Каталог книг

Кореневский Н.А. Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов

Перейти в магазин

Сравнить цены

Категория: Медицина

Описание

Сравнить Цены

Предложения интернет-магазинов
Леонид Григорьевич Доросинский Системы поддержки принятия решений в 2 ч. Часть 2. Учебное пособие для вузов Леонид Григорьевич Доросинский Системы поддержки принятия решений в 2 ч. Часть 2. Учебное пособие для вузов 219 р. litres.ru В магазин >>
Леонид Григорьевич Доросинский Системы поддержки принятия решений в 2 ч. Часть 1. Учебное пособие для вузов Леонид Григорьевич Доросинский Системы поддержки принятия решений в 2 ч. Часть 1. Учебное пособие для вузов 199 р. litres.ru В магазин >>
К.А. Аксенов, Н.В. Гончарова, О.П. Аксенова Системы поддержки принятия решений. Часть 2 К.А. Аксенов, Н.В. Гончарова, О.П. Аксенова Системы поддержки принятия решений. Часть 2 333 р. ozon.ru В магазин >>
К.А. Аксенов, Н.В. Гончарова Системы поддержки принятия решений. Часть 1 К.А. Аксенов, Н.В. Гончарова Системы поддержки принятия решений. Часть 1 325 р. ozon.ru В магазин >>
Татьяна Константиновна Кравченко Система поддержки принятия решений «ELECTRE» Татьяна Константиновна Кравченко Система поддержки принятия решений «ELECTRE» 152 р. litres.ru В магазин >>
Т. К. Кравченко Системы поддержки принятия решений при оценке эффективности инвестиционных проектов в телекоммуникационной сфере Т. К. Кравченко Системы поддержки принятия решений при оценке эффективности инвестиционных проектов в телекоммуникационной сфере 79.9 р. litres.ru В магазин >>
Людмила Викторовна Гадасина Системы поддержки принятия решений. Учебник и практикум для бакалавриата и магистратуры Людмила Викторовна Гадасина Системы поддержки принятия решений. Учебник и практикум для бакалавриата и магистратуры 929 р. litres.ru В магазин >>

Статьи, обзоры книги, новости

Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов

Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов Аннотация к книге Динамика цен на книгу Книги автора «Кореневский Н.А.» Книги серии «внесерийное издание» Книги издательства «ТНТ»

На этой странице собрана полная информация о книге "Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов" (Кореневский Н.А.).

Она входит в серию книг "внесерийное издание" издательства ТНТ.

Ее можно купить по выгодным ценам в 1 крупных интернет-магазинах России.

Книга «Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов» - постоянный участник в списках самых ожидаемых новинок 2014 года.

Хотите прочитать отрывок из книги или рецензии читателей - пожалуйста , просто перейдите на сайт интернет-магазина.

Чтобы найти другие книги автора у нас на сайте, вы можете воспользоваться быстрым поиском книг:

искать можно по разным параметрам, например, названию и автору.

Источник:

knigabook.com

Проектирование медицинских интеллектуальных систем поддержки принятия решений на основе нечетких информационных технологий – тема научной статьи по ме

Проектирование медицинских интеллектуальных систем поддержки принятия решений на основе нечетких информационных технологий Текст научной статьи по специальности «Медицина и здравоохранение» Аннотация научной статьи по медицине и здравоохранению, автор научной работы — Кореневский Н. А., Снопков В. Н., Бурмака А. А., Рябкова Е. Б.

В работе рассматриваются методы получения нечетких моделей для прогнозирования и медицинской диагностики в условиях неполного и нечеткого представления информации о решаемых задачах. Приводится практический пример получения правил нечеткого прогнозирования возникновения острого холецистита для системы поддержки принятия решений врача-гастроэнтеролога.

Designing intelligent medical decision support systems based on fuzzy information technology

This paper considers methods for fuzzy models for predicting and medical diagnosis in incomplete and unclear reporting tasks. Provides a practical example of the rules get fuzzy prediction of acute cholecystitis for decision support system doctor gastroenterologist.

Похожие темы научных работ по медицине и здравоохранению , автор научной работы — Кореневский Н.А., Снопков В.Н., Бурмака А.А., Рябкова Е.Б., Текст научной работы на тему «Проектирование медицинских интеллектуальных систем поддержки принятия решений на основе нечетких информационных технологий»

?Системы поддержки принятия врачебных решений

д.т.н., профессор, заведующий кафедрой биомедицинской инженерии Юго-Западного государственного университета, г. Курск, Россия В.Н. СНОПКОВ,

д.м.н., профессор кафедры биомедицинской инженерии Юго-Западного государственного университета, г. Курск, Россия А.А. БУРМАКА,

д.т.н., профессор кафедры биомедицинской инженерии Юго-Западного государственного университета, г. Курск, Россия Е.Б. РЯБКОВА,

аспирант кафедры биомедицинской инженерии Юго-Западного государственного университета, г. Курск, Россия

ПРОЕКТИРОВАНИЕ МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ НЕЧЕТКИХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Кореневский Н.А., Снопков В.Н., Бурмака АЛ., Рябкова Е.Б. Проектирование медицинских интеллектуальных систем поддержки принятия решений на основе нечетких информационных технологий (Юго-Западный государственный университет, г. Курск, Россия)

Аннотация: В работе рассматриваются методы получения нечетких моделей для прогнозирования и медицинской диагностики в условиях неполного и нечеткого представления информации о решаемых задачах. Приводится практический пример получения правил нечеткого прогнозирования возникновения острого холецистита для системы поддержки принятия решений врача-гастроэнтеролога.

Ключевые слова: прогноз, диагностика, нечеткая логика, информационные технологии, функция принадлежностей.

