CC BY
182построение имитационной логистической модели в среде AnyLogic, что позволит качественно описать и проанализировать данный процесс, а также выбрать стратегию, которая обеспечит наиболее эффективное функционирование логистической системы.
Библиографические ссылки
1. Миссия, основные направления деятельности и стратегическая карта Федеральной налоговой службы [Электронный ресурс]. URL: https://www.nalog.ru/rn77/ about_fts/fts/ftsmission/ (дата обращения: 01.09.2016).
2. Приказ Министерства финансов Российской Федерации № 267 от 20.07.2011.
3. Регламент взаимодействия территориальных органов ФНС России и ФКУ «Налог-Сервис» ФНС России при реализации функций по обработке налоговых документов, служащих основанием для исчисления и уплаты налогов, сборов и проведения мероприятий в отношении взаимозависимых лиц и контролируемых сделок, представляемых налогоплательщиками (их представителями) в территориальные органы ФНС России на бумажных носителях : утв. приказом ФНС России № ММВ-7-6/97 от 25.02.2016.
4. Лубенцова В. С. Математические модели и методы в логистике : учеб. пособие / под ред. В. П. Радченок ; Самар. гос. техн. ун-т. Самара, 2008. 157 с.: ил.
5. Новая реализация ГИС (тайловые карты) [Электронный ресурс]. URL: http://www.anylogic.ru/new-features (дата обращения: 10.09.2016).
References
1. [Missiya, osnovnye napravleniya deyatelnosti i Strategicheskaya karta Federalnoy nalogovo ysluzhby] (In Russ.). Available at: https://www.nalog.ru/ rn77/about_ fts/fts/ftsmission/ (accessed: 01.09.2016).
2. Prikaz Ministerstva finansov Rossiyskoy federacii No 267 (20.07.2011).
3. Reglament vzaimodeystviya territorialnykh organov FNS Rossii i FKU "Nalog-Servis" FNS Rossii pri realizacii funkciy po obrabotke nalogovykh dokumentov, sluzhashchikh osnovaniem dly naischisleniya i uplatynalogov, sborov i provedeniya meropriyatiy v otnoshenii vzaimozavisimykh licz i kontroliruemykh sdelok, predstavlyaemykh nalogoplatelshchikami (ikh predstavitelyami) v territorialnye organy FNS Rossii na bumazhnykh nositelyakh, utverzhdennyy prikazom FNS RossiiNoMMV-7-6/97 (25.02.2016).
4. Lubenczova V. S. [Matematicheskie modeli i metody v logistike]. (In Russ.)
5. [New GIS implementation (tiledmaps)]. Available at: http://www.anylogic.ru/new-features (accessed: 10.09.2016). (In Russ.)
© Безъязыкова Н. А., Вайтекунене Е. Л., 2016
УДК 004.891.3
ПРИМЕНЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В МЕДИЦИНЕ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ ЛЕЧЕБНО-ДИАГНОСТИЧЕСКИХ РЕШЕНИЙ
И. А. Беленя1, И. С. Алексеев1, Н. А. Сергеева2
Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660037, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31
2ООО «АрДиСайнс» Российская Федерация, 660075, г. Красноярск, ул. Маерчака, 10 E-mail: Belenya.I.A@ya.ru
Проведение данного исследования объясняется необходимостью внедрения интеллектуальных систем во врачебную деятельность для ранней диагностики и прогнозирования развития заболеваний. Рассматриваются технологии реализации экспертной системы для принятия лечебно-диагностических решений.
Ключевые слова: экспертные системы, диагностика, информационные технологии, интеллектуальные системы, медицина.
THE IMPLEMENTATION OF INTELLIGENT SYSTEMS FOR MAKING DIAGNOSTIC
AND TREATMENT DECISIONS
I. A. Belenya1, I. S. Alexeyev1, N. A. Sergeeva2
!Reshetnev Siberian State Aerospace University 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660037, Russian Federation 2LLL "R.D.Science" 10, Maerchaka Str., Krasnoyarsk, 660075, Russian Federation E-mail: Belenya.I.A@ya.ru
<Тешетневс^ие чтения. 2016
This study takes place due to the necessity of intelligent systems' implementation to the medical practice, pre-diagnosis and prognosis of disease. The implementation of an expert system technology for making diagnostic and treatment decisions is considered.
