RUS  ENG
Полная версия
ЖУРНАЛЫ // Математическое моделирование // Архив

Матем. моделирование, 2025, том 37, номер 3, страницы 144–158 (Mi mm4616)

Сравнительный анализ и применение алгоритмов кластеризации многомерных медицинских данных

С. П. Дударовa, В. В. Куниевскийa, А. Г. Матроскинb, И. В. Рахмановаc

a ФГБОУ ВО «Российский химико-технологический университет им. Д.И. Менделеева»
b ГБУЗ «Морозовская детская городская клиническая больница Департамента здравоохранения города Москвы»
c ФГАОУ ВО «Российский национальный исследовательский медицинский университет им. Н.И. Пирогова»

Аннотация: Представлены преимущества и недостатки использования методов кластеризации с помощью нейронной сети Кохонена и алгоритма DBSCAN при решении задач анализа многомерных медицинских данных. Разобран пример применения методов кластеризации для выявления связи развития сенсоневральной тугоухости у новорожденных детей с заболеванием, вызванным вирусом COVID-19, у самих детей или у их матерей во время беременности. Рассмотренные методы использованы для подготовки рекомендаций по наблюдению новорожденных в зависимости от результатов кластеризации данных об их обследовании и анамнезе. Применение методов кластеризации в медицине расширяет арсенал инструментов исследователей и практикующих врачей, использующих их с целью диагностики, прогнозирования течения заболеваний, развития патологий и формирования плана лечения.

Ключевые слова: нейронная сеть Кохонена, алгоритм DBSCAN, кластеризация, анализ данных, медицинская диагностика, медицинские рекомендации, вирус COVID-19, сенсоневральная тугоухость.

Поступила в редакцию: 10.10.2024
Исправленный вариант: 07.03.2025
Принята в печать: 17.03.2025

DOI: 10.20948/mm-2025-03-10



© МИАН, 2025