Экспериментальные исследования тестов группы «Здоровье»

Экспериментальные исследования показателей качества предложенных методов и алгоритмов прогнозирования проводились посредством тестирование больных заболеваниями, являющимися критичными для работников МЧС, находящихся на стационарном лечении, и группы здоровых работников МЧС.

Эксперименты проводились на группе больных желудочно-кишечными заболеваниями и группе больных из травматологического отделения.

В экспериментах использовали три «слабых» классификатора, построенных по трем подпространствам информативных признаков: психологические, физиологические, комбинированные (психологические и физиологические).

В качестве источника психологических признаков использовался тест Леонгарда. Схема пространства информативных признаков для экспериментальных исследований представлена на рисунке 6.44.

Рисунок 6.44 - Структура пространства информативных признаков

В таблице 6.17 приведен фрагмент ТЭД для признакового пространства со структурой, представленной в разделе 6.1. Для процедуры сравнения с известными методами использовался дискриминантный анализ в системе Statistica. Результаты дискриминантного анализа в комбинированном признаковом пространстве показаны в таблице 6.18.

Таблица 6.17 - Фрагмент рабочей таблицы признаков по результатам эксперимента с тестом Леонгарда

В результате дискриминантного анализа получили статистическую модель

y₁= 2,69x₁+0,81x₂—0,58x₃+0,73x₄-0,96x₅+ +0,79x₆+0,37x₇-2,20x₈+2,28x₉+1,82x₁₀+1,47x₁₁-1,11x₁₂+4,26x₁₃+0,95x₁₄+ +1,42x15-1,23x16-481,79 для первого класса (здоровые) и y2= 2,82x1+0,81x2- -1,06x₃+0,87x₄-1,06x₅+0,99x₆+0,42x₇-2,20x₈+2,64x₉+1,76x₁₀+1,50x₁₁-1,14x₁₂+ +4,26x₁₃+0,99x₁₄+1,46x₁₅-1,21x₁₆-494,46 для второго класса.

Таблица 6.18 - Коэффициенты классификационных функций для мужчин на основе комбинированного пространства информативных признаков

Правильно и ошибочно классифицированные данные контрольной выборки представлены в таблице 6.19.

Таблица 6.19 - Таблица контрольных испытаний для мужчин на основе комбинированного пространства информативных признаков, для эксперимента с тестом Леонгарда, при прогнозировании с помощью дискриминантного анализа

Диагностическая чувствительность модели по контрольной выборке равняется 86,67%, диагностическая специфичность - 82,35%,

диагностическая эффективность - 84,38%.

В таблице 6.20 представлены результаты контрольных испытаний решающего модуля, реализованного на основе предлагаемого метода. Для настройки решающего модуля использовалась ТЭД, в которой содержалось по сто объектов на класс.

Таблица 6.20 - Таблица контрольных испытаний для мужчин на основе всего пространства информативных признаков, для эксперимента с тестом

Леонгарда при прогнозировании с помощью предлагаемого метода

Диагностическая чувствительность модели на контрольной выборке равняется 93,33%, диагностическая специфичность - 100,00%,

диагностическая эффективность - 96,88%.

Алгоритм прогнозирования риска заболеваний на основе предлагаемого метода представлен на рисунке 6.45. Алгоритм работает следующим образом (рисунок 6.45).

При обращении лица мужского пола к врачу терапевту вводятся данные из медицинской карты: фамилия, имя, отчество, дата рождения, номер страхового полюса, адрес по месту прописки (Блок 1). Затем медицинский работник определяет физиологические параметры (возраст, рост, вес, пульс, САД, ДАД) и проводит психологическое тестирование при помощи теста Леонгарда (Блоки 2 и 3). Следующим этапом является формирование пространства информативных признаков (Блок 4).