Korenevsky N.A., Snopkov V.N., Burmaka A.A., Ryabkova E.B. Designing intelligent medical decision support systems based on fuzzy information technology (Southwest State University, Kursk, Russia)

Abstract: This paper considers methods for fuzzy models for predicting and medical diagnosis in incomplete and unclear reporting tasks. Provides a practical example of the rules get fuzzy prediction of acute cholecystitis for decision support system doctor gastroenterologist.

Keywords: prediction, diagnosis, fuzzy logic, information technology, function accessories.

Анализ многочисленных литературных данных и собственные исследования позволили сделать вывод о том, что значительное число задач прогнозирования, ранней и дифференциальной диагностики в медицинских приложениях характеризуется сложностью формализации классов состояния здоровья организма, а в задачах прогнозирования и ранней диагностики различные классы сильно пересекаются в пространстве информативных признаков [2, 5, 8].

© Н.А. Кореневский, В.Н. Снопков, А.А. Бурмака, Е.Б. Рябкова, 2013 г.

Системы поддержки принятия врачебных решений

1 и информационные

> Кроме того, для целого ряда социально значимых задач построение прогностических и диагностических математических моделей характеризуется неполным и нечетким представлением исходных данных. В таких условиях рядом исследователей рекомендуется применять аппарат нечеткой логики принятия решений [1, 2, 3, 4, 6, 7, 9, 11]. Однако механизм синтеза нечетких решающих правил для многочисленных задач, возникающих в различных медицинских приложениях, изучен недостаточно. Особенно сложно решается вопрос выбора функций принадлежности к исследуемым классам состояний и способов их агрегации в финальные решающие правила.

В предлагаемой работе обобщаются результаты использования нечеткой логики принятия решений в медицине и даются рекомендации, направленные на повышение эффективности ее использования при решении задач практического здравоохранения, ориентированного на широкое использование современных информационных технологий.

Методы и типовая структура системы поддержки принятия решений

Исторически одним из первых примеров использования нечеткой логики в медицине являлись работы Е. Шортлифа, который в результате кропотливого обобщения методов, применяемых в реальной медицинской диагностике врачами различных специальностей, пришел к выводу, что соответствующие математические модели должны обладать свойствами накопления уверенности в принимаемых решениях по мере поступления соответствующих данных [7, 9].

Математически такая логика принятия решений по Е. Шортлифу описывается тремя основными формулами:

где CF1 — коэффициент уверенности в принимаемых решениях по гипотезе ш1; MB1(i) — мера доверия к гипотезе (диагнозу) l для i информативных признаков; MB1(xi+1) — мера доверия к гипотезе l от вновь поступившего признака на текущем шаге интеракции; MD1(i) — мера недоверия к гипотезе l для i информативных признаков; MD1(xi+1) — мера недоверия к гипотезе l при условии поступления информативного признака с номером i+1.

Такая логика принятия решения использована в широко известной экспертной системе типа MYCIN.

Одним из удачных практических примеров использования нечеткой логики принятия решений в отечественном здравоохранении являются скринирующие системы типа АСПОН разработки Санкт-Петербургской школы биомедицинской кибернетики [1,6].

В основу ее построения положены функции принадлежностей А, = ji(x) к диагнозу с базовой переменной по информативным признакам.

Агрегация функций принадлежностей в диагностические решающие правила осуществляется с помощью операций логического и арифметического сложений и умножений.

Одним из существенных недостатков систем типа MYCIN, АСПОН и других аналогичных систем является то, что и базовые элементы математических моделей, и финальные нечеткие модели строятся на основе знаний медицинских экспертов, которые, с одной стороны, часто не обладают достаточным объемом знаний в нечеткой логике принятия решений, а с другой стороны, имея богатую интуицию и личный опыт, они вносят большую долю субъективизма в получаемые прогностические и диагностические модели.

Устранить определенным образом эти и ряд других недостатков, присущих современным информационным системам, использующим нечеткую логику принятия решений, призван подход, развиваемый на кафедре биомедицинской инженерии Юго-Западного университета (ЮЗГУ) [2, 3, 4, 5, 8].

Системы поддержки принятия врачебных решений

В соответствии с этим подходом производится объединение идей Е. Шортлифа [7, 9], максимально приближенных к логике практикующих врачей, с идеями Л. Заде [11], решающие правила которых обладают мощными вычислительными возможностями, а для выбора типов используемых функций принадлежности к исследуемым классам состояний и способов их агрегации предлагается использовать методы разведочного анализа по Е. Саймону [10], которые адаптированы под нечеткую логику работами ученых ЮЗГУ [2, 4, 5].

При таком подходе реализуется следующий метод синтеза нечетких решающих правил, ориентированный на решение задач прогнозирования и медицинской диагностики:

1. На экспертном уровне определяются типы (прогноз, ранний, дифференциальный диагноз) и классы (вид, стадии и т.д.) заболеваний, для которых формируется пространство информативных признаков.

2. Производится разведочный анализ, в ходе которого уточняется структура классов в многомерном пространстве признаков, тип и характер возможных зон пересечений этих классов, казуистические ситуации, технология формирования признаков.

3. Под известные структуры данных и классов выбираются типы функций принадлежностей и способы их агрегации по подпространствам и пространствам информативных признаков, формируя частные и финальные решающие правила.

Укрупненно в этом пункте рекомендуется придерживаться следующих правил при выборе функций принадлежностей и способов их агрегации [2, 3, 4, 5]:

3.1. Если группа или все информативные признаки таковы, что каждый из них увеличивает уверенность в гипотезе (диагнозе шф то частную и (или) общую уверенность U0l (i) в Ш] рекомендуется определять по формуле:

где jl0] (х) — функция принадлежности к Ш1 с базовой переменной по признаку xi; i — номер признака в группе (подпространстве) или во всем списке признаков.

