автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Разработка автоматизированной поликлинической системы диагностики сердечно-сосудистых заболеваний

МИНИСТЕРСТВО ОБЩЕГО И ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ Р5> КУРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

Р Г Б ОД

„_,, ________на правах рукописи

1 5 ДЕН 1995

Позднякова Ольга Ивановна

РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ ПОЛИКЛИНИЧЕСКОЙ СИСТЕМЫ ДИАГНОСТИКИ СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ

Специальность 05.13.09 - Управление в биологических и медицинских системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Курск - 1*>96

Работа- выполнена в Курском государственном техническом университете

Научные руководители: доктор технических наук.

профессор Кореневский H.A.

доктор медицинских наук.

профессор Пятакович Ф. А,-

Официальные оппоненты: доктор технических наук,

профессор • Уразбахтш И. Г.

кандидат медицинских наук Зданевич В.И.

Ведущая организация:

Воронежский государственный технический университет

Зэдига' диссертации состоится " " 1996г.

в Ш часов на заседании специализированного Совета Д 064.50.02 Курского государственного технического университета по адресу: 305039. г. Курск, ул. 50 лет Октября, 94.

. С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан " £ " г.

Ученый секретарь специализированного Совета. кандидат технических наук, доцент

5

Довгаль В.М.

ОБШАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. По основным критериям социальной значимости: распространенности, инвалидизации и смертности, -заболевания сердечно-сосудистой системы занимают одно из ведущих мест (Чазов Е. И., Метелица В. И.. Оганов А. Г., Мазур Н. А. и др.).

Значительную помощь в своевременной диагностике сердечно-сосудистых заболеваний и их лечении может оказать применение современных компьютерных технологий, позволяющих объединить многолетний опыт работы в этой области.

В настоящее время известно достаточно большое количество автоматизированных диагностических систем, решающих различные задачи диагностики. Многообразие и сложность реальных диагностических задач, часто требующих своего решения в условиях недостаточности: информации, приводит к тому, что большинство известных медицински», автоматизированных систем реаавт достаточно частные задачи-, как правило, с однотипными решающими правилами и, в основном, без учета достаточно жесткого лимита времени, отводимого на постановку диагноза в условиях практической работы поликлинического врача. Например, широко применяемые в медицинской практике экспертные системы типа MYCJN ориентированы на использование решающих правил только продукционного типа, система CLOT решает узкоспециализированную задачу измерения состава крови, система CASNET предназначена для диагностики заболевания глаукомой при использовании казуальной модели принятия решений, в системе INTERNIST используется модель дерева знаний с множеством отношений и казуальных знаний. Одна из последних систем диагностики, сердечно-сосудистых заболеваний, ориентированная на стационар, погружена в оболочку ТАИС, содержит мощную систему знаний, построенную, в основном, с использованием правил продукций с нечетким выводом, работает без учета жесткого лимита времени, характерного для поликлинических условий.

Анализ не условий, в которых должна функционировать автоматизированная система поддержки принятия диагностических решений в условиях поликлиники, позволяет сформулировать ряд специфических требований по оптимизации объема и структуры базы знаний с учетом реальных ограничений по времени постановки диагноза, по необходимости сохранения заданного качества диагностики в уело-

виях разнородности структуры классов, в условиях неопределенности при различных типах решающих правил, которые в полном объеме не реализуются в известных системах. Учет этих.особенностей позволяет повысить эффективность решения актуальной задачи диагностики сердечно-сосудистых заболеваний в поликлинических условиях.

Целью работы является повышение надежности и производительности работы поликлинического врача при диагностике сердечно-сосудистых заболеваний путем его взаимодействия с автоматизированной системой поддержки принятия решений, работающей в условиях неопределенности с разнородной структурой классов.

