Применение искусственных нейронных сетей для выявления изменений костного ремоделирования при сахарном диабете
Аннотация
В статье рассматривается задача идентификации показателей, указывающих на состояние метаболических процессов в костной ткани с применением разработанной методики построения системы поддержки принятия решений на основе искусственной нейронной сети. Разработана методика расчета детерминант риска, помогающая врачу в ранней диагностике для принятия обоснованного решения на основе выявления сдвигов метаболических процессов в костной ткани, увеличивающих риск развития низкотравматических переломов при сахарном диабете.
Список литературы
1. Abdel-Mageed SM, Bayoumi AM, Mohamed EI. Artificial neural networks analysis for estimating bone mineral density in an Egyptian population: towards standardization of DXA measurements // American Journal of Neural Networks and Applications. — 2015. — No. 1, Т. 3. — С. 52–56. DOI: 10.11648/j.ajnna.20150103.11.
2. Cruz AS, Lins HC, Medeiros RVA, et al. Artifcial intelligence on the identification of risk groups for osteoporosis, a general review // BioMed Eng OnLine. — 2018. —No. 1, Т. 17. — С. 12. doi.org/10.1186/s12938–018–0436–1.
3. de Cos Juez F. J., Suárez-Suárez M.A., Sánchez Lasheras F., Murcia-Mazón A. Application of neural networks to the study of the influence of diet and lifestyle on the value of bone mineral density in post-menopausal women // Mathematical and Computer Modelling. — 2011. — No. 7–8. Т. 54. — С. 1665–1670. doi.org/10.1016/j.mcm.2010.11.069.
4. Ibrahim F, Thio TH, Faisal T, Neuman M. The application of biomedical engineering techniques to the diagnosis and management of tropical diseases: a review // Sensors (Basel). — 2015. —No. 3, Т. 15. — С. 6947–6995. DOI: 10.3390/s150306947.
5. Liu Q, Cui X, Chou YC, et al. Ensemble artificial neural networks applied to predict the key risk factors of hip bone fracture for elders // Biomed Signal Process Control. — 2015. —№ 4, Т. 21. — С. 146–56. doi.org/10.1016/j.bspc.2015.06.002.
6. MathWorks. MATLAB. www.mathworks.com, 2017.
7. Motohashi T, Hamada H, Lee J, et al. Factors associated with prolonged length of hospital stay of elderly patients in acute care hospitals in Japan: a multilevel analysis of patients with femoral neck fracture // Health Policy. — 2013. — No. 111. — С. 60–7. DOI: 10.1016/j.healthpol.2013.03.014.
8. Pouliakis A, Karakitsou E, Margari N, et al. Artificial neural networks as decision support tools in cytopathology: past, present, and future. Biomed. Eng. Comput. Biol. — 2016. — No. 7. — С. 1. doi.org/10.4137/BECB.S31601.
9. Shioji M, Yamamoto T, Ibata T, et al. Artificial neural networks to predict future bone mineral density and bone loss rate in Japanese postmenopausal women // BMC Research Notes — 2017. 10: 590. doi.org/10.1186/s13104–017–2910–4.
10. Yu X, Ye C, Xiang L. Application of artificial neural network in the diagnostic system of osteoporosis // Neurocomputing — 2016. — Т. 214. — С. 376–381. doi.org/10.1016/j.neucom.2016.06.023.
Для цитирования:
Сафарова С.С. Применение искусственных нейронных сетей для выявления изменений костного ремоделирования при сахарном диабете. Медицинский алфавит. 2019;2(21):43-46. https://doi.org/10.33667/2078-5631-2019-2-21(396)-43-46
For citation:
Safarova S.S. Application of artificial neural networks to detect bone remodeling changes in diabetes mellitus. Medical alphabet. 2019;2(21):43-46. (In Russ.) https://doi.org/10.33667/2078-5631-2019-2-21(396)-43-46
Просмотров: 69
Послать статью по эл. почте 