Содержание к диссертации
Введение
1 Технологии нечеткой логики принятия решений и нейронных сетей для прогнозирования результатов хирургического лечения урологических больных 10
1.1 Прогнозирование исходов хирургического лечения предстательной железы 10
1.2 Анализ видов послеоперационных осложнений при хирургическом лечении предстательной железы 11
1.3 Прогнозирование в медицине, и в частности, в области урологии 13
1.4 Методы диагностики заболеваний и прогнозирования результатов терапии 15
1.4.1 Методики, основанные на применении аппарата нейронных сетей 15
1.4.2 Формализация экспертных оценок с помощью алгоритмов нечеткого логического вывода 22
1.4.3 Генетические алгоритмы как средство настройки нечетких систем 26
1.4.4 Особенности применения нечетких нейронных сетей 28
1.5 Цели и задачи исследования 31
2 Синтез признакового пространства и функций принадлежности для системы прогнозирования результатов хирургического лечения предстательной железы 33
2.1 Формирование исходного набора информативных признаков 33
2.2 Исследование значимости факторов при прогнозировании различных классов послеоперационных осложнений 39
2.3 Метод формирования функций принадлежности по группам информативных признаков 51
2.4 Метод принятия решений в группированном признаковом пространстве 61
2.5 Выводы по второму разделу 69
3 Гибридная система принятия решений для прогнозирования результатов хирургического лечения предстательной железы 71
3.1 Структура гибридной решающей системы 71
3.2 Метод синтеза агрегаторов второго уровня подсистемы нечеткого логического вывода 77
3.3 Метод редукции нечетких коэффициентов уверенности с использованием обучаемой нейронной сети 87
3.4 Выводы по третьему разделу 90
4 Экспериментальные исследования средств прогнозирования результатов хирургического лечения предстательной железы 92
4.1 Автоматизированная программная среда для выполнения прогнозирования 92
4.2 Статистические исследования частости послеоперационных осложнений при хирургическом лечении предстательной железы 97
4.3 Сравнение эффективности работы систем классификации, построенных на основе известных методов прогнозирования, с гибридной нейросетью 105
4.4 Выводы по четвертому разделу 117
Заключение 119
Список сокращений и условных обозначений 121
Список литературы 122
- Анализ видов послеоперационных осложнений при хирургическом лечении предстательной железы
- Исследование значимости факторов при прогнозировании различных классов послеоперационных осложнений
- Метод редукции нечетких коэффициентов уверенности с использованием обучаемой нейронной сети
- Статистические исследования частости послеоперационных осложнений при хирургическом лечении предстательной железы
Введение к работе
Актуальность работы. Актуальность проблемы хирургического лечения предстательной железы определяется все возрастающим объемом пациентов, которым показан этот вид лечения, и значительным числом осложнений в послеоперационный период, которые часто приводят к инвалидизации и даже к летальным исходам.
На сегодняшний день имеется возможность широкого выбора схем оперативного вмешательства, но практически все из них могут привести к различным послеоперационным осложнениям, как в ранние, так и в поздние сроки после такого типа лечения. Такие осложнения, как уретриты, эпидидимоорхиты и др., требуют длительного консервативного лечения; другие – стриктура уретры, стеноз шейки мочевого пузыря - полностью нивелируют эффект операции и требуют повторного хирургического вмешательства. В связи с этим перед врачом возникает необходимость выбора наиболее рационального метода лечения применительно к конкретному пациенту. Принятие такого серьезного решения, определяющего дальнейшую тактику лечения, не может быть продуктом индивидуального, основанного на внешних впечатлениях мнения, пусть даже очень квалифицированного специалиста, поскольку характер принятого решения определяет собой результат последующих действий, которые не всегда приводят к благоприятному исходу. В этих условиях проблема выбора наиболее оптимального метода лечения приобретает особое значение. Точное знание степени риска предполагаемого и показанного оперативного вмешательства способствует принятию правильного в тактическом плане решения.
Степень разработанности темы исследования. В последнее время, с развитием компьютерных технологий предпринимаются попытки внедрения программированного прогнозирования в медицинскую практику. Все больше ученых в последнее время приходят к выводу, что обычные математические модели и алгоритмы не могут быть применены к медицинским задачам из-за низкой степени надежности и эффективности.
