Студопедия

Главная страница Случайная страница

Разделы сайта

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторикаСоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника






Методы поддержки принятия решений. Стратегии получения медицинских знаний. Формальная логика в решении задач диагностики, лечения и профилактики заболеваний.






Информацию о наблюдаемых объектах, процессах или явлениях достают при изучении разных физических величин. Например, состояние организма можно описать системой таких параметров, как температура тела, частота пульса, давление, даны кардиограммы и тому подобное. Некоторые величины могут приобретать любые значения в определенном интервале. Их называют непрерывными, а информацию, которую они содержат, непрерывной или аналоговой. Непрерывными величинами являются, например, кривые изменения массы, температуры, расстояния и тому подобное. Много величин могут приобретать лишь цілочислових значения. Их называют дискретными, а информацию, которую они содержат, – дискретной. Примеры дискретных величин: количество электронов в атоме, частота пульса, количество больных в отделении и тому подобное. Таким образом, невзирая на разнообразие видов, информация оказывается всего только в двух формах – непрерывной и дискретной. Любую непрерывную величину с определенной степенью точности можно подать в дискретной форме.

Обычно. медицинскими данными считают только те, которые получают при измерении характеристик пациента. Количество характеристик пациента, больного или здоровой человека, достаточно большое. Разнообразные медицинские данные по объему вмещаемой информации можно разделить на такие виды:

качественные признаки (наличие боли, повышенной температуры, цвет кожных покровов, перкусійні и аускультативные феномены);

единичные числовые данные (вес, артериальное давление, температура тела, количество лейкоцитов, ШОЕ);

динамические данные (электрограммы – ЭКГ, ЕЕГ, ЕГГ; реограммы РКГ, РЕГ, фонокардиограмма);

статические картины (рентгенограмма, авторадиограмма);

динамические картины (полет биопотенциалов, электрокардиограмма).

Для медицинских данных характерные специфические особенности:

нечеткость, а иногда и несогласованность терминологии;

большое количество качественных признаков, которые субъективно оценивают состояние больного;

отсутствие единственных алгоритмов описания состояния больного, диагностического и лечебного процессов;

недостаточный уровень стандартизации медицинской документации;!

значительная варіабельність медицинских данных, малые выборки с неизвестными законами деления, которое значительно утруждает статистические расчеты и построение соответствующих оценок.

Сегодня почти невозможно перечислить все методы, с помощью которых врачи получают медицинские данные. Развитие наук, открытия новых явлений природы, новые достижения изобретателей все время расширяют возможности практической медицины, появляются новые методы, диагностическая и терапевтическая аппаратура. Расширяется круг медицинских характеристик за счет появления новых. Увеличивается информативность уже давно существующих медицинских характеристик в результате трансформации, качественного выражения их в числовом, графическом или даже картинном виде. Соответственно, быстро растет объем медицинской информации, с которой придется иметь дело медицинским работникам всех уровней и учреждений здравоохранения

Прогресс в решении проблем моделирования интеллектуальных систем, к которым относятся и экспертные, обусловленный применением искусственных нейронных сетей. Интеллектуальные системы на основе нейронных сетей позволяют с успехом разрешать проблемы распознавания образов, прогнозирования, оптимизации, ассоциативной памяти и управления, то есть те, где традиционные подходы не всегда имеют успешное приложение. Это связано с тем, что метод нейромережевого моделирования позволяет решать ряд задач в тех областях, где линейные модели не могут быть использованы в силу ряда объективных причин. Особенно это касается обработки данных медицинских исследований.

Как известно организм человека представляет нелинейную систему и решение таких задач как классификация, прогнозирование состояний, а также выбор оптимального метода лечения и профилактики заболеваний невозможны с применением линейных математических методов. Нейронные сети способны принимать решение, основываясь на спрятанных закономерностях, которые оказываются ими, во многомерных данных. Отличительное свойство нейромереж и заключается в том, что они не программируются и не используют никаких правил вывода для постановки диагноза, а учатся делать это на примерах. В медицине находит применение и другая особенность нейромереж – их способность предусматривать временные последовательности. До настоящего времени разработан ряд нейромережевих систем фильтрации электрокардиограмм, которые позволяют уменьшать нелинейный и нестационарный шум значительно лучше, чем методы, которые использовались раньше.

Невзирая на значительные успехи в применении нейронных сетей в медицине есть ряд проблем с их внедрением. Это связано в первую очередь с отсутствием у врачей информации о возможностях нейронных сетей для решения медицинских задач, а также доступных практических пособий по их приложению.






© 2023 :: MyLektsii.ru :: Мои Лекции
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.
Копирование текстов разрешено только с указанием индексируемой ссылки на источник.