Нейронечеткие сети для систем дистанционного мониторинга амбулаторных пациентов с заболеваниями органов дыхания
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

Нейронечеткие сети для систем дистанционного мониторинга амбулаторных пациентов с заболеваниями органов дыхания

idБутусов А.В., idАлавcи Х.А., idКарачевцев Р.А., idФилист С.А.

УДК 004.891.3:004.932.2
DOI: 10.26102/2310-6018/2023.42.3.016

  • Аннотация
  • Список литературы
  • Об авторах

В статье предложен решающий модуль для контроля функционального состояния системы дыхания, обеспечивающий интеллектуальную поддержку при принятии решений медицинским персоналом по госпитализации пациента. Для контроля степени тяжести внебольничной пневмонии на основе интернет-технологий разработан гибридный многоагентный классификатор со структурой, включающий сегменты факторов риска, связанные со «своей» системой нечеткого логического вывода, и метаклассификатор, предназначенный для агрегации решений этих систем, позволяющий осуществлять мониторинг функционального состояния системы дыхания пациента в удаленном интерактивном режиме. Разработана пятислойная нечеткая сеть, предназначенная для классификации степени тяжести внебольничной пневмонии по входному вектору, основанная на алгоритме Мамдани-Ларсена, позволяющая оценить степень тяжести внебольничной пневмонии на шкале 0–1 по сегменту факторов риска, используемому в традиционных шкалах риска пневмонии. Синтезирован нейронечеткий классификатор тяжести внебольничной пневмонии, построенный на основе шкалы риска пневмонии CRB-65. Сформирована база нечетких решающих правил системы нечеткого логического вывода и определены функции принадлежности для входных и выходных переменных в выбранном сегменте факторов риска. Апробация нейронечеткой модели гибридного классификатора степени тяжести внебольничной пневмонии проведена на экспериментальной группе из 200 пациентов, больных внебольничной пневмонией различной степени тяжести. Модель классификатора на контрольной выборке продемонстрировала диагностическую чувствительность 90 % и диагностическую специфичность 86 %. Осуществлено сопоставление результатов полученной модели риска внебольничной пневмонии с результатами экспертного оценивания и результатами, полученными на известных регрессионных моделях. Показатели качества классификации синтезированного нейронечеткого классификатора позволяют рекомендовать его для телекоммуникационных систем дистанционного мониторинга степени тяжести внебольничной пневмонии.

1. Гельман В.Я. Изменение роли пациента в лечебном процессе с развитием домашней телемедицины. Медицина. 2022;1:41–49. URL: https://www.fsmj.ru/download/37/05.pdf. DOI: 10.29234/2308-9113-2022-10-1-41-49 (дата обращения: 15.06.2023).

2. Гельман В.Я., Дохов М.А. Проблемы развития домашнего мониторинга состояния здоровья. Медицина. 2020;2:50–60. URL: https://www.fsmj.ru/download/30/04.pdf. DOI: 10.29234/2308-9113-2020-8-2-50-60 (дата обращения: 20.06.2023).

3. Садыкова Е.В., Юлдашев З.М. Система удаленного мониторинга состояния здоровья и оказания экстренной медицинской помощи пациентам с хроническими заболеваниями. Биотехносфера. 2017;301(1):2–7.

4. Юлдашев З.М., Анисимов А.А. Система удаленного интеллектуального мониторинга состояния здоровья людей. Медицинская техника. 2017;301(1):45–48. URL: http://www.mtjournal.ru/upload/iblock/789/789eff3e690280d42b3e800758053a65.pdf (дата обращения: 20.05.2023).

5. Сущевич Д.С., Рудченко И.В., Качнов В.А. Домашняя телемедицина в амбулаторном наблюдении и лечении пациентов с хроническими неинфекционными заболеваниями. Актуальные вопросы современной науки: сборник научных трудов. Уфа: ООО Дендра; 2019. С. 119–126.

6. Курочкин А.Г., Жилин В.В., Суржикова С.А., Филист С.А. Использование гибридных нейросетевых моделей для многоагентных систем классификации в гетерогенном пространстве информативных признаков. Прикаспийский журнал: управление и высокие технологии. 2015;31(3):85–95. URL: https://hi-tech.asu.edu.ru/files/3(31)/85-95.pdf (дата обращения: 15.05.2023).

7. Курочкин А.Г., Протасова В.В., Филист С.А., Шуткин А.Н. Нейросетевые модели для мета-анализа медико-экологических данных. Нейрокомпьютеры. Разработка, применение. 2015;6:42–48.

8. Петрова Т.В., Кузьмин А.А., Савинов Д.Ю., Серебровский В.В. Распределенные автономные интеллектуальные агенты для мониторинга и мета-анализа эффективности управления живыми системами. Прикаспийский журнал: управление и высокие технологии. 2017;40(4):61–73. URL: https://hi-tech.asu.edu.ru/files/4(40)/61-73.pdf (дата обращения: 18.05.2023).

9. Piette J.D., List J., Rana G.K., Townsend W., Striplin D., Heisler M. Mobile health devices as tools for worldwide cardiovascular risk reduction and disease management. Circulation. 2015;132(21):2012–2027. DOI: 10.1161/CIRCULATIONAHA.114.008723 (дата обращения: 28.04.2023).

10. Vegesna A., Tran M., Angelaccio M., Arcona S. Remote patient monitoring via non-invasive digital technologies: a systematic review. TELEMEDICINE and e-HEALTH. 2017;23(1):3–17. URL: https://www.liebertpub.com/doi/pdf/10.1089/tmj.2016.0051. DOI: 10.1089/tmj.2016.0051 (accessed on 02.05.2023).

