- •Розділ 1. Основні поняття медичної інформатики. Комп’ютер у діяльності майбутнього лікаря
- •1.1. Основні поняття медичної інформатики
- •Інформація та її визначення
- •Носії повідомлень
- •Визначення кількості інформації
- •Представлення інформації в комп’ютері
- •Системи числення
- •Десяткова система числення
- •Двійкова (бінарна) система числення
- •Переведення числової інформації з десяткової системи числення в двійкову
- •Кодування нечислової інформації
- •Логічні елементи в комп’ютері
- •Предмет та об’єкт медичної інформатики
- •Медична інформація та її види
- •Інформація, дані, знання
- •Типи медичних знань.
- •Інформаційний медичний документ
- •Опис даних: якісні, порядкові та кількісні дані. Шкали вимірювання
- •Якісні дані. Шкала класифікації (номінальна).
- •Порядкові дані. Шкала порядку.
- •Кількісні дані. Шкала інтервалів і шкала відношень.
- •Медичні дані
- •Питання для самоконтролю
- •1.2. Передача інформації. Мережеві технології. Основи телемедицини Передача інформації, схема передачі інформації
- •Основні поняття комп’ютерних мереж
- •Комунікаційне обладнання
- •Комунікаційне програмне забезпечення
- •Класифікація комп’ютерних мереж
- •Локальні мережі
- •Глобальні мережі
- •Глобальна мережа Internet та її можливості
- •Виникнення глобальної мережі Internet.
- •Протоколи мережі Internet.
- •Ідентифікація комп’ютерів в мережі. Адресація в Internet.
- •Основні послуги Internet.
- •Робота з електронною поштою
- •Поштові адреси та структура електронного листа.
- •Робота з гіпертекстовими сторінками World Wide Web.
- •Пошук в Internet
- •Робота з файлами засобами ftp-сервера
- •Загальні алгоритми пошуку інформації в Internet .
- •Основи телемедицини
- •Технології, що застосовуються у телемедицині
- •Будова телемедичних систем. Засоби передачі інформації в телемедицині
- •Функції телемедичних центрів
- •Стандарти, які застосовуються в телемедицині.
- •Стандарт Health Level 7
- •Проблеми телемедицини
- •Питання для самоконтролю
- •1.3. Комп’ютерні дані: типи даних, обробка та управління. Основні концепції баз даних
- •Класифікація баз даних
- •Основні типи моделей даних
- •Ієрархічна модель даних.
- •Модель даних типу мережа.
- •Реляційна модель даних.
- •Класифікація сучасних систем керування базами даних
- •Мовні засоби систем керування базами даних
- •Майбутнє субд
- •Питання для самоконтролю
- •Розділ 2. Медичні дані. Методологія обробки та аналізу інформації.
- •2.1. Кодування та класифікація. Історія класифікації і кодування
- •Поняття класифікації
- •Двоосьова icpc .
- •Поняття кодування
- •Проблеми класифікації та кодування
- •Класифікаційні системи
- •Системи класифікації в Україні
- •Питання для самоконтролю
- •2.2. Аналіз біосигналів. Методи обробки біосигналів. Візуалізація медико-біологічних даних. Обробка та аналіз медичних зображень. Біосигнали та їх обробка.
- •Реєстрація, трансформація та класифікація сигналів
- •Біосигнали і нестаціонарні сигнали.
- •Типи сигналів.
- •Приклади застосування аналізу біосигналів
- •Поняття медичного зображення.
- •Формування медичних зображень
- •Медичне зображення як об’єкт медичної інформатики.
- •Методи отримання медичних зображень
- •Обробка медичних зображень.
- •Основні принципи обробки зображень.
- •Попередня обробка.
- •Зміна контрастності зображення.
- •Затемнення і видимість деталей зображення
- •Зменшення шуму.
- •Квантування рівня сірого
- •Відновлення зображень
- •Покращення зображень
- •Методика виявлення краю або контуру
- •Сегментація.
- •Стиснення зображення
- •Перетворення зображення
- •Повне перетворення
- •Розрахунок параметрів.
- •Інтерпретація зображень.
- •Проблеми обробки та аналізу зображень
- •Проблема візуалізації зображень.
- •Двовимірні томографічні зображення.
- •Тривимірне об’ємне зображення.
- •Способи двовимірної візуалізації.