3.2. Если в различных подпространствах признаков с номером j любым из известных способов определена частная уверенность UP00](j) в гипотезе Ш1 и использование каждого из показателей UPШ (j) увеличивает уверенность в Ш1, то общая уверенность в Ш1 определяется выражением:

Um,U + 1)= Uwij)+ UPw(j + 1)[1 - Uj (6) где UCOl(1)= UPM,( 1).

3.3. Если в подпространстве или пространстве признаков все из них таковы, что отсутствие одного из них требует отказа от Ш1, то уверенность в исходной гипотезе определяется выражениями:

UpMl = min [Мш1(х,)] или

Uco1 = min [Дш1(Х)] (7)

Это правило, с геометрической точки зрения, можно трактовать как классификацию по попаданию исследуемого объекта в нечеткий гиперпараллелепипед, ограниченный ненулевыми значениями всех jio0] (x).

3.4. Если наличие любого из признаков достаточно для оценки наличия гипотезы Ш1, то рекомендуется использовать правили вида:

UPo1 = max K(xi)] или U01 = max [ДШ1(Х)] (8)

3.5. Если в пространстве признаков находятся группы признаков, удовлетворяющих (7) и (8), то рекомендуется использовать правило вида:

1 и информационные

Системы поддержки принятия врачебных решений

Рис. J. Типовая структура СППР с нечетким логическим выводом

Геометрически это правило соответствует аппроксимации геометрических образов, соответствующих исследуемым классам состояний наборами нечетких гиперпараллелепипедов.

3.6. Если в ходе разведочного анализа выясняется, что между исследуемыми классами состояний возможно проведение разделяющих гиперплоскостей типа Z = Fi(tAi,x), то целесообразно использовать правила вида:

UPWi= Мад)] иёи иШ1= ЛоДОД], (10)

где Fi — функция, определяющая вид разделяющей поверхности Zi (линейная, кусочнолинейная, квадратичная и т.д); Di(Zi) — функция расстояния от исследуемых объектов до разделяющей поверхности Zi [3].

3.7. Для конфигураций объектов в классы типа «шар» в «шаре», «шар» в «чаше» или для других типов вложенных структур вместо разделяющих поверхностей типа (i0) удобнее использовать эталонные структуры (центр

«внутреннего» класса, центры «сгустков» объектов, казуистические объекты и т.д.) [4].

Типовая структура системы поддержки принятия решений (СППР), реализующая рассмотренный метод, приведена на рис. 1.

В этой системе взаимодействие лица, принимающего решение (ЛПР), с программным обеспечением СППР (ПО СППР) осуществляется через интеллектуальный интерфейс (ИИ).

Процесс синтеза нечетких решающих правил типов 5—10 обеспечивает блок обучения (БО), взаимодействующий с базой данных (БД) системы через соответствующую систему управления (СУБД). В части правил, использующих формулы типа (5) и (6), в работу «включается» итерационный решатель (ИР). Функции принадлежностей формул 5, 7, 8, 9, 10 (переход к нечеткому представлению информации) реализуются фуззификатором (ФЗ). Агрегация нечетких решающих правил реализуется агрегатором (АГР), а результаты работы СППР в форме, пригодной для восприятия врачом (ЛПР), формируются блоком принятия решений (БПР).

Системы поддержки принятия врачебных решений

Рис. 2. График изменений прогностических показателей качества

В качестве клинического примера решалась задача прогнозирования возникновения острого холецистита. Для этой задачи эксперты выделили три группы признаков:

• концентрация микроэлементов (Cu, Zn, Co) в целой крови пациента;

• электрическое сопротивление акупунктурных точек E25, VB24, VB24, VB38, VB40, VG9, связанных с заболеванием холецистит;

• признаки, традиционно измеряемые в медицине: возраст (хф пол (x2); диспептичес-кие расстройства (х3); выраженность болевого синдрома (х4); окраска кожных покровов (х5); наличие сопутствующей патологии (х6); частота пульса (х7); перитонеальные синдромы (Х8); этиология (Х9); желчный пузырь по УЗИ (х10); наличие гипертензии по УЗИ (xn); осмотр БСДК на ФГДС (х]2); наличие синдрома дежурной петли на R-графии (х]3); гемато-крит (х]4); лейкоцитарный индекс интоксикации (х]5); мочевина (х16); билирубин (х]7); креатин (х]8); диастаза мочи (х]9);

Для каждого из признаков были построены функции принадлежностей к классу риск возникновения острого холецистита высокий. Частные решающие правила для каждой группы признаков определялись по формуле (5). Общая уверенность — по формуле (6).

Для проверки качества прогнозирования на репрезентативных контрольных выборках (100 человек на класс) по классам: риск возникновения острого холецистита отсутствует и пациенты заболевают острым холециститом в течение 5 лет), вычислялись такие показатели качества, как диагностические чувствительность (ДЧ), специфичность (ДС) и эффективность (ДЭ), прогностическая значимость положительных (ПЗ+) и отрицательных (ПЗ -) результатов.

В ходе экспериментальных исследований было установлено, что при решении прогностических задач все показатели растут по мере увеличения срока наблюдения и, по мнению экспертов, на третий год наблюдения полученным решающим правилам можно доверять с уверенностью, приемлемой для практического использования.

Тенденция изменения качества прогнозирования по показателю ПЗ + в зависимости от времени наблюдения иллюстрируется графиком, приведенным на рис. 2.

Аналогичные зависимости наблюдаются по остальным показателям качества классификации.

Численные значения показателей качества прогнозирования, соответствующие утверждению, что в течение 3-х лет у пациента будет острый холецистит, распределись следующим образования: ДЧ = 0,86; ДС = 0,94; ПЗ+ = 0,91; ДЭ = 0,91.

