Главная Назад


Авторизация
Идентификатор пользователя / читателя
Пароль (для удалённых пользователей)
 

Вид поиска
Область поиска
Найдено в других БД
Формат представления найденных документов:
библиографическое описаниекраткийполный
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>S=БАЙЕСОВСКИЕ СЕТИ<.>)
Общее количество найденных документов : 16
Показаны документы с 1 по 16
1.
РЖ ВИНИТИ 34 (BI38) 03.08-04А3.113

    Kozlowski, Marek.
    Evolutionary algorithm for learning Bayesian structures from data [Text] : докл. [8 Workshop of the Polish Society of Computer Simulation, Gdansk, 30 Aug. - 1 Sept., 2001] / Marek Kozlowski, Slawomir T. Wierzchon // TASK Quart. - 2002. - Vol. 6, N 3. - P509-521 . - ISSN 1428-6394
Перевод заглавия: Эволюционный алгоритм для обучения байесовским структурам по данным
Аннотация: Описанный подход использует методы эволюционного программирования для решения задач комбинаторной оптимизации, возникающих в ходе построения байесовских сетей по данным. Такой подход позволяет работать не со стандартными двоичными строками, а с ациклическими ориентированными графами. Описаны разработанные представления данных и обобщенные генетические операторы, обеспечивающие эффективность обучения без дополнительных ограничений и априорной информации. Описаны результаты, полученные в ходе обучения достаточно сложных байесовских сетей. Польша, Fac. of Mathematics and Information Sci., Warsaw Univ. of Technol., 00-661 Warsaw. Ил. 7. Табл. 2. Библ. 15
ГРНТИ  
34.53.19
ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
БАЙЕСОВСКИЕ СЕТИ
ОБУЧЕНИЕ
АЛГОРИТМЫ
ЭВОЛЮЦИОННЫЙ АЛГОРИТМ

Доп.точки доступа:
Wierzchon, Slawomir T.

2.
РЖ ВИНИТИ 34 (BI38) 06.12-04А3.396

   
    Computerized tongue diagnosis based on Bayesian networks [Text] / Bo Pang [et al.] // IEEE Trans. Biomed. Eng. - 2004. - Vol. 51, N 10. - P1803-1810 . - ISSN 0018-9294
Перевод заглавия: Компьютеризованная диагностика по языку, основанная на байесовских сетях
Аннотация: Диагноз по языку (Я) является одним из наиболее ценных и широко используемых диагностических методов в традиционной китайской медицине. Однако он является качеств., субъективным и основанным на опыте. Этот метод имеет ограниченное распространение в клинической медицине. Кроме того, его традиционное использование всегда касается скорее идентификации синдромов, чем связи Я с аномальными проявлениями заболевания. Это недостаточно понимается в зап. медицине. Представлен новый компьютеризированный метод исследования Я в связи с указанными проблемами. Отмечены 2 типа колич. черт (цвет и текстура), извлекаемых из изображений Я с использованием популярной техники обработки цифровых изображений. К ним применяются байесовские сети для моделирования связей колич. х-к и заболевания. Эффективность данного метода проверялась на группе из 435 пациентов с 13 распространенными заболеваниями вместе с 70 здоровыми добровольцами. Сообщаются результаты при использовании байесовских сетей с предварительным обучением. КНР, Dep of Computer Sci. and Eng., Harbin Institute of Technology, Harbin 150001. Ил. 5. Табл. 5. Библ. 22
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ДИАГНОСТИКА ЗАБОЛЕВАНИЯ ПО ЯЗЫКУ
КЛАССИФИКАЦИЯ
БАЙЕСОВСКИЕ СЕТИ

