Модели, методы и программы для развития медицинской информационной системы прогноза ретинопатии

• Автор: Марчук, Юрий Владимирович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Екатеринбург
• Количество страниц: 139 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1 АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМАТИКИ ПРИМЕНЕНИЯ
МЕТОДОВ, МОДЕЛЕЙ И СРЕДСТВ ИНФОРМАЦИОННОПРОГРАММНОЙ ПОДДЕРЖКИ ПРОГНОЗИРОВАНИЯ РЕТИНОПАТИИ (литературно-аналитический обзор с
выходом на пакет прототипов)
1Л Способы диагностики и прогнозирования ретинопатии
недоношенных
1.2 Применение математических подходов и методов для
прогнозирования патологического процесса
1.3 Информационно-программные средства поддержки
прогнозирования PH
1.4 Пакет прототипов, его критика и предполагаемые решения
1.5 Результаты и выводы по главе
2 ДЕКОМПОЗИЦИЯ ЗАДАЧ И ПОЛУФОРМАЛИЗОВАННОЕ
МОДЕЛИРОВАНИЕ ОСНОВНЫХ ОБЪЕКТОВ ИССЛЕДОВАНИЯ
2.1 Декомпозиция задач: первое рассмотрение и цикличность
2.2 Полуформализованные модели
2.2.1 Пакет концептуальных моделей МИС и МИС ПРН
2.2.2 Пакет системно-структурных моделей МИС ПРН
2.2.3 Пакет алгоритмических моделей функционирования МИС ПРН
2.4 Математическая постановка задач классификации и прогноза
2.5 Результаты и выводы по главе
3 МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ
КЛАССИФИКАЦИИ И ПРОГНОЗА
3.1 Моделирование процедуры исключения малоинформативных
признаков
3.2 Математические модели для решения исходных задач
3.2.1 Модель ранжирования факторов по дискриминантным возможностям
3.2.2 Модель дихотомического «грубого» прогноза «да/нет»
3.2.3 Модель прогноза легкой, средней и тяжелой форм патологии
3.2.4 Модель применения кластерного анализа для усиления межгрупповых различий
3.2.5 Модель «тонкого» прогноза (между 4 и 5) тяжелых степеней
3.2.6 Модель разрешения пограничных ситуаций в ответах
решающего правила
3.2.7 Оценка точности результатов классификации и прогноза
3.3 О матрице связи
3.4 Результаты и выводы по главе
4 РАЗРАБОТКА И РЕАЛИЗАЦИЯ МИС ПРН
4.1 Этапы и стадии создания МИС ПРН
4.2 Информационная модель БД

4.3. Структура программного продукта
4.4 Реализация программы «СитЯМ» и описание интерфейса
пользователя
4.5 Результаты и выводы по главе
5 ИСПЫТАНИЕ И ВНЕДРЕНИЕ МИС ПРН
5.1 Оценка динамики готовности прогноза
5.1.1 Эмпирические данные
5.1.2 Математическая модель (Т)
5.2.Примеры клинических испытаний
5.3 Материалы внедрений
5.4 Результаты и выводы по главе
ЗАКЛЮЧЕНИЕ
Библиографический список
ПРИЛОЖЕНИЯ
Приложение
Приложение
Приложение
Список наиболее часто встречающихся сокращений и обозначений
БД - база данных, ГВ - гестационный возраст, ДА - дискриминантый анализ, КА - кластерный анализ, КЛДФ - канонические линейные дискриминантные функции, ЛКФ - линейные классифицирующие функции, МТ - масса тела, МИС ПРН - медицинская информационная система прогноза ретинопатии недоношенных, PH - ретинопатия недоношенных, РП - решающее правило, Бе - чувствительность, Бр -специфичность, Я - расстояние от объекта до центроида класса; матрица связи, У - значение ЛКФ, X; — признак, Зххх- задача, I - интегральный показатель качества решения задачи I, - частный показатель качества решения задачи, а - вес, I - время прогноза, т - оперативность прогноза, В - погрешность оценок, У - готовность прогноза.

качество диалога врача и компьютера с целью повышения точности выявления риска и устранения негативных последствий гипердиагностики.
2.2.2 Пакет системно-структурных моделей МИС ПРН
На основе концептуальных моделей для решения первой вспомогательной задачи 3] разработан пакет системно-структурных и алгоритмических моделей МИС прогноза PH. Прототип 0-го ранга (см. табл. 2) и предлагаемое решение представлены в виде системно-структурной модели, ориентированной на поддержку деятельности врачей при прогнозировании исходов заболевания (рис. 2).
Рис. 2 Системно - структурная модель МИС ПРН (прототип и предлагаемое решение:
уголки, фон, жирная стрелка)
Подсистемы: 1 - сбора данных, 2 - выявления специфики и объединения данных, 3 - дихотомического прогноза 1 (профильными специалистами), 4 - оценки прогноза, 5 - прогноза 2 (профильными специалистами при поддержке медицинской инженерии), 6,8 - интерфейсов, 7 - прогноза 3 (для «тонких» степеней)
Предлагаемое решение состоит во введении подсистемы 7 и модернизации подсистем 2-5. Структурная схема и системно-структурные модели подсистем приведены на рис. 3-7.
Рис. 3 Схема объединения разрозненных данных подсистемы 2 (см. рис. 1) из автоматизированных систем учёта пациентов группы риска. ЭБЬ ЭБг -эмпирические базы, ПО - программное обеспечение.