НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ВЫБОРА СХЕМЫ ЛЕЧЕНИЯ ПАЦИЕНТОВ С ХРОНИЧЕСКИМ ПИЕЛОНЕФРИТОМ И МОЧЕКАМЕННОЙ БОЛЕЗНЬЮ
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2018 |
| Předmět: | |
| DOI: | 10.26102/2310-6018/2018.23.4.005 |
| Popis: | Работа посвящена актуальной проблеме повышения точности выбора схемы лечения заболеваний мочевыделительной системы за счет компьютерной обработки данных и применения методов искусственного интеллекта для систем поддержки принятия решений. В статье представлены результаты нейросетевого моделирования процесса выбора схемы лечения пациентов с хроническим пиелонефритом и мочекаменной болезнью. На этапе формирования матрицы входной информации были обработаны 150 историй болезни пациентов с диагнозами хронический пиелонефрит, мочекаменная болезнь, а также, больные у которых наблюдалось сочетание данных патологий. В матрицу входных значений вошли 25 показателей, среди которых результаты лабораторных и инструментальных исследований. Построение многослойного персептрона проводилось на базе модуля NeuralNetworks в программе Statistica. Была получена сеть, которая состоит из 25 входных векторов и одного скрытого слоя, содержащего 14 нейронов. Обучение нейронной сети осуществлялось по выборке, включающей в себя 100 примеров. Полученная нейросетевая модель имеет 5 выходов, каждый из которых идентичен присутствующим в обучающей выборке классам типа лечения. Разработанная модель дает возможность выбрать один из 5 видов лечения: Y1 - консервативная терапия антибактериальными, спазмолитическими и противовоспалительными препаратами в сочетании с физиотерапевтическими процедурами; Y2 - консервативная терапия в сочетании с оперативным лечением в объеме контактной литотрипсии (КЛТ); Y3 - консервативная терапия в сочетании с оперативным лечением в объеме дистанционной литотрипсии (ДЛТ); Y4 - консервативная терапия в сочетании с оперативным лечением в объеме перкутанной нефролитолапаксией (ПНЛТ); Y5 - открытая операция и консервативное лечение. Апробация разработанной сети проводилась на контрольной выборке, включающей 50 примеров. В результате тестирования трем пациентам был поставлен неправильный диагноз. Таким образом, точность модели составила 94%. The article deals with the basic aspects of designing a neural network model for choosing a treatment regimen for chronic pyelonephritis and urolithiasis. One of the most common non-specific chronic kidney diseases is a chronic pyelonephritis. Currently, mathematical modeling of biological systems is one of the main directions of mathematical methods in medical practice. The paper demonstrates network operation. The construction of a multilayer perceptron was carried out on the basis of the Neural Networks module in the Statistica program. The resulting neural network model has 5 outputs, each of which is identical to the types of treatment present in the training set. The developed model provides an opportunity to choose one of 5 types of treatment: Y1 - conservative therapy with antibacterial, antispasmodic and anti-inflammatory drugs in combination with physiotherapeutic procedures; Y2 - conservative therapy in combination with surgical treatment in the amount of contact lithotripsy (KLT); Y3 - conservative therapy in combination with surgical treatment in the volume of distant lithotripsy (DLT); Y4 - conservative therapy in combination with surgical treatment in the amount of percutaneous nephrolitholapaxy (PNLT); Y5 is an open surgery and conservative treatment. The developed model makes it possible to choose one of 5 types of treatment. The reliability of this model was 94%. №4(23) (2019) |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|