Development of an Expert System for Diagnostics of Lung Diseases Based on Neural Network Modeling

Abstract

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