Заключение

В диссертационной работе получены следующие основные результаты.

1. Проведен анализ методов и моделей прогнозирования сердечно­сосудистых заболеваний, на основе которого выбраны прогностические модели и математический аппарат, а также сформировано пространство информативных признаков для прогнозирования повторного инфаркта миокарда.

2. Разработан метод синтеза гетерогенных классификаторов и алгоритм его реализации, основанный на агрегации гетерогенных данных, характеризующих функционирование различных органов и подсистем организма и последовательными этапами усиления качества классификации, путем агрегировании «слабых» классификаторов в гетерогенный классификатор, позволяющий получать решающие правила для количественной оценки степени риска повторного инфаркта миокарда в реабилитационном периоде с требуемой для медицинской практики точностью.

3. Предложены структурно-функциональные решения организации виртуальных потоков путем комбинированного использования нейросетевого и МГУА моделирования, на базе которых разработан метод построения виртуальных моделей для гетерогенных классификаторов риска повторного инфаркта миокарда, основанный на исследовании показателей электропроводности биологически активных точек, позволяющий осуществлять переход от абсолютной шкалы к порядковой шкале оценки результатов тестирования.

4. Разработаны виртуальные модели классификации риска повторного инфаркта миокарда по результатам биоимпедансных исследований, первая из которых является моделью индивидуального риска и построена на основе полиномиальной аппроксимации вольтамперных характеристик в биоактивных точках с последующим нечетким логическим выводом, а вторая модель является моделью группового риска и использует экспоненциальную аппроксимацию тестовых сигналов для формирования виртуального потока, позволяющие агрегировать факторы риска по релевантным биологически активным точкам.

5.

6. Выполнен ROC-анализ качества принятия решений гетерогенными классификаторами по оценке риска повторного инфаркта миокарда на репрезентативных контрольных выборках. Исследовано пять гетерогенных классификаторов с последовательным увеличением числа решающих модулей, входящих в классификационную модель. При использовании всех решающих модулей в гетерогенном классификаторе получена диагностическая чувствительность 0,90 при диагностической специфичности 0,86. При конфигурации признакового пространства, включающей только традиционные факторы риска, показатели качества классификации не уступают известным шкалам риска сердечно-сосудистых осложнений.

Рекомендации. Результаты диссертационного исследования могут быть использованы для построений интеллектуальных систем поддержки принятия решений по прогнозированию риска сердечно-сосудистых заболеваний и их осложнений.

Перспективы дальнейшей разработки темы. Разработка методов и алгоритмов, предназначенных для персонифицированных медицинских систем интеллектуальной поддержки прогнозирования сердечно-сосудистых осложнений.