Модели, методы и программы для развития медицинской информационной системы прогноза ретинопатии
Диссертация
Сделан вывод о том, что предложенные модели, методы и разработанные средства информационно-компьютерной поддержки деятельности вра-чей-неонатологов обеспечили развитие МИС ПРН и достаточны для достоверного прогнозирования основных и промежуточных степеней патологии, что существенно улучшает прототипные решения. Результаты применения математического моделирования в медико-биологических… Читать ещё >
Содержание
- 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМАТИКИ ПРИМЕНЕНИЯ МЕТОДОВ, МОДЕЛЕЙ И СРЕДСТВ ИНФОРМАЦИОННО-ПРОГРАММНОЙ ПОДДЕРЖКИ ПРОГНОЗИРОВАНИЯ РЕТИНОПАТИИ (литературно-аналитический обзор с выходом на пакет прототипов)
- 1. 1. Способы диагностики и прогнозирования ретинопатии недоношенных
- 1. 2. Применение математических подходов и методов для. прогнозирования патологического процесса
- 1. 3. Информационно-программные средства поддержки. прогнозирования РН
- 1. 4. Пакет прототипов, его критика и предполагаемые решения
- 1. 5. Результаты и
- выводы по главе 1
- 2. ДЕКОМПОЗИЦИЯ ЗАДАЧ И ПОЛУФОРМАЛИЗОВАННОЕ
- МОДЕЛИРОВАНИЕ ОСНОВНЫХ ОБЪЕКТОВ ИССЛЕДОВАНИЯ
- 2. 1. Декомпозиция задач: первое рассмотрение и цикличность
- 2. 2. Полу формализованные 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 2
- 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 3
- 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 «GimRN» и описание интерфейса. пользователя
- 4. 5. Результаты и
- выводы по главе 4
- 5. ИСПЫТАНИЕ И ВНЕДРЕНИЕ МИС ПРН
- 5. 1. Оценка динамики готовности прогноза
- 5. 1. 1. Эмпирические данные
- 5. 1. 2. Математическая модель W (t)
- 5. 2. Примеры клинических испытаний
- 5. 3. Материалы внедрений
- 5. 4. Результаты и
- 5. 1. Оценка динамики готовности прогноза
- выводы по главе 5
Список литературы
- Rozenbojm J., Palladino E., Azevedo A.C. An expert clinical diagnosis systemfor the support of the primary consultation // Salud. Publica Мех.- 1993.- V.35, N.3.- P.321−325.
- Сайдашева Э.И., Сомов E.E., Фомина H.B. Избранные лекции по неона-тальной офтальмологии. СПб.: Нестор-История, 2006.- С. 127−187.
- Committee for the classification of retinopathy of prematurity Text.: an international classification of retinopathy of prematurity // Arch. Ophthalmol. — 1987. -Vol. 105,№ 7.-P. 906−912.
- Кулакова M.B. Транспупиллярная диодлазеркоагуляция васкулярных зон сетчатки в лечении прогрессирующей ретинопатии недоношенных с различными вариантами течения Текст.: дис.. канд. мед. наук: 14.00.08 / М. В. Кулакова. Екатеринбург. — 2006. — 194с.
- Onofrey С.В. The outcome of retinopathy of prematurity: screening for retinopathy of prematurity using an outcome predictive program Text. / C.B.Onofrey, W.J.Feuer, J.T.Flynn // Ophthalmology. 2001. — Vol. 108, № 1. — P.27−34.
- Патент RU 2 358 656 CI МПК A61B 10/00 (2006.01). Способ диагностики ретинопатии недоношенных IV-V стадий/ Е. В. Аронскинд, В.Н. Шершнев- Уральская государственная медицинская академия. — N2007148117/14- Заяв. 26.12.2007- опубл. 20.06.2009.
- Ann Hellstrom et al. Early weight gain predicts retinopathy in preterm infants: new, simple, efficient approach to screening // Pediatrics. 2009. — Vol. 123(4). -P. 638 — 645.
