<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>А. Г. Хасанов</author>
     <author>Д. Г. Шайбаков</author>
     <author>С. В. Жернаков</author>
     <author>А. М. Меньшиков</author>
     <author>Ф. Ф. Бадретдинова</author>
     <author>И. Ф. Суфияров</author>
     <author>Ю. Р. Сагадатова</author>
     <author>А. Г. Хасанов</author>
     <author>Д. Г. Шайбаков</author>
     <author>С. В. Жернаков</author>
     <author>А. М. Меньшиков</author>
     <author>Ф. Ф. Бадретдинова</author>
     <author>И. Ф. Суфияров</author>
     <author>Ю. Р. Сагадатова</author>
    </authors>
   </contributors>
   <titles>
    <title>Нейронные сети для прогнозирования динамики развития заболеваний</title>
   </titles>
   <keywords>
    <keyword>нейронные сети</keyword>
    <keyword>электронная обработка информации</keyword>
    <keyword>рожа</keyword>
    <keyword>прогнозирование</keyword>
    <keyword>нейрон</keyword>
    <keyword>рекуррентная сеть</keyword>
    <keyword>автоматизированное принятие решений</keyword>
   </keywords>
   <dates>
    <year>2020</year>
    <pub-dates>
     <date>2020-12-16</date>
    </pub-dates>
   </dates>
   <doi>10.24060/2076-3093-2020-10-3-198-204</doi>
   <journal>Креативная хирургия и онкология</journal>
   <volume>10</volume>
   <issue>3</issue>
   <abstract>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. </abstract>
   <urls>
    <web-urls>
     <url>https://repo.bashgmu.ru/publication/963</url>
    </web-urls>
    <pdf-urls>
     <url>https://repo.bashgmu.ru/files/1092</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
