CC BY
62
www.sibac.info
5. Найдич А. «Интернет вещей» - реальность или перспектива? - [Электронный ресурс]. - Режим доступа: http://compress.ru/article.aspx?Id=24290.
6. Никифоров О.Ю. Концепция и технологии «интернета вещей» // Современные научные исследования и инновации. 2014. № 11 -[Электронный ресурс]. - Режим доступа: http://web.snauka.ru/issues/ 2014/11/40928 (Дата обращения: 20.10.2016).
7. Kevin Ashton. That 'Internet of Things' Thing. In the real world, things matter more than ideas // RFID Journal. - 2009. - [Электронный ресурс]. - Режим доступа: www.rfidjournal.com/artide/ print/4986.
8. Evans D. The Internet of Things: How the Next Evolution of the Internet Is Changing Everything / Cisco Internet Business Solutions Group. April 2011. 11 p.
9. Examining europe's policy options to foster development of the 'internet of things - [Электронный ресурс]. - Режим доступа: http://www.rand.org/ randeurope/research/projects/internet-of-things.html.
АЛГОРИТМ ПОСТРОЕНИЯ ЭКСПЕРТНОЙ СИСТЕМЫ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ НА ОСНОВЕ ДИФФЕРЕНЦИАЛЬНО-ДИАГНОСТИЧЕСКИХ ПРИЗНАКОВ
Тонеева Дарья Владимировна
студент Санкт-Петербургского государственного университета,
РФ, г. Санкт-Петербург E-mail: mayeternity@mail.ru
Гончарова Анастасия Борисовна
канд. физ.-мат. наук, доц. Санкт-Петербургского государственного университета,
РФ, г. Санкт-Петербург E-mail: a. goncharova@spbu. ru
Сергеева Елена Ивановна
преподаватель, руководитель студенческого научного общества Санкт-Петербургского государственного бюджетного профессионального образовательного учреждения «Колледж Водных ресурсов», РФ, г. Санкт-Петербург E-mail: dybrovina333@mail.ru
CONSTRUCTION OF EXPERT SYSTEM ALGORITHM FOR DISEASE DIAGNOSIS BASED ON DIFFERENTIAL DIAGNOSIS FEATURES
Darya Toneeva
student of Saint Petersburg State University, Russia, Saint-Petersburg
Anastasya Goncharova
phD in Physical-mathematical sciences, assistant professor of Saint Petersburg State University, Russia, Saint-Petersburg
Elena Sergeeva
teacher, Head of Student Scientific Society of St. Petersburg state budgetary professional educational institutions
"College of the Water Resources", Russia, Saint-Petersburg
АННОТАЦИЯ
Экспертные системы для медицинской диагностики позволяют существенно повлиять на постановку предварительного диагноза у больных. В статье приведен один из алгоритмов построения диагностической экспертной системы. На основе данного алгоритма специалистами проводится ранняя диагностика заболеваний, которая базируется на совокупности дифференциально-диагностических признаков. В результате специалист получает информацию о вероятностях того или иного заболевания в процентном отношении. Медицинские данные для алгоритма построения системы могут быть взяты из специализированных медицинских источников.
ABSTRACT
Expert systems for medical diagnosis can significantly affect the formulation of the preliminary diagnosis of patients. The article presents one of the construction algorithms of diagnostic expert system. Specialists carry out early diagnosis of diseases on the basis of this algorithm which based on a set of differential diagnostic features. As a result, the expert receives information about the probabilities of disease in percentage terms. Medical data for the construction of the system can be taken from special medical sources.
Ключевые слова: экспертная система; диагностика заболеваний; весовой коэффициент; диагностический индекс; эталонный вектор патологии логического типа.
Keywords: expert system; diagnosis of diseases; weight coefficient; diagnostic index; reference pathology vector Boolean type.
Введение. Пусть имеется n больных в контрольной группе, у которых установлено m диагнозов. Среди n больных р; имеют имеет диагноз i, то есть:
р1 — имеют диагноз 1; р2 — имеют диагноз 2;
рт — имеют диагноз ш,
причем некоторые больные могут с определенной вероятностью иметь как диагноз р;, так и диагноз , таким образом, имеет место неравенство:
Pl + ..Pi + ..Pm ^ n .
Рассмотрим диагноз D. По результатам обследования у pD больных имеются симптомы:
Z1... Zs- набор дифференциально-диагностических признаков (симптомов) болезни D, т. е. образуется вектор симптомов:
Рс№Л .--U.
