Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Методы и алгоритмы вычислительной диагностики

Учебное пособие по курсу «Автоматизированная обработка экспериментальных данных»
Покупка
Артикул: 839705.01.99
Доступ онлайн
640 ₽
В корзину
Рассмотрены особенности решения задачи формализации диагностического процесса. Описаны алгоритмы вычислительной диагностики, методы оценки информативности и отбора симптомов, структура процесса вычислительной диагностики. Приведен пример построения системы вычислительной диагностики для дифференцирования ранних форм хронических артритов. Для студентов старших курсов факультета «Биомедицинская техника».
Спиридонов, И. Н. Методы и алгоритмы вычислительной диагностики : учебное пособие по курсу «Автоматизированная обработка экспериментальных данных» / И. Н. Спиридонов, А. В. Самородов. - Москва : Изд-во МГТУ им. Баумана, 2006. - 50 с. - ISBN 5-7038-2920-8. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2165230 (дата обращения: 18.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Московский государственный технический университет 
имени Н.Э. Баумана 

 
И.Н. Спиридонов, А.В. Самородов 

 

 
МЕТОДЫ И АЛГОРИТМЫ  
ВЫЧИСЛИТЕЛЬНОЙ  
ДИАГНОСТИКИ 

 
Рекомендовано редсоветом МГТУ им. Н.Э.Баумана 
в качестве учебного пособия 
по курсу «Автоматизированная обработка  
экспериментальных данных» 
 

М о с к в а 
Издательство МГТУ им. Н.Э. Баумана 
2 0 0 6 

УДК 57.08(075.8) 
ББК 32.81+53.4 
С17 

Рецензенты: Н.М. Вереникина, Т.К. Логинова 

Спиридонов И.Н., Самородов А.В. 
С17     Методы и алгоритмы вычислительной диагностики: Учеб. 
пособие по курсу «Автоматизированная обработка эксперимен- 
тальных данных». – М.: Изд-во МГТУ им. Н.Э. Баумана, 2006. – 
50 с.: ил.  
ISBN 5-7038-2920-8 
Рассмотрены особенности решения задачи формализации диагностического процесса. Описаны алгоритмы вычислительной диагностики, методы оценки информативности и отбора симптомов, 
структура процесса вычислительной диагностики. Приведен пример построения системы вычислительной диагностики для дифференцирования ранних форм хронических артритов. 
Для студентов старших курсов факультета «Биомедицинская 
техника». 
Ил. 1. Табл. 11. Библиогр. 15 назв. 

УДК 57.08(075.8) 
                                                                                              ББК 32.81+53.4 

Учебное издание 

Игорь Николаевич Спиридонов 
Андрей Владимирович Самородов 

МЕТОДЫ И АЛГОРИТМЫ ВЫЧИСЛИТЕЛЬНОЙ  
ДИАГНОСТИКИ 

Редактор О.М. Королева 
Корректор Л.И. Малютина 
Компьютерная верстка А.Ю. Ураловой 

Подписано в печать 15.09.2006. Формат 60×84/16. Бумага офсетная. 
Печ. л. 3,25. Усл. печ. л. 2,91. Уч.-изд. л. 2,75. 
Тираж 100 экз. Изд. № 17. Заказ 

Издательство МГТУ им. Н.Э. Баумана. 
105005, Москва, 2-я Бауманская, 5. 

ISBN 5-7038-2920-8 
 МГТУ им. Н.Э. Баумана, 2006 

 

 

ВВЕДЕНИЕ 

Основным первичным медицинским документом, от содержания которого в значительной степени зависят результаты диагностики, является история болезни (ИБ). В ней содержатся все 
сведения о больном и его заболевании (жалобы, анамнез, данные 
объективных исследований и др.). Для формализации процесса 
постановки диагноза медицинская ИБ должна удовлетворять определенным требованиям. 
Медицинская ИБ должна содержать и хранить данные обследования, обоснованные заключения о болезнях и мерах по лечению пациента. 
Описание болезни должно соответствовать принятым стандартам и выполняться в количественных значениях. В медицине широко распространены количественные измерения частоты пульса, 
температуры, объема легких и пр. Существуют также и многие 
другие четко определенные характеристики состояния организма. 
Однако основные проблемы возникают при интерпретации симптомов, оцениваемых качественно, таких, как например, боль, аллергическая реакция, сыпь и т. п. 
ИБ должна позволять сгруппировать признаки и симптомы по степени важности, зависящей от поставленной диагностической задачи. 
Основная проблема составления ИБ заключается в способе 
описания данных и в формальном определении таких понятий, 
как болезнь, функциональное состояние. Желательно иметь стандартизированную, унифицированную ИБ с полным перечнем вопросов, на которые должен ответить врач при обследовании 
больного. Использование формализованной ИБ позволяет достичь эффекта сразу в четырех направлениях: уменьшить объем 
ИБ, сократить время заполнения ИБ; обеспечить возможность 
обработки ИБ на ЭВМ; оперативно получить результаты для 
практических и научных целей. 
При формализации ИБ необходимо учитывать вероятность появления редких и аномальных симптомов, которые присущи ред