Доп.точки доступа:
Pang, Bo; Zhang, David; Li, Naimin; Wang, Kuanquan

3.
РЖ ВИНИТИ 34 (BI38) 07.04-04А3.479

   
    Derivation and validation of a Bayesian network to predict pretest probability of venous thromboembolism [Text] / Jeffrey A. Kline [et al.] // Ann. Emerg. Med. - 2005. - Vol. 45, N 3. - P282-290 . - ISSN 0196-0644
Перевод заглавия: Вывод и валидация байесовской сети для предсказания предтестовой вероятности венозной тромбоэмболии
Аннотация: Априорная вероятность играет центральную роль в принятии решений при диагностике венозной тромбоэмболии. Рассматривается использование байесовской сети при указанной диагностике. Данный подход позволяет произвести оценку предтестовой вероятности на основе клинических переменных. Определена точность, с к-рой байесовская сеть может идентифицировать пациентов с низкой предтестовой вероятностью венозной тромбоэмболии, определяемой значениями, не превосходящими 2%. США, Dep of Emergency Medicine, Charlotte, NC Ил. 4. Табл. 1. Библ. 23
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.09.13
Рубрики: БИОМЕТРИЯ
ДИАГНОСТИКА
БАЙЕСОВСКИЕ ПОДХОДЫ
БАЙЕСОВСКИЕ СЕТИ
ВЕНОЗНАЯ ТРОМБОЭМБОЛИЯ

Доп.точки доступа:
Kline, Jeffrey A.; Novobilski, Andrew J.; Kabrhel, Christopher; Richman, Peter B.; Courtney, D.Mark

4.
РЖ ВИНИТИ 34 (BI27) 11.11-04М6.153

   
    Применение байесовских сетей для целей персонифицированной медицины [Текст] / Е. Д. Масленников [и др.] // 6 Московский международный конгресс "Биотехнология: состояние и перспективы развития", Москва, 21-25 марта, 2011. - М., 2011. - Ч. 2. - С. 277 . - ISBN 5-7237-0372-2
Аннотация: Рассматриваются области применения байесовских сетей (БС) в системах персонифицированной медицины, в т.ч. для предсказания диабета второго рода и предсказания неблагоприятного исхода у больных, перенесших острый коронарный синдром. Описывается процесс подготовки существующих баз данных пациентов для построения БС и эффективной работы, как с разработанным программным обеспечением, так и с коммерческими программными продуктами Netica и BayesiaLab. Определяются критерии оценки эффективности работы заданной БС с заданной базой данных. Рассматриваются критерии отбора параметров для построения наиболее эффективной БС. Осуществляются валидации БС с использованием различного программного обеспечения. Обсуждаются результаты применения используемых программных продуктов для различных целей персонифицированной медицины. Россия, МГУ им. М.В. Ломоносова, Москва
ГРНТИ  
34.39.39
ВИНИТИ 341.39.39.21.61.21.23
Рубрики: САХАРНЫЙ ДИАБЕТ
КОМПЬЮТЕРНЫЕ МЕТОДЫ
ПЕРСОНИФИЦИРОВАННАЯ МЕДИЦИНА
БАЙЕСОВСКИЕ СЕТИ
БАЗЫ ДАННЫХ
ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Доп.точки доступа:
Масленников, Е.Д.; Втюрина, Д.Н.; Сулимов, А.В.; Сулимов, В.Б.

5.
РЖ ВИНИТИ 76 (BI38) 11.12-04А3.92

   
    Разработка программного обеспечения для применения байесовских сетей в экспериментных системах персонифицированной медицины [Текст] / Е. Д. Масленников [и др.] // 6 Московский международный конгресс "Биотехнология: состояние и перспективы развития", Москва, 21-25 марта, 2011. - М., 2011. - Ч.2. - С. 257 . - ISBN 5-7237-0372-2
Аннотация: Рассматриваются принципы и методы работы с байесовскими сетями (БС) и обсуждается возможность их применения в системах персонифицированной медицины. Предлагаются различные алгоритмы опроса и обучения БС, подробно разбираются этапы работы этих алгоритмов. Обсуждается использование различных топологий БС, предлагается алгоритм определения наиболее оптимальной топологии на стадии обучения сети. Рассматриваются различные способы оценки эффективности работы заданной БС с заданной базой данных, обсуждаются достоинства и недостатки использования этих критериев и возможность их применения для оценки эффективности работы в различных приложениях БС. Рассматриваются некоторые основные особенности программной реализации предложенных методов и алгоритмов. Обсуждаются результаты применения разработанных программ для различных целей персонифицированной медицины, в том числе для предсказания диабета второго рода у пациентов из конкретной базы данных. Россия, МГУ им. М.В. Ломоносова, Москва
ГРНТИ  
76.03.59
ВИНИТИ 761.03.59.09.09
Рубрики: БАЙЕСОВСКИЕ СЕТИ
ПРИМЕНЕНИЕ

