Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга
Розроблено ефективну методику визначення зваженої оцінки оптимальних параметрів байєсівської процедури розпізнавання для виявлення запальних процесів за швидкістю осідання еритроцитів (ШОЕ). Реалізовано графічний метод визначення діагнозу за показниками ШОЕ. The effective method is developed for det...
Saved in:
| Published in: | Проблемы управления и информатики |
|---|---|
| Date: | 2009 |
| Main Authors: | , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/209552 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга / А.В. Палагин, Н.Я. Гридина, А.М. Гупал, А.Л. Тарасов // Проблемы управления и информатики. — 2009. — № 3. — С. 136-143. — Бібліогр.: 6 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-209552 |
|---|---|
| record_format |
dspace |
| spelling |
Палагин, А.В. Гридина, Н.Я. Гупал, А.М. Тарасов, А.Л. 2025-11-24T13:32:01Z 2009 Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга / А.В. Палагин, Н.Я. Гридина, А.М. Гупал, А.Л. Тарасов // Проблемы управления и информатики. — 2009. — № 3. — С. 136-143. — Бібліогр.: 6 назв. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/209552 616-006; 007:681.518.2 10.1615/JAutomatInfScien.v41.i5.80 Розроблено ефективну методику визначення зваженої оцінки оптимальних параметрів байєсівської процедури розпізнавання для виявлення запальних процесів за швидкістю осідання еритроцитів (ШОЕ). Реалізовано графічний метод визначення діагнозу за показниками ШОЕ. The effective method is developed for determining the weighted estimate of optimal parameters of Bayesian recognition procedure for determination of inflammatory processes by erythrocyte sedimentation rate. The graphic diagnostic method by erythrocyte sedimentation rate is realized. ru Інститут кібернетики ім. В.М. Глушкова НАН України Проблемы управления и информатики Управление в биологических и природных системах Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга Автоматизована система аналізу показників швидкості осідання еритроцитів при гліомах головного мозку Сomputer-based system of analysis of erythrocyte sedimentation rate factors at brain gliomas Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| spellingShingle |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга Палагин, А.В. Гридина, Н.Я. Гупал, А.М. Тарасов, А.Л. Управление в биологических и природных системах |
| title_short |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| title_full |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| title_fullStr |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| title_full_unstemmed |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| title_sort |
автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга |
| author |
Палагин, А.В. Гридина, Н.Я. Гупал, А.М. Тарасов, А.Л. |
| author_facet |
Палагин, А.В. Гридина, Н.Я. Гупал, А.М. Тарасов, А.Л. |
| topic |
Управление в биологических и природных системах |
| topic_facet |
Управление в биологических и природных системах |
| publishDate |
2009 |
| language |
Russian |
| container_title |
Проблемы управления и информатики |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Автоматизована система аналізу показників швидкості осідання еритроцитів при гліомах головного мозку Сomputer-based system of analysis of erythrocyte sedimentation rate factors at brain gliomas |
| description |
Розроблено ефективну методику визначення зваженої оцінки оптимальних параметрів байєсівської процедури розпізнавання для виявлення запальних процесів за швидкістю осідання еритроцитів (ШОЕ). Реалізовано графічний метод визначення діагнозу за показниками ШОЕ.
The effective method is developed for determining the weighted estimate of optimal parameters of Bayesian recognition procedure for determination of inflammatory processes by erythrocyte sedimentation rate. The graphic diagnostic method by erythrocyte sedimentation rate is realized.