1 и информационные

Системы поддержки принятия врачебных решений

Полученные результаты говорят о хорошем качестве прогнозирования, обеспечиваемом предложенными нечеткими решающими правилами.

1. Использование методов разведочного анализа при синтезе нечетких решающих правил для решения задач прогнозирования и медицинской диагностики снижает субъекти-

визм при выборе типов и параметров функций принадлежностей и позволяет строить решающие правила, адекватные структуре медицинских данных.

2. Практическое использование рассмотренного подхода при решении задач прогнозирования острого холецистита показывает приемлемые для медицинской практики результаты, что позволяет рекомендовать его для дальнейших медицинских исследований.

1. Воронцов И.М., Шаповалов В.В., Шерстюк Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирую-щей диагностики нарушений здоровья. — СПб.: ООО «ИПК «Коста», 2006. — 432 с.

2. Кореневский Н.А., Крупчатников Р.А., Горбатенко С.А. Синтез нечетких сетевых моделей, обучаемых по структуре данных для медицинских систем//Медицинская техника. — 2008. — № 2. — С. 18-24.

3. Кореневский Н.А., Рябкова Е.Б. Метод синтеза нечетких решающих правил для оценки состояния сложных систем по информации о геометрической структуре многомерных данных//Вестник Воронежского государственного технического университета. — 2011. — Т. 7. — № 8. — С. 128-136.

4. Кореневский Н.А., Филист С.А, Устинов А.Г, Рябкова Е.Б. Геометрический подход к синтезу нечетких решающих правил для решения задач прогнозирования и медицинской диагностики//Биомедицинская радиоэлектроника. — 2012. — №4. — С. 20-25.

5. Титов В.С., Устинов А .Г., Ключиков И. А., Шевякин В.Н. Оценка состояния здоровья человека с помощью гетерогенных нечетких правил//Известия Юго-Западного государственного университета. — 2012. — № 1. — 4.1. — С. 41-55.

6. Шаповалов В.В. Нечеткий метод построения решающих правил в системах скрини-рующей диагностики//Биомедицинская радиоэлектроника. — 2013. — № 1. — С. 64-66.

7. Bruce G. Buchanan, Edward H. Shortlife. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. — Addison-Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-201-10172-6.

8. Riad Al-Kasasbeh, Nikolay Korenevskiy, Mahdi Alshamasin, Florin lonescoufnd Andrew Smith. Prediction of gastric ulcers based on the change in electrical resistance of acupuncture points using fuzzy logic decision-making//In: Computer Methods in Biomechanics and Biomedical Enginering. iFirst article. — 2012. — P. 1-12.

9. Shortlife E.H. Computer-Based medical Consultations: MYSIN. — New York: American Elseviver, 1976.

10. Sammon Jr. J.W., Proctor A.H , Roberts D.F. An interactive-graphic subsystem for pattern analysis//Pattern Recognition Pergamon Press. — 1971. — Vol. 3. — P. 37-52.

11. Zadeh L.A. Advances in Fuzzy Mathematics and Engineering: Fuzzy Sets and Fuzzy Information-Granulation Theory. — Beijing: Beijing Normal University Press, 2005. ISBN 7-303-05324-7.

Свидетельство о регистрации СМИ Эл № ФС77-52970

Источник:

cyberleninka.ru

Система поддержки принятия решений по управлению лечебно-диагностическим процессом в рефлексотерапии

Система поддержки принятия решений по управлению лечебно-диагностическим процессом в рефлексотерапии Горобец Юрий Николаевич

Данный автореферат диссертации должен поступить в библиотеки в ближайшее время

Диссертация - 480 руб., доставка 10 минут , круглосуточно, без выходных и праздников

Автореферат - 240 руб., доставка 1-3 часа, с 10-19 (Московское время), кроме воскресенья

Горобец Юрий Николаевич. Система поддержки принятия решений по управлению лечебно-диагностическим процессом в рефлексотерапии : диссертация . кандидата технических наук : 05.13.01.- Курск, 2001.- 193 с.: ил. РГБ ОД, 61 02-5/831-5

Содержание к диссертации

1. Аналитический обзор и постановка задачи на исследование -11

1.1 Реализация систем поддержки принятия решений по управлению лечебно-диагностическими процессами . -11

1.2 Использование методов и средств рефлексологии для управления состояния здоровья человека -29

1.3 Цель и задачи исследования -41

2. Разработка моделей взаимодействия органов и функциональных систем с проекционными зонами . -44

2.1 Модели взаимодействия органов и функциональных систем с внемеридианными проекционными зонами -44

2.2 Организация меридианных и межмеридианных взаимодействий -59

2.3 Меридианные модели взаимодействия органов и функциональных систем с проекционными зонами. -71

3. Разработка методов и средств поддержки принятия решений для автоматизированного рабочего места врачей рефлексотерапевтов -93

3.1 Методы синтеза нечетких решающих правил по электрическим характеристикам проекционных зон -93

3.2 Алгоритм принятия решений по контролю и коррекции состояния здоровья методом электрорефлексологии -111

3.3 Структура системы интеллектуальной поддержки принятия решений врача рефлексотерапевта -117

4. Результаты экспериментальных исследований -131

4.1 Синтез решающих правил для диагностики заболеваний сердечнососудистой системы -131

4.2 Синтез решающих правил для диагностики заболеваний дыхательной системы -150

4.3 Синтез решающих правил для диагностики заболеваний желудочно-кишечного тракта -161

Список литературы -174

Введение к работе

Актуальность темы. По мнению ведущих отечественных и зарубежных ученых начало нового века характеризуется все возрастающим подъемом биомедицинских наук. Обобщаются знания, накопленные в биологии, биофизике, биохимии, рефлексологии, математике, информатике, медицине, экологии и многих других, достаточно далеких друг от друга областях человеческой деятельности, и все это происходит на фоне прорыва в области новых информационных технологий.

