CC BY
5
ФОРМИРОВАНИЕ ПРАВИЛ НЕЧЕТКИХ ПРОДУКЦИЙ ДЛЯ СИСТЕМЫ ОБРАБОТКИ ЭЛЕКТРОМИОГРАФИЧЕСКИХ СИГНАЛОВ Исмайылова К.Ш. Email: [email protected]
Исмайылова Камала Ширин кызы - кандидат технических наук, доцент, кафедра приборостроительной инженерии, факультет информационных технологий и управления, Азербайджанский государственный университет нефти и индустрии, г. Баку, Азербайджанская Республика
Аннотация: преимуществом технологии нечеткой логики является возможность описывать функционирование системы с помощью правил нечетких продукций, требующих описания входных и выходных переменных как лингвистических. В статье применена структура «если, то» для формирования правил нечеткой продукции. Использованы патогенетические (ПФ) и симптоматические (СФ) факторы, связанные с выявляемым заболеванием пациента. В результате вычисления получено 18 ПНП для симптоматических факторов, 15 ПНП для патогенетических факторов.
Ключевые слова: электромиография, нечеткая логика, правила нечеткой продукции, симптоматические и патогенетические факторы.
FORMATION OF THE RULES OF FUZZY PRODUCTS FOR ELECTROMYOGRAPHIC SIGNAL PROCESSING SYSTEM Ismayilova K.Sh.
Ismayilova Kamala Shirin - PhD on Engineering, Associate Professor, INSTRUMENTATION ENGINEERING DEPARTAMENT, FACULTY OF INFORMATION TECHNOLOGIES AND MANAGEMENT, AZERBAIJAN STATE OIL AND INDUSTRY UNIVERSITY, BAKU, REPUBLIC OF AZERBAIJAN
Abstract: the advantage of fuzzy logic technology is the ability to describe the functioning of a system using fuzzy product rules that require the description of input and output variables as linguistic. The article applies the structure "if, then" for the formation of rules for fuzzy products. The pathogenetic (PF) and symptomatic (SF) factors associated with a detectable disease of the patient were used. As a result of the calculation, 18 PNP were obtained for symptomatic factors, 15 PNP for pathogenetic factors.
Keywords: electromyography, fuzzy logic, fuzzy products rules, symptomatic and pathogenetic factors.
Эффективность лечения определяют, во-первых, точность и своевременность поставленного диагноза, во-вторых, качество принятого решения о назначении лечения и своевременное выполнение назначений [1].
Важным этапом является анализ, поскольку достоверность заключения о принятом решении зависит от степени точности анализа. Для анализа ЭМГ сигналов применение технологии нечеткой логики с учетом вышеуказанных преимуществ является весьма обоснованным. Нечеткая логика является вычислительной парадигмой, которая предоставляет математические методы, характерные для процесса человеческих рассуждений [2].
Основой для проведения операций нечеткого логического вывода является база правил, содержащая нечеткие высказывания в форме «Если, то» и функции
принадлежности для соответствующих лингвистических термов. В графе «Если» помещаются высказывания условной части каждого правила («Условие 1» и т.д.), а в графе «То» записывается «заключение 1» и т.д. для каждого ПНП.
Применение нечетких «если, то» правил позволяет улучшить интерпретируемость результатов, повышает способность проникновения в суть структуры классификатора и в процесс принятия решения [2].
Для формирования совокупности ПНП необходимо произвести ряд предварительных действий, таких как описание входных (ВхЛП) и выходных (ВыхЛП) лингвистических переменных [3].
В нашем эксперименте получено 18 ПНП для СФ факторов (таблица 1), 15 ПНП для ПФ факторов (таблица 2).
