Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга
На основе логико-вероятностного алгоритма разработан вычислительный алгоритм для диагностики и прогнозирования возникновения инсульта. Определено, что наибольшей эффективностью владеют тоническая и морфологическая вычислительные диагностики....
Saved in:
| Published in: | Кибернетика и вычислительная техника |
|---|---|
| Date: | 2011 |
| Main Authors: | , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України
2011
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/45692 |
| 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: | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга / С.М. Злепко, А.Ю. Азархов, Д.Х. Штофель // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 68-73. — Бібліогр.: 10 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859765146144997376 |
|---|---|
| author | Злепко, С.М. Азархов, А.Ю. Штофель, Д.Х. |
| author_facet | Злепко, С.М. Азархов, А.Ю. Штофель, Д.Х. |
| citation_txt | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга / С.М. Злепко, А.Ю. Азархов, Д.Х. Штофель // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 68-73. — Бібліогр.: 10 назв. — рос. |
| collection | DSpace DC |
| container_title | Кибернетика и вычислительная техника |
| description | На основе логико-вероятностного алгоритма разработан вычислительный алгоритм для диагностики и прогнозирования возникновения инсульта. Определено, что наибольшей эффективностью владеют тоническая и морфологическая вычислительные диагностики.
|
| first_indexed | 2025-12-02T05:22:57Z |
| format | Article |
| fulltext |
68
УДК 519.712:616.831-005
С.М. Злепко, А.Ю. Азархов, Д.Х. Штофель
УСОВЕРШЕНСТВОВАНИЕ И РАЗВИТИЕ
ВЫЧИСЛИТЕЛЬНОГО АЛГОРИТМА ДЛЯ
ДИАГНОСТИКИ НАРУШЕНИЙ КРОВООБРАЩЕНИЯ
ГОЛОВНОГО МОЗГА
На основе логико-вероятностного алгоритма разработан вычислительный
алгоритм для диагностики и прогнозирования возникновения инсульта. Определено,
что наибольшей эффективностью владеют тоническая и морфологическая вычисли-
тельные диагностики.
Введение
Нарушениями мозгового кровообращения называют любое патологическое
изменение кровенаполнения сосудов или полостей головного мозга. Инсульт —
это цереброваскулярная катастрофа, синдром быстрого развития симптомов и
признаков фокальной или глобальной потери мозговых функций с неврологи-
ческими симптомами, которые длятся 24 часа и более, или приводят к смерти
без другой видимой причины ее возникновения [1]. Иными словами, это вне-
запное нарушение мозгового кровообращения, в результате чего развиваются
деструктивные изменения головного мозга и появляются стойкие симптомы его
органического поражения, а также развивается стойкая очаговая неврологиче-
ская симптоматика [2]. На сегодняшний день в мировой структуре смертности
инсульты занимают третье место среди причин первичной инвалидности среди
взрослого населения после новообразований и травм и являются одной из ос-
новных причин нетрудоспособности в допенсионном возрасте [3].
В данной работе предлагаются алгоритм и метод прогнозирования раз-
вития или возникновения нарушений нормального мозгового кровообращения
(ННМК), основой которого является логико-вероятностный метод, который
впервые для диагностики нарушений кровообращения головного мозга приме-
нил Н.С. Мастыкин в конце 1960-х годов. Он продиагностировал на ЭВМ 40
случаев инсультов и получил правильный диагноз в 83,5 % случаев [4].
На основе логико-вероятностного алгоритма (ЛВА) и дискриминантного
анализа была разработана диагностическая система для прогнозирования раз-
вития инсультов [5]. Последующее развитие ЛВА и основанный на его исполь-
зовании метод получили благодаря работам академика АМН СССР
Н.С. Мисюка и его учеников: доцента А.М. Гурлени, профессора А.Е. Семака,
математика Ю.В. Плотникова и др. [6].
В то же время полученные результаты позволили определить недостатки
алгоритма: это громоздкость матриц, а также элементы субъективизма
при оценке важности симптомов для каждого диагноза. И хотя в дальнейшем
частично эти недостатки были исправлены путем введения дерева диагнозов и
этапности обработки, все работы в этом направлении после смерти академика
Н.С. Мисюка были практически прекращены [7].
