Александр Геннадиевич Курочкин - аспирант, кафедра биомедицинской инженерии, Юго-Западный государственный университет (г. Курск) E-mail: ak.kursk@gmail.com Елена Сергеевна Шкатова - аспирант, Воронежский институт государственной противопожарной службы (г. Воронеж) E-mail: lshka28@mail.ru Александр Николаевич Шуткин - к.ф.-м.н., зам. начальника по учебной работе, Воронежский институт государственной противопо-жарной службы МЧС России (г. Воронеж) E-mail: anshutkin@mail.ru

Предложен двухуровневый алгоритм мета-анализа. На первом этапе определяются «веса» экспериментальных выборок, входящих в мета-анализ; на втором ? «веса» суррогатных маркеров, используемых в качестве «слабых» классификаторов. Агрегация «слабых» классификаторов в «сильные» также осуществляется в два этапа. Предложенные технологии рассмотрены на примере построения интеллектуальной системы прогнозирования травматизма, в качестве суррогатных маркеров в которой использовались результаты семи психологических тестов.

 

1. Резолюция 61-го расширенного заседания рабочей группы IT-специалистов «Виртуальная медицина и mHealth» (24.11.15).
2. Sipe T.A., Curlette W.L. A meta-synthesis of factors related to educational achievement: A methodological approach to summarizing and synthesizing meta-analyses // International Journal of Educational Research. 1997. V. 25. № 7. P. 583-698.
3. Petitti D. Meta-Analysis, Decision Analysis, and Cost Effectiveness Analysis. New York: Oxford University Press. 2006. P. 274.
4. Филист С.А., Курочкин А.Г., Протасова В.В. и др. Нейросетевые модели для мета-анализа медико-экологиче­ских данных // Нейрокомпьютеры: разработка, применение. 2015. № 6. C. 42-48.
5. Shapiro S. Meta-analysis/shmeta-analysis // Am. J. Epidemiol. 1994. V. 140. P. 771-778.
6. Филист С.А., Шуткин А.Н., Уварова В.В. Структурно-функциональная модель мета-анализа медико-экологи­ческих данных // Вопросы радиоэлектроники. Сер. Общетехническая. 2015. Вып. 7.  С. 102-110.
7. Филист С.А., Шаталова О.В., Ефремов М.А. Гибридная нейронная сеть с макрослоями для медицинских приложений // Нейрокомпьютеры: разработка и применение. 2014. № 6. С. 35-39.
8. Стрелков Ю.К. Инженерная и профессиональная пси­хология: Учеб. пособие для студ. высш. учеб. заведе­ний. М.: Издат. центр «Академия»; Высшая школа, 2001. 360 с.
9. Серегин С.П., Федянин В.В., Милостная Н.А. и др. Математические модели прогнозирования возникновения (обострения) и определения форм острого пиело­нефрита // Известия Юго-Западного государственного универ­си­тета. Сер. Управление, вычислительная техника, информатика. Медицинское приборостроение. 2015. № 3(16). С. 118-123.
10. Шуткин А.Н., Бойцова Е.А., Лазурина Л.П. и др. Использование технологии мягких вычислений для оценки защитных свойств организма // Известия Юго-За­падного государственного университета. Сер. Управление, вычислительная техника, информатика. Медицинское приборостроение. 2015. №2 (15). С. 62-72.