НЕЙРОСЕТЕВОЕ ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ФАРМАКОТЕРАПИИ ПРИ ГЕПАТИТЕ

Авторы

  • А. Н. Астафьев
  • С. В. Воронин
  • С. К. Водеников

DOI:

https://doi.org/10.22213/2410-9304-2019-4-4-11

Ключевые слова:

гепатит, фармакотерапия, оценка эффективности, нейронные сети, система поддержки принятия решения

Аннотация

Несмотря на проводимую стандартизацию медицинской диагностики, лечение остается и рассматривается как искусство, поскольку для выбора эффективной тактики требуется опыт клинического специалиста. А сама задача определения эффективности предполагает работу с большой неопределенностью, работа, с которой в полном объеме недоступна при применении стандартных алгоритмов в современных вычислительных машинах. Использование методики формирования топологии и обучения нейронных сетей для задачи определения фармакологической эффективности является новой концепцией, исследование в которой позволит привнести некоторую степень объективности в исследовании. В предлагаемой публикации проводится анализ и настройка методики формирования топологии нейронных сетей для оценки эффективности фармакотерапии гепатита, оценку эффективности предлагается производить путем динамической оценки состояния тяжести пациентов. На первоначальном этапе проводится выбор важных клинических факторов, которые главным образом характеризуют состояние течения заболевания, производится выбор шкалы для оценки состояния пациента с заболеванием гепатит. Для предлагаемой оценки состояния рассматривается применение нейронных сетей, выбирается эффективный алгоритм оценки и формирования топологии нейронной сети для рассматриваемой задачи. Проводится сравнение выбранной методики модульного построения топологии нейронной сети с аналогами, которые применяются для медицинских целей. В заключительной части исследования с помощью системы поддержки принятия решения проводится анализ эффективности семи препаратов для фармакотерапии гепатита.

Библиографические ссылки

Дмитриев Г. А., Астафьев А. Н. Система поддержки принятия решений при определении нозологической формы гепатита // Программные продукты и системы. 2017. № 4. C. 754–757.

Yoshua Bengio, Aaron Courville, Pascal Vincent. A Review and New Perspectives // IEEE Transactions on Pattern Analysis and Machine Intelligence, - Volume: 35, Issue: 8. Aug. 2013, pp. 1798-1828.

Michael K. K. Leung, Hui Yuan Xiong Leo J. Lee Brendan J. Frey. Deep learning of the tissue-regulated splicing code // Bioinformatics. Vol. 30. Issue 12. 15 June 2014. Pp. i121-i129.

Кореневский Н. А., Филист С. А., Черных Е. С. Автоматизированная система диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа // ВНМТ. 2006. № 2. С. 54–59.

Оценка ошибки вычисления плотности распределения значений меры хэмминга для кодов звуков одиночных букв небольшого текста / А. И. Газин, О. И. Чирков, Ю. И. Никитченко, Ю. М. Зюзин, В. В. Ерофеев // Труды международного симпозиума надежность и качество. Т. 1. Пенза : Пензенский государственный университет, 2012. С. 129.

Быстрый алгоритм оценки высокоразмерной энтропии биометрических образов на малых выборках / Б. Б. Ахметов, А. И. Иванов, А. Ю. Малыгин, А. В. Безяев, А. И. Газин // Труды международного симпозиума надежность и качество. Т. 2. Пенза : Пензенский государственный университет, 2015. С. 285–287.

Арзамасцев А. А., Рыков В. П. Модель искусственной нейронной сети (ИНС) с реализацией модульного принципа обучения // Вестник Тамбовского университета. Серия: Естественные и технические науки. 2012. № 4. С. 1219–1224.

Оценка эффективности гепатотропной терапии боль-ных гемофилией, инфицированных вирусами гепатитов / С. В. Игнатьев, Е. П. Ивашкина, С. И. Ворожцова, М. А. Тимофеева, Т. А. Чернова, Л. Н. Тарасова // Геморрагические диатезы, тромбозы, тромбофилии. 2014. № 1. С. 24–32.

