Воронеж, Воронежская область, Россия
УДК 617.55 Живот (abdomen s. venter). Брюшная стенка
В работе представлено решение проблемы разработки в помощь практикующему хирургу автоматизированной мобильной системы принятия решений по выбору типа хирургической пластики и математического прогноза показателей больных с послеоперационными разноразмерными срединными грыжами передней брюшины. Выполнен литературный обзор по методам и способам хирургического лечения грыж передней стенки брюшины, по математическому моделированию послеоперационного состояния пациентов, по использованию искусственных нейронных сетей в медицинской практике. На основе сатурации крови кислородом реализовали оценку внутрибрюшного давления. Адекватность и значимость параметров моделей определяли, ввиду нелинейности последних, по величине относительной ошибки. Для грыж средних размеров выполнили сравнительное нейросетевое моделирование показателей состояния пациентов, которое не выявило преимущества использования многослойных персептронов. Программный модуль для нейросетевого моделирования реализован на языке Python версии 3.11.7 в среде программирования Spyder. Реализовали ранжирование видов грыж, которое может быть выполнено по их средним размерам, а ранжирование операционных методов выполни-ли по степени их сложности от 1 до 6. Таким образом, в среде Xcode 12.5.1 на языке Objective-C разработана и реализована автоматизированная мобильная система принятия решений для смартфона iPhone фирмы Apple
Грыжи живота, выбор типа пластики, математическая модель, персептрон, прогнозирующая программа
1. Клюшкин, И. В. Послеоперационные вентральные грыжи: частота, причины, хирургическая помощь / И.В. Клюшкин, Р.И. Фатыхов, Р. Р. Шавалеев // Вестник современной клинической медицины. – 2020. – Т.13, № 5. – С. 26-30.
2. Brandl A., Laimer E., Perathoner A., Zitt M., Pratschke J., Kafka-Ritsch R. Incisional hernia rate after open abdomen treatment with negative pressure and delayed primary fascia closure. Hernia 2014;18(1):105-111, https://doi.org/10.1007/s10029-013-1064-0
3. Hanna E.M., Byrd J.F., Moskowitz M., Mann J.W., Stockamp K.T., Patel G.N. Outcomes of a prospective multi-center trial of a second-generation composite mesh for open ventral hernia repair. Hernia 2014;18(1):81-90, https://doi.org/10.1007/s10029-013-1078-7
4. Черных, А. В. Экспериментально-клиническое изучение нового способа уменьшения внутрибрюшного давления при протезирующей герниопластике Sublay по поводу срединных послеоперационных грыж / А. В. Черных, Е. И. Закурдаев, Н. В. Якушева, М. П. Закурдаева // Оперативная хирургия и клиническая анатомия. – 2017. – №1 (1). – С.37-43. (in Russ.) DOI:https://doi.org/10.17116/operhirurg20171137-43
5. Verhelst J., Timmermans L., van de Velde M., Jairam An., Vakalopoulos K.A., Jeekel J., Lange J.F. Watchful waiting in incisional hernia: Is it safe? Surgery 2015;(157):297-303, https://doi.org/10.1016/j.surg.2014.09.017
6. Белоконев, В. И. Передняя протезирующая герниопластика комбинированным способом при больших и гигантских вентральных грыжах / В.И. Белоконев, Ю. В. Пономарева, С. Ю. Пушкин и [др.] // Хирургия. Журнал им. Н.И. Пирогова. – 2018. – №5. – С.45-50. (inRuss.) DOI:https://doi.org/10.17116/hirurgia2018545-50
7. Ермолов, А. С. Послеоперационные вентральные грыжи - нерешенные вопросы хирургической тактики / А. С. Ермолов, В. Т. Корошвили, Д. А. Благовестнов // Хирургия. Журналим. Н. И. Пирогова. – 2018. № 10. – С. 81-86.
