🔍 Поиск готовых работ

🔍 Поиск работ

Система поддержки принятия решений при постановке диагноза

Работа №72702

Тип работы

Бакалаврская работа

Предмет

математика

Объем работы33
Год сдачи2016
Стоимость4750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
333
Не подходит работа?

Узнай цену на написание


Введение 4
1 Обоснование возможности создания медицинской системы
поддержки принятия решения 6
2 Моделирование системы поддержки принятия решения 8
2.1 Контроль и регуляция 8
2.2 Алгоритм постановки диагноза 9
2.3 Теория вероятностей и математическая статистика в диагностике 10
2.4 Обзор существующих экспертных систем диагностики .... 11
2.5 Обзор представления медицинских данных 12
2.6 Механизм вывода диагностического решения 14
2.7 Проблема неопределенности информации диагностики ... 15
2.8 Теоретико - вероятностный подход к задаче диагностики . . 16
3 Программная реализация 19
3.1 Использование оператора множественного выбора 19
3.2 Использование имитации динамических массивов 20
3.3 Применение классов, как объектов представления и обработки данных 21
4 Тестирование системы поддержки принятия решений 24
4.1 Скалярное умножение при тестировании СППР 24
4.2 Применение методов теории вероятностей и математической
статистики для решения тестовой задачи 25
Заключение 27
Литература
Приложение

Одной из главных задач врача является правильная постановка диагноза. Современные технологии, внедренные в медицинскую диагностику, позволяют существенно повлиять на постановку предварительного диагноза у пациентов. Существуют различные подходы создания медицинских систем диагностики, например, системы поддержки принятия
решений (СППР), которые занимаются неформализованными задачами [2].
Такие задачи нацелены на выявление заболевания пациента. Особенность
каждого заболевания обусловлена разным набором симптомов и значениями коэффициентов специфичности. В процессе работы СППР итоговые
оценки рассматриваемых заболеваний сравниваются с поступающими факторами проявления симптомов и затем делаются выводы о состоянии области медицинской диагностики.
Автоматизация получения логических выводов применима не только
в медицине, но и в других сферах [3]. Так имитационная модель постановки
диагноза становится все более обширной темой для изучения и проектирования решений, связанных с различным родом проблем: недостоверностью
и малым количеством информации диагностики, аргументацией выдвинутого предположения, а также точностью представленной гипотезы.
В данной работе внимание уделяется именно медицинским экспертным системам, потому что задача поддержки принятия квалифицированного решения по поводу дифференциального диагноза является актуальной. Ускоренный темп жизни приводит к неправильному питанию и стрессовым состояниям, в связи с этим распространены заболевания поджелудочной железы (ПЖ) [4]. Симптомы проявления таких заболеваний различные, зависят от многих факторов, в связи с чем существуют разногласия по поводу диагностики результатов обследований.
Целью работы является создание автоматизированной СППР для
постановки диагноза у больных с заболеваниями ПЖ.
Процесс решения неформализованных задач не имеет четко прописанного алгоритма, поэтому приходится применять различные методы и
4подходы, которые не всегда приводят к нужному результату.
Для реализации поставленной цели ставятся следующие задачи, позволяющие приблизить процесс автоматизированной диагностики к процессу диагностики осуществляемой экспертом:
• представить медицинские данные в удобном для использования виде;
• разработать программу для нахождения наиболее вероятного заболевания;
• найти способ решения проблемы неполноты входных данных при постановке диагноза;
• рассмотреть способ применения методов теории вероятностей и математической статистики при выявлении наиболее вероятного заболевания;
• проверить предложенный метод решения;
• сделать выводы о проделанной работе.
Возможность проверить адекватность результатов реализованных задач обусловлена наличием анамнезов реальных больных. Обезличенные
данные предоставлены врачом - терапевтом Клинической больницы № 10
города Уфа.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

В результате работы была разработана и реализована система поддержки принятия решений. При этом были решены следующие задачи:
• была представлена база знаний заболеваний ПЖ в виде таблицы, где
каждой болезни соответствовал свой вектор столбец. Позиции векторов принимают значения от 0 до 1 в зависимости от их значимости в
симптокомплекса;
• разработаны и опробованы различные подходы к созданию медицинской СППР, базируясь на применении оператора множественного выбора и встроенных контейнеров;
• рассмотрена проблема неполноты входных данных, а также способ ее
решения с помощью присвоения веса симптомам;
• программно реализован поиск наиболее вероятного заболевания с помощью двух методов: скалярного перемножения векторов и байесовского подхода;
• разработанный программный комплекс был опробован на данных анамнезов обезличенных пациентов, где были прописаны симптомы и диагностируемые заболевания. Байесовский метод оказался плохо применим для выборки малой размерности, поэтому был разработан новый
способ обработки данных, основанный на понятии скалярного произведения. Байесовский метод уступил скалярному произведению в точности 25% против 83; 3%;
Внедрение нового метода скалярного умножения в программную реализацию СППР позволили рассмотреть новый способ определения наиболее вероятного заболевания и проверить его эффективность по сравнению
с уже известным методом.


