Тип работы:
Предмет:
Язык работы:


РАЗРАБОТКА СИСТЕМЫ ЗАПИСИ К ВРАЧУ ПО СИМПТОМАМ

Работа №40761

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы37
Год сдачи2019
Стоимость3900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
423
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 3
1. Обзор существующих систем 4
2. Разработка архитектуры системы записи к врачу по симптомам 7
2.1 Выбор стека технологий 7
2.2 Взаимодействие компонентов в системе 7
2.3 Реализация Telegram Bot 9
2.4 Реализация классификатора 12
2.5 Реализация CRM системы 18
3. Тестирование системы 22
ЗАКЛЮЧЕНИЕ 31
СПИСОК ЛИТЕРАТУРЫ 32
ПРИЛОЖЕНИЕ 34


Компьютерные технологии добрались до повседневных решений, от покупки обуви до выбора недвижимости. Медицина не стала исключением. Так, блокчейн и искусственный интеллект действуют в проектах декодирования генома человека. Эксперименты по внедрению IBM Watson внесли вклад в диагностику рака, а медицинские чат-боты изменили само понятие «прием пациента». [1]
Эксперты уверены, врач тратит 60% времени общения с пациентом на сбор анамнеза. Анкетирование способна провести и медсестра, но это всего лишь переложит работу на другого человека. Разработчики медицинских чат- ботов предлагают качественно новый подход к решению вопроса. Интеллектуальные программы способны опросить больного, зафиксировать жалобы, составить предварительную картину заболевания. Однако ВОЗ предупреждает: в ближайшие 20 лет человечество столкнется с нехваткой врачей и медицинских работников. Поэтому введение чатов заранее решит эту проблему. [1]
Целью данной выпускной квалификационной работы является разработка системы, которая будет определять одно из возможных заболеваний по симптомами с помощью методов классификатора, и осуществлять соответствующую запись к врачу.
Для реализации поставленной цели необходимо решить ряд задач:
- изучить существующие решения;
- выбрать стек технологий (язык программирования, используемые
технологии и библиотеки);
- найти подходящие для решения поставленной задачи датасеты;
- разработать систему CRM, которая осуществляет процесс записи к врачу;
- выбрать подходящие алгоритмы для реализации системы;
- реализовать приложение для демонстрации способности созданной системы опрашивать пользователя, определять общую область заболевания, а также осуществлять запись к врачу.
1. Обзор существующих систем
На сегодняшний день известно большое количество медицинских систем диагностики. В пример можно привести такие системы, как «Webiomed», «MeDiCase». Все они имеют свои особенности и различные подходы. Далее приведён обзор основных методов, которые используются в системах диагностики заболеваний.
- Система на основе правил. Основной идеей данного метода является передача входных параметров от одного правила к другому, пока не будет найдено решение. Основным преимуществом является наличие четкого объяснения решений подсистемы, а также простота реализации. Недостаток - это сложность контроля за счет увелечения правил.
- Анализ решений. В клинической медицине анализ решений включает определение наилучшего действия на основе изучения альтернатив и вывод цепочки подходящих решений. Из преимуществ можно выделить использование вероятностного подхода для плохо определённых медицинских знаний. Недостаток - отсутвие механизма коррекции выходных значений.
- Эврестический метод. За основу взята идея принятия решений по принципу «первое найденное решение - правильное решение». Премуществом является быстрый алгоритм получения решений. Недостаток - отсутствие гарантии нахождения решения, относительно высокая вероятность ошибки.
- Теория нечетких множеств. Основной принцип работы - это выявление степени принадлежности к определенному классу. Преимуществом является оносительно высокая точность результатов. Недостаток - высокие требования к стоимости вычислений.
- Искусственная нейронная сеть. Основная идея работы - математическая модель, стимулирующая биологическую нейронную сеть, которая обучается на примерах, определяя конкретные веса каждого параметра. Основные преимущества - это возможность диагностики большого количества заболеваний, большая популярность данного метода, возможность переобучения сети. Основные недостатки - отсутсвие подсистемы объяснения рещений (черный ящик), потребность в большом количестве обучающих примеров.
- Байесовские сети. Основным принципом данного метода является разновидность наивного Байесовского классификатора, который ищет решение, основываясь на зависимостях между возможными решениями и множеством параметров. Преимуществом является высокая точность диагностики. Недостатки - сложность сети, плохая оптимизация алгоритмов аппроксимации для вывода.
- Машина опорных векторов. Машина опорных векторов - это модель обучения с учителем, которая по обучающей выборке выявляет границы допустимых значений для параметров для каждого решения. Преимуществом является возможность работы с очень сложными и неочевидными данными, а также высокая точность диагностики. Недостатки - отсутвие подсистемы объяснения решений (черный ящик), невозможность калибровки вероятности определенного класса. [2]
Среди различных подходов обработки медицинских данных стоит
выделить метод Наивного Байеса, который был выбран для этой работы. Данный метод является одним из наиболее эффективных алгоритмов классификации и успешно применяется в решении различных медицинских проблем. [3] 
Байесовский классификатор основывается на применении теоремы Байеса со строгими (наивными) предположениями о независимости параметров, где для заданного набора параметров подбирается наиболее подходящий класс.
В основе теоремы лежит свойство условной вероятности. Условная вероятность, например Р ( В/А ) это вероятность события B при условии, что произошло событие A. По определению:
Р(В/А) =
где P(B,A) - это совместная вероятность событий A и B, P(A) - вероятность события А.
Совместную вероятность P(B,A), которая равна P(A,B), можно выразить как
Р(В,А) = Р(А,В) = Р(А/В) * Р(В)
где P(A/B) - вероятность события A при условии, что произошло событие B, P(B) - вероятность события B. [4]
Особенностью Наивного Байесовского классификатора является то, что за счет рассмотрения параметров в качестве независимых друг от друга признаков, допустимо упущение части из них. Для примера, отсутствие даже одного входного параметра в математической модели, получаемой, например, с помощью нейронной сети, приведет к неверному вычислению общего результата, что недопустимо в медицинской диагностике. В случае же Наивного Байеса, математическая модель подстраивается под имеющийся набор входных данных. [4]
Преимуществами данного метода являются возможность диагностики большого числа заболеваний, простота реализации и низкая стоимость вычислений для обучения. [2]
Недостаток - это слишком упрощённая система диагностики заболеваний.