Современный уровень развития вычислительной техники делает возможным создание для медицины информационных продуктов нового поколения - автоматизированных медицинских информационных технологий, предлагающих те или иные научно обоснованные врачебные решения в зависимости от особенностей клинической ситуации, складывающейся на конкретных этапах ведения больного.

Такие системы, выступающие в качестве равноправных участников медицинского технологического процесса, в состоянии обеспечить недостижимое для обычных клинических рекомендаций сочетание широты охвата решаемых проблем и детальности их проработки (Устинов А.Г., Попов Э.В., Подвальный Е.С., Кореневский Н.А., Д. Уотерман, Р. Девитс и др.)

Одним из перспективных направлений в медицинской практике является использование методов рефлексологии (Ананин В.Ф., Вельховер Е.С., Вогралик В.Г., Портнов Ф.Г., Табеева Д.Н. и др.), которые на протяжении многих веков доказали свою диагностическую и терапевтическую эффективность.

Однако недостаточные теоретические проработки в этом направлении с позиций современной медицины и соответствующих информационных технологий значительно снижают потенциально достижимые возможности методов и средств рефлексологии.

Таким образом, дальнейшие исследования в области совершенствования методов и средств диагностики и лечения различных видов заболеваний, методами рефлексологии с использованием современных информационных технологий является актуальной научной задачей.

Работа выполнена в соответствии с научно-технической программой «научные исследования высшей школы по приоритетным направлениям науки и техники по подпрограмме 204 «Технология живых систем» и одним из научных направлений КГТУ «Разработка медико-экологических информационных технологий».

Цель и задачи исследования. Целью диссертации является разработка основных элементов автоматизированной информационно-аналитической системы, обеспечивающей интеллектуальную поддержку врача рефлексотерапевта на основе меридианных моделей рефлексологии и нечеткой логики принятия решений.

Для достижения поставленной цели необходимо решить следующие задачи: обосновать возможность использования информации, снимаемой с проекционных зон, включая меридианные биологически активные точки, для решения задач диагностики и лечения различных стадий заболеваний, включая донозологическую диагностику; разработать методику построения меридианных моделей для решения задач рефлексодиагностики и рефлексотерапии; предложить метод синтеза нечетких решающих правил для диагностики различных стадий заболеваний по электрическим характеристикам проекционных зон и медицинским показателям, полученным другими способами; разработать структуру системы интеллектуальной поддержки врача рефлексотерапевта; построить алгоритм принятия решений по контролю и коррекции состояния здоровья человека методами электрорефлексологии; синтезировать набор решающих правил для интеллектуальной поддержки принятия решений врачом рефлексотерапевтом.

Методы исследования. В работе использованы методы системного анализа, теории управления, распознавания образов, нечеткой логики принятия решений, математической статистики, искусственного интеллекта, физиологии, рефлексологии.

Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной: методика построения меридианных моделей, отличающаяся тем, что обеспечивает получение полносвязных энергоинформационных моделей взаимодействия органов и функциональных систем с проекционными зонами с учетом иерархии меридианных и межмеридианных связей, позволяющая повысить качество рефлексодиагностики и рационализировать процедуры рефлексотерапии; метод синтеза нечетких решающих правил с расчетом уверенности в принимаемых решениях по минимальным наборам электрических характеристик проекционных зон, позволяющий получать диагностические заключения с высокой степенью уверенности для различных типов и стадий заболеваний при разнотипной и не полностью определенной исходной информации; алгоритм принятия решений, отличающийся возможностью гибко менять тактику диагностики и лечения в соответствии с индивидуальными и электрическими характеристиками проекционных зон, позволяющей обеспечивать поддержку принятия решений на всех этапах работы врача рефлексотерапевта; решающие правила для диагностики заболеваний сердечно- сосудистой системы, органов дыхания и желудочно-кишечного тракта, отличающиеся возможностью решения задач донозологической и дифференциальной диагностики по электрическим характеристикам биологически активных точек с достаточно высоким качеством.

Практическая значимость и результаты внедрения работы. Разработанные методы и средства составили основу соответствующей автоматизированной системы, клинические испытания которой показали её высокую эффективность.

Применение предложенных в диссертации разработок позволяет сократить время принятия решений и повысить достоверность диагностики.

Результаты работы переданы в опытную эксплуатацию в ряд медицинских учреждений г. Курска, используются в научной работе биотехнологического факультета Курского государственного медицинского университета и в учебном процессе кафедры «Биомедицинские и информационно-технические аппараты и системы» Курского государственного технического университета.

Апробация. Результаты работы докладывались и обсуждались на итоговой научной сессии КГМУ (Курск 1997), на VIII Российской научно-технической конференции «материалы и упрочняющие технологии- 2000» (Курск 2000), на IV Международной научно-технической конференции «Медико-экологические информационные технологии» (Курск 2001), на Всероссийской научно-практической конференции «Здоровье населения в современных условиях» (Курск 2000).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 10 печатных работ.

Личный вклад автора. В работах опубликованных в соавторстве и приведенных в конце автореферата [1,2,5,6] автор разработал различные типы моделей взаимодействия органов и функциональных систем с меридианными и внемеридианными биологически активными точками, в [4,8] лично автором показана диагностическая возможность проекционных зон в задачах диагностики ранних стадий заболеваний, а в работе [9] предлагается структура программного обеспечения для системы поддержки принятия решений врача рефлексотерапевта.

Структура и объём работы. Диссертация состоит из введения, трех глав, списка литературы, включающего 123 отечественных и 22 зарубежных наименований. Работа изложена на 193 страницах машинописного текста, содержит 47 рисунков и 12 таблиц.

Положения, выносимые на защиту.

