автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Разработка и исследование сетевых диагностических систем на основе вероятностных критериев

На правах рукописи

ПУГИН Владимир Владимирович

РАЗРАБОТКА И ИССЛЕДОВАНИЕ СЕТЕВЫХ ДИАГНОСТИЧЕСКИХ СИСТЕМ НА ОСНОВЕ ВЕРОЯТНОСТНЫХ КРИТЕРИЕВ

Специальность 05 13 13 Телекоммуникационные системы и компьютерные сети

У

Автореферат диссертации на соискание ученой степени кандидата технических наук

Самара - 2007

ииаи705з

003070531

Диссертация выполнена на кафедре передачи дискретных сообщений ГОУВПО «Поволжской государственной академии телекоммуникаций и информатики» (ГОУВПО ПГАТИ)

Научный руководитель

д т н, профессор Лихтциндер Борис Яковлевич

Официальные оппоненты

- д т н , профессор Кораблин Михаил Александрович

- к т н , доцент Симонова Елена Витальевна

Ведущая организация

ГОУВПО «Самарский государственный технический университет»

Защита состоится 31 мая 2007 г в 00 на заседании диссертационного совета Д 219 003 02 по адресу 443110, г Самара, ул Л Толстого, 23, ГОУВПО ПГ<\1И

С диссертацией можно ознакомиться в библиотеке ГОУВПО ПГАТИ Автореферат разослан¿1 2007 г

Ученый секретарь диссертационного совета Д 219 003 02

д г н,доцент

Мишин Д В

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы В настоящее время в нашей стране и за рубежом па-коплен значительный опьгт разработки и применения средств вычислительной техники и математических методов для решения задач теоретической и практическом медицины На начальных этапах работ в этом направлении основное внимание уделялось созданию методов и моделей, позволяющих углублено исследовать патологические процессы на уровне отдельных органов и систем организма

Современный уровень развития вычислительной техники делает возможным создание информационных продуктов нового поколения - распределенных автоматизированных медицинских информационных технологий, предлагающих те или иные научно-обоснованные врачебные решения в зависимости от особенностей клинической ситуации, складывающейся на каждом конкретном этапе ведения больного Такие системы, выступающие в качестве полноправных участников медицинского технологического процесса, в состоянии обеспечить недостижимые для обычных клинических рекомендаций сочетание широты охвата решаемых проблем и детальности их проработки (Устинов А Г, Попов Э В , Рашер ЛI , Куликовский К Л, Лихтциндер Б Я, Shortliffe Е Н , Hayes-Roth F )

В связи с развитием сети Интернет, реализация таких сисгем в виде Web-приложений, которые могут быть установлены на любом общедоступном Web-сервере, имеет большой практический интерес и найдёт широкое применение Разработка подобных систем выгладит задачей, которую возможно решить лишь при интеграции сил квалифицированного технического и медицинского научного персонала Большинство систем, дистанционной диагностики, ориентировано на IP-технологии и используют мультимедиа информацию, объёмы которой достаточно велики Однако малая пропускная способность абонентского доступа и слабая информатизация отечественных лечебных заведений накладывают жесткие ограничения на объем передаваемой информации

Эти ограничения входят в противоречие с требованиями объективности н надёжности диагностики, для обеспечения которых следует увеличивать объём передаваемой диагностической информации

Разрешить эти противоречия позволяют адаптивные системы, основанные на вероятностных методах диагностирования В процессе диагностики осуществляется направленный поиск диагностических вопросов, что существенно уменьшающий объём передаваемой информации

Таким образом, задача разработки новых методов и средств адаптивном диагностики заболеваний на основе вероятностных критериев, несомненно является актуальной

Целью работы является создание и реализация в компьютерных IP-сетях автоматизированной информационно-аналитической системы, с использованием новых методов и адаптивных алгоритмов, основанных на вероятностных критериях

Для достижения поставленной цели в работе решаются следующие ¡ада-

чи

- разработка вероятностных моделей заболеваний для систем дистанционной диагностики, использующих IP-технологии

- р<нрабо1ка адаптивных алгоритмов выбора диагностических проверок по кри-1ершо максимальной информативности для сетевых компьютерных систем диагностики заболеваний,

- рафибогка и реализация в web-cpeдe программного обеспечения адаптивной сныемы дистанционной диагностики заболеваний,

- исследование функционирования системы в сетевой среде (оценка времени и информационных характеристик)

Методы исследования В работе применялись теоретические и экспериментальные методы исследования При разработке моделей диагностических проверок и алгоритмов диагностики использовались методы теории вероятностен, теории информации, дискретной математики, комбинаторики, а также основы проектирования экспертных систем

Исследование функционирования системы в сети Интернет, а также оценка временных задержек проводились на основе теории передачи дискретных сообщений, теории вычислительных систем, теории массового обслуживания и имитационного моделирования

На защиту выносятся.

- новые адаптивные алгоритмы дистанционной диагностики ориентированные на использование в компьютерных сетях,

- программные средства системы дистанционного диагностирования, реализованные на основе сетевых \уеЬ-технологий,

- вероятностная модель диагностики и алгоритм направленного поиска очередной диагностической проверки, позволяющие сократить объём передаваемой информации,

- вероятностные модели основных типов диагностических проверок,

- результаты исследования работы системы в сетевой среде оценка временных характеристик на различных стадиях транзакций, оценка выигрыша по количе-I гву диагностических проверок и объемам передаваемой информации

Научная новнзна заключается в следующем

- разработан ранее не применявшийся алгоритм направленного поиска диагностических проверок, осуществляющий выбор очередной проверки по критерию максимальной информативности, что позволяет снизить количество диагностических проверок, а, следовательно, объём передаваемой информации,

- разработан направленный поиск диагноза при малом количестве диагностических проверок,

- разработана новая вероятностная модель диагностики, обеспечивающая, в отличие от других, высокий уровень надёжности постановки диагноза с заданной вероя гностью, при малом количестве диагностических проверок,

Практическая ценность работы заключается в том, что на её основе созданы адаптивные автоматизированные системы дистанционной диагностики заболеваний ориентированные на работу в сетевой среде

Программное обеспечение системы диагностирования реализовано в виде ууеЬ-приложения Размещение его в сети Интернет позволяет проводить дистанционную, автоматизированную диагностику заболеваний и обеспечивает высокую доступность данной услуги

Реализация и внедрение работы Разработанные системы используются в учебном процессе различных кафедр ГОУВПО «Самарский государственный

медицинский университет», НОУВПО Самарский медицинским ины и i yi «Реа-виз», в лечебно-профилактической работе ООО «Амбулаторный цеигр № 1»

Апробация работы Результаты работы докладывались на российских н международных научио-технических конференциях и конгрессах Международных конференциях «Интерактивные системы проблемы человско-компыотерного взаимодействия» (Ульяновск, 2003 и 2005), Международном конгрессе конференций «Информационные технологии в образовании» (Москва 2003), X, XI, XII и XIII Российских научных конференциях профессорско-преподавательского состава, научных сотрудников и аспирантов (Самара 2004 2004, 2005, 2006), V и VII Международных научно-технических конференциях «Пробпемы техники и технологии телекоммуникаций» (Самара, 2004, 2006), Международной научно-технической конференции «Информационные, измерител! -ные и управляющие системы (ИИУС-2005)» (Самара, 2005), 5-й Международной конференции молодых учёных и студентов «Актуальные проблемы современной науки» (Самара, 2004-2005)

Публикации Результаты работы опубликованы в 16 научных рабоых, в том числе 7 статен в научно-технических журналах и сборниках, 5 тезисов докладов на научно-технических конференциях и 4 свидетельства об официальной регистрации программы для ЭВМ

Объем и структура диссертационной работы Диссертация содержи! введение, 4 главы и заключение, изложенные на 111 листах В работу включено 37 рисунков, 7 таблиц, библиографический список из 117 наименовании

СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрена актуальность проблемы создания дистанционных систем диагностики заболеваний В связи с развитием информационных технологий, современные распределенные системы обрабатывают большие объемы информации Это увеличивает как время диагностики, так и нагрузку на ра ситные компоненты этих распределенных систем Уменьшение же числа диагностических проверок приводит к снижению вероятности правильной постановки диагноза Необходимо предложить механизм, уменьшающий чисто диагностических проверок, обеспечивая при этом высокую степень надежности правитыюи постановки диагноза

