Иммунологический аспект применение нейросетей в диагностике гемобластозов

В качестве входных переменных были использованы следующие иммунологические параметры: лейкоциты, 109/л; лимфоциты, %; CD3+лимфоциты в %; CD3+лимфоциты 109/л; CD19+лимфоциты в %; CD19+лимфоциты 109/л; CD4+лимфоциты в %; CD4+лимфоциты 109/л; CD8+лимфоциты в %; CD8+лимфоциты 109/л; CD16+лимфоциты в %; CD16+лимфоциты 109/л; CD25+лимфоциты в %; lg-A/сыв. г/л; Ig-М/ сыв. г/л; Ig-G /сыв. г/л; фагоцитарный индекс в %; фагоцитарное число в м.т.; НСТ СВ базальн %; АВ стимулир %; резервные возм. АВ/СВ; ИРИ (CD4+/CD8+) (Рис. 1).

При создании нейросети использовался тип сети - многослойный персептрон. Алгоритм обратного распространения был выбран как основной для обучения многослойного персептрона.

Результаты и обсуждение. Теория нейросетевого анализа предполагает построение эмулированной нейросети с использованием ЭВМ. Полученная нейросеть, обладая несколькими слоями нейронов и определенными значением веса межнейрональной передачи, получая входные данные должна выдавать диагностически верный результат. Именно подстройка веса синапсов нейронов является регулируемым параметром, которое корректируется до тех пор, пока нейросеть не будет выдавать верные результаты на заранее известные значения вводные переменных.

В ходе исследования было проанализировано более 100 вариантов нейросетей и выбраны одна, которая в дальнейшем была натренирована по алгоритму обратного распространения (Рис. 2).

Рис. 1 Создание нейросети. Таблица входных и выходных данных

Рис. 2 Алгоритм обратного распространения

Тренировка полученной нейросети проводиласть до тех пор, пока уровень ошибки не приблизился к значению <0,01 и составил 0,005848 (рисунок 2). Процент правильных выходных данных нейросети составил 100%.

Таким образом, удалось за небольшой временной период (20-30 мин.) создать и обучить нейросеть, которая, по одним лишь данным иммунограммы, выдавала диагноз одного из четырёх вариантов гемобластоза и отличала больных и условно - здоровых..

Использование нейросетевого подхода к анализу множества исходных данных с целью постановки диагноза, по нашему мнению весьма перспективное направление исследований, так, как возможности нейросетей созданных на базе ЭВМ ограничены только вычислительными мощностями данных устройств и при современном развитии вычислительной техники (суперкомпъютеры с тактовой частотой процессора в 1 петафлопс и оперативной памятью в несколько сотен гигабайт) предвещают определенные положительные результаты.

Выводы

В ходе исследования, при использовании пакета Statistica Neural Networks была создана нейросеть использующая данные имунограмм для установления диагноза гемобластоза. Данная нейросеть (файл 1.bnt), а также входные и выходные данные размещены нами в сети Интернет (http://www.amursma.ru/immunomorf.zip).

Выявлен высокий процент верных результатов на выходе (100%) при уровне ошибки равном 0,005848.

Литература

1. Новик, А.А. Особенности иммунитета у больных лимфогранулематозом в процессе химиотерапии / А.А. Новик, В.Н. Цыгана, В.Ю.Никитина, Е.В. Долгополовой // Научно-информационный медицинский журнал.- 2001.-№1,- С.16-23.

2. Blair, A, Immunotherapeutic strategies in acute lymphoblastic leukaemia relapsing after stem cell transplantation. /N.J. Goulden, N.A. Libri, A Oakhill, DH Pamphilon. // Blood Rev. -2005.- V.6.-P.289-300.

3. Luczynski, W. Is cellular immunity not impaired after remission induction in acute lymphoblastic leukemia in children. / W. Luczynski, A. Stasiak-Barmuta, M. Krawczuk-Rybak, E. Kasprzycka, J. Zak, M. Nowakowska // Pol Merkuriusz Lek.- 2004.-№91.-P.17-21.

4. Luczynski, W. Acute lymphoblastic leukaemia cells express CCR7 but not higher amounts of IL10 after CD40 ligation. / W. Luczynski // Scand J Clin Lab Invest. - 2006.- № 66. - P. 1-9.

Размещено на Allbest.ru