автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Нейро-нечеткая система поддержки принятия решений при диагностике синдрома эндогенной интоксикации

На правах рукописи

КУЗНЕЦОВА Ольга Юрьевна

НЕЙРО-НЕЧЕТКАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

Специальности: 05.13.01 — Системный анализ, управление и обработка информации (в технике и технологиях); 05.11.17 —Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2013

5 ДЕК 2013

005542275

Работа выполнена в ФГБОУ ВПО «Пензенский государственный университет».

Научный руководитель - доктор технических наук, профессор

ГОРБАЧЕНКО Владимир Иванович

Научный консультант - кандидат медицинских наук, доцент

СОЛОМАХА Анатолий Анатольевич

Официальные оппоненты: ИВАНОВ Александр Иванович,

доктор технических наук, ОАО «Пензенский научно-исследовательский электротехнический институт», начальник лаборатории биометрических и нейросетевых технологий;

Истомина Татьяна Викторовна,

доктор технических наук, профессор, ФГБОУ ВПО «Пензенский государственный технологический университет», заведующая кафедрой «Информационные технологии и менеджмент в медицинских и биотехнических системах»

Ведущая организация - ФГБОУ ВПО «Пермский государственный

национальный исследовательский университет»

Защита диссертации состоится 27 декабря 2013 г., в ^^часов, на заседании диссертационного совета Д 212.186.04 в ФГБОУ ВПО «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией и авторефератом можно ознакомиться в библиотеке ФГБОУ ВПО «Пензенский государственный университет».

Автореферат разослан » 2013 г.

Ученый секретарь диссертационного совета

Косников Юрий Николаевич

Методы исследований: методы статистического анализа, теория нейронных сетей, теория нечетких множеств и нечеткая логика, теория ней-ро-нечетких сетей.

Соответствие паспортам специальностей. Результаты исследования соответствуют пунктам 4, 12, 13 паспорта научной специальности 05.13.01 и пункту 1 паспорта научной специальности 05.11.17.

Научная новизна работы заключается в следующем:

1. Предложен способ заполнения пропусков в медицинских обучающих данных отличающийся от известных интеграцией метода кластеризации и бутстреп-метода, что позволяет учесть особенности статистических распределений анализов пациентов и повысить точность дальнейшей диагностики.

2. Разработан алгоритм построения базы знаний нейро-нечеткой сети, который в отличие от известных позволяет исключить из базы знаний правила нечетких продукций, не используемые при работе с обучающей выборкой. Исключение правил с минимальной степенью выполнения позволяет существенно сократить базу знаний, не уменьшив ее информативности, что повышает точность диагностики.

3. Предложена модификация метода последовательного квадратичного программирования с ограничениями для настройки весовых коэффициентов нейро-нечеткой сети, отличающаяся от известных учетом ограничений, накладываемых на весовые коэффициенты правил, что позволяет сократить ошибку диагностики.

4. Разработана архитектура каскадной нейро-нечеткой сети, узлами которой являются адаптивные нейро-нечеткие сети (ANFIS - Adaptive Neuro-Fuzzy Inference System), которая позволила снизить ошибки диагностики за счет уменьшения числа настраиваемых коэффициентов по сравнению с классической ANFIS при одном и том же количестве входов. Предложено ввести дополнительный слой, позволивший диагностировать тяжесть ХБП.

5. Разработана структура системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН, основанная на каскадной нейро-нечеткой сети и позволяющая обрабатывать в интерактивном режиме поступающие медицинские данные и настраивать систему на новые данные по предложениям врача-эксперта.

Практическая значимость состоит в создании системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН,. которая позволяет врачу повысить достоверность диагноза, сократив затраты и время исследования.

На защиту выносятся:

1. Способ заполнения пропусков в медицинских обучающих данных на основе интеграции метода кластеризации и бутстреп-метода.

