Содержание к диссертации
Введение
ГЛАВА 1. Технологии нечеткой логики принятия прешении и нейронных сетей для прогнозирования результатов элиминации конкремента 11
1.1. Особенности метода дистанционной ударно-волновой литотрипсии при лечении мочекаменной болезни 11
1.2. Методы диагностики заболеваний и прогнозирования результатов терапии 17
1.2.1. Методики, основанные на применении аппарата нейронных сетей. 17
1.2.2. Формализация экспертных оценок с помощью алгоритмов нечеткого логического вывода 26
1.2.3. Генетические алгоритмы как средство настройки нечетких систем 32
1.3. Особенности применения нечетких нейронных сетей 34
1.4. Цели и задачи исследования 40
ГЛАВА 2. Синтез признакового пространства для системы прогнозирования результатов дистанционной ударно-волновой литотрипсии 43
2.1. Выявление исходного набора информативных признаков 43
2.1.1. Исследование предметной области и существующего экспертного опыта 43
2.1.2. Структурирование признакового пространства 51
2.2. Анализ взаимного распределения выбранных признаков 53
2.3. Построение нечетких функций принадлежности 55
2.3.1. Способ построения нечетких функций принадлежности 55
2.3.2. Функции принадлежности для группы признаков предварительной оценки состояния пациента 57
2.3.3. Функции принадлежности для группы признаков оценки конкремента 61
2.3.4. Функции принадлежности для группы признаков рисков проведения литотрипсии 64
2.4. Выводы второй главы 67
ГЛАВА 3. Структура гибридной решающей системы для прогнозирования результатов элиминации конкрементов .68
3.1. Структура гибридной прогнозирующей системы 68
3.2. Построение структуры агрегаторов подсистемы нечеткого логического вывода 73
3.3. Способ дефуззификации нечетких коэффициентов уверенности с использованием нейронной сети 84
3.4. Выводы третьей главы 86
ГЛАВА 4. Экспериментальные исследования средства прогнозирования терапевтических результатов дистанционной ударно-волновой литотрипсии 88
4.1. Автоматизированная программная среда для выполнения прогнозирования . 88
4.1.1. Модуль ввода и корректировки исходных данных «GuiData» 88
4.1.2. Модуль анализа взаимного распределения классов «GuiGraf» 89
4.1.3. Модуль настройки нечетких функций принадлежности «GuiFuzzyFun» 90
4.1.4. Модуль синтеза структуры агрегаторов «GuiAgreg» 91
4.1.5. Модуль выполнения прогнозирования «GuiNet» 92
4.1.6. Структура представления данных в модуле Neurowork 93
4.2. Сравнение эффективности работы существующих методов прогнозирования с построенной гибридной системой 95
4.2.1. Прогнозирование с использованием многослойной нейронной сети, прошедшей обучение на исходных данных 95
4.2.2. Построение нечеткого логического вывода на основе анализа экспертных оценок 100
4 4.2.3. Прогнозирование с использованием спроектированной гибридной
системы 103
4.3. Выводы четвертой главы 107
Заключение 109
Библиографический список 111
- Особенности метода дистанционной ударно-волновой литотрипсии при лечении мочекаменной болезни
- Исследование предметной области и существующего экспертного опыта
- Структура гибридной прогнозирующей системы
- Прогнозирование с использованием многослойной нейронной сети, прошедшей обучение на исходных данных
Введение к работе
Актуальность работы. Для лечения мочекаменной болезни в настоящее время все чаще применяется неинвазивный метод дистанционной ударно-волновой литотрипсии (ДУВЛ). Данный метод зарекомендовал себя как чрезвычайно действенный и обладающий минимальным травмирующим воздействием на окружающие ткани. Принцип лечения заключается в использовании ударных волн для разрушения камней, что характеризуется меньшим числом осложнений по сравнению с другими оперативными и малоинвазивными методами лечения. В то же время, ввиду механического воздействия на ткань почки, следует с особым вниманием относиться к показаниям и противопоказаниям указанной терапии, так как ее неверное применение или наличие у больных определенных предрасположенностей может привести к почечным гематомам, гематурии или обструкции мочевыводящих путей - наиболее актуальным проблемам литотрипсии. Кроме того, аппараты для проведения ДУВЛ (литотрипторы) не являются широко распространенными в медицинских учреждениях, и при их отсутствии возникает потребность в транспортировке пациента в другую клинику перед применением метода (СП. Серегин, С.Д. Долженков). В связи с указанными фактами существует острая необходимость предварительного анализа имеющихся данных о каждом конкретном случае мочекаменной болезни и максимально точного прогнозирования результатов терапии перед ее назначением.
Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть информации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте применения литотриптора. 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 (Г. Шортлиф, Л. Заде, С. Осовский). Для качественного решения соответствующей прогностической задачи при составлении решающих правил в качестве информативных признаков используются разнотипные данные, получаемые в результате биохимических анализов крови и мочи, УЗИ почек, верхних и нижних мочевых путей, а также с помощью обзорной и экскреторной урографии или спиральной компьютерной томографии (А.А. Олексюк, А.Ю. Павлов).
Существующие алгоритмы и методы применения нейронных сетей и нечеткой логики не позволяют должным образом объединить использование эмпирических оценок и экспериментальных данных для решения рассматриваемой задачи прогнозирования. С учетом сказанного возникает необходимость разработки способа объединения технологий нечеткой логики и нейронных сетей в гибридную систему для повышения качества прогнозирования результатов методики ДУВЛ, что позволит снизить вероятность возникновения побочных неблагоприятных эффектов и повысить качество оказания терапевтических услуг.
Работа выполнена в рамках Региональной программы «Мужское здоровье - 2006-2010 гг.» и в соответствии с научным направлением Курского государственного технического университета «Медико-экологические информационные технологии».
Цель работы. Повышение качества оказания медицинских услуг больным мочекаменной болезнью путем использования нейросетевых технологий для прогнозирования результатов процедуры неинвазивного дробления конкрементов.
Для достижения поставленной цели необходимо решить следующие задачи:
на основании данных об этиологии и патогенезе мочекаменной болезни сформировать пространство информативных признаков, оказывающих влияние на результат прогнозирования исхода ДУВЛ;
разработать способ формализации эмпирических экспертных оценок врача-уролога и, с помощью технологий нечеткой логики, установить вид и параметры соответствующих нечетких функций принадлежности по выявленным признакам;
построить структуру гибридной решающей системы и разработать алгоритмы синтеза ее функциональных модулей;
разработать интегрированный программный пакет, реализующий применение указанных технологий и позволяющий в интерактивном режиме осуществлять моделирование спроектированной решающей системы;
провести апробацию предложенных технологий прогнозирования на репрезентативных контрольных выборках.
Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории проектирования и обучения нейронных сетей, алгоритмы нечеткого логического вывода и генетические алгоритмы поиска решения. При разработке прогнозирующей системы в качестве инструментария использовалась среда Matlab 7.1 со встроенными пакетами NNTool, Fuzzy Logic Toolbox и Genetic Algorithm.
Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- способ формализации клинического опыта врача-уролога с помощью
технологий нечеткой логики, отличающийся возможностями составления
комбинированных нечетких функций принадлежности и автоматическим
изменением их формы и параметров, приводящий к минимизации ошибки
прогнозирования;
- алгоритм синтеза агрегаторов нечеткой решающей системы,
основанный на применении генетического алгоритма, позволяющий
выполнять автоматический подбор нечетких операций и порядка
объединения функций принадлежности для расчета коэффициентов
уверенности принадлежности объекта к каждому из классов;
структура гибридной решающей системы, отличающаяся многоуровневой системой агрегаторов, позволяющая прогнозировать исход
дистанционной литотрипсии в структурированном пространстве информативных признаков;
- способ дефуззификации нечетких коэффициентов уверенности в модели нечеткого логического вывода, отличающийся использованием в качестве дефуззификатора обучаемой нейронной сети, позволяющий повысить качество работы системы за счет того, что в ходе обучения нейронной сети учитывается влияние соотношений рассчитанных коэффициентов уверенности на результат прогнозирования.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: IX, X, XI, XII Международные научно-технические конференции «Медико-экологические информационные технологии» (Курск, 2006, 2007, 2008, 2009); 8-я Международная научно-техническая конференция «Физика и радиотехника в медицине и экологии» (Владимир, 2008); XIV Международная научно-практической конференция «Экология и жизнь» (Пенза, 2008); XV Российская научно-техническая конференция с международным участием «Материалы и упрочняющие технологии - 2008» (Курск, 2008); XXI Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2008, Рязань 2008); III Всероссийская научно-техническая конференция «Информационные и управленческие технологии в медицине и экологии» (Пенза, 2009).
