CC BY
13
ЭЛЕКТРОННЫЙ НАУЧНЫЙ ЖУРНАЛ «APRЮRI. СЕРИЯ: ЕСТЕСТВЕННЫЕ И ТЕХНИЧЕСКИЕ НАУКИ»
№ 4 2015
УДК 004.891.3
МЕДИЦИНСКАЯ ДИАГНОСТИКА ЗДОРОВЬЯ РАБОТНИКОВ ГАЗОВОЙ ПРОМЫШЛЕННОСТИ НА ОСНОВЕ СИНТЕЗА КОМБИНИРОВАННОГО РЕШАЮЩЕГО ПРАВИЛА
Бисалиев Рафаэль Валерьевич
доктор медицинских наук Джамбеков Азамат Матифулаевич
аспирант
Астраханский государственный технический университет, Астрахань
author@apriori-journal.ru
Аннотация. В работе сделан обзор алгоритмов и методов синтеза решающих правил, которые применяются в имеющихся на сегодняшний день медицинских экспертных системах диагностики. С целью повышения эффективности принятия решений при диагностике здоровья работников газовой промышленности предложен вариант комбинированного решающего правила, которое включает описание структуры симптомо-комплексов и вероятностный метод Вальда.
Ключевые слова: метод Вальда; комбинированное решающее правило; поддержка принятия решений; симптомокомплекс.
MEDICAL DIAGNOSIS OF HEALTH WORKERS GAS INDUSTRY BASED ON COMBINED SYNTHESIS DECISION RULES
Bisaliev Rafael Valeryevich doctor of medicine Dzhambekov Azamat Matifulaevich
post-graduate student Astrakhan State Technical University, Astrakhan
Abstract. The paper provides an overview of the methods of synthesis algorithms and decision rules that apply to currently available medical diagnostic expert systems. To improve the efficiency of decision-making in the diagnosis of the health of workers of the gas industry offered the option of a combined decision rule, which includes a description of the structure and symptom probabilistic method Wald.
Keywords: Wald method; combined decision rule; decision support; symptom.
Современные информационно-вычислительные комплексы способны в некоторой степени заменить работу специалистов разных областей или упростить их работу. В частности, это относится к области медицинской диагностики, где возникает множество плохо формализуемых задач. Постановка верного диагноза работникам различных отраслей промышленности является одной из приоритетных задач для медицинских учреждений здравоохранения предприятий.
В работах отечественных и зарубежных исследователей указано наличие у работников нефтегазовой промышленности повышенной частоты распространения разных хронических заболеваний, в том числе
патологий бронхолегочной и сердечно-сосудистой систем, заболеваний верхних дыхательных путей и желудочно-кишечного тракта, болезней кожи, костей и мышц, а также репродуктивных нарушений [1-4].
Целью исследования является анализ имеющихся на сегодняшний день методов синтеза решающего правила, которое является ядром подсистемы диагностического комплекса, а также разработка методики синтеза комбинированного решающего правила для повышения эффективности процессов постановки диагноза работникам газовой промышленности.
Среди существующих на сегодняшний день медицинских систем поддержки принятия решений можно отметить: PUFF - диагностика легочных заболеваний; MUCIN - диагностика инфекционных заболеваний; AI/COAG - диагностика заболеваний крови; АСПОН - автоматизированный комплекс для профилактического осмотра населения [5] и другие.
Формирование и принятие решений в данных системах осуществляется на основе следующих алгоритмов и методов.
1. Метод Байеса. На основе формулы Байеса производится вычисление вероятностей возможных диагнозов на основе вероятностей возникновения симптомокомплексов и априорных вероятностей самих диагнозов. При превышении полученного значения вероятности некоторого порогового значения делается вывод о наличии диагноза.