= (*1>Л2 Ы Ил, (*з) (*4) (**) ■

Для систем нечеткого логического вывода с несколькими входными переменными степень выполнения нечеткого правила является результатом выполнения логической конъюнкции и логической дизъюнкции. Если степень выполнения правила находится в интервале [0,5; 1], то правило остается в базе знаний, остальные правила исключаются.

Использованы 56 сгенерированных последовательностей групп данных и функций принадлежности. В результате выполнения предложенного алгоритма на выборке из 84 наблюдений составлен сокращенный набор, состоящий из восьми правил. После создания базы правил сеть обучалась при тех же параметрах настройки, что и нейро-нечеткая сеть А№18, предложенная ранее. Экспериментально было установлено, что ошибка диагностики хронической почечной недостаточности в терминальной стадии с использованием нейро-нечеткой сети составляет 5,36%, в ранней стадии -16,05 %. Из анализа результатов видно, что при использовании предложенного алгоритма нейро-нечеткая сеть АОТК дает меньшую ошибку при меньшем наборе базы знаний.

Если структуру нейронной сети (и как следствие - количество настраиваемых коэффициентов) можно выбирать, то структура адаптивной нейро-нечеткой сети (АОТК) постоянна и зависит от количества входов. Так, для АОТК с двумя входами используется 28 настраиваемых коэффициентов, а с пятью - 232, это является ограничением для применения АОТК.

Для сокращения числа настраиваемых коэффициентов разработана нейро-нечеткая сеть, имеющая каскадную архитектуру (рис. 1). Данная сеть использует узлы с сетью АОТК и может быть обучена с помощью процедур оптимизации, также сеть дополнена слоем, на котором определяется тяжесть ХБП.

В древовидной структуре сети каждой подзадаче определенного уровня иерархии ставится в соответствие совокупность ее И-подзадач либо ИЛИ-подзадач следующего (более низкого) уровня иерархии. Это означает, что для решения исходной подзадачи необходимо решить все ее И-подза-дачи либо одну из ИЛИ-подзадач. В процессе поиска решения каждый узел дерева, начиная с листьев, помечается как решенная задача, если какая-нибудь ИЛИ-подзадача либо все И-подзадачи решены. Процесс поиска продолжается до тех пор, пока не будет помечен корень дерева, т.е. решена исходная задача. Каждая вершина условия содержит некоторое высказывание, которое может принимать значения «Высокий уровень», «Средний уровень» или «Низкий уровень» входной переменной. Вершина вывода содержит одно или несколько предложений, описывающих некоторое промежуточное или окончательное заключение в виде набора показателей (соот-

Тестирование каскадной нейро-нечеткой сети с сетью АОТШ, настроенной с использованием алгоритма оптимизации, показало, что ошибка диагностирования на данных о больных в терминальной стадии ХПН составила 1,7 %, на данных о больных в ранней стадии ХПН - 11,8 %.

Анализ результатов проведенных исследований показал, что оптимальный способ диагностики синдрома эндогенной интоксикации состоит в диагностике по пяти лабораторным показателям, которая позволяет врачу повысить достоверность диагноза, сократив затраты и время исследования. Так как каскадная нейро-нечеткая сеть показала лучшие результаты в диагностике, для программной реализации использована только эта сеть. Данная сеть использует в узлах адаптивную нейро-нечеткую сеть АЫБШ типа Су-гено с девятью нечеткими правилами в первом узле сети, четырьмя правилами во втором и третьем узлах, диагностирующих наличие или отсутствие СЭИ. Сеть содержит дополнительный слой, диагностирующий тяжесть ХБП.

В третьей главе предложена структура системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН. Структурная схема системы поддержки принятия решений представлена на рис. 2.

Рис. 2. Структура системы поддержки принятия решений при диагностике СЭИ на примере ХБП

Для реализации системы поддержки принятия решений выбрана среда разработки Microsoft Visual Studio с использованием языка программирования С# 4.0.