- •Способи дійсної три вимірної візуалізації.
- •Застосування тривимірної візуалізації.
- •Сучасні тенденції обробки зображень
- •Обробка двовимірних та тривимірних медичних зображень. Обробка двовимірних медичних зображень
- •Обробка тривимірних медичних зображень
- •Питання для самоконтролю
- •2.4. Методи біостатистики. Сучасна технологія аналізу даних
- •Планування дослідження.
- •Підготовка даних до аналізу
- •Попередній аналіз даних
- •Вибір і реалізація методу аналізу
- •Закони розподілу дискретних випадкових величин Біноміальний розподіл (розподіл Бернуллі)
- •Розподіл Пуассона
- •Закони розподілу неперервних випадкових величин Нормальний закон розподілу (Гауса)
- •Розподіл
- •Розподіл Ст’юдента (Госсета)
- •Емпіричні закони розподілу випадкових величин
- •Оцінка параметрів розподілу та перевірка гіпотез Загальні поняття
- •Етапи перевірки гіпотез
- •Критерії перевірки гіпотез
- •Стійкість критеріїв
- •Послідовність операцій при виборі критерію
- •Постановка задачі
- •Визначення додаткових умов вибору критерію
- •Вибір конкретного критерію
- •Вимоги до вибірок
- •Критерій (критерій Пірсона)
- •Кореляційний аналіз
- •Регресійний аналіз
- •Тестові завдання для самоконтролю
- •Розділ 3. Медичні знання та прийняття рішень в медицині
- •3.1. Формалізація та алгоритмізація медичних задач. Основні поняття
- •Алгоритми та їх властивості.
- •Способи подання алгоритмів
- •Типи алгоритмів та їх структурні схеми Лінійні алгоритми
- •Циклічні алгоритми
- •Цикл-поки
- •Цикл-до
- •Питання для самоконтролю
- •3.2. Формальна логіка у вирішенні медико-біологічних задач. Основи логіки висловлень
- •Поняття висловлення
- •Множина значень висловлення
- •Алфавіт логіки висловлень
- •Логічні операції та таблиці істинності. Бінарні і унарні операції
- •Операція заперечення.
- •Операція кон’юнкції
- •Операція диз’юнкції
- •Операція імплікації
- •Операція еквівалентності
- •Діаграми Вена
- •Властивості логічних операцій
- •Основні логічні функції.
- •Логічна функція якщо
- •Способи подання логічних функцій
- •Питання для самоконтролю
- •3.3. Методи підтримки прийняття рішень. Стратегії отримання медичних знань Типи діагностичних і прогностичних технологій
- •Види лікарської логіки.
- •Детерміністична логіка
- •Табличні методи
- •Машинні технології
- •Логіка фазових інтервалів
- •Фазовий простір станів
- •Застосування ймовірнісної логіки в діагностиці
- •Основи теорії ймовірнісної діагностики
- •Розробка систем ймовірнісної діагностики
- •Приклад застосування систем ймовірнісної діагностики
- •Метод послідовного статистичного аналізу Вальда
- •Визначення й архітектура систем знань
- •Людина і комп’ютер
- •Експертні системи в медицині
- •Штучний інтелект.
- •Історія ес
- •Розробка експертних систем
- •База знань
- •Формальні моделі зображення знань
- •Продукційні моделі
- •Семантичні моделі
- •Модель типу фрейм
- •Характеристики експертних систем
- •Приклади застосування експертних систем
- •Тенденції розвитку систем знань
- •Питання для самоконтролю
- •3.4. Клінічні системи підтримки прийняття рішень. Засоби прогнозування. Моделювання медико-біологічних процесів . Поняття системи
- •Властивості систем
- •Структура систем
- •Загальна теорія систем. Системний підхід
- •Поняття моделі. Типи моделей
- •Типи моделей
- •Математична модель. Історія
- •Ступені складності математичної моделі
- •Ступені адекватності
- •Математичне моделювання
- •Етапи математичного моделювання
- •Обмеження і переваги методу математичного моделювання
- •Приклади математичних моделей.
- •1. Гемодинаміка судинного русла
- •2. Модель зміни концентрації лікарського препарату в крові пацієнта
- •3. Моделювання росту популяцій
- •57. Випадкові відхилення 58. Випадкові відхилення
- •4. Математична модель «хижак – жертва»
- •5. Моделювання клітинного росту
- •6. Математичне моделювання в імунології.