- Ивахненко А.Г., Мюллер Й. А. «Самоорганизация прогнозирующих моделей» Режим доступа: электронный ресурс. www.gmdh.net/articles/ Шео-гу/zmMul.htm
- Цокова Т.Н., Козлов Л. Б. Разработка математической модели прогнозирования заболеваемости клещевым энцефалитом. Режим доступа: электронный ресурс. www.rae.ru/use/
- Константиновская Л.В. Методы и приемы прогнозирования. Режим доступа: электронный ресурс. www. astronom2000.info/ прогнозирование/гшрр/
- Дж.-О. Ким, Ч. У. Мьюллер, У.Р. Клекка/ Факторный, дискриминантный и кластерный анализ / под ред. И. С. Еникова. М: Финансы и статистика, 1989. -215 с.
- Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Статистика, 1971. — 391 с.
- Боженко В.К., Сотников В. М. Использование многопараметрических методов анализа информации в онкологии. Режим доступа: электронный ресурс. http://vestnik.rncrr.ru/vestnik/v6/papers/bozhenv6.htm
- Поспелов Д.А. Ситуационное управление: Теория и практика. М: Наука. -Гл. ред. физ.- мат. лит., 1986. — 288 с.
- Фомин С. С., Беркинблит М. Б. Математические проблемы в биологии. -М.: Наука, 1973.- 199 с.
- Штейн Л. Б. Опыт прогнозирования в медицине с помощью ЭВМ. Л: ЛГУ им. А. А. Жданова, 1987. -146 с.
- Казанцев В. С. Математические методы и новые информационные технологии в решении медицинских задач: лекции. Екатеринбург: НПЦ Уралмед-соцэкономпроблем, 2002. — 79 с.
- Мазуров В. Д. О плохо формализуемых задачах анализа сложных систем // Математическое моделирование процессов в медицинских и биологических системах. Свердловск: УНЦ АН СССР, 1982. С. 3 — 7.
- Смит Дж. Математические идеи в биологии. -М.: Мир, 1970. 179 с.
- Гридин В.Н. Построение интеллектуальных диагностических систем в медицинских приложениях // Информационные технологии. № 7. — 2007. — С. 5458.
- Г. И. Назаренко, Г. С. Осипов. Основы теории медицинских технологических процессов. М.: ФИЗМАТЛИТ, 2005.-142 с.
- Горелик А. Л. Методы распознавания. М.: Высшая школа, 2004. — 261 с.
- Охтилев М. Ю. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. -410 с.
- Генкин А. А. Новая информационная технология анализа медицинских данных (программный комплекс ОМИС). СПб.: Политехника, 1999. — 250 с.
- Беллман Р. Математические методы в медицине. М.: Мир, 1987. — 200 с.
- Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии. Л.: Медицина, 1990. — 176 с.
- Матус П. П., Рычагов Г. П. Математическое моделирование в биологии и медицине. Минск: Беларуская навука, 1997. 207 с.
- Обзор статистических пакетов Электронный ресурс. Режим доступа: http://www.ase.rU/http://www.nickart.spb.ru/clause/text07.php
- Медицинская информационная система OphthalBase Электронный ресурс. Режим доступа: http://www.ase.ru/
- Медицинская информационная система e-Hospital Офтальмология Электронный ресурс. Режим доступа: http://www.e-hospital.ru/
- Медицинская информационная система Офис-менеджер офтальмология Электронный ресурс. Режим доступа: http://www.wilmark.ru
- Порхачев С.К., Клевакина А. М., Ткаченко Т. Я. Реализация медицинской информационной системы поддержки деятельности офтальмолога // Научные труды X отчетной конференции молодых ученых ГОУ ВПО УГТУ-УПИ: сборник статей. Екатеринбург, 2006. — С. 87−89.
- Гольдштейн C.JI., Печеркин С. С. Системный метод прототипирования // Вестник российской академии естественных наук. № 1. 2010. — С. 45−49.
- Гаврилова Т.А., Горохова В. А., Болотникова Е. С. Оценка когнитивной эр-гономичности онтологии на основе анализа графа. // Искусственный интеллект и принятие решений. № 3. — 2009. — С. 33−41.
- Гаврилова Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. СПб.: Питер, 2001.-384 с.
- Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. — 528 с.