На данный момент в урологии практически нет общепризнанных прогностических систем, позволяющих с высокой степенью достоверности принимать правильное решение в лечебной тактике при различных заболеваниях предстательной железы (ПЖ). Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть информации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте лечения урологических больных. Для моделирования и отражения подобной информации в прогнозирующих системах целесообразно использовать теорию нечеткой логики, как способ наиболее естественного описания характера человеческого мышления и хода его рассуждений. Для качественного решения соответствующей прогностической задачи при составлении решающих правил в качестве информативных признаков используются разнотипные данные, получаемые в результате биохимических анализов, инструментальных исследований и других диагностических методов.
Анализ существующих подходов к решению выбранной в работе задачи показал, что раздельное использование таких мощных инструментариев, как нейронные сети и нечеткая логика не позволяет должным образом объединить экспертные знания и экспериментальные данные для решения рассматриваемой задачи прогнозирования послеоперационных осложнений урологических больных. С учетом сказанного возникает необходимость разработки способа объединения технологий нечеткой логики и нейронных сетей в гибридную систему для повышения качества прогнозирования результатов хирургического лечения ПЖ, что позволит снизить вероятность возникновения побочных неблагоприятных эффектов и повысить качество оказания терапевтических услуг.
Работа выполнена в соответствии с федеральной целевой программой «Предупреждение и борьба с социально значимыми заболеваниями (2007-2011 годы)» и в соответствии с научным направлением Юго-Западного государственного университета «Медико-экологические информационные технологии».
Объект исследования. Пациенты, нуждающиеся в оперативном лечении урологических заболеваний.
Предмет исследования. Методы, модели и алгоритмы прогнозирования послеоперационных осложнений при заболеваниях предстательной железы.
Цель работы. Разработка гибридных математических моделей и интеллектуальной системы поддержки принятия решений, основывающихся на комбинированном использовании нечетких и нейросетевых технологий, обеспечивающих повышение качества оказания медицинской помощи пациентам с заболеваниями предстательной железы.
Для достижения поставленной цели необходимо решить следующие задачи:
- изучить значимость факторов риска послеоперационных осложнений при хирургическом лечении предстательной железы;
- разработать метод построения функций принадлежности, позволяющих оценить влияние факторов риска на исход хирургического лечения предстательной железы, основанный на экспертных знаниях врача-уролога и статистических исследованиях в предметной области;
- построить структуру гибридной решающей системы и разработать методы и алгоритмы синтеза ее функциональных модулей;
- разработать интегрированный программный пакет, реализующий применение предложенных технологий для интеллектуальной системы поддержки принятия решений врача-уролога;
- провести апробацию предложенных технологий прогнозирования на репрезентативных контрольных выборках.
Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- метод построения функций принадлежности, основанный на экспертных знаниях врача-уролога и статистических исследованиях в предметной области, позволяющий посредством дифференциальной фуззификации информативных признаков в выделенных поддиапазонах определять диагностические коэффициенты для процедуры Вальда;
- метод принятия решений, основанный на решающих правилах процедуры Вальда, анализирующих матрицу диагностических коэффициентов, полученных на основе функций принадлежности, построенных в поддиапазонах информативных признаков, позволяющий построить нечеткие решающие правила для оценки риска осложнений после операций на предстательной железе;
- метод формирования агрегаторов нечеткой решающей системы, отличающийся алгоритмом выбора нечетких операций и алгоритмом выбора последовательности их выполнения, позволяющий осуществить расчет коэффициентов уверенности в принадлежности объекта к каждому из классов;
- структура гибридной решающей сети для интеллектуальной системы поддержки принятия решений врача-уролога, отличающаяся использованием многоуровневых агрегаторов, позволяющая прогнозировать исход хирургического лечения предстательной железы в структурированном пространстве информативных признаков.
.Теоретическая и практическая значимость работы состоит в том, что предложены структура гибридной нейросетевой модели и методы реализации ее функциональных узлов, позволяющие осуществить интеллектуальную поддержку принятия решений при определении схемы оперативного вмешательства при хирургическом лечении урологических заболеваний.
На основании полученных технологий в среде Matlab 7.10 разработан программный пакет для построения модели гибридной нейросетевой системы прогнозирования послеоперационных осложнений при хирургическом лечении ПЖ, позволяющий в интерактивном режиме выполнять синтез и обучение нейросетевых структур, построение нечетких логических заключений путем подбора вида и параметров функций принадлежности с возможностью визуального контроля гибридной структуры на каждом из этапов ее построения.
