Публикации
Шахгельдян К.И., Гельцер Б.И., Куксин Н.С., Домжалов И.Г., Рублев В.Ю. Interpretable machine learning for in-hospital mortality risk prediction in patients with ST-elevation myocardial infarction after percutaneous coronary interventions. Computers in Biology and Medicine. Volume 170, March 2024, 107953. https://doi.org/10.1016/j.compbiomed.2024.107953 Q1 - Scopus/WoS
Гельцер Б.И., Шахгельдян К.И., Домжалов И.Г., Куксин Н.С., Котельников В.Н. Показатели клинического анализа крови и поражения коронарного русла в прогнозировании госпитальной летальности у больных острым инфарктом миокарда с подъемом сегмента ST после черескожного коронарного вмешательства. Российский кардиологический журнал. 2024;29(2):27-36. DOI: 10.15829/1560-4071-2024-5549 Scopus/RSCI/Ядро РИНЦ
Шахгельдян К.И., Куксин Н.С., Домжалов И.Г., Гельцер Б.И. Анализ эффективности прогностических моделей внутригоспитальной летальности у больных инфарктом миокарда с подъемом сегмента ST на основе предикторов в категориальной и непрерывной формах. Современные технологии в медицине. 2024;16(1):15-26. DOI: 10.17691/stm2024.16.1.02 Scopus/WoS/PubMed/RSCI/Ядро РИНЦ
Гельцер Б.И., Домжалов И.Г., Куксин Н.С., Шахгельдян К.И. Методы прогностической аналитики в оценке вероятности внутригоспитальной летальности у больных инфарктом миокарда после черескожных коронарных вмешательств. В сборнике: Двадцать первая Национальная конференция по искусственному интеллекту с международным участием (КИИ-2023). Труды конференции. В 2-х томах. Смоленск, 2023; С. 296-309. eLIBRARY ID: 55080418
Гельцер Б.И., Шахгельдян К.И., Рублев В.Ю., Домжалов И.Г., Циванюк М.М., Шекунова О.И. Фенотипирование факторов риска и прогнозирование внутригоспитальной летальности у больных ишемической болезнью сердца после коронарного шунтирования на основе методов объяснимого искусственного интеллекта. Российский кардиологический журнал. 2023;28(4):85-93. DOI: 10.15829/1560-4071-2023-5302 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Потапенко Б.В. Архитектура гибридной клинической системы поддержки принятия решений. В: Материалы Седьмой Международной научной конференции «Интеллектуальные информационные технологии для промышленности» (ИИТИ''23). 2023; С. 146-156. https://doi.org/10.1007/978-3-031-43792-2_15 (Scopus)
Гельцер Б.И., Шахгельдян К.И. Костерин В.В., Рублев В.Ю. Сравнительный анализ методов синтеза данных для разработки прогностических моделей в кардиологии. В: Материалы Седьмой Международной научной конференции «Интеллектуальные информационные технологии для промышленности» (ИИТИ''23). 2023; С. 35-44. https://doi.org/10.1007/978-3-031-43789-2_3 (Scopus)
Гельцер Б.И., Шахгельдян К.И., Домжалов И.Г., Куксин Н.С., Кокарев Е.А., Котельников В.Н., Рублев В.Ю. Прогнозирование внутригоспитальной летальности у больных острым инфарктом миокарда с подъемом сегмента ST после черескожного коронарного вмешательства. Российский кардиологический журнал. 2023;28(6):31-39. DOI: 10.15829/1560-4071-2023-5414 Scopus/RSCI/Ядро РИНЦ
Шахгельдян К.И., Гельцер Б.И., Куксин Н.С., Домжалов И.Г. Многоуровневая категоризация непрерывных переменных в задачах объяснения прогностических оценок моделей машинного обучения в клинической медицине. Врач и информационные технологии. 2023; № 3: 44-57. DOI: 10.25881/18110193_2023_3_44 RSCI/Ядро РИНЦ
Щеглов Б.О. Применение методов машинного обучения в вопросах прогнозирования смертности пациентов во внутригоспитальном периоде после АКШ. В сборнике: Медицина будущего. сборник материалов. Дальневосточный федеральный университет, Школа медицины. 2022; С. 288-291. eLIBRARY ID: 49167586