Доп.точки доступа:
Масленников, Е.Д.; Втюрина, Д.Н.; Сулимов, А.В.; Сулимов, В.Б.

6.
РЖ ВИНИТИ 34 (BI23) 12.07-04М2.166

   
    Применение байесовских сетей для целей персонифицированной медицины [Текст] / Е. Д. Масленников [и др.] // 6 Московский международный конгресс "Биотехнология: состояние и перспективы развития", Москва, 21-25 марта, 2011. - М., 2011. - Ч. 2. - С. 277 . - ISBN 5-7237-0372-2
Аннотация: Рассматриваются области применения байесовских сетей (БС) в системах персонифицированной медицины, в т.ч. для предсказания диабета второго рода и предсказания неблагоприятного исхода у больных, перенесших острый коронарный синдром. Описывается процесс подготовки существующих баз данных пациентов для построения БС и эффективной работы, как с разработанным программным обеспечением, так и с коммерческими программными продуктами Netica и BayesiaLab. Определяются критерии оценки эффективности работы заданной БС с заданной базой данных. Рассматриваются критерии отбора параметров для построения наиболее эффективной БС. Осуществляются валидации БС с использованием различного программного обеспечения. Обсуждаются результаты применения используемых программных продуктов для различных целей персонифицированной медицины. Россия, МГУ им. М.В. Ломоносова, Москва
ГРНТИ  
34.39.29
ВИНИТИ 341.39.29.11.63.05
Рубрики: СЕРДЦЕ
КОМПЬЮТЕРНЫЕ МЕТОДЫ
ПЕРСОНИФИЦИРОВАННАЯ МЕДИЦИНА
БАЙЕСОВСКИЕ СЕТИ
БАЗЫ ДАННЫХ
ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ

Доп.точки доступа:
Масленников, Е.Д.; Втюрина, Д.Н.; Сулимов, А.В.; Сулимов, В.Б.

7.
РЖ ВИНИТИ 76 (BI38) 13.06-04А3.32

   
    Mutual information preconditioning improves structure learning of Bayesian networks from medical databases [Text] / Antonella Meloni [et al.] // IEEE Trans. Inf. Technol. Biomed. - 2009. - Vol. 13, N 6. - P984-989 . - ISSN 1089-7771
Перевод заглавия: Предобусловление на основе взаимной информации улучшает структуры обучения байесовских сетей на основе медицинских баз данных
Аннотация: Для устранения избыточности байесовских сетей предложен метод анализа взаимосвязей между переменными в терминах взаимной информации. Рассмотрены 2 метода бинаризации. Разработан метод последовательного поиска с предобусловлением на основе взаимной информации для оптимизации структуры сети. Описаны его программная реализация в пакете DEAL и результаты испытаний с данными из медицинских баз данных. Италия, "Gabriele Monasterio" Foundation, Nat. Res. Council (CNR) Institute of Clinical Psychology, Pisa 56124. E-mail:vincenzo.positano@ifc.cnr.it. Библ. 36
ГРНТИ  
76.03.59
ВИНИТИ 761.03.59.09.09
Рубрики: БИОМЕДИЦИНСКИЕ ДАННЫЕ
БАЗА ДАННЫХ
БАЙЕСОВСКИЕ СЕТИ
ОБУЧЕНИЕ