В первой главе выполнен обзор существующих методов, моделей и систем компьютерной диагностики заболеваний и составлена их классификация

Медицинские системы диагностики заболеваний разделяют на два класса

- системы информационной под держки врача,

- системы доврачебной помощи и системы консультации пациент ов

По принципам построения диагностические системы делятся на

- экспертные системы,

- системы нечеткой логики,

- генетические алгоритмы,

- методы генетического программирования,

- нейронные сети

Из зтих видов наибольшее распространение получили экспертные системы диатосгикн заболеваний, основанные на вероятностных критериях оценки, но только некоторые и i них спроектированы для использования в сети Интернет

Ьольшинство современных систем диагностики, построенных на основе uvb 1е\нолопш, предполагают предъявление всех диагностических проверок, коюрые характерны для заболевания из данной группы В целях повышения качества дш! поэтические вопросы снабжаются мультимедиа информацией, что приводит к существенному уветиченшо объёмов передаваемой информации Из-за увеличения времени передачи диагностических вопросов продолжительность процесса диагностики возрастает, что входит в противоречие с требованиями для систем работающих в реальном режиме времени

Уменьшение продолжительности диагностики за счёт количества проводимых днагн0С1ичеСких проверок приводит к низкой надежности процесса диагностирования Эти противоречия решаются с помощью применения вероятност-ни\ методов и алгоритмов направченного поиска наиболее информативной проверки, позволяющих существенно снизить количество диагностических вопросов, а еле ючательно объем передаваемой информации в системах дистанционного диагностирования, обеспечив при этом высокий уровень надежности правильной постановки диагноза

Во второй главе предложена новая вероятностная модель дистанционной диагностики сопасно которой здоровье пользователя системы может быть отнесено к одному из нескольких состояний {е,}, соответствующих возможному заболеванию Состояния характеризуются вероятностями {Р(е,)} и составляют полную ipyimy событий В процессе диагностики пациенту предлатаютс? диагностические вопросы и, в зависимости от результатов ответов на них, вероятности заболеваний изменяются Вопросы предлагаются до тех пор, пока одна из вероятности состояний (заболевание или отсутствие заботевания) не превысит порог, задаваемый пользователем системы

Каждая проверка характеризуется матрицей Р условных вероятностей, столбцы которой соответствуют состояниям, а строки - исходам тестового

задания Исход, в общем случае, - это событие, заключающееся в получении какою-либо ответа - симптома из группы ответов, объединенных по некоторому признаку В ячейках матрицы содержатся вероятности P(¡- вероятности

тою чю появится симптом q k при заболевании е,

Зная условные вероятности />(ду |е), вероятности состояний р(е.) и получи» некоторый исход qt, с использованием георемы Байеса можно вычислить условные вероятности гого, что объект диагностики обладает тем ичи

иным заболеванием при условии, что после предъявления очередной проверки получен у-uíí исход Эти вероятности считаются априорными вероятностями со-сюяшш при выборе и предъявлении следующей диагностической проверки

Не'ш изначально состояние пациента неизвестно, разумно предпотожить, что начальные вероятности его состояний равны между собой

Via основании показателя максимума средней информации ) сны (.мои выбирается предварительно наиболее информативная проверка Введем следующие понятия

- //,(е) априорная энтропия, характеризующая состояние диагностической системы после завершения к - проверки

- // t(e/q)- средняя апостериорная энтропия состояния после условного проведения проверки 71А

<=0

С ре inn« энтропия до пред! ияюипя »опроса Перебор всех вопросом (симптомов) |—

^.,.,(</>¿/',(<7,10 Р,{е)

срс шин вероятное ГL J го исхода

Условные верой гности состояний et при >с ю иолл кнпн и сю to.

»,„ Л<м«,)=-5Х,Л«. I?,) i«g! с.,.(<-, I

£

и,(г) h

= 0

^ слиппаи энтропии характеризующая

неопределенности состоянии пациенте пос к пол) ich it и у i о исхода A i о симптома

»„I <(<0=í>,„»(<'¡<),) '"б*J

»итроплЯ иис.ю услооиоП) преД1 явлен

|И||форма IHHIOICII

Zj ÍBi imu iiniiGojiii X f —"Ншформмшишни J [сПМШОМИ A

Л1

Рис 1 Алгоритм выбора наиболее информативной проверки Априорная энтропия до начала проверки тс4 вычисляется по формуле (I)

Hi(e) = -±Pt(e,)\og2Pt(el)

1=0

овного проведения проверки Нк (е/д, ) = (е,/qjk) log, PL (в,)

(1)

Энтропия после условного проведения проверки 7с( вычисляется по формуле (2)

S

(2)

В данном случае Я,) условная энтропия, характеризующая изменения неопределенности состояния диагностируемого системой пациента в с чу чае завершения проверки я, исходом q¡

Производится едшшчное испытание — выдаётся вопрос и возможш 1с варианты ответов Ответ пациента с помощью специальной процедуры формируется в исход

Далее in матрицы проверки выбирается строка условных вероятностей Г (с/, / е,) !\qj /е,), соответствующая полученному симптому

По формуле Байеса для конкурирующих гипотез рассчитывается новое распределение вероятностей Pk(e,lqlk) - возможного диагноза пациента

Проведенная проверка исключается из списка Цикл повторяется до теч пор пока значение вероятности одного из заболеваний не превысит заданного порогового уровня или не исчерпается весь перечень симптомов-проверок По результатам проведенных проверок делается вывод о наиболее вероятном заболе-

вр НИИ

В третьей главе рассмотрены вопросы реализации распределенной системы диагност ики заболеваний и проведено исследование ее функционирования в сети Интернет

Для программной реализации предложенных систем диагностики заболеваний использованы скриптовые языки программирования, обеспечивающие простоту безопасность работы и независимость программного обеспечения от операционной системы, как на серверной, так и на клиентской сторонах

Вся бизнес-логика реализуется в серверной части приложения на языке PHP с использованием объектно-ориентированного подхода Интерфейс пользо-ваге 1я представлен в виде НГМЬ-страниц с использованием скриптов JavaScript, повышающих функциональность интерфейса Доступ к базе данных осуществляется встроенными средствами PHP и любой SQL-ориентированной системой управления базами данных Web-интерфейс позволяет работать с системой из любо! о места планеты, где есть доступ в Сеть Возможно использование системы не только в 1Лобапьной сети, но и в локальных сетях, а также на отдельном компьютере

Для обеспечения процесса диагностики в системе имеются модуль диагностики, модуль статистики, модуль администрирования, модуль справки

Модуль диагностики обеспечивает постановку диагноза на основе ответов пациента Пред началом диагностики необходимо указать пороговую вероятность (надежность диагностирования) Модуль работает в двух режимах пошаговом и в rpvime болезней При пошаговой диагностике сначала опредетяется группа заболеваний (1 шаг), затем заболевание (2 шаг) При диагностике заболевания в из-ве<. тной группе, необходимо предварительно произвести ее выбор

Модуль администрирования позволяет создавать, наполнять и изменять cm 1ему диагностирования, а также рассчитывать матрицы условных вероятностен Имеется возможность вставки графической информации в систему, импорт и "«спорт данных, как системы органов, так и нескольких отдельных заболевании

В тимодействие пользователя с системой осуществляется транзакциями, Bpt мя которых складывается из следующих составляющих

- время передачи запроса от пользователя к серверу

- время обработки запроса, которое в общем случае складывается из времени ожидания в очереди и собственно времени обработки

- время передачи ответа от сервера к пользователю

Запрос включает в себя адрес сервера, имя файла программы и входные параметры в виде массива пар имя параметра - значение Объем запроса не пре-

вышает 250 байт, поэтому может быть передан одним IP-пакетом Время )той составляющей транзакции пренебрежимо мало по сравнению с временами обработки запроса и передачи ответа

Время ожидания запроса в очереди на обработку зависит от количества одновременно работающих пользователей, или интенсивности подключения пользователей к системе, и от времени обработки запроса, которое зависит or количества мафиц условных вероятностей в тестовом наборе Время обработки аппроксимируется функцией irfJ?(")= 'пост +> гДе 'пост ~ время обработки, не зависящее от количества заданий в наборе (время выполнения операций, не связанных с матрицами), ru - среднее время загрузки и обработки одной матрицы, и - число матриц

