CC BY
75
УДК 681.З
ПОСТРОЕНИЕ ТОПОЛОГИЧЕСКИХ КАРТ КОХОНЕНА И НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДЛЯ ПОСТАНОВКИ ДИАГНОЗОВ ВНУТРЕННЕГО ЭНДОМЕТРИОЗА И МИОМЫ МАТКИ
Е.И. Новикова
В статье представлены модели рационального принятия решения для диагностики внутреннего эндометриоза, миомы матки и их сочетания на основе нейросетевого моделирования, с использованием алгоритма обучения с учителем и без учителя
Ключевые слова: внутренний эндометриоз, миома матки, топологическая карта Кохонена, нейронная сеть
Самым распространенным среди гинекологических заболеваний является внутренний эндометриоз, встречается у 6 - 44 % женщин, страдающих бесплодием и перенесших лапароскопию и лапаро-томию. Миома матки - доброкачественная гормонозависимая опухоль у женщин репродуктивного возраста (в основном 30-45 лет). Миома матки составляет до 30 % гинекологических заболеваний. Сочетание внутреннего эндометриоза с миомой матки наблюдается у 55 - 85 % больных.
Оценка функционального состояния пациенток проводилась на трех условно выделяемых иерархических уровнях: по клиническим показателям на основе опроса пациенток; бимануальное исследование; результаты ультразвукового обследования, на предмет риска возникновения внутреннего эндометриоза и миомы матки.
Выделение топологических групп по состоянию развития гинекологических заболеваний проводилось с использованием самоорганизующихся карт Кохонена на ядре Deductor Studio Lite 5.0 аналитической платформе Deductor, которое содержит полный набор механизмов импорта, обработки, визуализации и экспорта данных для быстрого и эффективного анализа информации.
Обучение самоорганизующейся сети для гинекологических заболеваний выполнялось на основе 90 примеров. Установочные параметры выходного топологического слоя 9х10 ячеек, а форма ячеек -шестиугольная.
Обучение производилось итерационными циклами, каждый из которых называется эпохой. Во время каждой эпохи, в нашем случае их было 5 000, при ошибке менее 0.05, происходит подстройка весов нейронов карты Кохонена следующим образом: каждый входной вектор (строчка таблицы) обучающей выборки «подтягивает» к себе ближайший по расстоянию нейрон (нейрон-победитель) карты Кохонена с определенной силой (скорость обучения). Вместе с нейроном-«победителем» подтягиваются и его соседи. Соседство определяется положением нейронов на 2-х мерной шестиугольной сетке. Здесь расстояние - это Евклидово расстояние между 2-мя точками в многомерном пространстве (входной вектор и веса нейрона победителя).
Способ раскрашивания ячеек выбран - градация серого, для лучшего восприятия, то есть чем больше значение отображаемого показателя, тем светлее связанный с ним узел.
Карта «Кластеры» рис. 1 а) соответствует разбиению топологической карты на 3 кластера соответствует заболеваниям: 1 - внутреннему эндомет-риозу, 2 - миоме матки, 3 - сочетанию внутреннего эндометриоза и миомы матки. Топологическая карта «Матрица расстояний» (рис. 1 б) применяется для визуализации структуры кластеров, полученных в результате обучения карты. Элементы матрицы определяют расстояние между весовыми коэффициентами нейрона и его ближайшими соседями. Светлым цветом обозначены нейроны сильно отличается от окружающих и относится к другому классу.
а) Карта «Кластеры»
б) Матрица расстояний
Новикова Екатерина Ивановна - ВГТУ, канд. техн. наук, доцент, тел. (4732) 46-76-99
Рис. 1. Топологические карты Кохонена по разбиению на кластеры
На рис. 2 - 5 представлена серия карт Кохонена для рассматриваемых патологий. Каждая карта представляет собой отображение выходного слоя нейронов, расположенных в узлах двумерной координатной сетки с шестиугольными ячейками. На них светлым цветом выделены ячейки тех кластеров, которым они больше всего свойственны.
На картах рис. 2 представлены примеры клинических признаков. Например, карта «Кровотечения» говорит о том, что данный признак более характерен для 2 кластера, то есть для миомы матки.
На рис. 3 представлены примеры карт Кохонена гинекологических заболеваний бимануального исследования. Например, карта «Бугристая поверхность» говорит о том, что данный признак характерен для 2 и 3 кластера, то есть для миомы матки и ее сочетания с внутренним эндометриозом.
