Розробка і реалізація системи безперервного моніторингу і аналізу глюкози
Автор: Лебідь Станіслав Вікторович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проєктування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2025-2026 н.р.
Мова захисту: українська
Анотація: Лебідь С. В., Кривий Р. З. Розробка і реалізація системи безперервного моніторингу і аналізу глюкози. Магістерська кваліфікаційна робота. – Національний університет «Львівська політехніка», Львів, 2025 Розширена анотація. Магістерська кваліфікаційна робота присвячена розробці та реалізації системи безперервного моніторингу та аналізу рівня глюкози на основі сучасних CGM-сенсорів та мобільних технологій. У першому розділі дипломної роботи проведено комплексний аналіз сучасних систем безперервного моніторингу глюкози [1], їхньої будови, принципів роботи та можливостей інтеграції з мобільними застосунками. Охарактеризовано основні компоненти таких систем — сенсор, передавач та приймач — із використанням відкритих технічних даних провідних виробників CGM-пристроїв [1]. Проаналізовано ключові критерії вибору сенсорів: тип системи, тривалість роботи, точність вимірювань, спосіб передачі даних та складність інтеграції. Проведений порівняльний аналіз дав змогу визначити технічно оптимальні параметри для подальшої розробки мобільного застосунку. У другому розділі досліджено актуальність проактивного підходу до попередження критичних станів шляхом прогнозування рівня глюкози на основі методів аналізу часових рядів. Розглянуто теоретичні основи підходів, таких як лінійна екстраполяція, авторегресійні моделі AR, алгоритми машинного навчання, зокрема Random Forest, та рекурентні нейронні мережі [2–4]. Порівняння точності, складності реалізації та навантаження на мобільний пристрій дозволило обґрунтовано вибрати оптимальний алгоритм для використання у застосунку. У третьому розділі розроблено архітектуру системи прогнозування та системи сповіщень мобільного застосунку. Визначено оптимальний горизонт прогнозування, параметри вхідного вікна даних та методи згладжування шумів. Створено логіку роботи підсистеми попереджувальних сповіщень, орієнтовану на мінімізацію хибних тривог та забезпечення підтримки користувача у критичних ситуаціях. У четвертому розділі реалізовано всі компоненти мобільного застосунку для діабетиків. Розроблено інтерфейс користувача з урахуванням принципів UX/UI-дизайну для медичних застосунків. Створено структуру бази даних[6], модуль обробки прогнозів та систему сповіщень. Продемонстровано результати роботи застосунку, що підтверджують коректність інтеграції з CGM-сенсорами через Bluetooth-технології [5], точність прогнозування та ефективність сповіщення про можливі критичні стани. Об’єкт дослідження — процес розробки та реалізації мобільного додатку для моніторингу та прогнозування рівня глюкози у пацієнтів із цукровим діабетом. Предмет дослідження — методи та технології розробки мобільних застосунків, а також алгоритми прогнозування часових рядів CGM-сенсорів. Мета роботи — розробка програмного продукту в середовищі Android Studio мовою Java [7], який забезпечує збір даних із CGM-сенсора, прогнозування рівня глюкози та оперативне попередження користувача про критичні стани. У результаті роботи створено повнофункціональний мобільний додаток, який відповідає функціональним і нефункціональним вимогам, підтримує інтеграцію з сенсорами, реалізує алгоритми прогнозування та забезпечує користувача ефективним інструментом контролю перебігу цукрового діабету. Загальний обсяг роботи ??? сторінок, 63 рисунка, 23 посилань Ключові слова: МОБІЛЬНИЙ ДОДАТОК; ANDROID STUDIO; JAVA; ЦУКРОВИЙ ДІАБЕТ; БЕЗПЕРЕРВНИЙ МОНІТОРИНГ ГЛЮКОЗИ; CGM; ПРОГНОЗУВАННЯ; АВТОРЕГРЕСІЙНА МОДЕЛЬ; BLUETOOTH LOW ENERGY; СЕНСОР ГЛЮКОЗИ; ПРОАКТИВНІ СПОВІЩЕННЯ; ІНТЕРФЕЙС КОРИСТУВАЧА; ОБРОБКА ДАНИХ. Перелік використаних літературних джерел Continuous Glucose Monitoring — огляд технологій [Електронний ресурс]. — Режим доступу: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4665529/ AutoRegressive (AR) Models – Time Series Theory [Електронний ресурс]. — Режим доступу: https://otexts.com/fpp2/AR.html LSTM and GRU Neural Networks — науковий огляд [Електронний ресурс]. — Режим доступу: https://www.tensorflow.org/guide/keras/rnn Random Forest Algorithm Overview [Електронний ресурс]. — Режим доступу: https://scikit-learn.org/stable/modules/ensemble.html#random-forests Bluetooth Low Energy (BLE) Integration Guide [Електронний ресурс]. — Режим доступу: https://www.bluetooth.com/learn-about-bluetooth/tech-overview/ SQLite Database for Mobile Applications [Електронний ресурс]. — Режим доступу: https://www.sqlite.org/index.html Архітектура мобільних застосунків: матеріали Google [Електронний ресурс]. — Режим доступу: https://developer.android.com/jetpack