автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Дискретно-логические методы принятия решений в информационных медицинских диагностических системах

ШУСТЕРМАН Игорь Леонидович

ДИСКРЕТНО-ЛОГИЧЕСКИЕ МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ В ИНФОРМАЦИОННЫХ МЕДИЦИНСКИХ ДИАГНОСТИЧЕСКИХ СИСТЕМАХ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Подписано к печати 12.10.04. Формат 60x84 1/16 Бумага офсетная. Печать плоская. Гарнитура Times. Усл. печ. л. 1,0. Усл. кр.-отт 1,0. Уч.-изд. л. 0,9. Тираж 100 экз. Заказ № 557.

Уфимский государственный авиационный технический университет Центр оперативной полиграфии 450000, Уфа-центр, ул. К. Маркса, 12

№21512

РНБ Русский фонд

2005-4 19958

1

///¿Ж

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность

Анализ процессов принятия решений демонстрирует устойчивую тенденцию к увеличению объема строго формализованной информации. Если первоначальные этапы науки характеризовались сочетанием малых объемов фактических данных с многочисленными предположениями, то современный этап, как показывают исследования опубликованных работ, связан с применением все более четко формализованных методик осуществления процесса принятия решений, введением алгоритмов поиска наилучших решений в различных ситуациях и разнообразии альтернатив действий. При этом исходная информация, с которой приходится работать специалистам, содержит различного рода ошибки, неопределенности и противоречия, затрудняющие построение формальных моделей. В подобных случаях построение решения в аналитической форме путем "ручного", визуального анализа либо с помощью автоматизированных систем, основанных на классической логике, не вполне эффективно и необходимо использовать новые инструменты, позволяющие корректно осуществлять операции с недоопределенными или противоречиво переопределенными данными, выполнять в процессе анализа интеграцию формализованных и неформализованных знаний.

При отсутствии ограничений временных ресурсов, возможности привлечения большого числа компетентных экспертов принципиально возможно решение многих задач высокой сложности и размерности исходных данных. Необходимость в применении систем поддержки принятия решений возникает в случае ограниченности ресурсов, недостатка времени, дефицита экспертов, неопределенности информации об окружающем мире и исследуемом объекте. Именно такая ситуация является типичной для большинства задач принятия решений в медицинской диагностике и лечении. Объемы данных, с которыми приходится иметь дело в медицине, характеризуют следующие цифры. В настоящее время в медицине известно свыше 105 симптомов, более 10 лекарственных препаратов, свыше 104 болезней. 2 млн. статей ежегодно публикуются в 40 тыс. биомедицинских журналах. Количество информации увеличивается все быстрее, и есть такие болезни, о которых написано столько, что специалист не в состоянии изучить, оценить и использовать всю имеющуюся информацию при постановке диагноза в каждом конкретном случае и, по мере накопления знаний, положение усугубляется.

В сфере медицинской реанимационной деятельности сжаты сроки постановки диагноза и оказания помощи до десятков минут, а с другой стороны ограничены возможности получения необходимой информации, возрастает стоимость получения информации и каждый шаг повышения точности диагностики существенно увеличивает стоимость, поэтому необходим обоснованный выбор между различными исследованиями и эффекта: "

информации. Многие медицинские исследован

стоит задача определения целесообразности получения подобной дополнительной информации.

Перспективным направлением разработки систем поддержки принятия решений в медицине считается развитие автоматизации обслуживания лечебного процесса, поэтапная реализация подсистем логического вывода и объяснения получаемых результатов, применение объективных логик с информационной семантикой, построение информационной модели в соответствии со схемой косвенного обращения, замена субъективного подхода объективированными процедурами принятия решений с оценками точности, емкости, затрат времени, последствий по ценностным критериям.

Решению указанной проблемы посвящено большое количество работ как отечественных, так и зарубежных ученых. Несмотря на значительный объем исследований по данной тематике, остается нерешенным вопрос обеспечения допустимого уровня выбранных информационных критериев - точности, емкости, ценности, оперативности решений. Как правило, эта задача рассматривается без учета видов неопределенностей информационных процессов. Необходимо отметить отсутствие обоснованных механизмов логического вывода, обеспечивающих работу с данными, содержащими неопределенности и обеспечивающими поиск решения в соответствии с информационными и ценностными критериями.

В связи с вышесказанным в диссертации ставится задача создания системы, которая рационально использует априорные и фактические данные с недо-определенностями и противоречиями для поддержки принятия решений лечащим врачом.

Целью диссертационной работы является повышение качества принятия решений в медицинском диагностическом процессе на основе неклассических логик с информационной семантикой с обеспечением требуемых уровней информационных критериев: качество информации, ценность, объем информации, время поиска и принятия решений.

Для достижения поставленной цели в диссертационной работе сформулированы и решаются следующие задачи:

1. Разработка методов и алгоритмов решения дискретно-логических задач в медицинском диагностическом процессе на основе критериев наибольшей точности и полезности.

2. Разработка математического и программного обеспечения принятия решений в медицинском лечебно-диагностическом процессе.

3. Создание и реализация модели сбора и анализа информации применительно к задаче экстренной реанимационно-консультативной медицинской помощи.

4. Создание системы поддержки принятия решений на основе объективных неклассических логик для лечебного учреждения с реализацией интерфейса с общебольничной информационной системой.

Методы исследования

Формализация проблемных ситуаций и методов базируется на аппарате частотной логике, трилогике, тетралогике, многозначной аппроксимационной логике на основе которых осуществляется логическая аппроксимация целевых признаков медицинской диагностики и построение правил принятия решений, а также аппарат системного анализа для формирования моделей. Для реализации соответствующих алгоритмов и программ была использована методология разработки программных комплексов, информационного обеспечения, концепция построения реляционных баз данных, объектно-ориентированный подход и методология событийного программирования.

На защиту выносятся

- методы и алгоритмы решения дискретно-логических задач принятия решений в медицинском диагностическом процессе на основе критериев наибольшей точности и полезности;

- математическое и программное обеспечение поддержки принятия решений применительно к задачам определения необходимости проведения исследования, оценки состояния пациента и выбора управляющих лечебных воздействий;

- информационная система сбора и анализа данных по реанимационно -консультативному центру;

- система поддержки принятия решений "Medilog" с реализацией интерфейса с медицинской информационной системой "Интрамед".

Научная новизна результатов заключается в следующем:

- разработаны алгоритмы оптимальной и субоптимальной аппроксимации целевых диагностических признаков и правил классификации, основанные на применении неклассических логик: частотной, трилогике, тетралогике, многозначной аппроксимационной логике;

- разработано математическое и программное обеспечение, основанное на представлении данных в диагностических задачах в виде логических функции в дизъюнктивной форме, полученные по критериям оптимальной точности и полезности;

- разработана модель сбора и анализа диагностическая информации, рекурсивно учитывающая расширения априорных и фактических данных.

Впервые аппарат частотной логики реализован и эффективно использован в задачах медицинской диагностики.

Предложена этапность построения технологии автоматизированной медицинской диагностики, представленной формализмами информационно-управляющей системы, модулями оценок точности и затрат на формирование оптимального решения.

Практическая значимость

Предложенная система позволяет создавать базу данных о диагностируемых признаках, выводить правила (позитивные и негативные импликативные функции), определяющие логику принятия решений. С помощью данной систе-

мы появилась возможность осуществлять объективированный анализ больших объемов априорной информации с различными вариантами распределения платежных матриц, выражающих экономические и социальные последствия принимаемых решений. Точность результатов в практической задаче поиска диагностического решения может быть доведена до 97%. Полученные модели представления данных могут использоваться для обучения специалистов.