Практическая значимость и результаты внедрения работы.
Разработанные методы, модели, решающие правила и алгоритмы составили основу построения системы поддержки принятия решений врача-уролога, клинические испытания которой показали целесообразность ее использования в медицинской практике.
На основании полученных технологий в среде Matlab 7.1 разработан программный пакет для построения модели гибридной системы прогнозирования исхода неинвазивной элиминации конкрементов, 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 структуры на каждом из этапов ее построения.
Применение предложенных в диссертации разработок позволяет увеличить эффективность предварительного прогнозирования результатов дистанционной ударно-волновой литотрипсии и повысить качество оказания медицинской помощи урологическим больным. 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 Курского государственного технического университета при обучении студентов специальностей 200401 и 200402.
Публикации. По материалам диссертации опубликовано 14 печатных работ, перечень которых приведен в конце автореферата. Из них 3 работы в журналах, рекомендованных ВАК РФ.
Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] и [2] автором предложен способ моделирования нечетких моделей в пакете Matlab, в [3] автором разработан гибридный алгоритм классификации биомедицинских сигналов, в [6], [8] и [9] автором разработаны методы и алгоритмы моделирования нечетких нейросетевых систем; в [7], [12], [13] соискателем проведено исследование особенностей применения нечеткого вывода для диагностики заболеваний; в [10] соискатель проанализировал применение нечеткого решающего модуля при наличии размытости классов.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего ПО отечественных и 26 зарубежных наименований. Работа изложена на 125 листах машинописного текста, содержит 49 рисунков и 18 таблиц.
Особенности метода дистанционной ударно-волновой литотрипсии при лечении мочекаменной болезни
Мочекаменная болезнь (МКБ) - это заболевание, которое характеризуется образованием камней в органах мочевой системы, возникающее в результате воздействия различных эндогенных или экзогенных факторов и генетических трансформаций. По своей сути это биофизический феномен, в результате которого в моче происходит образование нерастворимых кристаллов, их агрегация и рост, приводящее к формированию камней. Наличие камня или его отхождение приводит к нарушению структуры и функции органов мочевыделения [1]. К методам диагностики больных с МКБ относятся:
Визуализация конкремента: - УЗИ почек, верхних и нижних мочевых путей - выполнение обзорной и экскреторной урографии или спиральной компьютерной томографии (особое внимание следует уделять качеству выполняемых снимков и правильному выбору контрастных препаратов) 2. Клинический анализ крови, мочи, рН мочи. Биохимическое исследование крови и мочи. 3. Посев мочи на микрофлору и определение чувствительности её к антибиотикам. 4. При необходимости выполняются нагрузочные пробы с кальцием (дифференциальная диагностика гиперкальциурии) и хлоридом аммония (диагностика почечно-канальциевого ацидоза), исследование паратгормона. 5. Анализ камня (при его наличии). 6. Биохимические и радиоизотопные исследований функции почек. 7. Ретроградая уретеропиелография, уретеропиелоскопия, пневмопиелография. 8. Исследование камней по томографической плотности (используется для прогноза эффективности литотрипсии и предупреждения возможных осложнений). Камни по своей томографической плотности делятся на: - камни высокой КТ плотности (более 1 200 HU) - камни средней КТ плотности (800 - 1 200 HU) - камни низкой КТ плотности (400 - 800 HU) - камни КТ плотности (ниже 400 HU) Общие принципы лечения мочекаменной болезни включают 2 основных направления: разрушение и/или элиминация конкремента и коррекция метаболических нарушений. Дополнительные методы лечения включают: улучшение микроциркуляции в почках, адекватный питьевой режим. санацию мочевых путей от имеющейся инфекции и резидуальных камней, диетотерапию, физио- и бальнеотерапию [63]. После установления диагноза, определения