к.т.н., доцент, кафедра информационных и управляющих систем, пр-т Революции, 19, г. Воронеж, 394036, Россия
Cand. Sci. (Engin.), associate professor, department of information and control systems, Revolution Av., 19 Voronezh, 394036, Russia
д.м.н., профессор, акушерство и гинекология ИДПО, пер. Здоровья, 2, г. Воронеж, 394024, Россия
Dr. Sci. (Med.), professor, obstetrics and gynecology IAPE, Zdoroviya lane, 2, Voronezh, 394024, Russia,
Работа посвящена разработке метода автоматизированной медицинской диагностики на основе описания биомедицинской системыс помощью двух параметров: энергии, отражающей взаимодействие ее элементов, и энтропии, характеризующей организацию системы. Нарушение энерго-энтропийного цикла биомедицинской системы отражается в симптомах заболевания. Статистическая связь между признаками состояния организма и характером возбуждения его элементов наилучшим образом выражается в эвристическом описании состояния системы. Высокая точность классификации состояния пациента достигается при использовании эвристических методов распознавания. В работе предложен подход, позволяющий оценить вероятность правильной диагностики, повышающий достоверность классификации, и выполнена оценка минимального объема обучающей выборки и информационной емкости входящих в нее признаков. Методика классификации заключается в усреднении значений признаков в рамках выбранных классов, составлении симптомокомплекса из наиболее значимых признаков заболевания, проведении «грубой» диагностики с установлением порога нормы, позволяющей выделить тяжелые формы заболевания, а затем дифференциальной диагностики степени тяжести заболевания. Предложенная методика апробирована для классификации форм послеродового эндометрита (легкой, средней, тяжелой). Обучающая выборка содержала 70 историй болезни. Симптомокомплекс для классификации состояния пациента был составлен из 17 признаков. Пороговая диагностика позволила установить наличие заболевания и отделить тяжелые его формы. Дифференциальная диагностика использовалась для классификации легкой и средней степени тяжести послеродового эндометрита. Точность классификации форм послеродового эндометрита составила 97,1%.
Тhe work is dedicated to the development of a method of automated medical diagnosis based on the description of biomedical systems using two parameters: energy, reflecting the interaction of its elements, and entropy characterizing the organization of the system. The violations of the energy-entropy cycle of biomedical systems is reflected in the symptoms of the disease. Statistical link between the symptoms of the condition of the body and the nature of excitation of its elements best expressed in the heuristic description of the system state. High accuracy classification of the patient's condition is achieved by using heuristic detection methods. In the proposed approach, allowing to estimate the probability of correct diagnosis increases the accuracy of the classification, and the estimated minimum amount of training samples and the capacity of its constituent signs. Classification technique consists in averaging the characteristic values in the selected classes, the preparation of the complex of symptoms of the most important signs of the disease, to conduct a "rough" diagnostic threshold rules that allow to distinguish severe forms of the disease, then differential diagnosis the severity of the disease. The proposed method was tested for classification of the forms of puerperal endometritis (mild, moderate, severe). The training sample contained 70 case histories. Syndrome to classify the patient's condition was composed of 17 characteristics. Threshold diagnosis has allowed to establish the presence of disease and to separate heavy. Differential diagnosis was used for classification of mild and moderate severity of postpartum endometritis. The accuracy of the classification of forms of postpartum endometritis amounted to 97.1%.
The authors declare that there are no conflicts of interest present.