Методы формализации профессионального знания врача в задачах медицинской диагностики

Методы формализации профессионального знания врача в задачах медицинской диагностики

Автор: Котов, Юрий Борисович

Шифр специальности: 05.13.18

Научная степень: Докторская

Год защиты: 2002

Место защиты: Москва

Количество страниц: 396 с. ил.

Артикул: 2615826

Автор: Котов, Юрий Борисович

Стоимость: 250 руб.

Содержание диссертации.
Введение.
Глава 1. Основные понятия и элементы.
1.1 Особенности медицинских задач и данных.
1.2 Типовые подзадачи
1.3 Диагностические игры.
1.4.0 непараметрической статистике.
1.4.1. Квантильные точки распределения.
1.4.2. Таблица сопряженности 2x2.
1.4.3. Характеристики таблицы 2x2, используемые в медицине.
1.4.4. Критерий х2 для таблицы 2x2.
1.4.5. Точный метод Фишера ТМФ.
1.4.6. Критерий х2 общего вида.
1.4.7. Критерий ВилкоксонаМаннаУитни УМУ.
1.4.8. Критерий Смирнова.
1.4.9. Ранговые меры связи двух выборок.
1.4 Непараметрическая регрессия.
1.4 Критерий множественного сравнения Краскела Уоллиса.
1.4 Критерий Данна.
1.4 О множественности критериев.
1.5 Об использовании классических функций распределения.
1.6 Нормативы численных переменных.
1.6.1. Пороговые значения.
1.6.2. Пороги, зависящие от параметра.
1.6.3. Серийные нормативы.
Глава 2. Моделирование как инструмент выработки и уточнения базовых понятий.
2.1. Примеры динамических моделей
2.1.1 Раскрытие родового канала.
2.1.2 Фибринолиз в тонком слое.
2.2. Модели динамики параметров популяции, скользящие нор мативы.
2.3. Модель отбора информации, используемой экспертами.
Глава 3. Логические симптомы.
3.1. Симптомы в задачах классификации.
3.2. Чистые классы.
3.3. Частичная классификация.
3.4. Построение маски по симптомам.
3.5. Быстрый алгоритм генерации маски.
3.6. Построение маски наследованием.
3.7. Использование симптомных моделей при анализе наблюде
3.8. Примеры подбора симптомов для разделения классов.
3.9. Заключение.
Глава 4. События, динамический сценарий.
4.1. Факты.
4.2. Свойства фактов.
4.3. Факты для прогнозирования итога.
4.4. События.
4.5. Использование сценариев при анализе наблюдений и выво
дов врача.
Глава 5. Программные инструменты.
5.1. Базы данных.
5.2. Калькулятор над базой данных .
5.3. Программа подготовки текстов для диагностических игр
5.4. Программа контроля и первичного анализа .
5.5. Программа анализа числовых переменных 2.
5.6. Программа графического сопровождения .
5.7. Программа симптомного анализа .
5.8. Программа регрессий и скользящих нормативов .
5.9. Комплекс анализа сценариев и событий .
5 Заключение.
Глава 6. Прогноз гипертензии после операции коарктации аорты.
6.1. Медицинская постановка.
6.2. Информационные задачи.
6.3. Формирование классов.
6.4. Сравнение устойчивых классов.
6.5. Итог.
Глава 7. Плацентарная недостаточность.
7.1. Медицинская постановка.
7.2. Информационные задачи.
7.3. Организация клинических данных.
7.4. Практическое решение задачи о раннем прогнозе задержки внутриутробного развития плода ЗВУР.
7.5. Итог.
Глава 8. Выбор тактики родов у женщины с рубцом на матке.
8.1. Медицинская постановка.
8.2. Материал.
8.3. Информационные задачи.
8.4. Стратегия принятия решения.
8.5. Роль различных сведений в принятии решения.
8.6. Первый этап. Первичное обследование.
8.7. Второй этап. Состояние перед родами.
8.8. Третий этап. Активная фаза родов.
8.9. Медицинский итог.
8 Заключение.
Глава 9. Выработка тактики ведения беременных с сахарным диабетом при отсроченном результате лечения.
9.1. Медицинская постановка.
9.2. Информационные задачи.
9.3. Прогноз по состоянию свертывающей системы крови.
9.4. Прогноз по уровням гормонов, сахарам крови и ультразвуковым размерам плода.
9.5. Прогноз по динамике массы тела матери.
9.6. Плацентарная недостаточность при беременности, отягощенной сахарным диабетом.
9.7. Итог.
Глава . Классификация тяжести состояния новорожденных у матерей с сахарным диабетом.
.1. Медицинская постановка.
.2. Информационные задачи.
.3. Врачебная классификация.
.4. Выделение представителей крайних классов.
.5. Промежуточные градации.
.6. Укрупнение классов.
.7. Формальный анализ динамики состояния.
.8. Факты и события.
.9. Классификация на основе событий.
Итог.
Глава . Согласование решений экспертов при освоении нового 5 сегмента профессиональной области.
.1. Информационные задачи.
.2. Медицинская постановка.
.3. Описание процедуры.
.3.1. Решающее правило 1 этапа правило 1.
.3.2. Очное обсуждение.
.3.3. Решающие правила 2 и 3 этапов правила 2 3.
.4. Динамика общей точки зрения экспертов.
.5. Итог.
Глава . Выделение наиболее пострадавшего контингента.
4 .1. Медицинская постановка.
.2. Информационные задачи.
.3 Анализ измененных значений.
.4. Количество напряженных и угнетенных признаков.
.5. Связь численных значений параметров с количеством на 7 пряженных угнетенных параметров.
.6. Итог.
Глава . Геомагнитные возмущения.
.1. Ионосферный ядерный взрыв.
.2. Краткое описание теоретической модели генерации ГМВ
.3. Обработка магнитограмм
.4. Математическая модель
.5. Обсуждение результатов
.6. Итог 1.
.7. Подземный ядерный взрыв без выхода на поверхность.
.8. Общая постановка задачи
.9. Однопараметрическая аппроксимация сигнала
Экспериментальное исследование начальной стадии ГМВ
Обсуждение результатов
Итог 2.
Итог геофизических задач.
Заключение.
Внедрение
ЛИТЕРАТУРА