Применение предложенных в диссертации разработок позволяет увеличить эффективность прогнозирования результатов хирургического лечения ПЖ и повысить качество оказания медицинской помощи урологическим больным.
Практическое значение работы определяется возможностью применения результатов исследования при построении интеллектуальной системы поддержки принятия решений врача-уролога.
Предложенные в работе методы и алгоритмы апробированы в клинической практике больницы скорой медицинской помощи №1 г. Курска и используется в учебном процессе кафедры биомедицинской инженерии Юго-Западного государственного университета при обучении студентов специальности 200401 Биотехнические и медицинские аппараты и системы.
Методы исследования. Для решения поставленных задач использовались методы управления в биотехнических системах, системного анализа, моделирования, теории синтеза сложных информационных систем, теории алгоритмов, теории нечётких множеств, прикладной математической статистики, экспертного оценивания. При разработке диагностической системы в качестве инструментария использовалась среда Маtlab 7.10 (R2010a) со встроенными пакетами NNTool, Fuzzy Logic Toolbox и Genetic Algorithm.
Положения, выносимые на защиту. 1. Метод формирования пространства информативных признаков для классификатора риска хирургического лечения урологических заболеваний, основанный на формализации эмпирических экспертных оценок врача-уролога, процедуре Вальда и ранжировании факторов риска. 2. Метод принятия решений, основанный на решающих правилах процедуры Вальда, позволяющий определить групповые коэффициенты уверенности по классам риска оперативного лечения предстательной железы. 3. Структура гибридной системы, позволяющая повысить, в среднем, на 10% показатели качества принятия решений по оценки риска хирургического лечения предстательной железы.
Личный вклад автора. В диссертации приведены результаты исследований, выполненных лично автором или при его непосредственном участии.
Степень достоверности и апробация результатов. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям нечеткой логики принятия решений и нейросетевого моделирования, а так же аналогичным результатам, полученным другими исследователями. Методы и алгоритмы прогнозирования риска оперативного вмешательства построены на теории нечеткого моделирования принятия решений и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.
Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 9 Международных, Всероссийских и региональных конференциях и симпозиумах: «Теоретические и прикладные вопросы науки и образования» (Тамбов-2013); «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза – 2013); «Инновационные медицинские технологии» (Москва – 2013); «Wschodnie partnnerstwo – 2013» (Przemysl – 2013); «Медико-экологические информационные технологии» (Курск- 2011, 2013); «Интегративные процессы в науке – 2010» (Курск-2010); «Интеграционные проекты в медицинской и педагогической практике» (Курск-2010); на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2011, 2012, 2013, 2014).
Публикации. По материалам диссертации опубликовано 14 печатных работ, из них 4 статьи в рецензируемых научных журналах.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 133 отечественных и 24 зарубежных наименований. Работа изложена на 139 листах машинописного текста, содержит 40 рисунков и 20 таблиц.
Анализ видов послеоперационных осложнений при хирургическом лечении предстательной железы
Вопросам прогнозирования в медицине уделяется повышенное внимание, так как это позволяет предвидеть развитие ситуации у каждого пациента и позволяет на ранних этапах предпринять соответствующие меры.
Предвидение явлений в медицине является наиболее актуальной научно-практической задачей профессиональной врачебной деятельности. Постоянное совершенствование известных и создание новых методов диагностики и прогнозирования позволяет улучшать качество медицинского обслуживания населения. Медицинское прогнозирование сформировалось на богатом многовековом опыте и составляет одну из важнейших сторон профессиональной деятельности врача. К началу 20 века в развитии прогнозирования сформировалась задача выявления иерархии значимости факторов риска, что стало приближать медицину к точным наукам [101].
А.М. Петров разработал модель постановки индивидуального прогноза у больных злокачественными опухолями яичников на основании клинико-математической оценки исследованных пациентов [87].
Е.К. Абрамов (1994) разработал прогностическую систему на основе математических методов (регрессионный анализ), позволяющую выбирать ту или иную лечебную тактику при остром деструктивном холецистите и пришел к выводам: мультивариантный анализ уменьшает число идентифицированных факторов риска, имеющих независимое значение для предсказания летальности; оценка каждого фактора согласно его дискриминантной функции является более комплексной, чем просто наличия неблагоприятного фактора и тем самым повышает чувствительность и специфичность в предсказании летальности [87].
