Введение к работе
Актуальность темы исследования. В настоящее время информационные технологии играют решающую роль в повышении эффективности медицинского обслуживания и снижении его стоимости.
Большой интерес для практического здравоохранения представляют системы поддержки принятия решений при диагностике и дифференциальной диагностике заболеваний, использующие различные источники: априорный опыт врача-эксперта, лабораторные методы и сложные функциональные методы. Список областей медицины, в которых начали применяться системы поддержки принятия решений, чрезвычайно обширен и продолжает расти.
Синдром эндогенной интоксикации (СЭИ) является одним из наиболее распространенных в клинической практике и характеризуется накоплением в тканях биологических продуктов, которые представляют собой результат реагирования на повреждающий фактор. Распространенным случаем СЭИ является хроническая почечная недостаточность (ХПН). По данным крупных популяционных регистров, таких как US Renal Data System и Российский регистр заместительной почечной терапии, распространенность хронической болезни почек (ХБП) составляет не менее 10 %, достигая 20 % и более у отдельных категорий лиц (пожилые, больные сахарным диабетом второго типа). Таким образом, задача ранней диагностики синдрома эндогенной интоксикации имеет большое значение.
Задача ранней диагностики СЭИ затруднена сложностью использования специфических маркеров токсикоза. Для диагностики СЭИ существуют различные лабораторные методы, однако они являются дорогостоящими, в связи с чем встает задача создания менее дорогостоящих и более доступных методов диагностики.
Чтобы сделать правильный прогноз возникновения заболевания, необходимо проанализировать большое количество факторов риска и диагностических признаков, приводящих к заболеваниям. Для обработки биомедицинских данных используют формальные методы, среди которых одними из наиболее популярных являются нейросетевые. Нейронные сети имеют возможность обучаться и обобщать накопленные знания и используются для задач классификации образов, распознавания, идентификации, прогнозирования, но не дают ответа на вопрос, как осуществляются эти процессы.
Системы с нечетким выводом позволяют объяснить получаемый с их помощью результат, позволяют закладывать в информационное поле априорный опыт врачей-экспертов, но они не имеют возможности обучаться и обобщать накопленные знания.
От перечисленных недостатков свободны системы на основе нейро-нечетких сетей. Выводы нейро-нечеткая сеть делает на основе базы знаний, в которой заключен априорный опыт эксперта, а параметры функций при-
надлежности настраиваются с использованием алгоритмов обучения нейронных сетей. Нейро-нечеткие сети имеют возможность использовать неточную информацию, приобретать новые знания, обучаться, выполнять классификацию образов, прогнозировать и, кроме того, могут объяснить полученный результат.
В развитие теории и практики применения нечетких и нейро-нечетких сетей большой вклад внесли Н. С. Безруков, Е. Л. Еремин, Ю. П. Зайченко, В. В. Круглов, Д. А. Поспелов, А. П. Ротштейн, А. Г. Трифонов, С. Д. Штов-ба, Н. Г. Ярушкина, S. Е. Fahlman, A. Kaufmann, Е. Н. Mamdani, A. Piegat, М. Pilinski, D. Rutkowska, L. Rutkowski, Т. Takagi, M. Sugeno, R. Yager, L.A. Zadeh и др.
Таким образом, задача, заключающаяся в разработке нейро-нечеткой системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на основе нейро-нечеткой сети, является актуальной и представляющей научный интерес.
Целью исследования является разработка нейро-нечеткой системы поддержки принятия решений, позволяющей распознавать наличие или отсутствие синдрома эндогенной интоксикации на примере хронической почечной недостаточности как для обследования отдельных больных, так и с целью массового обследования без использования дорогостоящих лабораторных методов.
Поставленная цель достигается решением следующих задач:
-
Разработка способов подготовки данных для обучения нейронных и нейро-нечетких сетей: заполнение пропусков результатов анализов и понижение размерности исходных данных.
-
Исследование и разработка архитектур и алгоритмов обучения нейронных и нейро-нечетких сетей, предназначенных для диагностики синдрома эндогенной интоксикации на примере хронической почечной недостаточности.
-
Разработка алгоритма построения базы знаний нейро-нечеткой сети.
-
Разработка системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере хронической почечной недостаточности.
-
Испытание разработанной системы в клинической больнице.
Объектом исследования является система поддержки принятия решений при диагностике синдрома эндогенной интоксикации.
Предметом исследования являются архитектура нейро-нечеткой системы поддержки принятия решений для диагностики синдрома эндогенной интоксикации, методы подготовки исходных данных, архитектура и алгоритмы обучения нейро-нечетких сетей, составляющих основу системы поддержки принятия решений.
Методы исследований: методы статистического анализа, теория нейронных сетей, теория нечетких множеств и нечеткая логика, теория ней-ро-нечетких сетей.
Соответствие паспортам специальностей. Результаты исследования соответствуют пунктам 4, 12, 13 паспорта научной специальности 05.13.01 и пункту 1 паспорта научной специальности 05.11.17.
Научная новизна работы заключается в следующем:
-
Предложен способ заполнения пропусков в медицинских обучающих данных отличающийся от известных интеграцией метода кластеризации и бутстреп-метода, что позволяет учесть особенности статистических распределений анализов пациентов и повысить точность дальнейшей диагностики.
-
Разработан алгоритм построения базы знаний нейро-нечеткой сети, который в отличие от известных позволяет исключить из базы знаний правила нечетких продукций, не используемые при работе с обучающей выборкой. Исключение правил с минимальной степенью выполнения позволяет существенно сократить базу знаний, не уменьшив ее информативности, что повышает точность диагностики.