|
| issn |
0572-2691 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/209552 |
| citation_txt |
Автоматизированная система анализа показателей скорости оседания эритроцитов при глиомах головного мозга / А.В. Палагин, Н.Я. Гридина, А.М. Гупал, А.Л. Тарасов // Проблемы управления и информатики. — 2009. — № 3. — С. 136-143. — Бібліогр.: 6 назв. — рос. |
| work_keys_str_mv |
AT palaginav avtomatizirovannaâsistemaanalizapokazateleiskorostiosedaniâéritrocitovprigliomahgolovnogomozga AT gridinanâ avtomatizirovannaâsistemaanalizapokazateleiskorostiosedaniâéritrocitovprigliomahgolovnogomozga AT gupalam avtomatizirovannaâsistemaanalizapokazateleiskorostiosedaniâéritrocitovprigliomahgolovnogomozga AT tarasoval avtomatizirovannaâsistemaanalizapokazateleiskorostiosedaniâéritrocitovprigliomahgolovnogomozga AT palaginav avtomatizovanasistemaanalízupokaznikívšvidkostíosídannâeritrocitívpriglíomahgolovnogomozku AT gridinanâ avtomatizovanasistemaanalízupokaznikívšvidkostíosídannâeritrocitívpriglíomahgolovnogomozku AT gupalam avtomatizovanasistemaanalízupokaznikívšvidkostíosídannâeritrocitívpriglíomahgolovnogomozku AT tarasoval avtomatizovanasistemaanalízupokaznikívšvidkostíosídannâeritrocitívpriglíomahgolovnogomozku AT palaginav somputerbasedsystemofanalysisoferythrocytesedimentationratefactorsatbraingliomas AT gridinanâ somputerbasedsystemofanalysisoferythrocytesedimentationratefactorsatbraingliomas AT gupalam somputerbasedsystemofanalysisoferythrocytesedimentationratefactorsatbraingliomas AT tarasoval somputerbasedsystemofanalysisoferythrocytesedimentationratefactorsatbraingliomas |
| first_indexed |
2025-12-02T23:28:34Z |
| last_indexed |
2025-12-02T23:28:34Z |
| _version_ |
1850441062008487936 |
| fulltext |
© А.В. ПАЛАГИН, Н.Я. ГРИДИНА, А.М. ГУПАЛ, А.Л. ТАРАСОВ, 2009
136 ISSN 0572-2691
УПРАВЛЕНИЕ В БИОЛОГИЧЕСКИХ
И ПРИРОДНЫХ СИСТЕМАХ
УДК 616-006; 007:681.518.2
А.В. Палагин, Н.Я. Гридина, А.М. Гупал, А.Л. Тарасов
АВТОМАТИЗИРОВАННАЯ СИСТЕМА
АНАЛИЗА ПОКАЗАТЕЛЕЙ СКОРОСТИ
ОСЕДАНИЯ ЭРИТРОЦИТОВ ПРИ ГЛИОМАХ
ГОЛОВНОГО МОЗГА
Введение. Общепринятым показателем наличия воспалительного процесса в
организме человека является показатель скорости оседания эритроцитов (СОЭ).
Обычно СОЭ определяется на 60-й минуте и измеряется в миллиметрах. Показа-
тель СОЭ в норме для мужчин — в пределах 1–10 мм, для женщин — 2–15 мм.
В рассматриваемой автоматизированной системе анализируются показатели
модифицированной СОЭ [1] в зависимости от опухолевых процессов в голов-
ном мозге. Глиомы головного мозга различают по степеням злокачественности
(II, III, IV), включая переходные формы (II–III, III–IV). Метастазы считаются бо-
лее злокачественными новообразованиями по сравнению с глиомами головного
мозга и имеют внемозговое происхождение.
Автоматизированная система анализа показателей СОЭ строится на основе
базы данных [1], в которой содержатся показатели клинической СОЭ и модифи-
цированной СОЭ. Из табл. 1 видно, что при всех глиомах и метастазах в головной
мозг показатели клинической СОЭ находятся в норме, т.е. эти показатели не фик-
сируют наличия воспалительных процессов, вызванных глиомами и метастазами
в головной мозг.
Таблица 1
Классификация
опухолей головного
мозга
Количество
анализов СОЭ
Количество показателей
СОЭ, не соответствующих
норме
Процентное соотношение
показателей СОЭ,
не соответствующих норме
Глиомы II степени 9 3 33,3
Глиомы III степени 43 13 30,2
Глиомы II–III степени 14 1 7,1
Глиомы III–IV степени 10 1 10,0
Глиомы IV степени 31 8 25,8
Метастазы 19 7 36,8
Методика определения модифицированной СОЭ разработана с целью повы-
шения чувствительности этих показателей к глиомам и метастазам в головной
мозг. Основой для модифицированного метода стала методика Панченкова [2].
