МЕДИЦИНСКАЯ ЭКСПЕРТНАЯ СИСТЕМА В ОБЛАСТИ ЛОР-ЗАБОЛЕВАНИЙ, СВЯЗАННЫХ С НАСМОРКОМ
Хорошим подспорьем для диагностирования заболеваний могли бы послужить системы искусственного интеллекта (ИИ).
Одним из главных достижений ранних исследований по ИИ стало осознание важности специфичного для предметной области знания. Стратегии экспертных систем основаны на знаниях человека-эксперта. Хотя многие программы пишутся самими носителями знаний о предметной области, большинство экспертных систем являются плодом сотрудничества между таким экспертом, как врач, химик, геолог или инженер, и независимым специалистом по ИИ. Эксперт предоставляет необходимые знания о предметной области, описывая свои методы принятия решений и демонстрируя эти навыки на тщательно отобранных примерах. Специалист по ИИ отвечает за реализацию этого знания в программе, которая должна работать эффективно и внешне разумно. Экспертные способности программы проверяют, давая ей решать пробные задачи. Эксперт подвергает критике поведение программы, и в ее базу знаний вносятся необходимые изменения. Процесс повторяется, пока программа не достигнет требуемого уровня работоспособности.
Одной из таких экспертных систем является разработанная Медицинская экспертная система (МЭС) в области оториноларингологических заболеваний ("ухо-горло-нос"), связанных с насморком.
Для проектирования экспертной системы была выбрана достаточно узкая область медицины - оториноларингология, в частности, проблема насморка. Программа позволяет дифференцировать такие заболевания, как
- острый ринит (простой насморк);
- острый синусит (воспаление пазух носа);
- аллергический ринит (насморк и заложенность, связанные с аллергией);
- ОРВИ (простудное вирусное заболевание).
Экспертом для ЭС является врач - оториноларинголог I категории Детской поликлиники №2 г. Петрозаводска Ванаг И.Ю.
Цель ЭС - установить предварительный диагноз на доврачебном этапе на основе жалоб пациента и анамнеза.
В ходе изучения литературы и работы с экспертом были отобраны значимые признаки вышеуказанных заболеваний: взяты симптомы, которые являются жалобами пациента или фактами из их анамнеза. Не отбирались симптомы, определяемые при осмотре врача-специалиста.
В результате была составлена база знаний для экспертной системы.
Существует несколько способов представления знаний - продукционная модель, фреймы и семантическая сеть. Основное преимущество семантических сетей заключается в их наглядности и непосредственной связанности понятий через сеть, которая позволяет быстро находить связи понятий и на этой основе управлять принимаемыми решениями. Именно этот формализм был использован в данной работе в качестве формализма для представления знаний в Базе Знаний (БЗ).
Для работы МЭС пользователь может вручную вводить все факты, описывающие состояние пациента. Однако такой метод имеет ряд недостатков: пользователь может забыть о каких-нибудь существенных деталях или, наоборот, указать слишком много информации, что может помешать нормальной работе системы. Кроме того, факты, описывающие состояние пациента, должны иметь строго определенный формат, и система не смогла бы их обработать в случае ошибки со стороны пользователя.
В данной ЭС реализуются правила диагностики, которые в зависимости от той или иной ситуации будут задавать пользователю необходимые вопросы и получать ответ в строго заданной форме (надо будет выбрать номер подходящего ответа). Дальнейшая диагностика будет производиться с учетом предыдущих ответов на вопросы, заданные пользователю.
В результате работы экспертной системы с достаточно высокой достоверностью удается провести дифференциальную диагностику между заболеваниями, связанными с насморком.
Программа была реализована на языке программирования CLIPS v 6.24.
В настоящее время медицинская экспертная система находится в стадии опытной эксплуатации. Найти ее можно будет в скором времени по адресу http://sampo.ru/~vanags/MES/mes.clp.
СПИСОК ЛИТЕРТУРЫ
- Джордж Ф. Люггер. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание: [Электронный ресурс] /Режим доступа к уч.: http://www.williamspublishing.com/PDF/5-8459-0437-4/part.pdf
Работа представлена на общероссийскую заочную электронную конференцию «Информационные технологии и компьютерные системы для медицины», 15-20 марта 2006г. Поступила в редакцию 18.05.2006г.
