№ 3 (181) 2022 р. С. 53–58

ЗАСТОСУВАННЯ НЕЙРОННИХ МЕРЕЖ ДЛЯ ДІАГНОСТИКИ ПУЛЬМОНОЛОГІЧНИХ ЗАХВОРЮВАНЬ

О. М. Комлевой

Одеський національний медичний університет, Одеса, Україна

DOI 10.32782/2226-2008-2022-3-12

В даній роботі побудована нейромережа для діагностування захворювання на ХОЗЛ шляхом класифікації стану дихальної системи. Для діагностування використана розширена система діагностичних показників, що крім результатів загальноклінічного аналізу, анкетного опитування за визначеними стандартами та біохімічних показників включає також біофізичні показники. Біофізичні показники є відсотковими внесками у складі конденсату вологи видихнутого повітря частинок різного походження та розміру. Аналіз характеристик побудованої моделі включав значення точності, повноти та F-міри, які виявились найкращими при 30000 епохах навчання нейромережі. Спроба використати ту ж саму нейромережу для вивчення стану дихальної системи після завершення лікування пацієнтів хворих на ХОЗЛ підтвердила, що у пацієнтів, які знаходяться на цій стадії, стан бронхо-легеневої системи не встигає повністю відновитися.

Ключові слова: пульмонологія, ХОЗЛ, діагностика, біофізичні показники.

REFERENCES

  1. Boutaba R,Salahuddin MA, Limam N, et al. A comprehensive survey on machine learning for networking: evolution, applications and research opportunities, Journal of Internet Services and Applications, 2018, Volume 9, Article Number 16. DOI: 10.1186/s13174-018-0087-2.
  2. Koteluk O, Wartecki A, Mazurek S, Kolodziejczak I, Mackiewicz A. How Do Machines Learn? Artificial Intelligence as a New Era in Medicine, Journal of Personalized Medicine, 2021, Volume 11, Issue 1, Article Number 32. DOI: 10.3390/jpm11010032.
  3. Abiodun OI, Jantan A, Omolara AE, Dada KV, Mohamed NA, Arshad H. State-of-the-art in artificial neural network applications: A survey, Heliyon, Volume 4, Issue 11, Article Number e00938. DOI: 10.1016/j.heliyon.2018.e00938
  4. Choi RY, Coyner AS, Kalpathy-Cramer J, Chiang MF, Campbell JP. Introduction to Machine Learning, Neural Networks, and Deep Learning, Translation Vision Science & Technology, 2020, Volume 9, Issue 2, Article Number 14. DOI: 10.1167/tvst.9.2.14.
  5. Spathis D, Vlamos Diagnosing asthma and chronic obstructive pulmonary disease with machine learning, Health Informatics Journal, 2019, Volume 25, Issue 3, Pp. 811-827. DOI: 10.1177/1460458217723169.
  6. Suresh KM, Perumal V, Yuvaraj G, Rajasekar SJS. Detection of Pneumonia from Chest X-Ray images using Machine Learning, Concurrent Engineering-Research and Applications, 2022, Article Number 1063293X221106501. DOI: 10.1177/1063293X221106501.
  7. Wang DW, Willis DR, Yih Y. The pneumonia severity index: Assessment and comparison to popular machine learning classifiers, International Journal of Medical Informatics, 2022, Volume 163, Article Number 104778. DOI: 10.1016/j.ijmedinf.2022.104778.
  8. Yu G, Li ZM, Li SX,et al. The role of artificial intelligence in identifying asthma in pediatric inpatient setting, Annals of Translational Medicine, 2020, Volume 8, Issue 21, Article Number 1367. DOI: 10.21037/atm-20-2501a.
  9. Chopde NR, Miri R. A Novel Machine Learning Approach for Prediction of Chronic Obstructive Pulmonary Disease, Bioscience Biotechnology Research Communications, 2020, Volume 13, Issue 15, Pp. 285-291. DOI: 10.21786/bbrc/13.15/50.
  10. Zeng SY, Arjomandi M, Luo G. Automatically Explaining Machine Learning Predictions on Severe Chronic Obstructive Pulmonary Disease Exacerbations: Retrospective Cohort Study, JMIR Medical Informatics, 2022, Volume 10, Issue 2, Article Number e33043. DOI: 10.2196/33043.
  11. Bloom CI, Ricciardi F, Smeeth L, Stone P, Quint JK. Predicting ХОЗЛ 1-year mortality using prognostic predictors routinely measured in primary care, BMC Medicine, Volume 17, Article Number 73. DOI: 10.1186/s12916-019-1310-0.
  12. Becirovic LS, Deumic A, Pokvic LG, Badnjevic A. Aritificial Inteligence Challenges in COPD management: a review, 2021 IEEE 21st International Conference On Bioinformatics And Bioengineering (IEEE BIBE 2021). DOI: 10.1109/BIBE52308.2021.9635374.
  13. Komleva NO, Cherneha KS, Tymchenko BI, Komlevoy Intellectual Approach Application for Pulmonary Diagnosis, IEEE First International Conference «Data Stream Mining & Processing», Lviv Ukraine, 2016, pp. 48–52.
  14. Komlevaya N, Komlevoy A, Chernega Designing of the specialized computer system for making pulmonology diagnosis,in: Proceedings of the 8th International Conference of Programming UkrPROG’2014, Kyiv Ukraine, 2014, pp. 253–263.
  15. Komlevoi O.,  Komleva N.,  Liubchenko V.,  Zinovatna S.Biological Data Mining and Its Applications in Pulmonology. Proceedings of the 4th International Conference on Informatics & Data-Driven Medicine. Valencia, Spain, November 19 – 21, 2021. Vol-3038. p. 44-53. http://ceur-ws.org/Vol-3038/paperpdf
  16. Krisilov VA, Komleva NO. Analysis and Evaluation of Competence of Information Sources in Problems of Intellectual Data Processing. Problemele Energeticii Regionale.  2019. Issue: 1-1. Special Issue: SI. Pp. 91-104. https://doi.org/10.5281/zenodo.3239185
  17. Komleva N , Liubchenko V, Zinovatna S. Evaluation of the Quality of Survey Data and its Visualization Using Dashboards. 15th International Scientific and Technical Conference «Computer Science and Information Technologies» Lviv Polytechnic National University. Lviv, Ukraine, September 23-26, 2020. Vol. 2. – Lviv, 2020. – P. 234–237. DOI: 10.1109/CSIT49958.2020.9321970.
Переглянути публікацію PDF