NEURONET SYSTEM FOR INFANTILE ALLERGIC AND INFECTIOUS RHINITIS DIAGNOSIS


Cite item

Full Text

Abstract

Aim. To develop the system of differential diagnosis of infectious and allergic rhinitis. Materials and methods. The data of 217 children with infectious and allergic rhinitis were used to develop the diagnostic system based on neuron network technology. Results. Differential diagnostic system permitting to diagnose with great accuracy “infectious rhinitis” and “allergic rhinitis” by means of minimum number of input parameters was worked out. Virtual computer experiments, estimating the role of passive smoking for the purpose of predicting these diseases, indicated contradictory results requiring further studies. Conclusions. The diagnostic system worked out can be used by the principle of “preliminary diagnosis of allergic rhinitis without allergologist” in the work of pediatricians, therapeutists, general practitioners as well as for screening diagnosis in conditions of “Health Centers”.

About the authors

N V Minaeva

Пермский государственный медицинский университет им. академика Е. А. Вагнера

Email: docnvm@mail.ru
доктор медицинских наук, профессор кафедры педиатрии ФДПО

N A Kumpan

Пермский государственный национальный исследовательский университет

бакалавр кафедры прикладной математики и информатики

L N Yasnitsky

Пермский государственный национальный исследовательский университет

доктор технических наук, профессор кафедры прикладной математики и информатики

D M Shiryaeva

Пермский государственный медицинский университет им. академика Е. А. Вагнера

аспирант кафедры педиатрии ФДПО

References

  1. Черепанов Ф. М., Ясницкий Л. Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12.08.2014.
  2. Ясницкий Л. Н., Думлер А. А., Богданов К. В., Полещук А. Н., Черепанов Ф. М., Макурина Т. В., Чугайнов С. В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей. Медицинская техника 2013; 3: 42-44.
  3. Ясницкий Л. Н. Нейронные сети - инструмент для получения новых знаний: успехи, проблемы, перспективы. Нейрокомпьютеры: разработка, применение 2015; 5: 48-56.
  4. Das R., Turkoglu I., Sengur A. Effective diagnosis of heart disease through neural networks ensembles. Expert Systems with Applications 2009; 36(4): 7675-7680.
  5. Johnsson D., Gil M., Garicia Chemizo J. M., Paya A. S., Fernandez D. R. Application of artificial neural networks in the diagnosis of urological dysfunctions. Expert Systems with Applications 2009; 36 (3): 5754-5760.
  6. Yumusak O. E. N., Temurtas F. Chest diseases diagnosis using artificial neural networks. Expert Systems with Applications 2010; 37 (12): 7648-7655.
  7. Yasnitsky L. N., Dumler A. A., Poleshchuk A. N., Bogdanov C. V., Cherepanov F. M. Artificial neural networks for obtaining new medical knowledge: diagnostics and prediction of cardiovascular disease progression. Biol. Med. (Aligarh) 2015; 7(2): BM-095-15,8.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2015 Minaeva N.V., Kumpan N.A., Yasnitsky L.N., Shiryaeva D.M.

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).