Разработка и интеграция цифрового лабораторного модуля CardioSimLab для обучения вычислительной кардиологии и научному машинному обучению
DOI:
https://doi.org/10.32603/2071-2340-2025-4-68-80Ключевые слова:
цифровой лабораторный модуль, вычислительная кардиология, нейронные операторы, научное машинное обучение, образовательные технологии, интерактивная визуализация, контейнеризацияАннотация
Цель работы состоит в разработке, программной реализации и методической апробации интерактивного цифрового лабораторного модуля CardioSimLab, предназначенного для обучения студентов принципам вычислительной кардиологии, научного машинного обучения и гибридного моделирования уравнений в частных производных. Вычислительное ядро модуля основано на схеме AR-FNO+CG, в которой авторегрессионный спектральный нейронный оператор Фурье аппроксимирует нелинейную параболическую эволюцию трансмембранного потенциала, а метод сопряжённых градиентов обеспечивает физическую согласованность эллиптической связи. В статье акцент смещён с описания базового алгоритма на архитектуру программной системы, контейнеризацию, организацию пользовательского интерфейса, интеграцию с LMS и педагогическую валидацию инструмента. Реализована клиент-серверная архитектура с асинхронным бэкендом, очередью задач и веб-интерфейсом для интерактивной визуализации вычислительных экспериментов. Инференс одного шага при Δt=2 мс занимает не более 0,3 с при потреблении видеопамяти не более 2,2 ГБ. Модуль развёрнут на 15 учебных станциях факультета информационных технологий и фундаментальной медицины СевГУ и интегрирован с Moodle через REST API. Пилотное использование в курсе "Научное машинное обучение" (n=18) показало рост понимания механизмов спектрального смещения на 42% и динамики накопления ошибок на 38%. Показано, что модуль соответствует профилю цифрового лабораторного практикума и может использоваться в курсах по вычислительной математике, биомедицинскому моделированию и научному машинному обучению.
Библиографические ссылки
M. Holonicki et al., "AI literacy in higher education: frameworks and competencies," Computers & Education: AI, vol. 6, Art. 100142, 2024.
FGOS VO 3++ in the field 09.03.01 "Computer Science and Engineering," Moscow, 2023. (In Russian)
G. Plank et al., "The openCARP simulation environment for cardiac electrophysiology," Computer Methods and Programs in Biomedicine, vol. 208, Art. 106223, 2021.
V. V. Zakharov and E. S. Petrova, "Digital laboratory workshops in a technical university: methodology and practice," Higher Education in Russia, no. 3, pp. 45–58, 2024. (In Russian)
European Commission, "AI in Education: Guidelines for Higher Education Institutions," Brussels, 2025.
D. Brook et al., "Teaching uncertainty quantification in deep learning: pedagogical strategies and tools," Journal of Machine Learning Research. Education Track, vol. 25, pp. 1–18, 2024.
V. V. Rubtsov, "Design of a digital educational environment: a systems approach," Pedagogy, no. 5, pp. 12–24, 2024. (In Russian)
C. S. Henriquez, "Simulating the electrical behavior of cardiac tissue using the bidomain model," Critical Reviews in Biomedical Engineering, vol. 21, pp. 1–77, 1993.
N. A. Trayanova, "Whole-heart modeling: applications to cardiac electrophysiology," Circulation Research, vol. 108, pp. 113–128, 2011.
S. A. Niederer et al., "Computational models in cardiology," Nature Reviews Cardiology, vol. 16, pp. 100–111, 2019.
Z. Li et al., "Fourier neural operator for parametric partial differential equations," in International Conference on Learning Representations, 2021.
N. Rahaman et al., "On the spectral bias of neural networks," in Proceedings of the 36th International Conference on Machine Learning, vol. 97, pp. 5301–5310, 2019.
W. M. Czarnecki et al., "Sobolev training for neural networks," in Advances in Neural Information Processing Systems, vol. 30, pp. 1–11, 2017.
E. Yu. Shchetinin, "Study of a hybrid approach to cardiac electrophysiology modeling based on spectral neural operators," Computer Tools in Education, no. 1, pp. 39–55, 2026. DOI: 10.32603/2071-2340-2026-1-39-55. (In Russian)
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Evgeniy Shchetinin, Anna Pestryakova, Andrey Shevchuk
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