Keywords: expert systems, diagnosis, intelligent systems, information technologies, Medicine.
Развитие в любой сфере деятельности невозможно без внедрения современных информационных технологий, представляющих собой основу интеллектуальных систем. В последнее время неуклонно возрастает значение информационного обеспечения различных медицинских технологий, так как именно в этой области необходима систематизация, хранение и обмен электронными историями болезни между территориально разнесенными пунктами для подбора максимально эффективной интенсивности терапии. Медицинские экспертные системы позволяют врачу не только проверять собственные диагностические предположения, но и дают возможность обращаться к системе за консультацией в сложных клинических случаях, где необходим анализ большого объема симптомов пациентов.
Основными проблемами при принятии медицинских решений являются недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения большого числа компетентных экспертов и неполнота информации о состоянии пациента. Система поддержки принятия решения, в свою очередь, может иметь в наборе инструменты для обработки данных, различные принципы построения моделей, алгоритмы распознавания образов, кластеризации, выделения значимых параметров, установления взаимных зависимостей [4]. Функционал должен охватывать настройку всех задач диагностики, прогнозирования и классификации, быть удобным и исключать дублирование информации. Сборка таблицы признаков модели заболевания и заполнение матрицы признаков значениями по конкретному пациенту должна происходить автоматически на основании данных, вносимых врачом при осмотре больного [3].
На сегодняшний день в краевой клинической больнице г. Красноярска внедрена тестовая автоматизированная система qMS, представляющая собой единое информационное пространство различных медицинских подразделений (приемное отделение, клинико-диагностическая лаборатория, врачебно-физиоло-гическое отделение, отделение статистики, склады препаратов и оборудования). Данная система является своего рода электронной карточкой больного, накапливающей в себе полную информацию о пациенте, его историю и динамику болезни. Однако существенным минусом данной системы является время реакции программы на действия пользователя: каждое действие заносится в систему отдельным кликом, заставляя пользователя ждать после каждого внесенного параметра. Перегруженный интерфейс с большим количеством дублирующей информации усложняет работу нового сотрудника. Система qMS реализована на основе системы управления базы данных Intersystems Caché, что затрудняет дальнейшее использование базы данных, накопленной этой системой, для вычислительных операций из-за отсутствия строго формализован-
ных значений. Следовательно, возникает необходимость создания альтернативного программного продукта, спроектированного на базе более формализованной системы управления базы данных и способного обеспечивать поддержку принятия решений.
У полностью оформленной экспертной системы присутствуют четыре основных компонента:
- база знаний - хранит в себе набор всех используемых медицинских определений, симптомов, данные о пациентах, истории болезней, данные анализов и показатели здоровья больного [2];
- машина вывода;
- модуль извлечения знаний;
- система объяснения принятых решений - выводит экспертное решение по диагностике, лечению, динамике и прогнозирует дальнейшие диагностические ситуации [1].
Модель представления знаний является основой для формирования базы знаний экспертной системы. Основными требованиями к представлению знаний являются информативность, интуитивная понятность, непротиворечивость, полнота и простота использования [1]. Проанализировав различные модели для построения разрабатываемой экспертной системы, была выбрана продукционная модель. Данная модель характеризуется интуитивной понятностью, легкостью логического ввода и удобством корректировки, что позволяет реализовать на ее базе эффективную процедуру вывода знаний.
Также для возможности хранения базы данных больных, интеллектуальная система должна быть оснащена хранилищем данных. На сегодняшний день известно множество систем управления базами данных. Для выбора наиболее подходящей системы управления базой данных для разрабатываемого программного комплекса необходимо, чтобы система поддерживала средства защиты данных от несанкционированного доступа, так как подразумевается работа с конфиденциальной информацией, поддерживала язык SQL, обладала высокой скоростью обработки данных и имела возможность отвечать на несколько запросов одновременно [4].
Благодаря механизмам самообучения, основанным на непараметрических алгоритмах построения разделяющей поверхности, оператор системы в процессе эксплуатации будет непроизвольно вырабатывать правила поведения системы, добавляя данные о каждом новом диагностическом случае. Опираясь на базу историй болезней, система должна найти соответствия и вынести прогноз на основании накопленного симптокомплекса [6]. Данные алгоритмы помогут системе более точно делать выводы о применении схемы лечения и прогнозировании развития заболевания [5]. В дальнейшем программа будет предоставлять электронные отчеты специалисту-эксперту для подтверждения верности заключения системы.
