CC..png   

Юридический и почтовый адрес организации-издателя: САФУ, редакция «Журнала медико-биологических исследований», наб. Северной Двины, 17, г. Архангельск, Россия, 163002
Местонахождение: редакция «Журнала медико-биологических исследований», наб. Северной Двины, 17, ауд. 1336, г. Архангельск

Тел: (818-2) 21-61-21 
Сайт: https://vestnikmed.ru
e-mail: vestnik_med@narfu.ru
            vestnik@narfu.ru

о журнале

Нейросетевые технологии в диагностике заболеваний (обзор). С. 284–294

Версия для печати

Рубрика: Медико-биологические науки

УДК

616+004.67

Сведения об авторах

М.В. Выучейская*, И.Н. Крайнова*, А.В. Грибанов*
*Северный (Арктический) федеральный университет имени М.В. Ломоносова (г. Архангельск)
Ответственный за переписку: Выучейская Мария Владиславовна, адрес: 163045, г. Архангельск, проезд Бадигина, д. 3; e-mail: m.viuchejskaya@narfu.ru

Аннотация

Ключевые слова

Скачать статью (pdf, 1.9MB )

Список литературы

1. Грибанов А.В., Джос Ю.С. О стратегических направлениях медико-биологических исследований // Вестн. Сев. (Арктич.) федер. ун-та. Сер.: Мед.-биол. науки. 2013. № 1. С. 10–18.
2. Головинова В.Ю., Киреев С.Г., Котенко П.К., Минаев Ю.Л., Штамбург И.Н., Кузьмин С.Г. Нейросетевые модели прогнозирования заболеваемости в организованных коллективах // Вестн. Рос. воен.-мед. акад. 2014. № 3(47). С. 150–154.
3. Чаша Т.В., Харламова Н.В., Климова О.И., Ясинский Ф.Н., Ясинский И.Ф. Применение нейронных сетей для прогнозирования течения постгипоксических нарушений сердечно-сосудистой системы у новорожденных детей // Вестн. ИГЭУ. 2009. Вып. 4. С. 57–59.
4. Сбоев А.Г., Горохова С.Г., Черний Н.Н. Разработка нейросетевой методики раннего диагностирования ишемической болезни сердца и коронарного атеросклероза // Вестн. ВГУ. Сер.: Химия. Биология. Фармация. 2011. № 2. С. 204–213.
5. Colak M.C., Colak C., Kocatürk H., Sağiroğlu S., Barutçu I. Predicting Coronary Artery Disease Using Different Artificial Neural Network Models // Anadolu Kardiyol. Derg. 2008. Vol. 8, № 4. P. 249–254.
6. Atkov O.Yu., Gorokhova S.G., Sboev A.G., Generozov E.V., Muraseyeva E.V., Moroshkina S.Y., Cherniy N.N. Coronary Heart Disease Diagnosis by Artificial Neural Networks Including Genetic Polymorphisms and Clinical Parameters // J. Cardiol. 2012. Vol. 59, № 2. P. 190–194.
7. Niranjana Murthy H.S., Meenakshi M. ANN Model to Predict Coronary Heart Disease Based on Risk Factors // Bonfring. Int. J. Man Mach. Interface. 2013. Vol. 3, № 2. Р. 13–18.
8. Moghaddasi H., Mahmoudi I., Sajadi S. Comparing the Efficiency of Artificial Neural Network and Gene Expression Programming in Predicting Coronary Artery Disease // J. Health Med. Inform. 2017. Vol. 8, № 2.
9. Arabasadi Z., Alizadehsani R., Roshanzamir M., Moosaei H., Yarifard A.A. Computer Aided Decision Making for Heart Disease Detection Using Hybrid Neural Network-Genetic Algorithm // Comput. Methods Programs Biomed. 2017. Vol. 141. P. 19–26.
10. Caliskan A., Yuksel M.E. Classification of Coronary Artery Disease Data Sets by Using a Deep Neural Network // EuroBiotech J. 2017. Vol. 1, № 4. P. 271–277.
11. Ясницкий Л.Н., Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М. Нейросетевая система экспресс-диагностики сердечно-сосудистых заболеваний // Перм. мед. журн. 2011. Т. XXVIII, № 4. C. 77–86.
12. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Мед. техника. 2013. № 3(279). C. 42–44.
13. Аравин О.И. Применение искусственных нейронных сетей для анализа патологий в кровеносных сосудах // Рос. журн. биомеханики. 2011. Т. 15, № 3(53). C. 45–51.
