23 Февраля 2025 г. Четная неделя
Версия для слабовидящих
Уткин Лев Владимирович
Уткин Лев Владимирович
  • Биография
  • Публикации

Уткин Лев Владимирович родился 06 мая 1963 года в Ленинграде. В 1986 году окончил Ленинградский электротехнический институт имени В.И. Ульянова (Ленина) (ЛЭТИ) по специальности «Автоматика и телемеханика». В 1989 году окончил аспирантуру на кафедре автоматизированных систем обработки информации и управления ЛЭТИ и в этом же году защитил диссертацию на соискание степени кандидата технических наук по теме «Ускоренные испытания помехоустойчивости систем передачи информации». В 2001 году защитил диссертацию на соискание степени доктора технических наук по теме «Методы и модели анализа надежности и безопасности информационных систем при неполной информации».

С 1991 по 2015 годы работал в Санкт-Петербургском государственном лесотехническом университете, занимал должности доцента и профессора кафедры информационных систем (1991-2008), проректора по научной работе (2007-2015), заведующего кафедрой управления, автоматизации и системного анализа (2010-2015).

Стипендиат фонда Гумбольдта. Университет г. Мюнхен (LMU), Институт статистики, Германия (2001-2003).

С 2016 года работает в Санкт-Петербургском политехническом университете Петра Великого. Занимал должности профессора кафедры «Телематика» (при ЦНИИ РТК), директора Высшей школы прикладной математики и вычислительной физики, профессора Высшей школы технологий искусственного интеллекта, заведующего научно-исследовательской лабораторией нейросетевых технологий и искусственного интеллекта, ведущего научного сотрудника научно-исследовательской лаборатории "Суперкомпьютерные технологии и машинное обучение".

В 2022 году получена премия Правительства Санкт-Петербурга за выдающиеся научные результаты в области науки и техники в номинации «Кибернетика и искусственный интеллект» – премия им. Г.А. Леонова за комплекс исследований и разработок «Решение фундаментальных и прикладных проблем искусственного интеллекта в медицине и промышленности».

Является членом Ассоциации по интервальным вероятностям и их применению (SIPTA) и Международной ассоциации по многокритериальному принятию решений (ISMCDM).

Уткин Л.В. являлся также членом экспертного совета Российского научного фонда (РНФ) по математике, информатике и наукам о системах (2018-2023), экспертом ВАК (2012-2018) по управлению, вычислительной технике и информатике, членом Экспертного совета по формированию приоритетных направлений научных исследований и развития технологий в области искусственного интеллекта в «АНО Аналитический центр при Правительстве Российской Федерации».

Научные интересы Уткина Л.В. охватывают фундаментальные исследования в областях машинного обучения и искусственного интеллекта, надежности систем и программного обеспечения, принятия решений при неполной информации, модели описания неопределенностей, а также в прикладных областях, включая медицину, большие информационные и производственные системы.

Scopus ID
РИНЦ ID
Researcher ID
Orcid ID

Среди фундаментальных и прикладных разработок Уткина Л.В. можно выделить несколько основных направлений:

  1. Разработка и реализация новых моделей и методов искусственного интеллекта для диагностики онкологических заболеваний, выбора оптимального лечения и создания элементов персонализированной медицины: в рамках работ совместно с Санкт-Петербургским Онкоцентром была создана интеллектуальная система диагностики рака легкого по снимкам компьютерной томографии. Были разработаны и реализованы новые подходы к оценке эффекта лечения и выбора оптимального лечения для конкретного пациента, что является основой для персонализации медицины.
  2. Диагностическая оценка состояния объектов с помощью усиления и ослабления движений на видеозаписи: в рамках работ была разработана система визуального усиление движений для анализа и распознавания малых колебаний, амплитуды которых значительно меньше одного пикселя.
  3. Фреймворк для разработки и применения алгоритмов машинного обучения на основе глубоких лесов (Deep Forest): в рамках работ библиотека для разработки и применения новых алгоритмов машинного обучения на основе глубоких лесов, которая позволяет решать задачи, связанные с разработкой принципиально новых архитектур глубокого леса; построением моделей для решения конкретных прикладных задач машинного обучения; сравнением различных архитектур глубокого леса в исследовательских целях.
  4. Интеллектуальная система анализа гистопатологических образцов: в рамках работ были разработаны ряд моделей и инструментальных средств для повышения точности обнаружения заболеваний и их классификации, а также для автоматизации процесса анализа и разметки новых образцов.
  5. Модели генерации, зависящей от времени траектории пациента: в рамках работ, были разработаны модели, которые отвечают на вопрос: какие признаки пациента, например, комбинацию препаратов, следует изменить и как, чтобы соответствующее время до события, например, выздоровления было бы другим, например, более коротким?
  6. Комплекс моделей объяснительного интеллекта: в рамках исследования был впервые разработан комплекс методов и моделей объяснения и интерпретации предсказаний моделей выживаемости при цензурированных данных. В отличие от обычных моделей, интерпретирующих точечные предсказания, разработанные модели позволяют объяснять функциональные предсказания.
  7. Комплекс моделей оценки эффекта лечения и выбора оптимального лечения: в рамках исследования были получены новые модели машинного обучения для оценки эффекта лечения пациентов, которые определяют реальную персонализацию медицины, когда лечение и его эффективность определяется не по «среднему» пациенту, а по всей диагностической информации конкретного пациента.