2. Метод Вальда. Производится вычисление отношения величины правдоподобия для совокупности признаков и его сравнение со значением, полученным при обработке выборки обучения. Для системы признаков Х и двух диагнозов Dq и Dw получаем следующее выражение для отношения правдоподобия:
Q = —-q—, (1)
P(X / Dw) ' V 7
при
P(Dq) + P(DJ = 1, (2)
где P(X/Dk) - условная вероятность наличия признаков X при диагнозе Dk.
Далее, производится сравнение полученного значения Q с пороговыми:
л-^; (3)
а
в; (4)
1 -а
w
где а - вероятность совершения ошибки при принятии диагноза D при наличии у больного диагноза Dq; в - вероятность совершения ошибки при принятии диагноза Dq при верном диагнозe Dw.
Если О > A, то заключают о наличии диагноза Dq. Если О > B, то принимают диагноз Dw. В противном случае производят отказ от выполнения постановки диагноза.
3. Методы распознавания образов. Здесь объект представляется точкой в пространстве признаков. Среди данных методов существует большое разнообразие алгоритмов, имеющих различное вычисляемое расстояние (расстояния Минковского, Эвклида, Камберра и др.) [6], а также различные критерии их оценки (алгоритмы голосования, сравнение с прототипом и др.). Также, сюда можно отнести методы, основанные на нейронных сетях.
4. Детерминистические методы, основанные на применении симптомокомплексов. Для каждого диагноза существует набор симптомов (признаков диагноза), которые в совокупности образуют симптомо-комплекс заболевания (может быть представлен вектором дихотомических признаков). Неформализованное представление информации о симптомах заболеваний размещено в разных медицинских справочниках [7]. Данная информация служит экспертной оценкой заболевания, которая выработана врачами многих поколений.
Выделяют следующие типы симптомов, на основе которых формируются симптомокомплексы: патогномонические симптомы (однозначно
4
определяют заданное заболевание), специфические симптомы (неоднозначно определяют заданные заболевания), неспецифические симптомы (возможны при заданном заболевании).
Процесс диагностики состоит в сравнении вектора признаков объекта диагностики с симптомокомплексами для известных заболеваний. Критерием сходства может, в частности, служить расстояние Хэмминга [8].
На основе анализ недостатков и достоинств существующих методов и алгоритмов можно сделать вывод о перспективности применения методики синтеза комбинированного решающего правила, которая основана на объединении детерминистического и вероятностного подходов.
Вероятностный подход, базирующийся на методе Вальда, состоит в вычислении априорных объективных условных вероятностей P(Xj / Dk) на основе анализа обучающей выборки. Осуществляется разбивка численных признаков ^ на непересекающиеся интервалы т (= , на основе которых строят гистограммы, аппроксимирующие аналитический закон распределения ^ / Dk) рассматриваемого признака, для двух диагнозов Dw и Dq на одной координатной плоскости.
На рис.1 изображены некоторые аналитические законы распределения вероятностей f (х / Dq) и f (х / Dw) и аппроксимация гистограммами данных законов распределения.
Рис. 1. Аналитические законы распределения вероятностей и аппроксимация гистограммами данных законов распределения
Другой подход, базирующийся на методах теории нечеткой логики [9], связан с мнениями экспертов. Здесь вычисляется значение непрерывной функции ^ (х / Эк) - функции принадлежности, полученной на основе суждений специалиста, которая отражает степень соответствия значения численного признака х некоторой лингвистической переменной, описывающей рассматриваемый признак (например, «высокая температура» или «повышенное артериальное давление»).
На рис. 2 приведены функции принадлежности ^ / и р(Х| / Для этих функций имеют место соотношения:
м / Бч) = м / Я ) = 1 - М X. / Я ) (5)
и(х1 /Д,) = К*, /Б) = 1 /Б) ( )
]д(х,-/Д,) ц(хг/Д,)
1
—
Рис. 2. Функции принадлежности / Dq) и / Dw)
Помимо этого, для каждого признака х обозначается экспертная оценка, отражающая его вес в симптомокомплексе. Данные оценки служат для взвешивания значения / Эк) и принимают значения е0,е1,е2,е3, где е0 - вес патогномонических симптомов; е1 - вес специфических симптомов; е2 - вес неспецифических симптомов; е3 - вес показателей, не входящих в симптомокомплекс данного заболевания.
