Новые подходы к ДСМ-методу при исследованиях в области акушерства и гинекологии-Reference-Cited by-同舟云学术

Новые подходы к ДСМ-методу при исследованиях в области акушерства и гинекологии

Published:2021 Issue:7 Volume: Page:7-18
ISSN:0548-0027
Container-title:Научно-техническая информация. Серия 2: Информационные процессы и системы
language:ru
Short-container-title:

Author:

Зиганшин А.М.¹,Ziganshin А.М.²,Салимоненко Д.А.³,Salimonenko D.А.⁴,Салимоненко Ю.Д.⁵,Salimonenko Yr.D.⁶,Мудров В.А.⁷,Mudrov V.А.⁸

Affiliation:

1. Институт дополнительного образования Башкирского государственного медицинского университета Минздрава РФ

2. Institute of Continuing Education of the Bashkir State Medical University of the Ministry of Health of the Russian Federation

3. Башкирский государственный университет Министерства науки и высшего образования РФ

4. Bashkir State University of the Ministry of Science and Higher Education of the Russian Federation

5. Уфимский государственный авиационный технический университет

6. Ufa State Aviation Technical University

7. Читинская государственная медицинская академия Минздрава РФ (ФГБОУ ВО ЧГМА Минздрава России)

8. Chita State Medical Academy of the Ministry of Health of the Russian Federation (FSBEI HE CHGMA of the Ministry of Health of Russia)

Abstract

Создана интеллектуальная система, реализующая ДСМ-метод автоматизированной поддержки исследований для задачи прогнозирования риска развития пролапса тазовых органов у женщин, перенесших роды через естественные родовые пути. Применяются методы для расширяющихся баз фактов. Впервые реализуется решетка стратегий, формируемая предикатами простого сходства, различия и сходства-различия (a, ad0, ad2), предложен алгоритм оптимизации пополнения базы фактов, использующий значение объясняемости. Описаны три эксперимента, проведенные по одной схеме, во втором при анализе подмассива исходных данных удален шум. Сформулированы новые задачи, позволяющие в дальнейшем улучшить результаты исследований.

Publisher

Russian Institute for Scientific and Technical Information - VINITI RAS

Reference20 articles.

1. Денисова Е. А., Губанова Г. Ф., Лежени на С. В., Чернышов В. В. Модель системы поддержки принятия решений на основе рассуждений по прецедентам в области диагностики женского бесплодия // Международный журнал прикладных и фундаментальных исследований. - 2018. - № 7. - С. 123-128.

2. Басова Л. А., Карякина О. Е., Мартыно ва Н. А. Использование математического моделирования // Фундаментальные исследования. - 2014. - № 10. - С.822-826.

3. Басова Л. А., Карякина О. Е., Мартыно ва Н. А., Кочорова Л. В. Прогнозирование послеоперационных осложнений на основе нейросетевых технологий // Вестник новых медицинских технологий. - 2015. - Т. 22, № 4. - С. 117-121.

4. Machine learning as a tool for diagnostic and prognostic research in coronary artery disease

5. Глазунов В. А., Зенович А. В., Лосев А. Г. Генетические алгоритмы определения высокоинформативных признаков заболеваний молочных желез // Вестник Волгоградского Государственного университета. Сер. 1. - 2015. - № 5(30). - С. 72-83.