Информативность методов прогнозирования заболеваемости раком легкого




Скачать 48.42 Kb.
НазваниеИнформативность методов прогнозирования заболеваемости раком легкого
Дата конвертации26.05.2013
Размер48.42 Kb.
ТипДокументы
УДК 616.24-006.6-037.


ИНФОРМАТИВНОСТЬ МЕТОДОВ ПРОГНОЗИРОВАНИЯ ЗАБОЛЕВАЕМОСТИ РАКОМ ЛЕГКОГО

Б.Б. Кравец, Э.В. Громова, А.П. Припачкина, М.В. Тюрина

Воронежская государственная медицинская академия им. Н.Н. Бурденко


Проанализированы различные методы прогнозирования заболеваемости раком легкого в Воронежской области. Наиболее достоверной оказалась верификация прогноза, полученного методом нейронных сетей.


ВВЕДЕНИЕ

В структуре онкологической заболеваемости в Воронежской области рак легкого на протяжении многих лет занимает первое место и является одной из ведущих причин смерти трудоспособного населения. Наиболее существенной причиной высокой смертности является недостаточный уровень выявления заболевания на начальных стадиях, когда возможно радикальное излечение. Для оперативного и стратегического управления онкологической ситуацией необходима объективная оценка не только ретроспективной и текущей информации по раку легкого, но и знание прогноза, что позволит ранжировать территории по степени онкологического риска, приоритетно распределять финансовые ресурсы, оказывать целевую методическую помощь в профилактической и диагностической деятельности ЦРБ и ЛПУ города Воронежа.

ТЕОРЕТИЧЕСКИЙ АНАЛИЗ

Система регионального онкопрогнозирования по раку легкого строится на применении математических моделей экстраполяции.

Традиционно используемый метод динамического прогнозирования основан на экспоненциальном сглаживании [1-2].

Прогнозирующая модель метода задается выражением:

у(t) = αх(t) + (1- α) у(t-1)

Результаты сглаживания зависят от параметра α, использование которого позволяет при прогнозировании придавать больший вес последним значениям наблюдаемого процесса и уменьшать вес отдельных наблюдений. Параметр сглаживания (α) подбирается с поиском на сетке с шагом 0,1 (от 0 до 1) до значения, при котором сумма квадратов остатков является минимальной.

МЕТОДИКА

Краткосрочный прогноз определен как в целом по области, так и по отдельным ее территориям. Данные динамического прогнозирования верифицированы (табл. 1).


Так как величина ошибки по отдельным территориям достигала 42,9 - 67,3% был использован метод прогнозирования на основе нейронных сетей.

Нейронные сети – самообучающиеся системы, имитирующие деятельность человеческого мозга. Нейронная сеть состоит из однотипных элементов – нейронов, соответствующих элементам головного мозга [3].

Состояние нейрона описывается выражением [4]:

,

где S – состояние нейрона;

n – число входов нейрона;

x(i) – значение i-го входа нейрона;

w(i) – вес i-го синапса.

Значение аксона определяется по формуле Υ=f(S), где f – активационная функция, которая часто является сигмоидой и имеет вид f(x) = 1/1+е-αx . От параметра α зависит степень пологости сигмоиды.

Нейронные сети обратного распространения используют алгоритм обучения, в котором ошибка распространяется по механизму обратной связи от выходного слоя к входному [5]. Сеть состоит из нескольких слоев нейронов, каждый нейрон слоя i связан с каждым нейроном слоя i +1. В результате обучения формируется функциональная зависимость Υ=F(X), где X – вектор входной, а Y – выходной векторы, путем решения задачи минимизации целевой функции ошибки сети, которая находится по методу наименьших квадратов.

РЕЗУЛЬТАТЫ

Верификация прогноза, полученного на основе нейронных сетей, свидетельствует о большей достоверности этого метода (табл. 2, рис. 1).


ЗАКЛЮЧЕНИЕ

  1. Прогнозирование заболеваемости раком легкого, осуществленное с использованием нейронных сетей более достоверно, чем метод экспоненциального сглаживания.

  2. Применение метода нейросетевого прогнозирования перспективно не только для оценки ожидаемой заболеваемости раком легкого, но и по другим злокачественным новообразованиям.

  3. Метод нейросетевого прогнозирования заболеваемости необходимо применять при невозможности выявить устойчивые тенденции процесса.


