CC BY
99. Automated process control Isystem of mobile crushing and screening plant / А. Ostroukh, N. Surkova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
10. Shadrin, S. S. Experimental Autonomous Road Vehiclewith Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p.
11. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
12. Варламов, О. О. Успешное применение миварных экспертных систем для MIPRA - решения задач планирования действий робототехнических комплексов в реальном времени / О. О. Варламов, Д. В. Аладин // Радиопромышленность. - 2019. - № 3 (29). - С. 15-25.
УДК 004.8, 007.5
О СОЗДАНИИ ПРОТОТИПА МИВАРНОЙ СЕТИ ЗНАНИЙ ДЛЯ СИСТЕМЫ ДИАГНОСТИКИ САХАРНОГО ДИАБЕТА ABOUT CREATING A PROTOTYPE OF THE MIVAR NET OF KNOWLEDGE FOR THE SYSTEM OF DIAGNOSTICS OF DIABETES
Ким Хохён , магистрант Варламов О. О.2, д-р. техн. наук, профессор Чувиков Д. А.2, канд. техн. наук Аладин Д. В.2, магистрант Адамова Л. Е.3, канд. психол. наук, доцент 1,2ФГБОУ ВО «Московский государственный технический университет имени Н. Э. Баумана»
2Научно исследовательский институт МИВАР 3АНО ВО «Российский новый университет» Южная Корея, г. Сеул; Россия, г. Москва, rlaghgus51@gmail.com, ovar@narod.ru, larisapers@yandex.ru
Аннотация. Обосновано применение миварных экспертных систем для диагностики сахарного диабета. Показан порядок создания такой системы: сначала создают миварную сеть знаний (параметров и правил), затем заносят ее в КЭСМИ, получают параметрычеловека и выполняют диагностику диабета. Создан прототип миварной сети знаний в виде таблиц параметров и правил.
Ключевые слова: мивар, миварные сети, медицина, диагностика сахарного диабета, искусственный интеллект, экспертная система, MOGAN, MIPRA.
Abstract. The use of mivar expert systems for the diagnosis of diabetes mellitus is justified. The procedure for creating such a system is shown: first create a mivar network of knowledge (parameters and rules), then enter it in the Wi!Mi, get the parameters of the person and perform a diagnosis of diabetes. A prototype of the mivar knowledge network was created in the form of parameter tables and rules.
Key words: mivar, mivar net, medicine, diagnostics of diabetes, artificial intelligence, expert system, MOGAN, MIPRA.
Введение. Сахарный диабет (СД) входит в число самых распространенных в мире хронических заболеваний. Согласно данным Международной федерации диабета (IDF), в настоящее время в мире зарегистрировано 430 млн человек, которые болеют сахарным диабетом. К 2040 г. прогнозируется рост числа людей больных диабетом до 642 млн чел. Как распознать СД - этот вопрос волнует многих, кто подозревает, что со здоровьем что-то не так. Типичными проявлениями недуга являются постоянное чувство жажды и частые позывы к мочеиспусканию, раздражение и зуд кожи, слабость, в том числе мышечная, дневная сонливость, стремительное похудение на фоне повышенного аппетита.
Основой диагностики сахарного диабета служит анализ крови на содержание глюкозы и некоторых других веществ. Также имеет важность параметры человека его состояние, образ жизни, возможные проявления симптомов. Так как диагностирование заболеваний - это сложная экспертная область, то для ее моделирования хорошо подходит КЭСМИ - миварный конструктор экспертных систем. Таким образом, тема работа актуальна и важна.
Миварные технологии[1] логического искусственного интеллекта (ИИ) [2] созданы для эволюционного накопления данных, логическойобработки [3] и автоматического конструирования алгоритмов [4]. Миварный способ [5] позволил снять ограничение NPпродукционного вывода в формате «если..., то...» [6] за счет снижения его вычислительной сложности до линейной. Миварные экспертные системы используют [7] для создания автономных робототехнических комплексов и АСУ [8], беспилотных автомобилей [9], распознавания образов [10], экспертного моделирования [11] и планирования действий роботов (MlPRA)[12].Созданная «многомерная открытая гносеологическая активная сеть» -multidimensionalopengnoseologicalactive net (MOGAN) основана на объединении эволюционного ми-варного информационного пространства «Вещь-Свойство-Отношение» и миварных двудольных сетей
с линейной вычислительной сложностью логического вывода [2]. Именно на MOGAN и создан программный комплекс КЭСМИ Wi!Mi [6].
