Модуль і. Основи інформаційних технологій в системі охорони здоров'Я. Обробка та аналіз медикобюлогічних даних

• Название: Модуль і. Основи інформаційних технологій в системі охорони здоров'Я. Обробка та аналіз медикобюлогічних даних
• Дата: 13.02.2023
• Размер: 5.89 Mb.
• Имя файла: medinfo_ocr_recognized.doc
• Тип: Документы; #935067
• страница: 45 из 65

_ L

Виконати команду Формат/Выделенный фрагмент

\

Я ку частину діаграми редагувати?

о бласть

п обудови

Бри необхідності виконати наступне:

2. 
   в полі Рамкг: виберіть Невидимая рамка або
   змінити тип, толщину и цвет линий,
   
3. 
   в полі Заливка: виберіть Прозрачная заливка
   або змініть цвет або способ заливки,
   

о с:

При необхідності змінити параметри на закладках

2. 
   Вид зміна типу, товщнни і кольору ліній _h
   
3. 
   Шкала, зміна максимуму, мінімуму, основних
   проміжних поділок, перетин з віссю;
   
4. 
   Шрифт: зміна параметрів шрифта;
   
5. 
   Чиспо: зміна числового формату, зміна
   орієнтації, кутів нахилу
   

р яди даних

При необхідності змінити параметри на закладках:

2. 
   Вид: зміна типу, товщини і кольору ліній,
   заливки і маркерів,
   
3. 
   Оси основної і допоміжної осі;
   
4. 
   Параметры, лінії проекції, мінімум,
   максимум;
   
5. 
   Порядокрядов: послідовність рядів даних;
   
6. 
   Y-гюзрешности: значення і способи подання
   похибок,
   
7. 
   Подписи данных: подання значень функцій
   

л егенду

При необхідності змінити параметри на закладках:

2. 
   Вид: наявність рамки, типу, товщини і кольору
   ліній, наявність заливки, кольору і узорів,
   
3. 
   Шрифт, зміна параметрів шрифту;
   
4. 
   Размещение: п о л о ж є н ня л еге н д и н а діаграмі
   

С хема 3. Редагування Ошграм в табличному процесорі

115

Апроксимація

_т

В ведіть початкові дані

П обудуйте діаграму

В иділіть ряд даних діаграми (лінію графіка)

В иконайте команду Диагралша Добавить линию тренда

В иберіть: на вкладці Тип - тип

апроксимуючої функції, на вкладці

Параметры — способи індикації

рівняння і виділіть Показывать

уравнение на

і

Натисніть ОК

ш

Влаштовує вас апроксимуюча функція?

так

А проксимацію завершено

С хема 4. Апроксимація даних в сереОоеищі табличного процесора

116

Представлення систем підтримки прийняття рішень. Експертні системи. Побудова бази знань та структурування. Сучасна архітектура системи

прийняття рішень.

Конкретні цілі заняття: інтерпретувати основні молелі предстанлення медичних знань; аніїлщ-вати принципи лобулови і функціонування систем інлтримки прийнятій рішень; демонструвати вміння використовувати шшшакхивні експертні системи для підтримки прийняті* рішень.

Основні поняття теми

С истема знань, експертна система (ЕС), база знань, штучний інтелект, система штучного інтелекту, інтелектуальні інформаційні технології, інженер зі знань, експерт, діагностика, класифікація, прогнозування, планування, керування, типи EC (інтерпретації даних, діагностики, моніторингу, прогнозування, навчання, планування, проектування, автономні, гібридні, формальні моделі зображення знань

К ороткі теоретичні відомості

Принципово нові досягнення в технології обробки інформації пов'язані зі створенням особливих л юдино-машинних систем, призначених для накопичення й обробки у комп'ютері знань, необхідних для вирішення складних практичних задач. Подібні системи одержали назву систем знань (knowledge based system). Серед систем знань найбільш бурхливо останнім часом розвивалися експертні системи (EC). У медицині EC широко застосовуються для підтримки прийняття рішень при розв'язанні різноманітних проблем діагностики, прогнозування, лікування, управління, навчання тощо.

Продемонструємо особливості архітектури, характеристик та принципів роботи з клінічними експертними системами на прикладі програми «Експертна система» v2.0 (rjttp://bukhnin chat.ru/)_

«Експертна система» є нап і в активною експертною системою, що використовує байесовскую систему логічного висновку. Програма (див. рис. 59) призначена для проведення консультації з користувачем у деякій прикладній області (відповідно до завантаженої бази знань) з метою визначення ймовірностей можливих висновків, використовуючи для цього оцінку правдоподібності деяких передумов (свідчень), одержаних від користувача.

Як приклад розглянемо задачу визначення ймовірностей наявності різних захворювань у пацієнта. Програма в цьому випадку виступає в ролі лікаря (експерта), що задає пацієнтові систему відповідних питань та на основі отриманих відомостей ставить діагноз. Причому під час діалогу користувача і програми запитується оцінка істинності ключового факту і на основі відповіді коректується ймовірність висновку та перехід до наступного актуального факту. У такий спосіб досягається швидке одержання результату при мінімальній кількості питань.

Використання байєсовської системи логічного висновку означає, що оброблювана експертною системою інформація не є абсолютно точною, а носить

1 17

ймовірнісний характер. Користувач не обов'язково повинен бути впевнений в абсолютній істинності або хибності відповіді, а може відповідати на запитання системи з певним ступенем впевненості. У свою чергу система видає результати консультації у вигляді ймовірностей настання висновків.