а) Карта «Аборты»
б) Карта «НМЦ»
в) Карта «Кровотечения»
г) Карта «Боли»
Рис. 2. Топологические карты Кохонена для диагностики гинекологических заболеваний по клиническим признакам
а) Карта «Неправиль- б) Карта «Болезнен-
ное положение»
ность при пальпации»
в) Карта «Плотная консистенция»
г) Карта «Бугристая поверхность»
Рис. З. Карты Кохонена гинекологических заболеваний бимануального исследования
На рис. 4 представлены примеры с наибольшим влиянием соответствующих признаков ультразвукового исследования, характерные для миомы матки. Например, карта «Наличие узлов» говорит о том, что данный признак характерен для 2 и З кластера, то есть для миомы матки и ее сочетании с внутреннем эндометриозом, а для внутреннего эндометриоза не характерен.
а) Карта «Капсула» б) Карта «Наличие узлов»
в) Карта «Количество узлов более двух»
г) Карта «Узлы различные по локализации»
Рис. 4. Топологические карты Кохонена ультразвуковых признаков, характерные для миомы матки
Примеры с наибольшим влиянием признаков ультразвукового исследования, характерных для внутреннего эндометриоза, представлены на рис. 5. Например, карта «Толщина эндометрии больше 4 мм» говорит о том, что данный признак характерен для 1 и З кластера, то есть для внутреннего эндо-метриоза и его сочетания с миомой матки.
а) Карта «Толщина эндометрии более 4 мм»
б) Карта «Наличие гипо-эхогенных включений»
в) Карта «Наличие ячеистой структуры»
г) Карта «Увеличенный размер матки»
Рис. 5. Топологические карты Кохонена ультразвуковых признаков, характерные для внутреннего эндометриоза
Для диагностики гинекологических заболеваний была создана нейронная сеть, которая состоит из 21 входного вектора. А также одного скрытого слоя, содержащего 10 нейронов. Обучение сети осуществлялось при помощи 79 обучающих векторов. Сеть имеет три выхода, каждый из которых соответствует присутствующим в обучающей выборке классам заболеваний. В качестве нелинейного
элемента нейрона используется нелинейный функциональный сигмоидальный преобразователь.
При обучении нейронной сети в обучающем множестве было распознано 98,7 % примеров.
Фрагменты слоев 1, 2 и 3 уровня представлены в табл. Сеть, реализующая эту систему представлена на рис. 6 в виде графа.
Уровень слоя Функциональные преобразования
Входной Ні=/ні (0,088 + 0,095*^^ - 0,075*w2 + 0,04^3 + 0,012*w4 -0,08^5 - 0,032*w6 + 0,066*w7 + 0,022*^^ - 0,050*w9 + 0,082*w10 + +0,125*w11 + 0,039*w12 + 0,047*w13 - 0,040*w14 - 0,075*w15 + 0,057*w16 - 0,050*w17 - 0,040*w18 + 0,068*w19 - 0,111*w20 - 0,045*w21);
слой Н121=/Н1 (0,090 - 0,008*w1- 0,046*w2 + 0,00^3 + 0,243*w4 -0,034*w5 - 0,123*w6 + 0,066*w7 -0,0l3*w8 - 0,022*w9 - 0,068*Wlo + 0,009*Wll + 0,075*Wl2 - 0,049*Wlз - 0,149*Wl4 - 0,144*Wl5 -0,045*Wl6 - 0,167*w17 - 0,021*w18 - 0,068*w19 - 0,151*w20 - 0,166*w21).
Скрытый слой Н2,1=/Н2 (0,043 + 0,027*Н11 + 0,038* И1>2 - 0,082* И1>3 - 0,070* И1>4 - 0,061* Н1>5 - 0,041* И1>6 + 0,016* Н17 - 0,006* Н18 + 0,139* Н19 + 0,111* Н1>10 + 0,086* И1,11 - 0,083* Н1>12 + 0,152* Ни3 + 0,054* Ии4 - 0,073* Ни5 + 0,102* Н1>16 + 0,150* Ни7 - 0,011* Н1Д8 - 0,007* Н1>19 - 0,102* Н1>20 -’ ’ ’ 0,084* Н121); ’ ’ ’ Н2,10=/ш (- 0,090 + 0,038* Н1,1 - 0,227* Н1>2 + 0,140* Н1>3 + 0,207* Н1>4 - 0,002* Н1>5 - 0,025* Н1>6+ 0,049* Н1>7 - 0,044* Н18 - 0,099* И1,9 + 0,027* Н1Д0 - 0,112* Н1,11 + 0,047* Н1Д2 + 0,002* Н1Д3 - 0,165* Н1Д4 -0,050* Н1,15 + 0,157* Н1Л6 - 0,286* Н1,17 - 0,048* Ни8 + 0,052* Н1Л9 + 0,039* Н1,20 + 0,071* Н1,21).
