Синтез правил нечеткого вывода для прогнозирования и диагностики заболеваний человека и животных по энергетической реакции проекционных зон

ветеринария

_______________________________________________________________________________

Размещено на http://www.allbest.ru/

_______________________________________________________________________________________

Вестник Курской государственной сельскохозяйственной академии.-2009.-№3.

78

СИНТЕЗ ПРАВИЛ НЕЧЕТКОГО ВЫВОДА ДЛЯ ПРОГНОЗИРОВАНИЯ И ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ ЧЕЛОВЕКА И ЖИВОТНЫХ ПО ЭНЕРГЕТИЧЕСКОЙ РЕАКЦИИ ПРОЕКЦИОННЫХ ЗОН

В.И. Афанасьев, Р.А. Крупчатников, Г.В. Чурсин, А.В. Носов, Н.А. Коптева

Аннотация

Обосновывается эффективность использования проекционных зон для решения задач прогнозирования, диагностики, профилактики и лечения ряда заболеваний.

Показывается, как, используя особенности физиологии проекционных зон, строить нечеткие классификационные правила, обеспечивающие требуемое качество распознавания при неполном и нечетком представлении исходных данных.

Ключевые слова: прогнозирование, биологически активные точки, энергетическая характеристика, коэффициент уверенности.

В работах [1, 2, 9, 12] было показано, что для решения ряда задач прогнозирования ранней и дифференциальной диагностики заболеваний целесообразно использовать энергетические характеристики биологически активных точек (БАТ). Рассмотрены также механизмы поиска информативных БАТ и выделения из них специальных групп точек, позволяющих «отстраиваться» от мешающих ситуаций, выводимых на БАТ вместе с исследуемой патологией. Такие группы точек называют диагностически значимыми (ДЗТ).

После получения информативных БАТ задача диагностики заданных классов заболеваний может решаться классическими методами теории распознавания образов, однако сложность и динамичность исследуемого объекта, нечеткость и неполнота исходной информации, сложная геометрическая структура объектов кластеризации, трудность получения статистических данных в требуемом объеме в рамках традиционных подходов приводит к снижению качества распознавания.

Повышение качества диагностики может быть достигнуто при использовании диалоговых систем распознавания образов и нечетких правил принятия решения.

Последние работы в области рефлексодиагностики, проводимые на кафедре «Биомедицинская инженерия» КурскГТУ [8, 10], показали, что решение задач прогнозирования и диагностики различных типов и стадий заболеваний как у человека, так и у животных целесообразно производить с помощью правил нечеткого вывода с определением меры доверия к принимаемым решениям в соответствии с формулой:

ЕСЛИ [ ДЗТ) ?] TO

{(j+1)=(j)+()[1?(j)]} (1)

ИНАЧЕ .=0).

В этом выражении Yq имена БАТ с номером q, имеющие связь с диагнозом ; - величина отклонения сопротивления БАТ Yq от его номинального значения (с учетом времени суток); - пороговое значение отклонения сопротивления БАТ от его номинального значения, после которого энергетическое состояние точки считается не номинальным; - квантор общности; - имя класса с номером ?; j - номер итерации в расчете величины коэффициента уверенности в прогнозе (диагнозе) - () - функция принадлежности к классу , с носителем ) для всех точек, используемых в решающих правилах (не обязательно только ДЗТ);

().

Функции принадлежностей и определяются экспертами и уточняются в ходе проверки на репрезентативных обучающих и контрольных выборках в соответствии с методиками, достаточно полно представленными в работах [7, 8].

Характерной особенностью энергетических характеристик БАТ и ряда других информативных признаков является то, что они могут изменяться под воздействием однократных относительно коротких возмущающих внутренних и внешних воздействий, после чего, если организм обладает достаточным адаптационным потенциалом, возвращаться в рамки допустимых значений или при различных нарушениях в работе организма находиться за рамками значений, считающихся нормой достаточно длительное время (неделя, месяц, год и т.д.)

В первом случае не всегда речь идет о патологическом отклонении в организме человека, а второй случай, как правило, свидетельствует о высоком риске появления и развития заболеваний или об имеющейся патологии. Причем, чем большее время наблюдается отклонение энергетических характеристик БАТ от номинальных значений, тем увереннее можно говорить о наличии гипотезы .

Учесть время отклонений энергетических характеристик БАТ от соответствующих номинальных значений в формулах расчета коэффициентов уверенностей в гипотезах можно, введя понятие различных уровней доверия. Например, к первому уровню доверия со своими частными решающими правилами следует отнести выводы, делаемые по результатам однократных измерений, ко второму уровню доверия результаты, получаемые при устойчивой тенденции выхода измеряемых параметров за рамки поминальных значений в течение недели и т.д.

С учетом сказанного целесообразно соответствующие функции принадлежности строить для каждого уровня доверия р - (

Расчет частных коэффициентов уверенности для каждого из уровней доверия в зависимости от существа решаемой задачи и предпочтений экспертов можно производить различными способами.