Для реализации поставленной цели в работе решены следующие задачи:

- определение списка но.зологий для. поликлинической системы поддержки принятия решений на этапе диагностики сердечно-сосудистых заболеваний в условиях ограничений на качество постановки диагноза и время принятия решений;

- разработка методов преобразования детерминистских решающих правил для принятия решений по диагностике сердечно-сосудистых заболеваний в правила с нечетким описанием границ разделяемых классов:

- разработка правил отображения многомерных данных для решающих правил, применяемых в автоматизированных системах диагностики сердечно-сосудистых заболеваний;

- разработка программного обеспечения системы поддержки принятая решений в условиях автоматизированной поликлиники для диагностики сердечно-сосудистых заболеваний;

- проведение экспертной проверки разработанной системы в условиях модельного эксперимента и реальных условиях.

Методы исследования. В работе использованы теория распознавания образов, прикладная статистика, теория моделирования, теория нечетких множеств, методология искусственного интеллекта.

Научная новизна. 1. В диссертационной работе разработана методика выбора решающих правил для различных структур классов и типов признаков.

2. В работе решена задача оптимизации объема и структуры базы знаний для реализации диагностических заключений автоматизированной системой поддержки принятия решений по диагностике сердечно-сосудистых заболеваний при реализации противоречивых

критериев минимума времени на диагностику и реакции системы и максимума достоверности принимаемых решений.

3. Разработаны методы нечеткого описания границ классификации для кусочно-линейной разделяющей поверхности.

4. Разработаны методы отображения многомерных данных, разделенных кусочно-линейными поверхностями в двумерные классификационные пространства.

5. Предложены новые математические модели для задач: определение локализации патологического процесса, диагностика стенокардии. дифференциальная диагностика нестабильной стенокардии, дифференциальная диагностика пороков сердца, дифференциальная' диагностика различия инфекционно-аллергического миокардита и ишемической болезни сердца, дифференциальная диагностика тиреотоксикоза.

Практическая ценность. Разработанные методы, ■ алгоритмы и программное., обеспечение позволяют поднять на новый уровень качество медицинского обслуживания населения. В частности, позволяют повысить достоверность решений при диагностике сердечно-сосудистых заболеваний в условиях поликлиники и, как следствие, увеличить эффективность лечебно-оздоровительных мероприятий и снизить продолжительность пребывания на больничном листе.

Реализация. Разработанные методы, алгоритмы и программы переданы в опытную эксплуатацию в ряд поликлиник г. Санкт-Петербурга. внедрены в лечебно-диагностическом центре "Хрономед" при кафедре биомедицинских и информационно-технических аппаратов и систем'КГТУ (г. Курск), в медицинских учреждениях г. Кемерово. В гастроэнтерологической клинике Пятигорского НИЛ курортологии и физиотерапии (г. Железноводск), в санатории "Дубовая роща" (г. Железноводск).

Апробация. Результаты работы докладывались и обсуждались на школе-семинаре молодых ученых при Санкт-Петербургском государственном электротехническом университете. На Всероссийской научно-технической конференции "Биотехнические, медицинские и экологические системы.и комплексы" (г.Рязань)., на Международном симпозиуме "Россия на пороге третьего тысячелетия: Единство в многообразии" (г.Курск), на научно-технических конференциях различного уровня в Курском государственном техническом университете.

Публикации. Самостоятельно и в соавторстве опубликовано 9

печатных работ.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, приложений и списка литературы, включающего 96 наименований. Основная часть работы изложена на 101 страницах машинописного текста. Работа содержит 7 приложений, 5 таблиц, 13 рисунков.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, ■определяются-цели и задачи исследования, кратко излагается содержание глав диссертации.

В главе 1 кратко характеризуется состояние проблемы в области автоматизации медицинской диагностики и ставится задача на разработку и исследование системы поддержки принятия решений в условиях поликлиники для диагностики сердечно-сосудистых заболеваний.

Ь п.1.1 показывается, что для решения сложных диагностических задач при разнородной структуре классов в условиях'неопределенности лучше всего подходят интерактивные диагностические системы, опирающиеся на теоретические основы медицинских экспертных систем. Определяются достоинства и недостатки существующих систем.