А.Я. Коровин с соавторами (1988) разработал систему индивидуального прогнозирования раневых осложнений при остром аппендиците [33]. Математическая обработка и анализ данных проводились с помощью математических методов вариационной статистики и максимума правдоподобия по критериям Стьюдента и Пирсона [1, 2]. Все эти методы затронули и урологию, как одну из областей медицины. Н.Н. Поповкин (1997) разработал математические алгоритмы, с помощью которых возможно определение состава мочевых камней и диагностика форм нефролитиаза [80]. Им же разработаны компьютерная экспертная консультативно-справочная система выбора оптимальных консервативных методов профилактики камнеобразования в почках; математические модели и алгоритмы для выбора оптимального лечения больных с раком почки; математические методы прогнозирования эффективности консервативного лечения больных аденомой предстательной железы [80].
Н.Т. Березуцким (1997) разработана логическая модель отбора и ведения больных с симптоматикой в области мочевыводящих путей, предложен автоматизированный подход к процедуре тестирования состояния пациентов, компьютерный мониторинг непосредственных и отдаленных результатов лечения ДГПЖ [10].
К.Н. Комаров (1991) применил индивидуальное компьютерное прогнозирование для предвидения и дальнейшей профилактики ранних послеоперационных осложнений при хирургическом лечении ДГПЖ [99].
В.Ф. Ковельский [50] изучал факторы риска и прогноза исходов операций у пожилых урологических больных с ХПН. Были отобраны факторы, способные влиять на возникновение осложнений, они были подвергнуты дисперсионному многофакторному корреляционному анализу по специальной программе на ЭВМ.
Несмотря на большой вклад различных математических моделей в развитие прогнозирования в медицине, многие ученые признают не очень высокую их достоверность и специфичность, в связи с тем, что большинство задач прогнозирования в медицине являются «сильно нелинейными», и не могут решаться с достаточно высоким уровнем точности обычными математическими методами (регрессионный анализ, дискриминантный метод и др.). Поэтому на лидирующие позиции в медицине, в последнее время, начали выходить нейросетевые технологии, ранее с успехом применявшиеся в других областях науки.
Искусственные нейронные сети (ИНС) представляют собой перспективную вычислительную технологию, дающую новые подходы к исследованию динамических задач в различных областях науки и техники. Способность ИНС к моделированию нелинейных процессов, работе с зашумленными данными и адаптивность дают возможности применять нейронные сети для решения широкого класса научных задач. Приложения нейронных сетей охватывают самые разнообразные области: распознавание образов, обработка зашумленных данных, ассоциативный поиск, классификация, оптимизация, прогноз, диагностика, обработка сигналов, абстрагирование, управление процессами, сегментация данных, сжатие информации, моделирование сложных процессов, машинное зрение, распознавание речи.
ИНС являются вычислительной системой с огромным числом параллельно функционирующих простых процессоров с множеством связей. [94]. В настоящее время существует множество различных конфигураций нейронных сетей с различными принципами функционирования, которые предназначены для решения самых разных задач. В качестве примера рассмотрим многослойную полносвязную нейронную сеть прямого распространения, структурная схема которой представлена на рисунке 1.1. Такая нейронная сеть широко используется для решения задач по классификации объектов, каждый из которых описан вектором информативных признаков. Полносвязной нейронной сетью называется многослойная структура, в которой каждый нейрон произвольного слоя связан со всеми нейронами предыдущего слоя, а в случае первого слоя — со всеми входами нейронной сети. Прямое распространение сигнала означает, что такая нейронная сеть не содержит обратных связей.
Исследование значимости факторов при прогнозировании различных классов послеоперационных осложнений
Проведенные исследования показали, что основной проблемой в проектировании диагностирующих и прогнозирующих систем является недостаток алгоритмов формализации экспертных оценок предметной области и повышения эффективности работы системы с помощью использования разнотипных данных, получаемых в результате биохимических анализов крови и мочи, УЗИ почек, верхних и нижних мочевых путей. В большинстве случаев при оценке риска хирургического лечения ПЖ и возможных осложнений врач может руководствоваться только собственным эмпирическим опытом, и практически лишен возможности воспользоваться информацией, накопленной в ходе предыдущих применений указанной тактики лечения. В то же время своевременный прогноз результатов хирургического лечения помогает значительно снизить вероятность возникновения осложнений.