Методика построения меридианных моделей позволяет строить модели взаимодействия меридианных биологически активных точек, обеспечивая исследование различных органов и функциональных систем организма с учетом иерархии их взаимосвязей.

Метод синтеза нечетких решающих правил позволяет получать правила диагностического вывода для определения как типа, так и стадии выбранного класса заболеваний при различных типах исходных данных.

Автоматизированная система поддержки принятия решений врача-терапевта обеспечивает решение искомого класса задач с высоким качеством и с применением доступных технических средств.

Алгоритм принятия решений и набор соответствующих решающих правил позволяют решать широкий спектр практических задач рефлексотерапии в условиях неопределенности и неполноты представления данных различной природы.

Основное содержание работы

Во введении к диссертации обосновывается актуальность темы, определяются цели и задачи исследования, определяется научная новизна и практическая значимость работы, кратко излагается содержание глав диссертации.

Реализация систем поддержки принятия решений по управлению лечебно-диагностическими процессами

В настоящее время, как за рубежом, так и у нас в стране всё большее развитие приобретают автоматизированные системы, ориентированные на применение в поликлинической практике, которые преследуют цель повысить эффективность и качество оказания медицинской помощи пациентам за счет тех возможностей, которые обеспечивает компьютер в осуществлении сбора, обработки, хранения, представления и использования медицинской информации, необходимой для адекватного решения лечебно-диагностических задач.

На практике убедительно продемонстрирована целесообразность использования компьютера в профессиональной деятельности врача любой специальности. Персональный компьютер, программное и аппаратное обеспечение которого предназначены для использования медицинским работником, при реализации его должностных обязанностей, в ходе медицинского технологического процесса - называют автоматизированным рабочим местом (АРМ) [1, 115]

Специфика деятельности врача, зависящая от его специальности, и круг решаемых задач, определяемых его местом в общей структуре лечебно-диагностического процесса, определяют структуру технического, программно-математического, информационного и организационного обеспечения соответствующего АРМа.

Компьютерная поддержка врачебной деятельности, которая может быть применена на всех этапах лечебно-диагностического процесса, вносит в медицинский технологический процесс новые черты. Врач во многом освобождается от рутинной деятельности и у него появляется возможность больше времени уделить решению тех задач, где необходим творческий подход, проявление интуиции и эрудиции. Появляется возможность решать более сложные лечебно-диагностические задачи за счет более глубокого анализа клинической информации, требующей использования сложных алгоритмов, путем вовлечения в этот процесс больших объемов информации, включающей и справочные данные. Компьютерные программы позволяют осуществлять контроль информации, поступающей из различных источников, что повышает ее точность и достоверность и, в конечном итоге, ведет к повышению эффективности принимаемых решений.

Эффективность использования ЭВМ для поддержки врачебной деятельности, в настоящее время, полностью связана с глубиной проработки алгоритмов, предназначенных для решения соответствующих задач. Как правило, разработка таких алгоритмов и их практическая реализация требует, наряду с медиками, и участия других специалистов (математиков, инженеров - когнитологов, программистов и др.), владеющих методами анализа и обработки информации, необходимыми для решения медицинских задач.

Основу программного обеспечения АРМов ориентированных на поддержку принятия решений врачами специалистами составляют диагностические и прогностические алгоритмы и алгоритмы планирования процессов лечения. Значительная часть этого программного обеспечения базируется на методологии экспертных систем с привлечением элементов теории распознавания образов. Решение большого количества задач диагностики состояния здоровья человека может осуществляться известными методами теории распознавания образов в ее геометрической интерпретации, когда объекты, характеризующиеся различными наборами признаков X=(xi, х2. хп) представляются как точки (вектора) многомерного пространства признаков N. Разделение классов осуществляется с помощью полученных на этапе обучения разделяющих гиперповерхностей [1, 3, 4, 6, 42, 49, 51].

В настоящее время в практических приложениях, в том числе и в медицинских, используется достаточно большое количество различных методов распознавания образов, причем известно, что большинство из них "хорошо" работают, если структура классификационных данных удовлетворяет ограничениям, присущим соответствующим математическим моделям [4, 6, 42, 50, 68, 111]. Здесь под структурой данных (классов) понимается конфигурация точек-объектов в пространстве признаков, подчеркивая тем самым, что через нее отображаются основные взаимоотношения между исследуемыми объектами.

Модели взаимодействия органов и функциональных систем с внемеридианными проекционными зонами

Согласно современной концепции рефлексологии практически все органы и системы человеческого организма представляются в соответствующих проекционных зонах. Часть проекционных зон располагается на поверхности тела человека (ушные раковины, ступни ног, поверхность кожи вдоль позвоночника, ладони, рецептивные поля радужки глаза и т.д.), что делает их легко доступными для съема соответствующей диагностической информации.

Однако, использование проекционных зон для решения различных диагностических задач затрудняется отсутствием единых теоретических основ, раскрывающих механизмы отображения органов на соответствующие проекционные зоны.

Четкие определения и понятия отсутствуют даже по, казалось бы, легко доступным для внешнего изучения рефлексогенным зонам и рецепторным полям. Все это порождает естественное недоверие практических врачей к методам рефлексологии. Отсутствует единство мнений по поводу диагностических методик и среди специалистов по рефлексодиагностике и рефлексотерапии, особенно использующих различные рефлексогенные зоны для решения конкретных медицинских задач.

В тоже время обобщение результатов многочисленных исследований в области рефлексологии позволяет выдвинуть гипотезу о существовании некоторых общих механизмов, доставляющих информацию о состоянии внутренних органов и систем во внешние рефлекторные зоны.

Морфологическая основа правомерности выбранной гипотезы была заложена школой отечественных ученых и получила свое развитие в работах В.Ф. Ананина[8, 10].