размеров конкремента, его локализации, оценки состояния проходимости мочевых путей и функции почек, а так же с учетом сопутствующих заболеваний и ранее проводившегося лечения можно приступать к выбору оптимального метода лечения для избавления пациента от имеющегося камня. Методы элиминации конкремента: - различные консервативные методы лечения, способствующих отхождению камня - симптоматическое лечение, которое чаще всего применяется при почечной колике - оперативное удаление камня или удаление почки с камнем - лекарственный литолиз - "местный" литолиз - инструментальное удаление спустившихся в мочеточник камней - чрескожное удаление камней почек путем экстракции (литолапоксии) или контактной литотрипсии - уретеролитолапоксия, контактная уретеролитотрипсия - дистанционная ударно-волновая литотрипсия (ДУВЛ) Все вышеперечисленные методы лечения МКБ не носят конкурентный характер и не исключают друг друга, а в ряде случаев являются взаимодополняющими. Однако можно сказать, что разработка и внедрение дистанционной литотрипсии, создание высококачесвенной эндоскопической техники и аппаратуры явились революционными событиями в урологии в конце XX столетия. Именно благодаря этим эпохальным событиям было положено начало неинвазивной и малотравматичной урологии, которое сегодня с огромным успехом развивается во всех областях медицины и достигло своего эпогея, связанного с созданием и широким внедрением робототехники и телекоммуникационных систем. В настоящее время для лечения МКБ наиболее широко используется дистанционная литотрипсия, перкутанная нефолитотрипсия (лапаксия) (ПНЛ), уретерореноскопия (УРС), благодаря чему число открытых операций сведено до минимума, а в большинстве клиник Западной Европы — до нуля [19]. Показанием для ДУВЛ является наличие конкремента в органах мочеполовой системы при возможности его визуализации аппаратными и вспомогательными методами и отсутствие препятствий к отхождению его фрагментов. Перед проведением литотрипсии необходимо учитывать сведения о факторах, предопределяющих успех данного вида лечения: - исходное функциональное состояние почки. - вид литотриптора и характеристики источника ударных волн. - возможности визуализации камня и особенности подведения источника ударных волн. - химический состав и размер камня, его плотность и объём. - взаимоотношение камня с чашечно-лоханочной системой. - проходимость мочевыводящих путей. - степень инфицированности мочевых камней. - степень нарушения функции почки после первого сеанса и возможность послеоперационных осложнений. Не следует считать метод ДУВЛ всеобъемлющим и единственным для удаления камней мочевы делительной системы. Кроме того, имеется целый ряд состояний, когда ДУВЛ исключена или противопоказана: - Тяжёлое общее состояние больного. - Беременность любого срока. - Невозможность визуализации конкремента на аппарате. - Деформации скелета, препятствующие укладке больного на операционный стол. - Нарушения свёртывающей системы крови. - Наличие новообразований или воспалительных изменений кожи и подкожной клетчатки в зоне контакта ударно-волнового модуля литотриптора. - Наличие аневризмы аорты в зоне воздействия УВ. - Наличие аневризмы почечной артерии при наличии конкремента в почке. - Нефункционирующая почка с отсутствием паренхимы. - Рак почки. - Обструкция мочеточника ниже уровня камня при отсутствии. альтернативных способов отведения мочи. - Туберкулёз. - ХПН, терминальная стадия. - Острый воспалительный процесс почки и паранефральной клетчатки. - Клаустрофобия и иные психические заболевания. - Алкогольное или наркотическое опьянение. Наличие вышеуказанных патологических состояний, практически, исключает возможность использования ДУВЛ, поскольку на фоне таких состояний процедура дробления оказывается невыполнимой или попытка ее проведения сопряжена с жизненно опасными осложнениями [75]. Несмотря на то, что ДУВЛ является высокоэффективным неинвазивным и малотравматичным методом лечения имеется целый ряд патологических состояний и заболеваний, которые составляют группу абсолютных противопоказаний, исключающих использование этого метода лечения МКБ.