Система включает в себя два основных модуля: модуль статистических исследований и модуль диагностической системы, для которых на SQL сервере хранится база данных с диагностическими признаками (информация о пациентах) и со структурой диагностической системы с базой знаний.

Научное издание

КУЗНЕЦОВА Ольга Юрьевна

НЕЙРО-НЕЧЕТКАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

Специальности: 05.13.01 - Системный анализ, управление и обработка информации; 05.11.17 - Приборы, системы и изделия медицинского назначения

Редактор Т. В. Веденеева Технический редактор М. Б. Жучкова Компьютерная верстка М. Б. Жучковой

Распоряжение № 36/2013 от 22.11.2013.

Подписано в печать 26.11.13. Формат 60x847,6- Усл. печ. л. 1,16. Тираж 100. Заказ № 935.

Издательство ПГУ. 440026, Пенза, Красная, 40. Тел./факс: (8412) 56-47-33; е-таП:пс@р1^и.ги

ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

на правах рукописи

0420145461?

КУЗНЕЦОВА Ольга Юрьевна НЕЙРО-НЕЧЕТКАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

Специальности: 05.13.01 - Системный анализ, управление и обработка информации; 05.11.17 - Приборы, системы и изделия медицинского назначения

диссертация на соискание ученой степени кандидата технических наук

Научный руководитель д.т.н., профессор Горбаченко В. И.

научный консультант к.м.н., доцент Соломаха A.A.

Пенза, 2013

ВВЕДЕНИЕ..........................................................................................................................6

ГЛАВА 1. АНАЛИЗ ФОРМАЛИЗОВАННЫХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ........................................................13

1.1 Анализ лабораторных методов диагностики.........................................................13

1.2 Анализ формальных методов диагностики...............................................................15

1.3 Анализ способов заполнения пропусков в исходных данных................................17

1.3 Анализ способов понижения размерности исходных данных................................21

1.4 Анализ нейросетевых методов диагностики.............................................................23

1.4.1 Анализ математической модели персептрона..............................................25

1.4.2 Анализ модели многослойной нейронной сети................................................27

1.5 Анализ методов нечеткой логики и нейро-нечетких сетей при диагностике синдрома эндогенной интоксикации...............................................................................31

1.5.2. Анализ модели нейро-нечеткой сети..............................................................34

1.5.3Анализ алгоритмов обучения нейро-нечеткой сети.......................................42

1.5.3 Анализ алгоритмов оптимизации нейро-нечеткой сети..............................47

Выводы к главе 1...............................................................................................................53

ГЛАВА 2. ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ И НЕЧЕТКИХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ.........................55

2.1 Постановка задачи.......................................................................................................55

2.2 Проверка медицинских анализов на соответствие нормальному закону распределения....................................................................................................................57

2.3 Реализация способа заполнения пропусков..............................................................60

2.3.1 Исследование четкой кластеризации на основе к-теат..............................60

2.3.2 Исследование алгоритма нечеткой кластеризации на основе с-теат.......64

2.3.3 Сравнение методов кластерного анализа.......................................................66

2.3.4 Заполнение пропусков в данных........................................................................68

2.4 Выбор лабораторных показателей.............................................................................71

2.4.1 Исследование маркеров эндогенной интоксикации для выбора информативных признаков........................................................................................71

2.4.2 Исследование гистограмм распределения анализов больных и здоровых

пациентов для выбора информативных признаков................................................74

2.4.3 Исследование применения t-критерия Стъюдента и критерия Манна-Уитни для выбора информативных признаков.......................................................77

2.4.4 Исследование применения корреляционного анализа для выбора информативных признаков........................................................................................80

2.4.5 Сравнение статистических методов выбора анализов с применением маркеров СЭИ.............................................................................................................83

2.5 Исследование нейронных сетей для диагностики синдрома эндогенной интоксикации.....................................................................................................................84

