Разработка интеллектуальной модели диагностики пульмонологических заболеваний на основе нечёткой логики

Авторы и правообладатели:

• Дубинин Н. М. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Ганджа Т. В. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Кочергин М. И. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Филинюк О. В. , Сибирский государственный медицинский университет (Томск, Россия)
• Дмитриев В. М. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)

• 1. Stivaros S.M. Decision support systems for clinical radiological practice–towards the next generation / S.M. Stivaros, A. Gledson, G. Nenadic, X.-J. Zeng, J. Keane, A. Jackson // British Journal of Radiology. – 2010. – Vol. 83, № 995. – С. 904–914.
• 2. Berner E.S. (ed.). Clinical decision support systems. – New York: Springer Publ., 2007. – 270 p.
• 3. Khosla Vinod. Technology will replace 80% of what doctors do [Электронный ресурс]. – URL: https://web.archive.org/web/20130328173118/http://tech.fortune.cnn.com/2012/12/04/technology-doctors-khosla/ (дата обращения: 01.02.2025).
• 4. Dehghani Soufi M. Decision support system for triage management: A hybrid approach using rule-based reasoning and fuzzy logic / M. Dehghani Soufi, T. Samad-Soltani, S. Shams Vahdati, P. Rezaei-Hachesu // International Journal of Medical Informatics. – 2018. – Vol. 114. – P. 35–44.
• 5. Tanveer Syeda-Mahmood plenary talk: The Role of Machine Learning in Clinical Decision Support // SPIE Newsroom. – 2015 [Электронный ресурс]. – URL: https://www.spie.org/news/mi-plenary_landing/mi-plenary_syeda-mahmood (дата обращения: 01.02.2025).
• 6. Wagholikar K. Modeling Paradigms for Medical Diagnostic Decision Support: A Survey and Future Direction / K. Wagholikar, V. Sundararajan, A. Deshpande // Journal of Medical Systems. – 2012. – Vol. 36, No. 5. – P. 3029–3049.
• 7. Демушкина К.М. Обзор методов проектирования систем поддержки принятия врачебных решений / К.М. Демушкина, М.О. Демушкин, А.В. Кузьмин // Модели, системы, сети в экономике, технике, природе и обществе. – 2022. – № 42. – С. 75–89.
• 8. Гришунов С.С. К вопросу о применении методов машинного обучения для решения задачи диагностики болезней сердца / С.С. Гришунов, А.В. Козина, Ю.С. Носова // Электронный журнал: наука, техника и образование. – 2018. – № СВ2 (20). – С. 37–46 [Электронный ресурс]. – URL: http://nto-journal.ru/uploads/articles/2b705aada13b2f9b547ab0bf72ef1744.pdf (дата обращения: 01.02.2025).
• 9. Павлова А.И. Применение алгоритмов машинного обучения для прогнозирования заболеваний сердца // Сибирский журнал естественных наук и сельского хозяйства. – 2023. – T. 15, № 3. – С. 475–496.
• 10. Уткин Л.В. Обзор методов объяснения и интерпретации принятия решений в интеллектуальных системах диагностики онкологических заболеваний / Л.В. Уткин, А.А. Мелдо, М.С. Ковалев, Э.М. Касимов // Искусственный интеллект и принятие решений. – 2020. – № 3. – С. 55–65.
• 11. Рунова К.В. Классификация сердечно-сосудистых заболеваний с помощью инструментальных методов обработки информации на основе различных методов машинного обучения / К.В. Рунова, А.А. Юрин // Вестник Казанского технологического ун-та. – 2019. – T. 22, № 3. – С. 45–53.
• 12. Козлов В.В. Система поддержки принятия решений при диагностике заболеваний лёгких / В.В. Козлов, А.В. Козлов // Мир науки без границ. – 2011. – T. 18, № 1. – С. 187–188.
• 13. Костин К.А. Классификация патологий диссеминированного туберкулёза лёгких с помощью методов машинного обучения / К.А. Костин, Т.С. Ламонова // Сборник избр. статей научной сессии ТУСУР, Томск, 16–18 мая 2018 г.: в 3 ч. – Томск: В-Спектр, 2018/ – Ч. 3. – С. 129–132.
• 14. Лаптева Е.А. Применение технологии «нейронных сетей» для выявления и мониторинга аускультативных феноменов при диагностике заболеваний органов дыхания / Е.А. Лаптева, И.В. Коваленко, А.Н. Лаптев и др. // Журнал Гродненского гос. мед. ун-та. – 2020. – T. 18, № 3. – С. 230–235.
