FORMATIONS OF THE DICTIONARY OF INFORMATIVE SIGNS ON THE BASIS OF CRITERION OF INFORMATIVNOSTI KULBAKA AT THE DECISION OF PROBLEMS OF DIAGNOSTICS OF VEGETATIVE SYNDROMES .

Abstract

Last decades steady growth of prevalence of cardiovascular diseases, such as hypertensive illness, an ischemic heart trouble is observed. Most often there is a syndrome of a vegetative dystonia, characterized by polymorphism of complaints and changes of the vegetative status of the patient. In structure SVD allocate: a syndrome traditionally called by a vegeto-vascular dystonia , hyperventilating syndromes and a syndrome of infringement of thermoregulation.

Full Text

Диагностика и лечение ранних форм цереброваскулярной и сердечно-сосудистой патологии, в том числе ВСД и кардиоваскулярный синдром приобретает свою актуальность в связи с развитием профилактической медицины, направленной на предупреждение развития серьезных, часто неизлечимых заболеваний. Материал и методы исследования. Рассмотрим подход, основанный на определении информативности признаков по Кульбаку, который базируется на вычислении диагностических коэффициентов. Диагностический коэффициент представляется в виде логарифма отношения вероятностей проявления данного признака в основной и контрольной группе (P(xji|A1) и P(xji |A2) соответственно) и умноженный на 100 [1]: Диагностические коэффициенты представляют собой чаще всего двузначные или однозначные положительные или отрицательные числа. Положительными они являются в случае преобладания вероятности P(xji|A1), находящейся в числителе, отрицательными — в случае преобладания вероятности P(xji |A2). То есть диагностические коэффициенты со знаком «+» говорят о большем правдоподобии гипотезы А1 (о принадлежности к основной группе) со знаком «-» — о большем правдоподобии гипотезы А2 (о принадлежности к контрольной группе). Очевидно, коэффициенты с положительным знаком несут положительную информацию, приближая сумму диагностических коэффициентов к порогу, который для А1 является положительным. Коэффициенты с отрицательным знаком, наоборот, «отдаляют» сумму от порога. Для гипотезы А2, наоборот, коэффициенты с отрицательным знаком приближают сумму к порогу, а коэффициенты с положительным знаком — отдаляют ее от порога, так как порог является величиной отрицательной [3]. Следует отметить, что чем больше величина диагностического коэффициента, тем больше дифференциально-диагностической информации, т. е. информации о преобладании вероятности одного из диагнозов, он несет. Однако информативность каждого значения признака зависит также от частоты, с какой встречается это значение при каждом из заболеваний, т. е. от величин P(xji|A1) и P(xji |A2). Если диагностический коэффициент значения признака xji велик, но больные с этим значением встречаются сравнительно редко, то в процессе диагностики роль такого значения признака xj мала [2]. Для определения той информации, которую несет признак xj, сначала необходимо вычислить сумму информации, которую дают значения признаков (xji). Для этого необходимо умножить диагностический коэффициент, полученный для данного признака ДК(xji) на разность вероятностей этого признака при принадлежности к основной группе (гипотеза А1) и к контрольной группе (гипотеза А2): ДК(xji)[P(xji |A1) - P(xji |A2)] (2) Следует заметить, что разность [P(xji |A1) - P(xji |A2)] будет положительной в случае, если ДК положителен. Разность же (2) покажет, насколько в среднем будет приближаться сумма диагностических коэффициентов к порогу в результате обнаружения у больного симптома xji. Аналогично рассчитываются другие значения этого же признака xj1, xj2,…, xjn. Информативность признака в целом I(xj) будет равна их сумме: Если представить величину ДК в развернутом виде, то формула (3) примет вид, идентичный формуле информационного критерия Кульбака: (4) Рассмотренный метод по сравнению с другими методами минимизации информативной избыточности наиболее прост и доступен для алгоритмизации. Его машинная адаптация не является трудоемкой и не влечет за собой значительных вычислительных затрат и ресурсов. Именно поэтому может успешно использоваться при решении задач диагностики вегетативных синдромов. На первом этапе алгоритма работы системы интеллектуальной поддержки принятия врачебных решений при постановке диагноза вегетативного синдрома осуществляется ввод данных, а именно указывается путь к файлу с информацией о здоровых пациентах и пациентах с синдромами: ВСД (синдром вегетативно-сосудистой дистонии); КВС (кардиоваскулярный синдром); ГВС (гипервентиляционный синдром); ДЖКТ (вегетативная дисфункция желудочно-кишечного тракта); СНТР (синдромом нарушения терморегуляции). На втором этапе производится расчет вероятностей P(xji |A2) проявления признаков в контрольной группе, то есть у здоровых пациентов. Эти вероятности равны отношению числа пациентов, имеющих симптом Xij, к общему числу пациентов в контрольной группе. Третий этап состоит в вычислении вероятностей P(xji|A1) проявления признаков у пациентов с синдромами ВСД, КВС, ГВС, ДЖКТ, СНТР. Эти величины равны отношению числа больных, имеющих симптом xji, к общему числу больных, страдающих этими болезнями. Четвертый этап. Вычисляются диагностических коэффициенты для признаков ДК(xji) по формуле На пятом этапе вычисляются