В п.1.2 формируются основные медико-технические требования на разработку поликлинических систем поддержки принятия врачебных диагностических решений.

Анализ условий работы врачей-специалистов в поликлиниках позволил сформулировать ряд специфических требований, которым делана удовлетворять соответствующая автоматизированная система.

1% При максимально возможной точности диагностики, время постановки диагноза и оформления соответствующих документов в системе человек - машина не должно превышать 10-12 мин (технологическое ограничение по времени среднего приема пациента в поликлинике),. а время реакции машины на запрос лиц, принимающих решения (ЛПР). не должно превышать 6-8 сек (требование комфортной работы человека-оператора с машиной). Это условие накладывает значительные ограничения на обьем и структуру базы знаний, реализацию пользовательского интерфейса и делает актуальной

проблему оптимизации списка и структуры решаемых задач.

2. Для построения надежных решающих правил требуется проведение специальных исследований с, большими объемами статистических данных и с достоверно установленными диагнозами, что в поликлинических условиях не всегда возможно из-за отсутствия соответствующих условий и средств. С другой стороны, анализ отечественной и зарубежной литературы позволяет сделать вывод о том. что для значительного количества задач, требующих поддержки принятия решений в условиях работы' автоматизированной' поликлиники, соответствующие решения найдены, однако, в силу того, что задач;: эти решались различными научными школами, имеют различные структуры классов и разнотипное признаковое описание, полученные решающие правила значительно различаются. Это создает 'предпосылки для разработки такой модели базы знаний системы поддержки принятия решений, которая была бы ориентирована на возможность использования различных типов решающих правил.

• 3. В реальных поликлинических задачах приходится сталкиваться с не полностью определенными значениями диагностических признаков, а иногда, и полным отсутствием некоторых из них. в то время, как ряд известных решающих правил требует четкого описания условий постановки диагноза., Для расширения диагностических возможностей известных детерминистских моделей целесообразно их расширение на основе применения, например, теории размытых множеств. позволяющей работать в условиях различного рода неопределенностей как на уровне признакового описания, так и на уровне диагностических заключений.

4. При работе с различными системами у различных групп пользователей формируется различная степень доверия к различным типам применяемых решающих правил или возникает желание проверить полученное решение с использованием различных подходов. Практическая работа с врачам)! различных квалификаций и специальностей показала, что особый интерес для них представляет сопоставление решений, получаемых решающими правилами, дающими ответ в виде символьного заключения, с системами, отображающими результаты в двумерные классификационные пространства, где пользователь может легко проследить "положение" исследуемого объекта относительно границ "своего" класса и относительно границ "чужих" классов, а также динамику изменения состояния человека под

воздействием лечебно-оздоровительных, мероприятий. С этой точки зрения, определенный научный и практический интерес представляет собой разработка правил отображения многомерных данных с традиционными решающими правилами в двумерные классификационные пространства с четким и нечетким представлением данных.

Сформулированные требования были положены в основу исследований настоящей работы.

В главе 2 рассматриваются методические вопросы синтеза правил принятия решений диагностики сердечно-сосудистых заболеваний в условиях неопределенности и разнородной структуры классов. _

В п.2.1 рассматриваются вопросы разработки методики выбора решающих правил для различных структур классов и типов признаков.

Проблема выбора типа решающих правил для решения конкретной задачи" распознавания и. в частности, для решения задач медицинской диагностики не является тривиальной и зависит от совокупности разных факторов: от типа и характера измерительных шкал, геометрической структуры многомерных данных, объема обучающего материала, возможности иметь точные указания учителя для обучающей выборки и т.д.

С учетом разнородности и разнотипности медицинских данных, при решении задач диагностики сердечно-сосудистых заболеваний, в зависимости от структуры классов и типа измерительных шкал, предлагается использовать следующую обобщающую методику.

