CC BY
78
ПРИКЛАДНЫЕ СФЕРЫ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ
УДК 616.12-005.4-07-085.2:612.
НЕЙРОЭКСПЕРТНЫЕ СИСТЕМЫ В ПОСТРОЕНИИ
ИНФОРМАЦИОННОЙ МОДЕЛИ СТЕПЕНИ ИЗМЕНЕНИЯ СОСУДИСТОЙ СТЕНКИ У БОЛЬНЫХ С КАРОТИДНЫМ АТЕРОСКЛЕРОЗОМ
Розыходжаева Гульнора Ахмедовна,
заведующая клинико-диагностическим отделом, доктор медицинских наук, старший научный сотрудник, Центральная клиническая больница № 1 Медико-санитарного объединения, Ташкент, Узбекистан.
Икрамова Зульфия Тулкиновна,
ассистент кафедры ультразвуковой диагностики, Ташкентский институт усовершенствования врачей , Ташкент, Узбекистан.
Розыходжаева Дилдора Аброровна,
студентка, Ташкентский Университет информационных технологий, Ташкент, Узбекистан. [email protected]
В статье приведен вариант классификации степени утолщения комплекса «интима-медиа» общей сонной артерии (ТКИМ ОСА). При этом основным инструментом для построения информационной модели служили алгоритмы и методы синтеза искусственных нейронных сетей (ИНС). Анализ основан на результатах обследования 242 больных в возрасте 4090 лет. Математическая классификация использовалась для оптимизации оценки каротидного атеросклероза. ИНС состояла из нейронов входного, скрытого и выходного слоев. Вначале специалистами ультразвуковой диагностики с помощью метода дуплексного ангиосканирования достигнута правильная классификация объективных данных. Использованная модель ИНС успешно классифицировала в 84,5% случаев и была особенно эффективной при разбивке на 4 класса. Система классификации служит для быстрого установления медицинского диагноза.
Ключевые слова: искусственные нейронные сети (ИНС); атеросклероз; толщина комплекса «интима-медиа» общей сонной артерии.
NEURAL NETWORK SYSTEM IN THE BUILDING INFORMATION
MODELS OF DEGREE OF CHANGES OF VASCULAR WALL IN PATIENTS WITH CAROTID ATHEROSCLEROSIS
Rozikhodjaeva Gulnora Ahmedovna,
Head of Clinical Diagnostic Department, DSc, Ass. Prof.,
Central Clinical Hospital № 1 of Medico-Sanitary Association, Tashkent, Uzbekistan.
Ikramova Zulfiya Tulkinovna,
assistant of ultrasound, Institute of doctor’s improvement, Tashkent, Uzbekistan
Rozikhodzjaeva Dildora Abrorovna,
student of University of Information technologies,
Tashkent, Uzbekistan [email protected]
In this article include the system of classification of degree of thickening complex “intima-media” of the common carotid artery (CCA IMT). The main tool for building information models were algorithms and methods for synthesis of artificial neural networks (ANN). The analysis is based on the results of the survey 242 subjaects aged 40-90 years. The mathematical classification for optimizing assessment of carotid atherosclerosis was used. ANN was made up of neurons in the input, hidden and output layers. First, the correct classification of these data was obtained by ultrasound specialists with duplex scanning. ANN model does successfully classified in 84.5%. We found that ANN is effective, when designated four classes. The result of this classification system is rapid establishment of medical diagnosis.
Keywords: artificial neural networks (ANN); atherosclerosis; the thickness of the complex “intima-media” of the common carotid artery.
Введение
Искусственные нейронные сети (ИНС) - интеллигентные системы, которые способны к моделированию чрезвычайно сложных функций [1, 2, 3, 4, 5]. ИНС- нелинейные модели и могут использоваться с зависимыми наборами данных, далее, обучаясь на примерах [7]. Пользователю нужно просто собирать репрезентативные данные, и применить учебные алгоритмы, чтобы автоматически узнавать структуру данных. Обнаружение вариабельных резуль-
татов в различных исследованиях указывает на необходимость составления эффективной математической модели. Для выбора модели и интерпретации результатов работы ИНС имеет смысл привлекать знание экспертов - исследователей в конкретной предметной области. Долгое время атеросклеротический процесс протекает бессимптомно до достижения необратимых конечных состояний (например, сужение сосуда, обызвествление и некроз). Поэтому актуальным является распознавание ранних атеросклеротических проявлений.