Время передачи зависит от объема передаваемой информации и скорости передачи, которая в свою очередь определяется пропускной способностью абонентского доступа, как самого «узкого» места Объём информации, которую необходимо передавать в ответ на каждый запрос, равен, приблизительно, 10 кб (объем web-страницы) Однако содержательная часть задания может включать в себя графическую информацию, объёмом s [кб], который может варьироваться Объем всей информации, отправляемой сервером пользователю равен Л = s + 10 кб Время загрузки web-страницы с диагностической информацией (время передачи ответа) прямо пропорционально объему графической информации и равно /ncp = Z_8=^Ci (3)

где С — пропускная способность модема [кбит/с]

Для эффективного функционирования серверной части в сети Интернет целесообразна ор1анизация web-узла на одном сервере, функционирующем в режиме пакетной обработки При использовании многопроцессорного сервера следует обеспечить его работу в режиме разделения функций (процессоры разделяют работу по выполнению одного запроса)

В четвертон главе рассматриваются результаты имитационного моделирования процессов диагностики заболеваний Цель моделирования - исследование сходимости этих процессов

Для проведения эксперимента заданы следующие начальные условия

- модель пациента с заданным диагнозом,

- первоначальное распределение вероятностей состояний,

- массив чисел реализаций процесса диагностики различным числом вопросов,

- массив чисел различных диагнозов, полученных в результате диагностики

Первоначальное распределение вероятностей состояний имитируемого объекта задается равновероятным Кроме того, в начале каждой реализации процесса инициализируется счётчик вопросов В конце каждой реализации процесса диагностирования в заданных массивах фиксируется количество вопросов и поставленный диагноз

Для моделирования в качестве исходных данных были взяты различные болезни, и различные значения порога ри Для каждой болезни диагностирование проводилось 10000 раз При нехватке вопросов диагноз ставился по наибольшей вероятности В результате были получены средние количества вопросов,

которые необходимо задать, чтобы установить диагноз с той чти иной вероятностью На рис 2 представлены семейство зависимостей среднего числа вопросов для всех болезней из группы заболеваний дыхательной системы

Такие зависимости

»<л>

-Хронический брогеагг -Бронлильная астма -Пношрння

- СухоП плеврит

- Эмфшеия легких

- Острый бронхш

Рис 2 Зависимость числа вопросов от пороговой вероятности ра для каждой болезни

были получены для каждой болезни Далее, для каждой группы были вычислены средневзвешенные значения количества вопросов В качестве коэффициента использовалось процентные соотношения встречаемости заболевании На рис 3 представлены результаты моделирования в виде семейства зависимостей среднего количества вопросов (проверок) п(рп),

которые были заданы пациенту в соответствующих группах болезней при соо)-вегствующем пороговом значении ра

При увеличении пороговой вероятности среднее число вопросов возрастает Эти зависимости также определяют минимальное чисто вопросов, которое должно содержа1ся в базе данных

Чем выше порог, тем чаще ставится моделируемый диагноз, следовательно, больше вероятность получения более точного диагноза Частота постановки моделируемого диагноза во всех случаях не меньше порогового значения Таким обра юм, порог определяет точность постановки диагноза

Оценка времени транзакции и времени тестирования Адаптивная система диаанционной диагностики заболеваний является системой оперативной обработки информации, сетевая модель которой изображена на рис 4

Основными объектами модели являются ресурс (сервер), очередь, каналы связи и пользователи В систему поступают запросы на диагностирование При этом каждый запрос требует некоторого числа циклов Каждый цикл включает выбор очередного вопроса, передача его по каналу связи, обдумывание пользователем и отправка ответа на

— Ревматические -и Л иоання

- Булони [1К1СМЬ К|>иЯС1

Ьилешн полл

— ж - £.0-10101 с^наноа дьгсяшч

Боотки сердечно-Ю1) дне юЛ 1нстеш| —■—Боютнн органон гпааеитрения

Л Бшотш

11Ц,|Ц'1П01.1]1

сипеаы

Рис 3 Зависимость числа вопросов от пороговой вероятное III р:1 для групп заболеваний

вопрос, а вместе с ним запрос на выдачу следующего Среднее число циклов зависит ог пороговой вероятности п - "(р„) и определяется зависимостями, представленными на рис 3 Основными ключевыми величинами являются интенсивность X потока запросов на диагностирование от одного пользователя, число потьзовагелей т, среднее время обработки запроса 1(>-,, среднее время передачи ответа Т среднее время обдумывания ответа /„„|м> вероятность р выхода запроса из системы (вероятность окончания диагностирования) Вероятность окончания диагностирования зависит от среднего числа тестовых заданий предьяв-ляемых во время диагностики, и равна р = У"{р11) Вероятность продолжения диагностирования равна ц = 1 - р

Рис 4 Сетевая модель системы

На веб-сервер (С) поступают запросы на диагностирование от многих независимых источников (пользователей), поэтому поток этих запросов можно считать простейшим, с интенсивностью Хт Кроме того, на веб-сервер поступают запросы от пользователей, находящихся в процессе диагностирования С вероятностью q¡m требуется передача информации по !-му каналу (К) и обдумывание !-ч пользователем (П)

Загрузку сервера можно оценить по формуле р-\ т п где п - число

вопросов которое необходимо задать, чтобы поставить диагноз, ^ - время обработки одною запроса Если при диагностировании не применяются разработанные алгоритмы диагностирования и задаются все вопросы, то загрузка сервера равна р^ =Х т ц, ^ При использовании разработанных алгоритмов загрузка

сервера равна т «(рл) , где /оВр (а - время выбора вопроса

(время загрузки и обработки матриц условных вероятностей

Время обработки складывается из времени загрузки вопроса, времени

вывода данных и времени, необходимого для других операций Время /и6г отличается от времени /оГ тем, что при использовании разработанных алгоритмов

диагностирования требуется загрузка всех матриц условных вероятностей и вычисление максимальной информативности Время загрузки и обработки матриц

зависит от числа матриц /в = и„ 1и (1и - время загрузки и обработки одной матрицы) Однако применение разработанных алгоритмов диагностирования приводит к существенному уменьшению числа вопросов, а, следовательно, к снижению >агру«и сервера Оценим, во сколько раз уменьшится загрузка сервера (у=р2/р,) если при диагностировании применять разработанные алгоритмы

_р2 тг п(рп) +я„ <м)

У = -

(5)

(4)

Р| Х "к «О 'обр,

В случае одинакового количества пользователей использующих и не использующих разработанный алгоритм диагностирования, те т]=т2=т, выражение (4) принимает вид

"(д.) ('обр, + с)

«О 'обр,

Далее все положения рассматриваются на примере группы болезней органов пищеварения, которая требует наибольшего числа вопросов

На рис 5 представлена зависимость у ), показывающая как изменяется

загрузка сервера при изменении пороговой вероятности для набора данных по

болезням органов пищеварения ЛгО К = П2)

I о | / Из графика видно, что при

использовании разработанных алгоритмов диагностирования загрузка сервера меньше, чем при прямом диагностировании

Например, при пороювой вероятности рп ~ 0,8 отношение

загрузок ^(0,8) = 0,51 Загрузка

уменьшилась, практически, в два раза За счёт этого уменьшения можно увеличить число пользователей

При различных значениях т1 и т2, при одной и той же

-).-1-1-1-1—

О Л 0 7 ОХ О') Рис 5 Зависимость изменения загрузки сервера у(р„)

загрузке (р, = р2 ) получаем т, ^ /00-Р] =т, п(р„) (г„6;>1 + и,, Г„), откуда

т.

Д, I.

обр,

"(Рп) ('обр, 'м)

(6)

Из (6) следует что при обеспечении одинаковой загрузки, может быть допущено большее количество пользователей

0,6 0,7 0,8 0,9 Ри

Рис. 6 Зависимость отношения числа пользователей от пороговой вероятности

На рис 6 представлена зависимость лого отношения от пороювой вероятности Например при пороговой вероязности рп = 0,8 число пользователей можно увеличить вдвое Это подтверждает целесообразность использования разработанных алгоритмов в системах дистанционного диагностирования

Если предположи гь, что времена обработки запросов в сервере, передачи ответа по каналам связи, обдумывания пользователем

распределены экспоненциально, то среднее время диагностирования можно оценить по формуле

иг=»(Р.)