Симптомы, в свою очередь, принадлежат подгруппе некоторой группы признаков. Например, группа признаков «общеклинические исследования» будет включать в себя следующие подгруппы: клинический анализ крови с лейкоцитарной формулой и СОЭ, копрограмму, анализ кала на цисты и вегетативные формы простейших, общий анализ мокроты и другие. Группа «биохимические анализы» будет включать в себя подгруппы: биохимический анализ крови, билирубин, глюкозу в плазме, белок общий в сыворотке и другие.
Рассчитаем частоту встречаемости к примеру, признака ^, i = 1, s, которая определяется эмпирически путем взятия выборки пациентов и подсчета встречаемости каждого из симптомов [2]. Отметим, что чем больше будет объем выборки, тем точнее будет показатель частоты встречаемости. Затем для контрольной группы pD больных с диагнозом D рассчитаем весовой коэффициент :
ССибАК
Технические науки — от теории к практике m\nv.sibaainfo_№ 11 (59), 2016г
fcDi = ^Moo% . (1)
Далее построим эталонный вектор патологии для болезни D логического типа. Ячейка вектора имеет значение true, если данное заболевание имеет данный симптом, и значение false иначе [3].
В результате можно составить таблицу 1, в которую входят эталонный вектор болезни D, частота встречаемости и весовой коэффициент каждого симптома [4]:
Таблица 1.
Эталонные ответы да/нет, частота встречаемости и весовые коэффициенты дифференциально-диагностических признаков
Признаки Патология
Болезнь i
Группа Подгруппа Эталонные ответы (+/-) Частота встречаемости fi, % Весовой коэффициент fcf%
Признак ^ + Л fei
Группа 1 Признак (2 - 0 0
Признак (3 + /э fe3
Признак (4 + /4 &4
Группа 2 Признак (5 - 0 0
Признак (6 + /в fee
Группа k Признак - 0 0
Таким образом, любому диагнозу D соответствует определенный набор симптомов - признаков, которые можно представить в виде вектора соответствия Вв, где «1» и «0» ставится в соответствие «+» и «-» (см. рисунок 1):
где
= £d(5D1,5D2, -^Dft+t),
если данное заболевание имеет данный симптом
—
www.sibac.info
Рисунок 1. Алгоритм построения эталонного вектора патологии
болезни
Отвечая на вопросы о наличии или отсутствии симптома у больного, врач формирует вектор соответствия больного ] по аналогии с работой [1]:
www.sibac.info
(1, — если пациент имеет данный симптом; гДе 8ч = [0,.
иначе.
Рисунок 2. Алгоритм экспертной системы диагностики заболевания
Затем вектор соответствия ] больного сравнивается с каждым из векторов соответствия Вв заболеваний на наличие совпадений, и для каждого заболевания рассчитывается диагностический индекс
- вероятность наличия данного диагнозау больного по формуле:
www. sibac info
(2)
где:
0, — значения I — х ячеек векторов у и не равны;
1, — значения I — х ячеек у и совпадают.
" (3)
Таким образом, для каждого пациента рассчитывается вероятность наличия того или иного заболевания в процентном отношении (см. рисунок 2).
Заключение. В работе предложен один из методов составления алгоритма диагностики заболевания с помощью введения эталонных индексов и расчетов весовых коэффициентов для каждой болезни.
Алгоритм является примером построения диагностической экспертной системы. Отметим, что универсальность данного алгоритма заключается в том, что его применение может быть реализовано для различных патологий. Качество частоты встречаемости может быть улучшено благодаря увеличению числа выборки, то есть при апробации программы в специализированном медицинском центре по диагностике данных заболеваний.
Список литературы:
1. Кириллов В.А., Гладышев А.О., Демидчик Е.П. Экспертная система для диагностики рака щитовидной железы // Онкологический журнал. 2009. № 2. С. 5-11.
2. Кириллов В.А., Емельянова О.А Диагностика фолликулярного рака и фолликулярной аденомы щитовидной железы с помощью экспертной системы, построенной на базе совокупности качественных дифференциально-диагностических признаков цитограмм // Онкологический журнал. - Т. 4 № 4. С. 87-94.
3. Лифантова Е.Е., Гончарова А.Б., Мащинский Н.С. Создание системы поддержки принятия решения в медицине для диагностики заболеваний желудочно-кишечного тракта // Процессы управления и устойчивость. Том 3(19) № 1, СПб, Издательский дом Федоровой Г.В., 2016, С. 312-316.
4. Тонеева Д.В., Гончарова А.Б. Экспертная система диагностики заболеваний // EUROPEAN RESEARCH: Сборник статей VI Международной научно-практической конференции / Под общ.ред. Г.Ю. Гуляева. Пенза: МЦНС «Наука и просвещение», 2016. С. 34-38.