Решение задачи. Для выполнения диагностики нам нужно узнать об обследуемом следующие параметры:пол; симптомы; возраст, а также:провести анализ крови и мочи; измерить давление; узнать наличие каждого антропометрического параметра. Для создания миварной экспертной системы необходимо, прежде всего,создать миварную сетьпараметров и правил (знаний) для системы диагностики сахарного диабета, чтобы потом проводить обследование. Покажем результаты создания прототипа миварной сети знаний и пример необходимой информации, которую потом легко можно заносить в КЭСМИ. Наш прототип включает следующие таблицы классов и параметров, а также список правил, описывающие предметную область «диагностика СД».
Классы и параметры
Таблица 1
Пол обследуемого
Пол 1.1 мужской
1.2 женский
Таблица 2 Тип сахарного диабета
Тип сахарного диабета 2.1 диабет 1-го типа
2.2 диабет 2-го типа
2.3 диабета нет
2.4 преддиабетное состояние
Таблица 3 Симптомы
Симптомы 3.1 чрезмерная жажда
3.2 частое мочеиспускание
3.3 утомляемость
3.4 снижение концентрации внимания
3.5 затуманенность зрения
3.6 зуд и сухость кожи
3.7 рвота
3.8 потеря веса
3.9 чрезмерный голод
Таблица 4
Возраст обследуемого
4.1 0-11
4.2 12-17
Возраст 4.3 18-29
4.4 30-49
4.5 50 и более
Таблица 5
Анализ крови
Анализ крови 5.1 до 6 ммоль/л
5. глюкоза 5.2 6-6.5 ммоль/л
5.3 6.5 ммоль/л и более
6.1 0-1.5
6. холестерин 6.2 1.8-2.5
6.3 2.5-4.5
7. наличие HBA1C 7.1 в наличии
7.2 нет в наличии
8. наличие ZnT8Ab 8.1 в наличии
8.2 нет в наличии
9. триглицериды 9.1 менее 1.7
9.3 более 1.7
10.1 низкое содержание
10. витамин D 10.2 нормальное содержание
Таблица 6
Анализ мочи
11. наличие кетоновых 11.1 в наличии
клеток 11.2 нет в наличии
Анализ мочи 12.1 менее 210 мкмоль/л
12. мочевая кислота 12.2 210-420 мкмоль/л
12.3 более 420 мкмоль/л
Таблица 7
Давление
13.1 100-120
13. Систолическое 13.2 120-140
13.3 140 и более
Давление 14.1 менее 70
14. Диастолическое 14.2 70-85
14.3 85 и более
Таблица 8
ИМТ
15.1 менее 15
15.2 15-19
ИМТ 15.3 19-24
15.4 24-28
15.5 более 28
Таблица 9
Генетические факторы, ЭКГ, УЗИ почек и надпочечников, МРТ гипофиза, вирусы, наличие наследственной предрасположенности
Генетические факторы 16. Наличие у родственников СД 1 го или 2го типа 16.1 да
16.2 нет
ЭКГ 17. Есть ли отклонения на ЭКГ 17.1 да
17.2 нет
УЗИ почек и подпочечников 18. Есть ли отклонения 18.1 да
18.2 нет
МРТ гипофиза 19. Есть ли опухоль гипофиза 19.1 да
19.2 нет
Вирусы 20. Наличие вируса Эпштейна-Барр 20.1 да
20.2 нет
21. Наличие вируса свинки 21.1 да
21.2 нет
Наличие наследственной предрасположенности 22.1 да
22.2 нет
Таблица 10
Список миварных правил в формате «Если (вход)..., То (выход)...»
