Интеллектуальная поддержка процесса диагностики хронических диффузных поражений печени на основе многомерного статистического и сетевого моделирования
Диссертация
Пункционная биопсия, имеющая в настоящее время статус «золотого стандарта» диагностики патологических процессов в печени, в силу так называемых «ошибок попадания» может давать ложное представление о характере изменений в органе. Кроме того, всегда сохраняется риск развития тяжелых осложнений этой инвазивной диагностической процедуры. Поэтому чрезвычайно актуально применение альтернативных… Читать ещё >
Список литературы
- Айвазян С.А., Бежаева З. И., Староверов О-В. Классификация многомерных наблюдений. М.: Статистика, 1974. — 240 с.
- Айвазян С.А., Буштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерностей. М.: Финансы и статистика, 1989. — 607 с.
- Айвазян С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. Справочное издание. М.: Финансы и статистика, 1983.-472 с.
- Александров В.В., Шнейдеров B.C. Обработка медико-биологических данных на ЭВМ. Л.: Медицина, 1984. — 160 с.
- Алексахин С.В. и др. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. В 2-х томах. М.: ПРИОР, 2002. — 688 с.
- Андерсен Т. Введение в многомерный статистический анализ. -М.: Физматгиз, 1963. 500 с.
- Бабак О .Я. Хронические гепатиты.— К.: Блиц-Информ, 1999.—208 с.
- Баевский P.M. Прогнозирование состояния на грани нормы и патологии. М.: Медицина, 1979. — 157 с.
- Барабаш Ю.Л. и др. Вопросы статистической теории распознавания/Под ред. Б. В. Барского. М.: Советское радио, 1967.-400с.
- Бешелев С.Д., Гурович Ф. Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1980.-263 с.
- Биссет Р., Хан А. Дифференциальный диагноз при абдоминальном ультразвуковом исследовании. Витебск: Белмедкнига, 1997. 253 с.
- Бикел П., Доксам К. Математическая статистика. М.: Финансы и статистика, 1983. Вып. 1.-278 е.- Вып. 2.-254 с.
- Болезни печени и желчевыводящих путей: Руководство для врачей / Под ред. В. Т. Ивашкина. М. ООО «Издат. дом „М-Вести“, 2002. — с. 416.
- Боровиков В.П. Statistica для студентов и инженеров. М.: КомпьютерПресс, 2001. — 301 с.
- Броновец И.Н., Гончарик И. И., Демидчик Е. П., Сакович М. Н. Справочник по гастоэнтерологии. Минск, 1997.
- Бурчинский Г. И. Клиническая гастроэнтерология. Киев, 1979.
- Браверман Э.М., Мучник Ч. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. — 464 с.
- Ван дер Варден Б. Л. Математическая статистика. М.: Изд-во иностр. лит., 1960.-302 с.
- Вапник В.Н., Червоненкис А. Я. Теория распознавания образов. -М.: Наука, 1974.-487 с.
- Васильев В.И., Ильясов Б. Г., Валеев С. В., Жернавков С. В. Интеллектуальные системы управления с использованием нейронных сетей. Учебное пособие. Уфа: УГАТУ, 1997. — 92 с.
- Васильв Н.С., Панов В. М. „Имитационное моделирование сложных систем“ М.: Практика, 1998.
- Вентцель Е.С. Теория вероятностей. М.: Высш. шк., 1999. — 576 с.
- Верхаген К., Дейн Р., Грун Ф и др. Распознавание образов: состояние и перспективы. М.: Радио и связь, 1985. — 104 с.
- Выханду Л.К. Об исследовании многопризнаковых биологических систем // Применение математических методов в биологии. Т. III. Л.: ЛГУ, 1964. С. 9−12.
- Гайдышев И.П. Анализ и обработка данных: специальный справочник. СПб.: Питер, 2001. — 752 с.
- Генкин Я.Я. Новая информационная технология анализа медицинских данных. СПб: Политехника, 1999. — 191 с.
- Гмурман B.C. Теория вероятностей и математическая статистика. -М.: Высш. шк., 1972.-368 с.
