Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Учебное пособие 800633

.pdf
Скачиваний:
8
Добавлен:
01.05.2022
Размер:
10.3 Mб
Скачать

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Российская академия естественных наук им. В. И. Вернадского ФГБОУ ВО «Воронежский государственный технический университет»

Воронежский институт высоких технологий - АНОО ВО ФГБОУ ВО «Воронежский государственный медицинский университет им. Н. Н. Бурденко»

УПРАВЛЕНИЕ В БИОМЕДИЦИНСКИХ, СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ

Межвузовский сборник научных трудов

Воронеж 2018

УДК 681.3(6)

ББК 30в6я4

У677

Управление в биомедицинских, социальных и экономических системах:

У677 межвуз. сб. науч. тр.; ФГБОУ ВО «Воронежский государственный технический университет». - Воронеж: Изд-во ВГТУ, 2018. 198 с.

ISBN 978-5-7731-0666-1

Межвузовский сборник научных трудов посвящен вопросам повышения эффективности технических, экономических, медицинских и образовательных систем на основе методов моделирования и оптимизации.

Содержание статей соответствует научному направлению «Вычислительные комплексы и проблемно-ориентированные системы управления» и перечню критических технологий Российской Федерации, утвержденному Президентом Российской Федерации.

Сборник будет полезен специалистам в области компьютерных систем, обеспечивающих управление в биомедицинских, социальных и экономических системах.

Коровин Е. Н.

Родионов О. В.

Львович Я. Е.

Львович И. Я.

Фролов М. В.

Есауленко И. Э.

Нехаенко Н. Е.

Борисов В. А.

Коровин В. Н.

Редакционная коллегия:

д-р техн. наук, проф. – ответственный редактор, Воронежский государственный технический университет;

д-р техн. наук, проф.,

Воронежский государственный технический университет;

Заслуженный деятель науки РФ, д-р техн. наук, проф., Воронежский институт высоких технологий;

д-р техн. наук, проф., Воронежский институт высоких технологий;

д-р мед. наук, проф., Воронежский государственный медицинский университет

им. Н. Н. Бурденко;

– д-р мед. наук, проф., Воронежский государственный медицинский университет им. Н. Н. Бурденко;

д-р мед. наук, проф., Департамент здравоохранения Воронежской области;

д-р мед. наук, проф., Воронежский государственный медицинский университет им. Н. Н. Бурденко;

канд. техн. наук – ответственный секретарь, Воронежский государственный технический университет

УДК 681.3(6)

ББК 30в6я4

Рецензенты: кафедра биомедицинской инженерии Юго-Западного государственного университета

(зав. кафедрой д-р техн. наук, проф. Н. А. Кореневский); д-р мед. наук Е. А. Фурсова

Печатается по решению учебно-методического совета Воронежского государственного технического университета

ISBN 978-5-7731-0666-1

ФГБОУ ВО «Воронежский

 

государственный технический

 

университет», 2018

ВВЕДЕНИЕ

В сборнике помещены статьи, затрагивающие вопросы, отражающие современное состояние в области математических и информационного обеспечения процессов управления в социальных и экономических системах. Наряду со статьями, имеющими теоретическую проработку, опубликованы материалы практической направленности решения прикладных задач приведенной тематики.

Сборник полезен научно-техническим работникам, специалистам, аспирантам, студентам, специализирующимся в области информатики, кибернетики, автоматизированных систем в экономике, технике, медицине и образовании.

3

УДК 681.3

О.В. Родионов, Р.Л. Баранов, С.С. Долматов

АЛГОРИТМИЗАЦИЯ ВЗАИМОДЕЙСТВИЯ ВРАЧА И ПАЦИЕНТА В РАМКАХ ЭЛЕКТРОННОЙ МЕДИЦИНСКОЙ КАРТЫ

Статья посвящена разработке алгоритмического обеспечения медицинской информационной системы контроля показателей состояния пациента в рамках электронной медицинской карты

Ключевые слова: медицинская информационная система, электронная медицинская карта, алгоритм

