Катаева А. В. - все статьи автора в журнале

    Математическое моделирование
  • 2018 № 2 Сокращение признакового пространства в анализе множественной лекарственной устойчивости возбудителя у больных туберкулезом легких

    В диагностике и лечении туберкулеза легких существенным является раннее выявление наличия множественной лекарственной устойчивости микобактерий к основным противотуберкулезным препаратам. Использование математических методов и информационных технологий на начальном этапе способствует эффективному решению этой медицинской проблемы, благодаря исключению из множества рассматриваемых признаков (показателей состояния здоровья пациента) тех признаков, которые не являются информативными. Для оценки информативности признаков в анализе множественной лекарственной устойчивости используется метод Кульбака. Отбор признаков осуществляется на основе отсортированного (по информативности) списка признаков путем оценки качества классификации, выполняемой с помощью ROC­анализа. Выполненные исследования показали, что отобранные предложенным алгоритмом шесть признаков (из 26 рассматриваемых) позволяют с высокой вероятностью выделить пациентов, микобактерии у которых не обладают множественной лекарственной устойчивостью, что создает необходимые условия для их адекватного лечения.

    Авторы: Наркевич А. Н. [4] Виноградов К. А. [9] Быкова В. В. [1] Катаева А. В. [2]

    Темы: roc-анализ1 диагностика туберкулеза легких1 метод кульбака1 множественная лекарственная устойчивость микобактерий1 сокращение признакового пространства1

    Подробнее >

  • Системы поддержки принятия решений
  • 2018 № 4 Средства интеллектуальной поддержки принятия решений в диагностике и лечении наркозависимых

    В диагностике и лечении наркозависимых существенным является раннее определение спектра принятых пациентом наркотических веществ. Известны специфичные симптомы употребления того или иного наркотического вещества, по которым еще до проведения лабораторных исследований можно определить, что именно принял пациент. Использование методов интеллектуального анализа данных позволяет выявлять характерные симптомы в случае употребления одного или нескольких наркотических веществ, устанавливать для наблюдаемых симптомов возможные наборы наркотических препаратов. В работе закономерности между принятыми наркотическими препаратами и наблюдаемыми симптомами математически описываются с помощью ассоциативных правил. Для обнаружения этих правил применяются известные алгоритмы Apriori, Close, а также предложенный авторами алгоритм MClose. Алгоритм MClose позволяет установить наиболее существенные строгие ассоциативные правила (правила с достоверностью 1).

    В статье представлено предложение по экспертной предобработке дынных, позволяющее существенно снизить количество сгенерированных ассоциативных правил и повысить качество их интерпретации. Разработанные методы и средства направлены на диагностику и поддержку принятия решений при лечении наркозависимых

    Авторы: Наркевич А. Н. [4] Виноградов К. А. [9] Катаева А. В. [2] Пичугина Ю. А. [1] Афанасьева Н. А. [1]

    Темы: ассоциативные правила1 диагностика наркозависимости1 интеллектуальный анализ данных3

    Подробнее >