Застосування нейронних мереж для автоматичної класифікації урофлоуграм

Квятковський, О.Є. and Квятковський, Є.А. and Квятковська, Т.О. (2021) Застосування нейронних мереж для автоматичної класифікації урофлоуграм. Урологія = Urology, Т. 25 (1). pp. 62-70. ISSN 2307-5279

Text 231367-Текст статті-529387-1-10-20210516.pdf Download (352kB)

Abstract

Урофлоуметрія (УФМ) – клінічний метод неінвазійного дослідження уродинаміки нижніх сечових шляхів, який може використовуватися як скринінговий. Не завжди кількісні значення показників, що знаходяться в межах вікової норми, свідчать про відсутність порушень сечовипускання. У трактуванні урофлоуграм важливе значення надають графічному типу кривих. Пропоновані раніше декілька способів автоматичної класифікації урофлоуграм, в тому числі із застосуванням нейронних мереж, визначали обмежену кількість типів урофлоуграм і мали недостатньо високу точність. Метою дослідження є удоско-налення комп’ютерних способів обробки результатів УФМ із застосуванням нейронних мереж та створення способу, який дає можливість проведення скринінгових досліджень сечовипускання і визначення до дев’яти типів урофлоуграм. Для розробки системи розпізнавання даних УФМ на основі нейромережевого класифікатора був використаний набір з 7843 результатів УФМ. Дані були класифіковані за 9 типами на підставі вивчення наукової літератури і багаторічного власного досвіду проведення УФМ. Результати УФМ випадковим чином розбивалися на навчальну і тестову вибірки в співвідношенні 70% і 30%. Тестування системи виконувалося на 2352 урофлоуграмах. Щоб переконатися в незалежності одержуваних результатів від розбиття набору даних, використовувалася валідація послідовним випадковим семплюванням. Вік пацієнтів варіював від 18 до 90 років. Урофлоуметрію проводили за допомогою урофлоуметра «Потік-К» (розробник О.Є. Квятковський). У результаті апробації різних варіантів нейронних мереж нами була обрана п’ятишарова архітектура мережі Fully Convolutional Network (FCN). В її оригінальну архітектуру були внесені поліпшення. Окрім чисельних параметрів УФМ враховувалися стать і вік пацієнта, а також обчислювалися процентилі номограм максимальної і середньої об’ємної швидкості потоку сечі. Особливістю було те, що на вхід нейронної мережі, окрім чисельних параметрів УФМ, подавався увесь графік об’ємної швидкості потоку сечі при сечовипусканні. У процесі удосконалення системи класифікації частка вірних відповідей була підвищена з 82,9 % на початку до 93,4% у фінальній версії. Спосіб автоматичної класифікації з виділенням 9 типів урофлоуграм забезпечує можливість ви-значення нормального сечовипускання з високою точністю – 96,3%. Серед патологічних типів урофлоуграм точність ідентифікації переривчас-того та обструктивно-переривчастого сечови-пускання, що найчастіше визначає синдром детрузорно-сфінктерної диссинергії, склала 92,8% і 96,4%, стрімкого сечовипускання, що характеризує синдром гіперактивного сечового міхура, – 93,3%, обструктивного і обструктивно-перерв-ного сечовипускання, що в основному визна-чає інфравезикальну обструкцію, – 90,2% і 91,3%, перервного сечовипускання і сечовипускання з високим стартом – 92,3% і 80,8%. Для скринінгу сечовипускання позитивним є те, що комп’ютерна програма дозволяє виявити початкові порушення сечовипускання: урофлоуграма типу «неактивний потік» (передобструктивне сечовипускання), визначається з точністю 92,3%. Отримані результати пройшли тестування на великій кількості урофлоуграм і достатні для практичного застосування. Можлива видача автоматичних висновків при масових скринінгових урофлоуметричних дослідженнях уродинамі-ки нижніх сечових шляхів. Запропонована О.Є. Квятковським комп’ютерна програма з використанням нейронних мереж дозволяє за-ощадити час діагностичного процесу та зробити оцінку урофлоуграм більш надійною

Item Type:	Article
Additional Information:	DOI: 10.26641/2307-5279.25.1.2021.231367
Uncontrolled Keywords:	Keywords: uroflowmetry, neural networks, automatic classification of uroflowgrams
Subjects:	Urology Physiology
Divisions:	Departments > Human Anatomy, Clinical Anatomy and Operative Surgery University periodicals > Урологія
Depositing User:	Ирина Медведева
Date Deposited:	13 Jul 2026 08:38
Last Modified:	13 Jul 2026 08:38
URI:	http://repo.dma.dp.ua/id/eprint/10161

Actions (login required)

View Item