Статья в формате PDF
257 KB...
03 05 2024 12:32:58
Статья в формате PDF
257 KB...
02 05 2024 18:46:14
Статья в формате PDF
127 KB...
01 05 2024 3:33:16
Статья в формате PDF
250 KB...
30 04 2024 7:33:25
Статья в формате PDF
132 KB...
29 04 2024 23:26:29
Статья в формате PDF
205 KB...
28 04 2024 2:48:24
Статья в формате PDF
121 KB...
27 04 2024 1:22:13
Статья в формате PDF
137 KB...
26 04 2024 20:47:59
Статья в формате PDF
172 KB...
25 04 2024 9:32:39
Статья в формате PDF
104 KB...
22 04 2024 23:56:43
Статья в формате PDF
119 KB...
20 04 2024 19:57:55
Статья в формате PDF
301 KB...
19 04 2024 1:46:27
Наши исследования показали, что эффективность профилактики кариеса зубов значительно снижается на фоне вторичных иммунодефицитных состояний (ИДС), вызванных ортодонтическим аппаратурным лечением. Предлагаемый метод профилактики позволил купировать иммунодефицитное состояние, возникающее на этапах ортодонтического лечения, и повысить эффективность профилактики кариеса зубов.
...
17 04 2024 4:33:16
Статья в формате PDF
133 KB...
16 04 2024 2:26:40
Статья в формате PDF
120 KB...
14 04 2024 18:31:19
Статья в формате PDF
162 KB...
13 04 2024 11:58:16
Статья в формате PDF
103 KB...
12 04 2024 4:40:46
Статья в формате PDF
112 KB...
11 04 2024 10:36:11
Статья в формате PDF 101 KB...
09 04 2024 1:14:34
Статья в формате PDF
92 KB...
08 04 2024 10:13:53
Все более актуальной в настоящее время становится проблема прогнозирования динамики развития региональных лесных комплексов. В качестве одного из этапов исследований по этой теме автором в содружестве с Гринпис России был выполнен описанный в статье проект. В рамках проекта разработана экономико-математическая модель. Последующая реализация модели на компьютере с использованием реальных данных показала ее эффективность для решения задач прогнозирования лесной отрасли. В качестве региона для апробации модели был выбран Санкт-Петербург и область, где влияние человека на окружающую среду в последнее время существенно возросло. Проведенная на основе статистических тестов верификация модели показала ее соответствие реальности. С целью апробации модели были сформированы два сценария с различными значениями показателей внешнего воздействия на региональную систему лесного комплекса. В результате, после имитации были получены основные параметры регионального лесного комплекса, соответствующие двум сценариям.
...
07 04 2024 15:49:42
Статья в формате PDF
119 KB...
05 04 2024 18:44:51
Статья в формате PDF
127 KB...
04 04 2024 15:47:33
Статья в формате PDF
183 KB...
03 04 2024 23:33:46
Статья в формате PDF
315 KB...
02 04 2024 17:11:51
Статья в формате PDF
106 KB...
01 04 2024 12:51:53
Статья в формате PDF
119 KB...
31 03 2024 15:11:31
Рассмотрена концепция зависимости лесов как ядра биосферы Земли от активности Солнца по числу Вольфа. Принята точка на Земле в виде участка лесистой территории национального парка по лесным пожарам за 2002 год. По датам каждого лесного пожара были учтены: время от зимнего солнцестояния с 21 марта, склонение оси Земли к Солнцу, число Вольфа активности Солнца на день возникновения лесного пожара. Среди влияющих факторов первое место заняло время от зимнего солнцестояния. Второе место – склонение Солнца, а на третье – число Вольфа. Среди зависимых факторов первым стало склонение Солнца, вторым – время от 21.03, а третьим активность Солнца. В итоге параметры Земли первичны. Наиболее опасен интервал числа Вольфа 90 ≤ V ≤ 180 и сильный размах колебания во многом зависит от поведения людей.
...
30 03 2024 21:32:22
Статья в формате PDF
132 KB...
29 03 2024 13:16:19
Статья в формате PDF
98 KB...
27 03 2024 16:33:26
Статья в формате PDF
688 KB...
26 03 2024 14:33:26
Статья в формате PDF
151 KB...
25 03 2024 20:16:12
Еще:
Поддержать себя -1 :: Поддержать себя -2 :: Поддержать себя -3 :: Поддержать себя -4 :: Поддержать себя -5 :: Поддержать себя -6 :: Поддержать себя -7 :: Поддержать себя -8 :: Поддержать себя -9 :: Поддержать себя -10 :: Поддержать себя -11 :: Поддержать себя -12 :: Поддержать себя -13 :: Поддержать себя -14 :: Поддержать себя -15 :: Поддержать себя -16 :: Поддержать себя -17 :: Поддержать себя -18 :: Поддержать себя -19 :: Поддержать себя -20 :: Поддержать себя -21 :: Поддержать себя -22 :: Поддержать себя -23 :: Поддержать себя -24 :: Поддержать себя -25 :: Поддержать себя -26 :: Поддержать себя -27 :: Поддержать себя -28 :: Поддержать себя -29 :: Поддержать себя -30 :: Поддержать себя -31 :: Поддержать себя -32 :: Поддержать себя -33 :: Поддержать себя -34 :: Поддержать себя -35 :: Поддержать себя -36 :: Поддержать себя -37 :: Поддержать себя -38 ::
