Пропонується метод інформаційного синтезу системи підтримки прийняття рішень для радіонуклідної діагностики органів людини при динамічному обстеженні на гамма-камері. Як приклад розглянуто процес діагностування функціонального стану нирок. Розроблено алгоритм сегментації серії сцинтиграм на основі інформаційно-екстремального кластер-аналізу просторово-часових векторів зміни яскравості пікселів та алгоритм інформаційно-екстремального машинного навчання для розпізнавання функціонального стану нирок за ренографічною кривою. Розроблені алгоритми грунтуються на адаптивному двійковому кодуванні ознак розпізнавання та оптимізації геометричних параметрів розбиття простору ознак на класи еквівалентності в процесі максимізації інформаційної спроможності системи підтримки прийняття рішень. Запропоновано модифікацію інформаційного критерію ефективності машинного навчання, що є функціоналом від помилки другого роду та першої достовірності. Аналізуються результати роєвої оптимізації вирішальних правил та показано результати автоматичної сегментації сцинтиграфічних даних з метою виділення зон інтересу і автоматичної класифікації ренограм для формування діагностичного висновку. Потужність алфавіту класів функціонального стану нирки становить три класи. Перший клас характеризує нормальний стан без видимих порушень функції нирок. Другий клас характеризує ураження ниркової паренхіми. Третій клас характеризує порушення уродинаміки. Зроблено висновок про достовірність отриманих вирішальних правил.

сегментація, кластер-аналіз, інформаційно-екстремальна інтелектуальна технологія, алфавіт класів, словник ознак, радіонуклідна діагностика, гамма-камера, оптимізація, роєві алгоритми