В блоке 5 экспертом (врачом) проводится субъективная оценка полученных данных, и если возникает подозрение о существовании ошибок (неправильная работа измерительных устройств, например, тонометра, неправдоподобные ответы на опросник) в полученных экспериментальных данных, сбор данных осуществляется повторно. После получения экспериментальных данных, которые удовлетворяют исследователя, в соответствии с отобранными признаками, проводится выбор нейросетевой (Блок 6) или дискриминантной (Блок 7) модели. Модель выбирается в зависимости от структуры рабочего пространства информативных признаков. Моделирование осуществляется с помощью программного модуля «Neurowork» (Блок 8) и/или с помощью дискриминантного анализа (Блок 8). Затем выводится результат о риске возникновения у данного обследуемого ИБС: класс риска ω₀ - «Есть предрасположенность», ω₁ - «Нет

предрасположенности» (Блок 10).

В блоке 11 осуществляется выбор: завершить или продолжить исследование.

Рисунок 6.45 - Схема алгоритма прогнозирования риска заболеваний

на основе предлагаемого метода

В случае необходимости продолжения исследования в блоке 12 реализован выбор возможного пути дальнейшего исследования: 1 - из списка моделей для прогнозирования предрасположенности можно выбирать как моделирование по подпространству психологических признаков так и по подпространству физиологических признаков, 2 - предусматривает

получение подпространства информативных признаков в случае если обследуемый тестировался только по одному из видов обследования (психологическое тестирование или измерение физиологических параметров).

Данный алгоритм позволяет проводить диагностику предрасположенности к профессиональным заболеваниям, как на основе психологических и физиологических параметров в отдельности, так и использовать все пространство информативных признаков, также, возможно получение нескольких результатов в зависимости от выбранной нейросетевой или дискриминантной модели.

Из выше приведённых вычислений можно сделать вывод о том, что показатели вероятности правильной классификации при прогнозировании с помощью гибридных нейросетевых моделей выше, чем при прогнозировании с помощью дискриминантного анализа.

На рисунке 6.46 представлена диаграмма показателей качества классификации для женщин шести классифицирующих моделей, которые являются комбинациями двух методов классификации (дискриминантный анализ и нейронные сети) и трех признаковых пространств. Максимальная диагностическая чувствительность, диагностическая специфичность, диагностическая эффективность (ДЧ=100%, ДС=100%, ДЭ=100%) наблюдается при прогнозировании с помощью нейронной сети с использованием всех психологических признаков, а также при добавлении к данным признакам одного физиологического параметра - пульсового давления. Наибольшая эффективности классификации посредством дискриминантного анализа наблюдается при прогнозировании на основе

«значимых» психологических и физиологических параметров (ДЧ=89,47%, ДС=93,75%, ДЭ=91,43%). Вероятность правильной классификации по физиологическим и психологическим признакам, а также с использованием комбинированного признакового пространства достаточно высока при применении обоих методов прогнозирования используемых в представленном эксперименте.

Рисунок 6.46 - Диаграмма показателей качества для шести моделей прогнозирующей системы для лиц женского пола при прогнозировании с тестом Леонгарда

Из выше приведённых вычислений можно сделать вывод о том, что показатели вероятности правильной классификации при прогнозировании с помощью нейросетевого моделирования выше, чем при прогнозировании с помощью дискриминантного анализа.

На рисунке 6.47 представлена диаграмма показателей качества классификации для мужчин шести классифицирующих моделей, которые являются комбинациями двух методов классификации (дискриминантный

анализ и нейронные сети) и трех признаковых пространств. Максимальная диагностическая чувствительность, диагностическая специфичность, диагностическая эффективность (ДЧ=100%, ДС=100%, ДЭ=100%) наблюдается при прогнозировании с помощью нейронной сети с использованием всех психологических признаков, а также при добавлении к данным признакам одного физиологического параметра - пульсового давления, и при прогнозировании на основе факторного пространства. Наибольшая, эффективность классификации по средствам дискриминантного анализа наблюдается при прогнозировании на основе психологических параметров (ДЧ=93,33%, ДС=88,24%, ДЭ=90,63%).

Рисунок 6.47 - Диаграмма показателей качества для шести моделей прогнозирующей системы для лиц мужского пола при прогнозировании с тестом Леонгарда

Вероятность правильной классификации по физиологическим и психологическим признакам, а также с использованием комбинированного признакового пространства достаточно высока при применении обоих методов прогнозирования используемых в рассмотренном эксперименте.

6.6