добной «легкости ассоциации» система устанавливает порядок сценариев Sj > Sj > S3. На рис. 4.19,6 схематично показан уровень активизации каждого сценария развития событий Яр, предложенных лицом, принимающим решение. Этот уровень определяется по значению рго1(Яр5). Гипотеза развития событий Н: е,-* е, которая отражает надежды принимающего решение, на основе «протекционистского» сценария имеет прототипность, равную 0,.31, и ее следует отвергнуть, а на основе «либералистического» сценария -прототипность, равную 0,71, что показывает достаточно высокий уровень активизации. Гипотеза Н. е,ei -* ej, которая отражает надежды и опасения принимающего решения, на основе сценария имеет уровень активизации меньший, чем для Я, а на основе - больший. Считая, что уровень активизации Sj вполне достаточен, уровень активизации следующего по порядку сценария можно не исследовать. Если вместо гипотетической серии событий ввести серию уже выделенных конкретных единичных событий, то система будет указывать необходимость такой серии событий.

4.4.5. ЗАКЛЮЧЕНИЕ

Среди всех способностей человека к обработке неполной информации большой интерес всегда представляла его способность справляться с гигантским объемом информации и решать проблемы, проявляя осмотрительность, которая позволяет ему ориентироваться в условиях недостоверной информации, и делая заключения на основе ассоциативных знаний. В данном разделе были рассмотрены принцип алгоритмизации таких способностей человека к обработке информации, а также способы использования иерархической структуры схем, сценариев и понятия нечеткости в качестве встроенных в компьютер знаний высокого уровня. Данная система на основе структурированных знаний об известных компьютеру объектах может показывать их связь с фрагментарной информацией из внешнего мира и выбирать информацию, полезную в данном контексте событий. Встроенные и структурированные знания представляют собой прототипы событий, при этом информация из реального мира, которую предполагается сопоставлять с этими знаниями, может быть более или менее различной. Необходимо уметь оценивать

степень такого различия и обнаруживать сходство с одним из прототипов, т.е. качественно представлять нечеткости, зависящие от контекста. Понятие нечеткости представляет возможность управлять сопоставлением знаний в форме прототипов, хранимых в компьютере, с реальными событиями.

4.5. МЕДИЦИНСКАЯ ДИАГНОСТИКА

4.5.1. ВВЕДЕНИЕ

Экспертные системы ориентированы не на проблемы, формализация которых проста и решение которых можно найти с помощью математических моделей и алгоритмов, т. е. не на проблемы, с которыми имеют дело современные программы, а скорее на сложные проблемы, которые можно решить только с использованием знаний, полученных экспертами за долгие годы. Обычно в подобных случаях трудно получить знания, необходимые и достаточные для решения выбранных проблем во время проектирования системы. Такие знания подбирают методом проб и ошибок, добавляя, изменяя или удаляя знания. В этом смысле использование экспертных систем в медицине имеет необычайно важное значение.

К настоящему времени проведено довольно много исследований медицинских систем, использующих нечеткие выводы. Этими исследованиями охвачены многие разделы медицины, начиная от фундаментальных исследований Сан-чеса [26] и кончая исследованиями Эдлессинга [25] и Тад-заки [27, 28]. Ниже рассмотрены две системы: система расспроса больных и предварительной диагностики, которая начала применяться сравнительно недавно, и система профессионального группового обследования.

4.5.2. СИСТЕМА РАССПРОСА И ПРЕДВАРИТЕЛЬНОЙ ДИАГНОСТИКИ [27, 31]

Сегодня в условиях повышенных требований населения к здравоохранению и изменения характера болезней раннее обнаружение болезней взрослых людей ведется пассивно в поликлиниках и других медицинских учреждениях. Цель данной системы-способствовать раннему обнаружению и

лечению болезней благодаря активной постановке диагноза самой системой. Особенность системы-выполнение комплексных выводов и диагностики с помощью блока нечетких выводов, написанного на процедурном языке Си, и знаний, организованных в виде матриц.

Структура системы

Аппаратные средства. Данная система построена на базе технологической рабочей станции с ЦП MC68000 американской фирмы «Моторола», цветного графического терминала и консоли оператора.

Программное обеспечение (рис. 4.20). В качестве ОС использована версия системы UNIX на японском языке, созданная на основе версии V UNIX. Технические характеристики прикладной системы приведены в табл. 4.13.

Блоки системы имеют следующие функции:

1. Блок управления экраном обеспечивает ввод-вывод в отдельные поля экрана, состоит из прикладного интерфейса, подпрограмм управления экраном, обработки и доступа к полям и других подпрограмм. С его помощью пользователи могут обрабатывать ответы при расспросе, вводить знания, не обращаясь к среде системы UNIX.

2. Блок управления изображением позволяет зрительно представлять больные органы во время расспроса и вводшь их на нужное место с помощью «мыщи». Использует графический терминал рабочей станции и стандартный пакет графических программ, независимый от языка описания системы.

3. Блок управления базами данных объединяет базу знаний и базу данных и позволяет эффективно использовать знания путем независимого доступа к ним из механшма выводов, а также позволяет использовать данные здравоохранения независимо от данных, полученных при расспросе.

4. Блок ведения диалога при расспросе представляет собой программу для ввода в режиме диалога симптомов и их степени, о которых говорит больной, и получения результатов диагностики. Состоит из группы подпрограмм для ведения расспроса, отображения, выводов, проверки симптомов и обработки ошибок.

5. Блок помощи в приобретении знаний предназначен для ввода знаний от врачей и других экспертов и их пакетной

1 Ui« lllllll

s; ж s

" Японская слоговая азбука.-Цриа). перев.

обработки. Состоит из группы подпрограмм для регистрации взаимосвязи симптомов и болезней, сообщений, параметров, отображения входных собщений, проверки базы знаний и других операций.

6. Блок объяснения процесса выводов вьшолняет отображение результатов и печать сведений, поясняющих, как система пришла к данному выводу.

Формирование данных и знаний для выводов

Традиционная процедура расспроса врачом больного состоит в следующем: больной рассказывает врачу о своих субъективных симптомах, врач вьщеляет среди них наиболее существенные с учетом близости симптомов одной из болезней, используя при этом фундаментальные медицинские знания и собственный опыт, затем более детально расспрашивает о симптомах, связанных с вероятной болезнью, и выдает заключение. Процедура расспроса, проводимого разработанной системой, практически аналогична и показана на рис. 4.21. В качестве знаний в данном случае необходимы общие взаимосвязи между болезнями и симптомами, кроме того, очевидно, необходима некоторая мера такой связи как для болезни с точки зрения ее симптомов, так и для симптомов с точки зрения болезни.

В качестве примера рассмотрим простуду и кашель. В этом случае представление знаний будет следующим:

1) простуда и кашель взаимосвязаны (степень истинности = 0,9);

2) если есть кашель, то налицо простуда (степень истинности = 0,8);

3) при простуде возможен кашель (степень истинности = = 0,6). Степень истинности здесь означает достоверность взаимосвязи.

При выводах с помощью формул нечетких отношений, рассмотренных в предыдущих разделах, остается проблема, связанная со способом задания числовых значений матрицы отношений R: какая степень истинности наиболее соответствует модельному представлению? На практике использование операции максимум - минимум иногда приводит к слишком грубым значениям истинности по сравнению со свойствами объектов, и в этом смысле точность выводов снижается. Поэтому в данной системе благодаря введению