ӨКПЕНІҢ ҚАТЕРЛІ ІСІГІН ЕРТЕ ДИАГНОСТИКАЛАУ ҮШІН ЖҮЙЕНІҢ МАТЕМАТИКАЛЫҚ МОДЕЛІН ҚҰРУ

Онкологиялық аурулар-қазіргі әлемдегі ең қауіпті аурулардың бірі. Бұл аурулардың ерте диагностикасы пациенттердің өмір сүру ұзақтығының жетілуіне ықпал етеді. Онкологиялық ауруларды ерте диагностикалауға арналған шаралар мен бағдарламаларды әзірлеу бүгінгі таңда өзекті мәселелердің бірі болып табылады. Қатерлі ісіктерді диагностикалауда интеллектуалды жүйелер мен жасанды интеллект әдістерін қолдану осы мәселеде маңызды аспект болып табылады. Мұндай жағдайларда негізінен сараптамалық жүйелер немесе шешім қабылдауды қолдау жүйелері қолданылады. Бұл жұмыста хаттама сұрақтары бойынша және аймақ факторларын ескере отырып, өкпенің қатерлі ісігінің ерте диагностикасы зерттеледі. Зерттеулер бұрынғы Семей ядролық полигоны аумағының тұрғындары үшін жүргізіледі. Өткізілген сынақтар осы өңір азаматтарының денсаулығына бүгінгі күнге дейін әсер етеді. Өңір онкологиялық аурулармен сырқаттанушылықтың ең жоғары көрсеткіші және өлім-жітім көрсеткіштері бойынша бес облыстың қатарына кіреді. Қолданыстағы сараптамалық жүйелерге талдау жүргізілді. Шешім қабылдауды қолдау жүйелері үшін нейрондық желілер модельдің негізі болды. Модельдің әр параметріне салмақ беріледі, оған қатысты маңыздылығы есептеледі және сауалнамаға қатысқан науқастың одан әрі әрекеттері туралы алдын-ала нұсқаулар беріледі. Нәтижесінде өкпенің қатерлі ісігінің жиілігіне қатты әсер ететін факторлар анықталды.

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.