Отправить статью по E-mail Интеграция системы поддержки принятия решений в медицинскую практику на примере прогнозирования риска остеопороза при сахарном диабете
- Авторы: Сафарова С.С.1
-
Учреждения:
- Азербайджанский Медицинский Университет
- Выпуск: Том 27, № 3 (2020)
- Страницы: 60-64
- Раздел: Статьи
- URL: https://journals.rcsi.science/1728-0869/article/view/35098
- DOI: https://doi.org/10.33396/1728-0869-2020-3-60-64
- ID: 35098
Цитировать
Полный текст
Аннотация
В настоящее время клиницистам доступно большое количество информации, начиная с клинических симптомов заболевания и заканчивая различными типами биохимических данных, результатов инструментальных методов и аппаратных средств исследования. Каждый тип данных предоставляет информацию, которая должна быть оценена и отнесена к определенной патологии во время диагностического процесса. В целях оптимизации скрининга и во избежание лечебно-диагностических ошибок в медицинской практике все более широкое применение в диагностировании получают системы принятия решений, основанные на методах искусственного интеллекта (в том числе искусственные нейронные сети). Подобные системы позволяют повысить эффективность клинического анализа за счет обработки сложных и взаимовлияющих массивов медицинских данных и интегрировать их в результаты диагностирования, проводимые врачом клиницистом. В статье приведено описание применения методологии искусственных нейронных сетей в медицинской диагностике на примере моделирования и анализа риска остеопоротических изменений костной ткани у больных сахарным диабетом.
Ключевые слова
Полный текст
Открыть статью на сайте журналаОб авторах
Саин Саттар Сафарова
Азербайджанский Медицинский Университет
Email: dr.safarovas@gmail.com
кандидат медицинских наук, доцент кафедры внутренних болезней Азербайджанская Республика, г. Баку
Список литературы
- Мустафаев А. Г. Применение искусственных нейронных сетей для ранней диагностики заболевания сахарным диабетом // Кибернетика и программирование, 2016. № 2. С.1-7. doi: 10.7256/2306-4196.2016.2.17904
- Прохоренко И. О. Метод нейросетевого моделирования и его использование для прогнозирования развития соматической патологии у лиц старших возрастных групп [Электронный ресурс] // Современные проблемы науки и образования. 2013. № 1. URL: https://www.science-education.ru/ru/article/view?id=8411 (дата обращения: 21.02.2013)
- Abdel-Mageed S. M., Bayoumi A. M., Mohamed E. I. Artificial neural networks analysis for estimating bone mineral density in an Egyptian population: towards standardization of DXA measurements. American Journal of Neural Networks and Applications. 2015, 1 (3), pp. 52-56. DOI: 10.1 1648/j. ajnna.20150103.1 1
- Cruz A. S., Lins H. C., Medeiros R. V A., et al. Artificial intelligence on the identification of risk groups for osteoporosis, a general review. BioMed Eng OnLine. 2018, 17 (1), pp. 12. DOI.org/10.1186/s12938-018-0436-1
- Liu Q, Cui X, Chou YC, et al. Ensemble artificial neural networks applied to predict the key risk factors of hip bone fracture for elders. Biomed Signal Process Control. 2015, 21 (4), pp. 146-56. DOI.org/10.1016/j.bspc.2015.06.002.
- Math Works. MATLAB. www.mathworks.com, 2017.
- Pouliakis A., Karakitsou E., Margari N., et al. Artificial neural networks as decision support tools in cytopathology: past, present, and future. Biomed. Eng. Comput. Biol. 2016, 7, p. 1. DOI.org/10.4137/BECB.S31601.
- Shioji M., Yamamoto T., Ibata T., et al. Artificial neural networks to predict future bone mineral density and bone loss rate in Japanese postmenopausal women. BMC Research Notes. 2017, 10, pp. 590. DOI.org/10.1186/s13104-017-2910-4.
- Yu X., Ye C., Xiang L. Application of artificial neural network in the diagnostic system of osteoporosis. Neurocomputing, 2016, 214, pp. 376-381. DOI.org/10.1016/j. neucom.2016.06.023.
Дополнительные файлы