Шахгельдян К.И., Рублев В.Ю., Гельцер Б.И., Щеглов Б.О., Костерин В.В., Щеглова С.Н. Методы машинного обучения для прогнозирования риска внутригоспитальной летальности после коронарного шунтирования. В сборнике: Интегрированные модели и мягкие вычисления в искусственном интеллекте ИММВ-2022. Сборник научных трудов XI Международной научно-практической конференции. В 2-х томах. Коломна, 2022; С. 274-286. eLIBRARY ID: 48717110
Гривков Л.А., Шахгельдян К.И., Гельцер Б.И., Котельников В.Н., Апанасевич В.И. Методы машинного обучения в прогнозировании рецидивов базальноклеточного рака кожи после фотодинамической терапии. Тихоокеанский медицинский журнал. 2022; 2 (88): 54-59. DOI: 10.34215/1609-1175-2022-2-54-59 (РИНЦ)
Невзорова В.А., Бродская Т.А., Шахгельдян К.И., Гельцер Б.И., Костерин В.В., Присеко Л.Г. Методы машинного обучения в прогнозировании рисков 5-летней смертности (по данным исследования ЭССЕ-РФ в Приморском крае). Кардиоваскулярная терапия и профилактика. 2022; 21(1): 34-42. DOI: 10.15829/1728-8800-2022-2908 Scopus/RSCI/Ядро РИНЦ
Циванюк М.М., Гельцер Б.И., Шахгельдян К.И., Емцева Е.Д., Завалин Г.С., Шекунова О.И. Электрокардиографические, экокардиографические и липидные показатели в прогнозировании обструктивного поражения коронарных артерий у больных с острым коронарным синдромом без подъема сегмента ST. Российский кардиологический журнал. 2022; 27(6):77-85. DOI: 10.15829/1560-4071-2022-5036 Scopus/RSCI/Ядро РИНЦ
Циванюк М.М., Гельцер Б.И., Шахгельдян К.И., Вишневский А.А., Шекунова О.И. Показатели клинического анализа крови, липидного спектра и их соотношений в прогнозировании обструктивного поражения коронарных артерий у больных с острым коронарным синдромом без подъема сегмента ST. Российский кардиологический журнал. 2022; 27(8): 66-74. DOI: 10.15829/1560-4071-2022-5079 Scopus/RSCI/Ядро РИНЦ
Грибова В.В., Гельцер Б.И., Шахгельдян К.И., Петряева М.В., Шалфеева Е.А., Костерин В.В. Гибридная технология оценки рисков и прогнозирования в кардиологии. Врач и информационные технологии. 2022; № 3: 24-35. DOI: 10.25881/18110193_2022_3_24 RSCI/Ядро РИНЦ
Rublev V., Gelser B., Shakhgeldyan K., Tsivanyuk M. Machine learning prediction models for in-hospital mortality after isolated on-pump coronary artery bypass grafting. Chest. 2022; 161 (6): A20. DOI: 10.1016/j.chest.2021.12.052
Tsivanyuk M., Geltser B., Rublev V., Shakhgeldyan K., Emtseva E. Predictive potential of cardiometabolic risk factors for obstructive coronary artery disease pre-test probability assessment. Chest. 2022; 161 (6): A50. DOI:10.1016/j.chest.2021.12.081
Богданов Д.Ю., Невзорова В.А., Шахгельдян К.И., Мокшина М.В. Возможности математического моделирования риска развития атеросклероза в популяции лиц возраста 30-49 лет славянской и корейской этнической принадлежности. Системные гипертензии. 2022; 19 (2): 27-32. DOI: 10.38109/2075-082X-2022-2-27-32 RSCI/Ядро РИНЦ
Ракитова А.В., Гельцер Б.И., Калинский П.П., Тян К.В., Шахгельдян К.И. Особенности головной боли у лиц молодого возраста с различными фенотипами маскированной артериальной гипертензии. Российский журнал боли. 2022; 20 (3) 10-15. DOI: 10.17116/pain20222003110 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Котельников В.Н., Шахгельдян К.И., Домжалов И.Г., Куксин Н.С. Некоторые факторы риска летального исхода у пациентов с острым инфарктом миокарда. Вестник научных конференций. 2022; 12-3 (88): 29-30. eLIBRARY ID: 50203918
Kryukov V.V., Shakhgeldyan K.I., Kiikova E.V., Kiikova D.A., Saychuk D.S. Assessment of transport enterprise readiness for digital transformation. В сборнике: X International Scientific Siberian Transport Forum - TransSiberia 2022. Сер. "Transportation Research Procedi" 2022; С. 2710-2718. DOI: 10.1016/j.trpro.2022.06.313