Однако в настоящее время развитию методов прогнозирования возникно-
вения и исхода заболеваний, связанных с нарушениями мозгового кровообра-
С.М. Злепко, А.Ю. Азархов, Д.Х. Штофель, 2011
ISSN 0452-9910. Кибернетика и вычисл. техника. 2011. Вып. 166
69
щения, частыми следствиями которых являются инсульты, уделяется значи-
тельное внимание [8].
Цель работы — построить вычислительный алгоритм для диагностики
нарушений кровообращения головного мозга как основной причины возникно-
вения инсультов.
Материал и методы
Были обследованы 185 больных (95 мужчин и 90 женщин) с диагнозом
ННМК: лица в возрасте 38–62 года с признаками атеросклероза (44 %),
гипертонической болезни (39 %) или их сочетания (17 %). У 54 больных
(29,1 %) основное сосудистое заболевание диагностировалось впервые лишь во
время приступа. У 12 больных первый приступ ННМК состоялся в возрасте до
30 лет, у 49 — от 31 до 42 лет, у 36 — от 43 до 55 лет, у 88 — от 56 лет
и старше. В зависимости от длительности и наличия органических симптомов
все приступы были разделены на три типа — легкие, средние, тяжелые.
При построении диагностического алгоритма использован логико-вероят-
ностный подход к моделированию сложных систем [4, 9, 10].
Результаты и их обсуждение
Современный этап развития медицины и компьютерной техники создал
новые возможности для усовершенствования и развития логико-вероятностного
алгоритма для диагностики больных, которые перенесли мозговой инсульт или
могут его получить.
Основой алгоритма остается диагностическая матрица, которая включает
три набора симптомов (по 15, 25 и 50 соответственно), пятибалльную систему
оценивания веса симптомов, что позволяет определять диагноз Dj с помощью
оценочной функции вида
ij
i
ijj nkP ∑
=
=
5
1
, (1)
где ∑
=
=
5
1i
inn (для любого ],1[ mj ∈ ) — общее количество определенных
у больного симптомов; i — код соответствия оценки симптома, і = 1 ÷ 5;
ki — весовой коэффициент симптома, который определяется эмпирическим пу-
тем; j — номер диагноза в диагностической матрице; m — общее количество
диагнозов в матрице.
Для повышения достоверности диагностики заболеваний предлагается ка-
ждый из кодов, которые характеризуют симптом, определять соответствующей
формулой. Тогда патологический симптом, который подтверждает диагноз, оп-
ределяется следующей формулой:
.
)(
1
j
ij DP
k = (2)
При этом максимальное для постановки диагноза значение вычисляется
как .)(log2 jDP−=α
70
Наличие симптома (Si) индифферентного характера оставляет вероятность
диагноза на уровне априорной:
.0,1),( =α==
ijj
i
j kDP
S
D
P (3)
Если имеется нехарактерный симптом, то вероятность диагноза становится
меньше априорной:
.0log,1),( 2 <=α<<
ijijj
i
j kkDP
S
D
P (4)
Наличие характерного симптома повышает вероятность диагноза в сравне-
нии с априорной, но не более чем в µі раз:
),()( ji
i
j
j DP
S
D
PDP µ<
< (5)
где iµ — граница между количественной оценкой характерного и очень
характерного симптомов: .
)(
11
j
i DP
<µ<
Структурно алгоритм ЛВА можно представить как совокупность нес-
кольких подпрограмм: основной диагностической, подпрограммы управления,
справочной подпрограммы. Исходными данными для алгоритма и программы
является массив электронных историй болезней, которые хранятся в цент-
ральной базе данных системы и содержат всю необходимую информацию
о статистике и динамике нарушений кровообращения головного мозга
для каждого пациента. После окончания работы программы врач получает сле-
дующие данные:
1) наиболее вероятный диагноз (диагноз с максимальными значениями
оценочной функции Pj);
2) ближайший диагноз (диагноз, имеющий максимальное значение
оценочной функции из числа оставшихся диагнозов);
3) номера и наименования симптомов, которые требуют уточнения
(симптомов, которых не хватает для получения полной клинической картины
наиболее вероятного диагноза, сформулированного ЭВМ).
Точность диагностики по данному алгоритму определялась как ,∆±T где
%100
n
mT = — процент диагностических совпадений; ∆ — средняя ошибка
данного процента; m — число диагностических совпадений в массиве длиной
n.
