СИНТЕЗ ДИАГНОСТИЧЕСКИХ МАТРИЦ ПРИ СКРИНИНГЕ
В процессе автоматизации и объективизации скрининговых операций возникает задача построения адекватных решающих правил по соотнесению исследуемого пациента к определенному классу заболеваний по результатам базовых лабораторных исследований (например, общему анализу крови). В связи с этим, базируясь на клинический опыт теоретической и экспериментальной медицины школы Завьялова А.В. и собственные исследования, предлагается следующая технология построения диагностических решающих правил.
На первом этапе осуществляется сбор фактологического репрезентативного материала и отбрасываются артефакты. Общая выборка случайным образом делится на три части - обучающую, настраивающую и экзаменационную. На перовой рассчитываются показатели системной организации (см. далее), на второй определяются функции принадлежности, на третьей подвыборке определяется эффективность идентифицированных диагностических решающих правил. Соотношения статистических мощностей указанных подвыборок рекомендуется выбирать исходя из взаимной репрезентативности (они должны подчиняться подобным законам распределения). Опыт доказывает, что этого можно достичь, используя случайную сортировку (равномерный закон распределения) и принцип «золотого сечения», т.е. примерное соотношение объемов указанных подвыборок - 0,46:0,32:0,22.
На втором этапе на обучающей выборке синтез диагностических матриц предлагается осуществлять по следующей методике.
Допустим нам необходимо осуществить диагностику К классов. (В медицине - один из классов - базовый - это здоровые люди.) В общем случае формируется матрица признакового прострaнcтва Х. Для каждого признака j в классе k определяем закон распределения (при маломощности подвыборок рекомендуется в данном случае использовать метод Уразбахтина И.Г. - «приведенные распределения») и ему соответствующую медиану Мjk и среднеквадратичное отклонение от нее . Для классов k и l определяются матрицы парной корреляции, соответственно, состоящие из элементов и (под элементами здесь понимаются значения корреляционного отношения в классе l между признаками i и j, превышающие выбранный уровень статистической значимости; если рассчитанное значение меньше порога, то ему соответствующее значение элемента матрицы принимается равным 0). Тогда некоторая «точка-пациент» - классу хаpaктеризуется следующим показателем отклонения (назовем его показателем системной организации) от «центра масс» медиан класса l PRml, определяемым по формуле (1).
(1)
где n- количество регистрируемых признаков.
Если есть возможность оценки информативности признаков (индивидуальной и совместной), например, с помощью экспертного анализа, анализа функций распределения или методом максимального правдоподобия, , то каждое слагаемое в формуле (1) необходимо умножить на данный коэффициент информативности.
После проведения описанной процедуры получаем для каждого класса вектор квадратов значений PRml , который хаpaктеризуется значением медианы МPRml. Изменяя k и l по всему множеству классов, получаем матрицу МPRК,К (К - количество классов).
Третий этап проводится, используя настраивающую выборку. Для каждого объекта z из нее по формуле (1) определяются показатели системной организации и формируется матрица ZPR, состоящая из элементов - квадратов значений PRz,l,k. Затем, для каждой точки z определяется матрица относительных отклонений от матрицы МPR - DPR:
(2)
i1,i2=1,K -номера диагностируемых классов.
Обpaбатывая следующим образом z матриц, формируем матрицу функций принадлежностей μ на носителях DPR. Определяются законы распределения Fi1,i2(DPRi1,i2) и, задавшись необходимыми точностью и уровнем статистической значимости, строятся классификационные интервалы ΔDPRi1,i2: ΔDPRi1,i2=Mi1,i2(DPRi1,i2)±γi1,i2·σi1,i2(DPRi1,i2), где Мi1,i2(), σi1,i2() - операторы вычисления моды и СКО(DPRz,i1,i2) в классах i1 и i2, соответственно, γi1,i2- множитель, определяющий размер классификационного интервала (вычисляется, исходя из анализа пересечений функций Fi1,i2(DPRi1,i2), Fi1,i1(DPRi1,i1), Fi2,i2(DPRi2,i2) Fi2,i1(DPRi2,i1) ).
Функции принадлежности определяются как: μi1,i2=Fi1,i2(DPRi1,i2)*(1-βi1,i2), если у обследуемого DPRi1,i2 ∉ ΔDPRi1,i2, и μi1,i2 = (1-βi1,i2), в противном случае. (βi1,i2 - ошибки второго рода применения решающих правил для элементов матрицы (i1,i2), определенные на настраивающей выборке).