- Гнеденко Б.В. Курс теории вероятностей: Учебник. М.: Наука, 1988.-380 с.
- Горбань А.Н. Обучение нейронных сетей. М.: Изд. СССР-США СП „ParaGraph“, 1990.- 160 с.
- Горбань А.Н. Нейроинформатика и ее приложения // Открытые системы. 1998а. № 4.
- Горбань А.Н. Функции многих переменных и нейронные сети // Соросовский образовательный журнал. 19 986. № 12. С. 105−112.
- Горбань А.Н., Дунин-Барковский B.JL, Кирдин А. Н. и др. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998. -296 с.
- Горелик A. JL, Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания. М.: Радио и связь, 1985. — 160 с.
- Горелик А.Л., Скрипкин В. А. Методы распознавания. М.: Высш. шк., 1984.-219 с.
- Гренандер У. Лекции по теории образов. М.: Мир. Т. 1. Синтез образов. 1979. — 384 е.- Т. 2. Анализ образов. 1981. — 448 е.- Т. 3. Регулярные структуры. 1983. — 432 с.
- Григорьев П.Я., Яковенко А. В. Клиническая гастроэнтерология. -М.:МИА, 2001.-е. 693.
- Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978. — 296 с.
- Дейт К. Введение в системы баз данных. Киев: Диалектика, 1998.-784 с.
- Дубров A.M. Обработка статистических данных методом главных компонент. М.: Финансы и статистика, 1978. — 135 с.
- Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1978.-510 с.
- Дюк В. Обработка данных на ПК в примерах. СПб.: Питер, 1997.-240 с.
- Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1977.128 с.
- Елисеева И.И., Юзбашев М. М. Общая теория статистики. М.: Финансы и статистика, 1995. — 368 с.
- Елисеева Л.И., Рукавишников В. О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977. — 144 с.
- Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986.
- Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. — 342 с.
- Загоруйко Н.Г. Методы распознавания и их применение. М.: Сов. радио, 1972.-308 с.
- Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание, 1974. С. 5−49.
- Закс Л. Статистическое оценивание. М.: Статистика, 1976. — 598 с.
- Зубовский Г. А. Лучевая и ультразвуковая диагностика заболеваний печени и желчных путей. М.: Медицина, 1988. 240 с
- Ивахненко А.Г. Самообучающиеся системы распознавания и автоматического управления. Киев: Техника, 1969. — 392 с.
- Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975. — 311 с.
- Ивахненко А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. — 118 с.
- Кармазановский Г. Г., Вилявин М. Ю., Никитаев Н.С.Компьютерная томография печени и желчных путей.
- Кендалл М., Стьюарт А. Теория распределений. М.: Наука, 1966.-566 с.
- Кендалл М., Стьюарт А. Статистические выводы и связи. М .: Наука, 1973.-899 с.
- Ким Дж.О., Мьюллер Ч. У, Клекка У. Р. и др. Факторный, дискри-минантный и кластерный анализ. -М.: Финансы и статистика, 1989. 215 с.
- Классификация и кластер / Под ред. Дж. Вэн-Райзина. М.: Мир, 1980.-390 с.
- Колмогоров А.Н. Избранные труды: Математика и механика. -М.: Наука, 1985. С. 136−138.
- Кольцов П.П. Математические модели теории распознавания образов // Компьютер и задачи выбора. -М.: Наука, 1989. С. 89−119.
- Комаров Ф.И. Диагностика и лечение внутренних болезней. Том 3.-Москва, 1992.
- Крамер Г. Математические методы статистики. М.: Мир, 1975.-648 с.
- Кульбак С. Теория информации и статистика. М.: Наука, 1967.-408 с.
- Кунцевич Г. И., Белолапотко Е. А., Сидоренко Г. В. Оценка состояния портального кровообращения у больных циррозом печени по данным дуплексного сканирования / Визуализация в клинике. Декабрь. — 1994. -С. 33−38.
- Лапач С.Н., Чуйсенко А. В., Бабич П. И. Статистические методы в медико-биологических исследованиях с использованием Excel. М.: Изд-во „Морион Лтд“, 2000. — 320 с.