Н3,і=/Н3 (0,189 -0,207*Н21 - 0,106*Н22 + 0,119*Н23 - 0,011*Н2,4 + 0,287*Н2,5 - 0,330*Н2,6 - 0,089* ’ Н2,7 - 0,068*Н28 + 0,231*Н2,9 + 0,052*Н2,10);
Выходной слой Н3,2=/Н3 (0,056 -0,153*Н21 - 0,090* Н2,2 + 0,157*Н2,3 - 0,018*Н2,4 + 0,137*Н2,5 - 0,130*Н2,6 -’ 0,065*Н2,7 - 0,092*Н28 + 0,008*Н2,9 + 0,149*Н2,10); ’ ’ Н3,3=/Н3 (- 0,024 + 0,107*Н21 - 0,030*Н2,2 + 0,222*Н2,3 - 0,227*Н2,4 + 0,218*Н2,5 + 0,215*Н2,6 + ’ 0,006*Н27 + 0,158*Н28 - 0,463*Н29 - 0,233*Н210). ’ ’
Аборты
Выкидыши
НМЦ
Кровотечения
Боли
Учащенное мочеиспускание Неправильное положение матки Плотная консистенция Болезненость при пальпации Бугристая поверхность Увеличенный размер матки (нБ) Деформация полости матки Неправильная Форма матки Толщина эндометрии > 4 мм Наличие ячеистой структуры Наличие гипоэхогенных включени Наличие узла Количество узлов >2 Узлы различные по локализации Неоднородная структура узла Капсула
У1
У2
УЗ
Рис. 6. Нейронная сеть
При правильном распознавании на одном из выходных элементов появляется высокое значение активации при незначительной ее величине на остальных.
Апробация модели проводилась на контрольной выборке (15 человек). Из всех пациенток, для которых была применена данная методика, одной был поставлен неправильный диагноз, что соответствует достоверности постановки диагноза в 93,33 %.
Построенные нейронные сети, обеспечивают информационную поддержку принимаемых врачом решений и повышают эффективность постановки диагноза гинекологических заболеваний.
Литература
1. Новикова Е.И., Родионов О.В., Фаустова А.Ю. Алгоритмизация и управление процессом диагностики
гинекологических заболеваний на основе многовариантного моделирования / Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. М. 2007. Т. 6 № 2. С. 434-438.
2. Новикова Е.И., Нечаева С.И. Поддержка принятия решений постановки диагноза внутреннего эндомет-риоза, миомы матки и опухолей яичников с применением «деревьев решений» / Управление процессами диагностики и лечения: Межвузовский сборник научных трудов. Воронеж: ВГТУ 2008. С. 109-112.
3. Новикова Е.И. Разработка нейросетевой модели диагностики пациенток с внутренним эндометриозом, миомой матки и опухолью яичников / Е.И. Новикова // Вестник. - Воронеж.гос.техн. ун-та. - 2009. Т5. №8. с.4-7.
4. Терехов В. А. Нейросетевые системы управления / В. А. Терехов, Д. В. Ефимов, И. Ю. Тюкин - М.: Высшая школа, 2002. - 184 с.
Воронежский государственный технический университет
CONSTRUCTION OF TOPOLOGICAL CARDS KOHONENA AND NEURAL NETWORKS MODELS FOR STATEMENT OF DIAGNOSES OF THE INTERNAL ENDOMETRIOSIS
AND THE UTERUS MYOMA
E.I. Novikova
In article models of rational decision-making for diagnostics of an internal endometriosis, a myoma of a uterus and their combination on a basis neural network modeling, with use of algorithm of training with the teacher and without the teacher are presented
Key words: internal endometriosis, uterus myoma, topological card of Kohonena, neural network
