Синтез экспертной системы оценки тяжести протекания вирусного гепатита
Статья посвящена разработке структуры экспертной системы оценки тяжести протекания вирусного гепатита у детей и её базы знаний на основе методов математического моделирования и нечёткой логики....
Gespeichert in:
| Datum: | 2013 |
|---|---|
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Schriftenreihe: | Искусственный интеллект |
| Schlagworte: | |
| Online Zugang: | http://dspace.nbuv.gov.ua/handle/123456789/85074 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Синтез экспертной системы оценки тяжести протекания вирусного гепатита / С.М. Селякова // Искусственный интеллект. — 2013. — № 2. — С. 132–138. — Бібліогр.: 2 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-85074 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-850742015-07-20T03:02:17Z Синтез экспертной системы оценки тяжести протекания вирусного гепатита Селякова, С.М. Обучающие и экспертные системы Статья посвящена разработке структуры экспертной системы оценки тяжести протекания вирусного гепатита у детей и её базы знаний на основе методов математического моделирования и нечёткой логики. Стаття присвячена розробці структури експертної системи оцінювання тяжкості перебігу вірусного гепатиту у дітей і її бази знань на основі методів математичного моделювання та нечіткої логіки. The article is devoted to the development of the structure of the expert system of evaluation the severity of viral hepatitis in children and its knowledge base on the basis of mathematical modeling and fuzzy logic. 2013 Article Синтез экспертной системы оценки тяжести протекания вирусного гепатита / С.М. Селякова // Искусственный интеллект. — 2013. — № 2. — С. 132–138. — Бібліогр.: 2 назв. — рос. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/85074 004.386+616.36 ru Искусственный интеллект Інститут проблем штучного інтелекту МОН України та НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Обучающие и экспертные системы Обучающие и экспертные системы |
| spellingShingle |
Обучающие и экспертные системы Обучающие и экспертные системы Селякова, С.М. Синтез экспертной системы оценки тяжести протекания вирусного гепатита Искусственный интеллект |
| description |
Статья посвящена разработке структуры экспертной системы оценки тяжести протекания вирусного
гепатита у детей и её базы знаний на основе методов математического моделирования и нечёткой логики. |
| format |
Article |
| author |
Селякова, С.М. |
| author_facet |
Селякова, С.М. |
| author_sort |
Селякова, С.М. |
| title |
Синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| title_short |
Синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| title_full |
Синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| title_fullStr |
Синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| title_full_unstemmed |
Синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| title_sort |
синтез экспертной системы оценки тяжести протекания вирусного гепатита |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| publishDate |
2013 |
| topic_facet |
Обучающие и экспертные системы |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/85074 |
| citation_txt |
Синтез экспертной системы оценки
тяжести протекания вирусного гепатита / С.М. Селякова // Искусственный интеллект. — 2013. — № 2. — С. 132–138. — Бібліогр.: 2 назв. — рос. |
| series |
Искусственный интеллект |
| work_keys_str_mv |
AT selâkovasm sintezékspertnojsistemyocenkitâžestiprotekaniâvirusnogogepatita |
| first_indexed |
2025-07-06T12:14:08Z |
| last_indexed |
2025-07-06T12:14:08Z |
| _version_ |
1836899682342666240 |
| fulltext |
ISSN 1561-5359 «Искусственный интеллект» 2013 № 2 132
5С
УДК 004.386+616.36
С.М. Селякова
Донецкий национальный технический университет, Украина
Украина, 83050, г. Донецк, пр. Богдана Хмельницкого, 84
Синтез экспертной системы оценки
тяжести протекания вирусного гепатита
S.M. Selyakova
Donetsk National Technical University, Ukraine
Ukraine, 83050, c. Donetsk, Bogdana Khmelnitskogo av., 84
Synthesis of Viral Hepatitis Severeness
Estimation Expert System
С.М. Селякова
Донецький національний технічний університет, Україна
Україна, 83050, м. Донецьк, пр. Богдана Хмельницького, 84
Синтез експертної системи оцінювання
тяжкості перебігу вірусного гепатиту
Статья посвящена разработке структуры экспертной системы оценки тяжести протекания вирусного
гепатита у детей и её базы знаний на основе методов математического моделирования и нечёткой логики.
