ҚАЗАҚСТАН РЕСПУБЛИКАСЫ БІЛІМ ЖӘНЕ ҒЫЛЫМ МИНИСТРЛІГІ Л.Н. ГУМИЛЕВ АТЫНДАҒЫ ЕУРАЗИЯ ҰЛТТЫҚ УНИВЕРСИТЕТІ
Студенттер мен жас ғалымдардың
«Ғылым және білім - 2014»
атты IX Халықаралық ғылыми конференциясының БАЯНДАМАЛАР ЖИНАҒЫ
СБОРНИК МАТЕРИАЛОВ
IX Международной научной конференции студентов и молодых ученых
«Наука и образование - 2014»
PROCEEDINGS
of the IX International Scientific Conference for students and young scholars
«Science and education - 2014»
2014 жыл 11 сәуір
Астана
УДК 001(063) ББК 72
Ғ 96
Ғ 96
«Ғылым және білім – 2014» атты студенттер мен жас ғалымдардың ІХ Халықаралық ғылыми конференциясы = ІХ Международная научная конференция студентов и молодых ученых «Наука и образование - 2014» = The IX International Scientific Conference for students and young scholars «Science and education - 2014».
– Астана: http://www.enu.kz/ru/nauka/nauka-i-obrazovanie/, 2014. – 5830 стр.
(қазақша, орысша, ағылшынша).
ISBN 978-9965-31-610-4
Жинаққа студенттердің, магистранттардың, докторанттардың және жас ғалымдардың жаратылыстану-техникалық және гуманитарлық ғылымдардың өзекті мәселелері бойынша баяндамалары енгізілген.
The proceedings are the papers of students, undergraduates, doctoral students and young researchers on topical issues of natural and technical sciences and humanities.
В сборник вошли доклады студентов, магистрантов, докторантов и молодых ученых по актуальным вопросам естественно-технических и гуманитарных наук.
УДК 001(063) ББК 72
ISBN 978-9965-31-610-4 © Л.Н. Гумилев атындағы Еуразия ұлттық
университеті, 2014
2647
УДК 57.087.1
ИНФОРМАЦИОННАЯ СИСТЕМА СКРИНИНГОВОЙ ДИАГНОСТИКИ С ПРИМИНЕНИЕМ НЕЧЕТКОЙ ЛОГИКИ
Чорненко Марина Владимировна [email protected]
Аспирант Днепропетровского национального университета имени Олеся Гончара Научный руководитель – д.т.н , профессор А.Н.Петренко
В последние годы бурное развитие компьютерных технологий, растущая важность проблем интеллектуализации принятия решений обусловили неослабеваемый спрос на новые информационные технологии. В этой связи одним из важнейших направлений является разработка систем экспертной диагностики, практически пригодных для использования в различных областях, в том числе для обработки результатов медицинских обследований.
Концепция нечеткого множества зародилась у Заде, как неудовлетворенность математическими методами классической теории систем, которая вынуждала добиваться искусственной точности, неуместной во многих системах реального мира, особенно в так называемых гуманистических системах, включающих людей. [1]
Основные преимущества методов нечеткой логики заключается в возможности описать процессы диагностики лингвистически (в словесных логических правилах).
Следовательно, с помощью естественно-языковых высказываний Если-то, с последующей их формализацией средствами теории нечетких множеств, можно сколь угодно точно отразить произвольную взаимосвязь «входы-выход» без использования традиционно применяемого сложного аппарата дифференциального и интегрального исчислений.
Простота нечеткой логики, как методологии решения проблем диагностики и контроля гарантирует ее успешное использование во встроенных системах контроля и анализа информации.
В последнее время нечеткое моделирование является одной из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений. Нечеткое моделирование оказывается особенно полезным, когда в описании систем и процессов присутствует неопределенность, которая затрудняет или даже исключает применение точных количественных методов и подходов, что характерно для результатов медицинских данных.
Экспертные системы диагностики -это прикладные системы, в которых база знаний представляет собой формализованные эмпирический знания высококвалифицированных специалистов в какой-либо предметной области.