- •7. Моделювання епідемічних процесів
- •Питання для самоконтролю
- •3.5. Доказова медицина Доказова медицина. Принципи доказової медицини
- •Визначення доказовості
- •Аспекти доказової медицини
- •Умови ефективного функціонування доказової медицини
- •Алгоритм дій
- •Мета-аналіз
- •Види мета-аналізу
- •Переваги мета-аналізу
- •Проблеми мета-аналізу
- •Кокранівські бази даних
- •Принципи Кокранівського Співробітництва
- •Проблемні групи зі створення систематичних оглядів
- •Кокранівські робочі групи з методології оглядів
- •Кокранівські спеціалізовані групи
- •Кокранівські центри
- •Кокранівська мережа споживачів
- •Кокранівська електронна бібліотека
- •Кокранівська база даних систематичних оглядів
- •Кокранівський реєстр контрольованих випробувань
- •Прийняття оптимальних рішень в охороні здоров’я
- •Тенденції розвитку Кокранівського Співробітництва
- •Стислий довідник з доказової медицини
- •Принципи створення довідника
- •І. Систематичні огляди як джерело доказів.
- •Іі. Рандомізовані контрольовані випробування як джерела доказів
- •Особливості викладу матеріалу
- •Питання для самоконтролю
- •Розділ 4. Системи, направлені на пацієнтів, та інституційні інформаційні системи в охороні здоров’я
- •4.1. Типи інформаційних систем в галузі охорони здоров’я. Госпітальні інформаційні системи та їх розвиток. Вимоги до інформації
- •Основні аспекти інформатизації медичної діяльності
- •Загальна технологічна схема діагностично-лікувального процесу.
- •Етапи створення і основні характеристики міс
- •Класифікація медичних інформаційних систем
- •Медичні інформаційні системи базового рівня
- •Інформаційно довідкові системи.
- •Консультативно-діагностичні системи.
- •Арм лікаря.
- •Автоматизоване робоче місце лікаря діагноста
- •Медичні інформаційні системи рівня лікувально-профілактичного закладу
- •Інформаційні системи консультативних центрів.
- •Скрінінгові системи.
- •Інформаційні системи лікувально-профілактичної установи Особливості організації інформаційного середовища лікувально профілактичної установи
- •Основні типи даних
- •Інформаційні системи поліклінічного обслуговування.
- •Міс територіального і державного рівня
- •Інформаційне забезпечення міс
- •Госпітальні інформаційні системи
- •Архітектура гіс.
- •Автоматизовані робочі місця головного лікаря та його замісників.
- •Регістратура
- •Електронна медична карта (емк)
- •Стаціонар
- •Лабораторні дослідження.
- •Операційна
- •Облік лікарських засобів.
- •Питання для самоконтролю
- •4.2. Електронна медична картка. Ведення медичної документації за допомогою персонального комп’ютера.
- •Концепція побудови електронних медичних карток
- •Ступінь захисту інформації про пацієнтів
- •Система медичного документообігу закладів охорони здоров’я
- •Структура системи
- •Етапи документообігу
- •Питання для самоконтролю
- •4.3. Інформаційні ресурси системи охорони здоров’я
- •4.4. Етичні та правові принципи в системі охорони здоров’я Захист медичної інформації
- •Медична інформаційна система як об’єкт захисту
- •Проблеми організації захисту лікарської таємниці
- •Загрози інформації, що містить лікарську таємницю.
- •Проблеми впровадження комплексних систем захисту.
- •Вимоги до моделі процесів інформаційної безпеки.
- •Формування моделі інформаційної безпеки.
- •Питання для самоконтролю
- •Додатки Нейронні мережі.
- •Основні поняття
- •Моделі нейронних мереж Багатошаровий персептрон
- •Ймовірнісна нейронна мережа в задачах класифікації.
- •Узагальнено-регресійна нейронна мережа в задачах регресії
- •Карти Кохонена, що самоорганізуються
- •Лінійна мережа
- •Алгоритм побудови нейронних мереж Оцінка адекватності нейромережевих моделей
- •Методика побудови нейронної мережі в пакеті neuropro 0.25.
- •Розпізнавання образів у програмі емуляції нейронної мережі «numbers»
- •Класифікація даних на прикладі аналізу «ірисів фішера»
- •Поняття про приборно – комп’ютерні системи.
