жающего точность выводов, и делать повторные выводы, приближая этот параметр к нулю;

2) повторно расспросить больного о симптоме Bj, исправить данные на уточненные и вновь сделать выводы.

Первый способ позволяет легко получить результаты с достаточно высокой степенью нечеткости в целом, но он не слишком эффективен. Поэтому целесообразно применить второй способ.

Усовершенствованный метод диагностики

Выше мы рассмотрели случай, когда существует решение обратной задачи при некотором заданном значении а. Однако, например, если а = 0,6, решение существует, но при а > 0,8 уже не существует, т. е. прийти к решению не всегда возможно. Обычно в подобных случаях недостаточно информации о симптомах, и лучше повторить диагностику после получения более полной информации. Следовательно, необходимо рассмотреть какие-либо методы выбора нужных симптомов. Например, в случае ошибочных исходных данных можно использовать усовершенствованную диагностику, которая позволяет прийти к правильному диагнозу. Такая диагностика состоит в следующем.

Прежде всего рассмотрим следующий вектор А, элементами которого являются ЛЗИ элементов нечеткого множества болезней по отношению к симптомам:

A = (A„...,AJ.

(4.19)

/-Й базовый вектор А определим следующим образом:

4 = (а.л.,...,;, ...,а.л.), г=1,...,ш, (4.20)

где а. л. означает «абсолютная ложь».

(-вектор, в котором только i-й элемент есть Л,, а все остальные элементы-а. л. Другими словами, учитывается только возможность появления болезни г, а уровень ЛЗИ для всех остальных болезней есть а. л. Кроме того, предложим следующие варианты ЛЗИ, относящиеся к А:

L= (ложь, неизвестно, истина, абсолютная истина}. Если применить к формулам (4.3), (4.4) правила нечеткий

«модус поненс» и нечеткий «модус толленс» соответственно, то для г, j получим следующие формулы:

ЩА% = mAAfl + (1 -р))А I (4.21)

BJ = ({Щ Л Af), - (1 - р,,),) V 0. (4.22)

Приближение (среднее арифметическое ожидаемое значение) t(A% полученное с помощью ЧЗИ для симптома, предсказанного в случае А = А, есть вектор, элементы которого имеют следующий вид:

tj={(Bj(A%+(B.{A)mJ=l,...,n.

(4.23)

Аналогично определим среднее арифметическое значение b для реально наблюдаемых симптомов. Элементы bj зададим следующим образом:

(4.24)

Направление новых наблюдений можно определить с учетом геометрической формы г(/1-) и Ь, т.е. чтобы определить группу симптомов, которые следует проверить, вычислим разность tj и bj. Алгоритм вычислений заключается в следующем. Сначала рассмотрим обычное расстояние DA):

о(л)=1:(г,-й/.

(4.25)

D (А) есть разность ожидаемых значений истинности симптомов при А = Aj. Это один из способов определения расстояния, кроме него можно рассматривать другие расстояния. Кратчайшее расстояние 4 определим следующим образом:

rfi==min*D(#), i= 1, т,

AieL

(4.26)

а именно

di < min Е (tj{(a.n., ..., „ а. л.) - й/). (4.27)

AieL j= 1

Запомним All, удовлетворяющую следующему условию: d,D{A(A:)),i=l,...,m. (4.28)

di представляет собой значение, при котором О (4) является минимальным для Л, при любой болезни i. При этом пусть /ii-это Ai, задающее 4- Затем вычислим i* такое, что

rf,* = mind;.

(4.29)

г* определяет rf; (г = 1, ..., т) для болезней, среди которых есть номер болезни с самым маленьким d. Учитывая значения истинности симптомов, определим базовый вектор А* для болезни, разность ожидаемых и наблюдаемых значений для которой наименьщая:

4* = (а.л., а.л.).

(4.30)

Этот вектор позволяет создать относительный критерий истинности значений для симптомов. Кроме того, получим /(*(4;*)), т.е. tj, который можно сравнить с b для каждого элемента.

Итак, можно указать группу симптомов, соответствующую номеру с наибольщим значением tj - bj {j = \, ..., /А.

Если прогнозируется появление одновременно двух и более болезней, данный алгоритм предполагается усоверщенст-вовать, например путем изучения комбинации базовых векторов А.

Дополнение:

1. Нечеткая логика (интервалы значений).

Пусть Р, Q-нечеткие тезисы, а Р, ЛЗИ.

Если а-сечение Р, Q удовлетворяет следующей формуле:

Z° = I>,,P2], 2" = [?1,?2] для Vae[0, 1],

то соединения в нечеткой логике можно задать следующими формулами:

отрицание Ri = lP, Л? = 1 - ,

конъюнкция = P&Q, = £"Д

дизъюнкция Рз = Р OR Q, = Р° V 2°.

