Программа фундаментальных исследований Президиума ран
| Вид материала | Программа |
- Программа фундаментальных исследований президиума ран «Биоразнообразие» 2005-2008,, 173.94kb.
- Распоряжение Президиума ран от 23 сентября 2008 г. №10104-653 "Об утверждении Порядка, 422.29kb.
- Программа отчетной конференции по программе фундаментальных исследований Президиума, 123.52kb.
- Программа Ассоциация этнографов и антропологов России Институт этнологии и антропологии, 1172.05kb.
- Программа ростов-на-Дону 2007 Конференция осуществляется при финансовой поддержке Российского, 406.02kb.
- Российская академия наук Программа фундаментальных исследований Президиума ран фундаментальные, 9808.28kb.
- Российская академия наук Программа фундаментальных исследований Президиума ран фундаментальные, 3754.56kb.
- П. П. Ширшова ран мгту им. Н. Э. Баумана XII международная научно-техническая конференция, 200.72kb.
- Проекты программы межрегиональных и межведомственных фундаментальных исследований (совместные, 423.42kb.
- Тезисы докладов, 3726.96kb.
КОЛИЧЕСТВЕННАЯ ОЦЕНКА ВЛИЯНИЯ СОЦИаЛЬНО-ЭКОНОМИЧЕСКИХ
ФАКТОРОВ НА ДИНАМИКУ ЗАБОЛЕВАЕМОСТИ ТУБЕРКУЛЕЗОМ В РОССИИ
Г.И.Марчук 1), А.А. Романюха1), К.К. Авилов1), О.А. Мельниченко 1), С.Е. Борисов 2),
^1)Институт вычислительной математики РАН, Москва
2) НИИ фтизиопульмонологии ММА им. И.М.Сеченова, Москва
Цель. Целью исследований является создание комплекса методов количественного анализа эпидемиологических данных по туберкулезу населения РФ, позволяющих прогнозировать динамику заболеваемости и сравнивать эффективность различных стратегий борьбы с туберкулёзом. Основной задачей 2007 года являлся сравнительный анализ эффективности противотуберкулёзных диспансеров в различных регионах РФ.
^ Данные и методы. В работе использовались данные отчетности областных противотуберкулезных диспансеров по Форме 33 для 14 областей европейской части РФ, данные индивидуализированной базы по выявленным больным, НИИ Фтизиопульмонологии и данные Росстата по демографическим и социально-экономическим характеристикам регионов, 1999-2001гг. Методы численного решения дифференциальных уравнений, аналитические и численные методы исследования чувствительности решений модели к возмущениям параметров, методы статистического анализа данных.
^ План работы. Сначала оценивается число невыявленных больных в регионе. Оценки строятся на дополнительной информации о свойствах выявленных больных. Затем социально-экономические и демографические характеристики регионов сопоставляются с оценками параметров эпидемического процесса. По результатам сопоставления строятся зависимости параметров эпидемического процесса от характеристик региона. Используя уточненные оценки параметров, исследуется чувствительность состояния регионов к управляющим воздействиям. Сопоставляются эффекты воздействий на величины параметров эпидемического процесса.
Результаты. Идентифицированы значения параметров эпидемического процесса для 14 регионов. Установлены значительные, до 2-х кратных, различия уровней инфицированности и заболеваемости (с учетом оценок числа невыявленных больных) между регионами. Показано, что в рассматриваемый период влияние на заболеваемость социально-экономических факторов сопоставимо с влиянием системы противотуберкулезных диспансеров. Показано, что регионы могут значительно (до порядка) отличаться по чувствительности уровня заболеваемости к изменениям социально-экономических показателей и характеристик работы системы здравоохранения.
Обсуждение. Наибольший интерес представляют возможные различия между регионами в чувствительности эпидемической ситуации к изменениям в работе медиков и уровней социально-экономических факторов. Эти оценки могут отражать как различия в учете больных, так и объективные различия в состоянии эпидемического процесса. Например, разные социальные и возрастные группы по-разному реагируют на изменения социально-экономических факторов и работу системы здравоохранения. Следовательно, эпидемический процесс возможно неоднороден и распадается на относительно изолированные процессы. А для разных групп эффективны различные воздействия.