Таким образом, возникает необходимость в разработке гибридной прогнозирующей системы, обладающей возможностью использования клинического опыта врача и автоматизированного анализа информации, извлекаемой из историй болезней.
Наиболее подходящими для указанных целей являются алгоритмы «мягких вычислений», аналитический обзор которых отображен в п. 1.4. Методики, основанные на комбинировании достоинств нечеткой логики и нейронных сетей, позволяют добиваться больших результатов, чем применение какой-либо из указанных технологий в отдельности. С учетом сказанного, целью данной работы является разработка гибридных математических моделей и интеллектуальной системы поддержки принятия решений, основывающихся на комбинированном использовании нечетких и нейросетевых технологий, обеспечивающих повышение качества оказания медицинской помощи пациентам с заболеваниями предстательной железы.
Для достижения поставленной цели необходимо решить следующие задачи: На основании данных об этиологии и патогенезе заболеваний предстательной железы сформировать пространство информативных признаков, оказывающих влияние на результат исхода ее хирургического лечения.
Разработать метод формализации эмпирических экспертных оценок врача-уролога и, с помощью технологий нечеткой логики, установить вид и параметры соответствующих нечетких функций принадлежности по выявленным признакам.
Для выполнения прогнозирования на основании полученных экспертных оценок необходимо построить структуру гибридной решающей системы и разработать методы и алгоритмы синтеза ее функциональных модулей.
Для проведения экспериментальных исследований эффективности построенной прогнозирующей системы необходимо разработать интегрированный программный пакет, реализующий применение указанных технологий и позволяющий в интерактивном режиме осуществлять моделирование спроектированной системы и получать прогноз результата хирургического лечения предстательной железы для каждого из анализируемых пациентов.
Апробация предложенных технологий прогнозирования риска оперативного вмешательства на репрезентативных контрольных выборках пациентов урологического отделения больницы скорой медицинской помощи г. Курска является последней задачей диссертационного исследования. 2 Синтез признакового пространства и функций принадлежности для системы прогнозирования результатов хирургического лечения предстательной железы
На основании сведений об этиологии и патогенезе исследуемого класса заболеваний и особенностей хирургического лечения ПЖ определен набор различных возможных исходов выбранного метода лечения:
Исследование предметной области показало, что пространство информативных признаков целесообразно разбить на группы, внутри которых осуществлять автономный процесс классификации. Для диагностики риска операций на ПЖ были сформированы четыре непересекающиеся группы информативных признаков.
В группу G1 вошли данные лабораторного анализа в предоперационном периоде: показатели периферической крови, показатели мочи, биохимические показатели крови и т.п. Группа G2 содержит содержит данные инструментальных исследований пациентов с заболеваниями ПЖ: данные ультразвукового сканирования, данные радиоизотопной ренографии, пульс и показатели артериального давления и т.п. Группа G3 содержит общие данные о пациенте и предстоящей операции: возраст пациента, вид выполненного хирургического вмешательства, продолжительность операции, объем интраоперационной кровопотери, квалификация оперирующего хирурга, проводилась ли предоперационная антибиотикопрофилактика, продолжительность послеоперационного уретрального дренирования и т.п. В последнюю группу признаков G4 собраны сопутствующие заболевания: сердечнососудистые, легочные, урологические, эндокринные.
С учетом мнения высококвалифицированных экспертов был составлен список из 41 фактора риска и проанализировано влияние этих выделенных факторов риска на семь классов послеоперационных осложнений: послеоперационный эпидидимоорхит, геморрагические осложнения, обострение инфекции мочевых путей, стриктура уретры, стеноз шейки мочевого пузыря, недержание мочи, летальный исход.
Исходной являлась база данных, в которой была представлена информация о каждом пациенте в виде многомерного вектора, который включает данные клинического осмотра, инструментального и лабораторного исследования, сопутствующие патологии.
Метод редукции нечетких коэффициентов уверенности с использованием обучаемой нейронной сети
В задачах медицинской диагностики при малых объемах обучающих выборок и неполной последовательно получаемой информации характеризующей состояние обследуемых (информативные признаки xi (i=1, …, n)). Ряд исследователей рекомендует использовать последовательную секвенциальную процедуру А. Вальда [75]. Кроме упорядочивания признаков по релевантности эта процедура требует выделения диапазонов у каждого информативного признака. Причем у всех информативных признаков должно выделяться одинаковое число диапазонов. Учитывая небольшие объемы выборок, что влечет за собой высокую степень пересечения классов в пространстве информативных признаков, диапазоны в пространстве информативных признаков выделяем посредством нечеткой логики используя функции принадлежности информативного признака к данному классу.