- Гольдштейн C.JT. Системная интеграция бизнеса, интеллекта, компьютера. Екатеринбург: ИД «ПироговЪ», 2006. — 392 с.
- Мазуров В.Д. Математические методы распознавания образов. Екатеринбург: изд-во Урал, ун-та, 2010.- 101с.
- Гимадеев Ш. М. Интеграция источников медицинской информации: цели и методология. Электронный ресурс. Режим доступа: www. emm.infomed.su/articles/
- Приказ МЗ РФ N 457 от 28.12.2000 г. «О совершенствовании пренатальной диагностики в профилактике наследственных и врожденных заболеваний у детей».
- Вараксин А.Н., Панов В. Г., Казмер Ю. И. Статистические модели с коррелированными предикторами в экологии и медицине. Екатеринбург: издательство Уральского университета, 2011. — 141с.
- Боровиков В.П., Боровиков И.П. STATISTICA. Статистический анализ и обработка данных в среде Windows. М.: информационно-издательский дом «Филинь», 1997. — 608 с.
- Юнкеров В.И. Математико-статистическая обработка данных медицинских исследований. СПб: Военно-медицинская академия, 2002.- 267 с.
- Клекка У.Р. Факторный, дискриминантный и кластерный анализ // Пер. с англ. А. М. Хотинского, С. Б. Королёва, под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. — 215 с.
- Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: изд-во Ин-та математики, 1999. — 266 с.
- Вълев В. Задачи распознавания с большими массивами обучающей информации метод выбора существенных подзадач // Сб. докладов юбилейной научной сессии. — Шумен, 1982. — С. 195−204.
- Янковская А.Е., Муратова Е. А., Берестнева О. Г. Извлечение знаний с применением алгоритма адаптивного кодирования разнотипной информации // Искусственный интеллект (Донецк). 2002. — № 2. — С.315−322.
- Муратова Е.А., Берестнева О. Г., Янковская А. Е. Эффективный алгоритм адаптивного кодирования разнотипной информации // Искусственный интеллект в XXI веке. Труды межд. конгресса. Том 1. — М.: Физматлит, 2001. С. 155−156.
- Айвазян С.А., Мхитарян.В. С. Прикладная статистика и основы эконометрики.- М.: Юнити. 1998.-1022 с.
- Ту Дж., Гонсалес Р. Принципы распознавания образов.- М.: Мир, 1978. -411 с.
- Лбов Г. С. Методы обработки разнотипных экспериментальных данных. -Новосибирск: Наука, 1981. 158 с.
- Кельмансон И.А. Принципы доказательной педиатрии. СПб.: Фолиант, 2004. — 240 с.
- Терехов А. А., Туньон В. Современные модели качества программного обеспечения. BYTE / Россия, 1999 г., № 12.
- Липаев В.В. Стандартизация характеристик и оценивания качества программных средств. // Приложение к журналу «Информационные технологии», 2001, № 4.
- Munson С. Software Engineering Measurement. Auerbach Publications. Publication Date: 2003. P. 324.
- Ablow C.M., Kaylor D.J. Inconsistent homogenous linear inequalities //Bull, of American Math. Soc. 1965, V.71, № 5. P. 724. (противоречивость информации)
- Попов Э. В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. — 280 с. 61. 1С-АНАЛИТ: Медицинское учреждение. Электронный ресурс. Режим доступа: http://www.analit.ru.
- Кудрин А. Н., Пономарёва Г. Т. Применение математики в экспериментальной и клинической медицине. М.: Медицина, 1967. 356 с.
- ЭВЕРЕСТ программный комплекс для комплексной автоматизации лечебно-профилактических учреждений. Электронный ресурс. — Режим доступа: http://www.ait.ru.
- Ханин М. А., Дорфман Н. Л. Экстремальные принципы в биологии и физиологии. М.: Наука, 1978. — 256 с.
- Лапко А. В. Статистические методы моделирования и принятия решений в развивающихся медико-биологических системах. Новосибирск, 1991. -223 с.
- Лапко A.B., Лапко В. А., Ченцов C.B. Непараметрические модели распознавания образов в условиях малых выборок // Автометрия. 1999. — № 6. — С. 105−113.