[1] Постовит Ю. Ф. Диагноз и диагностика в клинической медицине. Учеб. пособие. Л.: ЛПМИ, 1991. 96 с.
[2] Мартемьянов Ю. Ф., Лазарева Т. Я. Экспертные методы принятия ре-шений. Учеб. пособие. Тамбов: Изд-во Тамб. гос. тех. ун-та, 2010. 80 с.
[3] Телегина М. В., Янников И. М. Программная оболочка для создания экспертных систем Grafexpert // Известия Южного федерального уни-верситета. Технические науки. 2014. Вып. 16. С. 67-73.
[4] Пельц В. А. Современное состояние диагностики хирургического ле-чения острого панкреатита // Сибирский медицинский журнал. 2010. Т. 25, вып. 4. С. 27-32.
[5] Wallach J. B. Interpritation of Diagnostic tests / ed.by LIPPICONT WILLIAMS&WILKINS. Philadelphia, Pa: Wolters Kluwer busines. 2007. 1026 p.
[6] Гриф М. Г., Юмчмаа А. Применение экспертных систем пульсовой ди-агностики // Сборник научных трудов НГТУ. 2015. Вып. 3. С. 114-133.
[7] Сумина Ю. Е., Львович И. Я. Разработки логических моделей поста-новки диагноза заболеваний молочных желез с помощью имитацион-ного моделирования дерева решений // Вестник Воронежского госу-дарственного технического университета. 2010. Т. 6, вып. 10. С. 41-50.
[8] Коровин Е. Н., Нехаенко Н. Е., Юрьева К.А. Математическое моде-лирование процесса постановки диагноза «хронический аднексит» на основе корреляционного и дискриминантного анализа // Вестник Во-ронежского государственного технического университета. 2012. Т. 8, вып. 9. С. 47-49.
[9] Бейли Н. Математика в биологии и медицине. М.: Мир, 1970. 327 с.
[10] Зильбернагль С., Деспопулос А. Наглядная физиология. М.: БИНОМ. Лаборатория знаний, 2013. 408 с.
[11] Суринов А. Е., Баранов Э. Ф., Бугакова Н. С., Гельвановский М. И., Гохберг Л. М., Дианов М.А., Елизаров В. В., Житков В. Б., Забе¬лин В. Н., Иванов Ю. Н., Кевеш А. Л., Косарев А. Е., Лайкам К. Э., Масакова И. Д., Нестеров В. Н., Оксенойт Г. К., Рыбак О. П., Рябуш- кин Б. Т., Татаринов А. А., Хорошилов А. В. Российский статистиче¬ский ежегодник 2015. М: 2015. 728 с.
[12] Журнал «Компьютерные вести On-line». Вып. 40, 2005 г. «Эволю¬ция экспертных систем. История и перспективы» [Электронный ре¬сурс]: URL:http://tpl-it.wikispaces.com/MYCIN (дата обращения: 15.05.2014).
[13] Aikins J. S., Kunz J. C., Shortliffe E. H. PUFF: an expert system for interpretation of pulmonary function data. Computers and Biomedical Research, vol. 16, 1983. P. 199-208.
[14] Басманов С. Н., Басманова А. А. Обзор эволюции экспертных систем в медицине с точки зрения соответствия основным признакам // Перспективы развития информационных технологий. 2014. Вып. 21. С. 126-130.
[15] Ле Н. В., Камаев В. А., Панченко Д. П., Трушкина О.А. Модель представления знаний при создании медицинской экспертной системы дифференциальной диагностики // Известия Волгоградского государ-ственного технического университета. 2014. Т. 20, вып. 6. С. 41-50.
[16] Ле Н. В., Камаев В. А., Панченко Д. П., Трушкина О. А. Обзор подхо-дов к проектированию медицинской системы дифференциальной диа-гностики // Известия Волгоградского государственного технического университета. 2014. Т. 20, вып. 6. С. 50-58.
[17] Aimedica [Электронный ресурс]: URL:https://aimedica.ru (дата об¬ращения: 11.04.2015).
[18] LookMedBook [Электронный ресурс]: URL:http://lookmedbook.ru (дата обращения: 10.03.2015).
[19] ProAnalizy.ru [Электронный ресурс]: URL:http://pro-analizy.ru (да¬та обращения: 17.03.2015).
[20] Helix [Электронный ресурс]: URL:http://helix.ru (дата обращения: 15.05.2015).
[21] Данилова Л. А. Анализы крови и мочи. Изд. 4-е, исправ. СПб.: Салит- Медкнига, 2003. 128 с.
[22] Пытьев Ю. П., Газарян В. А., Росницкий П. Б. Сравнительный анализ эффективности вероятностного и возможностного алгоритмов меди-цинской диагностики // Вестн. Моск. ун-та. Серия 3: Физика, астро-номия. 2014. Вып. 3. С. 8-14.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.