Медицинская Техника / Медицинская техника №4, 2024 / с. 36-39

Метод построения дерева принятия решений для диагностики эпилепсии у детей

Т.М. Магрупов, Н.А. Кучкарова, Е.А. Семенова

Аннотация

Статья посвящена разработке метода построения дерева принятия решений для диагностики эпилепсии у детей. Предложена архитектура дерева принятия решений, на основании которой разработан и программно реализован алгоритм определения типа эпилепсии у детей. Приведены результаты экспериментальной апробации данного алгоритма.

Вернуться к содержанию

Сведения об авторах

Талат Мадиевич Магрупов, д-р техн. наук, профессор, кафедра «Биомедицинская инженерия»,

Нозима Анваровна Кучкарова, стажер-исследователь, кафедра «Биотехнология», ассистент, кафедра «Биомедицинская инженерия, биофизика и информатика», Ташкентский государственный технический университет им. Ислама Каримова, г. Ташкент, Республика Узбекистан,

Евгения Анатольевна Семенова, канд. техн. наук, доцент, кафедра «Биотехнические системы», ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет им. В.И. Ульянова (Ленина)», г. С.-Петербург,

e-mail: talatmt@rambler.ru

Список литературы

1. Kononenko W. Machine learning for medical diagnosis: History, state of the art and perspective // Artificial Intelligence in Medicine. 2001. Vol. 23. № 1. PP. 89-109.

2. Ramesh A.N. et al. Artificial intelligence in medicine // Annals of the Royal College of Surgeons of England. 2004. Vol. 86. № 5. P. 334.

3. Patel V.L. et al. The coming of age of artificial intelligence in medicine // Artificial Intelligence in Medicine. 2009. Vol. 46. № 1. PP. 5-17.

4. Furmankiewicz M., Soltysik-Piorunkiewicz A., Ziuziaсski P. Artificial intelligence systems for knowledge management in e- health: The study of intelligent software agents / Latest Trends on Systems: The Proceedings of 18th International Conference on Systems. Santorini Island, Greece, 2014. PP. 551-556.

5. Bell G.S., Neligran A., Sander J.W. An unknown quantity – The worldwide prevalence of epilepsy // Epilepsia. 2014. Vol. 55. № 7. PP. 958-962.

6. GBD 2016 Epilepsy Collaborators. Global, regional and national burden of epilepsy, 1990-2016: A systematic analysis for the Global Burden of Disease Study 2016 // Lancet Neurol. 2019. Vol. 18. PP. 357-375.

7. WHO Epilepsy Factsheet. Updated February 2017 / http:// www.who.int/mediacentre/factsheets/fs999/en/. Accessed: 03.02.2017.

8. Azizova R.B., Abdullayeva N.N., Usmonalieva I.I. Neuroimmunological Characteristics of Idiopathic and Symptomatic Epilepsy in Accordance with the Clinical Course // Indian Journal of Forensic Medicine and Toxicology. 2020. Vol. 14. № 4. PP. 7746-7752.

9. Sanei Saeid, Chambers J.A. EEG signal processing / Center of Digital Signal Processing Cardiff University, UK – John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, West Sussex PO19 8SQ, England, 2007. P. 289.

10. Adeli H., Zhou Z., Dadmehr N. Analysis of EEG records in an epileptic patient using wavelet transform // Journal of Neuroscience Methods. Vol. 123. № 1. PP. 69-87.

11. Magrupov T.M., Kuchkarova N.A., Daminova E.A. Implementation and methods of a medical expert system for diagnosing epilepsy in children / Proceedings of the 2023 conference of Russian young researchers in Electrical and Electronic Engineering. St. Petersburg, Russia, January 24-27, 2023. PP. 1501-1503.

12. Magrupov T.M., Kuchkarova N.A. Methodology for building a medical expert system for disease diagnosis / 12th World Conference «Intelligent System for Industrial Automation» (WCIS-2022). 2022. Vol. 1. PP. 216-223.

13. Magrupov T.M., Kuchkarova N.A., Gaibnazarov S.S. Methodology for building a computerized advisory expert system for the diagnosis of epilepsy in children // Biomedical Engineering. 2024. Vol. 57. № 6. PP. 353-357.