2.5.1 Исследование персептрона...............................................................................85

2.5.2 Исследование многослойного персептрона для диагностики синдрома эндогенной интоксикации..........................................................................................86

2.6 Исследование нейро-нечетких сетей для диагностики синдрома эндогенной интоксикации.....................................................................................................................90

2.6.1 Исследование адаптивной нейро-нечеткой сети ANFIS...............................91

2.6.2 Создание базы знаний.......................................................................................96

2.7 Исследование каскадной нейро-нечеткой сети.......................................................100

2.7.1 Анализ каскадной нейро-нечеткой сети.......................................................100

2.7.2 Исследование каскадной нейро-нечеткой сети для диагностики синдрома эндогенной интоксикации........................................................................................103

Выводы к главе 2.............................................................................................................113

ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ ЭНДОГЕННОЙ ИНТОКСИКАЦИИ...............................................115

3.1 Анализ требований к системе...................................................................................115

3.2 Обоснование выбора среды разработки..................................................................117

3.3 Проектирование системы..........................................................................................118

3.3.1 Определение внешнего функционирования проектируемой системы. Диаграмма вариантов использования....................................................................119

3.3.2 Определение внешнего функционирования проектируемой системы. Диаграмма последовательности............................................................................120

3.3.3 Определение структуры проектируемой системы.....................................122

3.4 Разработка системы................................................................................................123

3.5 Возможности экспертной системы..........................................................................131

3.6 Экспериментальное исследование системы поддержки принятия решений.......140

Выводы к главе 3.............................................................................................................141

ОБЩИЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ...........................................................................143

Список сокращений и условных обозначений:............................................................145

Список литературы:.........................................................................................................146

ПРИЛОЖЕНИЕ А............................................................................................................159

Гистограммы значений лабораторных анализов больных с хронической почечной недостаточность (ХПН) в терминальной стадии и в ранней стадии хронической почечной недостаточности для проверки данных на соответствие нормальному закону распределения..............................................................................159

ПРИЛОЖЕНИЕ Б............................................................................................................162

Евклидово расстояние между кластерами.....................................................................162

ПРИЛОЖЕНИЕ В............................................................................................................164

Матрица степеней принадлежности объектов к кластерам.........................................164

ПРИЛОЖЕНИЕ Г............................................................................................................167

Выбор информативных признаков с помощью сравнения

гистограмм распределения анализов больных и здоровых.........................................167

ПРИЛОЖЕНИЕ Д............................................................................................................170

Выбор информативных признаков с помощью корреляционного анализа...............170

ПРИЛОЖЕНИЕ Е............................................................................................................174

UML-диаграммы.............................................................................................................174

ПРИЛОЖЕНИЕ Ж...........................................................................................................178

Удостоверение о рационализаторском предложении..................................................178

ПРИЛОЖЕНИЕ 3.............................................................................................................180

Свидетельство о регистрации программы для ЭВМ....................................................180

ПРИЛОЖЕНИЕ И............................................................................................................182

Свидетельство о регистрации электронного издания «Медико-технологические системы в клинической медицине: методическое пособие для специальности врач-

кибернетик»......................................................................................................................182

ПРИЛОЖЕНИЕ К............................................................................................................184

Свидетельство о регистрации базы данных..................................................................184

ПРИЛОЖЕНИЕ Л............................................................................................................186

Результаты внедрения.....................................................................................................186