-
Предложена модификация метода последовательного квадратичного программирования с ограничениями для настройки весовых коэффициентов нейро-нечеткой сети, отличающаяся от известных учетом ограничений, накладываемых на весовые коэффициенты правил, что позволяет сократить ошибку диагностики.
-
Разработана архитектура каскадной нейро-нечеткой сети, узлами которой являются адаптивные нейро-нечеткие сети (ANFIS - Adaptive Neuro-Fuzzy Inference System), которая позволила снизить ошибки диагностики за счет уменьшения числа настраиваемых коэффициентов по сравнению с классической ANFIS при одном и том же количестве входов. Предложено ввести дополнительный слой, позволивший диагностировать тяжесть ХБП.
5. Разработана структура системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН, основанная на каскадной нейро-нечеткой сети и позволяющая обрабатывать в интерактивном режиме поступающие медицинские данные и настраивать систему на новые данные по предложениям врача-эксперта.
Практическая значимость состоит в создании системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН, которая позволяет врачу повысить достоверность диагноза, сократив затраты и время исследования.
На защиту выносятся:
1. Способ заполнения пропусков в медицинских обучающих данных на основе интеграции метода кластеризации и бутстреп-метода.
-
Алгоритм построения базы знаний нейро-нечеткой сети, который позволяет исключить из базы знаний правила с минимальной степенью выполнения.
-
Модификация метода последовательного квадратичного программирования с ограничениями, накладываемыми на весовые коэффициенты сети.
-
Архитектура каскадной нейро-нечеткой сети.
-
Структура и программная реализация системы поддержки принятия решений на основе каскадной нейро-нечеткой сети при диагностике синдрома эндогенной интоксикации на примере ХПН.
Реализация результатов работы. Основные результаты и положения диссертационной работы внедрены в ГУЗ «Пензенская областная клиническая больница им. Н. Н. Бурденко» в виде системы поддержки принятия решений «СД-СЭИ» (09.03.2010, гос. per. № 2010611803) и базы данных «Лабораторные показатели крови больных хронической почечной недостаточностью» (06.09.2013, гос. per. № 2013621103); использованы на кафедре «Хирургия» Медицинского института Пензенского государственного университета в виде электронного методического пособия для специальности врач-кибернетик «Медико-технологические системы в диагностике заболеваний и прогнозировании риска развития осложнений в клинической медицине» (23.03.2011, эл. изд. № 0321100625); внедрены на промышленном предприятии ОАО «Пензенское конструкторское бюро моделирования». Получено удостоверение на рационализаторское предложение № 335 «Компьютерная система диагностики синдрома эндогенной интоксикации», выданное БРИЗом ГУЗ «Пензенская областная клиническая больница им. Н. Н. Бурденко» и Медицинского института Пензенского государственного университета.
Достоверность и обоснованность результатов, сформулированных в диссертации, обеспечены корректным использованием теории нейронных сетей и нечетких систем, подтверждается результатами экспериментального исследования нейронных и нечетких сетей на реальных данных больных ГУЗ «Пензенская областная клиническая больница им. Н. Н. Бурденко», а также регистрацией разработанных программ.
Апробация работы. Основные положения диссертации докладывались на XVI Всероссийском семинаре «Нейроинформатика и ее приложения и анализ данных» (Красноярск, 2008); научно-практической конференции «Перспективные технологии искусственного интеллекта» (Пенза, 2008); III Международной научно-технической конференции «Аналитические и численные методы моделирования естественнонаучных и социальных проблем» (Пенза, 2008); VIII Всероссийской научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2008); VIII Международной научно-технической конференции «Новые информационные технологии и системы» (Пенза, 2008);
XI Всероссийской научно-технической конференции «Нейроинформатика-2009» (г. Москва, 2009); II Международной дистанционной научной конференции и конкурсе проектов «Инновации в медицине» (Курск, 2009); IX Международной научно-технической конференции, посвященной 70-летию Пензенского государственного педагогического университета им. В. Г. Белинского «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2009); II Межрегиональной научной конференции «Актуальные проблемы медицинской науки и образования» (Пенза, 2009); Всероссийской научно-методической конференции «Информатизация образования - Поволжье - 2010»; X Международной научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2010); V Международной научно-технической конференции «Аналитические и численные методы моделирования естественнонаучных и социальных проблем» (Пенза, 2010); XI Международной научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2011); XIV Всероссийской научно-технической конференции «Информатика - 2012»; X Всероссийской научной конференции «Нейрокомпьютеры и их применение» (Москва, 2012); VIII Международной конференции «Актуальные аспекты экстракорпорального очищения крови в интенсивной терапии» (Пенза, 2012); XVIII Межрегиональной научной конференции памяти академика Н. Н. Бурденко (Пенза, 2012); I Международной научно-практической конференции молодых ученых и студентов «Молодежь в мире современных технологий» (Херсон, 2012); XII Международной научно-технической конференции «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2012).
Публикации. По теме диссертации опубликовано 27 работ, из них 7 статей в журналах, входящих в перечень ВАК РФ. Зарегистрированы программный продукт в Реестре программ для ЭВМ и электронное издание в Федеральной службе в сфере связи, информационных технологий и массовых коммуникаций ГУП НТЦ «Информрегистр», получено свидетельство о государственной регистрации базы данных.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы из 139 наименований и 11 приложений, включает 145 страниц основного текста и 34 рисунка, список литературы и приложения - на 44 страницах.
