USE OF ARTIFICIAL NEURONIC NEURAL NETWORKS IN DIAGNOSTICS OF THE CARDIALGIA SYNDROME
https://doi.org/10.51523/2708-6011.2008-5-4-4
Abstract
The purpose of research - development of a method of an estimation of a pain set of symptoms in the field of heart with use Artificial Neural Networks (ANN) in view of singularities of the clinical data for a solution of a problem of differential diagnostics cardialgia syndrome a vertebral and coronary genesis. The developed system of differentiation of cardialgia syndrome with help ANN has shown appreciable diagnostic possibilities with high indexes of sensitivity (97,7 %) and specificity (91,1 %).
About the Authors
A. V. Korotaev
Republican Research Center for Radiation Medicine and Human Ecology
Belarus
Belarus
A. A. Litvin
Gomel Regional Clinical Hospital
Belarus
Belarus
N. A. Manak
Gomel Regional Clinical Hospital
Belarus
Belarus
V. Ja. Latysheva
Gomel State Medical University
Belarus
Belarus
References
1. Андрейчиков, А. В. Интеллектуальные информационные системы / А. В. Андрейчиков, О. Н. Андрейчикова. - М.: Финансы и статистика, 2006. - 424 с.
2. Боровиков, В. П. Прогнозирование в системе «Statistica» в среде Windows / В. П. Боровиков, Г. И. Ивченко. - М.: Финансы и статистика, 2006. - 368 с.
3. Возможности прогнозирования инфицированного панкреонекроза / А. А. Литвин [и др.] // Проблемы здоровья и экологии. - 2007. - № 2. - С. 7-14.
4. Лутфарахманов, И. И. Сравнительная оценка современных подходов ранней идентификации тяжелого течения острого панкреатита / И. И. Лутфарахманов, П. И. Миронов, В. А. Руднов // Анестезиология и реаниматология. - 2007. - № 3. - С. 51-54.
5. Назаренко, Г. И. Прогнозирование характера течения острого панкреатита методом нейронных сетей / Г. И. Назаренко, В. И. Сидоренко, Д. С. Лебедев // Вест. хирургии. - 2005. - Т. 164, № 1. - С. 50-54.
6. Нейронные сети. STATISTICA Neural Networks: пер. с англ. - М.: Горячая линия-Телеком, 2001. - 182 с.
7. Осовский, С. Нейронные сети для обработки информации / С. Оссовский; пер. с польского И. Д. Рудинского. - М.: Финансы и статистика, 2004. - 344 с.
8. Применение нейросетевых компьютерных технологий в определении лечебной тактики у больных с язвенной болезнью желудка и двенадцатиперстной кишки / В. П. Петров [и др.] // Вест. хирургии. - 2000. - Т. 159, № 1. - С. 73-76.
9. Прогнозирование осложнений после реконструктивных операций на аортоподвздошном сегменте / А. А. Полянцев [и др.] // Хирургия. - 2004. - № 4. - С. 9-12.
10. Использование нейронных сетей для прогнозирования исходов оперативных вмешательств по поводу ишемической болезни сердца / Н. Н. Шихвердиев [и др.] // Вест. хирургии. - 2003. - Т. 162, № 2. - С. 75-78.
11. Abbass, H. A. An evolutionary artificial neural networks approach for breast cancer diagnosis / H. A. Abbass // Artificial Intelligence in Medicine. - 2002. - Vol. 25, № 3. - P. 265-281.
12. Archambeau, C. Prediction of visual perception with artificial neural networks in a visual prosthesis for the blind / C. Archambeau, J. Delbekeb, C. Veraartb // Artificial Intelligence in Medicine. - 2004. - Vol. 322. - P. 183-194.
13. Borret, D. S. Evolutionary autonomous agents and the nature of apraxia / D. S. Borret, F. Jin, H. C. Kwan // Biomedical Engineering Online. - 2005. - Vol. 14, № 1. - P. 1.
14. Delen, D. Predicting breast cancer survivability: A comparison of three data mining methods / D. Delen, G. Walker, A. Kadam // Artificial Intelligence in Medicine. [Electronic resource]. - 2004. - Mode of access: http://www.intl.elsevierhealth.com/journals/aiim. Date of access 23.09.2005.
15. Gomez-Ruiz, J. A. A neural network based model for prognosis of early breast cancer / J. A. Gomez-Ruiz, J. M. Jerez-Aragones, J. Munoz-Perez // Applied Intelligence. - 2004. - Vol. 20. - P. 231-238.
16. New directions in statistical signal processing: from systems to brain / S. Haykin [et al.]. - Cambridge, London: The MIT Press, 2007. - 514 p.
17. Mobley, B. A. Neural network predictions of significant coronary artery stenosis in men / B. A. Mobley, E. Schechter, W. E. Moore // Artificial Intelligence in Medicine [Electronic resource]. - 2004. - Mode of access: http://www.intl.elsevierhealth.com/journals/aiim. Date of access 23.09.2005.
18. Mobley, B. A. Predictions of coronary artery stenosis by artificial neural networks / B. A. Mobley, E. Schechter, W. E. Moore // Artificial Intelligence in Medicine. - 2000. - Vol. 18. - P. 187-203.
19. Nattkemper, T. W. Human vs. machine: Evaluation of fluorescence micrographs / T. W. Nattkemper, T. Twellmann, H. Ritter // Computers in Biology and Medicine. - 2003. - Vol. 33, № 1. - P. 31-43.
20. Papadopulos, A. An automatic microcalcification detection system based от a hybrid neural network classifier / A. Papadopulos, D. I. Foriadis, A. Likas // Artificial Intelligence in Medicine. - 2002. - Vol. 25, № 2. - P. 149-167.
21. Zhou, Z. H. Lung cancer cell identification based on artificial neural network ensembles / Z. H. Zhou, Y. Jiang, B. Yang // Artificial Intelligence in Medicine. - 2002. - Vol. 24, № 1. - P. 25-36.
Review
For citations:
Korotaev A.V., Litvin A.A., Manak N.A., Latysheva V.J. USE OF ARTIFICIAL NEURONIC NEURAL NETWORKS IN DIAGNOSTICS OF THE CARDIALGIA SYNDROME. Health and Ecology Issues. 2008;(4):23-28. (In Russ.) https://doi.org/10.51523/2708-6011.2008-5-4-4
Views: 263
Email this article 