Please enable JavaScript.

Coggle requires JavaScript to display documents.

Литературный обзор - Coggle Diagram

- - - - [Saadeh, S., Cammell, G., Carey, W. D., Younossi, Z., Barnes, D., & Easley, K. (2001). The role of liver biopsy in chronic hepatitis C. Hepatology, 33(1), 196-200]
      - [Appropriateness of Liver Biopsy]
- - - - Сверточные сети
        
        [A liver fibrosis staging method using cross-contrast network]
        
        Статья посвящена для классификации фиброза печени. Предлагается метод CCNN для классификации болезни неалкогольной жировой болезни печени по снимкам компьютерной томографии печени. Метод CCNN сочетает в себе преимущество статистического анализа и сверточной нейронной сети. Данный метод применен на наборе данных, состоящий из 34 человек. Наибольшая точность получена на бинарных классификациях F3 и F4, F0 и F3 и F1 и F3 категорий (98%). Общая точность 71%
      - ANN
        
        [Improving the Classification of Cirrhotic Liver by using Texture
        Features]
        
        Два признака формы вычисляются из сегментированной области печени, а семь текстурных признаков количественно оцениваются с помощью метода разности уровней серого (GLDM) в пределах малой области интересов (ROIs). Степень цирроза определяется интеграцией особенностей формы и текстуры печени в трехслойную искусственную нейронную сеть (ИНС).
        
        [Orczyk, T.; Porwik, P.: Liver fibrosis diagnosis support system using machine learning methods. Adv. Comput. Syst. Secur. 395, 111–121 (2015)]
        
        Использовали различные
        методы интеллектуального анализа данных, включая хи-квадрат для выбора признаков, дерево решений для индукции правил и искусственную нейронную сеть (ANN) для окончательного этапа классификации. Их методология использовала передовые фиброзные биомаркеры для прогнозирования стадии фиброза. Орчик и Порвик
    - - [Liver fibrosis staging using CT image texture analysis and softcomputing]
        
        В этом исследовании был разработан неинвазивный, недорогой и относительно точный метод определения стадии фиброза печени путем анализа некоторых текстурных особенностей печеночных Ктимагов. В этом подходе на КТ-изображениях были выбраны некоторые подходящие области интересов, и из этих областей был получен полный набор текстурных признаков с использованием различных методов, таких как матрица встречаемости серого уровня (GLCM), метод Лоусона, дискретное вейвлет-преобразование (DWT) и фильтры Габора.Впоследствии последовательный плавающий прямой отбор и исчерпывающие методы поиска были использованы в различных комбинациях для отбора наиболее различимых признаков. Наконец, выбранные текстурные характеристики были классифицированы с использованием двух методов, а именно, машин опорных векторов (SVM) и k-ближайших соседей(k-NN)
  - - - [A Fibrosis Diagnosis Clinical Decision Support System Using Fuzzy Knowledge]
        
        Это нечеткая экспертная система, основанная на знаниях, для прогнозирования стадии фиброза печени. F2DS тщательно базируется на наборе методов получения знаний и машинного обучения. Кроме того, система зависит от экспертных знаний предметной области для проектирования функций принадлежности и проверки базы нечетких знаний. Это зависит от подходящего списка из 17 симптомов и особенностей лабораторных тестов, которые могут точно и значительно описать пациентов с фиброзом. Экспериментальные результаты экспертной системы были получены с использованием реального набора данных Института печени университета Мансуры, Египет, из 119 пациентов, инфицированных хроническим вирусным гепатитом С. Производительность системы оценивалась по многим показателям, достигая точности тестирования 95,7%. Оценка предложенной нечеткой экспертной системы показывает ее способность с высокой степенью точности диагностировать стадии фиброза печени и может быть внедрена в качестве компонента в систему здравоохранения для оказания помощи врачам в их повседневной практике. Кроме того, студенты, обучающиеся медицине, могут извлечь выгоду из этой системы.
  - - - В общей сложности 733 пациента с НАЖБП, подтвержденной биопсией печени, были разделены на 2 группы для построения (n = 480) и проверки (n = 253) балльной системы. Обычные демографические, клинические и лабораторные переменные были проанализированы с помощью многомерного моделирования для прогнозирования наличия или отсутствия выраженного фиброза. Возраст, гипергликемия, индекс массы тела, количество тромбоцитов, альбумин и соотношение АСТ / АЛТ были независимыми индикаторами выраженного фиброза печени. Система оценки с этими 6 переменными имела площадь под кривой рабочих характеристик приемника 0,88 и 0,82 в группах оценки и проверки, соответственно. Применяя низкий показатель отсечения (-1,455), развитый фиброз можно было исключить с высокой точностью (отрицательная прогностическая ценность 93% и 88% в группах оценки и валидации, соответственно). Применяя высокий пороговый балл (0,676), можно было диагностировать развитый фиброз с высокой точностью (положительная прогностическая ценность 90% и 82% в группах оценки и валидации, соответственно). Применяя эту модель, можно было бы избежать биопсии печени у 549 (75%) из 733 пациентов, с правильным прогнозом у 496 (90%). выраженный фиброз можно было исключить с высокой точностью (отрицательная прогностическая ценность 93% и 88% в группах оценки и валидации, соответственно). Применяя высокий пороговый балл (0,676), можно было диагностировать развитый фиброз с высокой точностью (положительная прогностическая ценность 90% и 82% в группах оценки и валидации, соответственно).