Апробация работы

Основные положения работы были доложены и обсуждались на международной научной конференции с участием зарубежных специалистов "Моделирование, вычисления, проектирование в условиях неопределенности -2000"(Уфа, 2000), на научно-практическом семинаре "Новые информационные технологии" (Москва, 2000), на международной научной конференции "Современные проблемы информатизации-2000" (Воронеж, 2000), на всероссийской молодежной научно-технической конференции "Информационные и кибернетические системы управления и их элементы" (Уфа, 1997), на республиканской научно-практической конференции "Новые медицинские технологии в хирургической и терапевтической практике в Республике Башкортостан" (Уфа, 2000), на международной научной конференции "Теоретическая информатика-2000" (Уфа, 2000).

Публикации

Основные результаты диссертации изложены в 13 опубликованных работах, в том числе 4 статей и 9 тезисов докладов.

Объем и структура работы

Диссертация состоит из введения, 4 глав и заключения, изложенных на 120 с, библиографического списка из 100 наименований и девяти приложений.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении дано описание объекта исследования, обоснована актуальность проблемы повышения качества принимаемых решений в медицинских диагностических системах, существующие трудности в разрешении поставленной проблемы, цель исследования, направления и методы решения, содержание работы.

В первой главе диссертации выполнен обзор работ по теме диссертации,-дискретно-логических методов принятия решений в информационных медицинских диагностических системах, описана общая постановка задачи принятия решений. Анализируются существующие подходы к логическому выводу: логический подход (машина дедуктивного вывода), нейронные сети, генетические алгоритмы.

Проведен обзор систем поддержки принятия решений в медицине. Описаны классические решения для систем данного типа и причины их недостаточно эффективного функционирования. Изучены приемы технологии реализации неопределенных значений в различных программных пакетах и способы работы с ними, показана связь данных реализаций с практическими задачами.

Результаты анализа сведены в таблицу сравнительных характеристик ме-

тодологий принятия решений. На основе обзора существующих разработок определены основные требования, которым должна удовлетворять разрабатываемая система: достаточно адекватное моделирование ситуации принятия решений, выявление и устранение противоречий в субъективных измерениях и рассуждениях, связь с практическими задачами, учет неопределенностей, быстродействие, способность объяснять получаемые решения.

Во второй главе излагаются теоретические вопросы решения поставленных задач, методики их решения, логико-математическое обоснование. При разработке теоретических аспектов обработки информации автор использовал результаты научных трудов проф. Г.Н. Зверева

Даны описания аппарата частотной логики и различных видов ее аппроксимаций: троичная, четверичная, изложены разработанные алгоритмы оптимальной и субоптимальной логических аппроксимаций.

Лечебно-диагностический процесс рассматривается как процесс функционирования информационно-управляющей системы, которая получает на входе набор материальных объектов и субъектов (пациент, инструменты, медикаменты) и информационных объектов - знаков (результаты исследований, история болезни). На выходе система также имеет набор материальных (здоровый пациент) и информационных (диагноз, назначения) объектов. При этом существуют управляющие воздействия на лечебно-диагностический процесс представленные набором законодательных и морально-этических норм, должностных инструкций и т.п., а также управления и влияния со стороны информационно-управляющей системы на внешние объекты - перевод к другим исследователям, назначение процедур и др. (рис. 1)

Описывается ролевой базис системологии, содержащий сигнатные, функциональные, реляционные роли объектов системы. Охарактеризован состав сигнатных объектов, состояний проблемной среды, принимающих значения из формализованных информационных пространств. Описано представление функциональных объектов в виде операторов проблемологического базиса. Дано описание реляционного базиса в виде алгоритмов оптимальной и субоптимальной аппроксимации дискретных целей диагностики, оперирующих взаимосвязями между -статусными объектами в декларативно-дескриптивной семантике, а также критерии информационного процесса. Показана необходимость применения для реализации алгоритмов объективных логик с информационной семантикой.

Рис. 2. Схема косвенного обращения

Для формализации процесса принятия решений используется схема косвенного обращения (рис. 2), описывающая информационные процессы, происходящие при решении обратных задач, включающая модели первичных источников информации — сенсоров А, информационных преобразователей — ре-форов В, целевых эталонных операторов — аккураторов С, критериев целесообразности и оценок адекватности, оперативности, ценности — аксиора или адекватора Д тенора материально-информационных ситуаций Г и оператора связки сомножества ситуаций Б.

Формализм любой логики имеют ограниченную область применения. Целесообразность использования в системе поддержки принятия решений частотной логики, трилогики, тетралогики и ^значные аппроксимационные логики обусловлена многообразием процедур, выполняемых в медицинских информационных технологиях. Построение эффективной системы поддержки принятия решений в медицинской диагностике невозможно без сочетания логических систем различных типов. Для машинного представления медицинской базы данных и внутренней обработки информации удобно использовать язык час-

тотной логики, для формализации языка передачи данных от врача в автоматизированную систему - трилогику, тетралогику, а для объяснения машинного решения врачу наиболее оптимальным является формализм к-значных аппрок-симационных логик.

Вводится понятие частотной истинности высказываний и предикатов. Любое высказывание х(оЦ) о свойстве х проблемного объекта универсума об/еи принимает на одних объектах значение 1 =истина, на других значение 0=ложъ. В данной ситуации универсальное высказывание "все объекты универсума и

обладают свойством х" приобретает значение истинности Я—

число объектов или информационных ситуаций в универсуме и.

Простейшее строгое объективированное обобщение классической логики получается в результате расширения двоичной логической шкалы {0,1} третьим значением 0 - биноль, базисный информационный ноль, знак внутренней неопределенности, он выражает отсутствие фактической информации, сведений о данном объекте, хотя информация и может быть получена, но это не сделано по какой либо причине (например, недостаточный для некоего исследования уровень технического обеспечения лечебного учреждения). При операциях с информационным нулем используется принцип поглощения внутренних неопределенностей. Если некоторый ¡-тый аргумент функции принимает значение то в соответствующую функцию последовательно подставляют ряд допустимых значений и анализируют значение функции. Если значение функции при этом остается неизменным, то можно говорить о поглощении неопределенности, иначе выход функции принимает значение информационного нуля. Практически это означает, что отсутствие информации о ряде косвенных признаков никак не отражается на результате информационного процесса, но отсутствие существенного признака приводит к неопределенности на выходе логической функции.

Возможны два типа формалицации биноля. Первый вариант - точная формализация 0=(О<^<1), т.е наличие хотя бы одного примера, опровергающего истинность или ложность высказывания; переводит его в значение неопределенности. В практических задачах, как правило, отсутствуют значения абсолютной истинности и лжи высказываний и предикатов и используется аппроксимационная семантика неопределенности, т.е.

истинность высказывания а всегда 0<о<1,т.к. а = где для классической

логики Ы,1=0 или а в для аппроксимационной трилогики а=0, при

Ао<а<1 - Д1. Таким образом, истина и ложь присутствуют в том случае, если есть примеры, их опровергающие, но они находятся ниже заданного уровня доверия или риска. Тогда высказывание принимает значение 0 на промежутке и значение 1 на промежутке (рис. 3).

X

о

е

О До

1-Д, 1

Рис. 3.

Дальнейшее расширение формализмов двоичной или троичной логики заключается во введении внешней неопределенности или критического, квадратного информационного нуля □ (киноль), имеющего смысл абсурда, синтаксической или семантической ошибки. Возникновение в логическом процессе критического нуля означает противоречивость информационной ситуации или полученное значение выходит из заданного возможного набора информативных значений. Простейшие логические операции с критическим нулем, абсурдом определяются принципом воспроизведения киноля на выходе операции при его появлении на входе.

