ѕ–»ћ≈Ќ≈Ќ»≈ јƒјѕ“»¬Ќќ… Ќ≈…–ќ-Ќ≈„≈“ ќ… ћќƒ≈Ћ» ƒЋя –ј—ѕќ«Ќј¬јЌ»я ѕќƒ“»ѕќ¬ “–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј 

√лавна€ ї ѕубликации ї ѕ–»ћ≈Ќ≈Ќ»≈ јƒјѕ“»¬Ќќ… Ќ≈…–ќ-Ќ≈„≈“ ќ… ћќƒ≈Ћ» ƒЋя –ј—ѕќ«Ќј¬јЌ»я ѕќƒ“»ѕќ¬ “–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј 

 

 

 
—игнальные механизмы регул€ции физиологических функций.
—б. научных статей. ћинск, 2007, —.- 186-188

ѕ–»ћ≈Ќ≈Ќ»≈ јƒјѕ“»¬Ќќ… Ќ≈…–ќ-Ќ≈„≈“ ќ… ћќƒ≈Ћ»

ƒЋя –ј—ѕќ«Ќј¬јЌ»я ѕќƒ“»ѕќ¬ “–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј  

Ќовоселова Ќ.ј.1 , јпанель ≈.Ќ.2, ƒривотинов Ѕ.¬3. ћастыкин ј.—. 3

1ќбъединенный институт проблем информатики ЌјЌ Ѕеларуси, ћинск
2–Ќѕ÷ неврологии и нейрохирургии ћ« –Ѕ, ћинск
3Ѕелорусский государственный медицинский университет, ћинск

 

    —воеобразие клинической проблемы выделени€ подтипов транзиторных ишемических атак (“»ј) заключаетс€, прежде всего, в сложности получени€ выборки исходных данных. ќсновное из того, чем мы располагаем – это анамнез с расплывчатыми нечеткими описани€ми пациентом неврологической симптоматики, как прошедшей, так и нечетко («вроде бы») все еще удерживающейс€ [1-4]. ѕервые попытки решени€ этой задачи с помощью экспертных систем оказались неудачными, так как технологии реализации формально-логических решений и сама лингвистическа€ структура этих решений были несовершенны – не были разработаны эффективные классифицирующие правила [5, 6]. ¬ насто€щее врем€ на базе теории распознавани€ образов и систем искусственного интеллекта положение существенно изменилось [1-4, 7-10].    

    ¬ этом контексте мы подошли к решению проблемы распознани€ подтипов “»ј по нечетким анамнестическим данным с использованием адаптивной нейро-нечеткой модели (јЌЌћ) на базе  нечеткой формальной логики [2-4, 7, 9-11].

    ÷ель насто€щего сообщени€ – осветить возможности јЌЌћ дл€ выделений подтипов “»ј с последующим углубленным анализом этиопатогенетической неоднородности (гетерогенности) этой нозологической единицы с последующей разработкой лечебно-профилактических меропри€тий по предотвращению возникновени€ и развити€ ее эпизодов.

    ћатериал и методы.  ќбучающа€  выборка - это база данных, включающа€ 101 наблюдение клинически выверенных случаев пациентов с атеротромботическим этиопатогенезом эпизодов “»ј (—уб“»ј1) – 22 наблюдени€, кардиоэмболическим (—уб“»ј2) – 23 наблюдени€ и гипертензивным (—уб“»ј3) – 22 наблюдени€.  онтрольна€ группа Ќќ–ћј включала 34 наблюдени€.

    ѕо специальным критери€м (лингвистическим правилам) ЌЌћ, или нейро-нечеткий классификатор, была обучена различать перечисленные выше классы. »з общего исходного числа переменных 26 признаков (жалобы пациента и симптомы) с помощью дискриминантного анализа были выделены из них наиболее релевантные к “»ј. 