При снятии показателей СОЭ показатель гематокрита крови приводится к 35 %
искусственным путем. Далее в кровь добавляются вещества-добавки, например
растворы: 0,25 %-й верапамил-гидрохлорида (далее — верапамил); 0,1 %-й мова-
лиса (далее — мовалис); 1 %-й NaАТФ (далее — NaАТФ); 3 %-й KCl (далее —
KCl) и т.д. Показатели модифицированного СОЭ для этих растворов фиксируются
через каждые 5 мин до 90-й минуты включительно. Последний показатель СОЭ
снимается через сутки. Температура, при которой снимаются показатели СОЭ, со-
ставляет 37С, что соответствует температуре тела здорового человека.
Проблемы управления и информатики, 2009, № 3 137
На рис. 1, а, б показаны графики, отображающие показатели модифициро-
ванной СОЭ без веществ-добавок. В работе [3] графики, соответствующие
рис. 1, а, б, обозначены как графики S и V. В настоящей работе будем исполь-
зовать эти же обозначения. График S строится по показателям модифициро-
ванной СОЭ для всех моментов снятия этих показателей. График V является
производным от графика S. Например, чтобы получить показатель СОЭ для
15-й минуты графика V, от показателя СОЭ 15-й минуты графика S вычитается
показатель СОЭ графика S 10-й минуты.
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
Расстояние, мм
10
20
30
40
50
Время, мин
ЧМТ
Метастазы
Здоровые
Глиомы III ст.
Глиомы II ст.
Глиомы IV ст.
a
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
Расстояние, мм
1
2
3
4
5
Время, мин
ЧМТ
Метастазы
Здоровые
Глиомы III ст.
Глиомы II ст.
Глиомы IV ст.
6
7
б
Рис. 1
Из рис. 1 видно, что при увеличении степени злокачественности глиом пока-
затели модифицированного СОЭ растут. При черепно-мозговой травме (класс
ЧМТ) средней тяжести показатели СОЭ выше, чем при глиомах, метастазах в го-
ловной мозг и у здоровых.
В работах [4, 5] рассмотрены вопросы применения байесовской процедуры
распознавания к показателям модифицированной СОЭ. Оптимальные параметры
этой процедуры определены следующим образом. Анализируются вещество-
добавка верапамил, график V, класс здоровых и класс больных. В соответствии
с [6] строится описание рассматриваемых классов (рис. 2, 0m — количество ана-
лизов класса здоровых; 1m — количество анализов класса больных; nxx ,,1 —
описание соответствующих классов, которые определяются, например, для 15-й
минуты). Показатели СОЭ находятся в диапазоне 0–60 мм. Этот диапазон разби-
вается на n интервалов с одинаковым шагом (на рис. 3 шаг равен 3 мм). Интерва-
лы формируют описания .,,1 nxx В [3, 4] показано, что описанием интервала
138 ISSN 0572-2691
вещества-добавки является количество показателей СОЭ рассматриваемого клас-
са, попавших в него (рис. 3). Пусть в новом анализе для верапамила на 15-й мину-
те графика V показатель СОЭ составляет 13 мм (интервал 12–15 мм). Количество
показателей СОЭ для класса здоровых указанного интервала — 5, а для класса
больных — 3. Из этого заключаем, что анализ следует отнести к классу здоровых.