В медицине представляет интерес дискретизация шкалы истинности. При разбиении шкалы истинности частотной логики на любое число к>2 интервалов получаем к-значные аппроксимационные логики, например а>1-Д - "почти истина", 0.5<я<1-А - "скорее истина, чем ложь", Л<а<0.5 - "скорее ложь, чем истина", а<А - "почти ложь". Квадратичная мера неопределенности - дисперсия значения истинности высказывания а равна произведению частостей признака

а и его отрицания: £(1-а) = аа . Минимальная неопределенность - полная определенность аа = 0 соответсвует высказываниям классической логики а=1,

а=0. Максимальная неопределенность ат = = у соответствует истин-

ности £ = £ = 4- - середине интервала истинности (50 на 50 процентов) (рис. 4).

о,

а

0.5

Я

о

0.5

1

а

80=-^ = 2<та

а

о

0,5

1

б

Рис. 4. Виды неопределенности: а - квадратическая; б - относительная

Для построения информационной модели медицинской ситуации необходимо иметь априорику, т.е. предварительно оценить моменты распределения д(х,у) двоичных векторов х и у и погрешности этих оценок. Возможно использовать фактические статистические данные, построенные экспертами модели, аппроксимационные алгоритмы с целью повышения адекватности решения х В диссертации описывается использование предварительно построенных экспертных моделей. При этом классифицирующее решение может быть представлено в следующем виде: X=B(y,J), где J- априорные модельные данные, знания экспертов, у - эмпирические данные, сенсорная информация.

Если априорная информация известна точно, число точек наблюдения не слишком велико, то возможно построить рефор, оптимальный в каждой точке пространства наблюдения. Процесс построения оптимального рефора состоит в последовательном переборе всех точек пространства наблюдения и отнесение их по ценностному или информационному критерию к одному из классов решений логическим суммированием элементарных произведений, а затем по результатам аппроксимации осуществляется согласование решений при возникновении противоречивых ситуаций.

В работе используются информационный и ценностный критерий. Информационный критерий - максимальная достоверность max или минимальная ошибка решения mjn Д(л: | у) . Целью применения*информационного кри-х

терия является оценка точности, достоверности и определенности результата, сведения к минимуму вероятности ошибки пропуска цели или ложной тревоги. Если необходимо учесть различные цены ошибок и последствий решений, то используется ценностный критерий минимума потерь, ущерба, риска, ожидаемых затрат или максимума выигрыша, дохода, полезности и т.п. Ценностный критерий - минимум ожидаемых потерь:

1 г

штЯ(у,;с) = min(A0 +-V Д(л:,А')х Cj(x,y)) . Ценностный критерий позволяет осуществить выбор целевого решения с учетом его ожидаемой полез-зволяет осуществить выбор целевого решения с учетом его ожидаемой полезности или вреда, выраженных либо в виде конкретных материальных оценок,

либо в абстрактных единицах.

Платежная матрица для применения ценностного критерия формируется экспертами при обработке и анализе ранее собранных данных и априорных положений. Ценностный критерий включает модели сопряжения материальных и информационных технологий и в простейшей форме определяется матрицей платежей ожидаемых последствий Я(у,у,х) и затратами Я0(_у,х) на исследование и принятие решений. Матрица платежей может иметь позитивную (выигрыш, прибыль) или негативную форму (ожидаемые потери, затраты, выигрыш с обратным знаком).

Если нарушаются предположения о том, что априорная информация из-

вестна точно, число точек наблюдения не слишком велико, то переходят к приближенной, субоптимальной аппроксимации, которая позволяет отбросить неинформативные или малоинформативные признаки и тем самым резко снизить сложность задачи. Субоптимальные дискретные решения основаны на более полной формализации реальных ситуаций и учете вклада каждого наблюдения y,—At{u), \<i<m в ожидаемую точность, достоверность, полезность решения. Рассчитываются данные, позволяющие оценить парные, тройные и т.д. частотные и логические связи между свойствами, выделяются среди них значимые связи выше уровня случайных колебаний, меры связи между группами свойств.

В третьей главе описана постановка задачи принятия решений в медицине, дана структура системы, её внутренние и внешние языки, описаны итерационные процедуры, сочетающие априорный и апостериорный этапы процесса принятия диагностического решения врачом и технология его программной реализации в системе поддержки принятия решений. Описывается разработанный программный комплекс Medilog, предназначенный для информационной поддержки процесса диагностики и лечения. Программный комплекс состоит из следующих основных компонентов:

- программа восприятия знаний, используемых для обновления базы данных, построения аппроксимаций целевых признаков в виде логических полиномов, она предназначена для обновления алгоритмов принятия решений на основании новых априорных и фактических данных;

- база данных, содержащая фактические данные о конкретных пациентах;

- интерфейсная подсистема, выполняющая функции получения информации о пациенте, вывод заключения;

- объясняющая подсистема, формирующая информацию о том, на чем основывается заключение, полученное системой;

- автоматизированная система сбора, накопления и обработки данных, в основу которой положена стандартизованная история болезни, являющаяся формализацией информационного пространства диагностических признаков и распознаваемых классов в реляционной базе данных.

При разработке структуры базы данных были использованы следующие принципы: полнота отображения наблюдаемой клинической картины во времени, объективированность медицинских данных, возможность автоматической обработки необходимой информации.

В системе Medilog выполняются следующие функции:

- ведение базы данных пациентов, содержащей информацию о пациентах, симптомы, диагноз фактический и полученный в результате логического вывода с применением базы данных, предпринятое лечение и рекомендации по проведению лечения в соответствии с алгоритмами, основанными на аппроксимациях, результаты, ошибки и неопределенности решения;

- построение оптимальных и субоптимальных аппроксимаций целевых признаков на основе априорных и фактических данных с учетом распределения платежей решений;

- формирование решения на основе базы данных, оценка ошибки и меры неопределенности данного решения, в том числе в пакетном режиме для массивов данных;

- выдача объяснений решений системы для контроля корректности логического вывода.

В системе реализован интерфейс для следующих категорий пользователей:

- врач, конечный пользователь системы;

- инженер, формирующий базу данных, эксперты предметной области;

Программа Medilog реализована как трехуровневая система:

-первый уровень обеспечивает частотные решения

- частотное решение о состоянии пациента;

х2 = Bj(x\,y,J) - частотное решение по управлению состоянием пациента;

- второй уровень обеспечивает реализацию решений в шкалах трилогики и тетралогики

х3 =5з(х]) - состояние пациента в четверичной шкале;

- решение по управлению состоянием пациента в четверичной шкале;

- третий уровень обеспечивает перевод в многозначную частотную шкалу k>4 в интерфейсном модуле объяснения принятого решения

1*5 = J®s(irl) - состояние пациента в k-значной частотной шкале;

JC5 = Bß{x2) - решение по управлению состоянием пациента в k-значной частотной шкале;

Формирование объяснений требует доступа к модели предметной области, так же как и в процессе обработки информации и формирования решений. В результате информационного процесса сформировано решение . В рефор В последовательно подставляются значения yczQy, наблюдения по которому необходимо сформировать объяснение, предполагая все прочие у^в. Система Medilog реализована на основе изложенных ранее теоретических принципах и соответствует требованиям, сформулированным к разрабатываемому решению.

Четвертая глава содержит описания применения системы Medilog, оценки соответствия теоретических положений экспериментальным данным, качественная и количественная оценка результатов работы. Проводится сравнение с известными решениями по основным аспектам, в том числе и по критериям эффективности. Сравнение эффективности алгоритмов при различных уточняющих коэффициентах и оценка эффективности в сравнении с "ручной" диагностикой. Указывается возможность обобщений, дальнейшего развития методов и идей, использования результатов диссертации в смежных областях.