ВВЕДЕНИЕ

Синдром эндогенной интоксикации (СЭИ) является одним из наиболее распространенных в клинической практике. Под СЭИ подразумевается комплекс симптомов патологических состояний органов и систем организма, обусловленных накоплением в тканях и биологических жидкостях эндотоксинов, которые являются результатом реагирования на повреждающий фактор. Задача ранней диагностики СЭИ затруднена сложностью использования специфических маркеров токсикоза. По клиническому течению интоксикацию делят на острую и хроническую почечную недостаточность [70]. Острая почечную недостаточность (ОПН) возникает внезапно вследствие острого, чаще всего обратимого поражения почек. Распространенным случаем СЭИ является хроническая почечная недостаточность (ХПН), обычно развивается постепенно вследствие прогрессирующей необратимой утраты функций почек. Распространенность хронической болезни почек (ХБП) сопоставима с такими социально значимыми заболеваниями, как гипертоническая болезнь и сахарный диабет, а также ожирение и метаболический синдром. Основная цель концепции хронической болезни почек является с одной стороны, ранее выявление и замедление прогрессирования заболевания почек разной этиологии, а следовательно, отдаление развития хронической почечной недостаточности с последующей заместительной почечной терапией, с другой стороны, снижение риска сердечнососудистых осложнений, обусловленных почечной дисфункцией. По данным крупных популяционных регистров [63, 134], распространённость ХБП составляет не менее 10%, достигая 20% и более у отдельных категорий лиц (пожилые, больные сахарным диабетом 2 типа). Для сравнения: хроническая сердечная недостаточность встречается у 1% населения, бронхиальная астма у 5% взрослого населения, сахарный диабет — у 4-10%. Признаки повреждения почек и снижение скорости клубочковой фильтрации выявляют, как минимум, у каждого десятого представителя общей популяции. При этом сопоставимые цифры были получены как в индустриальных странах с высоким уровнем жизни, так и в развивающихся странах со средним и низким доходом населения. Так, по результатам эпидемиологических исследований в США, снижение функции почек наблюдается у 15% населения, в Японии - 18%, в Нидерландах - 17%, в Испании - 12%, в Китае от 6-14%, в Конго от 8-12% [70, 134]. ХПН занимает первое место по распространенности среди всех заболеваний почек в этих странах. Результаты исследований в России показали, что проблема ХБП для нашей страны является не менее острой. Признаки ХБП отмечаются более чем у 1/3 больных с хронической сердечной

недостаточностью, снижение функции почек наблюдается у 36% лиц в возрасте старше 60 лет, у лиц трудоспособного возраста - 16% случаев, а при наличии сердечнососудистых заболеваний его частота возрастает до 26%. Смертность от почечной недостаточности по данным Государственного регистра достигает примерно 18% и существенно не меняется в течении последних 30 лет [63]. По данным аналитического отчета 2009 года Российского регистра заместительной почечной терапии (ЗПТ) по состоянию на 2007 год в России ЗПТ получали 20212 пациентов с терминальной стадией ХПН, что на 11,7% больше, чем в 2006 году [63]. Тем не менее, показатели обеспеченности ЗПТ в России отстают от других стран. Так в США обеспеченность ЗПТ составляет 1556 пациентов на 1 миллион населения, а в РФ - 142, в связи, с чем можно предположить, что реальное количество пациентов с терминальной стадией ХПН значительно выше и продолжает расти. В 2010 году число таких пациентов достигло в мире примерно 2 млн. человек [10, 136]. Задача ранней диагностики синдрома эндогенной интоксикации имеет большое значение в связи с частым развитием хронической и острой почечной недостаточности, тяжестью течения и высокой летальностью.

Для объективной оценки наличия СЭИ существуют различные неспецифические лабораторные методы, позволяющие с той или иной степенью точности и достоверности судить о выраженности данного синдрома. В хирургической практике (травматическая болезнь, перитонит, панкреонекроз и т.д.) при изучении степени тяжести СЭИ используют определение количества лейкоцитов периферической крови и лейкоцитарную формулу, а также их функциональную активность с помощью теста восстановления нитросинего тетразолия; из иммунологических методов - определение иммуноглобулинов, циркулирующих иммуннокомплексов [5, 52]. Из биохимических методов широко используется определение продуктов перекисного окисления липидов, в основном, малонового диальдегида. В лабораторной диагностике распространено определение уровня молекул средней массы, являющихся общепризнанным биохимическим маркёром СЭИ при различных патологических состояниях. Однако они являются дорогостоящими, в связи с чем встает задача создания менее дорогостоящих и более доступных методов диагностики.