В первом варианте для каждого из выбранных интервалов времени записывается продукционное правило вида:

ЕСЛИ (Тр) ТО [()], (2)

где Тр - интервал времени, в течение которого наблюдается выход Rq - за рамки номинальных значений.

Во втором варианте коэффициент уверенности для различных уровней доверия может быть пересчитан из коэффициента уверенности, рассчитанного для первого уровня доверия через весовой коэффициент, отражающий время удержания Rq в определенных рамках (Rq,t), то есть:

(Rq,t)· (3)

При выборе значений (Rq, t) следует учитывать, что <1.

В третьем варианте дополнительно к () вводится функция принадлежностей к классу , по времени отклонения Rq от номинального значения - (t), а соответствующий частный коэффициент уверенности рассчитывается из соотношения:

(4)

В последнем выражении уровень доверия к гипотезе в явном виде не присутствует. Здесь наблюдается рост уверенности в по мере роста времени отклонения энергетической характеристики БАТ с номером q от своего номинального значения со стремлением к своему верхнему значению, не превышающему единицы по закону, определяемому параметрами соответствующих функций принадлежностей.

В качестве примера рассмотрим решающее правило для определения донозологической стадии заболеваний системы пищеварения (класс ) по энергетической реакции БАТ, связанных с заболеваниями желудочно-кишечного тракта.

С учетом (1) для точек, выбранных из работы [6], получаем

,

где j=Е21, Е36, V21, V43, VB24, (Е21)=);

При максимальных значениях функций принадлежностей стремится к величине 0,65. Донозологическое состояние системы пищеварения согласно данным исследований, проведенных профессором Ивановым В.А., может определяться также по морфологическим изменениям кожаных покровов ушной раковины [2]. При этом установлено, что коэффициент уверенности в классе может быть определен в соответствии с правилом вида: ЕСЛИ [(в области точек АР84, 86, 87, 88 наблюдается гиперемия кожных покровов) ИЛИ (в области точек АР84, 86, 87, 88 наблюдается нарушение эпидермиса)], ТО =0,4.

Частный коэффициент уверенности в донозологической форме заболеваний системы пищеварения по корпоральным и ушным БАТ определяется коэффициентом уверенности, рассчитываемым в соответствии с выражением

=+(1?).

Для максимальных значений функций принадлежностей >0,98.

проекционный зона диагностика заболевание

Список использованных источников

1 Ananin, V.F. Refloxology (theory andmethods): monograph, [in Russian] Moscow; RUDN and Biomedinform, 1992.

2 Башлыков, И.А. Использование методов нечеткой логики принятия решений для прогнозирования и диагностики язвенной болезни желудка / И.А. Башлыков, В.Н. Гадалов // Вестник новых медицинских технологий.- 2006.- Т. XIII.- №2.- С. 10-12.

3 Березников, А.И. Прогнозирование, диагностика, профилактика и лечение сосудистых заболеваний глаз на основе нечеткой логики принятия решений / А.И. Березников, П.А. Кореневский, А.А. Татаренков // Вестник новых медицинских технологий.- 2006.- Т. ХIII.- №2.- С. 12-15.

4 Bruce G. Buchanan, Еdward Н. Shorlliffe. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley Publishing Company. Reading, Massachusetts, 1984.

5 Дроздова, О.И. Синтез нечетких решающих правил для прогнозирования и диагностики кожных заболеваний с использованием методов рефлексодиагностики / О.И. Дроздова, A.M. Федулова, Д.В. Ходеев // Вестник новых медицинских технологий.- 2006.- Т. ХIII.- №2.- С. 49-52.

6 Gavaa Luvsan. Sketch of methods of east reflexotherapy [in Russian]. Novosibirsk: Nauka, 1991.

7 Кореневский, Н.А. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики / Н.А. Кореневский // Системный анализ и управление в биомедицинских системах.- 2005.- Т.4- №1.- С. 12-20.

8 Korenevskii N. А., Krupchatnikov R. A., Gorbatenko S. A. "Generation of fuzzy network models taught on basis of data structure for medical expert systems" Biomedical Engineering. Springer New York. Volume 42, Number 2 / March 2008. pp. 67-72. ISSN 0006-3398 (Print) 1573-8256 (Online)

9 Korenevskii, N.A. Energy-data models of reflexodiagnostics. [in Russian]. Kursk: OMCPK, 2000, 117 p.

10 Korenevskii, N.A. Synthesis of models of interaction between internal organs with projective zones and use this models in reflexodiagnosties and reflexotherapy. [in Russian]. Kursk: Kursk State Technical University press, 2005. 224 p. ISBN 5-7681-0225-65

11 Korenevskiy, N.A., Titov, V.S., Chernetskaja I.E. Developing of decision-making systems for medic and ecologic applications (monography). [In Russian]. Kursk, Kursk State Technical University. 2004, 180p.

12 Portnov, F.P. Electropuncture reflexotheraphy. [in Russian]. Riga: Zinatne, 1980.

Размещено на Allbest.ru