Доп.точки доступа:
Meloni, Antonella; Ripoli, Andrea; Postitano, Vincenzo; Landini, Luigi

8.
РЖ ВИНИТИ 34 (BI19) 13.09-04И4.244

   
    The potential use of a Gadget model to predict stock responses to climate change in combination with Bayesian networks. The case of Bay of Biscay anchovy [Text] : докл. [Proceedings of an ICES/PICES/FAO Symposium "Climate Change Effects on Fish and Fisheries: Forecasting, Impacts and Evaluating Management Strategies", Sendai, 26-29 Apr., 2010] / Eider Andonegi [et al.] // ICES J. Mar. Sci. - 2011. - Vol. 68, N 6. - P1257-1269 . - ISSN 1054-3139
Перевод заглавия: Потенциальное использование Gadget-модели (Globally Applicable Disaggregated General Scosystem Toolbox) в комбинации с байесовскими сетями для прогнозирования реакций запаса на изменение климата; пример европейского анчоуса (Engraulis encrasicolus) Бискайского залива
ГРНТИ  
34.33.33
ВИНИТИ 341.33.33.31.33.09
Рубрики: ЕВРОПЕЙСКИЙ АНЧОУС
ENGRAULIS ENCRASICOLUS (PISCES)
ЗАПАСЫ РЫБ
ПРОГНОЗИРОВАНИЕ
РЕАКЦИИ ЗАПАСА
ИЗМЕНЕНИЕ КЛИМАТА
МАТЕМАТИЧЕСКИЕ МОДЕЛИ
ГАДЖЕТ-МОДЕЛИ
БАЙЕСОВСКИЕ СЕТИ

Доп.точки доступа:
Andonegi, Eider; Fernandes, Jose Antonio; Quincoces, Inaki; Irigoien, Xabier; Uriarte, Andres; Perez, Aritz; Howell, Daniel; Stefansson, Gunnar

9.
РЖ ВИНИТИ 34 (BI38) 13.11-04А3.22

   
    Bayesian networks and information theory for audio-visual perception modeling [Text] / Patricia Besson [et al.] // Biol. Cybern. - 2010. - Vol. 103, N 3. - P213-226 . - ISSN 0340-1200
Перевод заглавия: Байесовские сети и теория информации и аудио-визуальное моделирование восприятия
Аннотация: Информацию человек черпает из окружающей среды. При этом происходят сложные взаимодействия в процессе восприятия. Предлагаются основы анализа и моделирования этих взаимодействий, в которых рассматриваются общие связи между физическими событиями и факторами процесса не только в количественных терминах, но и в терминах влияния одних факторов на другие. Для получения связей между представляющими интерес случайными переменными используются инструменты теории информации и вероятностные рассуждения. Вероятностная причинная модель разработана в форме байесовской сети. Созданный метод иллюстрируется на данных, собранных в задаче аудио-визуальной локализации человеком. Показано, что результаты дают хорошо мотивированную модель с хорошей предсказательной способностью.
ГРНТИ  
34.55.15
ВИНИТИ 341.55.15.33
Рубрики: МАТЕМАТИЧЕСКИЕ МОДЕЛИ
МОДЕЛИ ВОСПРИЯТИЯ
ТЕОРИЯ ИНФОРМАЦИИ
БАЙЕСОВСКИЕ СЕТИ

Доп.точки доступа:
Besson, Patricia; Richiardi, Jonas; Bourdin, Christophe; Bringoux, Lionel; Mestre, Daniel R.; Vercher, Jean-Louis

