СОЗДАНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СИСТЕМЫ ДЛЯ РАННЕЙ ДИАГНОСТИКИ РАКА ЛЕГКИХ

Онкологические заболевания являются одним самых смертоносных заболеваний в современном мире. Ранняя диагностика этих заболеваний способствует созранению продолжительности жизни пациентов. Разработка мер и программ для ранней диагностики онкологических заболеваний является одной актуальных проблем на сегодняшний день. Применение методов интеллектуальных систем и искусственного интеллекта в диагностировании онкологических заболеваний является важным аспектом в данном вопросе. В таких случаях в основном применяются экспертные системы или системы поддержки принятия решений. В данной работе исследуется ранняя диагностика рака легких при помощи опроса по вопросам протокола и с учетом факторов региона. Исследования проводятся для жителей территории бывшего Семипалатинского ядерного полигона. Так как проведенные испытания оказывают влияние на здоровье граждан данного региона и по сегодняшний день. Регион входит в пятерку областей с самым высоким показателем заболеваемости онкоголическими заболеваний и по показателям смертности. Был проведен анализ существующих экспертных систем. За основу модели были взяты нейронные сети для систем поддержки принятия решений. Каждому параметру модели присваивается вес, относительно которого высчитывается значимость и даются предварительные указания по дальнейшим действиям опрошенного пациента. В результате были выявлены факторы, которые наиболее сильно влияют на заболеваемость раком легких.

1. Karabatak M. An expert system for detection of breast cancer based on association rules and neural network / M. Karabatak, M. Cevdet // Expert Systems with Applications. – 2009. – Vol. 36, Issue 2, Part 2. – P. 3465-3469.

2. Patient symptoms elicitation process for breast cancer medical expert systems: A semantic web and natural language parsing approach / O.N. Oyelade et al // Future Computing and Informatics Journal. – 2018. – Vol. 3, Issue 1. – P. 72-81.

3. Physical research methods in expert systems of oncological disease diagnostics / M.I. Davydov et al // Bulletin of the Lebedev Physics Institute. – 2015. – Vol. 42. Р. 237-239.

4. Taie Sh.A. A prototype for breast cancer detection and development probability expert system — Towards a supportive tool / Sh.A. Taie, A.M. Idrees // E-Health and Bioengineering Conference (EHB). – 2015. https://doi.org/10.1109/EHB.2015.7391354.

5. Study of fuzzy expert system for the diagnosis of various types of cancer / R. Boadh et al // Materialstoday:Proceeding. – 2022. – Vol. 56, Part 1. – P. 298-307.

6. Intelligent Screening for Diagnostic and Treatment of Cancer Diseases / N.N. Bakhtadzea et al // International Conference on Knowledge Based and KES. –2017, 6-8 SeptemberMarseille, France.

7. Wahyuni R. Firdaus. Expert System of Lymph Node Detection Using Hybrid Method / R. Wahyuni // Journal Of Dynamics. – 2023. – Vol. 8, № 1.

8. Танюкевич М.В. Модели и методы комплексных исследований медико-биологических процессов в онкологии: дисс.канд.тех.наук: 05.13.18 / Танюкевич Марина Валерьевна; Уфим. гос. авиац.-техн. ун-т; науч. рук. Л.Я. Бухарбаева. – Уфа, 2005. – 153 с.

9. Гафаров Ф.М. Искусственные нейронные сети и их приложения: учеб. пособие / Ф.М. Гафаров, А.Ф. Галимянов, Изд-во Казанского университета, Казань, 2018. – 85 с.

10. Сердюк А.А. Компьютерные системы искусственного интеллекта: учебник / А.А. Сердюк. – Краматорск, 2017. – 112 с.

11. Дж. Картер. Нейросети: учебник / Дж. Картер. – ЛитРес, Москва, 2023. – 225 с.

12. Лекун Я. Как учится машина. Революция в области нейронных сетей и глубокого обучения: учебник / Я. Лекун. – Альпина Про, 2021. – 423 с.

13. Рашид Т. Создаем нейронную сеть: учебник / Т. Рашид. – Диалектика: Вильямс, 2019. – 271 с.

14. Николенко С. Глубокое обучение. Погружение в мир нейронных сетей: учебник / С. Николенко, А. Кадурин, Е. Архангельская. – Библиотека программиста (Питер), 2018. – 481 с.

15. Яхъяева Г. Нечеткие множества и нейронные сети: учебник / Г. Яхъева. – Бином, 2008. – 320 с.

16. Каллан Р. Основные концепции нейронных сетей: учебник / Р. Каллан. – Питер, 2003. – 293 с.

17. Deboeck G.J. Visual Explorations in Finance: With Self-Organizing Maps / G.J. Deboeck. – Springer Finance, 2021. – 385 с.