- Бейли Н. Математика в биологии и медицине. М.: Мир, 1970. 326 с.
- Мазуров В.Д., Хачай М. Ю. Комитетные конструкции // Известия УрГУ. Математика и механика. 1999. — № 14. -С. 77 — 108.
- Мазуров В.Д., Казанцев B.C., Белецкий Н. Г. Пакет Квазар прикладных программ распознавания образов (версия 2): Информ. материалы по математ. обеспечению. АН СССР. УНЦИММ. Свердловск: Б.и., 1979. — 121 с.
- Черняков М.В. Основы компьютерных систем. М.: Наука, 2004. — 444 с.
- Айвазян С. А. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. — 607 с. 73 .Каримов Р. Н. Основы дискриминантного анализа. Учебно-методическое пособие. — Саратов: СГТУ, 2002. — 108 с.
- Интеллектуальный анализ данных в медицине. Электронный ресурс. -Режим доступа: http://www.magix.fri.uni-lj.si/blaz/papers/encyclopedia2000.pdf.
- Event Discovery in Medical Time-Series Data. Электронный ресурс. Режим доступа: http://www.groups.csail.mit.edu/medg/projects/maita /documents /tsien/D200403 .pdf.
- From Data to Actionable Knowledge: Applying Data Mining to the Problem of Intrusion Detection. Электронный ресурс. Режим доступа: http://www.stottlerhenke.com/papers/icaidataminingintrusiondetection.pdf.
- Rencher Alvin С. Methods of multivariate analysis. copyright John Wiley & Sons, inc. — 2002. — 732 p.
- Дюк В. А. Конструирование психодиагностических тестов: традиционные математические модели и алгоритмы Электронный ресурс. Режим доступа: /http ://www.psyfactor. org/lib/dyuk 1 .htm
- Местецкий JI. M. Математические методы распознавания образов. М: МГУ, 2004. — 85 с.
- Макарчук Т.А. Применение дискриминантного анализа для оценки качества математической подготовки студентов-социологов. Благовещенск: Амурский государственный университет — № 2(10) -2005. — С. 177 — 185.
- Куренков Н. И. Ананьев С.Н. Энтропийный подход к решению задач классификации многомерных данных. // Информационные технологии. 2006. № 8. С. 50−55.
- Судаков P.C., Яцко А. И. Элементы прикладной теории геометрического программирования. М.: Знание, 2004. — 126.
- Миркин Б.Г. Анализ качественных признаков. М.: Статистика, 1980. -319 с.
- Дидэ Э. Методы анализа данных / под ред Айвазяна С. А. и Бухштабера В. М. М.: Финансы и статистика, 1985. — 357с.
- Сакоян С.А. Об оптимальных разбиениях на градации в задачах классификации //Прикладная статистика М.: Наука, 1983. — с. 179−188.
- Rui Xu, D., Wunsch II. Survey of clustering algorithms// IEEE Transactions on Neural Networks, -2005.-v.16, № 3.- p. 645.
- Onofrey C.B. The outcome of retinopathy of prematurity: screening for retinopathy of prematurity using an outcome predictive program / C.B.Onofrey, W.J.Feuer, J.T.Flynn // Ophthalmology. 2001. — Vol. 108, № 1. — P.27−34.
- Система поддержки прогнозирования степени риска развития ретинопатии недоношенных «GimRN 2» / Ю. В. Марчук, М. А. Кожевников, О. П. Ковтун, С.И.Блохина- Свидетельство об официальной регистрации программы для ЭВМ № 2 009 615 071 от 16.09.2009.
- Margaret Sullivan Рере, Mary Lou Thompson Combining diagnostic test results to increase accuracy / Biostatistics. № 1 (2). — 2000. — P. 123−140.
- G. Paone, G. De Angelis. Ameglio Discriminant analysis on small cell lung cancer and non-small cell lung cancer by means of NSE and CYFRA-21.1. Eur Respir J, 1995, p. 235
- Pratul Kumar Saraswatil, Sanjeev V. Sabnis Comparison of CART and Discriminant Analysis of Morphometric Data in Foraminiferal Taxonomy// Anuario do Instituto de Geociencias. -Vol. 29 1. — 2006. — P. 153−162
- Новиков Ф.А. Дискретная математика для программистов: Учебник для вузов. СПб.: Питер, 2009. — 384 с.