Такой подход к определению диагноза применяем ко всем анализам класса здоро-
вых, класса больных и класса ЧМТ. Для каждого из указанных классов находим
количество совпадений диагнозов, определенных с помощью байесовской проце-
дуры, с диагнозами, полученными более точными средствами диагностики. Если
эффективность распознавания рассматриваемых классов с помощью байесовской
процедуры больше 69 % — значит, получен оптимальный параметр. Оптималь-
ные параметры, приведенные в табл. 2 и 3, подобраны эмпирически.
m0
Класс
здоровых
m1
Класс
больных
x1 , , xn f x1 , , xn f
Рис. 2
4 1 3 0
0 3 6 9 12 15 18 21 24 57 60
27 30
5 7 1 8 5 4 2
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 xn Класс здоровых
Количество показателей СОЭ,
попавших в каждый из интервалов
4 7 1 0
0 3 6 9 12 15 18 21 24 57 60
27 30
2 5 5 8 3 4 4
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 xn
Класс больных
Количество показателей СОЭ,
попавших в каждый из интервалов
Рис. 3
Таблица 2
Вещество-
добавка
Возраст Минута
Шаг
разбиения,
мм
Класс
больных
Класс
здоровых
График
Совпаде-
ние диа-
гнозов
больных,
%
Совпаде-
ние диа-
гнозов
здоровых,
%
NaCl Все 20 2,2 13 27 S 76,9 81,48
Верапамил Все 25 1,3 94 31 V 80,8 70,9
NaАТФ Все 20 4 67 24 V 76,11 70,8
Верапамил До 35 40 0,3 25 17 V 96 82,3
NaАТФ До 35 40 0,1 15 10 V 86,6 80
Вода До 35 35 0,3 35 15 V 85,7 86,6
СаСl2 (10 %) До 35 60 2,1 29 14 S 89,6 92,85
Таблица 3
Вещество-
добавка
Возраст Минута
Шаг
разбиения,
мм
Класс
больных
Класс
ЧМТ
График
Совпаде-
ние диа-
гнозов
больных,
%
Совпаде-
ние диа-
гнозов
ЧМТ, %
Верапамил Все 50 1,1 94 35 V 81,9 80
NaCl Все 55 2,6 13 22 S 76,9 86,36
Верапамил До 35 50 0,3 25 18 V 80 77,7
CaCl2 (10 %) До 35 Сутки 3 34 22 V 79,4 72,7
Верапамил После 35 25 1,1 64 17 V 85,9 82,35
Проблемы управления и информатики, 2009, № 3 139
Цель работы состоит в следующем: на основе полученных оптимальных па-
раметров [4, 5] реализовать методику взвешенной оценки показателей модифици-
рованного СОЭ; разработать графический метод определения диагноза; провести
сравнительный анализ методики взвешенной оценки оптимальных параметров с
графическим методом определения диагноза.
Методика взвешенной оценки оптимальных параметров байесовской
процедуры распознавания. Перед определением взвешенной оценки из всего
множества оптимальных параметров отбираются наиболее значимые. Рассмот-
рим полученные оптимальные параметры для NaАТФ, верапамила и мовалиса.
В табл. 4 приведены весовые коэффициенты оптимальных параметров для
NaАТФ по отношению к оптимальному параметру, обладающему наибольшей
эффективностью распознавания (35-я минута с эффективностью распознавания
).75,0er k На основе отобранных оптимальных параметров построим карту со-
стояний анализа (рис. 4).
Таблица 4
Минута оптимального параметра / график / шаг
разбиения, мм
35 / V / 0,3 20 / S / 4,9 15 / S / 3,6 80 / V / 0,8
Эффективность распознавания
оптимального параметра ker
0,75 0,73 0,73 0,73
Весовой коэффициент
оптимального параметра K hop
1 0,973 0,973 0,973
Весовой коэффициент оптимального параметра рассчитывается по формуле
,
mer
er
hop
k
k
K (1)
merk — максимальная эффективность распознавания (для табл. 4 ).75,0mer k
После того как по всем оптимальным параметрам из табл. 4 получены оценки
анализа, рассчитывается разностный весовой коэффициент вещества
,
1
0
hop
1
0
hopdhks
b
j
j
a
i
i KKK (2)
где a — количество оптимальных параметров, согласно которым анализ относит-
ся к классу здоровых; iKhop — i-й весовой коэффициент оптимального парамет-
ра, в соответствии с которым анализ относится к классу здоровых; b — количе-
ство оптимальных параметров, согласно которым анализ относится к классу
больных; jKhop — j-й весовой коэффициент оптимального параметра, которым
установлено, что анализ относится к классу больных. Отрицательное значение
dhksK при использовании вещества-добавки свидетельствует, что анализ отно-
сится к классу больных, положительное значение говорит о принадлежности
классу здоровых; в нашем случае .933,1dhks K
На основании рис. 4 заключаем, что кроме NaАТФ оптимальные параметры
определены также для верапамила и мовалиса. Для этих веществ-добавок dhksK
рассчитываются аналогичным образом.