1-('обр, +"о '„) т П{Рп)

. с,

где /„

- время передачи

с ' с>

(7)

(8)

где А - объём передаваемой информации [кб], С - пропускная способность канала связи (модема пользователя) [кбиг/с] Средний размер файла у/еЬ-страницы равен 10 кб

Если проводить диагностирование, используя все вопросы, время диагностики можно оценить по формуле

У, =и0

обр,

Чбр, Л т п0

, с

(9)

где п0 - число вопросов в наборе

На рис 7 представлена зависимость отношения времени адаптивного диагностирования 1!2 к времени диагностирования с использованием всего набора вопросов от пороговой вероятности £/; для п0 = 112 при числе одновременно работающих пользователей т = 14

С увеличением объема набора возрастает загрузка сервера, а, следова!ель-но, время ожидания, время транзакции и время диагностирования

1,(1

Рисунок отражает долю времени, которая затрачивается при адаптивном диагностировании по сравнению с диагностикой, производимой с использованием полного перечня проверок Необходимо заметить, что рассматривался наихудший набор вопросов (график зависимости числа вопросов от пороговой вероятности лежит выше всех остальных, отношение числа вопросов, необходимого при адаптивном диагностировании, к общему числу вопросов в наборе наименьшее) При пороговой вероятности рп = 0,9 и числе заданий в тестовом наборе «¿=112 время адаптивного диагностирования составляет приблизительно 44% от времени диагностирования с использованием всех вопросов Это еще раз подтверждает целесообразность использования разработанных алгоритмов в системах дистанционного диагностирования

0,6 0 7 0,8 0 4 Р. Рис, 7. Зависимость О,/О, от пороговой вероятности

ЗАКЛЮЧЕНИЕ

1 Проведенные анализ и классификация существующих методов, моделей и систем диагностирования заболеваний показывают, что их подавляющее большинство не обладает свойством адаптивности и основано на предъявлении полного набора диагностических вопросов Это ведет к нерациональному использованию телекоммуникационных ресурсов из-за необходимости передачи большого объёма тестовой информации

2 Актуальной является задача разработки адаптивных методов и автоматизированных средств объективной диагностики на основе вероятностных критериев Особое значение приобретают методы дистанционной диагностики с использованием современных средств телекоммуникаций

3 Предложенные и исследованные в работе вероятностные методы диагностирования заболеваний и алгоритмы направленного поиска диагностических проверок существенно снижают количество задаваемых вопросов, а, следовательно, объёмы передаваемой информации, обеспечивая при этом высокую объективность оценки и надёжность работы системы в среде Интернет

4 Проведённые экспериментальные исследования показывают, что для повышения объективности постановки диагноза необходимо увеличивать значение пороговой вероятности Однако это приводит к необходимости передачи большого числа тестовых вопросов, а, следовательно, больших объёмов информации Рекомендованное значение пороговой вероятности />„=0,8 для всех

групп заболеваний обеспечивает пятикратное уменьшение времени диагностирования

5 Предложенные и исследованные вероятностные методы и алгоритмы диагностирования легли в основу разработанной системы дистанционной диагностики с использованием современных Интернет-технологий, позволяющих обеспечить простоту и безопасность работы, независимость программного обеспечения от операционной системы

6 Многопользовательская распределенная система диагностики заболеваний, основанная на вероятностных критериях, внедрена в учебно-педагогической работе ГОУВПО «Самарский государственный медицинский университет», в учебной работе различных кафедр Самарского медицинского института «Реавиз», в лечебно-профилактической работе ООО «Амбулаторный центр №1» и позволяет проводить удалённую, автоматизированную диагностику заболеваний и использоваться на курсах повышения квалификации медперсонала, что обеспечивает высокую доступность данной услуги, значительно расширяет аудиторию, ускоряет процесс первичной диагностики, а также экономит время учебного персонала

НАУЧНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРИТАЦИИ

1 Лихтциндер Б Я, Аверьянов С В , Пугин В В , Шигаев В В Использование вероятностных методов оценки знаний при разработке тестирующих модулей распределенных тренинг-систем // Инфокоммуникационные технологии -Самара,2003 -№3 -Т 1 -С 40-45

2 Аверьянов С В, Пугин В В Контроль и оценка знаний учащихся медицинских учебных заведений, основанная на вероятностных критериях / Сб трудов Международного конгресса конференций «Информационные технологии в образовании» -Москва,2003 -Ч У-С 307-309

3 Лихтциндер Б Я, Аверьянов С В , Пугин В В , Шигаев В В Контроль знаний студентов-медиков на основе вероятностных критериев / Труды международной конференции «Интерактивные системы» - Ульяновск, 2003 -С 116-118

4 Лихтциндер Б .Я, Аверьянов С В , Пугин В В Информационные характеристики бинарных тестов / Труды 5-й Международной конференции молодых учёных и студентов «Актуальные проблемы современной науки» - Самара, 2004 -С 98-100

5 Аверьянов С В, Пугин В В Организация безопасного подключения пользователей в системах с \уеЬ-шггерфейсом / Тез докл V Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» -Самара,2004 -С 231-232

6 Волов Н В , Аськова Л Н, Пугин В В , Прицкер А И Программа ли определения степени предрасположенности мужчин к заболеванию параназаль-ным синуитом (программа для ЭВМ) Свидетельство Федеральной службы по интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программы для ЭВМ №2004611130 от 07 05 2004

7 Волов Н В , Аськова Л Н, Пугин В В, Прицкер А И Программа для определения степени предрасположенности женщин к заболеванию параназаль-ным синуитом (программа для ЭВМ) Свидетельство Федеральной службы по

интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программы для ЭВМ №20046! 1131 от 07 05 2004

8 Лихгщшдер БЯ, Погодина ЛИ, Пугин В В Автоматизированная справочная система терапевта Самара АТИ, 2004 -16 с

9 Аверьянов С В , Лихтциндер Б Я , Пугин В В Описание системы диагностики знаний, основанной на вероятностных критериях оценки // Педагогические измерения -Москва,2005 -№1 -С 96-104

10 Пугин В В , Аверьянов С В , Погодина Л И Remote automated reference system ot the internist / Interactive systems The problem of human-computer merac-tion -Ulyanovsk, 2005 -P 60-65

11 Пугин В В, Волов Н В Использование вероятностных критериев для контроля знаний студентов медицинских ВУЗов на примере острого гнойного фронтита / Труды VI Всероссийского симпозиума по прикладной и промышленной математике - М Обозрение прикладной и промышленной математики 2005 -Т 12 - С 484-486

12 Пугин В В Подготовка информации для «Автоматизированной справочной системы терапевта» / Тез докл XII Российской научной конф профессорско-преподавательского состава - Самара, 2006 - С 53

13 Пугин В В Распределенная система диагностирования на основе веро-

я1 постных критериев оценки / Тез докл XIII юбилейной Российской научной конф профессорско-преподавательского состава - Самара, 2006 - С 38

14 Пугин В В , Аверьянов С В , Волов Н В , Лихтциндер Б.Я Программа диагностики терапевтических заболеваний пациента, основанной на вероятностных критериях оценки симптомов пациента (программа для ЭВМ) Свидетельство Федеральной службы по интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программы для ЭВМ №2006611203 от 05 04 2006

15 Аверьянов С В , Пугин В В, Волов Н В , Лихтциндер Б Я Программа для тестирования и объективной оценки знаний испытуемого с использованием вероятностного подхода (программа для ЭВМ) Свидетельство Федеральной службы по интеллектуальной собственности, патентам и товарным знакам об официальной регистрации программы для ЭВМ №2006611202 от 05 04 2006

16 Пугин В В , Иванова Л Б Эффективность применений вероятностных методов диагностики в многопользовательской сетевой среде / Тез докл VII Международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций» -Самара, 2006 - С 150-152

Подписано в печать 26 04 07 Формат 60x84'/,6 Бумага писчая №1 Гармпура Тайме Заказ 019177 Печать оперативная Уел печ л 0,93 Физ печ л 1,00 Уч-издл 0,52 Тираж 100 ЭЮ

Типография государственного образовательного учреждения высшего профессионального образования «Поволжская государственная академия телекоммуникаций и информатики» 443010, г Самара,ул Л Толстого,23 Тел/факс(846)339-11-И,339-11-81

ВВЕДЕНИЕ

ГЛАВА 1. 0130Р МКТОДОВ И СИСТЕМ АВТОМАТИЗИРОВАННОЙ ДИАГНОСТИКИ

ЗАБОЛЕВАНИЙ

ГЛАВА 2. ДИАГНОСГИЮВАНИЕ НА ОСНОВЕ ВЕРОЯТНОСТНЫХ КРИ1ЕРИЕВ

2.1 Модель диагностирования

2.2 Информативность проверок

2.3 Различающие свойства элементарных проверок 35 2.3.1 Проверки с единичными условными вероятностями исходов

