Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
4.5.2. СИСТЕМА РАССПРОСА И ПРЕДВАРИТЕЛЬНОЙ ДИАГНОСТИКИ [27, 31]Сегодня в условиях повышенных требований населения к здравоохранению и изменения характера болезней раннее обнаружение болезней взрослых людей ведется пассивно в поликлиниках и других медицинских учреждениях. Цель данной системы - способствовать раннему обнаружению и лечению болезней благодаря активной постановке диагноза самой системой. Особенность системы-выполнение комплексных выводов и диагностики с помощью блока нечетких выводов, написанного на процедурном языке Си, и знаний, организованных в виде матриц. Структура системыАппаратные средства. Данная система построена на базе технологической рабочей станции с ЦП MC68000 американской фирмы «Моторола», цветного графического терминала и консоли оператора. Программное обеспечение (рис. 4.20). В качестве ОС использована версия системы UNIX на японском языке, созданная на основе версии V UNIX. Технические характеристики прикладной системы приведены в табл. 4.13. Блоки системы имеют следующие функции: 1. Блок управления экраном обеспечивает ввод-вывод в отдельные поля экрана, состоит из прикладного интерфейса, подпрограмм управления экраном, обработки и доступа к полям и других подпрограмм. С его помощью пользователи могут обрабатывать ответы при расспросе, вводить знания, не обращаясь к среде системы UNIX. 2. Блок управления изображением позволяет зрительно представлять больные органы во время расспроса и вводить их на нужное место с помощью «мыши». Использует графический терминал рабочей станции и стандартный пакет графических программ, независимый от языка описания системы. 3. Блок управления базами данных объединяет базу знаний и базу данных и позволяет эффективно использовать знания путем независимого доступа к ним из механизма выводов, а также позволяет использовать данные здравоохранения независимо от данных, полученных при расспросе. 4. Блок ведения диалога при расспросе представляет собой программу для ввода в режиме диалога симптомов и их степени, о которых говорит больной, и получения результатов диагностики. Состоит из группы подпрограмм для ведения расспроса, отображения, выводов, проверки симптомов и обработки ошибок. 5. Блок помощи в приобретении знаний предназначен для ввода знаний от врачей и других экспертов и их пакетной (см. скан) Рис. 4.20. Структура программного обеспечения для системы расспроса и предварительной диагностики. Таблица 4.13. Технические требования к системе (см. скан) обработки. Состоит из группы подпрограмм для регистрации взаимосвязи симптомов и болезней, сообщений, параметров, отображения входных сообщений, проверки базы знаний и других операций. 6. Блок объяснения процесса выводов выполняет отображение результатов и печать сведений, поясняющих, как система пришла к данному выводу. Формирование данных и знаний для выводовТрадиционная процедура расспроса врачом больного состоит в следующем: больной рассказывает врачу о своих субъективных симптомах, врач выделяет среди них наиболее существенные с учетом близости симптомов одной из болезней, используя при этом фундаментальные медицинские знания и собственный опыт, затем более детально расспрашивает о симптомах, связанных с вероятной болезнью, и выдает заключение. Процедура расспроса, проводимого разработанной системой, практически аналогична и показана на рис. 4.21. В качестве знаний в данном случае необходимы общие взаимосвязи между болезнями и симптомами, кроме того, очевидно, необходима некоторая мера такой связи как для болезни с точки зрения ее симптомов, так и для симптомов с точки зрения болезни. В качестве примера рассмотрим простуду и кашель. В этом случае представление знаний будет следующим: 1) простуда и кашель взаимосвязаны (степень истинности = 0,9); 2) если есть кашель, то налицо простуда (степень истинности = 0,8); 3) при простуде возможен кашель (степень истинности = 0,6). Степень истинности здесь означает достоверность взаимосвязи. При выводах с помощью формул нечетких отношений, рассмотренных в предыдущих разделах, остается проблема, связанная со способом