Точные анатомические пути прохождения информации от органов до их проекционных зон на современном этапе развития медицинской науки установить не удалось, однако, обобщение многочисленных результатов исследований отечественных и зарубежных ученых позволяет построить обобщенную информационную модель связи органа со «своими» рефлексогенными зонами.

К центральной составляющей этой модели, учитывая современные анатомические и морфологические представления, будем относить адренергическую зону ретикулярной формации, выполняющую интегрирующую и активирующую функции.

Как анатомическое образование ретикулярная формация (РФ) в центральной нервной системе занимает достаточно большой участок, начиная от спинного мозга до промежуточного [29, 79, 100].

Ряд исследователей указывает на то, что стволовая часть РФ, расположенная в головном мозге, и часть РФ, расположенная в спинном мозге, хотя и тесно взаимосвязаны между собой, но обладают и определённой автономностью по областям активации своих регионов.

По мнению Ананина [10] РФ головного мозга активируют жизненно важные функциональные системы: головной мозг, сердце, систему органов дыхания, гипоталамогипофизный комплекс, желудочно-кишечный тракт, крупные рефлексогенные зоны и др. При этом мезенцефалический отдел этой области выполняет основную роль активации головного мозга и особенно его коры.

Спинальную зону РФ с филогенетической точки зрения относят к более древней в структурной организации РФ. В ней, как и в РФ головного мозга, выделяют три зоны: соматическую, парасимпатическую и симпатическую.

Такое разделение позволяет осуществлять автономную активацию эффекторов соматического и парасимпатического вида на спинальном уровне.

В свою очередь каждая из этих зон разбивается на подзоны, а последние на микрозоны. Микрозоны характеризуются тем, что их ретикулярные нейроны имеют примерно одинаковые пороги срабатывания. При этом отдельные микрозоны РФ (МРФ) свою активацию ориентируют преимущественно на тот или иной орган или часть его. Частотный диапазон аутохонный активности РФ лежит в пределах от 0,01 до 1000 Гц [8, 79].

Известно, что внутренние органы через свои интерорецепторы проецируются в спинальную адренергическую симпатическую подзону ретикулярной формации (РФС), локализованную преимущественно в боковых рогах спинного мозга [8].

Далее информация от нейронов серого вещества боковых рогов спинного мозга переключается со вставочного нейрона на эфферентный нейрон и далее по постганглионарным волокнам направляется к разным проекционным зонам.

Известно, что ретикулярная формация состоит из особых ретикулярных нейронов (РН), имеющих различный порог возбудимости [8, 130]. По мнению В.Ф. Ананина [8], внутренние органы О, (7=1. и) проецируются на свою локальную группу ретикулярных нейронов подзоны РФС, которые образуют так называемую микрозону МРФСІ В подзоне РФС. Число микрозон в подзоне определяется количеством органов, которые на нее проецируются; кроме того, все МРФСІ в РФС имеют определенную функциональную связь [8, 12, 48].

Методы синтеза нечетких решающих правил по электрическим характеристикам проекционных зон

Многочисленными исследованиями отечественных и зарубежных ученых было показано, что проекционные зоны, и в частности, биологически активные точки способны аккумулировать и излучать различные виды энергии: тепловую, электрическую электромагнитную и т.д. Количество этой энергии может быть определено различными способами и приборами как через электрические, так и не электрические параметры.

При выборе параметров, характеризующих энергетическое состояние проекционных зон, мы исходили из имеющегося опыта и собственных исследований, которые показали, что с точки зрения аппаратурных затрат, технологичности и достоверности получаемых результатов наиболее подходящими параметрами являются величины электрического напряжения и величины сопротивлений на постоянном и переменном токе низкой частоты.

Как было показано в первой главе и разделе 2.1. на энергетические характеристики проекционных зон влияет достаточно много факторов: состояние органов и систем, имеющих прямые и косвенные «связи» с конкретной проекционной зоной (Ii3j); состояние центральных управляющих структур; индивидуальные особенности организма; ряд внешних факторов и т.д. Для II3j, входящих в состав меридиан, добавляются факторы топологического и временного меридианного взаимодействия.

Все это позволяет предположить, что классические, наиболее часто используемые, подходы к измерению электрических характеристик БАТ метрологически недостаточно корректны. Например, в варианте, когда идентеферентный электрод достаточно большого размера берется в руку или накладывается на одну из «нейтральных» точек поверхности тела человека, а второй «точечный» электрод измеряет абсолютные значения электрических параметров во всех остальных точках, большинство из перечисленных выше «мешающих» параметров методически не может быть учтено и, кроме того, на электродах создаются весьма разные потенциалы измерительных полуячеек. Этот недостаток известных подходов отмечается у различных исследователей [56,61,80,88,93].