2.4 Таблица проверок

2.5 Алгоритмы диагностирования

2.6 Безусловные и условные алгоритмы диагностирования

2.7 Оптимизация алгоритмов диагностирования

2.8 Иерархическая вероятностная модель диагностики заболеваний

2.8.1 Процедура диагностики

2.8.2 Подготовка информации

ГЛАВА 3. СЕТЕВАЯ РЕАЛИЗАЦИЯ ВЕРОЯТНОСТНОЙ СИСТЕМЫ

ДИСТАНЦИОННОЙ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ

3.1. Технологии реализации распределённых систем

3.2. Структура распределённой системы диагностики

3.3. Особенности функционирования системы дистанционной диагностики заболеваний в среде Интернет

3.3.1. Временные задержки при передаче данных

3.3.2. Время обработки запроса

3.3.3. Организация веб-узла

ГЛАВА 4. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ДИАГНОСТИРОВАНИЯ. ОЦЕНКА ВРЕМЕ1II1ЫХ ХАРАКТЕРИСТИК РАБОТЫ СИСТЕМЫ

В СЕТЕВОЙ СРЕДЕ

4.1 Имитационное моделирование процесса диагностирования

4.2 Оценка времени транзакции и времени диагностирования

4.2.1 Время обработки запроса

4.2.2 Время диагностирования

Актуальность темы. В настоящее время в нашей стране и за рубежом накоплен значительный опыт разработки и применения средств вычислительной техники и математических методов для решения задач теоретической и практической медицины. На начальных этапах работ в этом направлении основное внимание уделялось разработке методов и моделей, позволяющих углублено исследовать патологические процессы на уровне отдельных органов и систем организма.

Современный уровень развития вычислительной техники делает возможным создание информационных продуктов нового поколения - распределенных автоматизированных медицинских информационных технологий, предлагающих те или иные научно-обоснованные врачебные решения в зависимости от особенностей клинической ситуации, складывающейся на каждом конкретном этапе ведения больного. Такие системы, выступающие в качестве полноправных участников медицинского технологического процесса, в состоянии обеспечить недостижимые для обычных клинических рекомендаций сочетание широты охвата решаемых проблем и детальности их проработки [1, 2, 8, 13, 18, 25, 36, 37].

В связи с развитием сети Internet, реализация таких систем в виде Web-приложений, которые могут быть установлены на любом общедоступном Web-сервере, имеет большой практический интерес и найдёт широкое применение. Разработка подобных систем выглядит задачей, которую возможно решить лишь при интеграции сил квалифицированного технического и медицинского научного персонала [7,23,24,38, 61, 73, 86].

Работами профессоров Устинова А.Г., Попова Э.В., Ратнера Л.Г., Куликовского К.Л., Лихтциндера Б.Я., Попечителева Е.П., Пятаковича Ф.А., Подвального Е.С., Переверзева-Орлова B.C., Д.Уотермана, Л.Шортлифа, Р.Девитса и др., было показано, что при решении сложных задач автоматизированной диагностики заболеваний, хороших результатов удается достичь при использовании лишь только таких интерактивных систем, для которых в контуре диагностики и управления активно функционирует лицо, принимающее решение, обладающее соответствующим запасом знаний, умений и навыков в медицинской предметной области [31, 63,64, 77,91,92, 99,115].

Одной из основных проблем здравоохранения РФ остаётся нехватка и не достаточная квалификация врачей общей практики, особенно касающаяся районных поликлиник и сельской местности. При всём многообразии причин, определяющих как летальность, так и перерастание острого заболевания в хроническое, одними из основных являются несвоевременная диагностика, диагностические ошибки и сложность выбора рациональной лечебной тактики. Все эти факторы отрицательно влияют на качество лечебно-диагностического процесса, следствием чего становится неясным исход заболевания.

Известно достаточно большое количество автоматизированных систем, решающих различные задачи диагностики.

Например, система МОДИС предназначена для анализа гипертонии, система КОНСУЛЬТАНТ-2 - для диагностики острых заболеваний брюшной полости, ЛЕДИ-2 - для выявления заболеваний терапевтического профиля [8, 15, 18, 29, 63, 81] и т.д.

В настоящее время появилась целая серия медицинских достаточно универсальных экспертных оболочек типа INTERNIST, ТАИС, ENMYCIN [5, 19, 25, 28,42, 62,101,115,116] и др.

При этом следует иметь в виду, что как специализированные системы, так и универсальные оболочки требуют приведения решающих правил к стандартному виду, например, правилу продукций, фреймам и т.д., и для каждой предметной области необходимо осуществить поиск решающих правил, что составляет основную работу при построении соответствующих экспертных систем.

Анализ условий, в которых должна функционировать автоматизированная система диагностики заболеваний (ограничения на время принятия решений, неоднородность структуры классов, разнотипность представления признаков и классов, неопределенность в представлении данных и диагностических заключениях), позволил сделать вывод о том, что существующие системы в полной мере не обеспечивают выполнение этих требований. Кроме того, большинство данных систем, не предназначены для дистанционной поддержки принятия решения медицинским специалистом.

В свете данных проблем, создание методов и программных средств, обеспечивающих дистанционную помощь в принятии решений врачами-специалистами, может принести значительные сдвиги, как в повышении вероятности правильной постановки диагноза, так и поддержании на должном уровне знаний медицинского персонала, поэтому задача разработки новых сетевых, компьютерных систем дистанционной диагностики заболеваний является актуальной.

Целью работы является создание и реализация в компьютерных 1Р-сетях автоматизированной информационно-аналитической системы, с использованием новых методов и адаптивных алгоритмов, основанных на вероятностных критериях.

Для достижения поставленной цели в работе решаются следующие задачи:

• разработка вероятностных моделей заболеваний для систем дистанционной диагностики, использующих 1Р-технологии;

• разработка адаптивных алгоритмов выбора диагностических проверок по критерию максимальной информативности для сетевых компьютерных систем диагностики заболеваний;

• разработка и реализация в \уеЬ-среде программного обеспечения адаптивной системы дистанционной диагностики заболеваний; исследование функционирования системы в сетевой среде (оценка времени и информационных характеристик).

Объектом исследования являются: системы дистанционной автоматизированной диагностики заболеваний, функционирующие в сетевой компьютерной среде.

Предметом исследования являются: адаптивные алгоритмы диагностики заболеваний, основанные на вероятностных критериях оценки, процесс компьютерной диагностики и тестирования, процессы передачи и обмена тестово-диагностической информации в компьютерных сетях.

Методы исследования. В работе применялись теоретические и экспериментальные методы исследования. При разработке моделей диагностических проверок и алгоритмов дистанционной диагностики заболеваний использовались методы теории вероятностей, теории информации, дискретной математики, комбинаторики, а также основы проектирования экспертных систем.

При реализации системы в виде программного продукта использовались объектно-ориентированное программирование, основы реляционных баз данных, основы технологии сети Интернет.

Исследование функционирования системы в сети Интернет, а также оценка временных задержек проводились на основе теории передачи дискретных сообщений, теории вычислительных систем, теории массового обслуживания.

Имитационное моделирование процессов диагностики, а также моделей массового обслуживания проводилось на основе статистических методов (методе Монте-Карло).

Достоверность изложенных положений работы обосновывается корректным выбором исходных данных, строгим использованием математического аппарата при получении выводов. Она подтверждается результатами имитационного моделирования процессов диагностики, результатами практического применения разработанного программного обеспечения, научными трудами и апробациями созданного научно-технического продукта на представительных научных форумах.

На защиту выносятся: • новые адаптивные алгоритмы дистанционной диагностики ориентированные на использование в компьютерных сетях;

• программные средства системы дистанционного диагностирования, реализованные на основе сетевых шеЬ-технологий;

• вероятностная модель диагностики и алгоритм направленного поиска очередной диагностической проверки, позволяющие достигнуть уменьшения объёмов передаваемой информации;

• вероятностные модели основных типов диагностических проверок;

• результаты исследования работы системы в сетевой среде: оценка временных характеристик на различных стадиях транзакций, оценка выигрыша по количеству диагностических проверок и объёмам передаваемой информации.

