способ диагностики бронхиальной астмы
Классы МПК: | A61B5/0295 с использованием плетизмографии, те измерение изменений объема какой-либо части или органа под воздействием циркуляции крови через них, например импедансной плетизмографии |
Автор(ы): | Безруков Николай Сергеевич (RU), Ерёмин Евгений Леонидович (RU), Ермакова Елена Владимировна (RU), Колосов Виктор Павлович (RU), Перельман Юлий Михайлович (RU) |
Патентообладатель(и): | Государственное учреждение Дальневосточный научный центр физиологии и патологии дыхания Сибирского отделения Российской академии медицинских наук (RU) |
Приоритеты: |
подача заявки:
2006-08-09 публикация патента:
20.02.2008 |
Изобретение относится к области медицины, а именно к пульмонологии. При помощи реоэнцефалографического исследования определяют четыре показателя: реографический индекс окципитомастоидального отведения слева (РИ OL), реографический индекс окципитомастоидального отведения справа (РИ OR), показатель периферического сосудистого сопротивления фронто-мастоидального отведения слева (ППСС FL), показатель периферического сосудистого сопротивления фронто-мастоидального отведения справа (ППСС FR). Используют математический аппарат гибридных сетей со структурой ANFIS (Adaptive Neuro-Fuzzy Inference System) и при значении выхода системы диагностики больше 0 диагностируют бронхиальную астму. Способ позволяет повысить точность диагностики бронхиальной астмы на ранних стадиях развития. 2 ил.
Формула изобретения
Способ диагностики бронхиальной астмы, отличающийся тем, что с помощью реоэнцефалографии определяют четыре реоэнцефалографических показателя: реографический индекс окципито-мастоидального отведения слева (РИ OL), реографический индекс окципито-мастоидального отведения справа (РИ OR), показатель периферического сосудистого сопротивления фронто-мастоидального отведения слева (ППСС FL), показатель периферического сосудистого сопротивления фронто-мастоидального отведения справа (ППСС FR), используют математический аппарат гибридных сетей со структурой ANFIS (Adaptive Neuro-Fuzzy Inference System) и при значении выхода системы диагностики больше 0 диагностируют бронхиальную астму.
Описание изобретения к патенту
Изобретение относится к области медицины, а именно к пульмонологии, и может быть использовано для диагностики бронхиальной астмы (БА).
Наибольшие трудности в диагностике БА возникают на начальной стадии развития и в фазе ремиссии заболевания с устойчивой стабилизацией патологического процесса и отсутствием типичной картины. В подобных ситуациях обращение пациента к врачу-пульмонологу не гарантирует своевременную диагностику заболевания, так как результаты функциональных проб часто не позволяют выявить изменения бронхиальной проходимости. Обращение же пациента без жалоб на органы дыхания к врачу другой специальности, например к неврологу, сводит возможность своевременной диагностики БА до нуля. Необходимы способы своевременной диагностики БА по признакам, которые используются в различных областях медицины, в частности в неврологии.
Известно, что БА влияет на систему кровообращения, в частности на церебральный кровоток [Федосова Н.Н., Цюрюпа В.Н., Власова И.В. Церебральная гемодинамика и электроэнцефалографические показатели у больных с бронхиальной астмой. // Ультразвуковая и функциональная диагностика. - 2005. - №3. - С.72-77]. Результат этого влияния заключается в изменении состояния сосудов и интенсивности кровотока в них, носящих устойчивый характер как при обострениях, так и при ремиссии болезни.
Эффективным способом исследования церебрального кровотока является реоэнцефалографическое исследование. Исследование заключается в анализе 4 областей кровотока, для каждой из которых рассчитывается 7 реографических показателей.
Учитывая большое количество данных и связей между ними, для диагностики болезни используют математический аппарат гибридных сетей. Сеть представляет собой нелинейную систему и способна принимать решение, основываясь на выявляемых ею скрытых закономерностях в многомерных данных. Отличительное свойство гибридной сети состоит в том, что она не программируется, а обучается делать правильные выводы на примерах.
