Методы, модели и алгоритм прогнозирования и диагностики холецистита на основе комбинированных правил принятия решений

• Автор: Шехине, Мохамад Туфик
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Курск
• Количество страниц: 136 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА
ЗАДАЧ ИССЛЕДОВАНИЯ
Г Л'. Этиология и патогенез острого холецистита
1.2. Современные методы-диагностики и лечения холециститов
1.3. Математические методы и информационные технологии в решении; задачах прогнозирования и диагностики заболеваний;
1.4. Цель и задачи исследования
2. МЕТОДЫ И МОДЕЛИ ПРОГНОЗИРОВАНИЯ И ДИФФЕРЕ1 ЩИАЛЬИОЙ ДИАГНОСТИКИ ОСТРОГО ХОЛЕЦИСТИТА
2.1. Применение методов рефлексодиагностики для прогнозирования
и ранней диагностики холецистита: Синтез меридианной1 модели
2.2. Синтез комбинированных решающих правил для прогнозирования
и ранней диагностики острого холецистита
2.3. Методы синтеза решающих правил для оценки степени тяжести острого холецистита на основе анализа показателей, характеризующих системные взаимосвязи
2.4. Выводы второй главы
3. РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДДРЖКИ ПРИНЯТИЯ РЕШЕРШЙ ПО ВЕДЕНИЮ
БОЛЬНЫХ С ЗАБОЛЕВАНИЕМ ХОЛЕЦИСТИТ. ,
3.1..Синтез.правил нечеткого вывода для оценки степенитяжести острого холецистита на основе прогностических таблиц
3.2. Разработка алгоритма управления процессами,принятия решений? при ведении больных с холециститом
3.3. Структура программного обеспечения системы поддержки принятия решений врача-гастроэнтеролога
3.4. Выводы третьей главы
4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
4 Л. Результаты экспериментальной проверки правил
прогнозирования возникновения острого холецистита
4.2. Результаты экспериментальной проверки правил для ранней диагностики холециститов
4.3. Результаты экспериментальной проверки правил определения степени тяжести острого холецистита
4.4. Выводы четвертой главы
ЗАКЛЮЧЕНИЕ
БИЛИОГРАФИЧЕСКИЙ СПИСОК

ВВЕДЕНИЕ
Актуальность темы. По мнению ведущих отечественных и зарубежных ученых начало нового века характеризуется все возрастающим подъемом биомедицинских наук. Обобщаются знания, накопленные в биологии, биофизике, биохимии, математике, информатике, медицине, экологии:и многих других, достаточно далеких друг от друга областях человеческой; деятельности, и все это-происходит на фоне прорыва в области новых информационных технологий.
Мировой опыт показывает, что» эффективный анализ состояния; и-ь' управления здоровьем такого сложного биообъекта как человек возможны; только на основе современных; математических методов с активным привлечением; информационных технологий.
К одной из ; проблемных областей медицины относят желчекаменную болезнь (ЖКБ) и тесно связаииые с ней хронический калькулезный и: острый холецистит, которые являются-, одной; из; актуальных проблем. экстренной и плановой хирургии. Желчекаменная; болезнь встречается у 10-15% взрослого населения- жителей Европы. В' России распространенность ЖКБ колеблется в > пределах 3-12% взрослого населения. Острый холецистит вышел на 2-е место; в . ургентной хирургической патологии. Диагностика ЖКБ по клиническим данным; без применения; специальных методов; исследования бывает существенно-затруднена. Около-80% больных даже на- стадии холецистолитиаза. не предъявляют жалоб, характерных для-ЖКБ, а желчные камни являются «случайной находкой».
Таким образом, актуальность,темы,исследования; определяется необходимостью повышения-, качества прогнозирования - возникновения; и определения степени тяжести больных острым холециститом на основе методологии системного анализа, реализуемого средствами; математического моделирования и вычислительной техники. В диссертационной работе используются такие традиционные для медицины показатели качества как; диагностические чувствительность, специфичность и эффективность, прогностическая; значи-
теистические, логические, теоретико-множественные, статистические и аналитические.
К эвристическим методам, направленным на активизацию использования интуиции и опыта специалистов относятся методы: мозгового штурма, сценариев, экспертных оценок, «Дельфи», «прогнозного графа», структуризации («дерево целей»), морфологический подход, решающие матрицы.
В медицинской практике большой процент прогностических задач формируется так, что для получения требуемого результата используются эмпирические (эвристические) правила. Такая ситуация характерна в основном, для описательных наук (к которым относятся'медицинские науки), в-ко-торых для получения результата используются-обычно не вычисления, а последовательность рассуждений. Результат при этом представляется в виде некоторого суждения, устанавливающего принадлежность соответствующему классу. В качестве решающих правил в этой ситуации применяют правила четкого и нечеткого логического вывода, получаемые на основе литературных данных, отражающих обобщенный многолетний врачебный опыт, или опросом квалифицированных экспертов. В результате обычно строится ие: рархическая древовидная структура, «корнем» которой является показатель интенсивности нозологической формы, а конечными элементами - причины болезни.
В ситуации, когда используется вероятностное задание признаков, и классов, решается вопрос о возможности и целесообразности построения наилучших решающих правил на основе детального анализа признакового пространства путем построения функции плотности вероятности и получения надежных оценок априорных вероятностей. Классифицируемый объект счи1 тается принадлежащим к тому образу, плотность объектов которого наивысшая в данной точке описания.
Однако на практике плотности распределения вероятностей, особенно в поликлинических приложениях, получить очень сложно, поэтому формируются специальные таблицы экспериментальных данных (ТЭД) ограничен-