Научная новизна заключается в следующем:

• разработан ранее не применявшийся алгоритм направленного поиска диагностических проверок, осуществляющий выбор очередной проверки по критерию максимальной информативности, что позволяет снизить количество диагностических проверок, а, следовательно, объём передаваемой информации; разработан направленный поиск диагноза при малом числе диагностических проверок;

• разработана новая вероятностная модель диагностики, обеспечивающая, в отличие от других, высокий уровень надёжности постановки диагноза с заданной вероятностью, при малом количестве диагностических проверок.

Практическая ценность работы заключается в том, что на её основе созданы адаптивные автоматизированные системы дистанционной диагностики заболеваний, ориентированные на работу в сетевой среде.

Программное обеспечение системы диагностирования реализовано в виде \уеЬ-приложения. Размещение его в сети Интернет позволяет проводить дистанционную, автоматизированную диагностику заболеваний и обеспечивает высокую доступность данной услуги.

Реализация и внедрение работы. Разработанные системы используются в учебном процессе различных кафедр ГОУВПО «Самарский государственный медицинский университет», Самарский медицинский институт «Реавиз», в лечебно-профилактической работе ООО «Амбулаторный центр №1».

Апробация работы. Результаты работы докладывались на российских и международных научно-технических конференциях и конгрессах: Международных конференциях «Интерактивные системы: проблемы человеко-компьютерного взаимодействия» (Ульяновск, 2003 и 2005); Международном конгрессе конференций «Информационные технологии в образовании» (Москва, 2003); X, XI, XII и XIII Российских научных конференциях профессорско-преподавательского состава, научных сотрудников и аспирантов (Самара, 2003, 2004, 2005, 2006); V и VII Международных научно-технических конференциях «Проблемы техники и технологии телекоммуникаций» (Самара, 2004, 2006); Международной научно-технической конференции «Информационные, измерительные и управляющие системы (ИИУС-2005)» (Самара, 2005); 5-й Международной конференции молодых учёных и студентов «Актуальные проблемы современной науки» (Самара, 2004-2005).

Публикации. Результаты работы опубликованы в 16 научных работах, в том числе: 7 статей в научно-технических журналах и сборниках, 5 тезисов докладов на научно-технических конференциях и 4 свидетельства об официальной регистрации программы для ЭВМ.

Объём и структура диссертационной работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 111 листах. В работу включено 37 рисунков, 7 таблиц, библиографический список из 117 наименований.

Выводы

1. Результаты имитационного моделирования подтвердили сходимость процесса диагностирования, основанного на вероятностных критериях, в широком диапазоне устанавливаемых пороговых вероятностей.

2. Разработанные адаптивные алгоритмы диагностирования могут использоваться как в работе лечебно-профилактических заведений в качестве помощи для правильной постановки диагноза заболевания, так и в учебных целях.

3. Для повышения эффективности постановки диагноза, необходимо увеличивать значения пороговых вероятностей. Приемлемые результаты по надежности диагностирования достигаются при значениях пороговой вероятности в пределах Т= 0,8 для всех групп заболеваний.

4. При вероятности правильной постановки диагноза 0,8 выигрыш в объеме передаваемой информации составляет 100%.

5. Исследования показали, что разработанные алгоритмы позволяют существенно уменьшить время загрузки сервера, что дает значительный выигрыш как по числу одновременно диагностируемых пользователей, так и по времени тестирования.

ЗАКЛЮЧЕНИЕ

1. Проведенные анализ и классификация существующих методов, моделей и систем диагностирования заболеваний показывают, что их подавляющее большинство не обладает свойством адаптивности и основано на предъявлении полного набора диагностических вопросов. Это ведёт к нерациональному использованию телекоммуникационных ресурсов из-за необходимости передачи большого объёма тестовой информации.

2. Актуальной является задача разработки адаптивных методов и автоматизированных средств объективной диагностики на основе вероятностных критериев. Особое значение приобретают методы дистанционной диагностики с использованием современных средств телекоммуникаций.

3. Предложенные и исследованные в работе вероятностные методы диагностирования заболеваний и алгоритмы направленного поиска диагностических проверок существенно снижают количество задаваемых вопросов, а, следовательно, объёмы передаваемой информации, обеспечивая при этом высокую объективность оценки и надёжность работы системы в среде Интернет.

4. Проведённые экспериментальные исследования показывают, что для повышения объективности постановки диагноза необходимо увеличивать значение пороговой вероятности. Однако это приводит к необходимости передачи большого числа тестовых вопросов, а, следовательно, больших объёмов информации. Рекомендованное значение пороговой вероятности Т= 0,8 для всех групп заболеваний обеспечивает пятикратное уменьшение времени диагностирования.

5. Предложенные и исследованные вероятностные методы и алгоритмы диагностирования легли в основу разработанной системы дистанционной диагностики с использованием современных Интернет-технологий, позволяющих обеспечить простоту и безопасность работы, независимость программного обеспечения от операционной системы.

6. Многопользовательская распределенная система диагностики заболеваний, основанная на вероятностных критериях, внедрена в учебно-педагогической работе ГОУВПО «Самарский государственный медицинский университет», в учебной работе различных кафедр Самарского медицинского института «Реавиз», в лечебно-профилактической работе ООО «Амбулаторный центр №1» и позволяет проводить удалённую, автоматизированную диагностику заболеваний и использоваться на курсах повышения квалификации медперсонала, что обеспечивает высокую доступность данной услуги, значительно расширяет аудиторию, ускоряет процесс первичной диагностики, а также экономит время учебного персонала.

1. Автоматизированные медико-технологические системы в 3-х частях: Монография / А.Г. Устинов, В.А. Ситарчук, H.A. Кореневский; Под ред. А.Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. - 390 с.

2. Аверьянов C.B., Лихтциндер Б.Я., Пугин В.В. Описание системы диагностики знаний, основанной на вероятностных критериях оценки. // Педагогические измерения. 2005. - №1. - С. 96-104.

3. Аверьянов C.B., Пугин В.В. Организация безопасного подключения пользователей в системах с web-интерфейсом. Материалы V международной научно-технической конференции «Проблемы техники и технологии телекоммуникаций». Самара, 2004. - С. 231-232.

4. Агеев В.Н. Примеры гипертекстовых и гипермедиа систем (обзор) // Компьютерные технологии в высшем образовании: Сб. статей. М.: Изд-во МГУ, 1994. - С.225-229.

5. Авилов О.В., Крутов А.К. Возможности использования компьютерного комплекса диагностики и коррекции функционального состояния человека "Меданекс" // Жизнь и компьютер 91 : Тез. Всесоюз. семинара, 10.91. Харьков, -1991. С. 208-209.

6. Акимова Э.К. Экспертная система консультант для врача-эпидемиолога. // Медицинская техника. - 1989. - №3. - С. 24-28.

7. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. Л.: Наука, 1983. - 125 с.

8. Алексеевская М.А., Недоступ A.B.,. Диагностические игры в медицинских задачах. Вопросы кибернетики // Задачи медицинской диагностики и прогнозирования с точки зрения врача, 1988, - №112. - С.128-139.

9. Атанов Г.А., Пустынникова H.H. Диагностика знаний и умений с помощью экспертных систем: Учебное пособие для студентов физического факультета. Донецк: ДонГУ, - 1997. - 64 с.

10. Ю.Атанов Г.А., Пустынникова И.Н. Создание экспертных систем с помощью BESS // Международная конференция "Знания Диалог - Решение". Сборник научных трудов. - Том 2. - Крым, Ялта. - 1995. - С. 315323.

11. П.Атанов Г.А., Пустынникова И.Н. Обучение путем построения баз знаний для экспертных систем // Искусственный интеллект. 1998. - № 2. -С. 42-48.

12. Аткинсон Р., Бауэр Г., Кротерс 3. Введение в математическую теорию обучения: Пер. с англ. М.: Мир, - 1969. - 486 с.

13. Ахутин В.М. Биотехнические системы. Л.: ЛГУ, 1979. - 257 с.

14. М.Ахутин В.М., Шаповалов В.В., Мансур Д. Автоматизированныесистемы профилактических осмотров детей (АСПОН-Д)-состояние и перспективы // Биотехнические и медицинские системы. Сб. науч. тр. Л., 1990.-С.З-6.

15. Бабанлы А.Ю. Диагностическая экспертная система в хирургии // Научно-техническая информация. Сер. 2. Информ. процессы и системы, 1996. - №10. - С. 12-13.