Исследование предметной области и существующего экспертного опыта
На основании этиологии и патогенеза мочекаменной болезни, особенностей применения процедуры дистанционной ударно-волновой литотрипсии был определен набор различных возможных исходов указанной терапии: Сі - успешное дробление конкремента с первого сеанса с последующим выводом раздробленных частей без осложнений для пациента; Сг - возникновение различных осложнений в ходе терапии (повреждения организма пациента после успешного дробления конкремента, необходимость неоднократного дробления и т.д.); С3 - невозможность дробления конкремента с использованием рассматриваемой методики, влекущая необходимость оперативного вмешательства. На основании анализа данных из историй болезней, содержащихся в архивах урологических отделений БСМП №1 г. Курска, была сформирована выборка, включающая в себя 55 пациентов из класса d, 35 пациентов из класса Сг и 30 пациентов из класса Сз С учетом мнения высококвалифицированных экспертов был составлен список информативных признаков, традиционно используемых во врачебной практике для первоначального прогноза результатов дистанционной литотрипсии:
- «Размер конкремента». Анализ экспериментальных данных (рис. 2.1) показывает, что встречающиеся на практике размеры конкрементов лежат в диапазоне 0,5 см — 2,5 см. Наиболее удобным для проведения сеанса дистанционной литотрипсии является размер 1,5 см, совпадающий с размером рабочего «пятна» прибора (литотриптора). Возможности прибора позволяют выполнять разбиение камней и меньшего диаметра, но тот факт, что диаметр «пятна» превышает размер дробимого конкремента, может повлечь за собой повреждение окружающих внутренних тканей. В то же время, наличие камня с диаметром свыше 1,5 см с высокой вероятностью приведет к необходимости неоднократного дробления или оперативного вмешательства.
Числовым выражением локализации является смещение конкремента относительно почки. Согласно экспертным оценкам, размещение конкремента в нижней трети мочеточника является наиболее невыгодным для проведения сеанса литотрипсии и с высокой степенью уверенности приведет к необходимости оперативного вмешательства.
- «Функциональные способности почки (минутный диурез)». Для определения функциональной способности почек используется объем мочи, выделяемой почкой в минуту [87]. Необходимость анализа возможностей почки определяется требованием предварительно оценить - насколько сложным и опасным для пациента будет являться вывод из организма раздробленных камней после завершения литотрипсии. При недостаточных способностях почек к выделению мочевой жидкости возрастает риск осложнений после завершения процедуры.
- «Плотность камня по шкале Хаунсфилда». Исследование камней по томографической плотности проводится с использованием многосрезового рентгеновского компьютерного томографа. Экспертный опыт показывает, чт конкременты, обладающие меньшей плотностью, такие как уратные камни значительно повышают вероятность успешного исхода дробления. Камни с преобладающим составом фосфата вызывают высокую вероятность необходимости нескольких сеансов, тогда как наличие конкремента с превалирующей долей оксалата, как наиболее плотного вида камней влечет рост вероятности оперативного вмешательства, так как высока вероятность, что даже несколько сеансов дробления не вызовут желаемого результата.
В такой ситуации необходима информация о ранее проведенных терапевтических процедурах и их результатах, в особенности - об успешных результатах применения рассматриваемой процедуры ДУВЛ, что является положительным показателем для проведения очередной терапии.
- «Возраст пациента». Возраст пациентов в обучающей выборке колеблется в диапазоне от 28 лет до 80 лет (рис. 2.6). Влияние возраста обусловлено теми фактами, что у пациентов возрастом до 40 лет вероятность успешного исхода терапии без осложнений значительно выше, ввиду способностей организма переносить повышенные нагрузки. С увеличением возраста данная способность ухудщается, повышая вероятность осложнений. Кроме того - при превышении порога в 60 лет значительно растет необходимость применения именно дистанционной литотрипсии, даже со сниженной вероятностью успешного исхода, так как оперативное вмешательство в данном возрасте применимо только в экстренных ситуациях.
