emr Управление образованием: теория и практика Education Management Review 2311-2174 Индивидуальный предприниматель Подколзин М.М. 227 10.25726/v0077-0284-6922-y Articles Использование нейросетей как инструмента для прогнозирования врождённой расщелины лица и внедрение разработанной модели в образовательный процесс для студентов медицинских вузов стоматологического факультета The use of neural networks as a tool for predicting congenital facial cleft and the introduction of the developed model into the educational process for students of medical universities of the Faculty of Dentistry Чернобровкина Мария Игоревна Chernobrovkina Maria I. tchernobrovik@mail.ru Северо-Западный государственный медицинский университет имени И.И. Мечникова North-Western State Medical University named after I.I. Mechnikov 10 02 2022 11 6 190 194 25 01 2022 © 2022 Управление образованием: теория и практика © 2022 Education Management Review 2022 Управление образованием: теория и практика Education Management Review Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная. This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License. Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние). The metadata of this record are distributed under the Creative Commons CC0 1.0 Universal Public Domain Dedication.

Статья знакомит читателя с разработанной прогностической моделью, созданной на основании применения глубоких нейронных сетей. Данная модель может быть адаптирована как для развитых, так и для развивающихся стран в особенности с целью прогнозирования объёмов оказания высокоспециализированной медицинской помощи для пациентов с аномалиями развития лица с учётом эпидемиологической ситуации в мире и в данной стране, расово-этнических факторов, популяционных генетических доминант, эпигенетических факторов и других корреляционно значимых характеристик.

Proposed model for cleft prediction using deep neural network was considered in this article. Machine learning-based solutions create valuable decisions both for developed and developing countries with the aim for prediction the volume of highly specialized medical care for patients with facial malformations according to epidemiological situation, racial and ethnic factors, population genetic features, epigenetic factors and other significant characteristics.

 cleft lip and palate orofacial defect machine learning cleft prediction pre-birth prediction eep neural network врождённая расщелина лица аномалии лица машинное обучение прогностическая модель глубокие нейронные сети Исследование выполнено без внешнего финансирования. The study was conducted without external funding. metadata-license CC0 1.0

Список литературы Deep learning a boon for biophotonics? / P. Pradhan, S. Guo, O. Ryabchykov et al. // J Biophotonics. – 2020. – № 13. – P. 1–24. Deep Learning in Medical Image Analysis / H. P. Chan, R. K. Samala, L. M. Hadjiiski et al. // Adv Exp Med Biol. – 2020. – № 121. – P. 3–21. Deep learning in spiking neural networks / C. Spoldi, L. Castellani, C. Pipolo et al. // A. Tavanaei, M. Ghodrati, S. Reza et al. // Neural Netw. – 2019. – № 111. – P. 47–63. Isolated olfactory cleft involvement in SARS-CoV-2 infection: prevalence and clinical correlates / C. Spoldi, L. Castellani, C. Pipolo et al. // Eur Arch Otorhinolaryngol. – 2021. – № 278. – P. 557–560. Kriegeskorte, N. Neural network models and deep learning / N. Kriegeskorte, T. Golan // Curr Biol. – 2019. – № 29. – P. 231–236. Maternal biomarkers of methylation status and non-syndromic orofacial cleft risk: a meta- analysis / R. Blanco, A. Colombo, R. Pardo et al. // Int J Oral Maxillofac Surg. – 2016. – № 45. – P. 1323–1332. Use of antiepileptic medications in pregnancy in relation to risks of birth defects / М. М. Werler, K. A. Ahrens, J. L. Bosco et al. // Ann Epidemiol. – 2011. – № 21. – P. 842–850.