Общий график принятых значений в данном классе

График при разделении классов на отдельный subplot.

График от индекса принимающих значение 1. Каждый subplot – Класс по МКБ10

Гистограмма индексов в классе при значении 1

График среднего значения по каждому предиктору в классах(МКБ10)

График среднего квадратичного значения по каждому предиктору в классах(МКБ10)

График среднего по всем классам(МКБ10) от всех предикторов

График среднего квадратичного по всем классам(МКБ10) от всех предикторов

Корреляционная матрица по предикторам

Корреляционная матрица по классам(МКБ10)

Анализы.

Max.

График распределения 1 и 0 по индексам

График принятых значений показателей по классам(МКБ10)

График показателей при принятии 1 по индексу

График показателей при принятии 0 по индексу

Гистограмма при принятии 1 по индексу

Гистограмма при принятии 0 по индексу

Среднее по классам(МКБ10)

Среднее по показателям в классах

Среднее квадратичное по классам(МКБ10)

Среднее квадратичное по показателям в классах(МКБ10)

Корреляционная матрица по классам(МКБ10)

Корреляционная матрица по показателям

MIN.

График распределения 1 и 0 по индексам

График принятых значений показателей по классам(МКБ10)

График показателей при принятии 1 по индексу

График показателей при принятии 0 по индексу

Гистограмма при принятии 1 по индексу

Гистограмма при принятии 0 по индексу

Среднее по классам(МКБ10)

Среднее по показателям в классах

Среднее квадратичное по классам(МКБ10)

Среднее квадратичное по показателям в классах(МКБ10)

Корреляционная матрица по классам(МКБ10)

Корреляционная матрица по показателям

Результаты работ.

При работе нейронов и анализа подхода к решению медицинской задачи требуется использование нескольких подходов. Начиная от самого простого, похожего по мышлению - беспокоящая система: подобное заболевание, до сопоставления сложных физиологических механизмов.

Для реализации таких подходов можно использовать либо схему описывающую ее полный подход, то есть каждый процесс возникающий, как в нормальном так и патологическом - записать в логической последовательности общих схем, что не может быть осуществимо, одним человеком, слишком большой и сложный подход.

Метод который предоставляем мы, для анализа 1 медицинской задачи используется решение 3 нейросетей в каждой которой по 22 прецептрона.. Первая нейросеть принимает на вход значений по бд класса по мкб10 порядково и такой же список количеством из 0. На выход принимает значения[ 1 и 0 ]. Этим мы добиваемся вычисление степени сродства и вероятностью между полным здоровьем и Вероятностью заболевания. На этом этапе вероятность остаётся очень относительной и ее показатели очень не информативны из-за рассматриваемых объемов. Однако, при загрузке и разделении бд на графы отвечающих за систему отклонившуюся от нормы мы приобретаем значения наименьших списков и вероятность сильно повышается.

По своей сущности этот перцептрон пытается нам сказать в каком классе по списку в каком столбце возникла наибольшая вероятность сродства и вернуть это вида 1.

2 нейронная сеть отвечает за интерпретированную задачу от общего списка. При анализе задаче мы встречаемся с проблемой либо не полноты заполненных данных, либо просто не учетом самой системы, либо каким то ещё другим фактором, который может оказывать сам алгоритм либо сам человек(недосказаность, вариант, когда человек скрывает правду или же ее искажает). При вариации когда виноват сам алгоритм мы можем это проверить и доказать и понять действительно ли он виноват или же он просто недополучил данных или же этот случай выходил за пределы возможностей алгоритма.

3 нейронная сеть отвечает за нахождение коэффициента, который позволит установить доминирующую систему. На данный момент он больше похож на коэффициент сродства включающийся системы к общей БД и уникальной БД формирующийся исходя от поданных предикторов.

 

При анализе задач, которые были решены мы получили довольно не плохие результаты если исходить из возможностей БД и методов подходов. Для достижения эффективных методов требуется еще немного поработать над алгоритмом подачи данных. На данный момент он является общим, что является не верным для анализа неполных данных или попросту отсутствующих.