Система нечеткого вывода - система, основанная на концепциях теории нечетких множеств, нечетких правил импликации и нечеткого рассуждения. Она успешно применяется в таких областях как автоматическое управление, классификация данных, анализ принятия решений, экспертные системы, и машинное зрение. Из-за многодисциплинарного характера, система нечеткого вывода известна под такими названиями как система, основанная на нечетких правилах, нечеткая экспертная система, нечеткая модель, нечеткая ассоциативная память, нечеткий логический контроллер, и просто (и неоднозначно) нечеткая система
Схема процесса нечеткого вывода в упрощенном виде представлена в следующем виде: первый этап нечеткого вывода – фазификации - осуществляет фаззфикатор. За процедуру непосредственно нечеткого вывода ответственна машина нечеткого логического вывода, которая производит второй этап процесса вывода на основании задаваемой нечеткой базы знаний (набора правил), а также этап композиции. Дефазификатор выполняет последний этап нечеткого вывода— дефазификацию. Схема процесса нечеткого вывода представлена на рис. 1.
Система нечеткого вывода состоит из пяти функциональных блоков (Рис.1):
2648
- База правил, содержащей набор нечетких правил импликации;
- База данных, которая определяет функции принадлежности нечетких множеств, используемых в нечетких правилах;
- Модуль принятия решения, который выполняет операции вывода на правилах;
- Фазификатор, который преобразовывает четкие входы в степень соответствия лингвистическим значениям;
- Дефазификатор, который преобразовывает нечеткие результаты вывода в четкий вывод.
Рис. 1. Схема нечеткого вывода
Данная схема нечеткого вывода может быть применена во многих системах диагностики и контроля как медицинских так и технических. [2]
Наиболее распространѐнным видом диагностики в медицине является скрининг.
Скрининг - стратегия в организации здравоохранения, направленная на выявление заболеваний у клинически бессимптомных лиц в популяции.
Цель скрининга — по возможности раннее выявление заболеваний, что позволяет обеспечить раннее начало лечения в расчѐте на облегчение состояния пациентов и снижение смертности. Несмотря на то, что скрининг способствует ранней диагностике, не все скрининговые методы демонстрируют однозначную пользу. По этим причинам скрининговые исследования должны обладать достаточной чувствительностью и допустимым уровнем специфичности.
Одними из важнейших заболеваний являются заболевания печени и также важным является разработка диагностических скрининговых информационных систем которые обладали бы достаточной: гибкостью в настройке и применении к широкому классу прикладных задач, а также которая повысит скорость диагностики заболеваний на первичном медицинском уровне.
Для реализации модели данной информационной системы очень эффективно использовать аппарат нечеткой логики. Особенностью медицинских данных является сложность их обработки, связанной с разным характером их представления. На рис. 2 представлена модель информационной системы для скрининга хронических печеночных заболеваний при помощи нечеткой логики.
2649
Рис 2. Структура информационной системы скрининга
Блок управления базами данных объединяет базу знаний и базу данных и позволяет эффективно использовать знания путем независимого доступа к ним из механизма выводов, а также позволяет использовать данные здравоохранения независимо от данных, полученных при расспросе.
Блок ведения диалога при расспросе представляет собой программу для ввода в режиме диалога симптомов и их степени проявления, о которых говорит больной, и получения результатов диагностики. Состоит из группы подпрограмм для ведения расспроса, отображения, выводов, проверки симптомов и обработки ошибок.
Блок помощи в приобретении знаний предназначен для ввода знаний от врачей и других экспертов и их пакетной обработки. Состоит из группы подпрограмм для регистрации взаимосвязи симптомов и болезней, сообщений, параметров, отображения входных сообщений, проверки базы знаний и других операций.
