350 руб
Журнал «Биомедицинская радиоэлектроника» №1 за 2014 г.
Статья в номере:
Нетрадиционное использование формул Байеса для дифференциальной диагностики нервно-мышечных заболеваний
Авторы:
Намик Таир оглы Абдуллаев - к.т.н., доцент, кафедра «Радиосистемы и телевидение» Азербайджанский технический университет. E-mail: a.namik46@mail.ru О.А. Дышин - к.ф.-м.н., ст. науч. сотрудник, НИИ «Геотехнологические проблемы нефти, газа и химии», Азербайджанская государственная нефтяная академия Гюнель Эльман кызы Абдуллаева - магистр, кафедра «Информационно-измерительная и вычислительная техника», Азербайджанская государственная академия
Аннотация:
Для дифференциальной диагностики нервно-мышечных заболеваний предложены итерационные процедуры, основанные на нетрадицион¬ном подходе к использованию формул Байеса. Показана воз¬можность расчета условных вероятностей значений признаков при заданном симптомокомплексе диагностических признаков с помощью системы нечеткого логического вывода.
Страницы: 50-58
Список источников

  1. Гехт Б.М., Ильина Н.А. Нервно-мышечные болезни. М.: Медицина. 1982. 352 с.
  2. Гехт Б.М.Теоретическая и клиническая электромиография. Л.: Наука. 1990. 203 с.
  3. Касаткина Л.Ф., Гильванова О.В. Электромиографические методы исследования в диагностике нервно-мышечных заболеваний. Игольчатая электромиография. М.: Медика. 2010, 416 с.
  4. Жмудяк М.Л., Повалихин А.Н., Стребуков А.В. и др. Диагностика заболеваний методами теории вероятностей. Барнаул, Изд-во АлтГТУ, 2006. -168с.
  5. Жмудяк М.Л., Повалихин А.Н., Лев Г.Ш. Применение вероятностных методов в диагностике // Сб. материалов конф. «Дискретный анализ и исследование операций». Новосибирск: Изд-во Института математики. 2004. С. 203.
  6. Фукунага А.К.Введение в статистическую теорию распознавания образов: пер. с англ. М.: Наука. 1979. 368 с.
  7. Патрик Э.Основы теории распознавания образов: пер. с англ. М.: Сов. радио. 1980. 408 с.
  8. Локтюхин В.Н., Мальченко С.И., Черепнин А.А. Основы математического обеспечения поддержки диагностических решений в биотехнических системах с использованием нечеткой логики. Рязань: Изд-во Рязан. гос. радиотехн. ун-та. 2009. 64 с.
  9. Черепнин А.А.Модели, алгоритмы и средства поддержки принятия диагностических решений при эндоскопическом обследовании на основе технологии нечеткой логики: Дисс. на соиск. уч. степ. канд. техн. наук. Рязань. 2010. 169 с.
  10. Zadeh L.A. Fuzzy sets // Inf. and Contr. 1965. V. 8. P. 338-353.
  11. Zadeh L.A. The linguistic approach and its application to decision analysis. In Directions in Large-Scale Systems, Y.C.Ho and S.K.Miller, Eds. NewYork: Plenum. 1976. P. 339-370.
  12. Зельнер А.Байесовские методы в эконометрии: пер.с англ. М.: Статистика. 1980. 438 с.
  13. Хей Дж.Введенние в методы байесовского статистического вывода: пер. с англ. М.: Финансы и статистика. 1987. 335 с.
  14. Абдуллаев Н.Т., Исмайлова К.Ш. Оценка информационной достоверности диагностических заключений в электромиографии с помощью метода нечеткого логического вывода // Информационно-измерительные и управляющие системы. 2012. Т. 10. № 4. С. 60-66.
  15. Леоненков А.В.Нечеткое моделирование в среде MATLABufuzzyTECH. СП.б.: БХВ-Петербург. 2005. 736 с.
  16. Бейли Н.Статистические методы в биологии: пер. с англ. М.: ИИЛ. 1962. 271 с.
  17. Ницын Д.А. Модель представления признаков в байесовском классификаторе медицинских изображений // Вестник НТУ «ХПИ». Тематический выпуск: Информатика и моделирование. Харьков: НТУ «ХПИ». 2008. № 49. С. 105-113.