задания числовых значений матрицы отношений R: какая степень истинности наиболее соответствует модельному представлению? На практике использование операции максимум - минимум иногда приводит к слишком грубым значениям истинности по сравнению со свойствами объектов, и в этом смысле точность выводов снижается. Поэтому в данной системе благодаря введению (см. скан) Рис. 4.21. Процедура оценки в системе расспроса и предварительной диагностики. модели, основанной на нечетком соответствии как более широком понятии, получена возможность более общих и гибких выводов. Учитывая сказанное выше, установим тезисы для адаптации знаний к нечетким выводам. Обозначим через X и Y соответственно множество всех болезней и множество всех симптомов: Болезни Таблица 4.14. Пример взаимосвязи болезни и симптомов (см. скан) Симптомы Затем пусть - следующие тезисы: -наличие болезни - наблюдается симптом - болезнь по своим признакам соответствует симптому Каждый из этих тезисов включает недостоверность, и в этом смысле их можно считать нечеткими множествами. Кроме того, установим следующие тезисы образованные из введенных выше тезисов:
где - импликация, - дизъюнкция, -конъюнкция. Другими словами, пусть - достоверность утверждения «если есть симптом то на основании взаимосвязи между болезнями и симптомами проявляется по крайней мере болезнь достоверность утверждения «если на основании взаимосвязи между болезнями и симптомами проявляется болезнь то есть симптом Будем считать тезисы знаниями для выводов. При этом можно предсказать, что достоверность в общем случае довольно высокая. Однако симптом мог наблюдаться ошибочно, поэтому не может быть абсолютно достоверным. В общем случае зависит от внимательности человека и условий наблюдения, и поэтому достоверность выше достоверности Конкретные примеры показаны в табл. 4.14. Достоверности выражены в форме лингвистических значений истинности (ЛЗИ) (табл. 4.15). Таблица 4.15. Лингвистические значения истинности
Алгоритм диагностикиИнформация, полученная врача и больного, как уже говорилось выше, включает нечеткость, выраженную ЛЗИ. Для вычислений необходимо преобразовать эти значения в числовые значения истинности (ЧЗИ). Для их количественной оценки использованы функции принадлежности. В данной системе такие понятия, как «немного», «очень» для симптомов и «часто», «вероятно» и др. для взаимосвязи между болезнями и симптомами, представлены ЛЗИ (семь уровней). При этом необходимо установить, каким образом выбирать по функции принадлежности каждого ЛЗИ значения принадлежности. Такие значения назовем а-сечением, а значение, выбранное для А, обозначим Обычно имеет одно значение, но в целях сохранения нечеткости в словах более естественно использовать интервал значений, например для ЛЗИ ”UN" (неизвестное) введем интервал Таким образом будем задавать интервал значений принадлежности для всех ЛЗИ, т.е.
Связь между ЛЗИ, а-сечением и значениями принадлежности показана на рис. 4.22. В системе существует база данных, в которой все функции принадлежности и а-сечение являются координатами, константами и другими параметрами. Алгоритм выводов следует из формул (4.3) и (4.4). При этом предполагается, что нечеткие подмножества множества V ЛЗИ, т. е. очень правдивые и выпуклые подмножества. Если применить к формулам (4.3) и (4.4) нечеткие правила «модус поненс» и «модус толленс», то получатся следующие взаимосвязи между болезнями и симптомами:
где П означает отрицание в нечеткой логике, указывает нижнюю границу (см. дополнение об операциях в нечеткой логике). Зададим наблюдаемые симптомы и знания
Рис. 4.22. Связь между ЛЗИ, а и значениями принадлежности. и обнаружим все болезни можно получить, найдя общее решение формул (4.6) и (4.7). При этом достоверности знаний можно определить через интервал их значений ([нижнее значение, верхнее значение]) следующим образом:
Кроме того, определим расстояние между симптомом и знаниями следующим образом:
Введем следующие множества интервалов значений для знаний и расстояний: для любых
Записи обозначают, что для любых
Обратная задача для (4.6) сводится к нахождению следующего вектора