Нами был проведен ряд собственных исследований по изучению диагностических возможностей известных подходов, для чего были отобраны несколько возрастных групп практически здоровых людей и несколько с ярко выраженными патологиями дыхательной системы, сердечно-сосудистой системы и желудочно-кишечного тракта. Измерялись напряжения на БАТ, электрическое сопротивление на постоянном токе (1 мкА) и электрическое сопротивление на переменном токе (прибор электродермотометр, ток 5мкА, частота 1 кГц). Измерения проводились по главным точкам, точкам тревоги и ло-пунктам соответствующих меридиан (легкого, сердца и желудка). По результатам измерения строились гистограммы распределения электрических характеристик проекционных зон по относительно здоровым людям и различным классам заболеваний. Анализ этих гистограмм показал, что если для небольших выборок специально подбираемых испытуемых удается получить некоторое разделение классов, то при увеличении объемов выборок гистограммы здоровых и явно больных людей практически полностью перекрываются, говорить же о донозологической диагностике вообще не приходится. Картина резко меняется, если от абсолютных показателей перейти к относительным показателям. Нами исследовались несколько вариантов расчета относительных информативных показателей: 1. Относительно номинальных значений электрических характеристик исследуемых БАТ, полученных на большом объеме здоровых испытуемых различного пола и возраста, находящихся в состоянии функционального покоя в различное время суток. Номинальное значение определялось как средняя величина всех значений соответствующих характеристик. 2. Относительно номинальных значений электрических характеристик исследуемых БАТ, получаемых индивидуально для каждого относительно здорового испытуемого, находящегося в состоянии функционального покоя в различное время суток. Номинальные значения БАТ определялись как средняя величина всех значений соответствующих характеристик. Период наблюдения здоровых испытуемых - 1 месяц. Далее для дальнейших исследований отбирались те из людей, которые получали те или иные заболевания, с тем, чтобы определиться с индивидуальными решающими диагностическими правилами. 3. В условиях пункта 1 для меридианных БАТ строились усредненные суточные графики номинальных значений электрических параметров. 4. В условиях пункта 2 для меридианных БАТ строились усредненные суточные графики номинальных значений электрических параметров. Таким образом, в последних 2-х пунктах в качестве номинальных значений использовались не фиксированные константы, а функциональные зависимости номинальных энергетических характеристик от времени суток. 5. Относительно меридианных точек, отражающих энергетические характеристики всего меридиана (главные точки, ло-пункты, точки тревоги).

Построение гистограмм распределения относительных значений признаков по перечисленным выше классам показало, что в зависимости от степени тяжести заболеваний по ряду БАТ процент перекрытия площадей гистограмм колеблется от 50% до 5%, что говорит о потенциальной возможности использования относительных энергетических характеристик проекционных зон для решения задач диагностики заболеваний органов систем человека.

Кроме этого, было установлено, что процент перекрытия площадей гистограмм определяется тем, для какой задачи какой из методов расчета относительного показателя принят для ее решения. Общие рекомендации по выбору метода расчета под конкретные задачи будут определены ниже. Здесь же отметим, что качество решения задач диагностики зависит и от выбранного типа отведений, способ организации которых будет рассмотрен в разделе 3.1.

Синтез решающих правил для диагностики заболеваний сердечнососудистой системы

Учитывая, что методами рефлексотерапии не решаются все проблемы, связанные с деятельностью сердечно- сосудистой системы (ССС), на первом этапе, пользуясь данными работы [85] нами был определен список ситуаций, связанных с заболеваниями сердечно- сосудистой системы для корпоральных БАТ. Было установлено, что наибольшее число точек, связанных с заболеваниями ССС располагаются на меридианах сердца (С), перикарда (МС). Мочевого пузыря (V), легких (Р) и желудка (Е). При этом по данным работы [85] удается выделить следующие ситуации: XI - боли в области сердца; Х2 - функциональные нарушения сердечной деятельности; ХЗ - неврогенные боли в области сердца; Х4 - тахикардия; Х5 - одышка; Х6 - боли в области сердца с чувством беспокойства; Х7 - сердцебиение; Х8 - удушье; Х9 - аритмия; XI0 - стенокардия; XI1 - внезапная боль в сердце; XI2 - заболевания сердца (вообще); XI3 - сердечная астма. Кроме этого, обнаруживается связь с заболеваниями сердца следующих точек ушной раковины: АР21-Х9; АР51-Х9; АР83-Х12; АР100 - Х9, Х14 (миокардит), XI5 (регуляция системы кровоснабжения при гипертензии и гипотензии); АР104-Х1; API05 - XI6 (гипертоническая болезнь). То есть, в современной терминологии, по крайней мере, по данным работы [85] по энергетическим характеристикам БАТ могут диагностироваться следующие ситуации: Х2 (класс сої) - функциональные нарушения сердечной деятельности; Х4 (класс Юг) - тахикардия; Х9 (класс 0)з) - аритмия; XI0 (класс со4) - стенокардия; XI2 (класс о)5) - заболевания сердца (вообще); XI3 (класс сов) - сердечная астма. XI4 (класе (йт) - миокардит; XI5 (класс cog) - регуляция системы кровоснабжения; XI6 (класс 0З9) - гипертоническая болезнь. Для выявления диагностической возможности БАТ по отношению к другим классам заболеваний ССС, необходимо проведение дополнительного литературного поиска по известным источникам или дополнительных статистических исследований с привлечением, например, теории распознавания образов. В качестве первого примера рассмотрим применение предложенных во второй главе методов и средств для решения задач ранней (донозологической) диагностики заболеваний ССС и выделения больных, имеющих сердечные заболевания от других видов патологии. Для решения такой узкоспециализированной задачи полную таблицу связей заболеваний ССС со всеми меридианами и БАТ строить нецелесообразно в силу её избыточности. Учитывая, что большинство ситуаций, связанных с заболеваниями ССС отображаются на точках меридиана сердца, список ситуаций, соответствующие таблицы и модели на данном этапе исследований будем строить только для этого меридиана. Если в результате решения заданного качества диагностики достичь не удастся, то на последующих этапах проведем анализ моделей для других меридиан и при необходимости к списку информативных признаков подключим информацию полученную традиционными методами исследования. В соответствии с данными работы [85] для выбранного класса задач относительно меридиана сердца (С) выделим в классе искомых патологий ситуацию х0, состоящую из списка контролируемых заболеваний ССС. То есть X0-

Источник:

www.dslib.net

Кореневский Н.А. Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов в городе Калининград

В нашем каталоге вы сможете найти Кореневский Н.А. Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов по разумной стоимости, сравнить цены, а также найти иные предложения в группе товаров Медицина. Ознакомиться с параметрами, ценами и рецензиями товара. Транспортировка может производится в любой город России, например: Калининград, Набережные Челны, Саратов.