Статьи с темой: «искусственные нейронные сети»
-
2017 № 1 Экспертные системы в прогнозировании операционного риска при наиболее распространенных хирургических вмешательствах (обзор).
Обзор литературы посвящен возможностям применения экспертных медицинских систем в абдоминальной хирургии. Рассмотрены и подробно описаны существующие модели систем поддержки принятия врачебных решений у пациентов с такими распространенными нозологиями, как острый панкреатит, острый холецистит, осложненная язвенная болезнь. Авторами проведен сравнительный анализ современных экспертных систем и описаны базовые принципы их построения.
-
2016 № 5 Итоги сравнения экспертных систем для диагностики острых заболеваний глотки.
В статье представлено описание разработки экспертных систем (ЭС) дифференциальной диагностики острых заболеваний глотки, основанных на различных математических алгоритмах; «Портретный метод», «Наивный Байесовский классификатор» (НБК), «Искусственные Нейронные Сети» (ИНС). Использована выборка 476 законченных клинических случаев с острыми заболеваниями глотки; паратонзиллит, парафарингит, острый тонзиллит, острый фарингит. Описана технология разработки ЭС. Клиническая оценка показала, что ЭС, основанная на «Портретном методе», допускает процент ошибочных диагнозов для всего списка диагностируемых заболеваний в среднем до 8,40%. Проведенная проверка ЭС, основанной на НБК, в клинической практике выявила расхождения в диагнозах в 47,6% случая, в то же время разработанная ЭС «Программа для постановки дифференциального диагноза острых заболеваний глотки «ЛОР-Нейро» показала высокую клиническую эффективность в 96% случаев.
-
2018 № 1 Интеллектуальная система поддержки принятия решений в прогнозировании риска трудной интубации трахеи
В статье представлены результаты разработки интеллектуальной системы поддержки принятия решений в прогнозировании риска трудной интубации трахеи. Описаны принципы построения и обучения искусственной нейронной сети, на основе которой создана модель классификатора, реализованного в виде компьютерного приложения. Оценена релевантность созданной программы – показана высокая эффективность, удобство и возможность дальнейшего ее обучения.