Медико-социальное значение болезней органов дыхания в современных условиях велико и определяется, прежде всего, их крайне высокой частотой среди различных контингентов населения. Болезни органов дыхания по уровню заболеваемости и по распространенности занимают первое место. Согласно статистике, сегодня на долю органов дыхания приходится около 40 % всех случаев заболеваемости, которая превосходит уровни заболеваемости другими классами болезней. В структуре причин обращаемости за медицинской помощью их удельный вес на различных территориях составляет от 29,2 до 43,5 % среди взрослых и от 65,4 до 83,8 % - среди детей. Своевременная диагностика и лечение заболеваний легочных болезней на ранней стадии может сохранить здоровье человека и предотвратить возникновение хронических заболеваний, а также поможет начать незамедлительное их лечение. Поэтому разработка информационно-программного обеспечения, используя нейросетевое моделирование, является актуальной задачей. Выделение топологических групп по легочным заболеваниям проводилось с использованием самоорганизующихся карт Кохонена. По результатам классификации было проведено обучение нейронных сетей, используя алгоритм «многослойного персептрона» методом «обратного распространения», и получены математические модели. Разработанная система для диагностики легочных заболеваний на основе нейросетевого моделирования с высокой точностью способна определять такие болезни, как пневмония, COVID-19, туберкулез и рак легких. По данным, полученным в результате исследования, можно судить о перспективности внедрения инновационных технологий, таких, как нейронные сети, в область медицины. Программное обеспечение, полученное на основе нейросетей, способно ускорить процессы постановки диагноза, тем самым оно оптимизирует работу медицинских учреждений The medical and social significance of respiratory diseases in modern conditions is great and is determined, first of all, by their extremely high frequency among various contingents of the population. Respiratory diseases in terms of incidence and prevalence occupy the first place. According to statistics, today the respiratory organs account for about 40% of all cases of morbidity, which exceeds the incidence rates of other classes of diseases. In the structure of the reasons for applying for medical care, their share in various territories ranges from 29.2 to 43.5% among adults and from 65.4 to 83.8% among children. Timely diagnosis and treatment of lung diseases at an early stage can save a person's health and prevent the occurrence of chronic diseases, as well as help to begin immediate treatment. Therefore, the development of information software using neural network modeling is an urgent task. The selection of topological groups for pulmonary diseases was carried out using Kohonen's self-organizing maps. Based on the classification results, neural networks were trained using the “multilayer perceptron” algorithm using the “back propagation” method and mathematical models were obtained. The developed system for diagnosing lung diseases based on neural network modeling is capable of detecting diseases such as pneumonia, COVID-19, turbeculosis, and lungs' cancer. According to the data obtained as a result of the study, one can judge the prospects for the introduction of innovative technologies, such as neural networks, in the field of medicine. The software obtained on the basis of neural networks is able to speed up the process of making a diagnosis, thereby optimizing the work of medical institutions
Врачи ставят диагнозы, проводят лечение и консультируют людей с заболеваниями, недугами и травмами. Их многочисленные обязанности включают осмотр пациентов, сбор информации о больных, проведение диагностических тестов и непосредственное лечение болезней. Чтобы помочь врачам и освободить их время, разрабатывают программные модули, которые на основе введенных специалистом данных, ставят диагноз. В статье рассматривается создание и работа такого программного продукта для определения заболеваний сердечно-сосудистой системы, указаны входные и выходные данные системы, приведены архитектуры нейросетей, определены их математические модели, а также получено дерево решений составлена блок-схема работы программы, с помощью Delphi разработан ее интерфейс. Вместе с тем проанализирован рынок предложений и составлена таблица сравнения разработанной программы с двумя существующими аналогами. Целью является разработка моделей и алгоритма, обеспечивающих повышение эффективности процесса диагностики сердечно-сосудистых заболеваний. Болезни сердца относятся к самым распространенным среди взрослого населения, при этом профессия и возраст пациента последнее время играют не такую важную роль, как раньше. Чтобы предупредить развитие возможных осложнений в виде инфаркта и внезапной остановки сердца, стоит прислушиваться к своему организму и следить за симптомами сердечных патологий. Основной целью создания программного продукта является ускорение процесса прогнозирования развития сердечно-сосудистого заболевания Doctors diagnose, treat and consult people with diseases, ailments and injuries. Their many responsibilities include examining patients, collecting information about patients, conducting diagnostic tests and directly treating diseases. To help doctors and free up their time, they develop software modules that, based on the data entered by a specialist, make a diagnosis. The article discusses the creation and operation of such a software product for determining diseases of the cardiovascular system, the input and output data of the system are indicated, the architectures of neural networks are given, their mathematical models are determined, and a decision tree is obtained, a flowchart of the program is compiled, its interface is developed using Delphi. At the same time, the market of offers has been analyzed and a comparison table of the developed program with two existing analogues has been compiled. The aim is to develop models and an algorithm to improve the efficiency of the process of diagnosis of cardiovascular diseases. Heart diseases are among the most common among the adult population, while the profession and age of the patient have recently played a less important role than before. To prevent the development of possible complications in the form of a heart attack and sudden cardiac arrest, you should listen to your body and monitor the symptoms of cardiac pathologies. The main purpose of creating a software product is to accelerate the process of predicting the development of cardiovascular disease