- Vaswani М., Rao ravindra V. biochemical measures in the diagnosis of alcohol dependence using discriminant analysis // Indian J Med Sci, Vol. 59. №. 10. — October 2005.-P. 423−430
- Hsinchun С., Sherrilynne S. Knowledge management, data mining, and text mining in medical informatics / medical informatics. 2007. — P. 213−220
- Jiandong Fang Shiaofen Fang Jeffrey Huang Mihran Tuceryan Digital Geometry Image Analysis for Medical Diagnosis // Department of Computer and Information Science Indiana University Purdue University Indianapolis. 2009. — P 723- 743
- Banu DM 1, Songul Albayrak Visualization and analysis of classifiers performance in multi-class medical data // Expert Systems with Applications 34. 2008 — P. 628−634
- Xinying Zhang, Chad L. Myers, S. Y. Kung Cross-weighted fisher discriminant analysis for visualization of dna microarray data // Princeton University. 2009. -159−179
- J. M. Bernardo, M. J. Bayarri, J. O. Berger, A. P. Dawid, D. Heckerman, A. F. M. Smith, M. West bayesian statistics 7 // Proceedings of the Seventh Valencia International Meeting clarendon press. 2003. — P. 369−389
- Mounir MESBAH Latent Regression Models for Measurement in Health // Session Title: Multivariate Statistics Affiliation: LSTA, University Pierre et Marie Curie, Paris, France. 2009. P. 589−590
- George Avery, Jason Lee, Stan Falk, Assessment of Cultural Variation in Medical Laboratories Arkansas Laboratory // Medicine Surveillance Network Survey 6: November, 2001. P. 236−250
- Pekka Sillanaukee, Ulf Olsson Improved Diagnostic Classification of Alcohol Abusers by Combining Carbohydrate-deficient Transferrin and y-Glutamyltransferase // Clinical Chemistry. 2001 P. 681−685
- Aparecida D. P. Souza Helio S. Bayesian binary regression model: an application to in-hospital death after ami prediction // Migon Pesquisa Operacional, v.24, n.2, Maio a Agosto de 2004. P.253−267
- Перегудов Ф.И., Тарасенко Ф. П. Введение в системный анализ. М.: Высшая школа, 1989. 320 с.
- Орлов А.И. Экспертные оценки. Учебное пособие. -М.: 2002. 31 с.
- Журавлев Ю. И. Рязанов B.B., Сенько O.B. Распознавание. Математические методы. Программная система. Практические применения. М: Фазис, 2005. -159 с.
- Мороз А.И. Курс теории систем. М: ВШ, 2001. — 304 с.
- Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. -432 с.
- Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. М.: МедиаСфера, 2002. 312 с.
- Толчеев В.О. Анализ точностных характеристик модифицированного метода ближайшего соседа // Информационные технологии. № 4. 2006. — С. 5257.
- Гридин В.Н. Построение интеллектуальных диагностических систем в медицинских приложениях // Информационные технологии. № 7. 2003. — С. 54−58.
- Математико-статистические методы в клинической практике / Под ред. В. И. Кувакина. СПб.: Б.и., 1993. — 199 с.
- Бабич Т.Н. Применение современных статистических методов в практике клинических исследований. // Украинский медичний часопис. № 2 (40). -2004. С. 138−143
- Горемыкина Е.В., Ковтун О. П., Казанцев B.C. Применение метода распознавания образов для прогнозирования оперативного вмешательства у рожениц с функционально узким тазом. // Вестник уральской медицинской академической науки. № 3, 2006. С. 139−142
- Ушаков И.Б., Богомолов A.B., Кукушкин Ю. А. технология автоматизированной синдромной диагностики заболеваний на основе трехзначной логики. // Информационные технологии. № 7. 2003. — С. 34−44.
- Dorigo V., Di Саго G., Gambardella L. Ant Algorithm for Discrete Oprimization // Artificial Life. 1999. Vol 5 № 3. P. 137−172