После подсчета dhksK определяем взвешенную оценку анализа dhksK всех
веществ-добавок, используя весовой коэффициент вещества .hksK Согласно рис. 4,
максимальной эффективностью распознавания обладает верапамил (табл. 5). Для
верапамила ,1hks K для остальных веществ-добавок hksK вычисляется как от-
ношение эффективности их распознавания к максимальной эффективности распо-
знавания.
140 ISSN 0572-2691
Рис. 4
Суммарный ответ байесовской процедуры – Здоров Число = 1,33
Вещество Верапамил (вер)
30 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,83 Здоровые S -> 0,875
Больные V -> 0,5 Здоровые V -> 0
Шаг разбиения =3,699 мм
Болен /
20 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,567 Здоровые S -> 0,75
Больные V -> 0,833 Здоровые V -> 0,81
Шаг разбиения = 1,4 мм
/ Здоров
25 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,53 Здоровые S -> 0,75
Больные V -> 0,867 Здоровые V -> 0,81
Шаг разбиения =1,8 мм
/ Здоров
60 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,83 Здоровые S -> 0,81
Больные V -> 1 Здоровые V -> 0
Шаг разбиения =4,1 мм
Здоров /
Количество! Здоров или ЧМТ = 9 / Болен = 6 / Неопределенность 0
Вес! Здоров или ЧМТ = 8,54 / Болен = 5,46 / Неопределенность 0
Диагноз = Здоров или ЧМТ
Предыдущие Следущие
Вещество Натриевая соль АТФ
(вер) 35 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,23 Здоровые S -> 0,31
Больные V -> 0,83 Здоровые V -> 0,75
Шаг разбиения = 0,3 мм
/ Здоров
20 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,73 Здоровые S -> 0,75
Больные V -> 0,97 Здоровые V -> 0
Шаг разбиения = 4,90 мм
Болен /
15 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,73 Здоровые S -> 0,75
Больные V -> 0,57 Здоровые V -> 0,92
Шаг разбиения = 3,60 мм
Болен /
80 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,3 Здоровые S -> 0,3125
Больные V -> 0,73 Здоровые V -> 0,75
Шаг разбиения =4,1 мм
/ Болен
Количество! Здоров или ЧМТ = 1 / Болен = 3 / Неопределенность 0
Вес! Здоров или ЧМТ = 1 / Болен = 2,93 / Неопределенность 0
Диагноз = Болен
Предыдущие Следущие
Вещество Мовалис (мов)
85 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,33 Здоровые S -> 0,19
Больные V -> 0,7 Здоровые V -> 0,75
Шаг разбиения = 0,6 мм
/ Здоров
90 мин. Больных = 30 Здоровых/ЧМТ = 16
Больные S -> 0,37 Здоровые S -> 0,31
Больные V -> 0,7 Здоровые V -> 0,75
Шаг разбиения = 0,80 мм
Болен /
Количество! Здоров или ЧМТ = 1 / Болен = 1 / Неопределенность 0
Вес! Здоров или ЧМТ = 1 / Болен = 1 / Неопределенность 0
Диагноз = Неизвестно
Предыдущие Следущие
Проблемы управления и информатики, 2009, № 3 141
Таблица 5
Методика взвешенной оценки распознавания
Вещество-добавка
Верапамил NaАТФ Мовалис
Эффективность распознавания вещества-добавки kmer 0,83 0,75 0,7
Весовой коэффициент вещества-добавки hksK 1 0,9 0,84
Разностный весовой коэффициент вещества-добавки
для какого-то анализа Kdhks
3,075 1,933 0
dhkshksKK 3,075 1,738 0
Введем суммарный весовой коэффициент байесовской процедуры распо-
знавания
,
1
0
dhkshksshkb
c
i
iiKKK (3)
где с — количество веществ-добавок, учитываемых при использовании методики
взвешенной оценки; iKhks — весовой коэффициент i-го вещества; iKdhks — раз-
ностный весовой коэффициент i-го вещества.