Shcheglov B.О., Rublev V.Yu. Development of machine learning models to predict atrial fibrillation risk in coronary heart disease patients after coronary artery bypass grafting based on electrocardiographic data. В сборнике: Инновации и технологии в биомедицине. Научное электронное издание. 2021; С. 188-191. eLIBRARY ID: 46507630
Шахгельдян К.И., Рублев В.Ю., Гельцер Б.И., Щеглов Б.О., Щеглова С.Н. Методы машинного обучения для прогнозирования риска развития фибрилляции предсердий после коронарного шунтирования. В сборнике: Интегрированные модели и мягкие вычисления в искусственном интеллекте (ИММВ-2021). Сборник научных трудов X-й Международной научно-технической конференции. Смоленск, 2021; С. 269-283. eLIBRARY ID: 46337347
Geltser B.I., Rublev V.Y., Shakhgeldyan K.I., Shcheglov B.O., Shcheglova S.N. Machine learning models for atrial fibrillation prediction after coronary artery bypass graft surgery. В сборнике: CEUR Workshop Proceedings. 10. Сер. "IMSC 2021 - Russian Advances in Fuzzy Systems and Soft Computing: Selected Contributions to the 10th International Conference on "Integrated Models and Soft Computing in Artificial Intelligence"" 2021; С. 311-323. eLIBRARY ID: 47511910
Гельцер Б.И., Грибова В.В., Клышинский Э.С., Шахгельдян К.И., Окунь Д.Б.,Горбач Т.А., Петряева М.В. Chomsky Was (Almost) Right: Ontology-Based Parsing of Texts of a Narrow Domain. Communications in Computer and Information Science. Vol/ 1448. Springer, Cham, p. 87-96. DOI: doi.org/10.1007/978-3-030-87034-8_7
Shakhgeldyan K., Vishnevskiy A., Emtseva E., Geltser B., Rublev V., Tsivanyuk M. Machine learning for assessment of cardiometabolic risk factors predictive potential and prediction of obstructive coronary arteries lesions Lecture Notes in Computer Science. 2021; 12948 LNAI. С. 102-116. DOI: 10.1007/978-3-030-86855-0_8 Scopus
Гельцер Б.И., Циванюк М.М., Шахгельдян К.И., Емцева Е.Д., Вишневский А.А. Факторы кардиометаболического риска в прогнозировании обструктивного поражения коронарных артерий у больных с острым коронарным синдромом без подъема сегмента st. Российский кардиологический журнал. 2021; 26 (11): 94-101. DOI: 10.15829/1560-4071-2021-4494 Scopus/RSCI/Ядро РИНЦ
Бродская Т.А., Невзорова В.А., Шахгельдян К.И., Гельцер Б.И., Вражнов Д.А., Кистенев Ю.В. Оценка предиктивного потенциала факторов сердечно-сосудистого риска и их ассоциаций с жесткостью артерий у лиц европейской и корейской этнических групп. Российский кардиологический журнал. 2021; 26 (5): 17-25. DOI: 10.15829/1560-4071-2021-4230 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Рублев В.Ю., Щеглов Б.О., Кокарев Е.А. Алгоритм отбора предикторов и прогнозирование фибрилляции предсердий у больных ишемической болезнью сердца после коронарного шунтирования. Российский кардиологический журнал. 2021; 26 (7): 40-47. DOI: 10.15829/1560-4071-2021-4522 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Рублев В.Ю., Циванюк М.М., Шахгельдян К.И. Машинное обучение в прогнозировании ближайших и отдаленных результатов реваскуляризации миокарда: систематический обзор. Российский кардиологический журнал. 2021; 26 (8): 115-124. DOI: 10.15829/1560-4071-2021-4505 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Горбач Т.А., Грибова В.В., Карпик О.В., Клышинский Э.С., Кочеткова Н.А., Окунь Д.Б., Петряева М.В., Шахгельдян К.И. Синтаксический анализ текстов предметной области при помощи онтологии. Труды Института системного программирования РАН. 2021; 33 (4): 99-116. DOI: 10.15514/ISPRAS-2021-33(4)-8 RSCI/Ядро РИНЦ
Щеглов Б.О. Создание моделей машинного обучения для предоперационного расчета рисков возникновения фибрилляции предсердий после аортокоронарного шунтирования. В сборнике: Инновации и технологии в биомедицине. 2020; С. 112-115. eLIBRARY ID: 44612450
