Главная страница
Навигация по странице:

  • 13. Основные модули активной СППР (перечислить). Статистический модуль. Численный пример. Вероятностный модуль. Численный пример.

  • Рис. 1. Формальный «нейрон»

  • 17. Дайте понятие об информационной медицинской системе, ИМС (определение, назначение). Зарубежная классификация ИМС. Какие требования предъявляются к ИМС

  • Зарубежные классификации. В

  • Состав и содержание работ по созданию системы.

  • Порядок контроля и приемки системы.

  • Требования к составу и содержанию работ по подготовке объек­та автоматизации к вводу системы в действие.

  • Требования к документированию.

  • 1. Проприаторное и открытое программное обеспечение (ПО). Лицензия по. Особенности проприаторного и открытого программного обеспечения, их достоинства и недостатки.


    Скачать 0.68 Mb.
    Название1. Проприаторное и открытое программное обеспечение (ПО). Лицензия по. Особенности проприаторного и открытого программного обеспечения, их достоинства и недостатки.
    Анкорzachet.doc
    Дата23.04.2018
    Размер0.68 Mb.
    Формат файлаdoc
    Имя файлаzachet.doc
    ТипДокументы
    #18427
    страница2 из 4
    1   2   3   4

    12. Дайте понятие о медицинских Системах Поддержки Принятия Решений (СППР). Типы СППР (пассивный (косвенный), полуактивный, активный (прямой, или когнитивный). Назначение. Примеры.

    Системы поддержки принятия медицинского решения (СППР)

    Классификация по функциональным возможностям

    -пассивные СППР

    -полуактивные СППР

    -активные (интеллектуальные) СППР

    • Пассивные СППР основаны на информационных ресурсах. Эфективный доступ к информации mint,max новизна и качество

    1)консультация ,БД Pub Med,NLM.

    2)доказательная медицина. Существует Копрановское соглашение (оно объединяет мед.учреждения .задача –охарактеризовать новое лекарство.

    • полуактивные СППР. Эти системы имеют датчики ,подключенные к мед.информационной системе (МИС).Датчики о частоте сердечных сокращений ;сахар;арт.давление min и max значения.Датчики,касающиеся состояния помещения (напр. В операционных темпер.воздуха)

    • активные (интелектуальные)СППР. Вырабатывают проект решения

    13. Основные модули активной СППР (перечислить). Статистический модуль. Численный пример. Вероятностный модуль. Численный пример.

    Модули СППР

    -модуль математического моделирования

    -статистический модуль

    -вероятный модуль

    Нейросетевой модуль

    Экспертные системы(искусственный интелект)

    Компоненты:СППР(активных): 1)моделирование 2)вероятностный3)нейросетевой4)экспертные системы

    Модуль статистический: основан на решении дискретных уравнений

    F(D) =a1x1+a2x2 …+anxn

    Прогноз ставится на основе с бинарн. Значением величин .x,которые соответствуют наличию или отсутствию симптома. При отсутствии симптома x=0,x=1.например:append-аппендицит,salpen-сальпений

    f(append)=(4)AR+ (10)PRLQ +(-10) PLLQ

    f(salpen)=(3)AR+ (5)PRLQ +(5) PLLQ

    учитывают: AR жесткость мышц живота, PRLQ-боль в верхней части, PRLQ -нижней части,а еще симптомы и их весовые коеф.используют.

    пусть AR=0,присутствуют PRLQ и PRLQ тогда, f(append)=(0)AR+ (10)1 +(-10) 1=0

    формула Бейса:вероятностный метод



    14. Основные модули активной СППР (перечислить). Нейросетевой модуль. Определение нейросетей. Основные направления применения в медицине. Понятие нейрона, его основные компоненты. Слои нейронов. Процедура обучения.

    Модули СППР

    -модуль математического моделирования

    -статистический модуль

    -вероятный модуль

    Нейросетевой модуль

    Экспертные системы(искусственный интелект)

    СППР(интелектуальные)

    Нейросети(NN)компьютерная программа, основанная на использовании виртуальныхнейронов,связи м\у которыми устанавливаются в ходе процедуры обучения.Нейроны формируются в слоях:входом,промежуточных,выходом.