Чтобы сделать правильный прогноз возникновения заболевания, необходимо проанализировать большое количество факторов риска и диагностических признаков, приводящих к заболеваниям. Для обработки биомедицинских данных используют формальные методы, среди которых одними из наиболее популярных являются нейросетевые [17, 32, 50]. Нейронные сети имеют возможность обучаться и обобщать накопленные знания и используются для задач клас-

сификации образов, распознавания, идентификации, прогнозирования, но не дают ответа на вопрос, как осуществляются эти процессы. Этот недостаток нейронных сетей решается в системах с нечетким выводом, в основе которых лежат понятия теории нечетких множеств и нечеткой логики [87]. Системы с нечетким выводом позволяют объяснить получаемый с их помощью результат, позволяют закладывать в информационное поле априорный опыт врачей-экспертов, но они не имеют возможности обучаться и обобщать накопленные знания.

От перечисленных недостатков свободны системы на основе нейро-нечетких сетей. Выводы нейро-нечеткая сеть делает на основе базы знаний, в которой заключен априорный опыт эксперта, а параметры нейро-нечеткой сети настраиваются с использованием алгоритмов обучения нейронных сетей. Нейро-нечеткие сети имеют возможность использовать неточную информацию, приобретать новые знания, обучаться, выполнять классификацию образов, прогнозировать и, кроме того, могут объяснить полученный результат.

Таким образом, задача, заключающаяся в разработке нейро-нечеткой системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на основе нейро-нечеткой сети, является актуальной и представляющей научный интерес.

Цель работы — разработка нейро-нечеткой системы поддержки принятия решений, позволяющей распознавать наличие или отсутствие синдрома эндогенной интоксикации на примере хронической почечной недостаточности как для обследования отдельных больных, так и с целью массового обследования без использования дорогостоящих лабораторных методов.

Для достижения поставленной цели решаются следующие задачи:

1. Разработка способов подготовки данных для обучения нейронных и нейро-нечетких сетей: заполнение пропусков результатов анализов и понижение размерности исходных данных.

2. Исследование и разработка архитектур и алгоритмов обучения нейронных и нейро-нечетких сетей, предназначенных для диагностики синдрома эндогенной интоксикации на примере хронической почечной недостаточности.

3. Разработка алгоритма построения базы знаний нейро-нечеткой сети.

4. Разработка системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере хронической почечной недостаточности.

5. Испытание разработанной системы в клинической больнице.

Методы исследования. При решении поставленных задач использовались методы статистического анализа, теория нейронных сетей, теория нечетких множеств и нечеткая логика, теория нейро-нечетких сетей.

Научная новизна:

1. Предложен способ заполнения пропусков в медицинских обучающих данных отличающийся от известных интеграцией метода кластеризации и бутстреп-метода, что позволяет учесть особенности статистических распределений анализов пациентов и повысить точность дальнейшей диагностики.

2. Разработан алгоритм построения базы знаний нейро-нечеткой сети, который в отличие от известных позволяет исключить из базы знаний правила нечетких продукций, не используемые при работе с обучающей выборкой. Исключение правил с минимальной степенью выполнения позволяет существенно сократить базу знаний, не уменьшив ее информативности, что повышает точность диагностики.

3. Предложена модификация метода последовательного квадратичного программирования с ограничениями для настройки весовых коэффициентов нейро-нечеткой сети, отличающаяся от известных учетом ограничений, накладываемых на весовые коэффициенты правил, что позволяет сократить ошибку диагностики.

4. Разработана архитектура каскадной нейро-нечеткой сети, узлами которой являются адаптивные нейро-нечеткие сети (ANFIS - Ada