№ Формулировка правила Входные параметры Выходные параметры
1 Если глюкоза до 6 мм/л, то диабета нет 5.1 глюкоза до 6 ммоль/л 2.3 диабета нет
2 Если нет НВА1С, то диабета нет 7.2 нет в наличии 2.3 диабета нет
3 Если в крови в наличии НВА1С, то имеется диабет 1 типа 7.1 в наличии 2.1 диабет 1 типа
4 Если в наличии в моче кетоновых клеток, имеется то диабет 1 типа 11.1 в наличии 2.1 диабет 1 типа
5 ZnT8Ab и уровень глюкозы 6.5 и более мм/л, имеется то диабет 1 типа 7.1 в наличии 8.1 в наличии 5.3 более 6.5 ммоль/литр 2.1 диабет 1 типа
6 Если пациент имеет низкое содержание витамина D и пациент имеет уровень глюкозы в крови более 6.5 моль/л, то имеется диабет 1 типа 10.1 низкое 5.3 более 6.5 ммоль/литр 2.1 диабет 1 типа
7 Если пациент имеет вирус свинки или Эпштейна-Бара и пациент имеет уровень глюкозы в крови более 6.5 моль/л, то имеется диабет 1 типа 20.1 да 21.1 да 5.3 более 6.5 ммоль/литр 2.1 диабет 1 типа
8 Если пациент имеет любые из симптомов 3.3 - 3.8 и пациент имеет уровень глюкозы в крови более 6.5 моль/л, то имеется диабет 1 типа 3.3 утомляемость 3.4 снижение концентрации внимания 3.5 затуманенность зрения 3.6 зуд и сухость кожи 3.7 рвота 3.8 3.8 потеря веса 5.3 6.5 и более 2.1 диабет 1 типа
9 Если у пациента ИМТ более 28 и возраст более 50, то имеется преддиабетное состояние 5.2 50 и более 15.5 28 и более 2.4 преддиабетное состояние
10 Если у пациента ИМТ более 28 значение глюкозы 6.5 и более, то имеется преддиабетное состояние 15.5 28 и более 5.3 6.5 и более 2.4 преддиабетное состояние
11 Если пациент >50 лет, то имеется преддиабетное состояние 5.2 50 и более лет 2.4 преддиабетное состояние
12 Если уровень глюкозы 6-6.5 мм/л, то имеется преддиабетное состояние 5.2 6-6.5 ммоль/л 2.4 преддиабетное состояние
13 Если есть наследственная предрасположенность и уровень глюкозы 6-6.5 мм/л, то имеется преддиабетное состояние 5.2 6-6.5 ммоль/л 22.1 да 2.4 преддиабетное состояние
14 Если пациент имеет 2 симптома из 3.1, 3.2, 3.9 и пациент имеет уровень глюкозы в крови более 6.5 моль/л, то имеется диабет 2 типа 3.1 чезмерная жажда 3.2 частое мочеиспускание 3.9 черезмерный голод 5.3 6.5 и более 2.2 диабет 2 типа
15 Если пациент имеет симптомы 3.4 и 3.3 и имеет аномалии в исследовании МРТ гипофиза то имеется диабет 2го типа 3.3 утомляемость 3.4 снижение концентрации внимания 18.1 да 2.2 диабет 2 типа
16 Если пациент имеет признаки ишемической болезни сердца и пациент имеет отклонения в ЭКГ и анализ крови показывает высокий уровень холестерина и ИМТ более 28, то имеется диабет 2 типа 17.1 да 6.3 2.5-4.5 15.5 28 и более 2.2 диабет 2 типа
17 Если пациент имеет признаки ишемической болезни сердца и пациент имеет отклонения в ЭКГ и пациент имеет уровень глюкозы в крови более 6.5 17.1 да 5.3 6.5 ммоль/ли более 2.2 диабет 2 типа
№ Формулировка правила Входные параметры Выходные параметры
моль/л, то имеется диабет 2 типа
18 Если пациент имеет высокий уровень холестерина и ИМТ более 28 и пациент имеет уровень глюкозы в крови более 6.5 моль/л, то имеется диабет 2 типа 15.5 более 28 6.3 2.5-4.5 5.2 6-6.5 ммоль/л 2.2 диабет 2 типа
19 Если пациент имеет родственников с 1 или 2м типом диабета и мочевая кислота имеет более 420 мкмоль/л и ЭКГ показывает скрытую аритмию, то имеется диабет 2 типа 16.1 да 12.3 более 420 мкмоль/л 17.1 да 2.2 диабет 2 типа
20 Если пациент имеет родственников с 1 или 2м типом диабета и присутствует НВА1С, то имеется диабет 2 типа 16.1 да 7.1 в наличии 2.2 диабет 2 типа
21 Если пациент имеет постоянную чрезмерную жажду, повышенное артериальное (систолическое) 140 и выше и повышенное артериальное давние (диастолическое) более 85 ИМТ более 28, то имеется диабет 2 типа 3.1 чрезмерная жажда 13.3 140 и более 14.3 85 и более 15.5 более 28 2.2 диабет 2 типа
22 Если пациент имеет отклонения в гипофизе (МРТ) и имеет в крови ZnT8Ab, то имеется диабет 2 типа 19.1 да 8.1 да 2.2 диабет 2 типа
23 Если возраст пациента более 50 лет, в ЭКГ имеются отклонения, имеет родственников с диабетом 1 го или 2го типа, и в крови 6.5 ммоль/ли более, то имеется диабет 2го типа 4.5 50 и более 17.1 да 16.1 да 5.3 6.5 ммоль/ли более 2.2 диабет 2 типа
24 Если пациент имеет в крови триглицериды более 1.7 мкмоль/л и ИМТ более 28 и чрезмерную жажду, то имеется диабет 2го типа 9.2 более 1.7 15.5 более 28 3.1 чрезмерная жажда 2.2 диабет 2 типа
25 Если пациент имеет потерю веса, рвоту и в крови в наличие НВА1С, то имеется диабет 2го типа 3.8 потеря веса 3.7 рвота 7.1 в наличии 2.2 диабет 2 типа
26 Если клиент имеет родственников имеющих диабет 1 го или 2го типа и в УЗИ почек и надпочечников есть отклонения и в крови имеется в наличие ZnT8Ab, то имеется диабет 2го типа 16.1 да 18.1 да 8.1 в наличии 2.2 диабет 2 типа
27 Если у пациента ИМТ более 28 и систолическое давление больше 140 и диастолическое более 85 и в крови имеется наличие НВА1С, то имеется диабет 2го типа 13.3 140 и более 14.3 85 и более 7.1 в наличии 15.5 более 28 2.2 диабет 2 типа
Итого, получили на данном этапе: 62 параметра и 27 правил.