16. Баллюзек Ф.В., Добрынин Е.В., Поляков М.И. Компьютерная экспертная система в преподавании курса хирургических болезней. Л.: ЛСГМИ, 1987. - 64 с.

17. Балтрашевич В.Э. Реализация инструментальной экспертной системы. СПб.: Политехника, 1993. - 237 с.

18. Белоусов В.А., Калядин Н.И., Филатова C.B. Единый методологический подход при алгоритмизации и построении экспертных систем типа норма-патология в медицине // Медицинская техника, 1996. -№3.-С. 6-7.

19. Борецкий А.Б., Маслов В.Г., Хавронина М.А. Идентификация экспертных знаний на основе компетентных решающих правил в медицинских экспертных системах. // Информатика в здравоохранении: Материалы Всесоюз. Научн. конф., 11.12. М., 1990. - С. 19.

20. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. - 382 с.

21. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 200 с.

22. Геловани В.А. Экспертные системы в медицине. М.: Знание, 1987. -31 с.

23. Голембо З.Б., Зинкевич В.П. Средства и методы обработки медико-биологической информации на ЭВМ // Итоги науки и техники. Серия техническая кибернетика. Биология (методы в биологических исследованиях). 1989. - Т. 26. - С. 35-39.

24. Долина О.Н., Шварц Ю.Г. Построение и отладка медицинских экспертных систем // Математические методы в технике и технологиях ММТТ-2000: Сб. тр. 13 Междунар. науч. конф. СПб., - 2000. С. 3739.

25. Джексон П. Введение в экспертные системы. М.:Вильямс, - 2001. -622 с.

26. Карандеев К.Б. Электрические методы автоматического контроля. М.: Энерния,- 1965.-384 с.

27. Клейнрок JI. Вычислительные системы с очередями. Пер. с англ. под ред. д.т.н. Б.С. Цыбакова. Москва, 1979.

28. Клейнрок JI. Коммутационные сети. Стохастические потоки и задержки сообщений. Пер. с англ. М.: Наука, - 1970.

29. Клыков В.Е., Денисевич Е.В., Денисевич А.В., Филатова Н.Н. Оболочка для создания тестирующих программ. Educational Technology & Society 6(3), 2003.

30. Кореневский Н.А., Попечителев Е.П., Филист С.А. Проектирование электронной медицинской аппаратуры для диагностики и лечебных воздействий: Монография /Курская городская типография, Курск, -1999.-537 с.

31. Кореневский Н.А., Гадалов В.Н., Позднякова О. И. Полифункциональная интерактивная диагностическая система // Материалы конференции "Приборы и приборные системы". Тула, 1994. - С. 35 -36.

32. Кореневский Н.А., Колоскова Г.П., Кретушева Т.А., Позднякова О.И. Интегральные средства системы обработки медицинской информации // Материалы медицинской конференции "Распознавание-95". Курск, -1995.

33. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. Пер. с англ. М.: Наука, - 1968. - 720 с.

34. Крыжановская О.В., Наумович A.C. Автоматизированные прогностические и диагностические системы для комплексной оценки функционального состояния организма человека // Жизнь и компьютер-91: Тез. Всесоюз. семинара, 10.91. Харьков, -1991. С. 187-189.

35. Куракина Т.Ю., Олимпиева С.П., Киликовский В.В., Дегтярев Д.Н. Экспертная система поддержки принятия диагностических решений врачом-неонатологом // Мед. техника, 1999, - №1. - С.36-39.

36. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний (процедуры и реализации). М.: Наука, - 1989. - 128 с.

37. Лихтциндер Б.Я., Аверьянов C.B., Пугин В.В. Контроль и оценка знаний учащихся медицинских учебных заведений, основанная на вероятностных критериях. Информационные технологии в образовании. Сборник трудов. ч. V. - М., 2003.-С.307-309.

38. Лихтциндер Б.Я., Аверьянов C.B., Пугин В.В. Информационные характеристики бинарных тестов. Актуальные проблемы современной науки. Труды 5-ой Международной конференции молодых ученых и студентов. Самара, 2004. - С. 98-100.

39. Лихтциндер Б.Я., Аверьянов C.B., Пугин В.В., Шигаев В.В. Использование вероятностных методов оценки знаний при разработке тестирующих модулей распределенных тренинг-систем. Инфокоммуникаци-онные технологии №3 - т.1. - Самара, 2003. - С. 40-45.

40. Лихтциндер Б.Я., Байда Н.П., Шпилевой В.Т., Снежко В.В. Программное обеспечение автоматизированных систем диагностирования узлов радиоэлектронной аппаратуры // Измерения, контроль, автоматизация. М.,- 1984. №4.-С. 33-44.

41. Лихтциндер Б.Я., Иванова Л.Б. Вероятностные методы контроля и диагностирования многопараметрических объектов. Деп. в «Информпри-бор» (г.Москва), №3682 от 12.02.87 г.

42. Лихтциндер Б.Я., Погодина Л.И., Пугин В.В. Автоматизированная справочная система терапевта, Самара: АТИ, 2004. - 16 с.

43. Лобачев С.Л., Попов А.Э., Семенихин И.Н. Интернет-технологии в дистанционном и открытом образовании. Образовательные технологии и общество -№4(2), 2001, - С. 194-204.

44. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. М.: Мир, - 1991.-568 с.

45. Малхасьян Л.Н. Экспертная система "Диалог-Д" для формирования групп диспансерного учета рабочих "пылевых" профессий // Информатика в здравоохранении: Материалы Всесоюз. научн. конф. 11.12.90. М., 1990. С. 130.

46. Мальковский М.Г., Самородский С.А. Экспертные системы с использованием WWW-технологий: возможности интеграции // Вестник Московского университета. Сер. 15. Вычисл. математика и кибернетика, -1997. №2. - С.42-44.

47. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. - 136 с.

48. Методика применения экспертных методов для оценки качества продукции. М.: Стандарт, 1975. - 31 с.

49. Моргоев В.К. Метод структурирования и извлечения экспертных знаний: имитация консультаций. Человеко-машинные процедуры принятия решений. М.: ВНИИСИ, 1988. - С. 44-57.

50. Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, -1991.-286 с.58.0мельченко В.П., Демидова A.A. Практикум по медицинской информатике. Ростов-на-Дону: «Феникс», 2001. - 304 с.

51. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.

52. Основы технической диагностики: Оптимизация алгоритмов диагностирования, аппаратные средства. Под ред. П.П. Пархоменко. М.: «Энергия», 1981.-320 с.

53. Поляков М.И., Баллюзек Ф.В., Добрынин Е.В. Особенности представлений и использование знаний в медицинских экспертных системах. // Информатика в здравоохранении: Материалы Всесоюз. научной конф. 11.12.90. М.,- 1990.-С. 67.

54. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - 287 с.

55. Построение экспертных систем: Пер. с англ. / Под ред. Хейеса-Рота, Д. Уотермана, Д. Лената. М.: Мир, - 1987. - 441 с.

56. Представление и использование знаний: Пер. с япон./ Под ред. X. Уэно, М. Исидзука. М.: Мир, - 1989. - 220 с.

57. Пугин В.В. Экспертные системы в медицине // Тезисы доклада VIII Российской научной конференции ПГАТИ. Самара, 2001. - С. 96-97.

58. Пугин В.В. Диагностические системы в медицине // Тезисы доклада X Российской научной конференции ПГАТИ. Самара, 2003. - С. 38.

59. Пугин В.В. Вероятностные методы дистанционного диагностирования // Тезисы доклада XI Российской научной конференции ПГАТИ. Самара, 2004. - С. 76-77.

60. Пугин В.В. Подготовка информации для «Автоматизированной справочной системы терапевта» // Тезисы доклада XII Российской научной конференции ПГАТИ. Самара, 2005. - С. 53.

61. Пугин В.В. Распределенная система диагностирования на основе вероятностных критериев оценки // Тезисы доклада XIII Юбилейной Российской научной конференции ПГАТИ. Самара, 2006. - С. 38.

62. Пугин В.В., Волов Н.В. Использование вероятностных критериев для контроля знаний студентов медицинских ВУЗов на примере острого гнойного фронтита // Обозрение прикладной и промышленной математики. М.: ОПиПМ, 2005. - Т.12. - С.484-486.

63. Пустынникова И.Н. Технология использования экспертных систем для диагностики знаний и умений. Образовательные технологии и общество-4(4) 2001. С. 77-101.