Положительное значение shkbK говорит о том, что анализ принадлежит
классу здоровых, в противном случае — классу больных. Для табл. 5
.337,1shkb K
Результаты применения методики взвешенной оценки оптимальных парамет-
ров байесовской процедуры распознавания для классов здоровых/больных и для
классов ЧМТ/больных, представленные в табл. 6, свидетельствуют, что методика
взвешенной оценки позволяет, в некоторых случаях, увеличить эффективность
распознавания отдельных классов на 7 %. Стоит особо отметить роль верапамила,
так как это вещество-добавка чаще всего встречается в комбинациях оптимальных
параметров при их взвешенной оценке.
Таблица 6
Комбинация
веществ-
добавок
Комбинация
классов
Комбина-
ция глиом
для класса
больных
Распознава-
ние на основе
карты
состояния
класса
здоровых или
класса
ЧМТ, %
Распознава-
ние класса
здоровых или
класса ЧМТ в
сравнении, %
Распознава-
ние на основе
карты
состояния
класса боль-
ных, %
Распознава-
ние класса
больных
в сравнении,
%
Верапамил
Здоровые/
Больные
III, IV 80 77,1 80,5 77,6
Верапамил/
Мовалис/
NaАТФ
Здоровые/
Больные
IV 81,25 87,5 94,4 88,8
Верапамил/
Мовалис/
NaАТФ
Здоровые/
Больные
II, III, IV 81,25 87,5 90 86,6
Верапамил/
NaАТФ
Здоровые/
Больные
II, III, IV 88 88 84,8 84,8
KCl/
NaАТФ
Здоровые/
Больные
II, III, IV 75 76,4 85,3 79
Верапамил/
NaАТФ
ЧМТ/Больные II, III, IV 94,7 89,4 87,8 90
Верапамил/
NaАТФ
ЧМТ/Больные IV 100 100 100 94,4
142 ISSN 0572-2691
Графический метод определения диагноза. Идея метода заключается в
определении двух средних значений отклонения показателей СОЭ от средних
значений показателей СОЭ для класса больных и класса здоровых (рис. 5). Чтобы
определить, какому классу принадлежит анализ, введем графический относитель-
ный коэффициент отклонения
,
I
H
G
S
S
K (4)
где HS — среднее отклонение показателей СОЭ от усредненных показателей
СОЭ класса здоровых; IS — среднее отклонение показателей СОЭ от усреднен-
ных показателей СОЭ класса больных. Если ,1GK то анализ принадлежит
классу здоровых; если 1GK — классу больных. Для расчетов, приведенных
на рис. 5, ,433,0GK т.е. этот анализ определяет принадлежность пациента
к классу здоровых.
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
Расстояние, мм
10
20
30
40
50
Время, мин
Анализ
Здоровые;
Больные;
Рис. 5
Сравнение методики взвешенной оценки оптимальных параметров и
графического метода. Применение графического метода определения диагноза
вместе с методикой взвешенной оценки оптимальных параметров байесовской
процедуры распознавания дает специалистам комплексную информацию о том,
каким образом необходимо принимать решение по отдельно взятому анализу.
Отметим, что обычно диагнозы, определенные с помощью методики взвешенной
оценки и графическим методом, совпадают (табл. 7).