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В ходе данной работы была реализована система записи к врачу по симптомам. Система подразделяется на 3 крупных подсистемы: подсистема диалог с пользователем, подсистема определения области заболевания по симптомам пациента, подсистема управления записями к специалистам. Для достижения наилучшего результата были изучены и использованы новейшие технологии и методы классификации.
Задачи, поставленные в данной работе, были выполнены. В перспективе разработка может быть доработана и использована в медицинских учреждениях для автоматизации процесса записи к врачу. Это поможет снизить нагрузку на сотрудников медицинских учреждений, частично избавиться от очередей, повысить прибыльность до 20%.
Отрасль медицины имеет огромный потенциал для применения чат-ботов с различными вариантами сценариев. При помощи различных чат-ботов можно предоставить первичную консультацию врача, записаться на прием, вызвать врача на дом, получить результаты анализов или предоставить возможность поиска аннотаций производителей лекарств, их стоимость и наличие в аптеках. Залогом успеха использования будет являться обеспечение необходимой конфиденциальности данных пациента, которую предоставит чат-бот.
Возникшие трудности:
- малое число обработанных, подходящих для обработки, датасетов;
- отсутствие мощного вычислительного оборудования для экспериментов со сложными, объёмными данными.
Возможные улучшения:
- использование большего датасета для обработки классификатором;
- усовершенствование CRM системы в плане функциональности;
- усовершенствование системы в плане информационной безопасности;
- добавление модуля для поддержания обработки естественного языка.



1. Искусственный интеллект и медицина: онлайн чат-бот [Электронный ресурс]. — 2018. — URL: http://medmarketing.ua/blog/meditsinskie-chat- boty-umnye-pomoshchniki-vrachey-/ (дата обращения: 03.04.2019).
2. Розыходжаева Д.А. Сравнительный анализ моделей принятия решений в
вопросах диагностики заболеваний // Проблемы Науки — 2017 — №15 (97). [Электронный ресурс] — URL:
https://cyberleninka.ru/article/n/sravnitelnyy-analiz-modeley-prinyatiya- resheniy-v-voprosah-diagnostiki-zabolevaniy (дата обращения: 14.04.2019).
3. Шепетухина Я. И. Экспертная система диагностики легочных
заболеваний // Вестник НТУ ХПИ — 2005 — №46. [Электронный ресурс] — URL: https://cyberleninka.ru/article/n/ekspertnaya-sistema-diagnostiki-
legochnyh-zabolevaniy (дата обращения: 14.04.2019).
4. How To Implement Naive Bayes From Scratch in Python // Machine learning
mastery. [Электронный ресурс] — URL:
https://machinelearningmastery.com/naive-bayes-classifier-scratch-python/ (дата обращения: 17.04.2019).
5. Паттерны для новичков: MVC vs MVP vs MVVM // Habr [Электронный
ресурс] — URL: https://habr.com/ru/post/215605/ (дата обращения:
20.04.2019) .
6. Creating A Cryptocurrency Telegram Bot API With Laravel // Tutsforweb
[Электронный ресурс] — URL: https://tutsforweb.com/creating-a-
cryptocurrency-telegram-bot-with-laravel/ (дата обращения: 25.04.2019).
7. Laravel Tutorial: Step by Step Guide to Building Your First Laravel Application // Laravel News [Электронный ресурс] — URL: https://laravel- news.com/your-first-laravel-application (дата обращения: 05.05.2019).
8. Doc+: как мы разработали свою CRM и сократили время обработки входящего вызова в два раза // VC [Электронный ресурс] — URL:
https://vc.ru/flood/28125-doc-kak-my-razrabotali-svoyu-crm-i-sokratili- vremya-obrabotki-vhodyashchego-vyzova-v-dva-raza (дата обращения:
10.05.2019) .
9. Как я начал разрабатывать CRM-систему // SPARK [Электронный ресурс]
— URL: https://spark.ru/user/77062/blog/32277/kak-ya-nachal-razrabativat- crm-sistemu (дата обращения: 20.05.2019).
10. Фролов С.В., Куликов А.Ю., Остапенко О.А., Стрыгина Е.В. Системы поддержки врачебных решений в медицине [Текст] // Научный журнал.
— 2018. — №9. — С. 9-17.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