    Задачи решаемые с помощью NN

    -распознавание образов (изображения на дисплее КТ,МРТ,УЗИ.)

    -предсказание будущих исходов события (результатоперации,тяжелой терапевтической процедуры)

    Компоненты нейрона

    • блок объединения входных сигналов компонента нейрона,который собирает множество входных сигналов,суммирует и передает далее один.

    • Болк функционального преобразования сигнала выполняет математическую операцию,преобраз.данный сигнал

    • Величина порогового сигнала определяет минимальную величину сигнала

    Работает на основании положения теории работы головного мозга.

    Нейронная сеть, которая является основой работы самообучающихся нейропрограмм, представляет собой совокупность «нейронов» — простых элементов, связанных между собой определенным образом. «Нейроны» и межнейронные связи задаются при помощи программирования на обычном компьютере. Структура взаимосвязей между «нейронами» в нейрокомпьютере или нейропрограмме аналогична таковой в биологических объектах. Искусственный «нейрон» имеет коммуникации с другими «нейронами» через «синапсы», передающие сигналы от других «нейронов» к данному («дендриты») или от данного «нейрона» к другим («аксон»). Несколько «нейронов», связанных между собой определенным образом, и образуют нейронную сеть.

    Одни каналы обеспечивают поступление информации из внешнего мира на нейросеть, другие выводят информацию из нейросети во внешней мир. Поэтому одни «нейроны» сети рассматриваются как входные, другие — как выходные. Часть «нейронов» может не сообщаться с внешним миром, а взаимодействовать с входными, выходными и такими же «нейронами».

    Рис. 1. Формальный «нейрон»



    «Нейрон» состоит из двух функциональных блоков: входного сумматора и собственно «нейрона», или преобразователя. Функционирование «нейрона» происходит следующим образом. В текущий момент времени через входные «синапсы» (на рисунке их 3) на «нейрон» направляются сигналы от других «нейронов» и/или из внешнего мира.

    Сумматор производит суммирование всех пришедших сигналов и подает на преобразователь одно число — полученную сумму. Величина этого числа будет зависеть как от величин исходных сигналов, так и от весов «синапсов». «Нейрон», получивший это число, преобразует его согласно своей функции, в результате которой получается другое число, и отправляет его по «аксону» всем остальным «нейронам» через соответствующие «синапсы». Последующие «нейроны» производят с полученными сигналами такие же операции, лишь с тем различием, что, во-первых, веса их «синапсов» могут быть уже другими, во-вторых, другие «нейроны» могут иметь другой вид функции преобразования. Эта функция, называемая характеристической, имеет вид:

    f(X)=X/(C+TXT),

    где Х — сигнал, поступаемый с сумматора, С — константа, называемая характеристикой «нейрона». Экспериментальным путем получено, что оптимальный диапазон характеристики для решения подаляющего большинства задач составляет от 0,1 до 0,8 (рис. 2).

    Обучение нейронной сети происходит на обучающей выборке, состоящей из примеров, каждый из которых представляет собой типовую задачу с индивидуальным набором условий и конкретным ответом. Например, в качестве входных сигналов (анамнез, жалобы, данные объективного обследования, дополнительных методов исследования), тогда заранее известным ответом в этом примере может быть либо диагноз, либо прогноз наступления какого-либо исхода, осложнения (естественно, для этого нужен катамнез). Несколько примеров с разными ответами образуют задачник, который располагается в базе данных. Каждая запись в базе данных является примером.обучающий алгоритм для нейросети: сначала из обучающей выборки берется пример, его входные параметры подаются на входные «синапсы» обучаемой нейросети. Затем нейросеть производит заданное количество тактов функционирования, при этом вектор входных сигналов распространяется по связям между «нейронами» (прямое функционирование). Измеряются сигналы, выданные теми «нейронами», которые считаются выходными. После этого производится интерпретация выданных сигналов и вычисляется оценка, характеризующая различие между выданным сетью ответом и требуемым ответом, имеющимся в примере. Если оценка примера равна нулю, ничего не предпринимается. В противном случае на основании оценки вычисляются поправочные коэффициенты для каждого синаптического веса матрицы связей, после чего производится подстройка синаптических весов (обратное функционирование). В коррекции весов синапсов и заключается обучение. В завершение осуществляется переход к следующему примеру задачника, и вышеперечисленные операции повторяются.