Структура гибридной прогнозирующей системы
Анализ работы существующих методик прогнозирования, проведенный в главе 1, показывает, что для повышения эффективности работы прогнозирующей системы необходимо объединение достоинств технологий нейронных сетей и систем нечеткого вывода. Для решения данной задачи разработана специализированная гибридная система, которая использует принципы обучения нейронных сетей на этапе дефуззификации, т.е преобразования нечетких коэффициентов уверенности Ки х) в четкие номера классов yt. Структура разработанной гибридной решающей системы для классификации набора объектов х, на классы Сь Сг и С3 на основе определенного набора признаков Pi...PI2, представлена на рис. 3.1. В качестве основы для разработки гибридной системы выбрана распространенная модель нечеткого решающего модуля, состоящая из блоков фуззификатора, агрегатора и дефуззификатора [76]. В отличие от основной структуры в рассматриваемой системе на этапе фуззификации выполняется разбиение признакового пространства на группы для последующего анализа наборов сгруппированных признаков вместо совокупного анализа одновременно всех признаков исходного пространства. Агрегирование выполняется в два последовательных шага: на первом выполняется построение структуры групповых агрегаторов, предназначенных для вычисления коэффициентов уверенности принадлежности объектов к заданному классу на основании каждой группы признаков. На втором шаге для рассчитанных групповых коэффициентов уверенности строятся основные агрегаторы, позволяющие непосредственно определить коэффициент уверенности принадлежности объекта к заданному классу. В качестве дефуззификатора гибридной системы используется нейронная сеть, обучение которой производится на основе исходных обучающих данных, полученных из анализа существующих результатов применения процедуры дистанционной ударно-волновой литотрипсии, содержащихся в историях болезни больницы скорой медицинской помощи г. Курска. Алгоритм построения гибридной решающей системы для рассматриваемой задачи показан на рис. 3.2. В начале построения системы выполняется ввод числовых значений признаков объектов, разделенных на обучающие данные, т.е. объекты, значения признаков которых будут использованы в алгоритмах обучения нейронных сетей и контрольные данные, на основании которых будет рассчитываться качество прогнозирования, выполняемого системой (блок 1). На следующем этапе выполняется построение нечетких функций принадлежности и фуззификации признакового пространства, рассмотренное в главе 2 (блоки 2,3). В блоке 4 выполняется кодирование списка нечетких операций, выбранных для построения агрегаторов, и рассчитываются длины битовых строк для генетических алгоритмов. Блок 5 инициализирует цикл по всем группам признаков классам, в котором для k-й группы строятся наборы агрегаторов по каждому классу: Agi , Ag2jk Ag3 k для объединения полученных функций принадлежности ц.ц в коэффициенты уверенности Ku; к, где і - номер класса (блок 6). Затем выполняется построение агрегаторов Аь А2 Аз для объединения полученных значений Ku k в коэффициенты уверенности KUj принадлежности объектов к заданному классу (блок 7), после чего выполняется расчет числовых значений Kiij по всем классам (блок 8). На следующем этапе выполняется обучение нейронной сети для использования ее в качестве дефуззификатора нечеткой системы (блок 9). После завершения обучения выполняется прогнозирование результатов дистанционной литотрипсии с использованием полученной гибридной системы (блок 10) и оценка качества работы системы (блок 11). При неудовлетворительном качестве прогнозирования выполняется подстройка отдельных элементов гибридной системы в зависимости от вида ошибок прогнозирования (блоки 12, 13, 14). Если качество прогнозирования признано удовлетворительным, полученная структура гибридной системы сохраняется в разработанном в среде Matlab 7.1 программном модуле (блок 15).