    –езультаты и обсуждение. ¬ отличие от традиционного классического статистического исследовани€ по принципу, чем больше признаков рассматриваетс€, тем лучше, интеллектуальные классификаторы, в том числе и јЌЌћ, стро€тс€ на небольшом количестве исходных независимых переменных (предикторов), обычно не более дес€ти [2, 3, 9]. “ехнической основой классификации ЌЌћ €вл€ютс€ выделенные ею лингвистические правила [7]. ¬ нашем случае их п€ть. “ак, по четырем предикторам ѕ–ќ‘≈——»я, Ѕ≈——ќЌЌ»÷ј, «–»“≈Ћ№Ќџ≈ –ј——“–ќ…—“¬ј » ЅќЋ» ¬ ќЅЋј—“» —≈–ƒ÷ј (их коды соответственно PROFESSN, INSOMNIA, OPDISODS и HEARTACH) точность распознани€ по тестовой выборке (40 наблюдений) была 75%. —хема использованного нами трехслойного классификатора (јЌЌћ) приведена на рис.

    Ќаиболее «“»ј-опасное» направление – артериальна€ гипертензи€ —уб“»ј3 (половина всей выборки – 20 наблюдений, 50%), затем следует кардиоэмболи€, —уб“»ј2 (7 наблюдений, 17,5%), «чистый» церебральный атеросклероз —уб“»ј1 оказалс€ самым малочисленным, всего три наблюдени€, 7,5%. ƒес€ть наблюдений (25,0%) были отнесены к классу Ќќ–ћј, что, однако, не может служить основанием дл€ уверенности отсутстви€ возможности развити€ эпизода “»ј в будущем.

–ис. јЌЌћ с п€тью классифицирующими правилами (R1 – R5) и заданными лингвистическими значени€ми нечетких множеств дл€ дифференциальной диагностики подтипов “»ј (1-—3 и Ќќ–ћј, 4); лингвистические значени€ нечетких множеств: ћ –«малое», — –«среднее», Ѕ – «большое».

        ¬ажна€ деталь на этой схеме - пр€мой выход на класс —3 (гипертензивный подтип —уб“»ј3) признаков INSOMNIA и HEARTACH через правила  R3  и    R4.  
 

    «аключение. ”читыва€ отсутствие четко отлаженных методов распознани€ подтипов “»ј, нечеткость и неуверенность в точности анамнестических данных пациента, полученные результаты вполне приемлемы дл€ практической работы. –езультаты исследовани€ указывают на целесообразность и перспективность использовани€ нейро-нечеткой модели дл€ распознани€ (дифференциальной диагностики) подтипов транзиторных ишемических атак. 
 
 

 

ƒополнительные комментарии и по€снени€. 

          ¬ середине прошлого столети€ была предприн€та попытка   внедрить в клиническую практику пон€ти€ “–азвивающийс€ инсульт (Stroke in evolution)” и “«авершенный инсульт (Completed stroke)”. Ёта попытка была отвергнута, т.к. “они не обозначают ни конкретного патогенеза церебральной ишемии, ни локализации и прот€женности ишемического очага, ни выраженности неврологической симптоматики”. ќднако, они были и остаютс€  вполне приемлемым и удобным исходным пунктом дл€ внедрени€ в клиническую практику классификационных методов изучени€ дальнейшего развити€ континуума начавшегос€ цереброваскул€рного патологического процесса и его логического завершени€ инфарктом мозга с применением методов теории распознавани€ образов. ƒействительно, пользу€сь только традиционными клиническими методами, практически невозможно с достаточно оправданной уверенностью предсказать направление и исход начавшегос€ цереброваскул€рного ишемического процесса, начина€ с эпизодов “»ј и в последующем продвижении к ишемическому инсульту. ѕредыдущими нашими работами доказана гетерогенность этого нозологического пон€ти€. котора€ образована преимущественно атеросклеротической, кардиоэмболической и гипертензивной этиологической составл€ющей. √раницы между этими составл€ющими нечеткие.  ак математические множества (с нечеткими границами, «пушистые», fuzzy sets) они достаточно обособлены, но, в тоже врем€, пересекаютс€ друг с другом симптоматически и феноменологически. ѕолученна€ ранее доказанность гетерогенности этой нозологии статистически, получает дальнейшее подтверждение с помощью методов искусственного интеллектуального анализа, в частности, применением классификатора на базе адаптивной нейро-нечеткой модели.      — “»ј приходитс€ встречатьс€ в клинической практике не только неврологам, но и семейным врачам, кардиологам, терапевтам, нейрохирургам, ангиохирургам, офтальмологам. Ќесмотр€ на большую распространенность этого заболевани€, во многих случа€х отсутствуют единые и научно обоснованные подходы к его диагностике, лечению и профилактике, тем более, индивидуализированные адресные меропри€ти€. ќчень многие больные с “»ј не обращаютс€ за медицинской помощью. ј из числа обратившихс€ большинство пациентов не получают необходимого медикаментозного или хирургического лечени€, направленного на предотвращение мозгового инсульта. Ќаиболее авторитетными профилактическими рекомендаци€ми на сегодн€ €вл€ютс€ рекомендации Europeаn Stroke Initiative и American Heart Association (јЌј), но и они еще нуждаютс€ в доработке.