Рассмотрим точность клинической диагностики ккT ∆± и машинной
диагностики на трех массивах данных: экспериментальном — мемеT ∆± , кон-
трольном — мкмкT ∆± и объединенном — ммT ∆± .
Тогда получим:
71
%100
кe
ke
к nn
mmT
+
′+′
= , %100
к
к
мк n
mT = , %100
e
е
ме n
mТ = , %100
кe
кe
м nn
mmT
+
+
= ,
,
)100(
e
кк
к n
ТТ −
=∆ ,
)100(
к
мкмк
мк n
ТТ −
=∆
,
)100(
е
меме
ме n
ТТ −
=∆ ,
)100(
ке
мм
м nn
ТТ
+
−
=∆
где ,en kn — длина соответственно экспериментального и контрольного мас-
сивов; em — количество совпадений машинного диагноза с диагнозом, вери-
фицированным в экспериментальном и km — контрольном массивах; em′ —
количество совпадений клинического диагноза с верифицированным в экспе-
риментальном и km′ — контрольном массивах.
На рисунке представлена блок-схема алгоритма функционирования
основной диагностической программы. Надежность машинной диагностики
определялась как отсутствие достоверной разницы между точностью
машинной диагностики по Стьюденту в экспериментальном и контрольном
массивах при степени свободы, равной .2−+ кe nm
Машинную диагностику следует считать надежной, если коэффициент
Стьюдента равен:
( )
,05,0
22
t
n
m
n
m
ТT
t
к
кмк
е
еме
мкм
N <
∆
+
∆
−
= (6)
где 05,0t — табличное значение коэффициента Стьюдента при уровне значимо-
сти 0,05 и степени свободы, равной .2−+ кe nn
Эффективность машинной диагностики определялась как достоверное по-
вышение ее точности в сравнении с точностью клинической диагностики
с уровнем значимости не более 0,05 при степени свободы, равной .)2(2 −+ кe nn
В таком случае машинную диагностику можно считать эффективной,
если выполняются следующие условия:
1) ;kм TT >
2) 05,0эф tt ≥ при степени свободы )2(2 −+ кe nn , где
.
22
эф
ке
км
км
nn
ТТ
t
+
∆+∆
−
= (7)
72
В целом результаты расчетов, проведенные нами по данным формулами,
свидетельствуют о том, что латерализационная диагностика нарушений кро-
вообращения головного мозга характеризуется высокой точностью и надеж-
ностью (до 87 %), однако имеет очень низкую эффективность (22–25 %).
В то же время анализ результатов точной и морфологической диагностики
на основном и контрольном материале показал достаточную точность,
надежность и эффективность вычислительной диагностики (соответственно, 72
%, 69 % и 79 %).
73
В качестве наиболее распространенных и достоверных симптомов ННМК
были отмечены: головная боль различного характера и локализации (82–44 %),
вегетативные расстройства (62–33,5 %) и шумы, звон в ушах или голове (41–
22,5 %). Среди диагностически значимых симптомов наиболее
часто имели место системные головокружения (91–49 %), двигательные
(53–28,6 %), речевые (21–11,3 %), зрительные (20–10,8 %) нарушения харак-
терной симптоматики. В некоторых случаях приступы имели смешанный
характер (14–67,7 %). Статистически достоверные позитивные результаты бы-
ли достигнуты при применении медикаментозной терапии (в 78 % случаев),
лазерной терапии (74 %) и при их сочетании (92 %).
В заключение следует отметить, что ННМК, безусловно, являются сигна-
лом неблагополучия, но одновременно и подтверждением того, что организм
больного способен к саморегуляции на достаточном уровне.
Выводы
Получил последующее развитие вычислительный алгоритм для диаг-
ностики нарушений кровообращения головного мозга в части повышения его
достоверности посредством определения патогномического, индифферентного,
нехарактерного и характерного симптомов на этапе формирования диагноза.
Это позволило установить, что латерализационная диагностика нарушений
кровообращения головного мозга имеет высокую точность и надежность, но
низкую эффективность; а тоническая и морфологическая диагностика доста-
точно точная, надежная и эффективная.