Таблица 7
ID анализа shkbK K G для верапамила Диагноз по K shkb
Диагноз по K G
для верапамила
482 1,335 0,433 Здоров Здоров
491 15,735 0,033 Здоров Здоров
498 9,356 2,97 Болен Болен
887 19,215 0,234 Здоров Здоров
336 19,215 5,812 Болен Болен
371 0,675 0,306 Здоров Здоров
381 17,24 2,05 Болен Болен
883 18,315 0,606 Болен Здоров
В тех случаях, когда диагнозы, полученные двумя описанными способами, не
совпадают, предпочтение отдается методике взвешенной оценки.
Проблемы управления и информатики, 2009, № 3 143
Выводы. На основе методики взвешенной оценки оптимальных параметров
байесовской процедуры распознавания удалось повысить эффективность распо-
знавания классов больных, здоровых и с ЧМТ. Карта состояний, которая может
быть построена по любому анализу, является новым инструментом для принятия
решений при выявлении воспалительных процессов в организме. Отметим осо-
бую роль верапамила в применении методики взвешенной оценки, так как это ве-
щество-добавка фигурирует практически во всех картах состояний, способству-
ющих повышению эффективности распознавания. Кроме верапамила хорошие ре-
зультаты при использовании методики взвешенной оценки дают такие вещества,
как NaАТФ, мовалис и KCl. Графический метод определения диагноза — это
наглядный инструмент. Обычно диагноз, определенный графическим методом,
совпадает с диагнозом, полученным по методике взвешенной оценки. В том слу-
чае, когда диагнозы, определенные этими двумя способами, не совпадают, пред-
почтение отдается результату, полученному по методике взвешенной оценки.
О.В. Палагін, Н.Я. Гридіна, А.М. Гупал, А.Л. Тарасов
АВТОМАТИЗОВАНА СИСТЕМА АНАЛІЗУ
ПОКАЗНИКІВ ШВИДКОСТІ ОСІДАННЯ
ЕРИТРОЦИТІВ ПРИ ГЛІОМАХ ГОЛОВНОГО МОЗКУ
Розроблено ефективну методику визначення зваженої оцінки оптимальних па-
раметрів байєсівської процедури розпізнавання для виявлення запальних про-
цесів за швидкістю осідання еритроцитів (ШОЕ). Реалізовано графічний метод
визначення діагнозу за показниками ШОЕ.
A.V. Palagin, N.Ya. Gridina, А.M. Gupal, А.L. Tarasov
СOMPUTER-BASED SYSTEM OF ANALYSIS
OF ERYTHROCYTE SEDIMENTATION
RATE FACTORS AT BRAIN GLIOMAS
The effective method is developed for determining the weighted estimate of optimal
parameters of Bayesian recognition procedure for determination of inflammatory
processes by erythrocyte sedimentation rate. The graphic diagnostic method by erythro-
cyte sedimentation rate is realized.
1. Гридина Н.Я., Гупал А.М., Тарасов А.Л. Экспертная система анализа прогрессий глиом го-
ловного мозга // Компьютерная математика. — 2007. — № 2. — С. 132–139.
2. Панченков Т.П. Определение ускорения оседания эритроцитов при помощи микрокапилля-
ра // Врачебное дело. — 1924. — № 16. — С. 895.
3. Гридина Н.Я., Гупал А.М., Сергиенко И.В, Тарасов А.Л. Анализ показателей скорости осе-
дания эритроцитов при глиомах головного мозга // Проблемы управления и информати-
ки. — 2007. — № 6. — С. 127–134.
4. Сергиенко И.В., Гридина Н.Я., Гупал А.М., Тарасов А.Л. Применение байесовской процеду-
ры распознавания по показателям скорости оседания эритроцитов при глиомах головного
мозга // Там же. — 2009. — № 1. — С. 35–39.
5. Гридина Н.Я, Тарасов А.Л. Дифференциальная диагностика воспалительных и онкологиче-
ских заболеваний // Комп’ютерні засоби, мережі та системи. — 2008. — № 7. — С. 59–65.
6. Гупал А.М., Сергиенко И.В. Оптимальные процедуры распознавания. — Киев : Наук. дум-
ка, 2008. — 231 с.
Получено 02.03.2009
|