Прототипом избран способ диагностики и дифференциальной диагностики бронхиальной астмы и хронической обструктивной болезни легких [Патент RU 2267987 МПК А61В 5/08, 2006], сущность которого заключается в проведении спирографического исследования с бронхолитической пробой; перед последней проводят ингаляционную нагрузку с гипертоническим раствором хлорида натрия, а затем по стандартным критериям оценивают динамику объема форсированного выдоха за 1 сек (ОФВ1) относительно значения данного показателя, полученного в результате предварительно проведенной ингаляционной нагрузки.
Известный способ имеет следующие недостатки:
1. Необходимо обращение к врачу пульмонологу, то есть у пациента должны быть явные проблемы с дыханием (диагностирование «напрямую»).
2. Использование фармакологических ингаляционных проб может иметь побочные эффекты, связанные с индивидуальной непереносимостью или передозировкой фармакологического препарата.
3. Использование бронходилатационных проб в диагностике БА имеет низкую чувствительность и высокую частоту ложноотрицательных результатов [Goldstein M.F., Veza B.A., Dunsky E.H. et al. Comparisons of Peak Diurnal Expiratory Flow Variation, Postbronchodilator FEV1 Responses, and Methacholine Inhalation Challenges in the Evaluation of Suspected Asthma// Chest. - 2001. - Vol.119. - P.1001-1010].
4. Использование бронхопровокационной пробы с гипертоническим раствором хлорида натрия может сопровождаться чрезмерной бронхоконстрикцией вплоть до приступа удушья.
5. Известный способ не учитывает изменений церебрального кровотока, лежащих в основе нарушений регуляции дыхания.
Цель изобретения заключается в повышении эффективности и обеспечении безопасности диагностики БА.
Цель достигается тем, что диагностику БА проводят по реоэнцефалографическим показателям, при этом используют гибридную сеть.
Способ осуществляют следующим образом.
Задача диагностики БА состоит из трех подзадач: выявление информативных показателей РЭГ, создание диагностической системы и собственно диагностика. Подзадачи решаются в приложении (фиг.1), написанном на внутреннем языке ППП Matlab.
Через интерфейс в базу данных вводится априорная информация - показатели реоэнцефалографического обследования здоровых (всего 43) и больных БА (всего 49) пациентов, которое проводилось в ГУ Дальневосточный научный центр физиологии и патологии дыхания СО РАМН.
Модуль «Статистический анализ» при помощи параметрического (Стьюдента) и непараметрических (Вилкоксона, Хи-квадрат) критериев выявляет для каждой области кровотока реоэнцефалографический показатель, имеющий определяющее значение при диагностике БА:
реографический индекс окципито-мастоидального отведения слева (РИ OL), реографический индекс окципито-мастоидального отведения справа (РИ OR), показатель периферического сосудистого сопротивления фронто-мастоидального отведения слева (ППСС FL), показатель периферического сосудистого сопротивления фронто-мастоидального отведения справа (ППСС FR). Статистические критерии для этих показателей выявили различия в распределениях у здоровых и больных пациентов с вероятностью более 95%.
Модули «Структура системы диагностики» и «Обучение гибридной сети» по выбранным показателям определяют структуру системы диагностики БА и значения ее настраиваемых коэффициентов.
Система диагностики БА (фиг.2) стоит из двух блоков: блока предобработки и блока нейронечеткого вывода. Блок предобработки реализован в виде экспоненциальной функции для каждого входного сигнала и служит для обеспечения равнозначности преобразованных данных по диапазону и распределению:
где n - количество данных; х i, , - входная переменная, среднее значение и стандартное отклонение входной переменной; К - настраиваемый коэффициент, определяющий максимум энтропии преобразованных данных; si - преобразованные данные.
Блок предобработки обеспечивает принадлежность преобразованных данных единому диапазону (-1, 1) с равномерным распределением.