Понятие «Электронная медицинская карта» связано с комплексом задач, охватывающих документирование с помощью информационных технологий процессов обследования, диагностики и лечения конкретного пациента, а также реабилитации, ведения здорового образа жизни и любой другой информации, связанной со здоровьем. С 2010 года в России в рамках государственной программы идёт активная информатизация учреждений здравоохранения. Ключевым звеном этого процесса является медицинская информационная система. В настоящее время в России зарегистрированы сведения около 800 различных программных продуктов для лечебно-профилактических учреждений. Многие медицинские информационные системы, представленные на рынке, включают в свой функциональный состав персональную электронную медицинскую карту, однако они являются ориентированными на автоматизацию управления медицинскими учреждениями и их финансовой деятельностью, а не на информаци- онно-аналитическую обработку медицинских данных пациента. Наличие персональной электронной медицинской карты и доступ к ней как со стороны врача, так и со стороны пациента переводит на качественно новый уровень систему электронных консультаций между пациентом и его лечащим врачом, а также обеспечивает постоянное взаимодействие врача и пациента, повышает оперативность лечебно-диагностического процесса. В связи с этим разработка и программная реализация соответствующей автоматизированной системы представляет весьма важную задачу.

Для организации обратной связи между врачом и пациентом, в рамках электронной медицинской карты, необходимо обеспечить со стороны пациента возможность распоряжения своим личным медицинским архивом, включая ве-

4

дение электронной медицинской карты, консультаций и записи на прием. Таким образом, был разработан следующий алгоритм взаимодействия пациента и врача в рамках электронной медицинской карты, представленный на рисунке.

На основе данного алгоритма взаимодействие врача и пациента осуществляется следующим образом. При входе в личный кабинет, пациенту становится доступен модуль «Жалобы на состояние здоровья». В этом модуле пациент вносит всю необходимую информацию, касающуюся его текущего состояния, симптомов и подробное описание жалоб на состояние здоровья. Также пациенту доступен модуль «Мой дневник», в который он может заносить значения своих измеренных показателей здоровья. После внесения необходимых данных, пациент должен будет сохранить документы для дальнейшей их обработки и получения ответа.

Данные модули непосредственно отображаются в личном кабинете врача. При обработке системой файлов пациента, врачу отправляются оповещения. Открыв эти оповещения, врачу становятся доступны для просмотра записи пациента. Оценив данные записи, врач в диалоговом окне создает записи с рекомендациями пациенту. На основе данных из модуля «Мой дневник», врач может оценить динамику состояния пациента, назначить требуемые анализы и исследования, а также выписать необходимые лекарственные средства.

Также по данным основных показателей состояния пациента, которые он непосредственно вносит в систему, врач может сформировать отчеты, по которым можно получить обобщенные данные за определенный период. Затем врачу необходимо сохранить свою запись, для того чтобы пациент смог отобразить ее содержимое в своем личном кабинете.

В рамках персональной электронной медицинской карты, наряду с организацией взаимодействия врача и пациента, должен быть задан порядок авторизации и аутентификации пользователей, имеющих доступ к электронной медицинской карте, а также описаны процедуры внесения и редактирования данных.

Для решения поставленной задачи был разработан алгоритм доступа пользователей и внесения ими изменений в базу данных информационной системы.

На основе данного алгоритма доступ к информационной базе предоставляется непосредственного зарегистрированным пользователям. В случае, если вход в систему осуществляется впервые, то пользователю необходимо пройти регистрацию. В окне регистрации вносится основная информация, по которой в дальнейшем будет осуществляться идентификация пользователя.