Цель работы
Отработка системы классификации степени утолщения комплекса «интима-медиа» общей сонной артерии (ТКИМ ОСА). Основным инструментом для построения информационных моделей выступили алгоритмы и методы синтеза искусственных нейронных сетей [1, 2].
Материал и методы
В основу анализа положены результаты обследования 242 человек в возрасте от 40-90 лет. Исследования проводились в Центральной Клинической больнице №1 МСО Министерства Здравоохранения Республики Узбекистан. Всем больным было проведено комплексное ультразвуковое исследование магистральных артерий головы и шеи методом дуплексного ангиосканирования с применением двумерного, импульсного и цветового допплеровского кодирования на сканере Уо1шоп 530 МТ (Австрия). При этом применяли мультичастотный датчик линейного формата (5,5-7,0 Мгц). Проводилось исследование магистральных артерий головы и шеи, включая плечеголовной ствол и его бифуркацию, обе общие сонные артерии, каротидные бифуркации, наружные и внутренние сонные артерии, позвоночные артерии, артерии нижних конечностей. Кроме этого у каждого больного определялись антропометрические и гемодинамические показатели, а также кардиоваскулярные факторы риска и анамнестические данные. Толщину комплекса интима-медиа (ТКИМ) определяли в дистальной точке дистального сантиметра общей сонной артерии (ОСА) [2, 8].
По степени изменения ТКИМ больные нами условно разделены на 4 группы: с нормальной ТКИМ (не более 1,0 мм) (степень 0); с ТКИМ 1,1-1,3 мм (утолщение ТКИМ) (степень 1); с ТКИМ больше или равно 1,4, но меньше 2 мм (степень 2) ; с ТКИМ более 2 мм (степень 3).
Степень изменения ТКИМ ОСА уточнялась тремя врачами ультразвуковой диагностики. Средний возраст пациентов был 67,7+9,8 лет (муж/женщ: 61% / 39%). Проценты стеноза были вычислены согласно европейским критериям (ECST) [10]. Из обследованных 272 больных 97 - имели нормальную ТКИМ (степень 0) и 185 -имели патологические изменения ТКИМ (51 пациентов с 1 степенью ТКИМ, 77 со 2 степенью ТКИМ, 57 с 3 степенью ТКИМ).
Мы использовали математическую классификацию для оптимизации оценки каротидного атеросклероза. ИНС прямого и обратного распространения были составлены из нейронов во входном, скрытом и выходном слоях. В нашем эксперименте выходные векторы классифицированы в четыре категории, такие как у1 = [1 0 0 0] (ТКИМ <1,0 мм), у2 = [0 1 0 0] (ТКИМ 1,1-1,3 мм), у3 = [0 0 1 0] (ТКИМ >1,4 мм<2,0мм) и у4 = [0 0 0 1] (ТКИМ >2,0 мм). Иными словами, мы имели четыре нейрона. Таким образом, можно предположить, что параметры, относящиеся ко входному слою, указывают на степень изменения ТКИМ ОСА, определяют значения нейронов выходного слоя. Рандомизированное применение параметров, полученных при обследовании всех пациентов к нейронам во входном слое, активизирует ИНС. Значение нейрона на выходе нейронной сети (вычисленный диагноз) сравнивалось с реальной информацией о степени ТКИМ, определенной опытными врачами при ДС, и различия между ними были вычислены как ошибка. Успех прогноза ИНС может быть оценен, исследуя таблицу, которую называют матрицей беспорядка. При использовании матрицы беспорядка анализировать выходные данные, вычислялись чувствительность и специфичность. Чтобы проверить валидность разработанных моделей использовалось примерно 50 % базы данных. Такая тактика применена с целью оптимизации модели.
Результаты исследования и их обсуждение
В нашем исследовании отбор показателей мы произвели относительно степени изменения ТКИМ ОСА. Выбор данного показателя связан с тем, количественная оценка атеросклероза в группах обследованных пациентов является существенной для лучшего понимания патофизиологии этой болезни и последующего развития оптимальных стратегий предотвращения болезни. В последнее время ультразвуковые методы, способные визуализировать стенку артерии используются все больше для контроля ранних стадий АТЗ
процесса, главным образом в сонной артерии. Большинство эпидемиологических и клинических исследований в динамике основано на измерении ТКИМ ОСА по методу, впервые описанному Pigno1i и соавт [8]. Утолщение ТКИМ в любом локальном месте является ранним маркером генерализованного атеросклероза, потому что такое утолщение связано с неблагоприятным профилем сердечнососудистого риска [10], другими локализациями атеросклероза [11] и увеличением риска инфаркта миокарда [12, 13].