Публикации
1. Авилов К.К. Романюха А.А. 2007.Математическое моделирование процессов распространения туберкулеза и выявления больных. Автоматика и Телемеханика. № 9 стр. 145-160.
2. Авилов К.К., Романюха А.А. 2007. Математические модели распространения и контроля туберкулеза (обзор). Математическая биология и биоинформатика, том 2, №2, с. 188-318.
3. Мельниченко О.А., Романюха А.А. 2007. Модель эпидемиологии туберкулеза. Анализ данных и оценка параметров. Математическое моделирование.(принята в печать)
^
МАТЕМАТИЧЕСКИЕ МЕТОДЫ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ
ДЛЯ ЭКСПЕРТНОЙ ОЦЕНКИ ПАТАЛОГИИ СОСУДИСТОЙ СИСТЕМЫ ГЛАЗА
В.А.Сойфер, А.Г.Храмов, Н.Ю.Ильясова,
А.В.Куприянов, М.А.Ананьин, А.М.Малафеев
^ Институт систем обработки изображений РАН, Самара
Развитие методов анализа изображений глазного дна в настоящее время связано с совершенствованием систем для получения высококачественных изображений глазного дна и разработкой методов количественной оценки состояния кровотока. Некоторые из способов автоматизации диагностики таких заболеваний как диабетическая ретинопатия, глаукома, дистрофия зрительного нерва, отслоение сетчатки и другие основаны на анализе изображений и оценивания по ним различных характеристик и параметров, позволяющих сделать предположение о возможном диагнозе на основе ранее полученных статистических данных.
Задача построения классификатора, способного обеспечить необходимое качество распознавания в условиях априорной неопределенности является чрезвычайно сложной. Предметом исследования данной работы является построение системы классификации на основе разработанных ранее диагностических признаков сосудов глазного дна и области диска зрительного нерва. В результате проведенных исследований был разработан метод классификации диагностических признаков сосудов глазного дна, основанный на применении самоорганизующихся карт Кохонена, позволивший значительно улучшить качество распознавания.
Сеть Кохонена использует неконтролируемое обучение, и обучающее множество состоит лишь из значений входных переменных. Сеть распознает кластеры в обучающих данных и распределяет данные по соответствующим кластерам.
Была разработана методика выбора классификатора, обеспечивающего наилучшее качество распознавания с использованием статистической теории восстановления зависимостей по эмпирическим данным и разработка методики выбора классификатора, обеспечивающего наилучшее качество распознавания в определенном классе данных.
Проведенные экспериментальные исследования точности и достоверности формирования экспертной оценки, а также сравнительный анализ различных классификаторов по реальным изображениям сосудов глазного дна, показали обоснованность выбора данного метода.
В результате была спроектирована и реализована компьютерная система, предназначенная проведения сравнительного анализа различных систем классификации. Внутренние модули системы могут быть использованы в качестве составной части компьютерной системы диагностики глазного дна. Настоящее развитие работы связано с преобразованием системы классификации таким образом, чтобы разрабатываемая система могла выдавать количественные характеристики патологии, а не только экспертное заключение о том, принадлежит сосуд к классу нормы или патологии. Внедрение этой системы в медицинскую практику в дальнейшем расширит возможности существующих медицинских методик и позволяет автоматизировать диагностику.
Публикации по результатам исследований: (1) А.М.Малафеев, Применение самоорганизующихся карт Кохонена для классификации сосудов глазного дна – Труды Всероссийской молодежной научной конференции с международным участием «IX Королевские чтения», с.298, 2007; (2) А.Malapheev, M.Ananin, A.Kupriyanov, N.Ilyasova, The analysis of the retina vessels images based on the self-organized Kohonen’s map – Proceedings of the 8th International Conference on pattern recognition and image analysis: New information technologies (PRIA-8, 2007), p.331-334, 2007; (3) А.М.Малафеев, А.В.Куприянов, Н.Ю.Ильясова. Метод классификации сосудов глазного дна, основанный на применении самоорганизующихся карт Кохонена. – Компьютерная оптика, том 31, №1, 2007, с.67-70.