Содержание учебного материала
Информацию о наблюдаемых объектах, процессах или явления получают при изучении разных физических величин. Например, состояние организма можно описать системой таких параметров, как температура тела, частота пульса, давление, данные кардиограммы и т.п. Некоторые величины могут приобретать любые значения в определенном интервале. Их называют непрерывными, а информацию, которую они содержат, непрерывной или аналоговой. Непрерывными величинами являются, например, кривые изменения массы, температуры, расстояния и т.п. Много величин могут приобретать лишь целочисленные значения. Их называют дискретными, а информацию, которую они содержат, - дискретной. Примеры дискретных величин: количество электронов в атоме, частота пульса, количество больных в отделении и т.п. Таким образом, несмотря на разнообразие видов, информация оказывается всего только в двух формах - непрерывной и дискретной. Любую непрерывную величину с определенной степенью точности можно подать в дискретной форме.
Зачастую, медицинскими данными считают только те, которые получают при измерении характеристик пациента. Количество характеристик пациента, больного или здорового человека, немалое. Разнообразные медицинские данные по объему помещенной информации можно поделить на такие виды:
качественные признаки (наличие боли, повышенной температуры, цвет кожных покровов, перкусийные и аускультативные феномены);
единичные числовые данные (вес, артериальное давление, температура тела, количество лейкоцитов, ШОЕ);
динамические данные (электрограммы - ЭКГ, ЭЕГ, ЭГГ; реограммы РКГ, РЭГ, фонокардиограмма);
статические картины (рентгенограмма, авторадиограмма);
динамические картины (поле биопотенциалов, электрокардиограмма).
Для медицинских данных характерны специфические особенности:
нечеткость, а иногда и несогласование терминологии;
большое количество качественных признаков, которые субъективно оценивают состояние больного;
отсутствие единых алгоритмов описания состояния больного, диагностического и лечебного процессов;
недостаточный уровень стандартизации медицинской документации;!
значительная вариабельность медицинских данных, малые выборки с неизвестными законами распределения, которые значительно затрудняет статистические расчеты и построение соответствующих оценок.
Сегодня почти невозможно пересчитать все методы, с помощью которых врачи получают медицинские данные. Развитие наук, открытие новых явлений природы, новые достижения изобретателей все время расширяют возможности практической медицины, появляются новые методы, диагностическая и терапевтическая аппаратура. Расширяется круг медицинских характеристик за счет появления новых. Увеличивается информативность уже давно существующих медицинских характеристик вследствие трансформации, качественного выражения их в числовом, графическом или даже картинном виде. Соответственно, быстро возрастает объем медицинской информации, с которой приходится иметь дело медицинским работникам всех уровней и учреждений здравоохранения,
Прогресс в решении проблем моделирования интеллектуальных систем, к которым относятся и экспертные, обусловленный применением искусственных нейронных сетей. Интеллектуальные системы на основе нейронных сетей разрешают с успехом решать проблемы распознавания образов, прогнозирования, оптимизации, ассоциативной памяти и управления, т.е. те, где традиционные подходы не всегда имеют успешное применение. Это связано с тем, что метод нейросетевого моделирования разрешает решать ряд задач в тех областях, где линейные модели не могут быть использованы в силу ряда объективных причин. Особенно это касается обработки данных медицинских исследований.
Как известно организм человека представляет нелинейную систему и решение таких задач как классификация, прогнозирование состояний, а также выбор оптимального метода лечения и профилактики заболеваний невозможны с применением линейных математических методов. Нейронные сети способны принимать решение, основываясь на скрытых закономерностях, которые оказываются ими, в многомерных данных. Отличительное свойство нейросетей и заключается в том, что они не программируются и не используют никаких правил вывода для постановки диагноза, а учатся делать это на примерах. В медицине находит применение и другая особенность нейросетей - их способность предусматривать временные последовательности. К настоящему времени разработанный ряд нейросетевых систем фильтрации электрокардиограмм, которые разрешают уменьшать нелинейный и нестационарный шум значительно лучше, чем методы, которые использовались раньше.
Несмотря на значительные успехи в применении нейронных сетей в медицине существует ряд проблем с их внедрением. Это связано в первую очередь с отсутствием у врачей информации о возможностях нейронных сетей для решения медицинских задач, а также доступных практических пособий по их применению.