СПИСОК ЛИТЕРАТУРЫ

  1. Калинина В.Н. Математическая статистика /В.Н.Калинина, В.Ф.Панкин.– М.: Высш. шк., 2001. – 336 с

  2. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов /Ю.П.Лукашин.- Москва.:Финансы и статистика, 2003.-416с.

  3. Fausett L. Fundamentals of Neural Networks /L. Fausett.- New York: Prentice Hall, 1994.- 218 p.

  4. Haykin S. Neural Networks: A Comprehensive Foundation /S.Haykin.- New York: Macmillan College Publishing, 1994.- 207 p.

  5. Patterson D. Artificial Neural Networks /D. Patterson.- Singapore: Prentice Hall, 1996.- 126р.


AUTHENTIC METHODS of FORECASTING of INCIEDENCE by a LUNG CANCER.

B.B. Kravetz, H.W. Gromowa, A. P. Pripachkina, M.W. Tyurina.

Voronezh state medical academy named after N. N. Burdenko.

The various methods of forecasting of inciedence by a lung cancer in the Voronezh area are analysed. Most authentic has appeared verification of the forecast received by a method of Neural networks.


Рис. 1 Прогноз заболеваемости раком легкого в Воронежской области.


Таблица 1

Результаты краткосрочного прогнозирования на основе модели экспоненциального сглаживания

Таблица 2

Результаты краткосрочного прогнозирования на основе модели нейронных сетей

Добавить в свой блог или на сайт

Похожие:

Информативность методов прогнозирования заболеваемости раком легкого iconИнформативность методов прогнозирования заболеваемости раком легкого
Проанализированы различные методы прогнозирования заболеваемости раком легкого в Воронежской области. Наиболее достоверной оказалась...

Информативность методов прогнозирования заболеваемости раком легкого iconЦель – анализ половозрастных показателей заболеваемости раком легкого населения Республики Башкортостан (РБ) за период с 1993-2002гг Материалы и методы исследования
Необходимо отметить, что курение и профессиональные факторы синергически влияют на риск возникновения рака легкого[5]

Информативность методов прогнозирования заболеваемости раком легкого iconАнализ адаптивных методов моделирования и прогнозирования
Одним из важнейших видов информационного моделирования является математическое моделирование, когда описания формулируются на языке...

Информативность методов прогнозирования заболеваемости раком легкого iconИнституциональное моделирование как метод познания, прогнозирования и управления медико-социальными проектами
Охватывают процесс создания и развития адекватных моделей, методов анализа и прогнозирования хода и динамики медико-социологического...

Информативность методов прогнозирования заболеваемости раком легкого iconПолитическая психология
Психологические особенности применения экспертных методов политического прогнозирования

Информативность методов прогнозирования заболеваемости раком легкого icon2. Эмпиема плевры
Определение понятий. Классификация. Острый и хронический абсцесс легкого. Клиника, диагностика и лечение. Медикаментозное и хирургическое...

Информативность методов прогнозирования заболеваемости раком легкого iconПриказ от 12 июля 1989 г. N 408 о мерах по снижению заболеваемости вирусными гепатитами в стране
Основными направлениями развития охраны здоровья населения и перестройки здравоохранения в СССР в двенадцатой пятилетке и на период...

Информативность методов прогнозирования заболеваемости раком легкого iconИсследование выполнено при финансовой поддержке ргнф в рамках научно-исследовательского проекта ргнф «Экопсихологическая модель эмоциональной адаптации больных раком молочной железы в процессе восстановительной арт-терапии»
Эмоциональная реабилитация женщин раком молочной железы в процессе восстановительной арт-терапии

Информативность методов прогнозирования заболеваемости раком легкого iconРешение санитарно-противоэпидемической комиссии муниципального образования «Нижнекамский муниципальный район» рт
В российской Федерации обстановка по заболеваемости острыми кишечными инфекциями оценивается как неустойчивая, ежегодный темп прироста...

Информативность методов прогнозирования заболеваемости раком легкого iconКафедра экономико-математических методов и моделей эконометрика
Примеры использования производственных функций в задачах экономического анализа, прогнозирования и планирования


Разместите кнопку на своём сайте:
lib.convdocs.org


База данных защищена авторским правом ©lib.convdocs.org 2012
обратиться к администрации
lib.convdocs.org
Главная страница