На базе республиканской клинической больницы им. Г.Г.Куватова внедрена в эксплуатацию автоматизированная информационная система лечебно-

профилактического учреждения (АИС ЛУ), разработанная компанией "Медкор-2000". Система МеёДс^ включена в АИС ЛПУ наряду с другими подсистемами, которые могут обмениваться между собой информацией. АИС ЛПУ предназначена для поддержки процессов диагностики и лечения пациентов в лечебно-профилактическом учреждении и позволяет автоматизировать учет медицинских услуг, оказанных пациентам, формирование персонифицированных данных и документов для передачи в финансирующие организации, составление отчетных документов, контроль выполнения финансовых расчетов, а также позволяет создавать базу данных историй болезни на основе электронной медицинской карты пациента (рис. 5).

Рис. 5. Структура автоматизированной информационной системы лечебного учреждения Подсистема анализа и управления информационными процессами медицинской диагностики и лечения рассматривается на базе отделения акушерско-гинекологического реанимационно-консультативного центра. Задачей является профилактика-развития критических ситуаций за счет взятия на учет всех беременных из групп риска по развитию осложнений, согласованию терапии и решения вопроса о госпитализации в профильное учреждение или выезд специалиста на место. При развитии осложнений проведение консультативной помощи по телефону или выезд специалиста на место для проведения лечения и коррекции проводимой терапии. Фактически специфика подразделения АГРКЦ заключается в том, что там осуществляется дистанционная диагностика по информации, поступающей по телефонным линиям от врачей республиканских ЛУ. Затем на основе этой диагностики принимается решение о транспортировке пациента, выезде (вылете) врачей или дистанционной консультации. Для решения всех этих задач - оценки необходимости проведения исследования, определения состояния пациента и необходимого лечения - используется система под-

держки принятия решений МеёДс^.

Для оценки эффективности системы и анализа было использовано разделение эталонной выборки на две части: обучающую и контрольную, одна - для построения аппроксимационной модели, построения решающих правил, другая -для проверки, контроля полученных аппроксимаций.

Проведена оценка эффективности алгоритма субоптимальной аппроксимации. Для этого качество решения было охарактеризовано в соответствии с информационными критериями: объем, время, достоверность. При тестировании использовался 1ВМ-совместимый компьютер с конфигурацией Се1егсп-1 Ггц/256Мб. Результаты оценки эффективности приведены в табл. 1, на рис. 6.

Таблица 1

Число циклов Nc 1 2 3 4 5 6

Число информативных коррелят 100

время, с 1 4 20 25 29 29

количество импликат 86 356 1216 1305 1449 1449

точность 0,51 0,51 0,53 0,58 0,62 0,62

Число информативных коррелят 200

время, с 2 7 30 80 86 89

количество импликат 88 498 1602 2000 2498 2516

точность 0,59 0,59 0,59 0,72 0,79 0,79

Число информативных коррелят 300

время,с 3 10 111 270 399 427

количество импликат 91 390 5646 9801 11275 11429

точность 0,7 0,76 0,79 0,9 0,96 0,97

Число информативных коррелят 400

время, с 3 16 213 443 469 476

количество импликат 102 964 7186 15005 17256 18266

точность 0,72 0,76 0,81 0,9 0,97 0,97

Число информативных коррелят 500

время, с 5 19 496 1403 1848 1997

количество импликат 125 1116 16848 29639 31012 31861

точность ' 0,75 0,8 0,82 0,91 0,97 0,97

П 7Я 0.79

йзг

Ш2

1 2

3

4

5

6

Количество циклов поиска решения

Рис. 6 Зависимость точностных характеристик алгоритма от количества циклов поиска и числа информативных коррелят

Результаты анализа показывают, что при заданном количестве информативных коррелят увеличение числа циклов, а соответственно и увеличение размерности предметной области не происходит экспоненциального роста объемной и временной сложности задачи диагностики.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В процессе работы над диссертацией получены следующие результаты:

1. На основе проведенного анализа показана целесообразность использования в системе поддержки принятия решений неклассических логик с информационной семантикой, которые обеспечивают повышение эффективности медицинской информационной технологии. Для машинного представления медицинской базы данных и внутренней обработки информации показана целесообразность использования формализма частотной логики, а для передачи данных от врача в автоматизированную систему - трилогики, тетралогики, для объяснения машинного решения врачу оптимальным является формализм к-значных аппроксимационных логик.

2. Разработаны и реализованы модели сбора и анализа медицинской информации, осуществляемые с использованием схемы косвенного обращения. Лечебно-диагностический процесс представлен как процесс функционирования информационно-управляющей системы, которая получает на входе набор материальных (пациент, инструменты, медикаменты) и информационных (результаты исследований, история болезни) объектов, на выходе также имеет набор материальных (здоровый пациент) и информационных (диагноз, назначения) объектов и субъектов.

3. Предложены методы и алгоритмы решения задач принятия решений в

медицинском диагностическом процессе, основанные на оптимальных и субоптимальных дискретно-логических аппроксимациях априорных и фактических данных с использованием информационных и ценностных критериев.

4. Разработано математическое и программное обеспечение поддержки принятия решений в медицине на основе созданных моделей и с применением аппарата неклассических логик. Разработана система анализа и автоматизированного управления информационными процессами медицинской диагностики и лечения Medilog. Разработан интерфейс с АИС ЛПУ, позволяющий использовать алгоритмы дискретно-логических аппроксимации в общебольничной информационной системе. Интерфейс обеспечивает связь Medilog с автоматизированной информационной системой учета медицинских услуг "Интрамед", автоматизированной лабораторной информационной системой, автоматизированной телемедицинской радиологической информационной системой, программно-техническим комплексом «Морфология».

5. Разработаны модели описания и получены оценки эффективности решения задач диагностики и принятия решений в медицинском учреждении, основанные на информационных критериях: точностных, емкостных, временных, ценностных.

6. Результаты работы внедрены в Республиканской клинической больнице им. Г.Г.Куватова для решения задач оценки необходимости проведения обследования, определения состояния пациента и соответствующего лечения. Показано, что при заданном количестве информативных коррелят увеличение числа циклов, а соответственно и увеличение размерности задачи не приводит к экспоненциальному росту точностной, объемной и временной сложности.

Основное содержание диссертации опубликовано в следующих работах:

1. Шустерман И.Л. Алгоритм оптимизации дискретных решений в условиях неопределенности // 58-я науч.-теор. конф. УГАТУ: Матер, конф. Уфа: УГАТУ, 1998 СЮ.

2. Шустерман И.Л. Представление данных и логических моделей в медицинских системах поддержки принятия решений // 59-я науч.-теор. конф. УГАТУ: Матер, конф. Уфа: УГАТУ, 1999 С.7.

3. Шустерман И.Л. Интеллектуальная система поддержки принятия решений в лечебных учреждениях // Интеллектуальные системы управления и обработки информации: Матер, междунар. науч.-техн. конф. Уфа: УГАТУ, 1999 С.155.

4. Шустерман И.Л. Формализация неопределенностей в интеллектуальной системе дистанционной медицинской диагностики // Новые информационные технологии: Материалы третьего научно-практического семинара. М.: Моск. гос. ин-т электроники и математики, 2000 С.23-26.

5. Шустерман И.Л. Сенсорные преобразования в автоматизированной медицинской диагностике // Современные проблемы информатизации-2000: Матер, междунар. науч. конф. Воронеж, 2000 С. 106.