10.
РЖ ВИНИТИ 76 (BI38) 13.11-04А3.154

   
    Bayesian inference analyses of the polygenic architecture of rheumatoid arthritis [Text] / Eli A. Stahl [et al.] // Nature Genet. - 2012. - Vol. 44, N 5. - P483-489 . - ISSN 1061-4036
Перевод заглавия: Анализ полигенной архитектуры ревматоидного артрита с использованием байесовских сетей
Аннотация: На основании результатов полногеномного поиска ассоциаций смоделировали генетическую архитектуру ревматоидного артрита (РА). Разработали метод оценки вклада разных вариантов в общий уровень риска развития полигенных заболеваний. С помощью этого метода установили, что тысячи однонуклеотидных полиморфизмов (SNP) ассоциированных с РА, определяют дополнительные 20% риска. Метод проверили на 3 др. заболеваниях - целиакии, инфаркте миокарда и сахарном диабете типа 2. Оценили вклад SNP в увеличениe риска - 43, 48 и 49% соотв.
ГРНТИ  
76.03.59
ВИНИТИ 761.03.59.09.09
Рубрики: РЕВМАТОИДНЫЙ АРТРИТ
ГЕНЕТИЧЕСКАЯ СТРУКТУРА
ПОЛИГЕННЫЕ ЗАБОЛЕВАНИЯ
УРОВЕНЬ РИСКА
ОДНОНУКЛЕОТИДНЫЕ ПОЛИМОРФИЗМЫ
БАЙЕСОВСКИЕ СЕТИ

Доп.точки доступа:
Stahl, Eli A.; Wegmann, Daniel; Trynka, Gosia; Gutierrez-Achury, Javier; Do, Rono; Voight, Benjamin F.; Kraft, Peter; Chen, Robert; Kallberg, Henrik J.; Kurreeman, Fina A.S.; Kathiresan, Sekar; Wijmenga, Cisca

11.
РЖ ВИНИТИ 34 (BI38) 13.12-04А3.500

   
    Bayesian rule learning for biomedical data mining [Text] / Vanathi Gopalakrishnan [et al.] // Bioinformatics. - 2010. - Vol. 26, N 5. - P668-675 . - ISSN 1367-4803
Перевод заглавия: Байесовское правило обучения для интеллектуального анализа данных в биомедицине
Аннотация: Построена байесовская обучающаяся система с использованием байесовских сетей. Система апробировалась на 4 опубликованных множествах данных и показала более хорошие свойства по сравнению с другими доступными системами такого рода. Данная разработка мотивирована задачами интеллектуального анализа данных в проблеме предсказания состояния болезни в исследованиях с использованием биомаркеров. США, Department of Biomedical Informatics, University of Pittsburgh, Pittsburgh, PA 15260, e-mail: vanathi@pitt.edu. Ил. 3. Табл. 6. Библ. 49
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.17
Рубрики: ОБРАБОТКА ДАННЫХ
ОБУЧАЮЩИЕСЯ СИСТЕМЫ
БАЙЕСОВСКИЕ СЕТИ
ПРОГНОЗ ЗАБОЛЕВАНИЙ
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ

Доп.точки доступа:
Gopalakrishnan, Vanathi; Lustgarten, Jonathan L.; Wisweswaran, Shyam; Cooper, Gregory F.

12.
РЖ ВИНИТИ 34 (BI38) 90.04-04А3.247

    Sy, Bon K.
    An AI-based CAD/CAM aproach to assess design methodology of a user-specific nonvocal communication device [Text] / Bon K. Sy // Proc. 15th Annu. Northeast Bioeng. Conf., Boston, Mass., March 27-28, 1989. - New York (N. Y.), 1989. - P185-186
Перевод заглавия: Базирующийся на принципах искусственного интеллекта подход к созданию методологии разработки неголосовых коммуникативных устройств, настраиваемых на пользователя, с использованием технологии САПР
Аннотация: Предлагается подход к созданию коммуникационной системы для лиц, неспособных общаться устно, с помощью клавиатуры или письма. Разработана настроенная на пользователя неголосовая коммуникативная система. Система строится с использованием байесовской сети - нециклического графа, где каждая вершина представляет одну переменную, а дуга - статистическую зависимость одного параметра от другого. Приводится пример простой сети. Ил. 1. Библ. 4.
ГРНТИ  
34.53.47
ВИНИТИ 341.53.47.09.11
Рубрики: ТЕХНИЧЕСКИЕ РЕШЕНИЯ ДЛЯ ИНВАЛИДОВ
СИСТЕМЫ ДЛЯ КОММУНИКАЦИИ
НЕРЕЧЕВЫЕ СИСТЕМЫ
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
БАЙЕСОВСКИЕ СЕТИ
НЕЦИКЛИЧЕСКИЕ ГРАФЫ
СИСТЕМЫ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ

13.
РЖ ВИНИТИ 34 (BI38) 93.08-04А3.133

    Neal, Radford M.
    Asymmetric parallel Bolzman machines are belief networks [Text] / Radford M. Neal // Neural Comput. - 1992. - Vol. 4, N 6. - P832-834 . - ISSN 0899-7667
Перевод заглавия: Асимметричные параллельные машины Больцмана - сети достоверности
Аннотация: Проведено сравнение алгоритма обучения асимметричных машин Больцмана (Apolloni B., de Falco D. "Neural Comput." 1991. 3 402-408) и байесовских сетей (сетей достоверности (Pearl J. Probabilistic Reasoning in Intelligent System: Networks of Plausible Inerence. Morgan Caufman, San Mato, CA, 1988). Показано, что эти 2 парадигмы сводятся друг к другу. Приведены примеры, показывающие, что такое сведение может оказаться полезным в задачах интеграции сведений, полученных от экспертов, и построении эмпирических знаний. Рассмотрены возможности обобщения изучаемых концепций. Канада, Dep. of Computer Sci., Univ. of Toronto, 10 King's College Road, Toronto, M35 1А4. Ил. 1. Библ. 4.
ГРНТИ  
34.53.19
ВИНИТИ 341.53.19.09
Рубрики: НЕЙРОННЫЕ СЕТИ
БОЛЬЦМАНА МАШИНЫ
БАЙЕСОВСКИЕ СЕТИ
ОБУЧЕНИЕ
АЛГОРИТМЫ

14.
РЖ ВИНИТИ 34 (BI24) 15.10-04М3.554

   
    Bayesian networks and information theory for audio-visual perception modeling [Text] / Patricia Besson [et al.] // Biol. Cybern. - 2010. - Vol. 103, N 3. - P213-226 . - ISSN 0340-1200
Перевод заглавия: Байесовские сети и теория информации и аудио-визуальное моделирование восприятия
Аннотация: Информацию человек черпает из окружающей среды. При этом происходят сложные взаимодействия в процессе восприятия. Предлагаются основы анализа и моделирования этих взаимодействий, в которых рассматриваются общие связи между физическими событиями и факторами процесса не только в количественных терминах, но и в терминах влияния одних факторов на другие. Для получения связей между представляющими интерес случайными переменными используются инструменты теории информации и вероятностные рассуждения. Вероятностная причинная модель разработана в форме байесовской сети. Созданный метод иллюстрируется на данных, собранных в задаче аудио-визуальной локализации человеком. Показано, что результаты дают хорошо мотивированную модель с хорошей предсказательной способностью.
ГРНТИ  
34.39.19
ВИНИТИ 341.39.19.05
Рубрики: МАТЕМАТИЧЕСКИЕ МОДЕЛИ
МОДЕЛИ ВОСПРИЯТИЯ
ТЕОРИЯ ИНФОРМАЦИИ
БАЙЕСОВСКИЕ СЕТИ

Доп.точки доступа:
Besson, Patricia; Richiardi, Jonas; Bourdin, Christophe; Bringoux, Lionel; Mestre, Daniel R.; Vercher, Jean-Louis