5

Начало

Вход в систему

Выбор

 

 

пользователя

 

 

 

 

 

 

 

 

 

Нет

Пользователь

Да

 

 

врач

 

 

 

 

 

 

 

Пользователь

 

 

Вход врача в

Нет

 

 

 

«Личный

 

пациент

 

 

 

 

 

 

кабинет»

 

 

 

 

 

Вход

 

Да

 

 

 

 

Вход пациента в

 

 

Оповещение

администратора в

 

Нет

 

 

 

от пациентов

систему

 

«Личный

 

 

 

 

 

 

 

 

кабинет»

 

 

 

 

 

 

Вход в модуль

 

 

 

 

 

«Показатели

 

Да

Администрирование

 

Жалобы на

пациентов»

 

 

 

 

 

системы

Нет

состояние

 

 

 

 

 

здоровья

 

 

Вход в модуль

Вход в

 

 

Выбор

 

 

 

 

«Жалобы

модуль «Мой

 

Да

пациента

 

 

 

пациента»

дневник»

 

 

 

 

 

 

 

 

 

 

Вход в модуль

 

 

 

 

 

«Жалобы

 

 

 

Создание

 

пациента»

Просмотр записи

 

 

 

 

записи

 

 

пациента

 

 

 

 

Создание

 

 

 

 

 

записи

 

 

 

Наличие

 

 

Составление

 

 

электронного

 

 

 

 

документа

 

 

отчетов по

 

 

 

 

Описание

показателям

 

 

 

 

симптомов

 

 

 

 

Прикрепление

и жалоб

 

 

 

 

 

 

 

 

 

файла в записи

 

 

 

 

Нет

 

 

 

 

 

 

 

 

Оценка

 

 

 

 

 

результатов

 

 

Ввод

 

 

 

 

 

значений

 

 

 

 

 

показателей

 

 

 

 

 

состояния

 

 

 

 

 

 

 

 

Создание записи

 

 

Сохранение

 

«Рекомендации»

 

 

 

 

 

 

 

записи

 

 

 

 

 

Отправка

 

Сохранение

 

 

 

записи врачу

 

 

 

 

 

 

записи

 

 

Нет

Ожидание

 

 

 

 

 

ответа врача

 

 

 

 

 

Ответ

 

Отправка записи

 

 

 

пациенту

 

 

 

получен

 

 

 

 

 

 

 

 

 

Да

 

 

 

 

 

Выполнение

 

 

 

 

 

рекомендаций

 

 

 

 

 

врача

 

 

 

 

 

 

 

Конец

 

 

Алгоритм взаимодействия врача и пациента в рамках ЭМК

6

При успешном входе в систему отрывается главная страница личного кабинета. Личный кабинет в своем функционале имеет различные модули, причем их состав отличается, в зависимости от того, кем является пользователь - пациентом либо врачом. Однако, общими являются функции добавления новых данных, редактирование и прикрепления файлов. Для удобства в системе предусмотрен обмен между пользователями не только текстовыми документами, а также цифровыми, графическими и табличными данными, что во многом упрощает восприятие полученной информации.

Данные алгоритмы легли в основу создания автоматизированной информационной системы контроля показателей состояния пациента, преимущественно ориентированной на пациента и позволяющей повысить качество оказания медицинских услуг.

Литература

1.Баранов Р.Л., Фирсова Л.И., Судаков О.В., Алексеев Н.Ю. Алгоритмизация процесса выявления патологии в шейном отделе позвоночника при проведении общей анестезии // Прикладные информационные аспекты медицины. 2015. Т.18. №2. С. 11-15.

2.Баранов Р.Л., Родионов О.В., Судаков О.В., Алексеев Н.Ю., Фурсова Е.А. Построение информационной системы оценки диагностики и лечения заболеваний позвоночника на основе нейросетевого моделирования // Прикладныеинформационныеаспектымедицины. 2016. Т.19. №3. С. 100-106.

3.Информация и принципы управления в биомедицинских системах / Е.Н. Коровин, О.В. Родионов, Л.В. Стародубцева, В.Н. Коровин. Курск, 2017. 120 с.

4.Родионов О.В., Воронин А.И., Коровин Е.Н. Медицинские информационные системы. Воронеж: ВГТУ. 2003. 123 с.

5.Разработка алгоритма диагностики хронической сердечной недостаточности / А.Д. Шурупова, Н.И. Остроушко, Н.Е. Нехаенко, Е.Н. Коровин // Системный анализ и управление в биомедицинских системах. 2017. Т. 16. № 3.