8. Pham T.D., Le D.T.P., Xu J., Nguyen D.T., Martindale R.G., Deveney C.W. Personalized identification of abdominal wall hernia meshes on computed tomography. Computer methods and programs in biomedicine 2014;(113):153-161, https://doi.org/10.1016 /j.cmpb.2013.09.019
9. Чередников, Е. Ф. Выбор способа хирургического лечения пациентов с послеоперационными срединными вправимыми грыжами на основе не инвазивной оценки внутрибрюшного давления / Е. Ф. Чередников, Г. В. Полубкова, А. А. Глухов, С. А. Скоробогатов // Вестник экспериментальной и клинической хирургии. – 2017. – №10 (2). – С.103-110. (inRuss.) DOI:https://doi.org/10.18499/2070-478X-2017-10-2-103-110
10. Заворотний, О. О. Возможности прогнозирования летального исхода тяжело обожженных на основе методов регрессионного анализа / О. О. Заворотний, Е.В. Зиновьев, Д.В. Костяков // Вестник хирургии им. И.И. Грекова. – 2020. – Т. 179, №5. – С. 21-29. https://doi.org/10.24884/0042-4625-2020-179-5-21-29
11. Лебедев, Н. В. Сравнительная оценка систем прогноза вторичного перитонита / Н. В. Лебедев, В. С. Попов, А. Е. Климов, Г. Т. Сванидзе //Хирургия. Журнал им. Н. И. Пирогова. – 2021. – № 2 – С. 27-31. https://doi.org/10.17116/hirurgia202102127
12. Киреева, К. А. Разработка искусственной нейронной сети для классификации ЭКГ / К. А. Киреева, Л. А. Коробова, Д. В. Арапов // Моделирование систем и процессов. – 2023. – Т. 16, № 3. – С. 42 – 54.
13. Arapov D. V., Tikhomirov S. G., Chertov E. D., Khaustov I.A., Kudryashov V. S., Saiko D. S. Determination of Parameters Assigned to an Anti-Surge Controller in a Turbocompressor Automation Systems. Chemical and Petroleum Engineering 2018;53(9-10):653-657, https://doi.org/10.1007/s10556-018-0397-z
14. Arapov D. V., Karmanova O. V., Tikhomirov S. G., Denisenko V. V. Software-algorithmic complex for the synthesis of catalyst of ethylene acetoxylation process. International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management. SGEM. 2017; 17(21): 587-594. DOI:https://doi.org/10.5593/sgem2017/21/S07.075.
15. Арапов, Д. В. Прогнозирование состояния пациентов с вправимыми срединными грыжами живота с использованием математических моделей/ Д. В. Арапов, В. А. Курицын, С. А. Скоробогатов, Е. Ф. Чередников, Г. В. Полубкова // Вестник новых медицинских технологий. Электронноеиздание. – 2021. - № 4. С. 7 – 13. DOI:https://doi.org/10.24412/2075-4094-2021-4-1-1
16. Jensen K. K., Henriksen N.A., Harling H. Standardized measurement of quality of life after incisional hernia repair: a systematic review. Am. J. Surg. 2014;208(3):485-493.
17. Ивашкин, Ю. А. Агентные и нейросетевые технологии в ситуационном моделировании технологических систем / М.А. Никитина // Математические методы в технике и технологиях–ММТТ. –2021. – Т. 1. – С. 123-128.
18. Грачев, А. В. Применение нейросетевый технологий для прогнозирования состояния работы объектов предприятий АПК // Техника и технология пищевых производств. – 2023. – Т. 53, №4. – С. 816-823.
19. Arapov D.V, Kuritsyn V.A., Petrov S.M., Podgornova N.M. Simulation of the rate of dissolution of sucrose crystals. Journal of Food Engineering. 2021; 110887, https://doi.org/10.1016/j.jfoodeng.2021.110887
20. Hinton, G.E. Improving neural networks by preventing co-adaptation of feature detectors/ G.E. Hinton, N. Srivastava, A. Krizhevsky, I. Sutskever, R.R. Salakhutdinov// arXiv:1207.0580v1[cs.NE] 3 Jul 2012 https://doi.org/10.48550/arXiv.1207.0580