Ключевые слова: экспертная система, база знаний, медицинская диагностика, нечёткий вывод,
вирусный гепатит.
The article is devoted to the development of the structure of the expert system of evaluation the severity of viral
hepatitis in children and its knowledge base on the basis of mathematical modeling and fuzzy logic.
Key words: expert system, knowledge base, medical diagnostics, fuzzy inference, viral hepatitis.
Стаття присвячена розробці структури експертної системи оцінювання тяжкості перебігу вірусного гепатиту
у дітей і її бази знань на основі методів математичного моделювання та нечіткої логіки.
Ключові слова: експертна система, база знань, медична діагностика, нечіткий вивід, вірусний
гепатит.
Распространение вирусного гепатита (ВГ) в последние десятилетия прив-
лекло внимание учёных различных направлений: вирусологов, иммунологов, био-
химиков, инфекционистов, эпидемиологов и т.д., которые занимаются вопросами этио-
логии и патогенеза гепатита, разрабатывают и внедряют в практику новые методы
исследований, позволяющие более полно оценить степень поражения печени при этом
заболевании. Актуальными на сегодняшний день остаются вопросы оценки тяжести
вирусного гепатита, течения и исходов заболевания, определения особенностей его
протекания в возрастном аспекте, оценки эффективности методов его лечения, а
также прогнозирование заболевания. Наиболее тяжёлой формой вирусного гепатита
является гепатодистрофия или «острый некроз печени», который в настоящее время
является, практически, единственной причиной смерти у детей при вирусном гепатите.
Успешное лечение таких больных полностью зависит от ранней диагностики некроза
печени, что в практической работе представляет большие трудности, особенно у
Синтез экспертной системы оценки тяжести протекания вирусного гепатита
«Штучний інтелект» 2013 № 2 133
5С
детей первого года жизни, у которых глубина и распространённость некробио-
тических процессов в печени не всегда соответствуют выраженности клинических
проявлений и степени нарушения функциональных проб печени [1].
Приведённые задачи относятся к типу плохо формализуемых задач, так как
обладают следующими особенностями: ошибочностью, неоднозначностью, неполно-
той и противоречивостью исходных данных и знаний о проблемной области, которые
также динамически меняются. Как правило, решением таких задач занимаются спе-
циалисты-эксперты на основе своего опыта и знаний. В связи с этим возникает естест-
венное желание передать это умение ЭВМ, зафиксировать это умение в специальных
системах с целью повышения качества и обоснованности решения соответствующих
задач. Тем более при передаче эксперту подробной информации о состоянии больного,
а также при её обработке и анализе, происходит недопустимая потеря времени, а от
своевременности назначения правильного лечения зависит исход протекания болезни.
Цель данной статьи – разработать структуру экспертной системы оценки
тяжести протекания вирусного гепатита (ЭСОТПВГ) у детей и сформировать
её базу знаний.
Основные результаты исследования
ЭСОТПВГ предназначена для решения следующих задач:
1) оценка тяжести протекания вирусного гепатита;
2) определение темпа функционального восстановления печени;
3) ранняя диагностика гепатодистрофии печени у детей.
В состав экспертной системы входят следующие компоненты: интерфейс, база
данных, база знаний, интерпретатор (решатель задач), модуль обучения системы и блок
моделирования (рис. 1).
Рисунок 1 – Структурная схема ЭСОТПВГ
Интерфейс
1
База данных База знаний
Подсистема
диагностики
гепатодист-
рофии
5
Интерпретатор
Блок
модели-
рования
6
2
Модуль
обучения
системы
Подсистема
оценки
тяжести ВГ
4
3
Подсистема
прогноза
состояния
печени
Селякова С.М.
«Искусственный интеллект» 2013 № 2 134
5С
В качестве входных данных системы выступают следующие показатели:
– пол больного;
– возраст больного;
– период времени от начала заболевания, в днях;
– тип течения болезни (острое, затяжное, хроническое);
– «общие» симптомы;
– «местные» симптомы;
– биохимические показатели.
К «общим» симптомам относится следующее:
1 Психомоторное возбуждение (вялость, адинамия, кратковременное беспо-
койство; постоянное беспокойство, вскрикивание, сонливость; потеря сознания, су-
дороги, инверсия сна).