Обучение ИНС выполнено, применяя векторы входа и выхода. После процесса обучения изучаемые параметры применены к модели ИНС. Ошибка MSE была менее 0,01, что указывает на то, что ИНС успешно закончила все пробеги обучения и валидизации. Результаты чувствительности и специфичности приведены в таблице 1.
Таблица 1.
Результаты чувствительности и специфичности при применении ИНС
Входные переменные Правильно классифицировано, % Чувствительность, % Специфич- ность
Набор данных 94 95 92
Таблица 2 показывает значения весов, связанных с каждой из входных переменных , упорядоченные по мере их возрастания. С целью облегчения дальнейшей обработки данных из большого количества входных параметров нами отобраны наиболее важные (информативные) показатели (признаки), влияющие на степень увеличения ТКИМ. Примененная модель ИНС уменьшила эффект входных переменных, у которых нет значимого влияния на выход.
Таблица 2.
Маркеры патологического изменения толщины комплекса «интима-медия» общей сонной артерии
и их «вес» у обследованных пациентов.
№ Признаки Вес
Толщина комплекса «интима-меди» правой ОБА (мм) 0.285
Максимальная толщина комплекса «интима-медиа» правой ОСА в области атеросклеротической бляшки (мм) 0.286
Максимальная толщина комплекса «интима-медиа» левой ОСА (мм) 0.294
Максимальная средняя толщина комплекса «интима-медиа» ОСА (мм) 0.297
Средний диаметр ОБА (мм) 0.381
Линейная скорость кровотока в левой ОСА (см/сек) 0.395
Линейная скорость кровотока в правой ОСА (см/сек) 0.402
ДАД исходное (мм рт ст) 0.428
Средняя толщина комплекса «интима-медиа» ОБА (мм) 0.458
Индекс резистивности ОСА (Ы ОСА) 0.468
Линейная скорость кровотока в правой ВСА (мм) 0.475
Толщина комплекса «интима-медиа» правой общей сонной артерии в стандартной точке измерения 0.510
Возраст (лет) 0.512
САД исходное (мм рт ст) 0.532
Среднее АД (мм рт ст) 0.537
Толщина комплекса «интима-медия» левой ОСА в стандартной точке измерения (мм) 0.543
Средний диаметр ОСА (мм) 0.575
Средняя толщина комплекса «интима-медиа» ОСА в стандартной точке измерения (мм) 0.585
Площадь ОСА (мм2) 0.625
Толщина комплекса «интима-медиа» левой ОБА (мм) 0.683
Линейная скорость кровотока в левой ВСА(см/сек) 0.719
Примечание: ОСА - общая сонная артерия; ВСА - внутренняя сонная артерия; ОБА - общая бедренная артерия; САД - систолическое артериальное давление; ДАД - диастолическое артериальное давление.
14 из 21 параметров имели наибольшее влияние на степень ТКИМ. В ряду наиболее «весомых» оказались такие параметры, как линейная скорость кровотока правой ОСА, в обеих ВСА (причем больше левой ВСА), ТКИМ общих сонных артерий (больше левой ОСА), ТКИМ левой бедренной артерии, а также индекс резистивности ОСА. Структурные и гемодинамические изменения сосудов сопровождаются диастолическим расширением магистральных артерий, о чем говорят такие «весомые» показатели, как средний диаметр ОСА, площадь ОСА. Это подтверждает взаимосвязь структурных, функциональных и гемодинамических изменений, происходящих в сосудах. Важную роль на утолщение артериальной стенки оказывают уровни исходного диастолического давления (вес 0,428), систолического АД (вес 0,532) и среднего АД (0,537). Возраст оказывал среднее влияние с «весом» - 0,512. Выявленные нами параметры, являются наиболее информативными, простыми, неинвазивными маркерами утолщения сосудистой
стенки. Методы, с помощью которых их получают, особенно ультразвуковые методы исследования сосудов, необременительны для пациентов преклонного возраста. Они могут быть полезными для понимания мультифакторного взаимодействия в процессе старения, приводящего к ремоделированию сердца и сосудов. Учет полученных показателей важен для лучшего понимания патофизиологии атеросклеротических изменений сосудистой стенки, а также для оптимизации лечебных и профилактических мероприятий. В таблице 3 приведены результаты способности ИНС классифицировать 4 степени ТКИМ ОСА.