11. Чучалин А.Г., Синопальников А.И., Козлов Р.С., Тюрин И.Е., Рачина С.А. Внебольничная пневмония у взрослых: практические рекомендации по диагностике, лечению и профилактике (пособие для врачей). Клиническая микробиология и антимикробная химиотерапия. 2010;12(3):186–225. URL: https://cmac-journal.ru/publication/2010/3/cmac-2010-t12-n3-p186/cmac-2010-t12-n3-p186.pdf (дата обращения: 05.05.2023).

12. Чучалин А.Г., Синопальников А.И., Козлов Р.С., Авдеев С.Н., Тюрин И.Е., Руднов В.А., Рачина С.А., Фесенко О.В. Клинические рекомендации по диагностике, лечению и профилактике тяжелой внебольничной пневмонии у взрослых. Пульмонология. 2014;4:13–48. URL: https://journal.pulmonology.ru/pulm/article/view/437/437 (дата обращения: 25.05.2023).

13. Charles P.G., Wolfe R., Whitby M., Fine M.J., Fuller A.J., Stirling R., Wright A.A., Ramirez J.A., Christiansen K.J., Waterer G.W., Pierce R.J., Armstrong J.G., Korman T.M., Holmes P., Obrosky D.S., Peyrani P., Johnson B., Hooy M., the Australian Community-Acquired Pneumonia Study Collaboration, Grayson M.L. SMART-COP: a tool for predicting the need for intensive respiratory or vasopressor support in community-acquired pneumonia. Clinical Infectious Diseases. 2008;47(3):375–384. URL: https://academic.oup.com/cid/article-pdf/47/3/375/896843/47-3-375.pdf. DOI: 10.1086/589754 (дата обращения: 12.05.2023).

14. Бутусов А.В., Киселев А.В., Петрунина Е.В., Сафронов Р.И., Песок В.В., Пшеничный А.Е. Алгоритмы мониторинга эффективности терапевтических и реабилитационных процедур по показателям клинического анализа крови в системе поддержки принятия врачебных решений. Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2023;13(1):170–190. URL: https://uprinmatus.elpub.ru/jour/article/view/95/94. DOI: 10.21869/2223-1536-2023-13-1-170-190 (дата обращения: 12.06.2023).

15. Ермаков С.А., Болгов А.А. Оценка риска с использованием нейро-нечеткой системы. Информация и безопасность. 2022;25(4):583–592. URL: https://cchgeu.ru/science/nauchnye-izdaniya/nauchnyy-zhurnal-informatsiya-i-bezopasnost/texts_of_articls/2022/vypusk_4/ИиБ%202022%2025%204-12.pdf. DOI: 10.36622/VSTU.2022.25.4.012 (дата обращения: 17.06.2023).

16. Фисенко О.В., Синопальников А.И. Тяжелая внебольничная пневмония и шкалы оценки прогноза. Практическая пульмонология. 2014;2:20–26. URL: http://www.atmosphere-ph.ru/modules/Magazines/articles/pulmo/PP_2_2014_20.pdf (дата обращения: 08.06.2023).

17. Жилин В.В., Филист С.А., Халед Абдул Р.С., Шаталова О.В. Способ моделирования нечетких моделей в пакете MATLAB для биомедицинских приложений. Медицинская техника. 2008;2:15–18.

18. Жилин В.В., Филист С.А., Аль-Муаалеми В.А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей. Биомедицинская радиоэлектроника. 2009;5:77–82.

19. Рогожкина Ю.А., Мищенко Т.А., Малишевский Л.М., Богданова Д.С., Бензинеб Ф.Т., Нагайцева А.К. Создание прогностической модели для оценки степени тяжести внебольничной пневмонии. Бюллетень физиологии и патологии дыхания. 2019;71:45–50. URL: https://cfpd.elpub.ru/jour/article/view/188/188. DOI: 0.12737/article_5c898b1674b5d2.31350435 (дата обращения: 27.06.2023).

20. Сиротко И.И., Самойлов Р.Г. Математические модели прогнозирования течения внебольничной пневмонии у лиц молодого возраста. Сибирский медицинский журнал. 2007;22(2):5–10. URL: https://med-click.ru/uploads/files/docs/matematicheskie-modeli-prognozirovaniya-techeniya-vnebolnichnoy-pnevmonii-u-lits-molodogo-vozrasta.pdf (дата обращения: 30.06.2023).

Бутусов Андрей Владимирович

Email: mustang2004@vist.ru

ORCID |

Юго-Западный государственный университет

Курск, Российская Федерация

Алавcи Хайдер Али Хуссейн

ORCID |

Юго-Западный государственный университет

Курск, Российская Федерация

Карачевцев Руслан Алексеевич

ORCID |

Юго-Западный государственный университет

Курск, Российская Федерация

Филист Сергей Алексеевич
доктор технических наук, профессор

ORCID |

Юго-Западный государственный университет

Курск, Российская Федерация

Ключевые слова: дистанционный мониторинг, интерьер, шкалы риска внебольничной пневмонии, многоагентная система классификации, нейронечеткий классификатор, показатели качества классификации

Для цитирования: Бутусов А.В., Алавcи Х.А., Карачевцев Р.А., Филист С.А. Нейронечеткие сети для систем дистанционного мониторинга амбулаторных пациентов с заболеваниями органов дыхания. Моделирование, оптимизация и информационные технологии. 2023;11(3). URL: https://moitvivt.ru/ru/journal/pdf?id=1425 DOI: 10.26102/2310-6018/2023.42.3.016

246

Полный текст статьи в PDF

Поступила в редакцию 18.07.2023

Поступила после рецензирования 03.08.2023

Принята к публикации 13.09.2023

Опубликована 30.09.2023