2 Рвота (позывы на рвоту, единичные срыгивания, однократная рвота; пов-
торная рвота; многократная рвота).
3 Геморрагический синдром (единичные геморрагии на коже, носовые крово-
течения; множественные геморрагии; кровотечения из мест инъекций, рвота «кофей-
ной гущей»).
4 Частота пульса (брадикардия; тахикардия).
5 Частота дыхания (учащённое дыхание; дыхание типа Чейн-Стокса или
Куссмауля).
6 Температура (подъём температуры до 38
0
; подъём температуры до 39
0
;
стойкая гипертермия).
7 Аппетит (немного сниженный; нет аппетита).
8 Диурез (умеренное снижение диуреза; олигурия; анурия).
9 Состояние рефлексов (брюшные рефлексы не вызываются; зрачки замед-
ленно реагируют на свет; зрачки не реагируют на свет, нет реакции на болевые
раздражители).
К «местным» симптомам относятся такие показатели:
1. Состояние печени (размеры печени увеличены; размеры печени сокра-
щаются; симптом «пустого подреберья»).
2. Вздутие живота (небольшой метеоризм; выраженный метеоризм; парез
кишечника).
3. Печёночный запах (слабый печёночный запах изо рта; выраженный печё-
ночный запах).
К биохимическим показателям относятся: содержание свободного билируби-
на, мг%; содержание связанного билирубина, мг%; активность фруктоза-1-фос-
фатальдолазы, ед.; содержание β -липопротеидов, ед.
Выходные данные системы следующие:
– форма ВГ (лёгкая, среднетяжёлая, тяжёлая);
– темп функционального восстановления печени (ускоренный, нормальный,
замедленный);
– наличие гепатодистрофии и её форма при наличии.
Одним из основных компонентов ЭСОТПВГ выступает интерпретатор (решатель
задач), в функции которого входит решение задач системы.
Алгоритмы решения задач системы встроены в три его подсистемы: оценки тя-
жести ВГ (блок 3), прогноза состояния печени (блок 4) и диагностики гепато-
дистрофии (блок 5).
Синтез экспертной системы оценки тяжести протекания вирусного гепатита
«Штучний інтелект» 2013 № 2 135
5С
Предназначением модуля обучения системы является усовершенствование моде-
лей и правил системы в результате учёта новых данных об обследовании пациентов
разных возрастов и тяжести протекания заболевания.
Блок моделирования предназначен для осуществления прогноза показателей,
характеризующих состояние печени больного. Результаты работы этого блока исполь-
зуются при решении задачи прогноза темпа функционального восстановления печени.
Сердцевиной ЭСОТПВГ является её база знаний, в которой хранятся сово-
купности единиц знаний, что представляют собой формализованное отображение про-
цесса функционального восстановления печени при лечении ВГ, а также процедур
решения задач, поставленных перед системой. С целью учёта характера поставленных
задач и особенностей процесса восстановления клеток печени структура базы знаний
сформирована в виде двух уровней знаний: нижнем и верхнем. На нижнем уровне
содержатся следующие модули: аналитические модели расчёта биохимических и кли-
нических индексов, динамическая модель прогноза темпа восстановления печени и
нечёткая модель диагностики гепатодистрофии печени. На верхнем уровне базы знаний
содержатся модули, содержащие алгоритмы решения поставленных задач, а именно:
алгоритм оценки тяжести протекания ВГ, алгоритм прогноза темпа восстановления
печени и алгоритм диагностики гепатодистрофии.
Рассмотрим аналитические модели расчёта индексов тkb ,, ϕϕϕ , которые позво-
ляют оценить тяжесть протекания ВГ [1].
Биохимический индекс bϕ оценки функционального состояния печени вычисля-
ется по формуле:
)(c)ff(c)BB(c)bb(c 04030201b β−β+−+−+−=ϕ , (1)
где b и B – свободная и связанная фракции билирубина; f – активность ф-1-фа;
β– содержание β -липопротеидов; 0000 ,f,B,b β – нормы соответствующих биохимии-
ческих показателей; 4321 c,c,c,c – коэффициенты.
