\ух[и)- \iy{v). Последовательность вывода показана на рис. 4.25.

База знаний для выводов составляется из функций принадлежности (в случае оценки входных и выходных значений), правил, диапазона входных и выходных значений и указаний к окончательным выходным данным. Функции принадлежности состоят из названия функции (уровня нечеткости) и значений принадлежности, в системе использованы следующие нечеткие уровни (ниже приведен процесс составления базы знаний):

1. Для каждого пункта клинических анализов, исключая качественные данные, в предпосылках используется пять уровней:

TRS (очень маленький) TPS (довольно малый) ММ (обычный) ТРВ (довольно большой)

TRB (очень большой)

2. Для пунктов клинических анализов с качественными данными в предпосылках используются

ММ (-) TPS (-)- - и ниже) РВ (-)- -)

RB (-ь) ТРВ (-1- и выше) ТРВ ( 4- -Ь и выше)

VB ( + + +)

3. при расспросе о симптомах в предпосылках используются LT1 (не проявляется, проявляется временами, проявляется)

4. Для промежуточных гипотез и тяжести болезни в заключениях используются

CLA (классический) DEF (определенный)

PRO (вероятный) POS (возможный)

SUS (подозреваемый)

5. Для выбора диагноза на экране, выбора способа осмотра и промежуточных гипотез в предпосылках и заключениях используются

YES (да) NO (нет).

Пример функции принадлежности для уровней (1) приведен на рис. 4.26, для уровней (4)-на рис. 4.27. В правилах можно описать до десяти нечетких тезисов предпосылки и до двух нечетких тезисов заключения. Правила имеют следующую структуру:

Рис. 4.25. Процесс выводов.

( Начало

Ввод иаймдаемых значений

Оценка соответствия правилам

Составление матрицы отношений

Сопоставление иайлюдаемык значений и матрицы отношений

Уклонениет конкуренции

Извлечение иентрилвного моменти вопроса

Огриничение зничения истинности

Вывод результитов выводов

( Коиеа )

Рис. 4.26. Функция 1. 18-6830

TRS TPS ММ ТРВ TRB

Данные анализа

SUS POS PRO DEF CLA

Рис. 4.27. Функция 4.

Если пункт введенных данных = уровень нечеткости,

тогда пункт выходных данных = уровень нечеткости. Кроме того, для уровней нечеткости, представленных функциями принадлежности, в тезисах можно использовать отрицание и логическую сумму.

Правила записаны в трех файлах: первичной оценки, вторичной оценки и указаний по охране здоровья. Файлы переключаются по соответствующей команде.

Приведем ниже примеры правил первичной оценки функционирования печени.

1. Если GOT = ТРВ, то функционирование печени = = DEF.

2. Если ОРТ = ТРВ, то функционирование печени = = DEF.

3. Если GGT = ТРВ, то функционирование печени = = DEF.

4. Если (GOT = < GPT) = YES, то функционирование печени = DEP.

5. Если расспрос (легкая усталость) = LT1, то функционирование печени = PRO.

6. Если GOT = ММ & ОРТ = ММ & (GOT = < GPT) = = NO & прошлый раз GOT = ТРВ, то функционирование печени = PRO.

Реляционная база данных

С целью высокоэффективного и унифицированного управления различными данными, накопленными за несколько лет и содержащими информацию о многих людях, использована подсистема реляционной базы данных (РБД) упрощенного типа. РБД ориентирована на использование при разработке прикладных программ на язьже Си и состоит

из функций интерфейса с пользователем, функций управления базой данных и системных утилит (рис. 4.28).

Функции интерфейса с пользователями обеспечивают органическую связь и доступ в базу данных с использованием в прикладных программах функций интерфейса, функций связи, информации о связи, информации о визуализации данных, различных таблиц условий доступа, условных функций, функций условий связи. Функции управления базой данных обеспечивают объединение записей во всех реляционных файлах с помощью указанных пользователем условных операторов объединения, а также создание реляционных записей в соответствии с информацией о визуализации.