При этом справедливо неравенство:
3
е0 > е > е2 > ез, £ е =1. (6)
1=0
Таким образом, учитывая оценки ei, функция принадлежности принимает вид:
Иl(XJ / Д ) = е, xJ /) . (7)
Итак, разные подходы (вероятностный подход, и подход на основе нечеткой логики) используются для решения одной и той же задачи классификации. Вполне естественным является предположение, что совместное использование данных подходов перспективно, поэтому можно предложить следующие варианты их совместного использования: 1. Коллектив решающих правил. Данный метод приведен на рис. 3.
Рис. 3. Структурная схема коллектива решающих правил
Производится анализ симптомокомплекса Х с помощью каждого из РП со степенью доверия wi. На основании взвешенных результатов работы всех решающих правил блок логического вывода формулирует с последующей дефаззификацией окончательный диагноз Dk.
2. Суммирование оценок. Так как условные вероятности Р(х / Dk) и значения функции принадлежности ^(х / Dk) являются нормированными величинами, то можно выполнить их усреднение с учетом весовых коэффициентов Тогда выражение (7) преобразуется в
ХУ / А) = КР(Х]1 / д)+к2И1(Х] / ), (8)
где к >о,^к = 1,1 = 1,2, а отношение правдоподобия приобретает вид:
» к(х, / В )
П= ТТ--1—^. (9)
П=1 к( xJ / )
Таким образом, в работе был осуществлен анализ существующих методов и алгоритмов синтеза решающих правил, применяемых в медицинских диагностических системах. Также, с целью повышения эффективности диагностики здоровья работников газовой промышленности предложен вариант комбинированного решающего правила, который позволяет учесть не только объективные вероятности, но и субъективные оценки экспертов.
Список использованных источников
1. Валеева Э.Т. Профессиональная и производственно-обусловленная патология у работающих в современных нефтехимических производствах / Э.Т. Валеева, Л.К. Каримова, Г.Г. Гимранова // Агроэколо-гическая безопасность в условиях техногенеза: международный симпозиум: сб. научных докладов. Ч. 1. (21-23 июня 2006 г.). Казань, 2006. С. 129-132.
2. Сивочалова О.В. Критерии оценки профессионального риска репродуктивного здоровья / О.В. Сивочалова, М.А. Фесенко // Профессия и здоровье: материалы IV Всерос. конгресса. М., 2005. С. 136-138.
3. Macdonald, E. B.Occupational medicine in Europe: Evolution of the profession / E. B. Macdonald. WHO/ECEH. Bilthoven 29 March. 1999. Р. 31.
4. Takala J. Global estimates of traditional occupational risks: Int. Conference on Occupational Health Services (Helsinki, 25-27 Jan.,2005) / Jukka Takala // Scand. J. Work Environ. and Health. 2005. V. 31. № 1. P. 62-67.
5. Ахутин В.М. Формальная модель автоматизированной системы профилактических осмотров населения / В.М. Ахутин, В.В. Шаповалов // Медицинская техника. 2002. № 1. С. 3-7.
6. Дюк В.А. Компьютерная психодиагностика / В.А. Дюк. СПб.: Братство, 1994. 364 с.
7. Справочник практического врача / под ред. А.А. Михайлова, Л.И. Дворецького. М.: Новая Волна, 2001. 528 с.
8. Поворознюк А.И. Компьютерные системы медицинской диагностики: лабораторный практикум: в 2 ч. Ч. 2. / А.И. Поворознюк, А.Е. Филатова, А.Н. Шеин. Харьков: НТУ «ХПИ», 2007. 96 с.
9. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. М.: Горячая линия - Телеком, 2006. 452 с.