6. Шустерман И.Л. Формализация шкал в медицинской диагностике //

Современные проблемы информатизации-2000: Матер, междунар. науч. конф. Воронеж, 2000 С. 102. .

7. Шустерман И.Л. Оптимальные аппроксимации в медицинских системах // Моделирование, вычисления, проектирование в условиях неопределенности: Матер, междунар. науч. конф. Уфа: УГАТУ, 2000 С. 540-542.

8. Аитов А. Ф., Зинатуллин Д. Ф., Шустерман И.Л., Тюрганов А.Г. Интеллектуальная тестирующая система // Информационные и кибернетические системы управления и их элементы: Матер, всерос. молодежи, науч.-техн. конф. Уфа, 1997 С. 232.

9. Муртазин З.Я., Мухамадиев Р.Г., Шустерман И.Л. Новые технологии в системах поддержки принятия решений в медицинской диагностике // Новые медицинские технологии в хирургической и терапевтической практике в Республике Башкортостан: Матер, респ. науч.-практ. конф. Уфа: Здравоохранение Башкортостана, 2000 С.98-99.

10. Муртазин З.Я., Мухамадиев Р.Г., Шустерман И.Л. Телекоммуникационные технологии в дистанционной медицинской диагностике // Новые медицинские технологии в хирургической и терапевтической практике в Республике Башкортостан: Матер, респ. науч.-практ. конф. Уфа: Здравоохранение Башкортостана, 2000 С.99-100.

П.Шустерман И.Л. Новые подходы к применению аппроксимирующих алгоритмов в медицинских системах диагностики и управления // Теоретическая информатика-2000: Матер, междунар. науч. конф. Уфа, 2000 С. 155-157.

12. Шустерман И.Л. О проблеме построения интеллектуальной системы поддержки принятия решений в рамках разработки автоматизированного рабочего места врача акушера-гинеколога // Новые информационные технологии: Матер, науч.-практ. сем. М., 2001 С. 162-165.

13. Шустерман ИЛ. Взаимодействие фонда обязательного медицинского страхования и лечебного учреждения в рамках теории автоматизированного управления // Десять лет обязательному медицинскому страхованию в Республике Башкортостан: Сб. статей, Уфа-2003 С. 96-98.

Диссертант

Шустерман И.Л.

На правах рукописи

ШУСТЕРМАН Игорь Леонидович

ДИСКРЕТНО-ЛОГИЧЕСКИЕ МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ ВИНФОРМАЦИОННЫХМЕДИЦИНСКИХ ДИАГНОСТИЧЕСКИХ СИСТЕМАХ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Уфа 2004

Работа выполнена на кафедре проектирования средств информатики Уфимского государственного авиационного технического университета

Научный руководитель: Официальные оппоненты:

Ведущая организация:

д-р техн. наук, проф.

Зверев Геннадий Никифорович

д-р физ.-мат. наук, проф. Спивак Семен Изральевич

канд. техн. наук, доцент Бакусов Леонид Михайлович

ГУЗ "Медицинский информационно -аналитический центр"

Защита диссертации состоится «_» 2004 г. в часов

на заседании диссертационного совета Д-212.288.03 Уфимского государственного авиационного технического университета по адресу: 450000, Уфа-центр, ул. Карла Маркса, 12

С диссертацией можно ознакомиться в библиотеке Уфимского государственного авиационного технического университета

Автореферат разослан «_»

2004 г

Ученый секретарь диссертационного совета д-р техн. наук, проф.

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. ОБЗОР СОСТОЯНИЯ ПРОБЛЕМЫ ОБРАБОТКИ ИНФОРМАЦИИ В МЕДИЦИНСКИХ ИНФОРМАЦИОННЫХ СИСТЕМАХ.

1.1 Постановка проблемы.

1.2 Обзор работ.

1.3 Системы поддержки принятия решений в медицине.

1.4 Требования к системам поддержки принятия решений и задачи исследования.

Выводы к главе 1.

ГЛАВА 2. ТЕОРЕТИЧЕСКИЕ ИССЛЕДОВАНИЯ СИСТЕМ ОБРАБОТКИ ИНФОРМАЦИИ В МЕДИЦИНСКОЙ ДИАГНОСТИКЕ.

2.1 Ролевой базис информационно-управляющих систем.

2.2 Статусный базис информационно-управляющих систем.

2.3 Функциональный базис информационно-управляющих систем.

2.4 Реляционный базис информационно-управляющих систем.

2.4.1 Нечеткая логика.

2.4.2 Частотная логика.

2.4.3 Трилогика и тетралогика.

2.4.4 Многозначные аппроксимационные логики.

2.5 Формализация неопределенностей в СУБД.

2.6 Построение оптимальных аппроксимаций.

2.7 Алгоритм субоптимальной логической аппроксимации.

Выводы к главе 2.

ГЛАВА 3. РАЗРАБОТКА СРЕДСТВ АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

3.1 Система обработки информации для медицинской диагностики.

3.2 Medilog - система обработки медицинской информации.

3.3 Оптимизация алгоритмов аппроксимации.

3.4 Представление данных и моделей в системах поддержки принятия решений в медицинской диагностике.

3.5 Построение интерфейса между частотной, трилогикой, тетралогикой и многозначными логиками.

3.6 Разработка модуля объяснений для системы обработки медицинской информации.

Выводы к главе 3.

ГЛАВА 4. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ И ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ПРЕДЛОЖЕННЫХ МЕТОДИК И АЛГОРИТМОВ

ОПТИМАЛЬНОЙ И СУБОПТИМАЛЬНОЙ АППРОКСИМАЦИЙ.

4.1 Применение информационных технологий в практической медицине

4.2 Оценка эффективности алгоритма субоптимальной. аппроксимации.

Выводы к главе 4.

Актуальность темы

Анализ процессов принятия решений демонстрирует устойчивую тенденцию к увеличению объема строго формализованной информации. Если первоначальные этапы науки характеризовались сочетанием малых объемов фактических данных с многочисленными предположениями, то современный этап, как показывают исследования опубликованных работ, связан с применением все более четко формализованных методик осуществления процесса принятия решений, введением алгоритмов поиска наилучших решений в различных ситуациях и разнообразии альтернатив действий. При этом исходная информация, с которой приходится работать специалистам, содержит различного рода ошибки, неопределенности и противоречия, затрудняющие построение формальных моделей. В подобных случаях построение решения в аналитической форме путем "ручного", визуального анализа либо с помощью автоматизированных систем, основанных на классической логике, не вполне эффективно и необходимо использовать новые инструменты, позволяющие корректно осуществлять операции с недоопределенными или противоречиво переопределенными данными, выполнять в процессе анализа интеграцию формализованных и неформализованных знаний.

При отсутствии ограничений временных ресурсов, возможности привлечения большого числа компетентных экспертов принципиально возможно решение многих задач высокой сложности и размерности исходных данных. Необходимость в применении систем поддержки принятия решений возникает в случае ограниченности ресурсов, недостатка времени, дефицита экспертов, неопределенности информации об окружающем мире и исследуемом объекте. Именно такая ситуация является типичной для большинства задач принятия решений в медицинской диагностике и лечении. Объемы данных, с которыми приходится иметь дело в медицине, характеризуют следующие цифры. В настоящее время в медицине известно свыше 105 симптомов, более 105 лекарственных препаратов, свыше 104 болезней. 2 млн. статей ежегодно публикуется в 40 тыс. биомедицинских журналах. Количество информации увеличивается все быстрее, и есть такие болезни, о которых написано столько, что специалист не в состоянии изучить, оценить и использовать всю имеющуюся информацию при постановке диагноза в каждом конкретном случае, и, по мере накопления знаний, положение усугубляется.

