Бутусов Андрей Владимирович, аспирант кафедры биомедицинской инженерии,
ул. 50 лет Октября, д. 94, г. Курск 305040
Andrey V. Butusov, Post-Graduate Student of the Department of Biomedical Engineering,
50 Let Oktyabrya Str. 94, Kursk 305040
Киселев Алексей Викторович, кандидат технических наук, доцент кафедры вычислительной техники,
ул. 50 лет Октября, д. 94, г. Курск 305040
Alexey V. Kiselev, Cand. of Sci. (Engineering), Associate Professor of the Department of Computer Engineering,
50 Let Oktyabrya Str. 94, Kursk 305040
Петрунина Елена Валерьевна, кандидат технических наук, доцент, заведующий кафедрой СМАРТ-технологий,
ул. Большая Семёновская, д. 38, г. Москва 107023
Elena V. Petrunina, Cand. of Sci. (Engineering), Associate Professor, Head of the Department of SMART Technologies,
38 Bol'shaya Semyonovskaya Str., Moscow 107023
Сафронов Руслан Игоревич, кандидат технических наук, доцент, доцент кафедрыэлектротехники и электроэнергетики,
ул. Карла Маркса, д. 70, г. Курск 305021
Ruslan I. Safronov, Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Department of Electrical Engineering and Electric Power Engineering,
70 Karl Marx Str., Kursk 305021
Песок Валерия Вячеславовна, аспирант кафедры биомедицинской инженерии,
ул. 50 лет Октября, д. 94, г. Курск 305040
Valeria V. Pesok, Post-Graduate Student of the Department of Biomedical Engineering,
50 Let Oktyabrya Str. 94, Kursk 305040
Пшеничный Александр Евгеньевич, аспирант кафедры биомедицинской инженерии,
ул. 50 лет Октября, д. 94, г. Курск 305040
Alexandr E. Pshenichniy, Post-Graduate Student of the Departments of Biomedical Engineering,
50 Let Oktyabrya Str. 94, Kursk 305040
Цель исследования – разработка алгоритмов для компьютерной системы мониторинга эффективности терапевтических процедур по показателям клинического анализа крови.
Методы. Разработан комплект алгоритмов для компьютерной системы мониторинга эффективности лекарственных назначений по результатам клинического анализа крови, включающий алгоритм анализа динамики межклеточных соотношений в клиническом анализе крови, алгоритм заполнения базы данных, алгоритм формирования базы решающих правил, алгоритм анализа чувствительности решающего правила.
Результаты. Для определения эффективности плана лечения предложено оценивать межкластерные расстояния между кластеризованными патологическими состояниями посредством нейронной сети PNNFNN-FNN*, построенной на гибридной основе с использованием вероятностных нейронных сетей и нечеткой логики принятия решений. Предложенная структура гибридной нейронной сети PNN-FNN-FNN* содержит три макрослоя. Количество модулей в макрослоях соответствует количеству выделенных кластеров мониторируемого заболевания. Первый макрослой состоит из блоков вероятностных нейронных сетей, число которых в каждом модуле определяется числом сегментов, выделенных в пространстве информативных признаков. Второй и третий макрослой состоит из двухслойных нечетких нейронных сетей. Модуль нечеткой нейронной сети со структурой FNN* является макрослоем блочного типа, каждый из блоков которого состоит из двух слоев.
Заключение. Апробация алгоритмов мониторинга осуществлена на экспериментальной группе больных доброкачественной гиперплазией простаты и больных раком предстательной железы. Экспериментальные исследования показателей качества классификации гибридной нейронной сети со структурой PNN-FNN-FNN* при мониторинге эффективности лечения урологических больных показали диагностические показатели, позволяющие рекомендовать ее для использования в системах поддержки принятия врачебных решений при мониторинге эффективности лечения урологических больных.
The purpose of research is development of algorithms for a computer system for monitoring the effectiveness of therapeutic procedures in terms of clinical blood analysis.
Methods. A set of algorithms has been developed for a computer system for monitoring the effectiveness of medicinal prescriptions based on the results of a clinical blood test, including an algorithm for analyzing the dynamics of intercellular ratios in a clinical blood test, an algorithm for filling in a database, an algorithm for forming a base of decisive rules, an algorithm for analyzing the sensitivity of a decisive rule.
Results. To determine the effectiveness of the treatment plan, it is proposed to evaluate intercluster distances between clustered pathological conditions using the PNN-FNN-FNN* neural network, built on a hybrid basis using probabilistic neural networks and fuzzy decision-making logic. The proposed structure of the PNN-FNN-FNN* hybrid neural network contains three macrolayers. The number of modules in macrolayers is equal to the number of selected clusters of the monitored disease. The first macrolayer consists of blocks of probabilistic neural networks, the number of which in each module is determined by the number of segments allocated in the space of informative features. The second and third macrolayers consist of two-layer fuzzy neural networks. The fuzzy neural network module with the FNN* structure is a block-type macrolayer, each of the blocks of which consists of two layers.
Conclusion. Approbation of monitoring algorithms was carried out on an experimental group of patients with benign prostatic hyperplasia and patients with prostate cancer. Experimental studies of the classification quality indicators of a hybrid neural network with the PNN-FNN-FNN* structure in monitoring the effectiveness of treatment of urological patients have shown diagnostic indicators that allow us to recommend it for use in medical decision support systems when monitoring the effectiveness of treatment of urological patients.
The authors declare that there are no conflicts of interest present.