 
 
 
 

¬ общей схеме «„еловек - интеллектуальна€ машина» предлагаемый классификатор работает по схеме «¬рач - јЌЌћ» в следующей последовательности:





 

ѕолученное формально-логическое классификационное решение јЌЌћ сопоставл€етс€ врачом в соответствии с его клиническими представлени€ми и опытом.

          јЌЌћ – это интеллектуальный инструмент в руках врача. 
 
 
 
 
 
 
 
 
 
 
 

¬ основе структуры искусственной нейронной сети (artificial neural network, ANN) лежит

‘ќ–ћјЋ№Ќџ… Ќ≈…–ќЌ.

‘ормальный нейрон - в нейронных сет€х – функциональный процессорный элемент, преобразователь данных, получающий входные данные и преобразующий их в соответствии с заданной функцией и параметрами.  

 
 

”прощенна€ функциональна€ схема формального нейрона.

Ќ≈…–ќЌЌјя —≈“№ - вычислительна€ или логическа€ схема, построенна€ из однородных процессорных элементов, содержащих в себе правила решений, €вл€ющихс€ упрощенными функциональными модел€ми нейронов. ¬ данной работе используетс€ трехслойна€ сеть, рис.  

¬’ќƒЌќ… Ќ≈…–ќЌ (–ис.  PROFESSN, INSOMNIA, HEARTACH OPDISODS) - формальный нейрон, выполн€ющий в конкретной системе нейронов (нейронной сети) функцию входа, т. е. воспринимающий сигналы (образы) только от внешней дл€ данной системы среды («вырожденный нейрон», никаких преобразований не производит).

ѕ–ќћ≈∆”“ќ„Ќџ… Ќ≈…–ќЌ (–ис. R1 -R5)– составной функциональный элемент промежуточного сло€ правил.      

¬џ’ќƒЌќ… Ќ≈…–ќЌ (–ис. C1-—4) верхнего выходного сло€ осуществл€ет передачу проведенного решени€ (распознанного образа) на выход дл€ дальнейшей работы. —осто€ние возбуждени€ выходного нейрона верхнего сло€ указывает на принадлежность входного образа (одного из признаков “»ј) к определенному классу (подтипу “»ј). ѕредлагаема€ јЌЌћ выходными нейронами верхнего сло€ переводит входное сообщение (образ) в выходное сообщение (образ).

 ак правило, число выходных нейронов меньше или равно числу входных. 
 


 
 