В сфере медицинской реанимационной деятельности сжаты сроки постановки диагноза и оказания помощи до десятков минут, а с другой стороны ограничены возможности получения необходимой информации, возрастает стоимость получения информации и каждый шаг повышения точности диагностики существенно увеличивает стоимость, поэтому необходим обоснованный выбор между различными исследованиями и эффективное использование полученной информации. Многие медицинские исследования являются травмоопасными и стоит задача определения целесообразности получения подобной дополнительной информации.

Перспективным направлением разработки систем поддержки принятия решений в медицине считается развитие автоматизации обслуживания лечебного процесса, поэтапная реализация подсистем логического вывода и объяснения получаемых результатов, применение объективных логик с информационной семантикой, построение информационной модели в соответствии со схемой косвенного обращения, замена субъективного подхода объективированными процедурами принятия решений с оценками точности, емкости, затрат времени, последствий по ценностным критериям.

Решению указанной проблемы посвящено большое количество работ как отечественных, так и зарубежных ученых. Несмотря на значительный объем исследований по данной тематике, остается нерешенным вопрос обеспечения допустимого уровня выбранных информационных критериев - точности, емкости, ценности, оперативности решений. Как правило, эта задача рассматривается без учета видов неопределенностей информационных процессов. Необходимо отметить отсутствие обоснованных механизмов логического вывода, обеспечивающих работу с данными, содержащими неопределенности и обеспечивающими поиск решения в соответствии с информационными и ценностными критериями.

В связи с вышесказанным в диссертации ставится задача создания системы, которая рационально использует априорные и фактические данные с недо-определенностями и противоречиями для поддержки принятия решений лечащим врачом.

Целью диссертационной работы является повышение качества принятия решений в медицинском диагностическом процессе на основе неклассических логик с информационной семантикой с обеспечением требуемых уровней информационных критериев: качество информации, ценность, объем информации, время поиска и принятия решений.

Для достижения поставленной цели в диссертационной работе сформулированы и решаются следующие задачи:

1. Разработка методов и алгоритмов решения дискретно-логических задач в медицинском диагностическом процессе на основе критериев наибольшей точности и полезности.

2. Разработка математического и программного обеспечения принятия решений в медицинском лечебно-диагностическом процессе.

3. Создание и реализация модели сбора и анализа информации применительно к задаче экстренной реанимационно-консультативной медицинской помощи.

4. Создание системы поддержки принятия решений на основе объективных неклассических логик для лечебного учреждения с реализацией интерфейса с общебольничной информационной системой.

Методы исследования

Формализация проблемных ситуаций и методов базируется на аппарате частотной логики, трилогике, тетралогике, многозначной аппроксимационной логике, на основе которых осуществляется логическая аппроксимация целевых признаков медицинской диагностики и построение правил принятия решений, а также аппарат системного анализа для формирования моделей. Для реализации соответствующих алгоритмов и программ была использована методология разработки программных комплексов, информационного обеспечения, концепция построения реляционных баз данных, объектно-ориентированный подход и методология событийного программирования.

На защиту выносятся

- методы и алгоритмы решения дискретно-логических задач принятия решений в медицинском диагностическом процессе на основе критериев наибольшей точности и полезности;

- математическое и программное обеспечение поддержки принятия решений применительно к задачам определения необходимости проведения исследования, оценки состояния пациента и выбора управляющих лечебных воздействий;

- информационная система сбора и анализа данных по реанимационно-консультативному центру;

- система поддержки принятия решений "Medilog" с реализацией интерфейса с медицинской информационной системой "Интрамед".

Научная новизна результатов заключается в следующем:

- разработаны алгоритмы оптимальной и субоптимальной аппроксимации целевых диагностических признаков и правил классификации, основанные на применении неклассических логик: частотной, трилогике, тетралогике, многозначной аппроксимационной логике;

- разработано математическое и программное обеспечение, основанное на представлении данных в диагностических задачах в виде логических функции в дизъюнктивной форме, полученные по критериям оптимальной точности и полезности;

- разработана модель сбора и анализа диагностическая информации, рекурсивно учитывающая расширения априорных и фактических данных.

Предложена этапность построения технологии автоматизированной медицинской диагностики, представленной формализмами информационно-управляющей системы, модулями оценок точности и затрат на формирование оптимального решения.

Впервые аппарат частотной логики реализован и эффективно использован в задачах медицинской диагностики.

Практическая значимость

Предложенная система позволяет создавать базу данных о диагностируемых признаках, выводить правила (позитивные и негативные импликативные функции), определяющие логику принятия решений. С помощью данной системы появилась возможность осуществлять объективированный анализ больших объемов априорной информации с различными вариантами распределения платежных матриц, выражающих экономические и социальные последствия принимаемых решений. Точность результатов в практической задаче поиска диагностического решения может быть доведена до 97%. Полученные модели представления данных могут использоваться для обучения специалистов.

Апробация работы

Основные положения работы были доложены и обсуждались на международной научной конференции с участием зарубежных специалистов "Моделирование, вычисления, проектирование в условиях неопределенности -2000"(Уфа, 2000г.), на научно-практическом семинаре "Новые информационные технологии" (Москва, 2000г.), на международной научной конференции "Современные проблемы информатизации-2000" (Воронеж, 2000), на всероссийской молодежной научно-технической конференции "Информационные и кибернетические системы управления и их элементы" (Уфа, 1997г.), на республиканской научно-практической конференции "Новые медицинские технологии в хирургической и терапевтической практике в Республике Башкортостан" (Уфа, 2000г.), на международной научной конференции "Теоретическая ин-форматика-2000" (Уфа, 2000г.).

Публикации

Основные результаты диссертации изложены в 13 опубликованных работах, в том числе 4 статьи и 9 тезисов докладов.

Объем и структура работы

Диссертация состоит из введения, 4 глав и заключения, изложенных на 120 е., библиографического списка из 100 наименований и девяти приложений.

6. Результаты работы внедрены в Республиканской клинической больнице им. Г.Г.Куватова для решения задач оценки необходимости проведения обследования, определения состояния пациента и соответствующего лечения. Показано, что при заданном количестве информативных коррелят увеличение числа циклов, а соответственно и увеличение размерности задачи не приводит к экспоненциальному росту точностной, объемной и временной сложности.

ЗАКЛЮЧЕНИЕ

В процессе работы над диссертацией получены следующие результаты:

1. На основе проведенного анализа показана целесообразность использования в системе поддержки принятия решений неклассических логик с информационной семантикой, которые обеспечивают повышение эффективности медицинской информационной технологии. Для машинного представления медицинской базы данных и внутренней обработки информации показана целесообразность использования формализма частотной логики, а для передачи данных от врача в автоматизированную систему - трилогики, тетралогики, для объяснения машинного решения врачу оптимальным является формализм к-значных аппроксимационных логик.

2. Разработаны и реализованы модели сбора и анализа медицинской информации, осуществляемые с использованием схемы косвенного обращения. Лечебно-диагностический процесс представлен как процесс функционирования информационно-управляющей системы, которая получает на входе набор материальных (пациент, инструменты, медикаменты) и информационных (результаты исследований, история болезни) объектов, на выходе также имеет набор материальных (здоровый пациент) и информационных (диагноз, назначения) объектов и субъектов.

3. Предложены методы и алгоритмы решения задач принятия решений в медицинском диагностическом процессе, основанные на оптимальных и субоптимальных дискретно-логических аппроксимациях априорных и фактических данных с использованием информационных и ценностных критериев.

4. Разработано математическое и программное обеспечение поддержки принятия решений в медицине на основе созданных моделей и с применением аппарата неклассических логик. Разработана система анализа и автоматизированного управления информационными процессами медицинской диагностики и лечения Medilog. Разработан интерфейс с АИС ЛПУ, позволяющий использовать алгоритмы дискретно-логических аппроксимации в общебольничной информационной системе. Интерфейс обеспечивает связь Medilog с автоматизированной информационной системой учета медицинских услуг "Интрамед", автоматизированной лабораторной информационной системой, автоматизированной телемедицинской радиологической информационной системой, программно-техническим комплексом «Морфология».

5. Разработаны модели описания и получены оценки эффективности решения задач диагностики и принятия решений в медицинском учреждении, основанные на информационных критериях: точностных, емкостных, временных, ценностных.

1. Абрамов С.А. Экономическое обоснование автоматизации обработки информации.-М.: Статистика, 1974. С. 24-31.

2. Амосов Н.М., Н.Г.Зайцев, В.Г.Мельников и др. Медицинская информационная система. Киев, Наукова думка, 1975.- 508 с.

3. Артемьева H.J1. Системы логических соотношений с параметрами. НТИ, серия 2, №7, 1997.-С. 19-23.

4. Аршинский J1.B. Векторное представление истинности в управляющих системах, основанных на правилах // Первая международная конференция по мехатронике и робототехнике "МиР 2000": Сб. трудов. СПб.: НПО Омега БФ Омега, 2000.-С. 27-31.

5. Балантер Б.И., Ханин М.А. Введение в математическое моделирование патологических процессов.-М.: Медицина, 1980. 376 с.

6. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 1990.- С. 119-121.

7. Беллман Р. Математические методы в медицине.-М.: Мир, 1987. 443 с.

8. Бобрышев Д.Н., Рексин В.Э. Управление конфигурацией технических сис-тем.-М.: Сов. Радио, 1978.- С. 14-16.

9. Борисов А.Н., Алексеев А.В. Обработка нечеткой информации в системах принятия решений. М.: "Радио и связь", 1989.- 304 с.

10. Ю.Боровиков В. Statistica. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд.- СПб.: Питер, 2003.- 688 с.

11. П.Вилкас Э.Й. Понятия оптимальности в теории игр.- Вильнюс, 1976.- С.102-117.

12. Власов В.В.- Эффективность диагностических исследований.- М. 1988.- С. 6-9.

13. З.Воробьев Н.Н. Основы теории игр. Бескоалиционные игры.- М.:Наука, 1984.- 480 с.

14. Гафт М.Г. Принятие решений при многих критериях.- М.: Знание, 1979.- С. 26.

15. Гафт М.Г., Подиновский В.В. О построении решающих правил в задачах принятия решений. Автоматика и телемеханика, №6, 1981.- С. 104-109.

16. Генкин А.А. Интеллектуальные медицинские системы, алгоритмически формирующие знания // Стратегическое использование информационных систем. Материалы международного семинара, ред. Р.Д.Галиерс, Б.Я.Советов, СПб, 1992.- С. 64-66.

17. Генкин А.А. О последовательной байесовской стратегии и механизме принятия решений в программном комплексе ОМИС"- Клиническая лаборатор-ная.диагностика, 1998, №4.- С. 14-16.

18. Генкин А.А. От компьютерной истории болезни к информационному образу болезни.// Terra Medica, 1996, №3.- С. 42-46.

19. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии. Л.; Медицина, Ленингр. отд., 1990.- 176 с.

20. Гуверне Ж., Эме С. Приложение нечеткой логики к медицинской генетике // Нечеткая логика и теория возможностей / Под ред. Р.Ягера. М.: Радио и связь. 1986.-С. 38-42.

21. Джексон Питер. Введение в экспертные системы.: Пер.с англ.: Уч.пос. М.: Издательский дом "Вильяме", 2001. - 624 с.

22. Древаль А.В. Диагностика болезней (метод интервью).- М. Медицина. 1994.- 159 с.

23. Дюбуа Д., Прид А. Теория возможеностей. Приложения.- М.:Радио и связь, 1990.-282 с.24.3айченко Ю.П. Исследование операций.- 3-е изд., перераб. и доп.-К.:Выща шк. Головное изд-во, 1988.- 552 с.

24. Зверев Г.Н. Объективные многозначные логики в интеллектуальных системах моделирования и обработки информации.- Вестник УГАТУ, N4, 2003.-С. 20-34.

25. Зверев Г.Н. Основания теоретической информатики. Разд. 1-10, Уфа, УГАТУ, 1995-2001.

26. Зверев Г.Н. Оценка точности логических приближений и границ применимости классической и неклассических логик в системах моделирования и принятия решений//Информационные технологии, N12, 1999.- С.12-19.

27. Зверев Г.Н. Частотная логика альтернатива классической логике в новых информационных технологиях.- Информационные технологии, №11, 1998, С. 2-10.

28. Зверев Г.Н., Дембицкий С.И. Оценка эффективности геофизических исследований скважин.-М.: Недра, 1982.

29. Зуев С.М. Математические модели заболеваний и анализ экспериментальных данных.- М.:ОВМ АН СССР, 1985. -С. 320.

30. Иваненко В.И., Лабковский В.А. Проблема неопределенности в задачах принятия решений.- Киев: Наук, думка, 1990.-136 с.

31. Казначеев В.П., Баевский P.M. Донозоологическая диагностика в практике массовых обследований населения.- Л.: Медицина, 1980.- 208 с.

32. Кант В.И. Математические методы и моделирование в здравоохранении.-М.: Медицина, 1987.- 224 с.

33. Карпенко А.С. Ян Лукасевич детерминизм и логика // Логические исследования. М.: Наука, 1993. Вып. 2.- С. 29-39.

34. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ./ Под ред. И.В. Шахнова.- М.: Радио и связь, 1981.- 560 с.

35. Клещев А.С., Самсонов В.В., Черняховская М.Ю. Медицинская экспертная система Консультант-2. Представление знаний. Препринт. Владивосток, ИАПУ ДВО АН СССР, 1987.- С. 53-55.

36. Клир Дж. Системология. Автоматизация решения системных задач М., Радио и связь, 1990.- С. 223-232.

37. Кобринский Б.А. К проблеме машинного распознавания наследственных болезней // Специализированная медицинская помощь детям с наследственной патологией: Сб.науч.тр. Вып. 16.- М.: Моск. НИИ пед. и дет. хир. 1981.- С. 153.

38. Кобринский Б.А. Системы искусственного интеллекта в медицине: Состояние, проблемы и перспективы//Новости искусств, интеллекта, 1995.-С. 65-79.

39. Кобринский Б.А., Кудрявцев A.M., Фельдман А.Е . РС-ориентированная информационно-диагностическая система по наследственной патологии у детей.Ж.: Компьютерная хроника. 1994.- С. 31-37

40. Кофман А. Введение в теорию нечетких множеств.- М.: Радио и связь, 1982.- 428 с.

41. Кузнецов А. В. 1975. О суперинтуиционистских логиках // Математические исследования.- Т. 10. Вып. 2.

42. Кузнецов П.И., Пчелинцев JI.A. Последовательное обучение систем диагностики.- М. Радио и связь, 1987.- С. 55-58.

43. Кульбак С.- Теория информации и статистика. -М. Наука. -1967. С. 41-43.

44. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. -М.: Физматлит, 1996.- С. 4-6.

45. Ластед Л. Введение в проблему принятия решений в медицине.- М. Мир, 1971.- С. 23-27.

46. Леонов Ю.П. Теория статистических решений и психофизика.- М.:Наука, 1977.- 274 с.