Блок выводов выполняет отображение результатов и печать сведений, поясняющих, как система пришла к данному выводу.[3]
Для диагностики по данной модели информационной системы выбраны заболевания печени. Показатели этих заболеваний являются одними из самых важных для ранней диагностики, так как нарушение работы печени пагубно сказуется на работе всего организма, именно печень нейтрализует вещества, поступающие из внешней среды (в том числе, лекарства, алкоголь) или образующиеся в самом организме, синтезирует белки крови, вырабатывает желчь и т.д. В целом, печень выполняет более 500 различных функций, и ее деятельность пока не удается воспроизвести искусственным путем.
Одни из самых распространенных заболеваний печени, которые возможно выявить на первичном уровне:
1. Первичный билиарный цирроз;
2. Аутоиммунный гепатит;
3. Первичный склерозирующий холангит;
4. Гепатоцеллюлярная карцинома;
5. Болезнь Коновалова-Вильсона;
6. Гемохроматоз;
7. Альфа-1 антитрипсиновая недостаточность;
8. Вирусный гепатит;
9. Алкогольный гепатит;
10. Лекарственный гепатит;
Врач
Паци ент
Вывод на печать результатов диагностики Блок
управления базами данных База
знан ий
База данны х здраво охране ния
Блок помощи в приобретении знаний Блок управления диалогом при расспросе
Ввод симптомов при
расспросе;
Ввод уточнений симптомов;
Ввод взаимосвязе й болезней и
симптомов;
Ввод различных параметров.
2650
11. Неалкогольная болезнь печени.
Для диагностики выше перечисленных заболеваний важно провести три вида исследований, а именно: общий анализ крови, биохимический анализ крови и коагулограмма. Для быстрой экспресс-диагностики не требуется обработка всех показателей, эффективным является анализ только тех показателей изменение которых характерно для соответствующих заболеваний. Также важно выделить симптомы, которые характерны именно выбранным заболеваниям.
Когда выделены основные показатели анализов и основные симптомы для каждого заболевания, возможно провести обработку с помощью модели представленной на рисунке 2. В результате получим экспресс-скрининговую систему диагностики хронических заболеваний печени на первичном медицинском уровне. Так как стоимость комплексной диагностики велика, данная модель информационной системы диагностики, является еще и экономически выгодной, так как позволяет проанализировать состояние пациента на первых этапах обследования.
Разработанная система расспроса и предварительной диагностики позволяет получить достоверные результаты диагностирования и приемлемую скорость обработки. Системы с базой медицинских знаний, имеющие функции выводов, имеют высокую практическую ценность не только для диагностики печѐночных заболеваний, но для многих областей медицины.
Список использованных источников
1. Кофман А. Введение в теорию нечетких множеств /пер. с франц. – М.: Радио и связь, 1982. – 432 с.
2. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB / С.Д.
Штовба. - М.: Горячая линия-Телеком, 2007. -228 с
3. Прикладные нечеткие системы /пер. с япон.; К. Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно. – М.: Мир, 1993. – 368 с.
УДК 528.71
КОМПЬЮТЕРНАЯ ТЕХНОЛОГИЯ СИНЕРГЕТИЧЕСКОЙ ОБРАБОТКИ ФОТОГРАММЕТРИЧЕСКИХ СКАНЕРНЫХ ИЗОБРАЖЕНИЙ
Шевченко Вита Юрьевна [email protected]
Аспирант Днепропетровского национального университета имени Олеся Гончара Днепропетровск, Украина
Научный руководитель – В.В. Гнатушенко 1. Постановка задачи
Совершенствование аэрокосмических средств наблюдения с помощью спутников Земли (СЗ) требуют адекватного совершенствования методов и алгоритмов получения информации. Без такого «взаимодействия» средств наблюдения и методов их обработки значительная часть получаемой из космоса информации остается неиспользованной.
Учитывая то, что данные, полученные с сенсоров, установленных на спутниках, имеют разные пространственные, спектральные, временные и другие характеристики [1], разработка методов автоматизированной обработки спутниковых изображений, основанных на слиянии продуктов дистанционного зондирования с целью интеграции характеристик и дальнейшего их анализа, становится особенно актуальной. Информация, содержащаяся в изображении, полученном в результате слияния, является более полной [2], что ведет к более ясному пониманию свойств исследуемого объекта.