Используя такой подход, был предложен метод формирования таких функций принадлежности, который основан на нечетком моделировании в среде MATLAB и fuzzyTECH [37, 38, 70].
Сущность метода состоит в том, для каждого признака заданного класса формируют множество функций принадлежности, число которых определяется числом выделенных диапазонов К. Диапазоны выделяются на экспертном уровне и могут быть определены как посредством чисел, так и термами. При этом сами функции формируются в автоматическом режиме путем использования стандартных функций среды Matlab, а параметры этих функций в интерактивном режиме определяет пользователь.
Инструментарий нечеткой логики (ИНЛ) в составе пакета Matlab содержит 11 встроенных типов функций принадлежности (ФП), формируемых на основе кусочно-линейных функций, распределения Гаусса, сигмоидной кривой, квадратических и кубических полиномиальных кривых. К наиболее простым ФП можно отнести треугольную и трапециевидную. Наименование треугольной ФП – trimf (triangle membership function). В параметрическом виде она представляет собой не что иное, как набор трех точек, образующих треугольник [70]. Описание функции: у=trimf(x, [abс]), где вектор х – базовое множество, на котором определяется ФП. Величины а и с задают основание треугольника, b – его вершину. В аналитическом виде треугольная ФП может быть задана следующим образом (рисунок 2.9, а):
На основе функции распределения Гаусса можно построить ФП двух видов: простую функцию принадлежности Гаусса и двухстороннюю, образованную с помощью различных функций распределения Гаусса. Первая из них обозначается gaussmf, а вторая - gauss2т/.
Следующей функцией, которая позволяет представлять нечеткие субъективные предпочтения (рисунок 2.11), является ФП «обобщенный колокол» и обозначается gbellmf (generalized bell shape membership function).
Функции принадлежности на основе функции распределения Гаусса и ФП «обобщенный колокол» отличаются гладкостью и простотой записи и являются наиболее используемыми при описании нечетких множеств.
Гауссовы и колоколообразные ФП обладают свойством гладкости, однако они не позволяют формировать асимметричные ФП. Поэтому в среде МАТЛАБ используют сигмоидные функции, которые могут быть открыты либо слева, либо справа в зависимости от типа функции. Симметричные и закрытые функции синтезируют с использованием двух дополнительных сигмоид. Основная сигмоидная ФП обозначается sigmf, а дополнительные – dsigmf и psigmf.
В зависимости от знака параметра а рассматриваемая ФП будет открыта или справа или слева (рисунок 2.12, а), что позволит применять ее при описании таких нечетких понятий, как «очень большой», «крайне отрицательно» и др.
Инструментарий нечеткой логики (fuzzy logic toolbox) в составе Matlab предоставляет возможность формирования ФП на основе полиномиальных кривых. Соответствующие функции называются Z-функции (zmf), РI-функции (pimf) и S-функции (smf).
Функция zmf представляет собой асимметричную полиномиальную кривую, открытую слева (рисунок 2.13, а), функция smf – зеркальное отображение функции zmf (рисунок 2.13, в). Соответственно функция pimf равна нулю в правом и левом пределах и принимает значение, равное единице, в середине некоторого отрезка (рисунок 2.13, б).
При формировании функций принадлежности загружаются информативные признаки для выделяемых классов (на рисунке 2.14 это два класса). Пользователь работает с одним информативным признаком для выбранного класса, но на экране он видит распределение этого же признака и для других классов, что позволяет учитывать их распределение этого признака в текущем классе при формировании ФП для текущего признака. 2.4 Метод принятия решений в группированном признаковом пространстве
Статистические исследования частости послеоперационных осложнений при хирургическом лечении предстательной железы
Инфекционно-воспалительные осложнения, возникающие после выполнения трансуретральных оперативных вмешательств, могут быть как следствием активации присутствующей у пациентов до вмешательства инфекции мочевых путей в латентной фазе, так и результатом проникновения внутрибольничной патогенной флоры. При проведении статистических исследований инфекция мочевых путей определялась по положительным результатам посева мочи, задокументированным в истории болезни пациента.