Таблица 3.
Результаты способности ИНС классифицировать 4 степени ТКИМ ОСА
Модель Правильно классифицировано, %
ТКИМ < 1,0 мм ТКИМ 1,1-1,3 мм ТКИМ > 1,4 мм <2,0мм ТКИМ > 2,0 мм В целом
ИНС 92 85 82 79 84,5
Сначала правильная классификация этих данных получена специалистами УЗД методом ДС. Как видно из таблицы модель ИНС делает успешно классифицировала в 84,5 %. При обозначенных 4-х классов в нашем эксперименте обнаружено, что ИНС эффективна и как итог этой системы классификации - быстрое установление медицинского диагноза.
Заключение
Выбранные нами параметры применены к модели ИНС как независимые переменные и предпринято их обучение. ИНС может обучаться согласно природе проблемы и медицинских ожиданий. Кроме возможности реализации в реальном времени диагностической экспертной системы, диагноз может быть установлен более точно при увеличении разнообразия и числа изучаемых параметров. Устройство «черного ящика», которое может быть разработано в результате этого анализа [14], может обеспечить обратную связь врачу для оценки степени ТКИМ ОСА быстро и точно, изучая изображение с реализацией в реальном времени.
Литература
1. Игнатьев Н.А. Извлечение явных знаний из разнотипных данных с помощью нейронных сетей // Вычислительные технологии. - Новосибирск, 2003.- Т.8, №2.- С.69-73.
2. Игнатьев Н.А., Мадрахимов Ш.Ф. О некоторых способах повышения прозрачности нейронных сетей// Вычислительные технологии. -Новосибирск, 2003.- Т.8, №6.- С.31-37.
3. Розыходжаева Г.А. Функциональное состояние сердечнососудистой системы у больных ИБС пожилого и старческого возраста. Дисс... на соиск. дмн Ташкент 2007.
4. Кунцевич Г.И., Тер-Хачатурова И.Е. Ультразвуковые методы исследования магистральных артерий шеи и артерий виллизиева круга// Методы исследования в неврологии и нейрохирургии/ Под ред. Гусева Е.И., 2000. - С. 146-201.
5. Mobley B.A., Schecter E., Moore W.E., McKee P.A., Eichner J.E. Predictions of coronary artery stenosis by artificial neural network, Artif. Intell. Med. 18 (2000) 187-203.
6. Baxt W.G. Application of neural networks to clinical medicine, Lancet 346 (1995) 1135-1138.
7. White H. Learning in artitificial neural networks: a statistical approach, Neural Comput. 1 (1989) 425-464.
8. Pignoli P., Tremoli E., Poli A. et al. Intimal plus medial thickness of the arterial wall: a direct measurement with ultrasound imaging. //Circulation. 1986; 74:1399-1406.
9. ECST (European Carotid Surgery Trialists’ Collaborative Group), MRC European carotid surgery trial: interim results for symptomatic patients with severe (70-99%) or with mild (0-29%) carotid stenosis, Lancet 337 (1991) 1235-1243.
10. Persson J., Formgren J., Israelsson B., Berglund G. Ultrasound-determined intima-media thickness and atherosclerosis. Direct and indirect validation. // Arterioscler Thromb Vasc Biol 1994;14:261-264.
11. Bots M.L., Hofman A, Grobbee D.E. Common carotid intima-media thickness and lower extremity arterial atherosclerosis: the Rotterdam Study. // Arterioscler Thromb. 1994; 14:1885-1891.
12. AdamsM.R., Nakagomi A., Keech A. et al. Carotid intima-media thickness is only weakly correlated with the extent and severity of coronary artery disease. //Circulation/ 1995; 92:2127-2134.
13. Zureik M., Ducimetiere P., Touboul PJ. et al. Common carotid intimamedia thickness predicts occurrence of carotid atherosclerotic plaques.// Arterioscler Thromb Vasc Biol 2000; 20:1622-1630
14. Serhatl oglu S., Hardalac F., Guler I.. Classification of transcranial Doppler signals using artificial neural network, J. Med. Systems 27 (2) (2003) 205-214.