Ћитература
 
  1. ƒривотинов Ѕ.¬., јпанель ≈.Ќ., ћастыкин ј.—. ѕрогноз-диагностика транзиторных ишемических атак и их лечебно-профилактическое предупреждение// ћедицинский журнал.-2006.-є 3.- —. 116-119
  2. ƒривотинов Ѕ.¬., јпанель ≈.Ќ., ћастыкин ј.—. “ранзиторные ишемические атаки в свете современных нейропатофизиологических представлений// ¬ кн.: Ќейрогуморальные механизмы регул€ции функций в норме и патологии. ћинск, 2007.- —. 295-301.
  3. ƒривотинов Ѕ.¬., ћастыкин ј.—., јпанель ≈.Ќ., Ќовоселова Ќ.ј. »спользование нечеткой нейросетевой модели дл€ дифференциальной диагностики подтипов транзиторных ишемических атак // ћедицинский журнал.-2007.-є 2.- —. 102-105.
  4. ƒривотинов Ѕ.¬., јпанель ≈.Ќ., Ќовоселова Ќ.ј., ћастыкин ј.—., ‘едулов ј.—. јдаптивна€ нейро-нечетка€ модель дл€ дифференциальной диагностики подтипов транзиторных ишемических атак// ¬оенна€ медицина.- 2007.- є 4.- —. 101 – 106.
  5. ћастыкин ј.—., јнтонов ».ѕ., Ўалькевич ¬.Ѕ., ¬ашкевич ¬.ћ. –оль экспертной системы в изучении патогенеза и постановке диагноза преход€щих нарушений мозгового кровообращени€.  ѕериферическа€ нервна€ система.- ¬ып. 19.-  ћн.- 1996.- —. 102-108.
  6. ћастыкин ј.—., јнтонов ».ѕ., Ўалькевич ¬.Ѕ. –оль экспертной системы дл€ профилактики и лечени€ преход€щих нарушений мозгового кровообращени€. ѕериферическа€ нервна€ система.- ¬ып. 21.- ћн.- 1998.- —. 121-125.
  7. Ќовоселова Ќ.ј., “ом ».Ё.,  расько ќ.¬. Ќечеткое  нейросетевое моделирование дл€ получени€ интерпретируемого набора классифицирующих правил //  »скусственный интеллект. - 2006.- є 2.- —. 211-214.
  8. ѕат. BY 8997, C1, 2007 —пособ назначени€ лечебно-профилактических меропри€тий по предотвращению транзиторных ишемических атак/јпанель ≈.Ќ., ћастыкин ј.—.// ¬ынаходствы.  арысны€ модэли. ѕромысловы€ Ґзоры: ќфiц. бюл./Ќац. цэнтр iнтэлектульн. уласнасцi.- 2007.- є 1 (54).- —. 41.  
  9. –еброва ќ.ё., ћаксимова ћ.ё., ѕирадов ћ.ј. Ќейросетевой алгоритм диагностики патогенетических подтипов ишемического инсульта //∆. неврологии и психиатрии им. —.—.  орсакова. »нсульт (ѕриложение), 2004, вып. 12, —.- 23-28.
  10. Baldassarre D., Grossi E., Buscema M., Intraligi M. Recognition of patients with cardio-vascular disease by artificial neural networks//Ann. med.- 2004.- Vol. 36.- є 8.- P.  630-640.
  11. Zadeh, L. Biological application of the theory of fuzzy sets and systems / L. Zadeh // Proceedings of the International Symposium on Biocybernetics of the Central Nervous System. Boston: Little, Brown & Co., 1969. P. 199-212.                                         


03.12.2022

Ќавигаци€

Ќовости

01.05.2016

„итать далее...

29.01.2016

„итать далее...

  • ¬се новости (20)
  • –еклама

    —четчики


    яндекс.ћетрика
    яндекс цитировани€
    дл€ спамеров
    sex –Ј–љ–∞–Ї–Њ–Љ—Б—В–≤–∞–Т–Є–∞–≥—А–∞ –њ—А–Њ–±–љ–Є–Ї –Ъ–Њ–і –Љ–∞–≥–љ–Є—В–Њ–ї—Л Nissan–Ю–љ–ї–∞–є–љ –Є–≥—А–∞ —З–µ–ї–Њ–≤–µ–Ї –њ–∞—Г–Ї–Ш–љ—Б—В—А—Г–Ї—В–Њ—А–∞ —И–Ї–Њ–ї–∞ —В–∞–љ—Ж–∞ diamond–Ю–љ–ї–∞–є–љ –Є–≥—А–∞ sims 4–Э–∞–є—В–Є —З–µ–ї–Њ–≤–µ–Ї–∞ –њ–Њ –љ–Њ–Љ–µ—А—Г —В–µ–ї–µ—Д–Њ–љ–∞–Ь–∞–Ј—М –і–ї—П –њ–Њ—В–µ–љ—Ж–Є–Є–Ј–∞–Ї–∞–Ј–∞—В—М –Љ–µ–±–µ–ї—М —Б—В–Њ–ї—Л –Њ–Љ—Б–Ї–Є–≥—А–∞—В—М –Њ–љ–ї–∞–є–љ –Ї–Њ–њ–∞—В–µ–ї—М–Њ–љ–ї–∞–є–љ –Є–≥—А–∞ —А–µ–∞–ї—М–љ—Л–µ –њ–∞—Ж–∞–љ—Л–њ—А–Є–≤–Њ—А–Њ—В—Л –ї—О–±–Њ–≤—М –Њ–љ–ї–∞–є–љ,—Д–Њ—А—Б–∞–ґ 7 –Є–≥—А–∞—В—М–£—Б—В–∞–љ–Њ–≤–Ї–∞ –њ–∞—А–Ї—В—А–Њ–љ–Є–Ї–Њ–≤