Дополнительно программа для удобства ведения бумажного документооборота личных дел больных (карточек больного) будет предоставлять возможность печати результата работы экспертной системы по анализированному пациенту. Для защиты конфиденциальной информации больного предусматривается аутентификация операторов.
Таким образом, ЭС позволяют решать задачи диагностики, дифференциальной диагностики, прогнозирования, выбора стратегии и тактики лечения и др. На сегодняшний день компания ООО «АрДиСайнс» в сотрудничестве с КГБУЗ «Краевая клиническая больница» г. Красноярска ведет активную работу по исследованию алгоритмической базы для ранней диагностики и прогнозирования развития тяжелых форм острого панкреатита. В настоящий момент экспертами клиники предложена модель заболевания по методике НИИ скорой помощи имени И. И. Джанелидзе (г. Санкт-Петербург), определен объем обследования больных острым панкреатитом, представлены значения диапазонов показателей.
Библиографические ссылки
1. Муромцев Д. И. Введение в технологию экспертных систем : учеб. пособие СПб. : СПб ГУ ИТМО, 2005. 172 с.
2. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб. : Питер, 2001. 256 с.
3. ПРОЕКТ, код МКБ-10-К85. Диагностика и лечение острого панкреатита (российские клинические рекомендации).
4. Дюк В. А., Эмануэль В. Л. Информационные технологии в медико-биологических исследованиях. СПб. : Питер, 2003. 528 с.
5. Продеус А. Н., Захрабова Е. Н. Экспертные системы в медицине. Киев : Век+, 2004. 320 с.
6. Живоглядов В. П., Медведев А. В. Непараметрические алгоритмы адаптации. Новосибирск : Наука, 1974. С. 102-124.
References
1. Muromtsev D. I. Introduction to expert systems : Textbooks St. Petersburg : St. Petersburg State University ITMO, 2005. 172 p.
2. Gavrilova T. A., Khoroshevsky V. F. Knowledgebase Intelligent Systems. "Peter" Publishing House, 2001, 256 p
3. DRAFT code ICD-10-K85, Diagnosis and treatment of acute pancreatitis (Russian Clinical recommendations).
4. Duke V. A., Emanuel V. L. Information technology in biomedical research. SPb. : Peter, 2003. 528 p.
5. Prodeus A. N., Zahrabova E. N. Expert systems in medicine. Kiev : + Century, 2004. 320 р.
6. Zhivoglyadov V. P., Medvedev A. V. Non-parametric adaptation algorithms. Novosibirsk : Nauka, 1974. Рр. 102-124.
© Беленя И. А., Алексеев И. С., Сергеева Н. А, 2016
УДК 65.011.46
РАЗРАБОТКА СИСТЕМЫ ОТБОРА НОВОВВЕДЕНИЙ ИЗ МИРОВОГО ИНФОРМАЦИОННОГО РЕСУРСА
Ю. В. Вилков, Р. П. Туркенич, Е. А. Морозов, Е. Д. Летунов*
АО «Информационные спутниковые системы» имени академика М. Ф. Решетнева» Российская Федерация, 662972, г. Железногорск Красноярского края, ул. Ленина, 52
E-mail: led91@iss-reshetnev.ru
Описанная система количественной оценки совместимости нововведений с изделием, в которой предполагается ее реализация, достаточно практична, универсальна и может быть использована для разработки концептуального подхода к внедрению того или иного нововведения.
Ключевые слова: новации, разработки, космические аппараты, инновационная деятельность, информационное обеспечение.
DEVELOPING A SYSTEM TO SELECT INNOVATIONS FROM THE WORLD INFORMATION RESOURCES
Y. V. Vilkov, R. P. Turkenich, E. A. Morozov, E. D. Letunov*
JSC Academician M. F. Reshetnev Information Satellite Systems 52, Lenin Str., Zheleznogorsk, Krasnoyarsk region, 662972, Russian Federation E-mail: led91@iss-reshetnev.ru