1. Если исходные данные представимы в виде логических высказываний, то в зависимости от постановки задачи синтезируются соответствующие продукционные правила с четкой или нечеткой логикой. и решение заканчивается.

2. Если объемы данных таковы, что позволяют получать надежные оценки априорных вероятностей, то производится построение многомерных функций плотностей вероятностей, по которым производится дальнейшая классификация, и решение заканчивается. В противном случае - переход к п.З.

3. Если учитель принимает решение производить обучение в рамках вероятностных моделей без достаточной априорной информации. он обеспечивает формирование таблицы экспериментальных данных азЛ) и производит предварительное изучение структуры данных пс одномерным и многомерным гистограммам. Если у него создается

предварительное мнение о достаточно простой структуре данных (шары, элипсы и.т.д.), он может пойти по ветви локальней оценки плотностей вероятностей, используя правила ближайшего соседа или алгоритм средней связи (в более простых случаях). Если при этом заданное качество достигается - выполняется пункт 7. если нет -выполняется пункт 6. Если же учитель принимает решение об использовании в качестве решающих правил разделяющие поверхности, выполняется следующий пункт.

4. В зависимости от информации, представленной на одномерных и многомерных гистограммах, а также на гистограммах, ось аб-цисс которых формируется на мерах близости, принимается решение о синтезе: линейной дискриминантной функции; кусочно-линейной разделяющей поверхности; системы эталонов; простой нелинейной разделяющей поверхности или о формировании дискриминанты Фишера. Если для синтезированной разделяющей поверхности заданное качество достигается, осуществляется переход к п. 7, если нет -осуществляется переход к п.6.

5. В случае, если пользователя интересует получение решения в наблюдаемом пространстве признаков и известен тип решающего правила, для которого делается отображение, а также известен способ отображения. осуществляется синтез соответствующего пространства и осуществляется переход к п. 7.. В противном случае выполняется следующий пункт.

6. В случае сложных (заранее непредсказуемых) структур классов с помощью специальных пакетов осуществляется предварительное изучение структур исходных классов и реализуется метод классификации двумерных отображений.

7. Если пользователя интересует модификация решающих правил до нечеткой логики, производится соответствующая•нечеткая модификация и во всех случаях, когда заданное качество диагностики достигается, решение заканчивается.

В п.2.2 производится оптимизация списка задач для поликлинической системы поддержки принятия решений на этапе диагностики сердечно-сосудистых заболеваний, в результате которой высококвалифицированными экспертами, в соответствии с предлагаемой в работе методикой, были отобраны 13 заболеваний для их первичной реализации в автоматизированной системе: определение локализации патологического процесса; диагностика стенокардии; дифферент!-

альная диагностика нестабильной стенокардии; прогнозирование исходов острого периода инфаркта миокарда; прогнозирование трудоспособности после перенесенного инфаркта миокарда; дифференциальная диагностика артериальной гипертензии и нефрогенной гипертонии; дифференциальная диагностика пороков сердца; дифференциальная диагностика различия инфекционно-аллергического миокардита и ишемической болезни сердца; дифференциальная диагностика недостаточности кровообращения; диагностические критерии ревматизма; интегральная оценка резервных мощностей; определение степени тяжести состояния больных инфарктом миокарда в остром периоде болезни: дифференциальная диагностика тиреотоксикоза.

Из них для семи задач были найдены литературные источники, в которых описаны решающие правила, удовлетворяющие медицинских экспертов по списку признаков, используемых в поликлинических условиях, и по качеству диагностики. Для шести задач (определение локализации патологического процесса, диагностика стенокардии, дифференциальная диагностика нестабильной стенокардии, дифференциальная диагностика пороков сердца, дифференциальная диагностика различия инфекционно-аллергического миокардита и ишемической болезни сердца, дифференциальная диагностика тиреотоксикоза) было предложено найти новые решающие правила. Причем, как показали результаты моделирования, для задач с кусочно-линейной разделяющей поверхность» появилась необходимость в разработке правил перехода к нечеткому описанию механизма разделения много-мешых областей и отображению их в двумерные отображающие пространства.