    Использ.в хирургической практике, (таких как черепно-мозговая травма, например), а также возможности прогнозирования, поскольку степень воздействия на организм при хирургических вмешательствах крайне высока, и было бы не лишним иметь инструмент, помогающий предвидеть течение событий после разных способов воздействия.

    15. Основные модули активной СППР (перечислить). Данные и знания (определение). Экспертные системы (ЭС), определение. Предметные области для экспертных систем. Обобщенная структура ЭС. Понятие о дедуктивном методе расследования. Логические модули. Инструментальные средства построения ЭС. Требования, предъявляемые к медицинским ЭС. Кто участвует в разработке ЭС? Какие базовые функции реализуются в ЭС? Примеры автоматизированных гибридных систем для поддержки принятия решений.

    Модули СППР

    -модуль математического моделирования

    -статистический модуль

    -вероятный модуль

    Нейросетевой модуль

    Экспертные системы(искусственный интелект)

    Экспериментальная система(искуственный интелект)-это компьютерная программа,которая решает задачи путем расследования.процедура расследования определяется базой знаний ,которая создает группа экспертов.программа не содержит жесткого алгоритма расследования.Он определяется в ходе диалога с субъектом расследования,выбором одного из множества виртуальных путей от общих вопросов к определенному заключению(от общего к частному)

    Принцип «от общего к частному» соответствует .аксиом)при этом используются константы(факты),которые могут сравниваться с выходными данными и служить основой для промежуточных логических заключений.расследование проводится в режиме диалога. Структура:1)база знаний,(правил)2)база фактических знаний,фактов ,констант.

    Экспертная система (ЭС) – это система, обеспечивающая принятие решения по исходной информации на основе базы знаний, хранящей знания экспертов, путем применения ЭВМ, позволяющей интерпретировать эти знания. Экспертная система это одно из проявлений искусственного интеллекта – моделирования процессов мышления. ЭС относятся к классу консультативно-диагностических систем.

    Точность диагностики зависит от квалификации специалиста (эксперта) – его умения правильно проанализировать имеющуюся информацию. Но бывают ситуации, когда нет высококвалифицированного специалиста по какой-либо специальности. Поэтому, по мере развития вычислительной техники, возникла идея заложить знания специалистов в компьютер и использовать его в качестве электронного эксперта.

    По способу решения задачи диагностики различаютвероятностные системы и экспертные системы..

    Самые важные области применения экспертных систем:

    -         неотложные и угрожающие состояния;

    -         дефицит времени;

    -         ограниченные возможности обследования;

    -         скудная клиническая симптоматика;

    -         быстрые темпы развития заболевания.

    Необходимо отметить, что работа с экспертными системами может вестись удаленно.

    Общий принцип, положенный в основу формирования ЭС диагностических заключений, – включение в базу знаний синдромов, позволяющих контролировать все основные системы организма.

    Выводы, основанные на опыте работы с экспертной системой, весьма конкретны и обоснованы:

    -         структурное представление медицинских знаний в виде иерархически организованных описаний;

    -         этап формирования эталонных описаний развивает у молодых специалистов навыки систематизированного и логически обоснованного описания и представления клинической картины заболевания;

    -         язык, встроенный в систему для описания заложенных в оболочку ЭС алгоритмов вывода заключений, должен быть прост и доступен практикующему врачу.

    Основные участники создания медицинских экспертных систем:

    -         врач;

    -         математик;

    -         программист.

    Основная роль в разработке такой системы – роль врача – постановщика задач. Такая расстановка обязанностей не уменьшает значение разработчиков ЭС, а лишь упорядочивает взаимоотношения между участниками совместной работы.

     

    Появился новый подход к решению задач искусственного интеллекта – представление знаний. Созданы MYCIN и DENDRAL – ставшие классическими экспертные системы для медицины и химии.

    16. Модуль математического моделирования. Перечислить основные этапы построения и применения модели. Расчётный пример для фармако-кинетической модели (однокамерная) модель с выведение лекарства). Случаи разовой инъекции и инъекции через капельницу.