С. 622-625.

6.Коровин Е.Н., Левенков К.О., Рябчунова Л.В. Анализ и алгоритмизация процессов диагностики и выбор тактики лечения хронического пиелонефрита на основе имитационного моделирования // Системный анализ и управление в биомедицинских системах. 2016. Т. 15. № 1. С. 84-87.

Воронежский государственный технический университет

7

УДК 681.3

Е.И. Новикова, А.С. Мещерякова

НЕЙРОСЕТЕВЫЕ МОДЕЛИДЛЯПОДДЕРЖКИПРИНЯТИЯРЕШЕНИЯ ПРИПОСТАНОВКЕДИАГНОЗАЛЕГОЧНЫХЗАБОЛЕВАНИЙ

В статье представлены математические модели и архитектура нейронной сети для заболеваний легких, таких как туберкулез, пневмания и рак легких

Ключевые слова: туберкулез, пневмания, рак легких, нейронная сеть, моделирование

Проблема совершенствования диагностики заболеваний легких является достаточно актуальной. Одна из ведущих ролей для повышения эффективности диагностики заболеваний легких принадлежит использованию компьютерных средств реализации математического описания, которые позволяют принять во внимание большое количество диагностических признаков с учетом их индивидуального коэффициента значимости. Таким образом, актуальность выпускной квалификационной работы заключается в необходимости разработки методов интеллектуальной поддержки процесса диагностики легочных заболеваний. Это осуществимо при разработке различных видов моделей для диагностики легочных заболеваний.

Заболевания легких остаются актуальной национальной и международной проблемой. В настоящее время около трети населения мира инфицированы микобактерией туберкулеза. Ежегодно регистрируются 8,8 млн. новых случаев заболевания и около 2 млн. человек умирают от него.

Для построения нейронных сетей для диагностики заболеваний легких, таких как туберкулез, пневмония, рак легких и другая патология был построен ансамбль нейросетей, который состоит из 100 моделей. Для построения использовался пакет STATISTICA 10 и алгоритм обучения с обратным распознаванием ошибки.

Входами сетей являются вектора классификационных признаков заболеваний легких: температура, кашель сильной интенсивности, кашель средней интенсивности, кашель слабой интенсивности, одышка сильной интенсивности, одышка средней интенсивности, боли в груди, контакт с туберкулезными больными, контакт с инфекционными больными, мокрота светлого (белая) цвета,

8

мокрота зеленоватого цвета (гнойная), мокрота пенистая, мокрота кровянистая, ответная реакция на лечение, отрицательная ответная реакция на лечение, затемнение верхней доли легкого, затемнение средней доли легкого, затемнение нижней доли легкого, рентгенологическая тень облаковидной формы, рентгенологическая тень округлой формы, рентгенологическая тень с четкими краями, рентгенологическая тень с размытыми краями, гемоглобин выше нормы, лейкоциты выше нормы, СОЭ выше нормы, манту выше нормы.

Сети имеют 4 выхода, соответствующих классу заболеваний легких: туберкулез, пневмония, рак легких и другая патология.

Фрагмент ансамбля нейронных сетей представлен в таблице. Анализируя полученные результаты можно сделать вывод, что наиболь-

шей достоверностью постановки диагноза обладает НС№16.

Результаты моделей

 

Правильно

Правильно

 

 

Кол-во

Кол-во

 

 

 

распознан-

распознан-

Число

Кол-во

удален-

удален-

Кол-во

 

 

ные при-

ные приме-

уда-

ных ней-

ных ней-

Про-

меры в

ры в кон-

скры-

ленных

ронов 1

ронов 2

удален-

гноз се-

сети

тестовой

трольной

тых

входов

скрытого

скрытого

ных си-

ти, %

 

выборке

выборке

слоев

(из 28)

слоя (из

слоя (из

напсов

 

 

Кол-во

%

Кол-во

%

 

 

15)

15)

 

 

 

 

 

 

 

 

 

 

 

 

 

10

7

70

5

50

1

7

0

-

105 из450

65,00

 

 

 

 

 

 

 