ким заболеваниям. В связи с этим следует подчеркнуть, что главная роль в постановке диагноза принадлежит врачу. 
Использование для поддержки решений врача формальных методов постановки диагноза, как правило, бывает необходимым, 
при решении таких задач, как ранняя и дифференциальная диагностика сходных по симптоматике заболеваний. Как следует из накопленного опыта по применению математических методов в медицине, системы вычислительной диагностики (ВД), основанные 
на корректном анализе известных признаков и симптомов болезней, позволяют существенно повысить вероятность постановки 
правильного диагноза. 
Основными задачами ВД являются: 
1) постановка объективного диагноза на базе обобщения накопленного медицинского опыта; 
2) выяснение достаточности медицинской информации для постановки диагноза; 
3) выработка рекомендаций по наиболее целесообразному 
маршруту обследования; 
4) оценка эффективности лечения и прогнозирования результатов. 

1. МЕТОДЫ ВЫЧИСЛИТЕЛЬНОЙ ДИАГНОСТИКИ 

В ВД приняты следующие термины и определения. 
Признак – любой заранее сформулированный вопрос, касающийся: 
1) определенных характеристик, полученных клиническими, 
лабораторными и инструментальными методами исследования, 
применяемыми при конкретной болезни;  
2) типологических, психоэмоциональных и конституциональных особенностей обследованного больного; 
3) воздействия факторов внешней среды, которые могут быть 
значимыми при рассматриваемой болезни. 
Симптом – заранее сформулированный ответ на любой из вопросов (признаков). Например, признаком является состояние тяжести больного. К нему относятся симптомы: легкое состояние, 
состояние средней тяжести, тяжелое состояние и т. п. 
Симптокомплекс – любое сочетание симптомов, относящихся 
к разным признакам. Устойчиво наблюдаемая совокупность симптомов называется синдромом. 
Частота симптома – количество случаев (наблюдений), в которых встречается рассматриваемый симптом при данной болезни 
в данной группе наблюдения. 

 

Вероятность симптома – отношение частоты симптома при 
данной болезни в данной группе наблюдений к объему этой группы. 
Алгоритм – определенная последовательность элементарных 
предписаний или правил, выполнение которых приводит к решению поставленной задачи. 
Алгоритм является основой любого метода ВД. 
К методам ВД относятся: 
1) логические методы. Данные методы основаны на рассмотрении симптомов и симптокомплексов, которые своим присутствием 
или отсутствием подтверждают или исключают наличие той или 
иной болезни из круга рассматриваемых. Данные методы широко 
применяются в медицинской практике. Однако они не могут использоваться для дифференциальной диагностики сходных по 
симптоматике болезней; 
2) вероятностные методы. Данные методы строятся на алгоритмах, в которых присутствие или отсутствие каждого симптома 
или симптокомплекса, несущего диагностическую ценность, изменяет вероятность наличия или отсутствия той или иной болезни из 
круга рассматриваемых. Необходимо отметить, что логические 
методы являются предельным случаем вероятностных. Вероятностные методы подразделяются на следующие: 
а) балльные, в которых диагноз ставится на основе сложения 
баллов. Балл (вес) симптома для соответствующего диагноза определяется заранее и, как правило, является мнением врача о важности того или иного симптома для данного диагноза. Подобные методы также называют матричными, или табличными, алгоритмами 
с оценкой веса симптомов; 
б) явные, в которых диагностика проводится на базе вычислений апостериорных вероятностей болезней из группы рассматриваемых. В основе явных вероятностных методов лежит использование формулы Байеса. Явные методы могут применяться в двух 
вариантах. В первом варианте учитываются сразу все информативные симптомы, на основании которых рассчитываются окончательные значения апостериорных вероятностей. Во втором варианте используются последовательные статистические процедуры, 
в которых учет симптомов происходит последовательно, начиная с 
наиболее информативного; 
в) неявные, в которых определяется наиболее вероятный диагноз, без вычисления апостериорных вероятностей в явном виде. К 
подобным методам относятся вероятностно-геометрические методы (алгоритм фазового интервала), которые заключаются в клас
Доступ онлайн
640 ₽
В корзину