Медицинская информатика. Рубрика в журнале - Программные системы: теория и приложения
Статья научная
В работе представлены результаты применения трансферного обучения глубоких сверточных нейронных сетей для задачи поиска рентгенограмм органов грудной клетки с нарушениями укладки и позиционирования пациента. Оцениваемые нейросетевые архитектуры: InceptionV3, Xception, ResNet152V2, InceptionResNetV2, DenseNet201, VGG16, VGG19, MobileNetV2, NASNetLarge. Для обучения и тестирования использовались рентгенограммы грудной клетки, полученные из открытых наборов данных и Единого радиологического информационного сервиса города Москвы. Все полученные модели имели метрики диагностической точности выше 95., при этом модели на основе архитектур ResNet152V2, DenseNet201, VGG16, MobileNetV2 имели статистически значимо лучшие метрики, чем другие модели. Наилучшие абсолютные значения метрик показала модель ResNet152V2 (AUC =0.999 ,чувствительность=0.987, специфичность=0.988, общая валидность =0.988, F1 мера = 0.988). Модель MobileNetV2 показала наилучшую скорость обработки одного исследования ($67.8 pm5.0$ ms). Широкое использование полученных нами алгоритмов способно облегчить создание больших баз данных качественных медицинских изображений, а также оптимизировать контроль качества при выполнении рентгенографических исследований органов грудной клетки.
Бесплатно
Статья научная
Исследуется автоматизация проведения полного цикла диагностики и дифференциальной диагностики воспалительных заболеваний сердца и назначения персонифицированного лечения. Методом исследования является формирование декларативных баз знаний и объясняющего свои результаты решателя по единой онтологии. Онтологический решатель интерпретирует формализованные знания при получении сведений о новом медицинском случае (пациенте). Описаны общие принципы разработки и концептуальная архитектура интеллектуального сервиса с декларативными знаниями. Сформированы информационные компоненты для воспалительных заболеваний сердца и программные компоненты для полного цикла диагностики и дифференциальной диагностики, персонифицированного лечения. Указаны источники знаний и проведено тестирование на случаях из практики, описанных в литературе. Приведено обоснование выбора технологий и алгоритмов, выявлены и сформулированы требования к программному комплексному сервису, шаги по разработке всех компонентов. Сервис поддержки принятия диагностических решений со свойствами объяснимого искусственного интеллекта в кардиологии реализован на медицинском портале облачной платформы IACPaaS. Платформа позволяет масштабировать предложенное решение и обеспечивает доступ практикующих врачей со свободной регистрацией для экспериментов в реальных ситуациях.
Бесплатно
Статья научная
Разработка средств информационной поддержки принятия клинических решений (ППКР) является актуальной задачей медицинской информатики. Довольно часто в системах ППКР используются информационно-поисковые алгоритмы, важным этапом проектирования которых служит создание средств автоматического распознавания этиопатогенетического образа заболеваний при работе с неструктурированным текстом. В настоящей статье произведены обзор и сравнительная характеристика аналитических метрик, применимых для построения образа концептов метатезауруса Unified Medical Language System (UMLS), представленного в виде графовой информационной модели. Предложен собственный вариант графовой метрики, показавший наибольшую эффективность при решении данной задачи.
Бесплатно
Система извлечения упоминаний симптомов из текстов на естественном языке с помощью нейронных сетей
Статья научная
В статье представлена система для извлечения упоминаний симптомов из медицинских текстов на естественном (русском) языке. Система осуществляет нахождение симптомов в тексте, их нормализацию (приведение к стандартной форме) и отождествление - отнесение найденного симптома к группе однотипных симптомов. Каждый этап обработки реализуется с помощью отдельной нейронной сети. Состав извлекаемых симптомов ограничен тремя видами заболеваний - аллергические и пульмонологические заболевания, а также коронавирусная инфекция (COVID-19). Представлен и описан аннотированный корпус предложений, использованный для обучения нейросети нахождению упоминаний симптомов, относящихся к этим трем заболеваниям. При разметке корпуса был использован простой XML-подобный язык. Для представления предложений, непосредственно поступающих на вход нейросети, предложен расширенный BIO-формат разметки. Для каждого этапа приведены оценки точности (для первого этапа точность оценивалась при строгом и гибком тестировании). Описаны подходы и реализация приведения к стандартной форме и отождествления упоминаний симптомов. Даны сравнения с аналогичными работами по извлечению симптомов из медицинских текстов на разных языках, а также показано место данной системы в системах поддержки принятия клинических решений.
Бесплатно