Таблица 1. ПНП для СФ факторов
ПНП ЕСЛИ ТО
ЛП Значение ЛП Значение
ПНП1 Пар Есть Возможность ДПНП Много выше
О Полное
На ногах
АтрМ Полностью
ПНП2 ЧН Глубокая гипестезия Возможность ДПНП Много выше
СН «Мраморный рисунок»
ГТЗ Гипотрихоз
Гипертрихоз
ГГЗ Гипогидроз
Гипергидроз
ПНПз О Тяжелая, сопровождающаяся болью Возможность ДПНП Выше
ЧН Гиперстезия
СН Покраснение
ПНП4 О Слабая, преходящая Возможность ДПНП Немного выше
На ногах
АтрМ По частям
ПНП5 МСлаб Нет Возможность ДПНП Много ниже
ТМ Норматонус
ГГЗ Норма
ГТЗ Норма
ПНПб СН Побледнение Возможность ДПНП Немного ниже
ПНП7 О Полная Возможность КарТС Много выше
На руках (1-3 пальцы кисти)
Пар Есть
АтрМ Полная
МСлаб Есть
ЛокБ Кисть
Шея
ПНП8 О Тяжелая, сопровождающаяся болью Возможность КарТС Выше
На руках (1-3 пальцы кисти)
ЛокБ Кисть
ПНП9 О Слабая, преходящая Возможность КарТС Немного выше
На руках (1-3 пальцы кисти)
АтрМ По частям
ПНП10 ЛокБ Шея Возможность КарТС Немного ниже
ПНП ЕСЛИ ТО
ЛП Значение ЛП Значение
ПНП 11 ЛокБ Локоть Возможность КарТС Ниже
ПНП12 АтрМ Нет Возможность КарТС Много ниже
Пар Нет
ПНП13 ЧН Гипестезия Возможность КубТС Много выше
АтрМ Полностью
О На руках (4-5 пальцы кисти)
ЛокБ Кисти
МСлаб Есть
ПНП 14 АтрМ По частям Возможность КубТС Выше
ПНП15 О Сильно, сопровождающий с болью Возможность КубТС Немного выше
На руках (4-5 пальцы кисти)
ПНП16 ЧН Норма Возможность КубТС Немного ниже
АтрМ По частям
ПНП17 О Слабая, преходящая Возможность КубТС Ниже
ПНП18 МСлаб Есть Возможность ПрЗ Много выше
ГГЗ Гипогидроз
Гипергидроз
ГТЗ Гипотрихоз
Гипертрихоз
Таблица 2. ПНП для ПФ факторов
ПНП ЕСЛИ ТО
ЛП Значение ЛП Значение
ПНП19 ДПДЕ >>Ы Возможность ДПНП Много выше
АмпПДЕ
УМ Демиелинизция
ФСМ Сила мышцы 1-2 балла
ПНП20 ДПДЕ Возможность ДПНП Много выше
Пнер Реиннервация
УМ Демиелинизция по частям
ПНП21 АмпПДЕ >>Ы Возможность ДПНП Немного выше
ФСМ Сила мышцы 3 балла
ПНП22 ДПДЕ Возможность ДПНП Немного ниже
АмпПДЕ
ФСМ Сила мышцы 4 балла
ПНП23 ФСМ Сила мышцы 5 баллов Возможность ДПНП Ниже
ПНП24 ЛПНер Срединная Возможность КарТС Много выше
СРВМ
Ампм <<Ы
СРВс
Ампс <<ы
Пнер Денервация
ПНП25 СРВм N Возможность КарТС Выше
ПНер Реиннервация
Ампс
ПНП26 СРВм <<N Возможность КарТС Немного выше
Ампм <N
ПНП27 Латс Возможность КарТС Немного ниже
Ампс N
ПНП28 Латм >N Возможность КарТС Ниже
ПНер Иннервация
ЛПНер Лучевой
ПНП ЕСЛИ ТО
ЛП Значение ЛП Значение
ПНП29 Ампс Норма Возможность КарТС Много ниже
СРВс Норма
ЛПНер Большеберцовый
ПНП30 Ампс <N Возможность КубТС Много выше
Ампм <<N
СРВМ <<N
ПНП31 СРВМ <N Возможность КубТС Выше
ДПДЕ >N
ПНП32 АмпПДЕ >>N Возможность КубТС Немного выше
ПНП33 ЛПНер Малоберцовый Возможность КубТС Много ниже
В данной таблице символом «N» обозначается понятие «значение в пределах нормы».
Формирование правил нечеткой продукции - первый этап создания интеллектуальной системы для электромиографии с использованием нечеткого логического вывода, который дает возможность реализовать последующие этапы формирования диагностического заключения.
Список литературы /References
1. Березников А.И., Кореневский Н.А., Татаренко А.А. Прогнозирование, диагностика, профилактика и лечение сосудистых заболеваний глаз на основе нечеткой логики принятия решений // Вестник новых медицинских технологий, 2006. Т. XIII. № 2. С. 12-15.
2. Кореневский Н.А., Филист С.А., Черных Е.С. Автоматизированная система диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа // Вестник новых медицинских технологий, 2006. Т. XIII. № 2. С. 24-28.
3. Исмайылова К.Ш. Выбор выходных логических переменных для реализации систему рекомендации врачу с целью повышения точности диагноза в миографии. // European research. № 10 (33), 2017. С. 17-19.