    Моделирование физиологических процессов и систем,основан на решении математических уравнений.

    Решение диференц. Уравнений решениеанализпринятие решений

    Пример:фарм –кинеетическая модель-класс модели,которая позволяет получить значение конц. Вещ-ва в организме человека.

    Решает вопрос дозировки С(x,t)модель циркуляции крови-гемодинамика(3 круга кровообращения)

    1)модуль математического моделирования физиологических процессов и систем.пример фарм-кинетическая модель.задача:описание концентрации лекарственного вещества во времени С(t,x),определяется деятельностью сердечно-сосудистой системы.
    17. Дайте понятие об информационной медицинской системе, ИМС (определение, назначение). Зарубежная классификация ИМС. Какие требования предъявляются к ИМС?

    Информационная медицинская система это совокупность ин­формационных, организационных, программных и технических средств, предназначенных для автоматизации медицинских про­цессов и(или) организаций. Основными задачами, решаемыми с помощью ИМС, явля­ются:

    • информационная поддержка оказания медицинской помощи населению;

    • информационная поддержка управления отраслью здраво­охранения.

    Зарубежные классификации. В зарубежных источниках почти все авторы в последнее время поддерживают деление систем наCom­puterizedPhysicianOrderEntry иPatientCareInformationSystems. Та­кое деление условно соответствует следующим понятиям: автома­тизированные рабочие места специалистов или системы поддер­жки принятия решений (DecisionSupportSystems) и информаци­онные медицинские системы. Среди систем Computerized Physician Order Entry различают:

    • системы, используемые врачами;

    • системы, используемые медицинскими сестрами;

    • системы, используемые фармакологами.

    В результате исследования пяти ведущих (в плане информати­зации) больниц США были выявлены основные типы систем, используемых в стационарах:

    • Computerized Results системы, предоставляющие компью­терные отчеты о доступных для использования диагностических процессах;

    • Computerized Notes системы, позволяющие вводить различ­ные сведения о лечебно-диагностическом процессе, включающие элементы электронной истории болезни;

    • Computerized Ordering системы управления лечебно-диагно­стическим процессом;

    • Computerized Event Monitoring and Notification — системы ком­пьютерного мониторирования и оповещения. Эти системы обес­печивают поиск важных для лечебно-диагностического процесса симптомов и оповещают о найденных отклонениях;

    • Clinical Administration Systems экономические, администра­тивные и справочные системы;

    • Decision Support системы поддержки решений, при пользо­вании которыми может осуществляться взаимодействие с систе­мами типа Computerized Results.

    Все большее развитие получают электронные истории болезни (Electronic patient record).

    В зависимости от вида системы приводятся требования к ин­формационному, программному, техническому, лингвистическо­му, метрологическому, методическому, организационному и дру­гим видам обеспечения проектируемой и внедряемой автомати­зированной системы.

    Состав и содержание работ по созданию системы. Подраздел должен включать перечень этапов работы по разработке автома­тизированной системы и список документов, предъявляемых по их завершению.

    Порядок контроля и приемки системы. Описываются виды, объем и методы испытаний автоматизированной системы и ее состав­ных частей (при наличии подсистем). В этом подразделе приводят­ся перечень организаций, участвующих в испытаниях, сроки и место их проведения, статус приемочной комиссии (ведомствен­ная, межведомственная, государственная).

    Требования к составу и содержанию работ по подготовке объек­та автоматизации к вводу системы в действие. Подраздел должен содержать перечень основных мероприятий, которые необходимо выполнить до ввода системы в действие: приведение информа­ции, поступающей в систему, к виду, пригодному для обработки с помощью компьютера; изменения, которые необходимо осуще­ствить в объекте автоматизации; создание необходимых для функ­ционирования автоматизированной системы служб и подразделе­ний; сроки обучения персонала.

    Требования к документированию. Подраздел включает согласо­ванный заказчиком и разработчиком перечень подлежащих разра­ботке видов документов, соответствующих требованиям государ­ственных стандартов, перечень документов, выпускаемых на ма­шинных носителях.
    1   2   3   4


    написать администратору сайта