Блок нейронечеткого вывода (фиг.2) представляет собой сходящуюся каскадную структуру из двух слоев с узлами (на первом слое два узла, на втором - один). В узлах находятся гибридные сети с архитектурой ANFIS (G 1,1(s1, s2), G1,2(s3, s 4), G2,1(g1,1 , g1,2)), алгоритм обучения и использования которых рассмотрен в работе [Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. - М.: 2001.]. Возможность диагностики БА по реографическим показателям на основе гибридной сети показано в работе [Безруков Н.С., Ермакова Е.В. Прогнозирование бронхиальной астмы по параметрам реоэнцефалографии на основе гибридной сети. Математические методы в технике и технологиях - ММТТ-19. [Текст]: сб. трудов XIX Международ. науч.конф. в 10-и т.Т. 7-Секция 7 / под общ. ред. В.С, Балакирева. - Воронеж, Воронеж, гос. технол. акад., 2006. С.211-214].
Каждые узел имеет два входа и один выход. Все узлы имеют однотипную структуру и отличаются значениями коэффициентов, которые определяются при обучении сети. В качестве алгоритма обучения использован алгоритм обратного распространения ошибки. Гибридные сети связаны между собой выражениями:
g1,1=G 1,1(s1, s2) (2)
g1,2=G1,2 (s3, s4) (3)
y=G2,1(g1,1, g 1,2) (4)
где y - выход системы диагностики.
В модуле «Система диагностики» находится созданная система, в которую поступают текущие данные для диагностики, и если выход системы диагностики больше 0, то у пациента диагностируют БА, иначе пациент здоров.
Система диагностики БА функционирует в двух режимах: режиме обучения, режиме текущей диагностики. При увеличении базы с априорной информацией систему можно переобучить.
Интерфейс приложения удобен для неподготовленного пользователя ЭВМ (для врача). Точность работы способа диагностики БА составляет 87%.
Ниже приводятся два примера использования заявленного способа.
Пример 1. Н., 19 лет, мужчина
Диагноз: Бронхиальная астма. Среднетяжелое течение, стадия ремиссии.
Исходные данные составили соответственно: РИ OL 0,079, РИ OR 0,077, ППСС FL 76, ППСС FR 84.
С целью диагностики БА рассчитаны уравнения блока предобработки и блока нейронечеткого вывода:
s 1(0,079)=-0.4132
s2(0,077)=-0.4376
s3(76)=0.106
s 4(84)=0.4067
g1,1=1
g 1,2=0.6327
y=0.9725
Поскольку у больше 0, у пациента диагностируют бронхиальную астму.
Пример 2. С., 45 лет, женщина.
Диагноз: Бронхиальная астма. Среднетяжелое течение, стадия ремиссии.
Исходные данные составили соответственно: РИ OL 0,068, РИ OR 0,068, ППСС FL 110, ППСС FR 101.
С целью диагностики БА рассчитаны уравнения блока предобработки и блока нейронечеткого вывода:
s1(0,068)=-0.4132
s2(0,068)=-0.4376
s 3(110)=0.946
s4(101)=0.8031
g1,1=0.7531
g1,2 =0.9348
y=1
Поскольку у больше 0, у пациента диагностируют бронхиальную астму.
Пример 3. Д., 37 лет, женщина.
Диагноз: Здоров.
Исходные данные составили соответственно: РИ OL 0,11, РИ OR 0,104, ППСС FL 82, ППСС FR 90.
С целью диагностики БА рассчитаны уравнения блока предобработки и блока нейронечеткого вывода:
s1(0,11)=-0.1758
s2(0,104)=-0.0198
s 3(82}=0.4076
s4(90)=0.5919
g1,1=-0.0569
g 1,2=0.3518
y=-0.4291
Поскольку y меньше 0, у пациента не диагностируют бронхиальную астму.
Разработанная на основе предлагаемого способа программы для ЭВМ «Программа имитационного моделирования системы диагностики бронхиальной астмы по реографическим показателям» (№2006612637) внедрена на базе пульмонологического отделения ГУ Дальневосточного научного центра физиологии и патологии дыхания СО РАМН, где она показала свою эффективность при диагностике БА.
Таким образом, предлагаемый способ может быть эффективно использован для диагностики бронхиальной астмы.
Класс A61B5/0295 с использованием плетизмографии, те измерение изменений объема какой-либо части или органа под воздействием циркуляции крови через них, например импедансной плетизмографии