где а - вектор, элементами которого являются множества интервалов значений. Используя алгоритм для обратной задачи, основанный на нечетких неравенствах, получаем решение
где
где (обозначения , s объяснены в дополнении). Кроме того, решение для выражения (4.7) можно получить, найдя вектор
Это решение имеет следующий вид:
Следовательно, решение, удовлетворяющее формулам (4.12), (4.16), для любых имеет вид
где определяется следующим образом:
Если решения не существует. В этом случае можно рекомендовать следующие способы решения: 1) уменьшить значение параметра а (а-сечение), отражающего точность выводов, и делать повторные выводы, приближая этот параметр к нулю; 2) повторно расспросить больного о симптоме исправить данные на уточненные и вновь сделать выводы. Первый способ позволяет легко получить результаты с достаточно высокой степенью нечеткости в целом, но он не слишком эффективен. Поэтому целесообразно применить второй способ. Усовершенствованный метод диагностикиВыше мы рассмотрели случай, когда существует решение обратной задачи при некотором заданном значении а. Однако, например, если решение существует, но при уже не существует, т. е. прийти к решению не всегда возможно. Обычно в подобных случаях недостаточно информации о симптомах, и лучше повторить диагностику после получения более полной информации. Следовательно, необходимо рассмотреть какие-либо методы выбора нужных симптомов. Например, в случае ошибочных исходных данных можно использовать усовершенствованную диагностику, которая позволяет прийти к правильному диагнозу. Такая диагностика состоит в следующем. Прежде всего рассмотрим следующий вектор А, элементами которого являются ЛЗИ элементов нечеткого множества болезней по отношению к симптомам:
базовый вектор А определим следующим образом:
где а. л. означает «абсолютная ложь». А вектор, в котором только элемент есть а все остальные элементы - а. л. Другими словами, учитывается только возможность появления болезни , а уровень ЛЗИ для всех остальных болезней есть а. л. Кроме того, предложим следующие варианты ЛЗИ, относящиеся к А:
Если применить к формулам (4.3), (4.4) правила нечеткий «модус поненс» и нечеткий «модус толленс» соответственно, то для получим следующие формулы:
Приближение (среднее арифметическое ожидаемое значение) полученное с помощью ЧЗИ для симптома, предсказанного в случае есть вектор, элементы которого имеют следующий вид:
Аналогично определим среднее арифметическое значение b для реально наблюдаемых симптомов. Элементы зададим следующим образом:
Направление новых наблюдений можно определить с учетом геометрической формы и b, т.е. чтобы определить группу симптомов, которые следует проверить, вычислим разность Алгоритм вычислений заключается в следующем. Сначала рассмотрим обычное расстояние
есть разность ожидаемых значений истинности симптомов при Это один из способов определения расстояния, кроме него можно рассматривать другие расстояния. Кратчайшее расстояние определим следующим образом:
а именно
Запомним А, удовлетворяющую следующему условию:
представляет собой значение, при котором является минимальным для при любой болезни . При этом пусть А-это задающее Затем вычислим i такое, что
определяет для болезней, среди которых есть номер болезни с самым маленьким Учитывая значения истинности симптомов, определим базовый вектор для болезни, разность ожидаемых и наблюдаемых значений для которой наименьшая:
Этот вектор позволяет создать относительный критерий истинности значений для симптомов. Кроме того, получим - т.е. который можно сравнить с b для каждого элемента. Итак, можно указать группу симптомов, соответствующую номеру с наибольшим значением . Если прогнозируется появление одновременно двух и более болезней, данный алгоритм предполагается усовершенствовать, например путем изучения комбинации базовых векторов Дополнение:1. Нечеткая логика (интервалы значений). Пусть -нечеткие тезисы, а -ЛЗИ. Если а-сечение Р, Q удовлетворяет следующей формуле:
то соединения в нечеткой логике можно задать следующими формулами:
где
2. Сцепления определим следующим образом для двух интервалов значений
|
1 |
Оглавление
|