- Ларичев О.И., Мечитов А. И., Мошкович Е. М., Фуремс Е. М. Выявление экспертных знаний (процедуры и реализации). М.: Наука, 1989. -128 с.
- Лбов Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. — 157 с.
- Леман Э. Проверка статистических гипотез. М.: Наука, 1964.498 с.
- Лисенков А.Н. Математические методы планирования многофакторных медико-биологических экспериментов. М.: Медицина, 1979. — 344 с.
- Литвак Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982. 184 с.
- Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991.-342 с.
- Манд ель И. Д. Кластерный анализ. М.: Финансы и статистика, 1988.- 176 с.
- Мешкова Т.А., Родионов О. В. Методы лабораторной и инструментальной диагностики хронических диффузных поражений печени // Интеллектуализация управления в социальных и экономических системах: тр. Всерос. конф. Воронеж, 2006. С. 260 261.
- Минский М., Пейперт С. Персептроны. М.: Мир, 1971. — 252 с.
- Митьков В.В. Ультразвуковая диагностика (практическое руководство). Допплерография. Видар: М., 1999.
- Моделирование дискретных параллельных процессов управления с помощью сетей Петри / В. Б. Васильев, В. В. Кузьмук, Г. Майер, С. Фенч // Электронное моделирование. 1986. Т.8. № 2.
- Нейман Ю. Вводный курс теории вероятностей и математической статистики. М.: Наука, 1968. — 448 с.
- Нильсен Н. Д. Искусственный интеллект. Методы поиска решений.- М.: Мир, 1973.-298 с.
- Орлов А.И. Прикладная теория измерений // Прикладной многомерный статистический анализ. -М.: Наука, 1978. С. 68−138.
- Петтерсон Г. Общее руководство по радиологии. NICER. М.: РА „Спас“, 1996. 1330 с.
- Подымова С.Д. Болезни печени. Москва, 1984.
- Попов И.И. Некоторые модели оценки и оптимизации информационных систем: математический аппарат моделирования // НТИ. 1981. Сер. 2. № 3. С. 10−16.
- Популярная медицинская энциклопедия / Под ред. Б. В. Петровского. М.: Советская энциклопедия, 1988. — 513 с.
- Родионов О.В., Мешкова Т. А. Применение метода имитационного моделирования в автоматизированных системах управления процессом диагностики // Интеллектуализация информационных систем: тр. Всерос. конф. Воронеж, 2006. Ч. 1. С. 164 165.
- Родионов О.В., Мешкова Т. А. Разработка модели диагностики хронических диффузных поражений печени на основе модифицированных сетей Петри // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2006. С. 127 130.
- Родионов О.В., Мешкова Т. А. Анализ диагностической ценности клинических признаков хронических диффузных поражений печени // Интеллектуализация управления в социальных и экономических системах: тр. Всерос. конф. Воронеж, 2007. С. 244 245.
- Родионов О.В., Мешкова Т. А. Применение статистических методов распознавания образов для повышения эффективности диагностики заболеваний печени // Интеллектуальные информационные системы: тр. Всерос. конф. Воронеж, 2007. С. 189 190.
- Родионов О.В., Мешкова Т. А. Реализация прогностической модели постановки диагноза хронических диффузных поражений печени на основе метода „деревьев решений“ // Интеллектуальные информационные системы: тр. Всерос. конф. Воронеж, 2007. С. 172 173.
- Родионов О.В., Мешкова Т. А. Разработка модели постановки диагноза хронических диффузных поражений печени на базе многослойного персептрона // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2007. С. 64−67.
- Родионов О.В., Мешкова Т. А. Математическое моделирование и алгоритмизация процесса диагностики хронических диффузных поражений печени // Вестник Воронеж, гос. техн. ун-та. 2007. Т.З. № 7. С. 14−18.
- Розенберг Г. С. О сравнении различных методов автоматической классификации // Автоматика и телемеханика. 1975. № 9. С. 145−148.
- Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория механизмов мозга. М.: Мир, 1965.-480 с.