В п.2.3 разрабатываются правила построения диагностических заключений в условиях нечеткого представления'разделяющих границ для кусочно-линейной разделяющей поверхности, определяемой системой уравнений вида:

п

Z3 = Sing ( I auX! - Y3„). где 1=1

1=1.....n- номер информативного признака, J=l,...,m - номер

разделяющей гиперплоскости. xi - значение информативного диагностического признака, а13 - величины настраиваемых параметров, YJn - пороговые значения J-ых гиперплоскостей. Нечеткое описание приграничных областей производится через функции принадлежностей

Дгк3(2/;, гДе г^ ~ номеРа разделяемых классов, г/ - носитель нечеткого множества, определяемый на непрерывной шкале

п

I а^Х! - Ч1п.

В работе предложен алгоритм построения знаковых таблиц принятия решений для кусочно-линейных разделяющих границ с расчетом соответствующих величин . в которой строки соответству-

ют номеру выделяемой в многомерном пространстве признаков области. а столбцы - знакам разделяющих поверхностей, номеру выделяемого класса со списком функций принадлежностей для сменных областей.

■ Задача классификации в этом случае осуществляется по следующему алгоритму:

1. по комбинации знаковых функций определяется область принадлежности неизвестного объекта:

2. определяется величина

3. для возбужденной (выделенной) строки таблицы принятия решений выбираются номера формул для расчета соответствующих функций принадлежностей и рассчитываются их фактические значения: -'■•"'.,

4. если в одной " строке таблицы принятия решений выбрано несколько, различных функций принадлежностей, то решение принимается по правилу логическое "И."

Расчетные значения цгк3(23') интерпретируются как расчетные коэффициенты уверенности принятия диагностических решений.

В п. 2.4 рассматриваются варианты конструирования двумерных отсСражающих пространств Ф для разделения областей, выделяемых в пространстве исходных признаков N кусочно-линейными разделяющими плоскостями.

При использовании кусочно-линейных разделяющих поверхностей выделяемым областям многомерного пространства исходных признаков N должны быть поставлены в соответствие области отображающего пространства Ф с учетом того, что смежные области пространства N должны соответствовать смежным областям пространства Ф. Дополнительно рекомендуется распределение классов в пространстве Ф проводить таким образом, чтобы близость области к началу координат в исходном пространстве соответствовала некоторой мере близости

и в отображающем пространстве (по величине У3п гиперплоскостей, разделяющих различные области в Ю.

Одна гиперплоскость в N не должна иметь ломаную границу в Ф. Смежные области в N должны иметь общие границы в Ф. Удаление отображений не смежных областей друг от друга определяется различием в количестве разнородных знаков для отображаемых областей (для соответствующих строк таблицы принятия решений). Например, при различии в двух знаках отображения областей - имеют общую точку, а при полностью противоположных знаках отображения соответствующих областей- точек пересечения не имеют.

При отображениях этого'типа пользователь может получить информацию о близости объекта к разделяющим границам (по крайней мере, к паре ближайших границ или к паре границ, указанных экспертами в качестве опорных для выбранных областей или классов). Учитывая разницу в расстояниях в исходном и отображающем пространствах, целесообразно ввести масштабные коэффициенты И, общие по обеим координатам V]. У2. раздельные по У,, У2 или раздельные по отношению к различным областям в зависимости от целей отображения.

Например, общий масштабный коэффициент может быть выбран по расположению "желаемых " отображений, разделяющих линий в пространстве Ф, исходя из формулы:

бу = сЗн - М,

где (Зу - расстояние от начала координат до разделяющей линии в Ф, б„ - расстояние от начала координат до разделяющей гиперплоскости в Н. Из последней формулы следует, что

М = с1у/с1н.

