Для признаков из минимизированного набора были рассчитаны новые интервалы и, соответствующие им, информативности при помощи алгоритма диагностики, описанного в параграфе 7.1.

В результате был получен следующий набор признаков.

Таблица 17 – Признаки для алгоритма классификации

№	Признак		Диапазон измерения	Комбинированная информативность
1		-0,88	РТМ	9,8
2		1,1	РТМ	8,4
3		1		7,8
4		2,1		5,9
5		1,2	РТМ	5,9
6		-0,65	ИК	5,3
7		1,8		4,6
8		1,9		4,5
9		1,05	РТМ	4,1
10		2,2	ИК	4,0
11		0,44	РТМ	3,9
12		0,55	ИК	3,8
13		0,71	РТМ	3,2
14		0,8	РТМ	3,1
15		0,48	ИК	3,1
16		-0,75	ИК	3,0
17		-0,5	РТМ	2,6
18		-0,66	ИК	2,6
19		-0,19	РТМ	2,5
20		-0,55	РТМ	2,4
21		0,75	РТМ	2,4
22		0,32	РТМ	2,3
23		-0,5	РТМ	2,2

Также был найден новый критерий . В результате диагностики на тестовой выборке 1 была получена точность 87,6%, специфичность – 85% и чувствительность 88%.

Ближе к концу исследования была получена база данных больных пациенток. В результате анализа была сформирована независимая тестовая выборка (тестовая выборка 2). Она включает в себя информацию о 1148 молочных железах больных пациенток. Данные тестовой выборки 2 делятся в соответствии с преобладанием того или иного нарушения следующим образом:

• данные здоровых молочных желез больных пациенток (51 молочных желез);

• данные молочных желез с наличием раковой опухоли (98 молочных желез);

• данные молочных желез с наличием фиброзно-кистозной мастопатии (937 молочных желез);

• данные молочных желез с наличием прочих нарушений таких, как гинекомастия, фиброаденома, мастит (62 молочных желез).

В результате диагностики на независимой тестовой выборке 2 была получена чувствительность 91,5%.

ЗАКЛЮЧЕНИЕ

Подводя итоги, стоит отметить, что все поставленные цели и задачи были достигнуты. При этом в данной тематике есть еще много материала для дальнейших исследований.

В данной работе было проверено около 100 закономерностей. Были выделены характерные закономерности поведения температурных полей различных групп пациенток, которые были сформированы в признаки.

Одним из немаловажных результатов работы является тщательный анализ влияния различных факторов, таких как возраст пациента и количество беременностей и родов, на результаты измерений комбинированной термометрии, позволивший в процессе исследования сформировать обучающую и тестовую выборки. Данные результаты описаны в статье, которая принята к публикации [5].

Основными результатами работы является:

• разработанный алгоритм поиска высокоинформативных признаков по данным комбинированной термометрии;

• разработанный алгоритм поиска характеристических признаков по данным комбинированной термометрии;

• разработанные и реализованные алгоритмы диагностики пациенток, на основе найденных признаков.

Впервые был разработан алгоритм на основе совокупности высокоинформативных и характеристических признаков.

Разработанные алгоритмы предварительно прошли проверку на тестовых выборках.

Результаты проверки приведены ниже (см. Таблица 18).

Таблица 18 – Результаты проверки

	Точность	Точность диагностики здоровых (специфичность)	Точность диагностики больных (чувствительность)
Обучающая выборка	90,9%	85%	91,9%
Тестовая выборка 1	87,6%	85%	88%
Тестовая выборка 2			91,5%

Полученные данные на основе методики дают результат, приемлемый для использования в интеллектуальном аппаратно-программном комплексе диагностики заболевания молочных желез.

Список литературы:

1. 1.Бурдина, Л.М. Применение радиотермометра диагностического компьютеризированного интегральной глубинной температуры ткани для диагностики рака молочной железы / Бурдина Л.М., Хайленко В.А., Кижаев Е.В. и др. // Пособие для врачей. – М. – 1999 г. – С. 35

2. Вайсблат А.В. Использование микроволновой радиотермометрии в диагностике рака молочной железы / Вайсблат А.В., Веснин С.Г., Конкин М.А. и др. [сайт]. URL:http://www.resltd.ru/rus/literature/cancer.htm

3. Воронцов К.В. Лекции по логическим алгоритмам классификации: курс лекций // MachineLearning.RU. 2007. URL: http://www.ccas.ru/voron/download/LogicAlgs.pdf

4. Гмурман В. Е. Теория вероятностей и математическая статистика: Учебное пособие для вузов. — 10-е издание, стереотипное. — Москва: Высшая школа, 2004. — 479 с.

5. Замечник Т.В. К вопросу об оптимизации скринингового обследования молочных желез методом микроволновой радиотермометрии / Замечник Т.В., Мазепа Е.А., Черкесова С.И. и др. // Вестник новых медицинских технологий, 2014. [В печати]

6. Маммология: национальное руководство/ под ред. В.П. Харченко, Н.И. Рожковой. –М. : ГЕОТАР-Медиа, 2009. – 328с.

7. Медик В.А. Математическая статистика в медицине: учебное пособие / В.А. Медик, М.С. Токмачев. - М.: Финансы и статистика, 2007. - 800 с.

8. //Методы диагностики и обследования [сайт]. URL: http://www.analyz-in-moscow.ru/analizy_v_mammologii/

9. Моисеенко В.М. Кинетические особенности роста рака молочной железы и их значение для раннего выявления опухоли / Моисеенко В.М., Семиглазов В.Ф. –Маммология, №3, 1997. с. 3-11.

10. О внесении изменений в постановление Правительства Москвы от 4 октября 2011 г. N 461-ПП:Постановление Правительства Москвы от 14 мая 2014 г. N 249-ПП. URL: http://www.garant.ru/products/ipo/prime/doc/70554486/#review

11. Рожкова Н.И. Факторы, влияющие на эффективность радиотермометрических измерений молочной железы с помощью диагностического комплекса РТМ-01-РЭС / Рожкова Н.И., Смирнова Н.А., Назаров А.А.// «Опухоли женской репродуктивной системы» № 3, 2007, с. 21-25

12. Тихомирова Н.Н. Микроволновая радиотермометрия. Техника проведения РТМ-обследования молочных желез. 2008. – 64с.

13. Черкесова С.И., Математические модели классификации в диагностике рака молочной железы // Материалы Научной сессии, часть 1, г. Волгоград, 2014г. – Волгоград: Издательство ВолГУ, 2014. – с. 379.