Гельцер Б.И., Рублев В.Ю., Кригер А.Б., Шахгельдян К.И., Широбоков В.Г. Алгоритм отбора предикторов внутригоспитальной летальности после коронарного шунтирования. В сборнике: Восемнадцатая Национальная конференция по искусственному интеллекту с международным участием КИИ-2020. Труды конференции. Под ред. В.В. Борисова, О.П. Кузнецова. Москва, 2020; С. 153-162. eLIBRARY ID: 44332998
Shakhgeldyan K., Geltser D., Kriger A., Geltser B., Rublev V., Shirobokov B. Feature selection strategy for intrahospital mortality prediction after coronary artery bypass graft surgery on an unbalanced sample. В сборнике: ACM International Conference Proceeding Series. 4. Сер. "Proceedings of the 4th International Conference on Computer Science and Application Engineering, CSAE 2020". 2020; 3425090. DOI: 10.1145/3424978.3425090 WoS
Гельцер Б.И., Шахгельдян К.И., Рублев В.Ю., Котельников В.Н., Кригер А.Б., Широбоков В.Г. Методы машинного обучения в прогнозировании летальных исходов в стационаре у больных ишемической болезнью сердца после коронарного шунтирования. Кардиология. 2020; 60 (10): 38-46. DOI: 10.18087/cardio.2020.10.n1170 Scopus/WoS/PubMed/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Назаров Д.А., Ветрова О.В., Котельников В.Н., Карпов Р.С. Методы машинного обучения в оценке рисков поражения органов-мишеней при "маскированной" артериальной гипертензии. Кардиология. 2020; 60 (5): 107-114. DOI: 10.18087/cardio.2020.5.n883 Scopus/WoS/PubMed/RSCI/Ядро РИНЦ
Гельцер Б.И., Ветрова О.О., Орлова-Ильинская В.В., Котельников В.Н., Шахгельдян К.И. Исследование кардиогемодинамики при различных фенотипах "маскированной" артериальной гипертензии. Военно-медицинский журнал. 2020; 341 (8): 61-65. eLIBRARY ID: 43909459
Гельцер Б.И., Циванюк М.М., Шахгельдян К.И., Рублев В.Ю. Методы машинного обучения как инструмент диагностических и прогностических исследований при ишемической болезни сердца. Российский кардиологический журнал. 2020; 25 (12): 164-171. DOI: 10.15829/1560-4071-2020-3999 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Котельников В.Н., Ветрова О.О., Орлова-Ильинская В.В., Карпов Р.С. Фенотипирование "маскированной" артериальной гипертензии по результатам кластеризации данных суточного мониторирования артериального давления. Российский кардиологический журнал. 2020; 25 (3): 57-62. DOI: 10.15829/1560-4071-2020-3-3286 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Циванюк М.М., Шахгельдян К.И., Рублев В.Ю. Методы машинного обучения в оценке предтестовой вероятности обструктивных и необструктивных поражений коронарного русла. Российский кардиологический журнал. 2020; 25 (5): 99-105. DOI: 10.15829/1560-4071-2020-3802 Scopus/RSCI/Ядро РИНЦ
Plekhova N.G., Nevzorova V.A., Brodskay T.A., Priseko L.G., Chernenko I.N., Grunberg K.L., Shakhgeldyan K.I., Geltser B.I. Association of cardiovascular events and blood pressure and serum lipoprotein indicators based on functional data analysis as a personalized approach to the diagnosis. В сборнике: Software Engineering Perspectives in Intelligent Systems. Proceedings of 4th Computational Methods in Systems and Software 2020. 2020; Vol.2: 278-293. DOI: 10.1007/978-3-030-63319-6_24
Шахгельдян К.И., Рублев В.Ю., Гельцер Б.И., Щеглов Б.О., Широбоков В.Г., Духтаева М.К., Чернышева К.В. Оценка предиктивного потенциала дооперационных факторов риска фибрилляции предсердий у больных ишемической болезнью сердца после коронарного шунтирования. Сибирский журнал клинической и экспериментальной медицины. 2020; 35 (4): 128-136. DOI: 10.29001/2073-8552-2020-35-4-128-136 RSCI/Ядро РИНЦ
Шахгельдян К.И., Гельцер Б.И., Курпатов И.Г. Методы машинного обучения для дифференциальной диагностики болезней органов дыхания. В сборнике: Цифровое здравоохранение. Труды XX Международного конгресса «Информационные технологии в медицине». 2019; С. 10-13. Идентификатор электронной библиотеки: 41662950
Щеглов Б.О. Разработка регрессионной модели предсказания риска возникновения фибрилляции предсердий у пациентов после акш. В сборнике: Инновации и технологии в биомедицине. сборник материалов. 2019; С. 257-259. eLIBRARY ID: 44612447
Горбач Т.А., Грибова В.В., Окунь Д.Б., Петряева М.В., Шалфеева Е.А., Шахгельдян К.И. База терминов нейрохирургии для интеллектуальной обработки биомедицинских данных. В сборнике: Системный анализ в медицине. Материалы XIII международной научной конференции. 2019; С. 82-85. eLIBRARY ID: 42408545
Snopko S.I., Gmar D.V., Rylov A.V., Artamonov O.A., Shahgeldyan K.I. Developing x-ray simulator for luggage screening. В сборнике: 2019 International Science and Technology Conference "EastConf", EastConf 2019. 2019; С. 8725337. DOI: 10.1109/Eastonf.2019.8725337
Zubov I.K., Gorin A.A., Shahgeldyan K.I., Berlova N.V. The introduction of e-learning technologies using agile software development methodology. В сборнике: 2019 International Science and Technology Conference "EastConf", EastConf 2019. 2019; С. 8725421. DOI: 10.1109/Estonf.2019.8725421
Гельцер Б.И., Грицив Р.С., Рублев В.Ю., Шахгельдян К.И. Сравнительная оценка методов машинного обучения в прогнозировании отдаленных результатов аортокоронарного шунтирования. В сборнике: Семнадцатая Национальная конференция по искусственному интеллекту с международным участием. КИИ-2019. Сборник научных трудов: в 2-х томах. 2019; С. 28-39. eLIBRARY ID: 41308997
Shakhgeldyan K.I., Geltser B.I., Kurpatov I.G., Kriger A.B. Artificial intelligence methods in assessing the severity and differential diagnosis of bronchoobstructive syndrome. В сборнике: The 21st International Scientific Workshop on Computer Science and Information Technologies (CSIT 2019). Proceedings of the 21st International Workshop on Computer Science and Information Technologies (CSIT 2019). Vienna, Austria, 2019; С. 74-78. eLIBRARY ID: 47987594
Грибова В.В., Москаленко Ф.М., Шахгельдян К.И., Гмарь Д.В., Гельцер Б.И. Концепция гетерогенного хранилища биомедицинской информации. Информационные технологии. 2019; 25 (2): 97-106. DOI: 10.17587/it.25.97-106 RSCI/Ядро РИНЦ
Паскова Е.В., Шахгельдян К.И., Маркелова Е.В. Оценка динамики содержания интерлейкина-17 и интерлейкина-4 в сыворотке крови при посттравматическом остеомиелите нижней челюсти. Клиническая стоматология. 2019; 2 (90): 62-64. DOI: 10.37988/1811-153X_2019_2_62 Scopus/RSCI/Ядро РИНЦ
Паскова Е.В., Маркелова Е.В., Шахгельдян К.И., Гельцер Б.И., Кригер А.Б. Роль цитокин-опосредованных механизмов в развитии посттравматического остеомиелита нижней челюсти. Медицинская иммунология. 2019; 21 (5): 953-958. DOI: 10.15789/1563-0625-2019-5-953-958 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Курпатов И.Г., Кригер А.Б., Киняйкин М.Ф. Информативность индикаторов силы дыхательных мышц в оценке тяжести хронической обструктивной болезни легких при моделировании на основе искусственных нейронных сетей. Пульмонология. 2019; 29 (5): 571-581. https://doi.org/10.18093/0869-0189-2019-29-5-571-581 Scopus/RSCI/Ядро РИНЦ
Гельцер Б.И., Шахгельдян К.И., Курпатов И.Г., Котельников В.Н. Сравнительная оценка силы дыхательных мышц у больных бронхиальной астмой, хронической обструктивной болезнью легких и с их сочетанием. Туберкулез и болезни легких. 2019; 97(2): 12-19. https://doi.org/10.21292/2075-1230-2019-97-2-12-19 Scopus/RSCI/Ядро РИНЦ
Клышинский Э.С., Грибова В.В., Шахгельдян К.И., Шалфеева Е.А., Окунь Д.Б., Горбач Т.А., Карпик О.В. Алгоритм автоматического выделения жалоб пациентов из историй болезни. Новые информационные технологии в автоматизированных системах. 2019; 22: 204-209. eLIBRARY ID: 41200108