Клинический индекс kϕ характеризует степень выраженности клинических сим-
птомов на высоте заболевания, при этом kϕ =1 соответствует лёгкой форме заболе-
вания; kϕ =2 – среднетяжёлой; kϕ =3 – тяжёлой форме ВГ; значение же с 1,5 до 2
соответствует лёгкой форме с переходом в среднетяжёлую, а с 2,5 до 3 –
среднетяжёлой с переходом в тяжёлую форму ВГ.
Для удобства работы с формулой каждый клинический симптом, входящий в
формулу, обозначен таким образом: В – вялость, А – снижение аппетита, Р – рвота,
И – иктеричность кожи и склер, П – увеличение размеров печени, Г – геморра-
гический синдром, Б – беспокойство. Выраженность клинических симптомов оце-
нивается следующей градацией: 0 – симптом отсутствует, 1 – выражен слабо, 2 –
умеренно и 3 – резко. Для симптома «увеличение размеров печени» даём уточнение:
0 – в пределах нормы, 1 – выступает ниже края рёберной дуги до 1,5 см, 2 – до 3 см,
3 – свыше 3 см.
Формула для расчёта клинического индекса следующая:
)БГПИРАВ(25,0k ++++++=ϕ . (2)
Таким образом, клиническое состояние больного можно оценить посредством
вычисления клинического индекса kϕ , а степень функционального нарушения пече-
Селякова С.М.
«Искусственный интеллект» 2013 № 2 136
5С
ни – через биохимический индекс bϕ , а для вычисления обобщённого оценочного
критерия будем использовать индекс тяжести Tϕ , который находится из выражения:
bkT 75,025,0 ϕ+ϕ=ϕ . (3)
Отметим, что вычисление индекса тяжести Tϕ в острый период ВГ у детей по-
могает правильно оценить тяжесть заболевания, особенно в случаях, когда отмечается
несоответствие между выраженностью клинической симптоматики и степенью функ-
ционального поражения печени.
Рассмотрим динамическую модель прогноза темпа восстановления печени.
Анализ динамики биохимического индекса позволил установить ряд важных
закономерностей процесса функционального восстановления печени при ВГ у детей [1].
Оказалось, что при гладком течении заболевания процесс восстановления может
быть охарактеризован с помощью «универсальной кривой» изменения относительного
биохимического индекса (V ) в зависимости от промежутка времени, прошедшего от
разгара заболевания ( τ ). Эта «универсальная кривая» ( )(V τ ) практически не зависит
от возраста и тяжести заболевания и может быть аппроксимирована для расчётов
экспонентой τ−A
e , где A – средний темп функционального восстановления печени.
На величину темпа восстановления у конкретного больного могут влиять его инди-
видуальные особенности, сопутствующие и интеркурентные заболевания и другие
факторы.
Будем использовать вероятностную модель процесса функционального состоя-
ния печени при гладком течении ВГ:
[ ] ,)t(XA
dt
d
ϕ+−=
ϕ
(4)
где )t(X – центрированный стационарный случайный процесс с равномерным
спектром («белый шум»).
Допущение в том, что случайные отклонения темпа функционального восста-
новления печени от своего среднего значения при гладком течении ВГ можно считать
«белым шумом», согласуется с представлением этих отклонений в виде суммы боль-
шого числа независимых кратковременных элементарных отклонений. Интегрируя (4)
по промежутку времени [ ]Tt,t 00 + , получим
,e)t()Tt(
YTAT
00
−−
ϕ=+ϕ (5)
где
∫
+
=
Tt
t
0
0
dt)t(X)T(Y – (6)
однородный нормальный случайный процесс с независимыми приращениями; сто-
хастический интеграл (6); 0t – выбранный начальный момент времени (в периоде
восстановления); T – время восстановления.
Для получения более корректных результатов решения и учёта таких особен-
ностей задачи диагностики гепатодистрофии, как ошибочность, неоднозначность,
неполнота и противоречивость исходных данных и знаний о проблемной области,
актуально применение методов теории нечётких множеств и нечёткой логики.
Синтез экспертной системы оценки тяжести протекания вирусного гепатита
«Штучний інтелект» 2013 № 2 137
5С
Сформулируем постановку задачи моделирования: разработать нечёткую мо-
дель диагностики гепатодистрофии, которая позволит оценить состояние больного
на основе имеющихся симптомов заболевания и биохимических показателей оценки
тяжести заболевания.