В статье рассматриваются вопросы диагностики заболеваний легких, таких как кавернозный, инфильтративный, очаговой, диссеминированный туберкулез, онкология и пневмония. Медико-социальное значение болезней органов дыхания в современных условиях велико и определяется, прежде всего, их крайне высокой частотой среди различных контингентов населения. Учитывая значимость дыхания для организма, необходимо вовремя выявлять различные патологии и применять незамедлительные меры лечения. Одним из средств повышения эффективности диагностики данных патологий является автоматизация обработки диагностических данных с использованием современных технологий, а также создание компьютерной системы поддержки принятия решений, которая принимала бы во внимание большой объем диагностической информации и исключала ошибки субъективного характера. Выделение топологических групп по легочным заболеваниям проводилось с использованием самоорганизующихся карт Кохонена. По результатам классификации было проведено обучения нейронных сетей, используя алгоритм «многослойного персептрона» методом «обратного распространения», и получены математические модели. В медицинской практике постоянно следует учитывать то обстоятельство, что достоверные и адекватные медицинские данные, например, лабораторные анализы, результаты инструментального диагностического исследования, данные опроса больного или физикального исследования, потеряют свою актуальность, если информационный процесс длительно растянут по времени. Разработанные нейросетевые модели, были реализованы в информационно-программном обеспечении, которое позволит повысить эффективность процесса диагностики заболеваний легких The article deals with the diagnosis of lung diseases such as cavernous, infiltrative, focal, disseminated tuberculosis, oncology and pneumonia. The medical and social significance of respiratory diseases in modern conditions is great and is determined, first of all, by their extremely high frequency among various contingents of the population. Given the importance of breathing for the body, it is necessary to timely identify various pathologies and apply immediate treatment measures. One of the means of increasing the efficiency of diagnosing these pathologies is the automation of the processing of diagnostic data using modern technologies, as well as the creation of a computer decision support system that would take into account a large amount of diagnostic information and exclude subjective errors. The selection of topological groups for pulmonary diseases was carried out using self-organizing Kohonen maps. Based on the classification results, neural networks were trained using the "multilayer perceptron" algorithm by the "backpropagation" method and mathematical models were obtained. In medical practice, one should constantly take into account the fact that reliable and adequate medical data, for example, laboratory tests, the results of an instrumental diagnostic study, data from a patient survey or physical examination, will lose their relevance if the information process is prolonged for a long time. The developed neural network models were implemented in information and software that will improve the efficiency of the process of diagnosing lung diseases
В статье рассматриваются методы кластерного и дискриминантного анализа для построения математических моделей диагностики гинекологических заболеваний. Гинекологические патологии занимают значительное место в структуре заболеваемости у женщин. Между тем, точная дифференциальная диагностика патологий зачастую бывает, невозможна, так как гинекологические заболевания носят вероятностный характер, большинство диагностических признаков выражаются качественными показателями, которые индивидуальны для каждой пациентки. Лечащему врачу приходится решать сложную задачу по анализу клинических, лабораторных и инструментальных признаков для постановки точного диагноза. С применением аппарата сетей Петри произведено построения модели дифференциальной диагностики гинекологических заболеваний. На основе полученных математических моделей, сформирована структура и информационно-программное обеспечение для системы диагностики гинекологических заболеваний в медицинских организациях. Внедрение разработанного программного продукта в медицинскую структуру позволит уменьшить вероятность врачебной ошибки, а также повысить эффективность и точность постановки диагноза пациенткам The article discusses the methods of cluster and discriminant analysis for constructing mathematical models for the diagnosis of gynecological diseases. Gynecological pathologies occupy a significant place in the structure of morbidity in women. Meanwhile, accurate differential diagnosis of pathologies is often impossible, since gynecological diseases are of a probabilistic nature, most of the diagnostic signs are expressed in qualitative indicators that are individual for each patient. The attending physician has to solve a complex task of analyzing clinical, laboratory and instrumental signs to make an accurate diagnosis. Using the apparatus of Petri nets, a model for the differential diagnosis of gynecological diseases was constructed. On the basis of the obtained mathematical models, the structure and information software for the system of diagnostics of gynecological diseases in medical organizations was formed. The introduction of the developed software product into the medical structure will reduce the likelihood of medical error, as well as increase the efficiency and accuracy of diagnosing patients
В статье рассматривается один из подходов к анализу и принятию решения по постановке диагноза пациентам, имеющим заболевания щитовидной железы, основанный на многокритериальном методе - методе ранжирования альтернатив на множестве лингвистических векторных оценок. В работе приводится теоретический анализ ситуации в мире в области эндокринных заболеваний и обоснование выбора метода. Показывается преимущество применения именно метода ранжирования альтернатив на множестве лингвистических векторных оценок в области медицины. Проведен наглядный расчет случая с входными данными пациента и выведен диагноз. Таким же образом были проведены расчеты с тестовой выборкой пациентов. По результатам получены высокие прогностические способности для использования модели. Выведены математические модели, которые в последствии реализованы в информационно-программное обеспечение, повышающее эффективность процесса прогноза осложнений инфаркта миокарда. Внедрение разработанной системы позволит медицинским организациям повысить оперативность и точность предварительной диагностики пациентов The article considers one of the approaches to the analysis and decision - making on the diagnosis of patients with thyroid diseases, based on a multi-criteria method-the method of ranking alternatives on a set of linguistic vector estimates. The paper provides a theoretical analysis of the world situation in the field of endocrine diseases and justifies the choice of the method. The advantage of using the method of ranking alternatives on a set of linguistic vector estimates in the field of medicine is shown. A visual calculation of the case with the patient's input data was performed and the diagnosis was derived. In the same way, calculations were performed with a test sample of patients. Based on the results, we obtained high predictive abilities for using the model. Mathematical models are derived, which are subsequently implemented in information software that increases the efficiency of the process of predicting complications of myocardial infarction. Implementation of the developed system will allow medical organizations to increase the efficiency and accuracy of preliminary diagnostics of patients
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.