Применение искусственных нейронных сетей для диагностики заболеваний сердечно-сосудистой системы

• Автор: Гарколь, Наталья Станиславовна
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Барнаул
• Количество страниц: 176 с. : ил

СОДЕРЖАНИЕ
Введение
Г лава 1. Общая характеристика проблемы и основные
направления ее решения
1.1. Патогенез развития атеросклероза
1.2. Методы лабораторного тестирования дислипопротеинемий
1.3. Инструментальные методы диагностики сердечно-сосудистых заболеваний
1.3.1. Метод реографии для выявления нарушений кровотока
1.3.2. Метод электрокардиографии для выявления признаков сердечно-сосудистых заболеваний
1.4. Выбор и обоснование направления исследований
1.5 Выводы
Глава 2. Математические и алгоритмические основы выявления диагностических признаков заболеваний сердечно-сосудистой системы
2.1. Метод классификации многомерных образов на основе обучения искусственной нейронной сети
2.1.1. Метод обратного распространения ошибки для обучения искусственных нейронных сетей
2.1.2. Итеративный самоорганизующийся метод анализа данных
2.1.3. Методы построения функции принадлежности
2.1.2. Метод потенциальных функций для определения областей кластеризации пространства параметров
2.3. Математическая модель реографического сигнала
2.4. Сравнительный анализ погрешностей искусственных нейронных сетей и метода потенциальных функций
2.5. Выводы

Глава 3 . Применение разработанных теоретических положений для выявления диагностических признаков заболеваний сердечно-сосудистой системы
3.1. Применение нейронных сетей для распознавания патологий нарушений кровообращения по реоэнцефалограмме
3.2. Выявление признаков заболеваний сердечно-сосудистой системы по ЭКГ методами распознавания образов
3.3. Применение метода классификации многомерных образов на основе обучения искусственной нейронной сети
3.3.1. Построение обучающей выборки для искусственной нейронной сети по фенотипированию дислипопротеинемий
3.3.2. Построение функции принадлежности нечетких множеств
для описания биохимических профилей
3.4. Выводы
Глава 4. Практическая реализация разработанных теоретических положений по выявлению диагностических признаков сердечнососудистых заболеваний .
4.1. Характеристика функциональной схемы и программного обеспечения комплекса ЭФКР-4
4.2.1. Характеристика программного обеспечения для реографических исследований
4.2.2. Характеристика функциональных возможностей для электрокардиографических исследований
4.2. Описание программного комплекса "Кардио-васкулярный профиль индивидуума"
4.3. Выводы -
Заключение
Список литературы
Приложение

Введение
В настоящее время необходим поиск новых подходов к профилактике сердечно-сосудистых заболеваний (ССЗ) в связи с тем, что именно эти заболевания являются одной из главных причин инвалидизации и смертности населения. Особое значение эта проблема имеет для России, где согласно статистическим сведениям за последние десятилетия отмечается, в отличие от многих цивилизованных стран Европы, очевидный рост смертности, в частности, от ишемической болезни сердца. Рассматривая динамику смертности от сердечно-сосудистых заболеваний у мужчин и женщин среди европейских стран, включая и Россию, прослеживается лидирующее первенство России среди европейских стран [45,48, 52].
Особенно важна профилактическая работа в г. Барнауле, где по статистическим данным смертность от ССЗ в 1998 г. составила 58% [12, 45], в том числе среди трудоспособного населения - 28% (рис. В1).
14,1%

а сердечно-сосудистые заболевания в несчастные случаи □ онкозаболевания Ш другие причины
Рис. В1. Структура общей смертности населения г. Барнаула (1999 г.)

ХЬ...,ХП
-V" к -ук ■

Принадлежность каждого вектора одному из четких классов определяется по функции определения класса у=€(Хь-..,Хп). Число элементов I в обучающей выборке подбирается так, чтобы она содержала наиболее типичных представителей каждого четкого класса.
2. Обучение искусственной нейронной сети.
По построенной выборке выполняется обучение однослойной нейронной сети по методу обратного распространения ошибки. Число входных нейронов равно количеству входных параметров п, число выходных -количеству четких классов к. Для определения числа промежуточных нейронов не существует четких правил, различными авторами предлагаются лишь некоторые простейшие рекомендации [25, 43]. Существуют примеры задач, когда достаточно двух промежуточных нейронов, а также примеры, когда их число должно превышать по крайней мере на порядок размерности входа и выхода [75]. Тем не менее в практических задачах медицинской диагностики количество промежуточных нейронов, равное
10-20, оказывалось достаточным для успешного решения задачи [75].
3. Выбор тестирующей выборки для нейронной сети.
Тестирующая выборка задается из определения значений параметров (Х1,...,Х^) для реальных объектов. В тестирующей выборке должно быть достаточно велико количество объектов, которые трудно однозначно отнести к определенному классу.
4. Построение пространства состояний выходных параметров.
Для каждого входного вектора тестирующей выборки вычисляется
вектор активностей выходных нейронов (а.],...,а]<), который является точками выходного пространства состояний. Часть векторов группируется