Основные положения теории и методологии создания нейросетевых медицинских экспертных систем

1. При создании нейросетевых экспертных систем, работающих с медико-биологическими данными, актуальные задачи разделяются на подзадачи, сводимые к двум элементарным типам - классификации (выбор варианта из известного набора) и предикции (вычисление вектора действительных чисел в пространстве с заданной размерностью d, где d 1.

2. Каждая элементарная подзадача решается путем предварительного обучения N нейросетей-экспертов соответствующего типа; в случае N>1 окончательное решение задачи определяется путем голосования экспертов, проводимого по явному алгоритму или отдельной нейросетью-супервизором.

3. Для решения элементарных подзадач используются полносвязные сигмоидные нейронные сети, имеющие для каждого нейрона единую функцию вида Y = X / (C+êX ê), где C - положительная константа (характеристика нейрона), одинаковая для всех нейронов. Все нейронные сети обучаются по единому алгоритму двойственного функционирования.

4. Обучение нейросетей проводится на избыточном наборе входных параметров. После полного обучения может проводиться минимизация входных параметров и/или контрастирование нейросети. Минимизация параметров проводится после вычисления значимости входных параметров.

5. При обучении и тестировании все входные параметры, а также ответы нейросетей-предикторов выражаются в числовом виде и нормируются на диапазон [-1...1] независимо от типа данных (дискретные, непрерывные; относящиеся к объективной или субъективной категориям), что обеспечивает универсальное представление информации во время обработки ее нейросетью.

6. Устанавливается фиксированный, единый для всех используемых нейросетей набор стартовых параметров: общее число нейронов; число нейронов, на которое подается каждый входной сигнал (плотность); характеристика нейронов; уровень надежности (для нейросетей-классификаторов) или отклонения (для нейросетей-предикторов), число тактов функционирования.

7. Цель обучения нейросети на каждой подзадаче - получение полностью обученной сети с максимально возможным параметром характеристики и количеством синаптических связей, приближающимся к минимальному.

8. Критерием обученности нейросети является результат теста примеров, не входящих в обучающую выборку.

9. Экспертные системы, созданные на базе нейронных сетей, постоянно доучиваются в процессе работы.

Литература

1. Артоболевский И.И., Вишневский А.А., Быховский М.Л. Информационно-поисковые системы в медицине // Машинная диагностика и информационный поиск в медицине.- М.: Наука, 1969.- С.19-34.

2. Барцев С.И., Охонин В.А. Адаптивные сети обработки информации // Препринт Ин-та физики СО АН СССР, N 59Б. Красноярск, 1986.- 20 с.

3. Бедрековский М.А., Гамкрелидзе С.А., Федченко О.И. Элементная база нейрокомпьютеров // Зарубежная радиоэлектроника.- 1991.- N.6.- С.45-49.

4. Быховский М.Л., Вишневский А.А., Харнас С.Ш. Вопросы построения диагностического процесса при помощи математических машин // Экспериментальная хирургия и анестезиология.- 1961.- N.4.- С.3-15.

5. Гаврилин Ю. В. Расследование неправомерного доступа к компьютерной информации: учебное пособие. — М., 2001.

6. Гасников В. К. Основы научного управления и информатизации в здраво­охранении: учебное пособие. — Ижевск, 1997.

7. Гаспарян С. А. Классификация медицинских информационных систем. Информационные технологии в здравоохранении. — 2001. — № 10—12.

8. Гельман В. Я. Компьютерные коммуникации в медицине. — СПб, 2000.

9. Гельман В. Я. Медицинская информатика. Практикум. — СПб: Питер, 2001.

10. Гельфанд И.М., Губерман Ш.А., Гиндикин С.Г. и др. Некоторые задачи классификации и прогнозирования из различных областей медицины.- Вопросы кибернетики. Задачи медицинской диагностики и прогнозирования с точки зрения математика. М., 1985.- С.110-125.