Прогнозирование с использованием многослойной нейронной сети, прошедшей обучение на исходных данных
Для экспериментального исследования качества прогнозирования результатов дистанционной ультраволновой литотрипсии разработан программный пакет в среде Matlab 7.1 с использованием пакетов NN Tool и Fuzzy Logic Toolbox, позволяющий выполнять интерактивное моделирование каждого из этапов построения гибридной решающей системы с визуальным отображением промежуточных результатов моделирования, построение нечетких функций принадлежности по каждому из признаков объектов в интерактивном режиме с графическим отображением вида функции в зависимости от заданных параметров, а также составление комбинированных функций принадлежности. Рассмотрены основные функциональные возможности разработанной программы и реализованный графический интерфейс пользователя, представляющий собой пять взаимосвязанных модулей.
На основе специализированного типа значений cell системы Matlab 7.1 разработана структура данных, позволяющая осуществлять хранение в одной переменной всех настроек моделируемой гибридной системы и числовых значений вычислений на каждом из этапов ее построения и получать быстрый доступ к требуемой информации с помощью использования именованных ячеек. - Выполнено прогнозирование результатов дистанционной ударно-волновой литотрипсии с использованием технологий обучения нейронных сетей и построения нечеткого логического вывода и рассчитаны показатели эффективности прогнозирования для каждого из указанных методов. При выполнении прогнозирования с использованием нейронной сети диагностическая эффективность составила 0.68, при использовании механизмов нечеткой логики получена диагностическая эффективность 0.82. - Выполнено прогнозирование результатов дистанционной ударно-волновой литотрипсии при помощи разработанной гибридной системы у 90 пациентов контрольной выборки, данные которых не использовались для 108 обучения системы и рассчитана эффективность работы построенной системы. При использовании гибридной системы прогнозирования диагностическая эффективность составила 0.91, что значительно выше показателей рассмотренных выше методов. Это позволило сделать вывод о том, что использование полученной системы для прогнозирования результатов дистанционной ударно-волновой литотрипсии является целесообразным. Предлагаемая работа посвящена разработке способа прогнозирования исхода дистанционной ударно-волновой литотрипсии, использующего гибридные технологии нечеткой логики и нейронных сетей, что позволит предупредить возникновение осложнений различной степени тяжести, оценить необходимость проведения предварительной терапии и повысить качество оказания медицинских услуг. В работе получены следующие основные результаты: 1. Сформировано пространство информативных признаков, используемых во врачебной практике для первоначального прогноза результатов ДУВЛ и разработан способ формализации клинического опыта врача-уролога с помощью технологий нечеткой логики, заключающийся в использовании комбинации двух нечетких функций для описания одного признака и введением весовых коэффициентов для каждой из построенных функций, что позволило отразить существующие экспертные оценки в рассматриваемой области. 2. Построена структура гибридной решающей системы для прогнозирования результатов ДУВЛ с многоуровневой системой агрегаторов, позволяющая выполнять анализ сформированного признакового пространства. 3. Построен алгоритм автоматизированного синтеза агрегаторов решающей системы, основанный на применении генетического алгоритма, позволяющий выполнять автоматический подбор сочетания нечетких операций и порядка объединения функций принадлежности для расчета коэффициентов уверенности принадлежности объекта к каждому из классов. 4. Разработан способ дефуззификации нечетких коэффициентов уверенности в модели нечеткого логического вывода с помощью обучаемой нейронной сети, что позволило улучшить качество работы системы в сравнении с известными системами нечеткого вывода. 5. Разработан программный пакет в среде Matlab 7.1, осуществляющий интерактивное моделирование каждого из этапов построения гибридной решающей системы с визуальным отображением промежуточных результатов моделирования, построение нечетких функций принадлежности по каждому из признаков объектов в интерактивном режиме с графическим отображением вида функции в зависимости от заданных параметров, а также составление комбинированных функций принадлежности для корректного описания признаков с бимодальным распределением. 6. Выполнена апробация разработанной системы с использованием контрольной выборки историй болезней пациентов урологического отделения больницы скорой медицинской помощи №1 г. Курска. При использовании гибридной системы прогнозирования значение диагностической эффективности составило 0.91, что значительно выше показателей методов прогнозирования, основанных на технологиях обучения нейронных сетей и нечеткого логического вывода в отдельности.