- Сафонов В.О. Экспертные системы интеллектуальные помощники специалистов. — СПб: Санкт-Петербургская организация общества „Знания“ России, 1992. — 196 с.
- Селтон Дж. Автоматическая обработка, хранение и поиск информации. -М.: Сов. радио, 1973. 168 с.
- Сидельников Ю.В. Теория и организация экспертного прогнозирования. М.: ИМЭМО АН СССР, 1990. — 196 с.
- Сильвестров Д.С. Программное обеспечение прикладной статистики. Обзор состояния. Тенденции развития. М.: Финансы и статист., 1988.-240 с.
- Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики для технических приложений. Изд. 2-е, испр. и доп. М.: Наука, 1965. — 511 с.
- Справочник по типовым программам моделирования / Под ред. А. Г. Ивахненко Киев: Техника, 1980. — 184 с.
- Справочник по прикладной статистике. В 2-х т. / Под ред. Э. Ллойда, У. Ледермана, Ю. Н. Тюрина. М.: Финансы и статистика, 1989. Т. 1. -510 с.- 1990. Т. 2.-526 с.
- Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.-346 с.
- Ту Дж, Гонсалес Р. Принципы распознавания образов. М.: Мир, 1978.-410 с.
- Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ.-М.: Мир, 1981.-693 с.
- Тюрин Ю.Н., Макаров А. А. Анализ данных на компьютере. М.: Финансы и статистика, 1995. — 384 с.
- Уинстон П. Искусственный интеллект. М.: Мир, 1980. — 520 с.
- Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992.184 с.
- Уотермен Д. Руководство по экспертным системам. М.: Мир, 1980.-384 с.
- Урбах В.Ю. Математическая статистика для биологов и медиков. -М.: Изд-во АН СССР, 1963. 323 с.
- Урбах В.Ю. Дискриминантный анализ и его применение в биологической систематике и медицинской диагностике // Применение математических методов в биологии. Вып. 3. Л.: 1964. С. 67−87.
- Флейшман Б.С., Брусиловский П. М., Розенберг Г. С. О методах математического моделирования сложных систем // Системные исследования. Ежегодник. -М.: Наука, 1982. С. 65−79.
- Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. — 230 с.
- Фомин Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. — 264 с.
- Фу К. Структурные методы в распознавании образов. М.: Мир, 1977.-320 с.
- Хальд А. Математическая статистика с техническими приложениями. М.: Изд. иностр. лит., 1956. — 664 с.
- Хан Г., Шапиро С. Статистические модели в инженерных задачах. М.: Мир, 1969. — 396 с.
- Хант Э. Искусственный интеллект. М.: Мир, 1978. — 558 с.
- Цыпкин Я.З. Адаптация и обучение в автоматических системах. -М.: Наука, 1968.-399 с.
- Шипов О.Ю., Гажонова В. Е., Иванников И. О. и др. Возможности импульсной допплерографии при ультразвуковом исследовании пациентов с хроническими диффузными заболеваниями печени: 3-й съезд РАСУЗД в медицине. М., 1999. С. 109−110.
- Шерлок Ш, Дули Дж. Заболевания печени и желчных путей: Практ. рук.: Пер. с англ. / Под ред. З. Т. Апросиной, Н. А. Мухина. М: Гэотар Медицина, 1999.-е. 864.
- Элти Д., Кумбс М. Экспертные системы: концепции и примеры.- М.: Финансы и статистика, 1987. 191 с.
- Яглом A.M., Яглом И. М. Вероятность и информация. М.: Наука, 1973.-512 с.
- Alpem М.В., Rubin J.M., Williams D.M. et al. Porta hepatis: duplex DopplerUS with angiographic correlation, Radiology, 1987- 162:53.
- Barbara L. The value of Doppler US in the study of hepatic hemodynamics. Consensus conference, J. Hepatol., 1990- 10: 353−355.
- Bisceglie A.M. Hepatitis С and hepatocellular carcinoma // Hepatolo-gy. V.26. 1997. № 3. P. 534−538.
- Bishop C. Neural Networks for Pattern Recognition. Oxford: University Press, 1995.-432 p.
- Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and regression trees. Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software, 1984. — 358 p.
- Efroimson M.A. Multiple regression analysis // Mathematical Methods for Digital Computers. 1960. V. 1. P. 191−203.
- Gower J.C., Ross G.J. Minimum spanning trees and single linkage cluster analysis //Appl. Stat. 1969. V. 18. № 1. P. 54−64.
- Lindman H. R. Analysis of variance in complex experimental designs.- San Francisco: W. H. Free-man & Co., 1974.
- Loh W.-Y., Shih Y.-S. Split selection methods for classification trees 11 Stat. Sinica, 1997. V. 7. P. 815−840.
- Machine Learning, Neural and Statistical Classification / Ed. D. Mit-chie et al. Ellis Horwood, Chichester, UK, 1994. — 304 p.
- Murthy S. Automatic construction of decision trees from data: A Multi-disciplinary survey // Data Mining and Knowledge Discovery (Kluwer Academic Publishers, USA). 1998. V. 2. № 4. P. 345 389 p.
- Ohnishi K., Saito M., Sato S. Portal hemodynamics in idiopathic portal hypertension (Banti syndrome) comparison with chronic persistent hepatitis and normal subjects, Gastroent., 1987- 92:751−758.
- Quinlan J.R. C4.5: Programs for Machine learning. San Mateo: Morgan Kaufmann Publishers, 1993. — 302 p.
- Seitz K. Portale Hypertension. Sonographische Differential diagnostic Bd. 1. Weinheim: Edition Medizin, 1991.S. 163−196.
- Tryon R.C. Cluster Analysis. NY.: McGraw-Hill, 1939.
- Vittikh V.A. Engineering theories as a basis for integrating deep engineering knowledge // Artifical Intel, in Engin. 1997. V. LP. 25−30.
- Ward J.H. Hierarchical grouping to optimize an objective function // J. Amer. Statist. Assoc. 1963. V. 58. № 301. P. 236−244.
- Zoli M., Iervese Т., Merkel C. et al. Prognostic significance of portal hemodinamics in patients with compensated cirrhosis, J. Hepatol., 1993- 17:56−61.
- УТВЕРЖДАЮ» главный врач МУЗ «Городская клиническая больница скорой медигшш^шрмощи № 10"1. АЗАРЕНКО .2007 г. о передаче и принятии к внедрени10*риеэуяетатов НИР
- Вид внедряемых результатов:
- Предложена методика интеллектуальной поддержки принятия решения при диагностике хронических заболеваний печени, основанная на формализованном описании данных клинических, лабораторных и УЗИ исследований.
- Предложена функциональная модель системы диагностики ХДПП на основе сети Петри, формирующая план диагностических мероприятий путем имитации для повышения эффективности принимаемых решений.
- Предложена совокупность решающих правил для оценки состояния больных с хроническими диффузными поражениями печени на основе статистических критериев с учетом индивидуальных особенностей пациентов.
- Предложена автоматизированная система интеллектуальной поддержки процесса диагностики ХДПП, реализующая интеграцию методов, моделей и алгоритмов рационального принятия решений.
- Технический уровень НИР: Неохраноспособна.
- Настоящий акт не является основанием для финансовых расчетов.
- Зав. гастроэнтерологическим отделением ГКБ СМП № 101. Антоньева Т.П.
- Настоящий акт составлен в том, что на основании исследований, проведенных автором, получены следующие результаты:
- Предложена методика интеллектуальной поддержки принятия решения при диагностике хронических гепатитов, жировой дегенерации и циррозов печени, основанная на формализованном описании данных клинических, лабораторных и УЗИ исследований.
- Предложен алгоритм оценки состояния пациентов с ХДПП на основе метода «деревьев решений», позволяющий оценить значимость входных пере-^ менных и снизить размерность признакового пространства.
- Предложены нейросетевые модели постановки диагноза заболеваний печени, обеспечивающие информационную поддержку принимаемых лечащим врачом решений с проведением количественной оценки влияния различных диагностических показателей на выходной сигнал сети.