импликация R=P-Q, Л» = ( \Pf®Q,

где 1 - [>1,;>23 = [1-/2, 1-/J-

[>1,/2]ЛС?1 ?2] =l>lA?l/2A?23. CPi , 2] V С?1. ?2] = CPi V ?1 /2 V ?2] . LPi,P2} ® ?2] = liPl + Cll)A 1 iP2 + ?2)Л 1].

2. Сцепления е и ё определим следующим образом для двух интервалов значений [р, 9] и \ г,.?]:

{ [,-, 1], если 0,?]Д[г,5] #0,

[г,.?], если p>s,

О, если q <г,

А [[О, 1], если р = S,

если р > S.

[р, 9] Б [г, s] =

Af[0, 1],

4.5.3. РАЗРАБОТКА СИСТЕМЫ ПОМОЩИ ПРИ ГРУППОВОМ ОБСЛЕДОВАНИИ [29, 30]

Органы здравоохранения обязаны периодически контролировать здоровье населения, обеспечивая безопасность и гигиену рабочих мест, и врачи на предприятиях тратят массу времени на обработку полученных данных. Кроме того, виды и формы современной медицинской информации разнообразны, и в будущем они будут возрастать и усложняться, поэтому объем работы врачей также будет увеличиваться.

Существующие системы здравоохранения имеют функции Оценки информации по эталонным значениям в базах медицинских данных, но пока не создана система, предоставляющая врачам информацию из области здравоохранения.

Поэтому, продолжая развитие систем здравоохранения, специалисты разработали систему помоцди при групповом обследовании здоровья населения, которая наряду с помощью в оценке результатов обследования имеет функции автоматической генерации руководящих указаний в случае, когда необходимы указания об образе жизни даже для лиц с нормальным здоровьем.

В базе медицинских данных рассматриваемой системы заложены следующие функции выводов:

1) вьшолняется оценка результатов первичного и вторичного обследований, результаты оценки могут легко корректироваться на основе окончательной оценки врачами на предприятиях;

2) выполняется выбор группы тестов для лиц, которым после первичного обследования необходим повторный осмотр;

3) по результатам индивидуальных обследований составляются руководящие указания по здравоохранению. Добавление указанных выше функций позволяет системе:

а) уменьшать объем работ по оценке результатов обследования врачами на предприятиях, давать индивидуальные рекомендации обследуемым и выполнять другую обработку после обследования;

б) давать Оценку результатов обследования группы лиц по определенным критериям и составлять руководящие указания по здравоохранению;

в) выполнять оценку здоровья, учитывая жалобы пациентов, результаты анализов, данные медицинского осмотра, а также историю болезни.

Кроме того, при использовании данных для выводов возникает много проблем, связанных с нечетким представлением симптомов во время расспроса и других нечеткостей. При групповом обследовании здоровых людей существенно больше, чем людей, направленных из больницы, и результаты клинических анализов большей частью находятся в норме. При решении указанных проблем с позиций обработки информации, заданной двузначной логикой, знания существенно усложняются, что препятствует обновлению базы знаний. Поэтому введение нечетких выводов, позволяющих оценивать и обрабатывать данные и знания, содержащие нечеткости, обеспечивает получение результатов оценки, соответствующих специфике обследования.

Структура системы

В данную систему входят 32-разрядная рабочая станция, цветные дисплеи, лазерный принтер, оптическое устройство считывания знаков, накопитель на 8-дюймовых гибких дисках; рабочая станция соединяется с дисплеями через интерфейс RS232C. Основная память рабочей станции составляет не более 20 Мбайт. Внешние запоминающие устройства: жесткий диск емкостью 172 Мбайт, стриммерный накопитель на магнитной ленте емкостью 50 Мбайт и накопители на 5-дюймовых гибких дисках (1,6 Мбайт).

Структура программного обеспечения показана на рис. 4.23. Рабочая станция оснащена ОС UNIX system V с функциями BSD версии 4.2, поддерживаются функции многооконного отображения, графические функции, функции связи и др. Краткие технические данные системы в табл. 4.16.

Функции системы

Система состоит из следующих функциональных блоков.

1. Ввод-вывод и обработка данных обследования. Ввод данных обследования и информации о пациентах, а также отображение и коррекция данных выполняются с использованием оптического устройства считывания знаков, гибких дисков, клавиатуры, манипулятора «мышь».

2. Помощь и обработка при приобретении знаний. Возможно формирование максимально десяти файлов с 500 правилами в каждом файле. Кроме того, каждой переменной можно поставить в соответствие максимально пять видов функций принадлежности, обычно одновременно используется 25 видов функций.

3. Управление базами данных. Унифицированное управление введенной информацией о пациентах, данными обследования и результатами оценки вьшолняется с помощью функций реляционной базы данных. Кроме того, имеется функция ведения файлов, позволяющая легко обновлять пункты данных обследования. Данные обследования прошлых лет можно хранить на вспомогательных магнитных лентах, поэтому возможно обращение к этим данным.

4. Помощь и обработка при оценке результатов обследования.

а) По данным первичного обследования всех сотрудни-