Медицинская Техника / Медицинская техника №3, 2021 / с. 47-49

Модель системы поддержки принятия решений в диагностике меланомы с применением искусственного интеллекта

В.Г. Никитаев, А.Н. Проничев, О.Б. Тамразова, В.Ю. Сергеев, Е.А. Дружинина, О.А. Медведева, М.А. Соломатин

Аннотация

Рассмотрены междисциплинарные подходы к созданию высокотехнологичных компьютерных систем диагностики меланомы с применением искусственного интеллекта. Предложенная модель отражает архитектуру интерактивной экспертной системы. Она включает в себя набор признаков современного медицинского алгоритма – алгоритма Киттлера, референсную базу знаний, рейтинговую оценку диагнозов для исследуемого клинического случая.

Вернуться к содержанию

Сведения об авторах

Валентин Григорьевич Никитаев, д-р техн. наук, профессор, зав. кафедрой, кафедра компьютерных медицинских систем,

Александр Николаевич Проничев, канд. техн. наук, доцент, отделение биотехнологий офиса образовательных программ, ФГАОУ ВО «Национальный исследовательский ядерный университет МИФИ»,

Ольга Борисовна Тамразова, д-р мед. наук, профессор, кафедра дерматовенерологии, факультет повышения квалификации медработников, ФГАОУ ВО «Российский университет дружбы народов»,

Василий Юрьевич Сергеев, канд. мед. наук, доцент, кафедра дерматовенерологии и косметологии, ФГБУ ДПО «Центральная государственная медицинская академия Управления делами Президента Российской Федерации»,

Екатерина Александровна Дружинина, аспирантка,

Ольга Александровна Медведева, студентка,

Михаил Андреевич Соломатин, студент, кафедра компьютерных медицинских систем, ФГАОУ ВО «Национальный исследовательский ядерный университет МИФИ», г. Москва,

e-mail: vgnikitayev@mephi.ru

Список литературы

1. Злокачественные новообразования в России в 2018 году (заболеваемость и смертность) / Под ред. А.Д. Каприна, В.В. Старинского, Г.В. Петровой. - М.: МНИОИ им. П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России, 2019. 250 с.

2. Никитаев В.Г. Высокотехнологичные информационно-измерительные комплексы онкологической диагностики: проблемы и ключевые положения методологии построения // Измерительная техника. 2015. № 2. С. 68-70.

3. Никитаев В.Г. Современные принципы измерений в интеллектуальных системах гистологической диагностики онкологических заболеваний // Измерительная техника. 2015. № 4. С. 68-70.

4. Argenziano G., Fabbrocini G., Carli P. et al. Epiluminescence microscopy for the diagnosis of doubtful melanocytic skin lesions. Comparison of the ABCD rule of dermatoscopy and a new seven-point check-list based on pattern analysis // Arch. Dermatol. 1998. Vol. 134. PP. 1563-1570.

5. Ламоткин И.А. Меланоцитарные и меланиновые поражения кожи / Учебное пособие. Атлас. – М.: Издательство «БИНОМ», 2014. 248 с.

6. Тюляндин С.А., Переводчикова Н.И., Носов Д.А. Клинические рекомендации Европейского общества медицинской онкологии (ESMO). – М.: Издательская группа РОНЦ им. Н.Н. Блохина РАМН, 2010. 436 с.

7. Menzies S.W., Ingvar C., Crotty K. et al. Frequency and morphologic characteristics of invasive melanomas lacking specific surface microscopic features // Arch. Dermatol. 1996. Vol. 132. PP. 1178-1182.

8. Жучков М.В., Булиньска А.К., Киттлер Г. Применение алгоритма «Хаос и Признаки» в оценке дерматоскопических изображений пигментных новообразований кожи // Дерматология (приложение к журналу «Consilium Medicum»). 2017. № 2. С. 5-13.

9. Codella N., Rotemberg V., Tschandl Ph. et al. Skin Lesion Analysis Toward Melanoma Detection 2018: A Challenge Hosted by the International Skin Imaging Collaboration (ISIC) / arXiv:1902.03368. 2019.

10. Marchetti M.A., Codella N., Dusza S. et al. International Skin Imaging Collaboration. Results of the 2016 International Skin Imaging Collaboration International Symposium on Biomedical Imaging challenge: Comparison of the accuracy of computer algorithms to dermatologists for the diagnosis of melanoma from dermoscopic images // J. Am. Acad. Dermatol. 2018. Vol. 78. № 2. PP. 270-277.

11. Wahba M.A., Ashour A.S., Guo Ya., Napoleon S.A., Elnaby M.M. A novel cumulative level difference mean based GLDM and modified ABCD features ranked using eigenvector centrality approach for four skin lesion types classification // Computer Methods and Programs in Biomedicine. 2018. Vol. 165. PP. 163-174.

12. Никитаев В.Г. Экспертные системы в информационно-измерительных комплексах онкологической диагностики // Измерительная техника. 2015. № 6. C. 67-70.