14. Оленко Е.С., Киричук В.Ф., Кодочигова А.И., Колопкова Т.А., Демина Т.А., Субботина В.Г., Сулковская Л.С., Букоткина Е.А. Использование искусственных нейронных сетей в прогнозировании риска развития артериальной гипертензии у пенитенциарных субъектов // Междунар. журн. приклад. и фундам. исследований. 2009. № 5. С. 119. URL: https://www.applied-research.ru/ru/article/view?id=200 (дата обращения: 22.11.2017).
15. Мустафаев А.Г. Применение искусственных нейронных сетей для ранней диагностики заболевания сахарным диабетом // Кибернетика и программирование. 2016. № 2. С. 1–7.
16. Soltani Z., Jafarian A. A New Artificial Neural Networks Approach for Diagnosing Diabetes Disease Type II // Int. J. Adv. Comput. Sci. Appl. 2016. Vol. 7, № 6.
17. Maclin P.S., Dempsey J. How to Improve a Neural Network for Early Detection of Hepatic Cancer // Cancer Lett. 1994. Vol. 77, № 2-3. P. 95–101.
18. Sanoob M.U., Madhu A., Ajesh K., Varghese S.M. Artificial Neural Network for Diagnosis of Pancreatic Cancer // IJCI. 2016. Vol. 5, № 2.
19. Полоз Т.Л., Шкурупий В.А., Полоз В.В., Демин А.В. Результаты количественного цитологического анализа строения фолликулярных опухолей щитовидной железы с помощью компьютерных и нейросетевых технологий // Вестн. РАМН. 2006. № 8. С. 7–10.
20. Кирсанова А.В., Дмитриев Г.А. Нейросетевая система диагностики внутричерепных образований // Програм. продукты и системы. 2009. № 3. С. 123–125.
21. Ганцев Ш.Х., Зимичев А.А., Хрисанов Н.Н., Климентьева М.С. Применение нейронной сети в прогнозировании рака мочевого пузыря // Мед. вестн. Башкортостана. 2010. № 3. С. 44–47.
22. Есин С.В., Осипов В.В., Памурзин И.Л., Поддубная Н.Н. Нейросетевой скрининг в определении групп повышенного риска заболевания раком молочной железы // Альм. клин. медицины. 2007. № 16. С. 65–68.
23. Snow P.B., Smith D.S., Catalona W.J. Artificial Neural Networks in the Diagnosis and Prognosis of Prostate Cancer: A Pilot Study // J. Urol. 1994. Vol. 152, № 5. P. 1923–1926.
24. Соловов В.А., Фролова И.Г. Использование логистических регрессий и нейронных сетей в выявлении рака предстательной железы // Сиб. онкол. журн. 2006. № 1(17). С. 14–17.
25. Ahmed F.E. Artificial Neural Networks for Diagnosis and Survival Prediction in Colon Cancer // Mol. Cancer. 2005. Vol. 4, № 29.
26. Asada N., Doi K., MacMahon H., Montner S.M., Giger M.L., Abe C., Wu Y. Potential Usefulness of an Artificial Neural Network for Differential Diagnosis of Interstitial Lung Diseases: Pilot Study // Radiology. 1990. Vol. 177, № 3. P. 857–860.
27. Abe H., Ashizawa K., Li F., Matsuyama N., Fukushima A., Shiraishi J., MacMahon H., Doi K. Artificial Neural Networks (ANNs) for Differential Diagnosis of Interstitial Lung Disease: Results of a Simulation Test with Actual Clinical Cases // Acad. Radiol. 2004. Vol. 11, № 1. P. 29–37.
28. Patil S., Henry J.W., Rubenfire M., Stein P.D. Neural Network in the Clinical Diagnosis of Acute Pulmonary Embolism // Chest. 1993. Vol. 104, № 6. P. 1685–1689.
29. Eng J. Predicting the Presence of Acute Pulmonary Embolism: A Comparative Analysis of the Artificial Neural Network, Logistic Regression, and Threshold Models // AMJ. Am. J. Roentgenol. 2002. Vol. 179, № 4. P. 869–874.
30. Макарова Л.С., Семерякова Е.Г. Разработка решающих правил для системы поддержки принятия решений дифференциальной диагностики бронхиальной астмы // Вестн. науки Сибири. 2012. № 3(4). C. 162–167.