На экзаменационной выборке рассчитываются коэффициенты согласия каппа между истинным диагнозом (здесь возможно так же применение мнения экспертов) и результатами диагностике по полученным матрицам MPR, DPR и μ. В случае хорошего результата, указанные матрицы используются в соответствующей автоматизированной системе скрининг диагностики.
При принятии решения для конкретного пациента применяется формулы (1) и (2) и определяется матрица классификационных значений функций принадлежностей μb по μ. Пользователю сообщается указанная матрица функций принадлежностей с указанием (выделением) L (L-свобода выбора решений) наиболее вероятных ситуаций и вектор коэффициентов уверенности соотнесения состояния пациента к определенному классу. К ним относятся ситуации с максимальными значениями функций принадлежностей и непротиворечивые между собой (определяются по анализу над и поддиагональных элементов). В качестве коэффициентов уверенностей рассматриваются значения функций принадлежности. Решающее правило о принадлежности состояния исследуемого к классу k формируется в виде заключения типа: «по результатам исследования пациент относится к классу (заболеванию) k с уверенностью UK» (k=1,...K).
Уверенность принадлежности к классу k UK рассчитывается следующим образом. Выделяются все значения функций принадлежности k-ой строки и k-го столбца, превышающий определенный пороговый уровень - пусть всего таких значений будет Т. Затем, применяется итерационная формула:
(3)
UK0=0, t=1,2...T.
Теоретические исследования автора показали, что вместо (3) оптимальнее применять формулу (4), обладающей большей чувствительностью, для которой (3) является частным случаем обладающим плохим асимптотическим свойством по мере приближения к единичному значению.
, (4)
где .
Заметим, что если к матрице функций уверенностей μ применить процедуры агрегатирования (например, перемещение ее элементов таким образом, чтобы вокруг главной диагонали выстраивались элементы с максимальными значениями), то анализ вновь полученной матрицы позволяет выстроить иерархию классов в прострaнcтве состояний.
Формулу (4) применима так же для вычисления коэффициента уверенности наличия у пациента или заболевания А1 или заболевания А2 или заболевания А3 и т.д. В случае необходимости расчета коэффициента уверенности наличия у пациента заболевания А1 и заболевания А2 и заболевания А3 и т.д. рекомендуется применять формулу (5).
, (5)
где .
В общем случае, необходимо учитывать коэффициенты неуверенности. Они могут быть построены аналогичным образом, построив матрицу функций непринадлежности.
Для описанной технологии синтеза и применения диагностической матрицы создано соответствующее программное обеспечение.
Бесплодие является одним из главным заболеванием коров. По причине непригодности к воспроизводству из стад выбывает более половины животных. По этой причине сельскохозяйственные предприятия терпят существенные убытки. В настоящее время в производстве требуются современные методы лечения, которые отличались бы высокой эффективностью, широким спектром действия, низкозатратностью. Авторы считают, что такой инновационной технологией является лечение нарушения воспроизводительной системы коров и телок с использованием метода криотерапии и озонированными гомеопатическими препаратами.
...
10 08 2026 21:28:41
В работе изучено состояние клинико-иммунологического статуса при хронических и инфекционно-аллергических отитах у собак. Дана сравнительная оценка сочетанного применения меатотимпaнaльной новокаиновой блокады с лекарственными препаратами при лечении отитов у собак с другими известными методами и изучено их влияние на клеточные и гумopaльные звенья иммунной системы.
...
09 08 2026 20:32:42
Статья в формате PDF
273 KB...
08 08 2026 23:44:21
Статья в формате PDF
129 KB...
07 08 2026 1:38:44
Статья в формате PDF
103 KB...
06 08 2026 4:39:46
Статья в формате PDF
243 KB...
05 08 2026 4:33:16
В последние годы для сжигания как традиционных топлив, так и биомасс различного происхождения широко применяются газификационные технологии. Газификация чаще всего производится в кипящем слое при недостатке окислителя. Конструкции установок по газификации различных топлив отличаются, но не принципиально. Также близкими оказываются и параметры генераторного газа. Необходимо развитие установок и технологий по совместной переработке различных топлив.
...
04 08 2026 2:59:44
Статья в формате PDF
124 KB...
02 08 2026 1:22:10
Статья в формате PDF
101 KB...
01 08 2026 23:21:48
Статья в формате PDF
103 KB...
31 07 2026 8:45:42
Статья в формате PDF
393 KB...
30 07 2026 17:17:52
Авторами проведено комплексное исследование сосудистых и нервных структур всего органокомплекса брюшной полости, что позволило подтвердить общие морфологические закономерности, свойственные млекопитающим отряда хищных, выявить хаpaктерные видовые и внутривидовые особенности васкуляризации и иннервации у пушных зверей клеточного содержания. Полученные новые данные о морфологии сосудистых и нервных образований органов брюшной полости млекопитающих являются оригинальными и дают не только полное представление об изученных структурах, но позволяют морфофункционально интерпретировать адаптогенные процессы, протекающие в интегративно-координационных системах организма пушных зверей, находящихся под интенсивным антропогенным воздействием в процессе доместикации.