Таким образом, назначением нечёткой модели диагностики гепатодистрофии
является оценивание состояния больного в различные периоды гепатодистофии и более
объективное определение тяжёлой формы без гепатодистрофии, начальный период
гепатодистрофии, период прекомы и печёночной комы.
Рано диагностировать все указанные состояния принципиально важно, так как
при своевременной интенсивной терапии тяжёлая форма гепатита может иметь благо-
приятный исход и в случаях начинающейся гепатодистрофии.
Нечёткая модель диагностики гепатодистрофии разработана в виде системы
нечёткого вывода, основными этапами которого являются [2]: формирование базы
правил, фаззификация входных переменных, агрегирование подусловий, активизация
подзаключений, аккумулирование заключений.
Входными данными для задачи диагностики гепатодистрофии являются:
1) обобщённый показатель «общих» симптомов (A );
2) обобщённый показатель «местных» симптомов (C );
3) биохимический индекс тяжести ( Tϕ ).
Выходным показателем является степень выраженности гепатодистрофии W .
Входные и выходные показатели представлены в виде лингвистических перемен-
ных с тремя термами, функции принадлежности которых заданы в виде Z – образной,
треугольной и S-образной функций соответственно. База нечётких правил состоит из
27 правил.
Для определения количественного значения степени выраженности гепато-
дистрофии применяется метод дефаззификации по центру тяжести. Нечёткая модель
реализована в среде MATLAB.
Анализ структуры ЭСОТПВГ позволил выявить основные характеристики си-
стемы, к которым отнесём:
1. Система предназначена для анализа и прогноза данных, а также решения
задач поддержки принятия решений.
2. По способу формирования решений – синтетическая система, т.е. система,
которая генерирует неизвестные решения.
3. По способу учёта временного признака – динамическая, т.е. система, кото-
рая решает задачи на основе данных и знаний, что изменяются в течение времени.
4. По видам данных и знаний, что используются, – система с детерминиро-
вано-стохастическими знаниями.
5. По типам методов и знаний, что используются, – гибридная система, т.е.
система, которая использует совместно следующие методы: инженерии знаний, не-
чёткой логики и различные математические методы моделирования и расчётов.
6. Система предназначена для решения класса задач доопределения и пре-
образования. Для неё характерны такие проблемные области, как прогнозирование и
мониторинг.
Таким образом, ЭСОТПВГ является гибридной динамической экспертной сис-
темой, применение которой позволит повысить эффективность процессов оценки тяжес-
ти протекания вирусного гепатита, прогноза темпа функционального восстановления
печени и ранней диагностики гепатодистрофии печени у детей.
Селякова С.М.
«Искусственный интеллект» 2013 № 2 138
5С
Литература
1. Математические методы в клинической практике / [под ред. Г.И. Марчук, Н.И. Нисевич]. –
Новосибирск : Изд. «Наука», 1978. – 120 с.
2. Леоненков А.В. Нечёткое моделирование в среде MATLAB и fuzzyTECH / Леоненков А.В. –
СПб. : БХВ-Петербург, 2005. – 736 с.
Literaturа
1. Mathematical methods in clinical practice / [edited by G.I. Marchuk, N.I. Nisevich]. – Novosibirsk :
Publishing House «Science», 1978. – 120 р.
2. Leonenkov A.V. Fuzzy modeling in the environment MATLAB and fuzzyTECH / Leonenkov A.V. –
St. Petersburg : BHV-Petersburg, 2005. – 736 p.
RESUME
S.M. Selyakova
Synthesis of Viral Hepatitis Severeness Estimation Expert System
In the article the structural scheme of the viral hepatitis severeness estimation expert
system is considered. The knowledge base of the system is developed basing on the results
of scientific research shown in the source [1]. The purpose of of the system is the decision-
support in the prognosing of liver functional recovery process and early hepatosis diagnosing.
The description of analytical models of estimation of biochemical and clinical
parameters of illness severeness is given. The dynamical probabilistic model of prognosing
of liver functional recovery speed taking into account patient background is shown. The
fuzzy model of child hepatosis diagnosing is developed.The model will allow the promptly
estimation of a patient status basing on present symptoms and biochemicalparameters of
illness severeness estimation.
Статья поступила в редакцию 09.04.2013.
|