В таком варианте отображение неизвестного объекта в Ф может производиться в соответствии со следующим алгоритмом.

" В исходном пространстве определяется принадлежность объекта к области соответствующего класса, 'и от него определяются расстояния до разделяющих гиперповерхностей- по величине разности:

п

= ^п

Из всех гиперповерхностей выбирается пара, для которой разности Z3 минимальны. Для отображающего пространства рассчитываются расстояния ст отображений границ соответствующей пары гиперплоскостей по формулам:

Z" = Z3' -M и Z" = Z3" -M.

где Z' - расстояние от отображения объекта до одной из выбранных отображенных разделяющих границ, a Z". - до другой. Относительно этих линий в Ф с учетом знака Z3 проводятся параллельные линии с уравнениями, в которых свободные члены отличаются на величины Z' и Z" соответственно. Точка пересечения этих линий и есть искомая координата отображения неизвестного объекта.

В работе рассматривается также модификация этого метода с построением "размытых" границ классов в отображающем пространстве с использованием соответствующих Функций принадлежностей.

В п.2.5 описан пакет прикладных программ. Разработанный программный продукт является фрагментом общей системы поддержки принятия решений врачами-специалистами в условиях типовых лечебно-профилактических учреждений. Для реализации .программного средства используется язык высокого уровня PASCAL разработки фирмы Borland. Функционирует программный продукт в операционной среде MS-DOS.

В главе з рассматриваются вопросы синтеза решающих правил длл принятия диагностических решений по выделенному экспертами классу диагностических задач.

Для синтеза решающих правил и оценки их применимости в практической работе была сформирована группа из восьми высококвалифицированных экспертов в составе двух докторов медицинских наук, трех начальников медицинских служб и трех практических врачей-кардиологов высшей квалификации.

Для решения задачи 'локализации патологического процесса сердечно-сосудистой системы экспертами были синтезированы 12 правил логического типа со связками И и ИЛИ с нечетким выводом типа: диагноз достоверен или вероятен. Диагностировались: ишемк-ческая болезнь сердца, артериальная гипертензия, дисциркулятор-

ная энцефалопатия, патология периферических сосудов, заболевания миокарда, нейроциркулярная дистония.

Для решения задачи диагностики стенокардии по результатам анализа больничных листов с достоверно установленным диагнозом (стенокардия, отказ от принятия решения, стенокардии нет) были составлены таблицы экспериментальных данных (ТЭД) и проведен предварительный анализ структуры данных по одномерным и многомерным гистограммам. В результате анализа была выдвинута гипотеза о возможности использования линейной дискриминантной функции. По рекомендациям работы Лбова (1987 г.) для известной сложности решающего правила был сформирован обучающий архив объемом 45 человек на каждый из трех классов и контрольная выборка из 50 человек на каждый класс. В результате обучения было получено решающее правило вида:

V] =5. 4Х)+4. Зх2+1. 1Хз~2. 1х5+0.9х6-1. 1х7-3. 1хв-3.7хэ +

+З.Вх10-1-8. 7Х)! +3.'бх, г+4. 5х,з+5. Зх, 4+5. 2х, 5+0. Эх, 6+3.1х17 + +2.7X18+0.9x19-1.1х20+4.3хг1-1.9хгг+4. 6хгз-2.2хг4 + 1.9х25 + +2.9хгб+6.6х27+2.1хгв-0.9хгэ+0.9х30-1. 8х3, +0.9хзг+4,4х33.

со следующими диагностическими условиями:

где через х^ обозначены значения информативных признаков, полученных в результате обучения по таблице экспериментальных данных, что хорошо согласуется с результатами работ профессора Ней-марка (1972 г.).

Вероятность правильной постановки диагноза с учетом зоны отказа - не хуже О,¿Т.