 

 

 

 

11

7

70

5

50

1

4

1

-

86 из450

65,00

12

7

70

6

60

1

16

0

-

240 из450

67,00

 

 

 

 

 

 

 

 

 

 

 

13

7

70

6

60

1

2

0

-

30 из450

67,00

14

5

50

5

50

2

5

0

0

75 из675

50,00

 

 

 

 

 

 

 

 

 

 

 

15

3

30

3

30

1

1

1

-

44 из450

35,00

16

10

100

9

90

2

6

2

0

160 из675

95,00

 

 

 

 

 

 

 

 

 

 

 

17

5

50

6

60

1

5

0

-

75 из450

62,50

18

6

60

5

50

1

1

0

-

15 из450

62,50

 

 

 

 

 

 

 

 

 

 

 

19

6

60

5

50

1

3

4

-

153 из450

62,50

20

3

30

4

40

2

0

0

0

0 из675

35,00

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

85

6

60

4

40

2

2

1

1

87 из675

50,50

 

 

 

 

 

 

 

 

 

 

 

9

Продолжение таблицы

 

Правильно

Правильно

 

 

Кол-во

Кол-во

 

 

 

распознан-

распознан-

Число

Кол-во

удален-

удален-

Кол-во

 

ные при-

ные приме-

уда-

ных ней-

ных ней-

Про-

меры в

ры в кон-

скры-

ленных

ронов 1

ронов 2

удален-

гноз се-

сети

тестовой

трольной

тых

входов

скрытого

скрытого

ных си-

ти, %

 

выборке

выборке

слоев

(из 28)

слоя (из

слоя (из

напсов

 

 

Кол-во

%

Кол-во

%

 

 

15)

15)

 

 

 

 

 

 

 

 

 

 

 

 

 

86

4

40

3

30

2

7

0

1

124 из675

43,75

87

8

80

6

60

2

0

2

4

150 из675

75,00

 

 

 

 

 

 

 

 

 

 

 

88

7

70

6

60

2

0

2

0

82 из675

61,50

89

9

90

9

90

1

0

0

-

0 из450

90

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

90

4

40

3

30

2

0

1

0

41 из675

31,50

 

 

 

 

 

 

 

 

 

 

 

В НС 16 два скрытых слоя, состоящие из 13 и 15 нейронов соответственно. Обучение выбранных сетей выполнялось с использованием линейной функции на входном слое, сигмоидальной (гиперболического тангенса) функции на скрытом и логистической функции на выходном слое.

Фрагмент математической модели НС № 16: Скрытый слой 1:

X11= – 0,2601– 0,0036 X1+0,227 X 2+0,051 X 3– 0,083 X 4+0,098 X 5– 0,056 X 6– -0,8678 X 7–0,2086 X 8+0,1975 X 9+0,315 X 10+0,223 X 11 – 0,0984X 12+0,662 X 13– -0,0768 X 14– 0,1607 X 15– 0,522 X 16– 0,109 X 17+0,232 X 18– 0,058X 19+0,084 X 20;

X131=1,223+0,130 X 1+0,018 X 2+0,063 X 3+0,022 X 4+0,192 X 5+0,384 X 6+0,326 X 7+

+0,341 X 8+0,469 X 9+0,336 X 10+0,197 X 11+0,223 X 12+0,330 X 13 – 0,190 X 14

-0,345 X 15 – 0,341 X 16+0,385 X 17 – 0,286 X 18+0,412 X 19+0,218 X 20;

Скрытый слой 2:

X12 =0,883– 1,356 X11+0,224 X21+0,072 X31– 0,305 X41– 0,307 X51+0,001 X61– -0,209 X71-0,174 X81+0,349 X91– 0,177 X101– 0,105 X111– 0,243 X121– 0,119 X131;

X152= –1,326+0,385 X11 – 0,681 X21+0,086 X31+0,178 X41+0,101 X51+1,113 X61+ +0,412 X71 – 0,046 X81 – 0,976 X91+0,173 X101– 0,088 X111+0,164 X 121+0,291 X 131;

10