Abstract
The purpose of the study was to evaluate the possibilities of neuronet differential diagnosis of hepatopancreatoduodenal zone diseases and their potential for the formation of an individualized preventive strategy. The work was performed on the basis of materials of 488 patients with the pathology of the hepatopancreatoduodenal zone. Neural network analysis of information on risk factors (sex, age, eating habits, stress, family status, bad habits) was used. Results. The sensitivity of the differential diagnostic model reaches Se = 84,7, m = 1,66 for peptic ulcer, Se = 81,4, m = 1,8 for pancreatitis and Se = 92,1, m = 1,24 for cholecystitis. Specificity levels equaled respectively to Sp = 91,5, m = 1,29, Sp = 90,1, m = 1,38 and Sp = 82,7, m = 1,75. The article also presents a method of developing an individualized diagnostic strategy using the artificial neural network.
Highlights
APPLICATION OF ARTIFICIAL NEURAL NETWORKS False Omission Rate (FOR) DIFFERENTIAL DIAGNOSIS AND PROPHYLAXIS OF THE DISEASES OF HEPATOPANCREATODUODENAL ZONE
The purpose of the study was to evaluate the possibilities of neuronet differential diagnosis of hepatopancreatoduodenal zone diseases and their potential for the formation of an individualized preventive strategy
The work was performed on the basis of materials of 488 patients with the pathology of the hepatopancreatoduodenal zone
Summary
В исследование были включены 469 пациентов с диагностированными заболеваниями гепатопанкреатодуоденальной зоны: язвенной болезнью, холециститом, панкреатитом и 19 человек, у которых такие диагнозы в процессе обследования были исключены. Рандомизация осуществлялась следующим образом: с применением генератора случайных чисел выбирались порядковые дни года, в которые проводилось тотальное анкетирование больных, удовлетворяющих критериям включения в исследование (наличие одного или нескольких рассматриваемых заболеваний). Производился сбор данных о наличии у них модифицируемых и немодифицируемых ФР, таких как: возраст, пол, состояние при поступлении, социальное положение, наличие вредных привычек (курение и злоупотребление алкоголем), стрессы перед поступлением, соблюдение диеты и выполнение врачебных рекомендаций. Для обработки данных использовалась программа собственной разработки «Система интеллектуального анализа и диагностики заболеваний» (свидетельство о государственной регистрации программы для ЭВМ No 2017613090), основанная на искусственной нейронной сети типа многослойный персептрон с активационной функцией гиперболический тангенс. Функциональные возможности программы описаны нами ранее [4–6]
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