Для зоны отказа и границ классов IV, и М2 уверенность в принятии решения определена через Функции принадлежности вида: (

если У! <51. то стенокардии нет (класс V;,). если У,>59, то стенокардия (класс Иг). если 51<У4 <59. то отказ.

I О

Мп(ИгН 2 (У| -51)г /64 1-2(У,-59)г/64

для У]<51 для 51<У,<55 для 55<У,<59 для V,>59

МпО^М-МпСа)- -

Аналогично решалась задача дифференциальной диагностики нестабильной стенокардии. Получена дискриминантная функция вида:

У2=2. IX,-7.5хг+0.9Х3+3. бХ^-б. 6х5-3.2х6+2.1х7+0.9Х„+

+2. 7хэ-5.4Х,0-1.8Х,, -1. IX,г+0.9Х, 3-4.3хм+3. 9Х,5+

+7.4Х,6+1. 9х17+3. 7Х,8+2. 2Х,9++3.9хг0+5.5хг,+4.Зхг2+

• +1.9хгз-2.2х24-2.1хг5+5. 4х26-2. 8х27+3. 2х28+3.6х29.

сс следующими диагностическими условиями:

если У2>50, то нестабильная стенокардия, если У2<50. то реализуется Функция У,.

На обучающей и контрольной выборках была получена вероятность правильной постановки диагноза Р=0.££.

Аналогично была получена линейная дискриминантная функция для разделения инфекционно-аллергического миокардита и ишемичес-кой болезни сердца с вероятностью правильной классификации не хуже 0,97.

Для решения задачи диагностики пороков сердца был собран обучающий архив по 100 объектов на каждый из. шести классов (больные с митральным, трикуспидальным. пульмональным и аортальные стенозом и недостаточностью). По заказу пользователей решение должно было приниматься в двумерном отображающем пространстве с возможностью наблюдения положения исследуемого объекта относительно границ разделения классов. В соответствии с представленной в работе методикой было получено отображающее пространство. представленное на рисунке 1. с отображающими функциями вида: [

У,=0.15х,+0. 35хг+1.9х4+0. 35х5+0. 35х6+0. 7х7+0. З5хе + +3.2хэ+0.35Х10+0.7х, ,+1. 9х12 + 1.5х,3+5. IX, 4+1. Эх,5+

• +1.5х16+0.15х, 7+0.15х, 8+0. 35х,9+0. 7х20+0. 7х21

У2=0. 6х, +0.6х2+0. 9х4+1. 7х5+0. 7х6+0. 7х7+0.6Х8+0. 6х9+ + 1. 7х, о+2. 5Х,, +0.9х, 2+0. 7х, з+0.6Х,4+0.9х, 5+0.7Х, 6+ +0. 6Х,7+0. 6х,8+0.9Х,9+0. 6Х20+0.6Х21 .

Вероятность правильной классификации на обучающей и контрольна выборках того же объема - не хуже 0,95.

Для этой же задачи была построена кусочно-линейная разделяющая поверхность в исходном пространстве, . дающая то же качество классификации, и далее получено нечеткое описание разделяющих границ классов с помощью функции принадлежностей вида:

Мгз^-г

(

0, для г.,'<¥;,„-0,2 2(г3 *-(Улп-0.2) )/0.16. для 2<2у<Ч)п 1-2Сг1'-(У;,п+0.2))/0.16, для Узп^'^п+О.г

1. ДЛЯ г3*>УЛП+0,2

10

5 6 1

4 2 3

о

3

6

10 У,

1 - сужение митрального клапана; 2 - недостаточность митрального клапана; 3 - недостаточность аортального клапана; 4 - сужение аортального клапана; 5 - недостаточность трехстворчатого клапана; 6 - сужение трехстворчатого клапана.

Рис. 1.

На следующем этапе было синтезировано двумерное классификационное пространство для расширенного варианта этой задачи с диагностикой сочетанных и комбинированных патологий при использовании логических правил принятия решений с вероятностью правильной классификации - 0,98.