1. Антонюк Г.Н., Гаркуша С.И., Максименко Н.Д. Принципы формирования алгоритма
управления лечебным процессом в неврологической практике у постинсультных боль-
ных с двигательными нарушениями // Медицинская и физиологическая кибернетика. —
Киев: Ин-т кибернетики АН УССР, 1989. — С. 71–78.
2. Шевага В.М., Паєнок А.В. Захворювання нервової системи. — Львів: Світ, 2004. —
519 с.
3. Драганова О.В., Баришок Т.В. Фізична реабілітація постінсультних хворих в пізньому
відновлювальному періоді // Педагогіка, психологія та медико-біологічні проблеми
фізичного виховання і спорту. — 2009. — № 7. — С. 55–58.
4. Мастыкин А.С. Опыт прогнозирования исхода острых нарушений мозгового кровооб-
ращения // Сосудистая патология мозга. — Вильнюс, 1971. — С. 56–58.
5. Мастыкин А.С., Семак А.Е., Рябцева Т.Д., Гришков Е.Г. Дискриминантный анализ
при прогнозировании возникновения ишемического инсульта // Кибернетика
в неврологии. — Мн., 1976. — С. 79–83.
6. Мисюк Н.С., Семак А.Е., Рябцева Т.Д. и др. Прогнозирование ближайшего исхода моз-
говых инсультов с помощью ЭВМ // Здравоохранение Белоруссии. — 1976. — № 12. —
С. 46–49.
7. Дривотинов Б.В., Гарустович Т.К., Сайрам Н. Клинико-математическое прогнози-
рование возникновения и ранняя диагностика осложнений мозгового инсульта // Там же.
— 1994. — № 7. — С. 12–18.
8. Прогнозирование исходов инсульта в исследованиях и на практике / Подгот. Д. Молча-
нов // Здоров’я України. — 2010. — № 2. — С. 10–11.
9. Мисюк Н.С. Системы прогнозирования мозговых инсультов: метод. пособие. — Минск:
Минский гос. мед. ин-т, 1983. — 59 с.
10. Можаев А.С., Громов В.Н. Теоретические основы общего логико-вероятностного метода
автоматизированного моделирования систем. — СПб.: ВИТУ, 2000. — 145 с.
Винницкий национальный технический университет Получено 10.10.2011
|
| id | nasplib_isofts_kiev_ua-123456789-45692 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0452-9910 |
| language | Russian |
| last_indexed | 2025-12-02T05:22:57Z |
| publishDate | 2011 |
| publisher | Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України |
| record_format | dspace |
| spelling | Злепко, С.М. Азархов, А.Ю. Штофель, Д.Х. 2013-06-17T19:00:36Z 2013-06-17T19:00:36Z 2011 Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга / С.М. Злепко, А.Ю. Азархов, Д.Х. Штофель // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 68-73. — Бібліогр.: 10 назв. — рос. 0452-9910 https://nasplib.isofts.kiev.ua/handle/123456789/45692 519.712:616.831-005 На основе логико-вероятностного алгоритма разработан вычислительный алгоритм для диагностики и прогнозирования возникновения инсульта. Определено, что наибольшей эффективностью владеют тоническая и морфологическая вычислительные диагностики. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України Кибернетика и вычислительная техника Медицинская и биологическая кибернетика Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга Article published earlier |
| spellingShingle | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга Злепко, С.М. Азархов, А.Ю. Штофель, Д.Х. Медицинская и биологическая кибернетика |
| title | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| title_full | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| title_fullStr | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| title_full_unstemmed | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| title_short | Усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| title_sort | усовершенствование и развитие вычислительного алгоритма для диагностики нарушений кровообращения головного мозга |
| topic | Медицинская и биологическая кибернетика |
| topic_facet | Медицинская и биологическая кибернетика |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/45692 |
| work_keys_str_mv | AT zlepkosm usoveršenstvovanieirazvitievyčislitelʹnogoalgoritmadlâdiagnostikinarušeniikrovoobraŝeniâgolovnogomozga AT azarhovaû usoveršenstvovanieirazvitievyčislitelʹnogoalgoritmadlâdiagnostikinarušeniikrovoobraŝeniâgolovnogomozga AT štofelʹdh usoveršenstvovanieirazvitievyčislitelʹnogoalgoritmadlâdiagnostikinarušeniikrovoobraŝeniâgolovnogomozga |