...
29 07 2026 16:20:46
В статье отражены результаты комплексного исследования подготовленности спортсменок, специализирующихся в беге на 300-400 м с барьерами. Дан анализ статистически достоверных различий по педагогическим, физиологическим и биометрическим показателям в ответственейший момент спортивной карьеры - момент перехода с «детской» дистанции (бега на 300 м с барьерами) на олимпийскую дисциплину (400 м с барьерами). Выявлены взаимосвязи между различными сторонами подготовленности: физической, функциональной и технической. Представленный материал можно использовать в виде модельных хаpaктеристик для дeвyшек в возрасте 15-16 лет и закономерностей становления спортивного мастерства при уточнении Учебной программы для детско-юношеских спортивных школ, специализированных детско-юношеских школ олимпийского резерва и школ высшего спортивного мастерства по разделу «Барьерный бег».
...
28 07 2026 7:53:27
Статья в формате PDF
109 KB...
27 07 2026 13:10:39
Статья в формате PDF
99 KB...
25 07 2026 10:24:46
Статья в формате PDF
245 KB...
24 07 2026 13:11:56
Статья в формате PDF
304 KB...
23 07 2026 4:47:35
Статья в формате PDF
242 KB...
22 07 2026 3:59:52
Статья в формате PDF
114 KB...
21 07 2026 9:47:12
Статья в формате PDF
361 KB...
20 07 2026 10:39:51
Естественное восстановление растительности на нарушенных землях Севера протекает с различной скоростью и зависит от литологического состава грунтов, рельефа, условий увлажнения, специфики нарушений и других факторов. Проведенные исследования, анализ и обобщение опыта восстановления нарушенных территорий Севера свидетельствует о значительной сложности и специфичности рекультивационных работ. К объектам Севера в большинстве случаев не применимы основные положения и приемы в области рекультивации земель, разработанные в целом для России. Разнообразие природных комплексов – от таёжных ландшафтов до лесотундры и арктической тундры, специфика нарушений, обусловленных геологоразведочными, изыскательскими, строительными и добычными работами обусловливает необходимость дифференцированного подхода к каждому объекту рекультивации при решении вопросов восстановления нарушенных земель.
...
19 07 2026 17:12:30
Статья в формате PDF
509 KB...
18 07 2026 12:50:37
Статья в формате PDF
293 KB...
17 07 2026 14:36:22
Статья в формате PDF
127 KB...
16 07 2026 5:18:55
Статья в формате PDF
292 KB...
15 07 2026 21:19:41
Летом 2012 года был проведен мониторинг расхода воды на малом водотоке. Мерный сосуд был принят в виде ковша емкостью один литр. Все измерения проводились вечером с 17-00 часов. Поэтому текущее время берется целыми сутками. Модель динамики имеет две составляющие: первая составляющая является законом экспоненциального роста, а вторая волновым возмущением с переменными амплитудой и частотой колебания. Показана методика моделирования с процеДypaми: 1) выявление постоянного члeна; 2) по остаткам от постоянного члeна, последовательно усложняя конструкцию, идентифицируется волновая функция; 3) постоянный члeн совмещается с волновой функцией; 4) усложняется конструкция тренда до устойчивого не волнового закона.
...
14 07 2026 10:15:28
В работе приводится краткий обзор достижений регенеративной медицины. Что представляет из себя регенеративная медицина, насколько реально применение ее разработок в нашей жизни? Как скоро мы сможем воспользоваться ими? На эти и другие вопросы сделана попытка ответить в данной работе.
...
12 07 2026 1:18:45
Статья в формате PDF
110 KB...
11 07 2026 16:30:18
Статья в формате PDF
245 KB...
10 07 2026 17:32:54
Статья в формате PDF
218 KB...
09 07 2026 11:44:33
Статья в формате PDF
114 KB...
08 07 2026 4:27:20
Статья в формате PDF
162 KB...
07 07 2026 7:37:44
Статья в формате PDF
113 KB...
06 07 2026 20:54:23
Статья в формате PDF
126 KB...
05 07 2026 20:21:54
Статья в формате PDF
97 KB...
04 07 2026 3:45:58
Статья в формате PDF
134 KB...
03 07 2026 6:33:48
Статья в формате PDF
113 KB...
02 07 2026 11:22:16
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