31. Алексеева О.В., Россиев Д.А., Ильенкова Н.А. Применение искусственных нейронных сетей в дифференциальной диагностике рецидивирующего бронхита у детей // Сиб. мед. обозрение. 2010. № 6. C. 75–79.
32. Алексеева О.В., Ильенкова Н.А., Россиев Д.А., Соловьева Н.А. Оптимизация дифференциальной диагностики рецидивирующей бронхолегочной патологии у детей // Сиб. мед. журн. 2013. № 2. C. 37–41.
33. Maclin P.S., Dempsey J. Using an Artificial Neural Network to Diagnose Hepatic Masses // J. Med. Syst. 1992. Vol. 16, № 5. P. 215–225.
34. Kazmierczak S.C., Catrou P.G., Van Lente F. Diagnostic Accuracy of Pancreatic Enzymes Evaluated by Use of Multivariate Data Analysis // Clin. Chem. 1993. Vol. 39, № 9. P. 1960–1965.
35. Миронов П.И., Лутфарахманов И.И., Ишмухаметов И.Х., Тимербулатов В.М. Искусственные нейронные сети в прогнозировании развития сепсиса у больных тяжелым острым панкреатитом // Анналы хирург. гепатологии. 2008. T. 13, № 2. С. 85–89.
36. Афонин П.Н., Афонин Д.Н., Дору-Товт В.П. Применение искусственных нейронных сетей для прогнозирования нарушений жизнедеятельности больных гематогенным остеомиелитом позвоночника // Вестн. новых мед. технологий. 2007. Т. 14, № 3. С. 42–44.
37. Ефимов А.А., Журова О.В., Коровин Е.Н., Родионов О.В. Анализ и моделирование процесса диагностики стадий остеопороза на основе нейронных сетей // Вестн. Воронеж. гос. техн. ун-та. 2006. Т. 2, № 12. С. 13–16.
38. Mantzaris D., Vrizas M., Trougkakos S., Priska E., Vadikolias K. Artificial Neural Networks for Estimation of Dementias Types // Artif. Intell. Appl. 2014. Vol. 1, № 1. P. 74–82.
39. Bertè F., Lamponi G., Calabrò R.S., Bramanti P. Elman Neural Network for the Early Identification of Cognitive Impairment in Alzheimer’s Disease // Funct. Neurol. 2014. Vol. 29, № 1. P. 57–65.
40. Quintana M., Guàrdia J., Sánchez-Benavides G., Aguilar M., Molinuevo J.L., Robles A., Barquero M.S., Antúnez C., Martínez-Parra C., Frank-García A., Fernández M., Blesa R., Peña-Casanova J., Neuronorma Study Team. Using Artificial Neural Networks in Clinical Neuropsychology: High Performance in Mild Cognitive Impairment and Alzheimer’s Disease // J. Clin. Exp. Neuropsychol. 2012. Vol. 34, № 2. P. 195–208.
41. Lins A.J.C.C., Muniz M.T.C., Garcia A.N.M., Gomes A.V., Cabral R.M., Bastos-Filho C.J.A. Using Artificial Neural Networks to Select the Parameters for the Prognostic of Mild Cognitive Impairment and Dementia in Elderly Individuals // Comput. Methods Programs Biomed. 2017. Vol. 152. P. 93–104.
42. Резниченко Н.С. Нейросетевой подход при решении медико-биологических проблем // Вестн. КГПУ им. В.П. Астафьева. 2013. № 4(26). С. 279–283. URL: http://cyberleninka.ru/article/n/neyrosetevoy-podhod-pri-resheniimediko- biologicheskih-problem (дата обращения: 22.11.2017).
43. Резниченко Н.С., Шилов С.Н. Использование нейросетевой системы для диагностики синдрома дефицита внимания с гиперактивностью // Вестн. Сев. (Арктич.) федер. ун-та. Сер.: Мед.-биол. науки. 2014. № 1. С. 48–54.
44. Беребин М.A., Пашков С.В. Опыт применения искусственных нейронных сетей для целей дифференциальной диагностики и прогноза нарушений психической адаптации // Вестн. ЮУрГУ. Сер.: Компьютер. технологии, управление, радиоэлектроника, вып. 4. 2006. № 14(69). С. 41–45.
45. Славутская Е.В., Славутский Л.А. Использование искусственных нейронных сетей для анализа гендерных различий младших подростков // Психол. исследования. 2012. Т. 5, № 23. С. 4. URL: http://psystudy. ru.0421200116/0028 (дата обращения: 11.11.2017).