Статья

Нейронные сети для прогнозирования динамики развития заболеваний

А. Г. Хасанов, Д. Г. Шайбаков, С. В. Жернаков, А. М. Меньшиков, Ф. Ф. Бадретдинова, И. Ф. Суфияров, Ю. Р. Сагадатова, А. Г. Хасанов, Д. Г. Шайбаков, С. В. Жернаков, А. М. Меньшиков, Ф. Ф. Бадретдинова, И. Ф. Суфияров, Ю. Р. Сагадатова
2020

Введение. В настоящее время наблюдается широкое внедрение компьютерных технологий в медицину. Медицинская нейроинформатика позволяет анализировать задачи диагностики и прогнозирования различных заболеваний с помощью нейросетей. Актуальность применения искусственных нейронных сетей объясняется их востребованностью и практичностью в использовании.Материалы и методы. На наш взгляд, наглядным примером возможности изучения вопросов прогнозирования течения заболевания является рожистое воспаление. В данной работе произведена обработка данных ретроспективного исследования историй болезней пациентов, получавших стационарное лечение на базе ГБУЗ РБ ГКБ № 8 г. Уфы в период 2006–2015 гг. для решения задачи прогнозирования рожистого воспаления с использованием современных статистических пакетов программ и среды моделирования MATLAB.Результаты и обсуждение. Результаты сравнительного анализа показали, что в качестве архитектуры нейросети наиболее целесообразно выбрать 3-слойную рекуррентную сеть прямого распространения. В рассматриваемом случае оптимальная структура нейросети имеет вид: 27–6–1 (т.е. используется 27 нейронов на входе, 6 — в скрытом слое, 1 нейрон в выходном слое). Наилучшая сходимость процесса обучения сети обеспечивается при использовании квазиньютоновского алгоритма и алгоритма сопряженных градиентов. При оценке эффективности нейросетевого прогнозирования динамики развития рожистого воспаления был осуществлен сравнительный анализ с рядом классических методов: экспоненциального сглаживания, скользящего среднего, метода наименьших квадратов, метода группового учета аргумента.Заключение.Применение предложенных в работе нейросетевых методов прогнозирования динамики развития рожистой патологии, основанного на аппроксимации и экстраполяции процессов изменения анамнеза пациента на фиксированных отрезках временного окна (в пределах «скользящего временного окна»), позволяет эффективно решать задачи прогнозирования. 

А. Г. Хасанов, Д. Г. Шайбаков, С. В. Жернаков, А. М. Меньшиков, Ф. Ф. Бадретдинова, И. Ф. Суфияров, Ю. Р. Сагадатова, А. Г. Хасанов, Д. Г. Шайбаков, С. В. Жернаков, А. М. Меньшиков, Ф. Ф. Бадретдинова, И. Ф. Суфияров, Ю. Р. Сагадатова Нейронные сети для прогнозирования динамики развития заболеваний. Креативная хирургия и онкология. 2020;:198-204. https://doi.org/10.24060/2076-3093-2020-10-3-198-204
Цитирование

Похожие публикации