- •Коротка історична довідка.
- •Класифікація медичних приборно-комп’ютерних систем
- •Класифікація за функціональними можливостями
- •Класифікація за призначенням
- •Основні принципи побудови мпкс Структура мпкс.
- •Медичне забезпечення
- •Апаратне забезпечення мпк Деякі елементи обчислювальної техніки
- •Програмне забезпечення мпкс.
- •1. Підготовки дослідження.
- •2. Проведення дослідження.
- •3. Перегляду і редагування записів.
- •4. Обчислювального аналізу.
- •5. Оформлення висновку.
- •6. Роботи з архівом.
- •Системи для проведення функціональної діагностики. Системи для дослідження функцій кровообігу.
- •Комп’ютерна електрокардіографія
- •Комп’ютерна реографія.
- •Системи для дослідження органів дихання.
- •Системи для дослідження головного мозку
- •Комп’ютерна електроенцефалограма
- •Системи для ультразвукових досліджень
- •Комп’ютерна ехотомографія
- •Інші типи спеціалізованих систем
- •Методи обробки й аналізу медичних зображень.
- •Мпкс для рентгенівських досліджень
- •Мпкс для магнітно-резонансних досліджень.
- •Мпкс для радіонуклідних досліджень(рнд).
- •Багатофункціональні системи
- •Системи для проведення моніторингу
- •Специфіка моніторингових систем
- •Електрокардіографічний моніторинг
- •Системи управління лікувальним процесом.
- •Системи інтенсивної терапії.
- •Системи оберненого біологічного зв’язку.
- •Системи протезування та штучні органи.
- •Перспективи розвитку мпкс
- •Питання для самоконтролю
Регресійний аналіз
Регресійний аналіз є одним з найбільш широко використовуваних статистичних методів. У ньому задіяна велика кількість інших статистичних процедур (гіпотези про середні і дисперсії, кореляційний і дисперсійний аналіз, планування експерименту тощо) і розділи інших наук (наприклад, лінійна алгебра). Призначенням регресійного аналізу є отримання по експериментальним даним математичного рівняння (моделі), що описує поведінку деякої величини y в залежності від x :
Знаючи коефіцієнт кореляції ми можемо по величині однієї з корелюючих між собою змінних передбачити відповідне значення другої змінної.
Рівняння для Y по X має вигляд:
,
де , , , і називається рівнянням регресії (термін регресія понад 100 років тому був введений англійським статистиком Ф. Гамільтоном при вивченні спадкових ознак). Зміст поняття регресія (повернення до середнього значення) виражав характер зв’язку між ростом батьків та їхніх дітей – тенденції до середнього росту.
Якщо кореляція лінійна, то рівняння регресії можна записати наступним чином:
, ,
де , – кутові коефіцієнти регресії (рис. 34)
Рис. 34. рівняння регресії для лінійної кореляції
Приклад 6
Отримати прогноз значень коефіцієнта IQ у дітей по середнім значенням коефіцієнта IQ у батьків (коефіцієнти IQ у батьків і дітей є нормально розподіленими незалежними випадковими величинами) (таб. 24).
Таблиця 24. Прогноз значень коефіцієнта IQ
Середні значення IQ для обох батьків |
Прогноз |
Прогноз коефіцієнта IQ у дітей |
|
Коефіцієнт IQ |
|
||
125 |
+1,63 |
+0,96 |
114,72 |
120 |
+1,30 |
+0,77 |
111,80 |
110 |
+0,65 |
+0,38 |
105,83 |
105 |
+0,33 |
+0,20 |
103,07 |
105 |
+0,33 |
+0,20 |
103,07 |
95 |
-0,33 |
-0,20 |
96,93 |
95 |
-0,33 |
-0,20 |
96,93 |
90 |
-0,65 |
-0,38 |
94,17 |
80 |
-1,30 |
-0,77 |
88,20 |
75 |
-1,63 |
-0,96 |
85,28 |
|
0,00 |
0,00 |
100 |
|
1,00 |
0,35 |
81,75 |
|
1,00 |
|
9,04 |
Результати прогнозу (стовпчик 4) ілюструє явище, яке носить назву «регресія до середнього». У стовпчику три стандартне відхилення , тобто воно дорівнює величині коефіцієнта кореляції між прогнозуючими значеннями Z-оцінок: .