47. Липаев В.В., Серебровский Л.А. Технология проектирования комплексов программ АСУ.- М.:Радио и связь, 1983.- 264 с.

48. Литвак Б.Г. Экспертная информация: методы получения и анализа.- М.: Радио и связь, 1981.- С. 43-49.

49. Логический подход к искусственному интеллекту. Тейз А. и др. М.: Мир., 1990,-С. 112-117.

50. Лукасевич Я. Аристотелевская силлогистика с точки зрения современной формальной логики.- М.: ИЛ., 1959.- С. 43-44.

51. Лукасевич Я. В защиту логистики // Философия и логика Львовско-Варшавской школы. М.: РОССПЭН., 1999 С. 219-232.

52. Максимова Л. Л., Рыбаков В. В. Решетки модальных логик // Алгебра и логика, 1974.- Т. 13. С. 105-122.

53. Марьянчик Б.В.,. Ермаков А.Ю и др. Экспертная диагностическая система для инфантильных спазмов. Труды конференции по информатизации здра-вохранения. Ижевск. 1995.-С. 12-14.

54. Масалович А.И. Этот нечеткий, нечеткий, нечеткий мир / PC Week/RE N.16,1995.- С. 9-10.

55. Математическое моделирование вирусного гепатита. Нисевич Н.И., Марчук Г.И., Зубикова И.И. и др.-М.:Наука, 1981.- 240 с.

56. Миркин Б.Г. Проблема группового выбора.- М.: Наука, 1974.- С. 67-69.

57. Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение.-М.:Наука,1970.- 330 с.

58. Неймарк Ю.И., Баталова З.С., Васин Ю.Г., Брейдо М.Д. Распознавание образов и медицинская диагностика.- М. Наука, 1972.- С. 53-54.

59. Ночевкин В.Н. Теоретические основы создания информационных технологий принятия решения на операцию.-М.:АГЗ МЧС РФ, 1998.- С. 32-34.

60. Очин Е.Ф. Вычислительные системы обработки изображений.-Л., 1989.- С 85-96.

61. Погожев И.Б. Применение математических моделей заболеваний в клинической практике/Под ред. Г.И. Марчука.- М.: Наука. Гл. ред. физ.-мат. лит., 1988.- 192 с.

62. Пузаченко Ю.Г., Мошкин А.В. Информационно-логический анализ в медико-географических исследованиях // Итоги науки: Медицинская география. -М.: Наука, 1969. Вып. 3.- С. 5-74.

63. Рашевский Н. Модели и математические принципы в биологии // Теоретическая и математическая биология.- М.: Наука, 1968.- С. 48-66.

64. Себастиан Г. Процессы принятия решений при распознавании образов. Киев. Техника, 1965.- С. 78-86.

65. Смирнов В. А. Теория логического вывода.- М.: РОССПЭН, 1999. С. 16-233.

66. Смит Д., Смит Дж. Принципы концептуального моделирования баз данных. В сб.: Требования и спецификации в разработке программного обеспечения. Москва, Мир, 1984.- С. 54-57.

67. Статические и динамические экспертные системы. Учебное пособие. Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель, М.Д.Шапот. М., Финансы и статистика, 1995.- С. 44-48.

68. Стентон Г. Медико-биологическая статистика.- М., Практика, 1999.- 464с.

69. Таперова Л.Н., Кобринский Б.А., Мартынов А.Б. Экспертная диагностическая система по неотложным состояниям у детей // Междунар. симпоз. INFO-89. Т.1. Ч.И. Минск. 1989,- С. 40-42.

70. Тарасов К.Е., Беликов В.К., Фролова А.И. Логика и семиотика диагноза (методологические проблемы).- М.:Медицина, 1989. 420 с.

71. Теория моделей в процессах управления. Петров Б.Н., Уланов Г.М., Голь-денблат И. и др.- М.:Наука, 1978, 222 с.

72. Трухаев Р.И. Модели принятия решений в условиях неопределенности. -М.:Наука, 1981.-258 с.

73. Уотермен А. "Руководство по экспертным системам" М.Мир, 1989.- С. 132145.

74. Финн В. К. 1974 Аксиоматизация некоторых трехзначных исчислений высказываний и их алгебр // Философия в современном мире: Философия и логика. М.: Наука.- С. 398-438.

75. Фролов Ю.В. Интеллектуальные системы и управленческие решения.- М., МГПУ, 2000.- 294 С.

76. Хейес-Род Ф., Уотерман Д., Ленат Д. Построение экспертных систем.-М.: Мир, 1989.-С. 67-72.

77. Худсон Д. Статистика для физиков.-М.: Мир, 1970.- С. 127-137.

78. Чернов В.Г., Мозес А.К. Теория принятия решений.-М.:Мир, 1972.- 370 с.

79. Шустерман И.Л. Алгоритм оптимизации дискретных решений в условиях неопределенности // 58-ая научно-теоретическая конференция УГАТУ: Материалы научн. теор. конф., 21-25 апреля 1998. Уфа, УГАТУ, 1998. -С. 10.

80. Шустерман И.Л. Интеллектуальная система поддержки принятия решений в лечебных учреждениях // Интеллектуальные системы управления и обработки информации: Материалы междунар. научн. техн. конф. Уфа, УГАТУ, 1999. -С.155.

81. Шустерман И.Л. Новые подходы к применению аппроксимирующих алгоритмов в медицинских системах диагностики и управления // Теоретическая информатика-2000: Материалы междунар. научн. конф. Уфа, УГАТУ, 2000. -С. 155-157.

82. Шустерман И.Л. Оптимальные аппроксимации в медицинских системах // Моделирование, вычисления, проектирование в условиях неопределенности: Материалы междунар. науч. конф. Уфа, УГАТУ, 2000. -С. 540-542.

83. Шустерман И.Л. Представление данных и логических моделей в медицинских системах поддержки принятия решений // 58-ая научно-теоретическая конференция УГАТУ: Материалы научн. теор. конф. Уфа, УГАТУ, 1999. -С.7.

84. Шустерман И.Л. Сенсорные преобразования в автоматизированной медицинской диагностике // Современные проблемы информатизации-2000: Материалы междунар. электронной научн. конф. Воронеж: ЦЧКИ, 2000. -С.106.

85. Шустерман И.Л. Формализация шкал в медицинской диагностике // Современные проблемы информатизации-2000: Материалы междунар. электронной научн. конф. Воронеж: ЦКЧИ, 2000. -С. 102.

86. Экспертные системы. Принципы работы и примеры: Пер. с англ./ Брукинг А., Джонс П., Кокс Ф. и др. Под ред. Р. Форсайта.-М.: Радио и связь, 1987.-С. 20-22.

87. Юдин Д.Б. Вычислительные методы теории принятия решений.- М., 1989.-С. 33-37.

88. Юл Д., Кендэл М.- Теория статистики 1960, М., Госстатиздат., С. 121-126.

89. Berry M.J.A., G. Linoff. Data Mining Techniques. For Marketing, Sales and Customer Support. John Willey & Sons, Inc., 1997.- 454 P.

90. Bigus J.P. Data mining with Neural Networks: Solving Business Problems.-From Application Development to Decision Support. New York, McGraw-Hill, 1996.- p. 217-218.

91. Bole L. & Borowik P. Many-valued logics 2. Automated reasonong and practical applications.-Berlin: Springer-Verlag, 1998.- p. 54-58.

92. Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning.- New York, Addison Wesley, 1989.- p. 76-82.

93. Zadeh L.A. Fuzzy logic and approximate reasoning. Synthese, 30.- p. 407-428.

94. Zadeh, Lotfi. Fuzzy Sets / Information and Control, 8(3), June 1965.- p.338.