Задача дифференциальной диагностики тиреотоксикоза решалась с использованием параболической системы оценок первичнокодиро-ванной симптоматики с нечетким выводом по трем классам: достоверный ■ диагноз; вероятный диагноз; отказ от принятия решения.

Диагностический вывод делается по величине коэффициентов уверенности,' выражаемых соответствующими функциями принадлежности. '

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Предлагаемая работа посвящена решению научных и практических проблем, связанных с разработкой автоматизированной системы поддержки принятия решений для задач диагностики сердечно-сосудистых заболеваний в условиях поликлиники.

Выполнение работы позволило получить следующие результаты.

1. Разработана методика выбора типа диагностических решающих правил для различных структур классов и типов признакового описания состояний исследуемых объектов:

2'. Проведена оптимизация списка нозологий для поликлинической системы поддержки принятия решений на этапе диагностики сердечно-сосудистых заболеваний в условиях ограничений на время принятия решений и качество постановки диагноза.

3. Разработан метод преобразования кусочно-линейного решающего правила с четкой классификацией в решающие правила с нечетким выводом.

4. Разработан метод отображения многомерных областей выделенных кусочно-линейной разделяющей поверхностью в двумерное классификационное пространство с четким и нечетким представлением отображаемых границ разделения.

5. Разработано программное обеспечение системы поддержки принятия решений в условиях автоматизированной поликлиники для диагностики сердечно-сосудистых заболеваний. •

6. Разработанные методы и программные средства прошли экспериментальную проверку -в ряде поликлиник Санкт-Петербурга, Курска. Кемерово и Железноводска. Опытная эксплуатация показала их высокую диагностическую надежность, давая в руки пользователя высококвалифицированного электронного советчика, позволяющего поднять на высокий уровень качество медицинского обслуживания населения.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ

1.Кореневский H.A., Гадалов В. Н., Позднякова О.И. Полифункциональная интерактивная диагностическая система//Материалы конференции "Приборы и приборные системы". Тула. 1994.

2.Позднякова О.И. Полифункциональная интерактивная диагностическая система//Материалы юбилейной конференции к ЗО-летию института. Курск. 1994.

3.Позднякова 0.И.. Романов А.Ю., Сазонов К.В.. Трубченко М.В. Автоматизированные лечебно-диагностические системы для типовых лечебно-оздоровительных учреждений // Материалы республиканской конференции. Рязань. 1994.

4. Позднякова 0. И., Романов А.Ю. Краснокутская P.A. Построение интерактивных полифункциональных систем диагностики и управления состоянием здоровья человека для типовых лечебно-оздоровительных учреждений//Материалы республиканской конференции. Рязань. 1994.

5. Позднякова O.K. Подсистема поддержки принятия решений в задачах медицинской диагностики // Материалы республиканской конференции НТК. Курск. 1994.

6. Кореневский H.A., Гадалов В. Н., Грошков А.Н., Позднякова 0. И. Интерактивная подсистема контроля состояний и управления социо-техническими системами//Материалы юбилейной научно-практической конференции "Охрана окружающей среды и рациональное использование природных ресурсов". Курск. 1995.

7.Коренезский H.A., Колоскова Г.П., Кретушева Т. А., Позднякова О.И. Интегральные средства системы обработки медицинской информации // Материалы медицинской конференции "Распознавание-95". Курск. 1995.

8. Позднякова 0. И., Романов А. Ю., Кретушева Т.А., Коренёвская E.H. Автоматизированная сетевая система поддержки принятия решений в типовых лечебно-профилактических учреждениях//Материалы юбилейной научной конференции 50-летия победы. Курск. 1995.

9. Романов А.Ю.. Позднякова 0.И." Савенкова И.В., Поливанова Т.В. Анализ таблиц экспериментальных данных с помощью систем функционального отображениях/Материалы Международного симпозиума "Россия на пороге третьего тысячелетия: Единство в многообразии". Курск. 1995.