В итоге коллектив экспертов быстро приходит к общему мнению и вырабатывает неявные критерии оценки изучаемых образцов. Глава затрагивает трудный вопрос для медицинских исследований. Если есть отклонение состояния, выраженное достаточно слабо, как определить характер его связи со здоровьем пациентов Сплошные обмеры, скрининговые исследования дают зашумленный материал. На примере обследования пострадавших при аварии на Чернобыльской АЭС предложен метод, ориентирующийся на выявление максимально пострадавшего контингента. Сравнение этого контингента с остальными условно непострадавшими позволяет выявить эффект воздействия. В главе рассмотрен случай анализа процессов при наличии теоретической модели. Агтпроксимационная модель наблюдаемых записей процесса, использующая частные особенности, почерпнутые из теоретической модели, позволяет оценить параметры объекта. Рассмотрение проведено на двух физических задачах оценки регистрируемых сигналов при ядерных взрывах. Эта глава иллюстрирует возможное использование разработанных методов и программ в другой предметной области естествознания. Глава 1. Основные понятия и элементы. Эта глава носит предварительный характер. В ней рассмотрены особенности медицинских задач и данных. Обсуждается неполнота данных, разночтения в терминологии. Выделены типовые блоки диагностических задач. Кратко описан метод диагностических игр. Введены элементы непараметрической статистики. Описано использование распределения Вейбулла и построение нормативов для численных переменных. Особенности медицинских задач и данных. Для медицинских клинических задач типичен индивидуальный подход к объекту больному . Врач лечит больного, а не болезнь. Эта часть обычно находится в центре внимания врача, но никогда, кроме редких случаев, внимание врача ею не ограничивается. Другие, казалось бы, не участвующие непосредственно в болезненном процессе, органы и системы организма также реагируют на болезнь, лечебные мероприятия или просто на больничную обстановку и непривычный режим жизни. Эта реакция различна у разных больных. Часть усилий врача уходит на стабилизацию состояния организма, компенсацию посторонних изменений. Такой подход порождает определенные особенности типичных информационных массивов. Это вносит существенные трудности в решение задачи о выделении признаков состояния больного стандартными математическими методами. Если же брать только сведения, собранные для всех больных, почти ничего невозможно сказать о состоянии отдельного больного. Тем не менее, проблема должна иметь решение врачи умеют ставить диагнозы и лечить по данным с такой своеобразной структурой. Наиболее общей формой представления сведений о больных является максимально полная таблица, в некоторых клетках которой стоит специальное значение неизвестно 2. Это значение, с одной стороны, указывает на отсутствие информации о конкретном больном, с другой допускает наличие в этой клетке любого корректного значения. Типовая задача распознавания ставится как поиск решающего правила по набору образцов классов . Каждый образец представляет собой объект вектор ху ху, . Требуется на основе этой информации выработать правило, приписывающее любому объекту, для которого известен вектор Хк, значение ук. Правило должно корректно классифицировать любые возможные объекты, в том числе и первоначально предъявленные обучающую выборку. Для большинства программ распознавания наличие неизвестных значений в материале обучения служит серьезным препятствием в их работе. Приходится либо использовагь в обучающей выборке меньшее количество объектов, либо применять искусственные приемы замены неизвестных значений на специально подобранные известные 2. Заметим, что описанная ниже глава 3 процедура выработки решающего правила на основе логических симптомов свободна от этого недостатка. Классы больных относительно некоторого заболевания, состояния организма, варианта лечения, прогноза развития ситуации, и т. Их приходится задавать перечислением списками входящих в них объектов, что обычно удобнее и врачу.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.906, запросов: 244