Дисперсія , тобто . Вона має особливий зміст: характеризує частину дисперсії значень y, яку можна пояснити наявністю кореляції між x і y.
Тестові завдання для самоконтролю
1. В результаті експерименту, що може бути повторений велику кількість разів, отримані значення х1, х2,..., хn, які називають:
вибіркою
випадковою величиною
щільністю розподілу випадкової величини
законом розподілу
2. Дискретною випадковою називається величина, яка приймає значення:
з замкненого інтервалу [0;n]
з відкритого інтервалу (0;n)
з напівзамкненого інтервалу зліва або справа
кінцеву кількість значень х1, х2,..., хn.
3. Величина, котра може приймати будь-які числові значення в даному інтервалі значень називається:
дискретною випадковою величиною
неперервною випадковою величиною
випадковою величиною;
параметром розподілу випадкової величини
4. Функціональна залежність між значеннями випадкових величин та ймовірностями з якими вони приймають ці значення називають:
щільністю розподілу
гістограмою розподілу
медіаною розподілу
законом розподілу
5. Щільність розподілу для неперервної випадкової величини – це:
первісна від функції розподілу
інтеграл від функції розподілу
похідна від функції розподілу
квадрат функції розподілу
6. Якому закону розподілу підпорядковуються випадкові події такі, як число викликів швидкої допомоги за певний проміжок часу, черги до лікаря в поліклініці, епідемії:
Госсета
Біноміальному
Пуассона
Гаусса
7. Які параметри має нормований нормальний закон розподілу:
Математичне сподівання – 0, дисперсія – 1
Математичне сподівання – 1, дисперсія – 1
Математичне сподівання – 0, дисперсія – 0
Математичне сподівання – 1, дисперсія – 2
8. Набір значень (х1,х2,...,хn) випадкової величини Х, котрі отримані в результаті п дослідів, називається:
вибіркою об’єму n
генеральною сукупністю
дискретною випадковою величиною
розподілом випадкової величини
9. Припущення, котрі відносяться до виду розподілу випадкової величини або окремих його параметрів є:
функції розподілу
щільності розподілу
статистичні гіпотези
параметри розподілу
10. Ймовірність з якою може бути відхилена нульова гіпотеза, коли вона є вірною, називається:
рівень значущості
похибкою ІІ-го роду
довірчою ймовірністю
похибкою експерименту
11. При проведенні досліджень необхідно забезпечити наступні вимоги до вибірки:
структурну відповідність, однорідність
однорідність, репрезентативність, співпадання умов спостережень
однорідність, співпадання умов спостережень
репрезентативність, співпадання умов спостережень
12. Нульова гіпозеза, що перевіряється за критерієм Пірсона, приймається, коли:
>
<
≥
=
13. Нульова гіпозеза, що перевіряється за критерієм Ст’юдента, відхиляється, коли:
< t
t
> t
= t.
14. Як задається кореляційна залежність між випадковими величинами:
у вигляді таблиць
вибіркових значень
матриць
моментів І-го і ІІ-го порядку розподілу
15. Значення коефіцієнта кореляції може змінюватися від
[-1;1)
(-1;1)
[-1;1]
(-1;1]
16. Що характеризує абсолютне значення коефіцієнта кореляції стохастичного взаємозв’язку між випадковими величинами:
силу та напрям
напрям та щільність
розсіювання та напрям
силу та щільність
17. Знак коефіцієнта кореляції вказує:
на щільність кореляції
на напрям стохастичного зв’язку
на силу стохастичного зв’язку
на ступінь розсіювання між випадковими величинами
18. Діаграми розсіювання випадкових величин характеризує:
параметри розподілу випадкових величин
емпіричну функцію розподілу
зміст концепції кореляції
щільність розподілу
19. Що означає термін регресія:
тенденцію зміни випадкових величин
повернення до середнього значення
нормалізація параметрів розподілу
напрям стохастичного зв’язку
20. Який вигляд має рівняння регресії, якщо кореляційний зв’язок є лінійним:
21. Які результати прогнозу дає “регресія до середнього”:
стандартне відхилення дорівнює коефіцієнту кореляції
пояснює відсутність кореляційного зв’язку
стандартне відхилення дорівнює коефіцієнту кореляції
вказує на напрям стохастичного зв’язку