15.
РЖ ВИНИТИ 76 (BI38) 16.04-04А3.50

   
    using multidimensional Bayesian network classifiers toassist the treatment of multiple sclerosis [Text] / Juan Diego Rodriguez [et al.] // IEEE Trans. Syst., Man, and Cybern. C. - 2012. - Vol. 42, N 6. - P1705-1715 : 12 ил. - 55 . - ISSN 1094-6977
Перевод заглавия: Использование классификаторов на основе байесовских сетей для помощи в лечении рассеянного склероза
Аннотация: Разработаны классификаторы на основе байесовских сетей, обеспечивающие возможность учета зависимости между различными факторами в анализе времени, необходимого для оценки тяжести заболевания. Достоинством метода является точность анализа и интерпретируемость полученных результатов. Разработан также многокритериальный метод обучения классификаторов. Показана практическая эффективность классификаторов. Испания, Intelligent sys Group, Dep. of Computer Sci. and Artificial Intelligence, Univ. of the Basque Country, 20018 San Srbactian. E-mail:juandiego.rodriguez@ehu.es
ГРНТИ  
76.03.59
,    34.05.25
ВИНИТИ 761.03.59.09.02 + 341.05.25.15.29
Рубрики: КЛАССИФИКАТОРЫ
БАЙЕСОВСКИЕ СЕТИ
РАССЕЯННЫЙ СКЛЕРОЗ
ЛЕЧЕНИЕ

Доп.точки доступа:
Rodriguez, Juan Diego; Perez, Arirz; Arteta, David; Tejedor, Diego; Lozano, Jose A.

16.
Патент 2563437 Российская Федерация, МКИ A61B 5/00 (2006.01).

   
    Способ прогнозирования исходов рака молочной железы [Текст] / Г. П. Генс [и др.] ; МГМСУ. - № 2014125822/14 ; Заявл. 26.06.2014 ; Опубл. 20.09.2015
Аннотация: Изобретение относится к медицине, а именно к персонифицированной медицине с использованием молекулярно-биологических и клинических данных в онкологии, и может быть использовано для предсказания риска прогрессирования и смерти больных раком молочной железы. Используют наивные байесовские сети, оптимизированные по числу узлов до получения максимальной величины площади под ROC-кривой. Определяют значимые параметры, влияющие на исход рака молочной железы. Для прогноза прогрессирования заболевания значимыми параметрами являются возраст на момент операции, менструальный статус, категория N - лимфоузлы, экспрессия рецепторов прогестерона, экспрессия рецептора HER-2/neu, предоперационная лучевая терапия, неоадъювантная химиотерапия. Для прогноза смерти пациентки значимыми параметрами являются менструальный статус, категория Т - размер опухоли, категория N - лимфоузлы, молекулярно-биологический подтип, уровень экспрессии мРНК YB-1, предоперационная лучевая терапия, гормонотерапия. На основании данных, полученных при построении ROC-кривых, строят гистограммы риска исходов рака молочной железы, связывающие условную вероятность исходов с абсолютной вероятностью соответствующего исхода. По полученной величине с помощью гистограмм риска абсолютной вероятности определяют прогноз соответствующего исхода - прогрессирование или смерть. Способ обеспечивает повышение точности прогнозирования исходов рака молочной железы в результате оптимизации байесовской сети (БС) за счет получения максимальной величины площади под ROC-кривой, облегчение задачи врача по принятию решения о тактике ведения пациентки за счет небольшого числа прогностических параметров, возможность использования вероятностных моделей с большим числом узлов
ГРНТИ  
76.29.49
ВИНИТИ 761.29.49.55.03
Рубрики: РАК МОЛОЧНОЙ ЖЕЛЕЗЫ
ПРОГНОЗ
БАЙЕСОВСКИЕ СЕТИ
ЧЕЛОВЕК

Доп.точки доступа:
Генс, Г.П.; Сулимов, В.Б.; Моисеева, Н.И.; Сулимов, А.В.; Овсий, О.Г.; МГМСУ
Свободных экз. нет
 
Описание базы
Стандартный
По словарю
Расширенный
Профессиональный
Распределенный
ГРНТИ



"Электронные каталоги и базы данных библиотек СО РАН"
© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)