Введение к работе
Актуальность темы. Исследования и разработки в области медицинской кибернетики последних 10-15 лет содержат большое число публикаций материалов, относящихся к созданию систем медицинской диагностики. При этом основной упор делается ка точность принимаемых решений и снижение трудоемкости обработки результатов гомерений. Работа специалистов в этих областях основана на ряде эмпирически построенных методик. В настоящее время в области медицинской диагностики накоплен болшгой объем экспертных знаний о функциональной взаимосвязи подсистем организма человека. Кроме определения точного узкопрофильного диагноза по заболеванию пациента, важной задачей медицинской диагностики является своевременное выявление патологии или наличие отклонений от нормы у обследуемого человека, которые не могут быть классифицированы по стандартному перечню заболеваний. Существующие методы представления организма человека как целостной системы с точки зрения медицинского подхода могут основываться на акупунктурной диагностике. Этот метод диагностики получает все более широкое распространение не только в медицине, но и в других областях, где требуется оперативное выявление динамики состояния человека. Такой подход позволяет на основе обобщения экспертных знаний, представить наиболее целостную картину функционального состояния, ^есть динамику внутренних процессов и влияние внешней среды на организм человека. Но эффективность данного подхода снижается из-за большого количества вычислительных операций. В большинстве случаев специалист не может вручную обработать большой объем данных и ранжировать полученные результаты. Существующие автоматизированные системы медицинской акупунктурной диагностики используют адаптированные информационные технологии, предназначенные для формализации экспертных знаний в других предметных областях, и недостаточно полно учитывают особенности акупунктурной диагностики. В результате существует несоответствие между лингвистическим описанием экспертной информации и ее семантическим представлением в информационных технологиях. Автоматизированные системы медицинской-диагностики, применяемые в настоящее время в области акупунктуры, формализуют экспертные знания о функциональных взаимосвязях подсистем. Экспертные знания о динамических свойствах функциональных подсистем организма человека, имеющих многовариантные внутренние связи и связи с окружающей средой, не формализованы, что в ряде случаев не позволяет сформировать решения в автоматическом режиме. В существующих информационных технологиях специалист выполняет большой объем работ по коррекции промежуточных результатов из-за
недостаточно полной формализации экспертных знаний. При этом существующие информационные технологии не предоставляют возможности верификации экспертной модели знаний.
Для разработки информационной технологии, формализующей экспертные знания в области акупунктурной диагностики, наиболее эффективным является метод динамического моделирования с использованием индивидуальной настройки модели для каждого человека с учетом реальных значений диагностических параметров. Для формализации обобщенных экспертных знаний, о свойствах функциональных подсистем организма человека необходимо разработать структурные элементы динамической модели.
Таким образом, актуальной задачей является разработка информационной технологии поддержки принятия решений в медицинской диагностике на основе единой динамической модели с йспользованиЄіМ алгоритмов интерактивной параметрической идентификации динамической модели.
Тема диссертационной работы связана с выполнением НИР №ИФ-АС-14-96-ХГ, №ИФ-АС-02-98-ХГ, проводимых в Уфимском государственном авиационном техническом университете.
Автор выражает признательность доценту кафедры АСУ Уфимского государственного авиационного технического университета Л.М.Бакуеову за оказанное содействие ь работе над диссертацией.
Цель работы. Разработка способов формализации экспертных знаний, алгоритмов и программ информационной технологии поддержки принятия решений в медицинской диагностике.
Для достижения поставленной цели решались следующие задачи: J. Разработка информационной технологии на основе единой информационной модели с учетом особенностей формализации экспертных знаний в медицинской диагностике.
-
Создание динамической модели, формализующей экспертные знания в форме представления фукнкциональной сети.
-
Разработка структурной схемы динамической модели, отображающей иерархически вложенные экспертные понятия и их взаимосвязи.
-
Разработка структуры типового элемента динамической модели для представления экспертных знаний об информационных потоках в биотехнической системе.
-
Разработка способов настройки динамической модели и методов генерации решений с использованием динамической модели.
-
Оценка эффективности и адекватности разработанной информационной технологии на основе имитационного моделирования.
Методы исследования. В работе использовались методы имитационного моделирования динамических систем, функционального анализа, теория дифференциальных уравнений и разностных методов их решения, теория самоорганизации неравновесных систем, а также теория вычислений.
Научная новизна. Разработанная информационная технология отличается от существующих использованием единой динамической модели в форме кластерной функциональной сети и алгоритмов индивидуальной настройки для каждой диагностируемой биотехнической системы. Новизна данной модели обусловлена тем, что функциональная сеть впервые представлена как обобщенная нейронная сеть с использованием непрерывнозначной логики.
Для отображения информационных потоков биотехнической системы, характеризующих динамику функционирования системы высокого порядка, впервые построена модель на основе формализации обобщенных экспертных понятий.
Впервые для моделирования икформационтгьгх потоков в биотехнических системах предложено использовать разработанный типовой элемент, защищенный авторскими свидетельствами.
Разработан алгоритм интерактивной параметрической идентификации динамической модели, сочетающий фзтшдиональные свойства классических оптимизационных методов и методов генетического программирования, отличающийся от существующих тем, что .обеспечивается адаптивный процесс настройки модели.
Практическая значимость. Предложена информационная технология, которая обеспечивает повышение уровня автоматизации обработки данных в медицинской диагностике на основе реализации разработанных алгоритмов и моделей, что позволяет уменьпгить время принятия решений в 2-3 раза. Настраиваемая динамическая модель позволяет произвести верификацию модели знаний и тем самым повысить адекватность автоматически генерируемых решений о диагнозе до 75-85%.
Количество нераспознаваемых ситуаций (или неправильно распознанных ситуаций) в автоматическом режиме по сравнению с существующими автоматизированными системами уменьшается в 2-5 раз.
Разработанные алгоритмы и программные модули могут использоваться для мониторинга состояния человека-оператора, работающего в критических условиях-
Формализованная модель обобщенных знаний может использоваться для обучения специалистов.
На защиту выносятся:
1. Метод формализации экспертных знаний на основе динамического моделирования с использованием непрерывных потоков, являющийся основой разработанной информационной технологии.
-
Структура представления экспертной модели знаний в виде кластерной функциональной сети, являющейся развитием нейронных сетей.
-
Алгоритм интерактивной параметрической идентификации динамической модели, сочетающий функциональные свойства классических оптимизационных методов и методов генетического программирования.
-
Структурная схема типового элемента динамической модели, отображающего экспертные знания об информационных потоках в биотехнической системе, защищенная авторскими свидетельствами.
Апробация работы. Основные результаты диссертационной работы докладывались автором на: Ш Всероссийском семинаре "Нейроинформатика и ее приложения", г. Красноярск, 1995; Международной конференции "САПР - 95", г. Ялта - Гурзуф, 1995; XI Международной конференции "Проблемы нейроки-бернетики", г. Ростов-на-Дону, 1995.
По материалам исследования опубликовано 22 работы, в том числе 14 авторских свидетельств и патентов.
