INTELLECTUAL ANALYSIS SYSTEMS OF MEDICINE INFORMATIONAS MAIN ASSISTANT OF RADIOLOGIST


如何引用文章

全文:

详细

Digital analysis technologies and synthesis of data are very important in modern clinical practice. Innovative areas of medical science are also associated with an increasing flow of data and the discovery of new nosological forms. Processing information is the most important part in researching of normal and pathological structure and functions internal organs. Digital analysis technologies also apply to support a diagnosis decision, curative manipulations and warnings of potentially dangerous changes in the health status of patients. Despite the fact that neural networks were introduced into medicine in order to completely replace a specialist at the stage of diagnosis, the need for a doctor to participate in this process is undeniable. The most important option for using neural networks in medicine is the ability to create a logic circuit. The doctor receives information about the patient during a direct examination of the patient. The artificial neural network gives the result - the diagnosis, but the final decision-making right remains with the doctor. The information retrieval system in this scheme stands in order to compensate for the possible lack of knowledge of the doctor in complex and rare clinical cases and acts as a consultant. It is possible to use these algorithms in organizing medical support for the daily activities of troops (forces) with the widespread introduction of telemedicine technologies.

作者简介

R Lemeshkin

S. M. Kirov Military Medical Academy

Saint Petersburg, Russia

V Blinov

S. M. Kirov Military Medical Academy

Saint Petersburg, Russia

A Bagrova

S. M. Kirov Military Medical Academy

Saint Petersburg, Russia

D Borisov

S. M. Kirov Military Medical Academy

Saint Petersburg, Russia

P Sivashenko

S. M. Kirov Military Medical Academy

Saint Petersburg, Russia

参考

  1. Ежов А. И. Нейронные сети в медицине. 2003. С. 117.
  2. Владзимирский А. В. Телемедицина: Curatio Sine Tempora et Distantia. М., 2016. 663 с.
  3. Грибова В. В., Петряева М. В., Окунь Д. Б., Шалфеева Е. А. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений. Онтология проектирования. 2018. Т. 8. № 1 (27). С. 58-73.
  4. Михеев А. Е., Фохт О. А., Хаткевич М. И. Один из подходов к формализации процесса внедрения МИС в медицинской организации. Врач и информационные технологии. 2018. № 5. С. 46-62.
  5. Стародубов В. И., Зарубина Т. В., Сидоров К. В., Алепко А. А. Формирование интегральных показателей оценки уровня информатизации медицинской организации. Врач и информационные технологии. 2018. № 1. С. 6-24.
  6. Чернов В. И., Есауленко И. Э., Родионов О. В., Семенов С. Н. Медицинская информатика. Ростов-на-Дону: Феникс, 2007. 320 с.
  7. Кульнев С. В., Солдатов Е. А., Каниболоцкий М. Н., Жуков А. А. Перспективы совершенствования медицинского обеспечения войск (сил) в современных конфликтах. Воен.-мед. журн. 2017. Т. 338. № 6. С. 4-12.
  8. STATISTICA Neural Network: Пер. с англ. Нейронные сети. М.: Горячая линия - Телеком, 2001. 182 с.
  9. Abeer Y. A., Ahmad M. A., Majid A. A. Clinical decision support system for diagnosis and management of chronic renal failure. In: Proceedings of Applied Electrical Engineering and Computing Technologies. IEEE. 2013. p. 1-6. Doi:10.1109. aeect.2013.6716440
  10. Isa Nam. Towards intelligent diagnostic system employing integration of mathematical and engineering model. In: Proceedings of International Conference on Mathematics, Engineering and Industrial Applications. AIP Publishi
  11. Musen M. A., Middleton B., Greenes R. A. Clinical decisionsupport systems. In: Biomedical informatics. Springer. 2014. p. 643-674. Doi:10.1007.978-1-4471-4474-8_22
  12. Prosperi M. C., Marinho S., Simpson A., Custovic A., Buchan I. E. Predicting phenotypes of asthma and eczema with machine learning. BMC medical genomics. 2014. 7 (1). Doi:10.1186.1755- 8794-7-s1-s7
  13. Zarandi M. H. F., Zolnoori M., Moin M., Heidarnejad H. A fuzzy rule-based expert system for diagnosing asthma. Transaction E: Industrial Engineering. 2010. 17 (2): 129-142.
  14. Абрамова И. А. и др. К вопросу о выполнении конечноэлементного анализа в CAE-системах. Наука и военная безопасность. 2016. № 3 (6). С. 59-65.

补充文件

附件文件
动作
1. JATS XML

版权所有 © Lemeshkin R.E., Blinov V.A., Bagrova A.A., Borisov D.N., Sivashenko P.P., 2019

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».