Системные утилиты выполняют функции определения базы данных, реляционных файлов и записей для управления и поддержания целостности РБД, функции переформирования реляционных файлов и записей, функции управления кассетным накопителем на магнитной ленте, функции восстановления и резервирования. Доступ к конкретной базе данных осуществляется по индексам (ключам), в качестве которых могут быть номер служащего, номер пункта обследования и т.п. (рис. 4.29).

Данная система предназначена для оказания помощи при периодическом обследовании в медицинских пунктах на предприятиях. При построении базы данных индивидуаль-

храненит, йостдпоми модифшгацтй информации

Системные !/тилиты

\резервцр1>еатё\ сстатаяет\

lbucii,sea, обновление, отображение

визуализации, инфортщая о связи

Рис. 4.28. Структура РБД.

База данныл обследований

I Фамилия.имя,номер,дата

рождения, дата поступления в фирму ит.д.

Название предпраятая,квд ведомства, род занятий, номера сщжишшит-д.

Назвииия пунктов анализов, иизваная пунктов расспроса, номера пунктов.нижнае границы, верше гриницы,размерность и т-д

Резульпты аиалазов

Номер служащего, номер пункта, данные анализа (те1!уи(его),данные анализа (предыдущего] и т. д.

Рис. 4.29. База данных системы помощи при групповом обследовании.

ные данные пациентов вручную с помощью гибких дисков переносились из главного компьютера, а данные осмотра, сведения, полученные при расспросах, вводились с помощью оптического устройства считывания знаков. Результаты клинических анализов также с помощью гибких дисков переносились из медицинских учреждений. Это позволило создать базу данных за три предыдущих года, данные на время юридического хранения запоминались на кассетной магнитной ленте.

Обследования могут пройти около 5000 человек, систему можно расширить путем установки дополнительных запоминающих устройств.

Для операций использован принцип меню, выбор команд из которого осуществляется с помощью «мыши»; удобство получения выходных документов обеспечивается за счет автоматического переключателя форматов и других функций.

4.5.4. ЗАКЛЮЧЕНИЕ

Разработанная система расспроса и предварительной диагностики позволяет получить достоверные результаты диагностирования и приемлемую скорость обработки при вводе симптомов, соответствующих базе знаний. В дальнейшем планируется продолжить эксперименты и проверку системы на основе реальных историй болезни и отразить в системе полученные результаты.

Системы с базой медицинских знаний, имеющие функции выводов, имеют высокую практическую ценность не только для здравоохранения, но и для многих областей медицины. Система с базой данных обследования, разработанная для одной из таких областей, ставит ряд еще нерешенных проблем, например оптимизацию функций принадлежности и обработку пропущенных значений, но она дает превосходные методы обработки нечеткостей, которые свойственны всем медицинским данным, с помощью функций выводов.

ЛИТЕРАТУРА

1. Ishizuka М., Fu К. S., Yao J.T.R. Inference ргосеёщге with uncertainty for problem reduction method Technical report, Purdue uni-vercity, CE-STR-81-24.-1981.

2. Ishizuka M., Fu K. S., Yao J.T.R. Rule-based damage assessment system for existing structure Solid mechanics archives.- 1983.-N 8.~ P. 93-118.

3. Ogawa H., Fu K. S., Yao J. T. R. Knowledge representation and inference control of SPERIL-II Proc. of Annual Conference of the Association for Computing Machinery.-San Francisco, 1984.

4. Прогнозирование срока службы гидроэнергетических сооружений с помощью методов инженерии знаний/Накамура X., Ма-цуура С, МацуиС. и др. Добоку гаккай ромбунсю.-1986.-Т. 368/1, N 5.-С. 301-310.

5. Хаякава В., Екои Н. Экспертная система для оценки и принятия рещений по разрущению бетона.-Токио; Никэй Компюта, 1986.-С. 179-190.

6. Экспертная система с базой знаний для оценки повреждений железобетонных мостовых сооружений и выбора способа реконструкции Миками И., Эдзава е., Танака Н. и др. Кодзо кагаку ромбунсю.-1987.-Т. ЗЗА,-С. 317-325.

7. Furuta П., Shiraishi N., Yao J. Т. R. An expert system for evaluation of structural durability Proc. 5th OMAE symposium.-Tokyo, 1986.-Vol. l.-P. 11-15.