64. Растригин Л.А., Эренштейн М.Х. Адаптивное обучение с моделью обучаемого. Рига: «Зинатне», 1988. - 160 с.

65. Ратнер Г.Л., Куликовский К.Л. Специализированная ЭВМ «ДИАМА-2». Авторское свидетельство №385286 от 14.03.73 г.

66. Рот М. Интеллектуальный автомат: компьютер в качестве эксперта. М.: Энергоатомиздат, 1991. - 79 с.

67. Руководство по пульмонологии. /Под редакцией Путова Н.В. и Федосеева Г.Б. Л.: Медицина, 1984.

68. Рыбина Г.В. Использование методов имитационного моделирования при создании интегрированных экспертных систем реального времени // Известия Российской академии наук. Теория и системы упр., 2000. -№5.-С. 147-156.

69. Самсонов В.В. Эксперимент по реализации ЭС Консультант-2 методом трансляции базы знаний из глубинного представления в поверхностное. // Технология разработки экспертных систем. Кишинев, 1987. -С. 116-120.

70. Свиридов А.П. Основы статистической теории обучения и контроля знаний. М.: Высшая школа, - 1981. - 262 с.

71. Свиридов А.П. Применение методов планирования эксперимента при обучении обучающих и контролирующих машин. М.: Моск. энерг. ин-т,- 1975.-65 с.

72. Свиридов А.П. Условные и безусловные алгоритмы диагностического контроля подготовки операторов ЭВМ. М.: Моск. энерг. ин-т, - 1987. -69 с.

73. Сердаков A.C. Автоматический контроль и техническая диагностика. -Киев: «Техника», 1971. - 244 с.

74. Серолапкин A.B. Проектирование двухуровневой экспертной системы с логическим корректором и её применение в медицине // Известия инженерно-технологической академии Чувашской Республики, 1996. - №2. - С. 175-181.

75. Симонс Д. ЭВМ пятого поколения: компьютеры 90-х годов: Пер. с англ. М.: Финансы и статистика, 1985, 215 с.

76. Современное представление о классификации, диагностических критериях и лечении пневмонии в таблицах и алгоритмах. /ГУЗАСО СГМУ кафедра фтизиатрии и пульмонологии. Самара, 1997, - 65 с.

77. Соловов A.B. Проектирование компьютерных систем учебного назначения: Учебное пособие. Самара: СГАУ, 1995, - 138 с.

78. Справочник по искусственному интеллекту в 3-х т. // Под ред. Попова Э.В. и Поспелова Д.А. М.: Радиосвязь, 1990.

79. Уотермен Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-388 с.

80. Хегглин Р. Дифференциальная диагностика внутренних болезней. М.: Инженер, 1993.-320 с.

81. Экспертные системы для персональных компьютеров: методы, средства, реализации: Справ, пособие / B.C. Крисевич, JI.A. Кузьмич, A.M. Шиф и др. Минск: Выш. шк., - 1990. - 197 с.

82. Экспертные системы. Принципы работы и примеры: Пер. с англ. / А. Брукинг, П. Джонс, Ф. Кокс и др. / Под ред. Р. Форсайта. М.: Радио и связь, - 1987.-224 с.

83. Элти Дж. Кумбс. Экспертные системы: концепции и примеры: Пер. с англ. М.: Финансы и статистика, 1987. - 251 с.

84. Barr A. and Feigerbaum Е. (eds). The Handbook of Artificial Intelligence, volumes Land 2, Pitman, 1981 and 1982.

85. Buchanan B.G. and Shortliff E.N. Rule Expert Systems The MYCIN Experiments of the Stanfond Neuristic Programming Progect. - Addison-Wesley, - 1984.

86. Chandrasekaran B., Mittal S., Conceptual Representation of Medical Knowledge for Diagnosis by Computer: MDX and Related System // Adv.Comput, 1983. - N22. - P. 217-293.

87. Gordon J., Shortliffe E. A Method for Managing Evidential Reasoning in a Hierarchical Hyporhesis Space // AIJ, 1985. - Vol.26. - P. 323357.

88. Hayes-Roth, F. The Knowledge-Based Expert System: A Tutorial. IEEE COMPUTER, 1987. - Vol. 17. - № 9. - P. 11-18.

89. Lihtsinder B., Ivanova L. Estimation of knowledge quality on a basis of probability monitoring and diagnosing methods. Proceedings 10th IMEKO TC7 International Symposium on Advances of Measurement Science. Vol.2. Saint-Petersburg, 2004. -pp.503-508.

90. Lowe D., Hall W. Hypermedia and the Web: An Engineering Approach. Wiley, John & Sons, Incorporated, 1999.

91. Negoita C.N. Expert System and Fuzzy Systems. The Benjamin Cam-mings Publishing Co., Menlo Park, C A, 1985.

92. Olton J., Muser M., Combs D. et al. Graphical access to medical expert systems // Expert systems, 1987, - Vol. 26, - №3.

93. Pugin V., Averjanov S., Pogodina L. Remote automated reference system of the internist. Interactive systems: The problem of human-computer ineraction. Proceeding of the International Conference. Ulyanovsk, 2005. P. 60-65.

94. Puppe F. Diagnostisches Problemlosem mit Experten system // Informatik Fachberichte. Berlin: Heidelberg; N. Y.: Springer, 1987. - Vol. 148. -P. 34-40.

95. Puppe F. Hybride Diagnosbewertung. GWAI-86 // InformatikFachberichte. Berlin: Heidelberg; N. Y.: Springer, 1986. - Vol. 124. - P. 323-342.

96. Reggia J.A. Representing and using medical knowledge for the neurological localization // Report TR-693, Computer Science Dept., University of Maryland, 1988.

97. Rogers W. etal. Computer-Aided Medical Diagnosis: Literature Review. International Journal of Biomedical Computing, 10, 1979. - P. 267289.

98. Sammon Y.W., Proctor A.H., Poberts D.E. An interactive graphic subsystem for pattern analysis. Pattern Recogh, -1971. Vol.3. №1.

99. Schwartz W., Patil R., Srolovits P. Artificial Intelligence in Medicine: Where Do We Stand //New Engl. J. Med, 1987. - Vol. 316. - P. 685688.

100. Shortliffe E.H. Computer-Based medical Consultations: MYCIN, New-York: American Elsevier, 1976.

101. Shortliffe E., Buchanan B., Feigenbaum E. Knowledge engineering for medical decision-making: a review of computer-based clinical decision aids // Proceedings of the IEEE, 1979. - Vol. 67. - №9. P. 1207-1224.

102. Weiss S.M., Kulikowski C.A. A Practical Guide to Desinging Expert System. New Gersey: Powman & Allan-held Publ., 1984.

103. САМАРСКИЙ МЕДИЦИНСКИЙ ИНСТИТУТ «РЕАВИЗ»1. J^M MEDICAL1. Россия443001, г. Самара, ул. Чапаевская,227 Тел. +7 (8462) 333-54-51 Факс +7 (8462) 270-49-47 E-mail: reaviz@transit.samara.ru227, Chapayevskaya St.1. ВрДкдр^И Russia, 443001

104. Phone +7 (8462) 333-54-51 Fax +7 (8462) 270-49-47i.ru E-mail: reaviz@transit.samara.ruг. Самара10 апреля 2007 г.1. АКТ

105. Адаптивных алгоритмов дистанционной диагностики ориентированных на использование в компьютерных сетях

106. Программных средств системы дистанционного диагностирования, реализованных на основе сетевых ууеЬ-технологий

107. Вероятностной модели диагностики и алгоритма направленного поиска очередной диагностической проверки, позволяющих сократить объёмы передаваемой информации.

108. Председатель комиссии С'Х^ ' Е.С. Малова1. Члены комиссии:1. П.А. Половинкин

109. Расчетный счет: 407028106541101000006 в Самарском ОСБ № 28, БИК 043601613, Субкор.счет 30101810100000000613, ИНН 6317006620 ОКОНХ-921Ю, ОКПО 211831711. УТВЕРЖДАЮ»от1. Исх2007 г.1. АКТ

110. Адаптивных алгоритмов дистанционной диагностики ориентированных на использование в компьютерных сетях

111. Программных средств системы дистанционного диагностирования, реализованных на основе сетевых \уеЬ-технологий

112. Вероятностной модели диагностики и алгоритма направленного поиска очередной диагностической проверки, позволяющих сократить объёмы передаваемой информации.1. Председатель комиссии1. Члены комиссии:1. Н.С. Юрицын