• 15. Юсупова Н.И. Снижение рисков при использовании машинного обучения в диагностике бронхолегочных заболеваний / Н.И. Юсупова, М.Р. Богданов, О.Н. Сметанина // Искусственный интеллект и принятие решений. – 2023. – № 1. – С. 42–54.
• 16. Бояринцев Л.А. Разработка системы ранней диагностики внебольничной пневмонии, Covid-19, туберкулеза и других заболеваний легких с использованием искусственного интеллекта / Л.А. Бояринцев, А.В. Трофименко, С.В. Стебельцов и др. // Состояние и перспективы развития современной науки по направлению «Биотехнические системы и технологии»: сборник статей III Всерос. науч.- техн. конф. – Анапа: ФГАУ ВИТ «ЭРА», 2021. – С. 45–49.
• 17. Юсупова Н.И. Формализация этапов риск-анализа в СППР с учетом оценок клинических рисков при бронхолегочных заболеваниях / Н.И. Юсупова, О.С. Нургаянова, Р.Х. Зулкарнеев // Системная инженерия и информационные технологии. – 2023. – Т. 5, № 1(10). – С. 11–24. DOI: 10.54708/2658-5014-SIIT-2023-no1-p11.
• 18. Юсупова Н.И. Снижение рисков при использовании машинного обучения в диагностике бронхолегочных заболеваний / Н.И. Юсупова, М.Р. Богданов, О.Н. Сметанина // Искусственный интеллект и принятие решений. – 2023. – № 1. – С. 42–54. DOI: 10.14357/20718594230105.
• 19. Ходашинский И.А. Метод нахождения подмножеств согласованных признаков при прогнозировании эффективности реабилитации пациентов после перенесенной коронавирусной инфекции / И.А. Ходашинский, И.Н. Смирнова, М.Б. Бардамова, К.С. Сарин и др. // Сибирский журнал клинической и экспериментальной медицины. – 2023. – T. 38, № 4. – С. 270–279.
• 20. Гусев А.В. Машинное обучение на лабораторных данных для прогнозирования заболеваний / А.В. Гусев, Р.Э. Новицкий, А.А. Ившин, А.А. Алексеев // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. – 2021. – T. 14, № 4. – С. 581–592.
• 21. Мазитова Н.Н. Применение системного подхода в диагностике профессиональных заболеваний органов дыхания / Н.Н. Мазитова, З.М. Берхеева // Общественное здоровье и здравоохранение. – 2013. – T. 53, № 3. – С. 20–25.
• 22. Теория и системы управления: учеб.-метод. пособие / сост.: В.Н. Лазарев, Т.А. Шуленкова. – Ульяновск: УлГТУ, 2016. – 165 с.
• 23. Пульмонология – энциклопедия [Электронный ресурс]. – URL: https://medportal.ru/enc/pulmonology (дата обращения: 23.02.2025).
• 24. Rajpurkar P. Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning / P. Rajpurkar, J. Irvin, K. Zhu et al. // arXiv preprint. – 2017 [Электронный ресурс]. – URL: https://arxiv.org/abs/1711.05225 (дата обращения: 01.03.2025).
• 25. Яровой А.Н. Возможности компьютерной томографии в диагностике заболеваний легких / А.Н. Яровой, И.М. Белоусова // Лучевая диагностика и терапия. – 2020. – № 2. – С. 31–36.
• 26. Moussavi Z. Respiratory sounds analysis as a diagnostic tool // Medical & Biological Engineering & Computing. – 2006. – Vol. 44, No. 10. – P. 931–933.
• 27. Шайдурова И.А. Акустический анализ дыхательных шумов при заболеваниях легких / И.А. Шайдурова, Т.В. Вавилова, П.М. Котляров // Современные технологии в медицине. – 2021. – № 4. – С. 115–121.
• 28. Юсупова Н.И. Формализация этапов риск-анализа в СППР с учетом оценок клинических рисков при бронхолегочных заболеваниях / Н.И. Юсупова, О.С. Нургаянова, Р.Х. Зулкарнеев // Системная инженерия и информационные технологии. – 2023. – Т. 5, № 1(10). – С. 11–24.
• 29. Трошин С.А. Системный анализ взаимодействия врача и пациента в контексте цифровизации здравоохранения / С.А. Трошин, М.А. Малышев // Менеджмент в здравоохранении. – 2021. – № 3. – С. 32–39.
• 30. Егорова И.А. Формализация модели управления состоянием пациента в медицинских информационных системах / И.А. Егорова, С.М. Красильникова // Информационные технологии в медицине. – 2020. – № 1. – С. 45–50.
• 31. Пульмонология – основные заболевания [Электронный ресурс]. – URL: https://29gkb.ru/about/branches/therapeutic/pulmonology/treateddiseases (дата обращения: 03.06.2025).