Осложнения подобного характера после трансуретральной резекции простаты отмечены в 291 (5,8%) случае. Установка троакарной цистостомы по поводу острого простатита и/или уретрита потребовалась лишь в 21 (0,4%) случае.
Инфекционные осложнения в послеоперационном периоде у оперированных больных с ДГПЖ наблюдались у 11% от общего числа пациентов, у которых проводилось хирургическое лечение ПЖ. На гистограмме, представленной на рисунке 4.9, показано распределение инфекционных осложнений по видам хирургического лечения ДГПЖ.
Острые эпидидимиты развились у 145 (2,9%) больных в различные сроки после трансуретральной резекции. При этом выявилась большая зависимость частоты осложнений от сроков нахождения в стационаре. Острый эпидидимит имел место у 3% больных, которым не выполнялась профилактическая двухсторонняя вазорезекция. Статистические исследования также показали, что это осложнение имеет место более часто в позднем послеоперационном периоде: 0,3% случаев и 2,7% случаев, соответственно.
На рисунке 4.10 представлена гистограмма развитие послеоперационных эпидидимитов при различных видах хирургического вмешательства у больных ДГПЖ.
Стриктура уретры развивается после выполнения хурургических вмешательств. Возникновение этого осложнения было отмечено у 6,9% больных в поздние сроки после выполнения ТУР аденомы. Трансуретральная роторезекция предшествовала образованию стриктуры уретры у 5,3% пациентов, вапоризация – у 2,7%, вапоризирующая резекция – у 4,1%, инцизия простаты – у 0,9%.
Недержание мочи после хирургических вмешательств является следствием термического или механического повреждения мочевого пузыря. На интенсивность этого вида осложнения влияет также продолжительность хирургической операции. В результате статистического анализа выявлено, что у 1,6% больных после ТУР имеет место персистирующее недержание мочи. После роторезекции и инцизии простаты подобного осложнения отмечено не было. Чаще недержание мочи встречалось у больных, перенесших «роликовую» вапоризацию –2,7% и вапоризирующую резекцию –3%.
Статистический анализ летальных исходов послеоперационного лечения не производился ввиду малого объема выборки. Из 200 проанализированных историй болезни с ДГПЖ в раннем послеоперационном периоде умерло три пациента. Причиной летального исхода были сопутствующие заболевания.
Таким образом, анализ развития осложнений после хирургического лечения ПЖ позволил выявить ряд закономерностей, позволивших скорректировать функции принадлежности по классам риска послеоперационных осложнений, и сформировать обучающие и контрольные выборки по виду хирургического лечения ПЖ и виду послеоперационного осложнения. К таким закономерностям можем отнести следующее: 1) трансуретральная резекция простаты в 10,6% случаев сопровождалась развитием интраоперационных осложнений; 2) время выполнения трансуретральной резекции не должно превышать 60 - 90 минут, при превышении данного времени увеличивается риск развития интра- и послеоперационных осложнений; 3) кровотечение является наиболее опасным осложнением трансуретральной резекции простаты и отмечено в 8,3% случаев и в 3,5% явилось показанием к экстренному повторному оперативному вмешательству; 4) использование роторезекции и инцизии простаты позволяет 105 снизить риск геморрагических осложнений; 5) пациенты с длительным (более 72 часов) дренированием мочевого пузыря уретральным катетером и больные, страдающие хроническим простатитом, имеют повышенный риск развития послеоперационных инфекционно-воспалительных осложнений; 6) профилактическая двухсторонняя вазорезекция не приводит к снижению частоты послеоперационных эпидидимитов; 7) пациенты старше 65 лет, страдающие доброкачественной гиперплазией простаты более 5 лет и имеющие в анамнезе эпизоды острой задержки мочеиспускания имеют повышенный риск развития послеоперационных осложнений; 8) послеоперационная стриктура уретры развивается после трансуретральных операций на ПЖ в 6,9% случаев.
Сравнение эффективности работы систем классификации, построенных на основе известных методов прогнозирования, с гибридной нейросетью Построенные в третьем разделе гибридные технологии, предназначенные для определения класса риска осложнений после операций на ПЖ, позволяют объединить достоинства экспертного оценивания риска и достоинства обучаемых нейронных сетей. Необходимость объединения этих парадигм классификации, прежде всего, обусловлено малыми объемами выборок, что не позволяет использовать в полной мере всех положительных качеств нейронных сетей.