Вывод. Для выполнения диагностики сахарного диабетанужно сначала создать миварную сеть знаний параметров и правил, затем занести ее в КЭСМИ и получить миварную экспертную систему. Потом получаем параметры обследуемого и выполняем диагностику. На данном этапе исследований создан прототип миварной сети знаний в виде таблиц из 62 параметров и 27 правил.
Библиографический список:
1. Варламов, О. О. Миварный подход как основа качественного перехода на новый уровень в области искусственного интеллекта / О. О. Варламов // Радиопромышленность. - 2017. - № 4. - С. 13-25.
2. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство / О. О. Варламов. - Москва : Радио и связь, 2002. - 288 с.
3. Максимова, А. Ю. Миварная экспертная система для распознавания образов на основе нечеткой классификации и моделирования различных предметных областей с автоматизированным расширением контекста / А. Ю. Максимова, О. О. Варламов // Известия ЮФУ. Технические науки. -2011. - № 12 (125). - С. 77-87.
4. Варламов, О. О. Автоматизированное построение маршрута логического вывода в миварной базе знаний / О. О. Варламов, А. М. Хадиев, М. О. Чибирова [и др.] // Патент на изобретение RUS 2607995 11.02.2015., опубликовано 11.01.2017, бюллетень № 2. - 43 с.
5. Варламов, О. О. Роль и место миваров в компьютерных науках, системах искусственного интеллекта и информатике / О. О. Варламов // Радиопромышленность. - 2015. - № 3. - С. 10-27.
6. Varlamov, O. O. Wi!Mi Expert System Shellasthe Novel Toolfor Building Knowledge-Based System swith Linear Computational Complexity / О. О. Varlamov // International Reviewof Automatic Control. - 2018.
- № 11 (6). - Р. 314-325.
7. Варламов, О. О. О возможности создания интеллектуальных систем на основе GRID, систем адаптивного синтеза ИВК, сервисно-ориентированной архитектуры и миварного информационного пространства / О. О. Варламов // Известия ТРТУ. - 2005. - № 10 (54). - С. 130-140.
8. Automated process control lsystem of mobile crushing and screening plant / А. Ostroukh, N. Surkova, O. Varlamov [et al.] // Journal of Applied Engineering Science. - 2018. - № 16 (3). - Р. 343-348.
9. Shadrin, S. S. Experimental Autonomous Road Vehiclewith Logical Artificial Intelligence / S. S. Shadrin, O. O. Varlamov, A. M. Ivanov // Journal of Advanced Transportation, vol. 2017, Article ID 2492765. - 2017. - 10 p.
10. Система автоматического тегирования изображений на основе миварных технологий / Ю. И. Майборода, М. Ю. Синцов, А. Ю. Озерин [и др.] // Программные системы: теория и приложения.
- 2014. - Т. 5. - № 4 (22). - С. 159-170.
11. Чувиков, Д. А. Применение экспертного моделирования в получении новых знаний человеком / Д. А. Чувиков // Радиопромышленность. - 2017. - № 2. - С. 72-80.
12. Варламов, О. О. Успешное применение миварных экспертных систем для MIPRA - решения задач планирования действий робототехнических комплексов в реальном времени / О. О. Варламов, Д. В. Аладин // Радиопромышленность. - 2019. - № 3 (29). - С. 15-25.
