Оценка качества функционирования искусственных нейронных сетей с логическими выходами в диагностике заболеваний гепатопанкреатодуоденальной зоны

Обложка

Цитировать

Полный текст

Аннотация

Цель. Разработать комплекс информационных методов для совершенствования качества нейросетевой диагностики заболеваний гепатопанкреатодуоденальной зоны. Методы. Исследование проведено по материалам 385 пациентов с язвенной болезнью, холециститом и панкреатитом, проходивших стационарное лечение в медицинских организациях Курска. Для анализа данных применяли программное обеспечение собственной разработки - «Систему интеллектуального анализа и диагностики заболеваний», представляющую собой среду для создания, настройки, обучения и практического клинического применения искусственной нейронной сети типа многослойный персептрон с активационной функцией - гиперболический тангенс. Результаты. Значение гиперболического тангенса (активационной функции) нейрона выходного слоя принимает значение OUT ∈ ℝ ∧ OUT ∈ (-1; 1) и нуждается в интерпретации. Для логических выходов сети, например, наличие/отсутствие того или иного заболевания, она может выполняться посредством сравнения с произвольно устанавливаемой пороговой величиной yB ∈ (0; 1). При этом подходе значения интерпретируются как ложные (y ≤ -yB), неопределённые, если y ∈ (-yB; yB), или истинные (y ≥ yB). Контроль работы сети включает вычисление показателей чувствительности, специфичности, долей ложноположительных и ложноотрицательных результатов, для чего проводится сравнение массивов пар расчётных и эмпирических данных. В случае применения искусственной нейронной сети для диагностики заболеваний гепатопанкреатодуоденальной зоны оптимальный режим достигался при пороговом значении функции активации выходного нейрона yB ≈ 0,3. Вывод. Наибольшую эффективность в отношении оценки качества диагностики заболеваний гепатопанкреатодуоденальной зоны посредством искусственной нейронной сети с логическими выходами, а также её контролируемой настройки демонстрируют методы определения чувствительности, специфичности, долей ложноположительных и ложноотрицательных результатов при пороговом значении yB≈0,3; демонстрируемые уровни чувствительности (83-94,7%) и специфичности (83-97,8%) сопоставимы с традиционно применяемыми методами диагностики.

Об авторах

Виктор Анатольевич Лазаренко

Курский государственный медицинский университет

Email: drantonov@mail.ru
г. Курск, Россия

Андрей Евгеньевич Антонов

Курский государственный медицинский университет

Email: drantonov@mail.ru
г. Курск, Россия

Список литературы

  1. Шевляева М.А. Трудности ранней дифференциальной диагностики острого панкреатита. Кубанский науч. мед. вестн. 2013; (3): 141-144. .
  2. Лысенко М.В., Девятов А.С., Урсов С.В. и др. Острый панкреатит: дифференцированная лечебно-диагностическая тактика. М.: Литтерра. 2010; 165 с. .
  3. Сырбу И.Ф., Рязанов Д.Ю., Новохатний П.В. Дифференциальная диагностика гастродуоденальной язвы и острого панкреатита. Запорожский мед. ж. 2012; (1): 035-036.
  4. Бутов М.А., Ворначева И.Ю., Ерёмина Ю.О. и др. Сульпирид в лечении заболеваний органов пищеварения. Рос. ж. гастроэнтерол., гепатол., колопроктол. 2007; 17 (1): 43-47.
  5. Константинова Е.Д., Вараксин А.Н., Жовнер И.В. Определение основных факторов риска развития неинфекционных заболеваний: метод деревьев классификации. Гигиена и санитария. 2013; (5): 69-72.
  6. Скворцова В.И. Семь принципов модернизации здравоохранения. Вопросы экономики и управления для руководителей здравоохранения. 2010; (5): 7-14.
  7. Greenes R.A. Clinical decision support: the road ahead Amsterdam. Boston: Elsevier. 2007; 581 p.
  8. Чубукова И.А. Data Mining. М.: БИНОМ. Лаборатория знаний. 2008; 324 с.
  9. Щепин В.О., Расторгуева Т.И., Проклова Т.Н. К вопросу о перспективных направлениях развития здравоохранения Российской Федерации. Бюлл. Нац. науч.-исслед. ин-та общественного здоровья им. Н.А. Семашко. 2012; (1): 147-152.
  10. Мустафаев А.Г. Применение искусственных нейронных сетей для ранней диагностики заболевания сахарным диабетом. Кибернетика и программирование. 2016; (2): 1-7. doi: 10.7256/2306-4196.2016.2.17904.
  11. Алексеева О.В., Россиев Д.А., Ильенкова Н.А. Применение искусственных нейронных сетей в дифференциальной диагностике рецидивирующего бронхита у детей. Сибирское мед. обозрение. 2010; (6): 75-79.
  12. Лазаренко В.А., Антонов А.Е., Новомлинец Ю.П. Визуальная среда непараметрического корреляционного анализа факторов риска у больных с хирургической патологией. Здоровье и образование в XXI веке. 2017; 19 (4): 34-37. doi: 10.26787/nydha-2226-7425-2017-19-4-34-37.
  13. Лазаренко В.А., Антонов А.Е., Прасолов А.В., Чурилин М.И. Проблема оптимизации регрессионного анализа в оценке факторов риска, влияющих на развитие хирургических заболеваний гепатопанкреатодуоденальной зоны. Здоровье и образование в XXI веке. 2017; 19 (5): 24-27. .
  14. Лазаренко В.А., Антонов А.Е. Роль социальных факторов риска в развитии язвенной болезни в Курской области. Курский науч.-практ. вестн. «Человек и его здоровье». 2016; (2): 35-39. doi: 10.21626/vestnik/2016-2/06.
  15. Yasnitsky L.N., Dumler A.A., Poleshchuk A.N. et al. Artificial neural networks for obtaining new medical knowledge: Diagnostics and prediction of cardiovascular disease progression. Biol. Med. (Aligarh.) 2015; 7 (2): BM-095-15,8.
  16. Степанова Ю.А., Кармазановский Г.Г. Возможности лучевых методов исследования в диагностике осложнений хронического панкреатита. Рос. ж. гастроэнтерол., гепатол., колопроктол. 2009; 19 (2): 43-57.
  17. Кляритская И.Л., Кривой В.В., Работягова Ю.С. и др. Сравнительная характеристика методов диагностики острого и хронического панкреатита. Крымский терапевтич. ж. 2014; (1): 147-157.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© 2017 Лазаренко В.А., Антонов А.Е.

Creative Commons License

Эта статья доступна по лицензии
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.



Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».