal Scanners for Human Body Temperature Monitoring: A Systematic Review. Sensors. 2023;23:7439. https://doi.org/10.3390/s23177439.

362. Zhao, Y., Bergmann, J.H.M. Non-Contact Infrared Thermometers and Thermal Scanners for Human Body Temperature Monitoring: A Systematic Review. Sensors (Basel). 2023 Aug 26;23(17):7439. https://doi.org/10.3390/s23177439. PMID: 37687902; PMCID: PMC10490756.

363. Fielman, K.T., Soto-Ruiz, K.M., & Manasco, P.K. Oversight method identifies critical errors missed by traditional monitoring approaches. Applied Clinical Trials. 2023.

364. Brekke, I.J., Puntervoll, L.H., Pedersen, P.B., Kellett, J., & Brabrand, M. The value of vital sign trends in predicting and monitoring clinical deterioration: A systematic review. PLOS ONE. 2019;14(1). https://doi.org/10.1371/journal.pone.0210875.

ПРИЛОЖЕНИЕ А. ЭКРАННЫЕ ФОРМЫ ПРОГРАММНОГО СРЕДСТВА НЕЬРМЕТКАСКЕЫ ПОЛЬЗОВАТЕЛЯ

<-

HelpMeTracker

Забыли пароль?

Вызвать помощь

505 ф © ® ©

Помощь уже в пути!

^^ Сигнал тревоги включен ф РизИ-уведомление отправлено ф БМБ-уведомление отправлено

Выйти из режима БОБ

SÜ5 ® © © ©

Уведомления

Гилка Вадим