Жунусов Е. С. Терапевтическая эффективность различных схем лечения хронического вирусного гепатита B // Медицина и экология. 2010. № 4 (57). С. 192–197.

EISSA MOHAMMED, ELMOGY MOHAMMED, HA-SHEM MOHAMMED. GRANULAR NEURAL NETWORK MODEL FOR MAKING TREATMENT DECISIONS OF HEPATITIS C // 2014 9TH INTERNATIONAL CONFER-ENCE ON INFORMATICS AND SYSTEMS, INFOS 2014. Pp. 479–493.

Коровин Е. Н., Родионов О. В., Сергеева М. А. Раз-работка автоматизированной информационной системы диагностики и выбора тактики лечения гиперпластических процессов эндометрия // Вестник ВГТУ. 2016. № 4. С. 4–7.

Федяев О. И., Бакаленко В. С. Интеллектуальная система принятия решений в отделении медицинского учреждения на основе нейросетевых, продукционных и статистических моделей // Статистика и экономика. 2019. № 3. С. 70–77.

Карасёв А. В. Возможность использования нейронных сетей при проведении масштабных фармакоэкономических исследований в онкологии // Вестник Здоровье и образование в XXI веке. - 2006. - №7. - С. 339.

Абдурахманов Д. Т. Хронический гепатит b и d: вопросы патогенеза, диагностики и лечения // Лечебное дело. 2004. № 3. С. 22–33.

Геращенко С. И., Геращенко С. М., Мартынов И. Ю. Выбор оптимальной структуры нейросети для фильтрации сигнала в задаче джоульметрического метода оценки состояния биологических объектов // Известия ТРТУ. 2006. № 11 (66). С. 68–69.

Смирнова О. С., Шишков В. В. Выбор топологии нейронных сетей и их применение для классификации коротких текстов // International Journal of Open Information Technologies. 2016. № 8. С. 50–54.

Бурый Я. А., Самаль Д. И. Применение эволюционной парадигмы к проектированию архитектуры нейронной сети для распознавания искаженного текста // Системный анализ и прикладная информатика. 2017. № 4. С. 45–50.

Астафьев А. Н., Четвериков С. Ф. Применение нейронной сети с направленной активацией нейронных элементов для оценки эффективности лечения гепатита // НиКа. 2016. C. 281–283.

Федотов Д. В., Попов Е. А., Охорзин В. А. Оптимизация структуры сверточной нейронной сети с помощью самоконфигурируемого эволюционного алгоритма в одной задаче идентификации // Сибирский журнал науки и технологий. 2015. № 4. С. 857–862.

Использование нейросетевого классификатора для идентификации новообразований / С. И. Геращенко, С. М. Геращенко, Н. Н. Янкина, Ф. Ш. Енгалычев // Нейрокомпьютеры: разработка, применение. 2008. № 9. С. 77–80.

Averkin A. N., Povidalo I. S. Modular som for dynamic object identification // Программные продукты и системы. 2014. № 3 (107). Pp. 10–15.

Куссуль М. Э. Модульное представление нейронных сетей // ММС. 2006. № 4. С. 51–62.

Применение многоуровневых нейронных сетей для классификаци биомедицинских данных / С. И. Геращенко, А. Н. Астафьев С. В., Воронин, С. М. Геращенко // Вести высших учебных заведений Черноземья. 2019. № 3 (57). С. 75–84.

Загрузки

Опубликован

12.01.2020

Как цитировать

Астафьев, А. Н., Воронин, С. В., & Водеников, С. К. (2020). НЕЙРОСЕТЕВОЕ ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ФАРМАКОТЕРАПИИ ПРИ ГЕПАТИТЕ. Интеллектуальные системы в производстве, 17(4), 4–11. https://doi.org/10.22213/2410-9304-2019-4-4-11

Выпуск

Раздел

Статьи