11. Генкин А. А. Новая информационная технология анализа медицинских данных (программный комплекс ОМИС). — СПб, 1999.

12. Горбань А.Н. Обучение нейронных сетей. М.: Параграф, 1990.- 160 с.

13. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978.- 294 с.

14. Дюк В., Эмануэль В. Информационные технологии в медико-биологиче­ских исследованиях. — СПб, 2003.

15. Емельянов А. В. Построение комплексной системы связи Медицинского центра Управления делами Президента Российской Федерации. // Крем­левская медицина. Клинический вестник. — № 2.

16. Иванов Л. В. Прикладная компьютерная электроэнцефалография. — М., 2000.

17. Интернет. Энциклопедия/ под ред. Л. В. Мелиховой. — СПб, 2001.

18. Информатика. Книга 2. Основы медицинской информатики: Учебник / В. И. Чернов, И. Э. Есауленко, М. В. Фролов и др. — М.: Дрофа, 2009. — 205 с.

19. Информатика: учебник / под ред. Н. В. Макаровой. — М., 2001.

20. Информационные технологии территориального управления. Специали­зированный выпуск «Телемедицина». — М.: ВНИИ проблем вычислитель­ной техники и информатизации. — Т. 40. — 2003.

21. Камаев И. А. Телемедицина: клинические, организационные, правовые, технологические, экономические аспекты: учебное пособие. — Н. Новго­род, 2001.

22. Коровин Е. Н., Родионов О. В. Геоинформационные системы: учебное пособие. — Воронеж: Воронеж. гос. техн. ун-т, 2005.

23. Кудрина В. Г. Медицинская информатика. — М., 1999.

24. Кулаичев А. П. Компьютерная электрофизиология в клинической и ис­следовательской практике. — М., 1998.

25. Лебедев В. В., Калаицар В. А., Аракчеев А. Г. Алгоритмы измерения дли­тельности комплексов ЭКГ // Мед. техника. — 1998. — № 5.

26. Марасанов В.В. Математические модели дифференциальной диагностики заболеваний. Кишинев: Штиинца, 1973.- 62 с.

27. Масалович А.И. От нейрона к нейрокомпьютеру // Журнал доктора Добба.- 1992.- N.1.- С.20-24.

28. Михайлов В., Слюсаренко И., Воробьев М. Психотехнологии. — М., 1996.

29. Немирко А. П. Автоматизированные системы для медико-биологических исследований. — СПб., 1991.

30. Омельченко В. П., Демидова А. А. Практикум по медицинской информа­тике. — Ростов н/Д, 2001.

31. Основы медицинской информатики: учебно-методическое пособие / Аладышев А.В., Субботин Е.А. – Барнаул: Издательство Алтайский государственный медицинский университет, 2008. – 140 с.

32. Плотников В. А., Прилуцкий Д. А., Селищев С. В. Стандарты 8СР-ЕСО в программных системах для электрокардиографии // Мед. техника. — 1999. — № 2.

33. Постнова Т.Б. Информационно-диагностические системы в медицине. М.: Наука, 1972.- 233 с.

34. Россиев Д.А. Нейросетевые самообучающиеся экспертные системы в медицине // Молодые ученые – практическому здравоохранению. – Красноярск, 1994. – С.17.

35. Россиев Д.А. Самообучающиеся нейросетевые экспертные системы в медицине: теория, методология, инструментарий, внедрение. Диссертация на соискание звания д.м.н. 03.00.02. - Биофизика. Красноярск - 1995, 121 с.

36. Савушкин С.А. Нейросетевые экспертные системы // Нейрокомпьютер.- 1992.- N.2.- С.29-36.

37. Симонович С. В. Интернет у вас дома. — М., 2001.

38. Тавровский В. М. Лечебно-диагностический процесс. Теория. Алгорит­мы. Автоматизация. — Тюмень, 1997.

39. Шлант Р. К., Александер Р. В. Клиническая кардиология. — М.; СПб, 1998.