информативности признаков Шестой этап заключается во вводе данных о пациенте, которому ставится диагноз, а именно: ФИО; рост; вес; возраст; пол; симптомы, присутствующие у пациента. На седьмом этапе осуществляется расчет вероятностей заболеваний с использованием Байесовского подхода. На основании этого делается вывод о заболевании пациента, то есть, ставится диагноз. На заключительном этапе полученные данные для конкретного пациента записываются в файл. Программа ProjectSlov по начальным данным вычисляет информативности признаков. После запуска программы появляется окно ввода данных, которое содержит предложение ввести путь к файлу формата .xls, содержащего статистические данные. Это можно сделать как вручную, прописав путь, либо же воспользовавшись кнопками для обзора файлов. При нажатии на кнопку «Ok» появляется главное окно программы. Просмотреть выбранные статистические данные можно на вкладке «Данные о пациентах» (рис. 1.). Рисунок 1 - Просмотр выбранных статистических данных Для вычисления информативности признаков с использованием критерия Кульбака пользователю нужно перейти на вкладку «Информативность по Кульбаку» и нажать кнопку «Вычислить информативность признаков». При этом рассчитанные информативности появятся в табличке в порядке убывания (рис.2.). Так же пользователю будет предложено сохранить полученные результаты в файл. Рисунок 2 - Вычисление информативности признаков по Кульбаку При нажатии на кнопку «Сформировать словарь информативных признаков» появится окно с предложением ввести число признаков для формирования словаря. В этом же окне будут выведены отобранные признаки. Программа ProjectDiagnoz предназначена для постановки диагноза конкретному пациенту. При запуске программы появляется главное окно (рис.3.) с предложением ввести путь к файлу со статистическими значениями. В рассмотрение берутся только те признаки, которые были отобраны в словарь информативных признаков. После введения всех данных о пациенте и его симптомах пользователь должен нажать на кнопку «Поставить диагноз». Рисунок 3 - Главное окно программы ProjectDiagnoz В отдельном окне выводятся вероятности каждого заболевания. Для сохранения результатов пользователь должен нажать на кнопку «Сохранить результаты». Появится окно с предложением указать путь к файлу для сохранения результатов. Полученные результаты и их обсуждение. Расчеты проводились на основании статистических данных о наличии определенного набора признаков у людей с разными вегетативными синдромами, а именно: синдром вегетативно-сосудистой дистонии (ВСД), кардиоваскулярный синдром (КВС), гипервентиляционный синдром (ГВС), вегетативная дисфункция желудочно-кишечного тракта (ДЖКТ), синдромом нарушения терморегуляции (СНТР), а также изучалась контрольная группа здоровых людей (табл.1.). Численность каждой группы составляла 50 человек. В рассмотрение были взяты следующие признаки: головная боль; боль, тяжесть в области сердца, общая слабость, понижение АД, головокружение, тошнота, колебания АД (перепады), сердцебиение, перебои, потливость, повышение АД, озноб, дрожь, чувство жара, шум в ушах, голове, перенесенные и/или имеющиеся заболевания, малоподвижный образ жизни, стресс, ВИК – вегетативный индекс Кердо, МОК – минутный объем кровотока (в литрах), иМОК – индекс минутного объема кровотока, КХ – коэффициент межсистемных отношений Хильдебрандта, ШСР – шейно-сердечный рефлекс (степень отклонения), ГСР - глазо-сердечный рефлекс (степень отклонения), СР – солярный рефлекс (степень отклонения), РГ – рефлекс Геринга (степень отклонения), ОП – ортостатическая проба (степень отклонения), КП – клиностатическая проба (степень отклонения), ФГа – первая часть формулы Гроте (прирост АД) (степень отклонения), ФГб – вторая часть формулы Гроте (прирост ЧСС) (степень отклонения). Используя полученные данные и описанный алгоритм были получены значения информативностей признаков и отобраны 20 наиболее информативных признаков (табл. 1.) Таблица 1 - Отобранные признаки Наименование Информативность ГСР 262,338 ШСР 158,913 Солярный рефлекс 122,977 ВИК 106,1 Коэф. Хильдебрандта 100,152 Перенесенные и/или имеющиеся заболевания 80,223 МОК 67,592 иМОК 63,277 ОртПроба 58,466 РефлГерга 52,822 КлинПроба 44,792 Головная боль. 43,635 Общая слабость. 29,09 Боль, тяжесть в области сердца. 24,816 Головокружение. 24,332 Малоподвижный образ жизни 23,281 Сердцебиение, перебои 18,8 Озноб, дрожь 18,688 Колебания АД (перепады). 17,266 Чувство жара 17,053 На основании отобранных признаков была разработана программа постановки диагноза вегетативного синдрома.
×

References

  1. Гублер Е.В. Вычислительные методы распознавания патологических процессов / Е.В. Гублер. – Л.: Медицина, 1970. – 320с.
  2. Зенков М.Р. Функциональная диагностика нервных болезней / М.Р. Зенков, М.А. Ронкин. – М.: МЕД пресс информ., 2004. – 488с.
  3. Горелик А.Л. Некоторые вопросы построения систем распознавания / А.Л. Горелик, В.А. Скрипкин. – М.: Советское радио, 1974. – 224с.
  4. Протасова И.В. Разработка программного обеспечения автоматизированной диагностики синдрома вегетативной дистонии / И.В. Протасова, И.С. Протасов, В.С. Протасов // Новые методы диагностики и исследования: сб. науч. тр. – Воронеж, 1997. – Вып.3. – С.61.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies