3.4.Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни
Анализ литературы показал, что существующие системы поддержки принятия решения (СППР), включая системы ориентированные на прогнозирование и раннюю диагностику мочекаменной болезни (МКБ) полностью не решают поставленных в работе задач.
В связи с этим нами была разработана структура программного обеспечения СППР, которая решает задачи прогнозирования возникновения и рецидива мочекаменной болезни, а также сформируют рекомендации по рациональной тактике проведения лечебно-оздоровительных мероприятий для выбранного класса заболеваний. Структурная схема предлагаемой системы поддержки принятия решений приведена на рисунке 3.4.Структура СППР базируется на универсальной оболочке интеллектуальной системы, разработанной на кафедре биомедицинской инженерии ЮЗГУ для решения различных медицинских задач ориентированной на использование систем гибридных нечетких решающих правил [51, 63, 77].
В схеме рисунка 3.4 взаимодействие врача с СШ1Р осуществляется через интерфейс пользователя, который реализует функции компьютерного диалогового режима взаимодействия врача с базой данных (БД) и базой знаний (БЗ), обеспечивает удобную для пользователя графику (средства графики) и обеспечивает функционирование информационно-справочной системы на языке лица, принимающего решение (ЛПР).
Оценка параметров внимания пациента, измерение электрических характеристик его БАТ и возможно РН производит аппаратура контроля состояний пациента.
Измеренные значения электрических характеристик БАТ, параметров внимания и РН необходимые для решения задач прогнозирования передаются в базу данных через её систему управления (СУБД) и драйвер связи (ДС).
92
Рисунок 3.4 - Структура СППР
Взаимодействие между всеми программными модулями и врача с СППР обеспечивается соответствующим алгоритмом управления.
Одной из важных составляющих универсальной оболочки СППР является подсистема обучения, в которой для решения поставленных в работе задач задействуется блок разведочного анализа, интеллектуальный пакет RUMM2020, обеспечивающий задачи оценки и формирования пространства информативных признаков и блок синтеза нечетких решающих правил (НРП), определяющий форму и параметры функций принадлежностей и модели их агрегации. При наличии обучающих
выборок достаточного объема этот блок решает задачи изменения полученных математических моделей в сторону уменьшения ошибок прогнозирования.
Подсистема прогнозирования содержит два основных блока решающих задачи прогнозирования возникновения и рецидива МКБ с указанием химического состава камней, которые могут возникать у пациента или вызвать рецидив заболевания. Подсистема формирования рекомендаций по ведению пациентов (в реализуемом варианте по метафилактике возникновения и рецидивов) использует как традиционно используемые и хорошо отработанные методики и оригинальные модели так и техническое обеспечение предложенное в данном разделе.
В качестве иллюстрации работы СШ1Р врача-уролога рисунки 3.5, ..., 3.7 иллюстрируют различные режимы и окна пользовательского интерфейса.
Рисунок 3.5 - Экранная форма стартового окна системы поддержки принятия
решения врача-уролога
Рисунок 3.6 - Экранная форма выбора решаемой задачи при работе системы поддержки принятия решений врача-уролога
Рисунок 3.7 - Иллюстрация режима измерения электрических характеристик БАТ при работе системы поддержки принятия решений врача-уролога
95
Рисунок 3.8 - Экранная форма ввода параметров в систему поддержки принятия решения врача-уролога
Рисунок 3.9 - Экранная форма вывода результатов работы системы поддержки принятия решений врача-уролога
3.5.
Еще по теме 3.4.Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни:
- Обзор математических методов прогнозирования, особенности использования нечеткой логики принятия решений при мочекаменной болезни
- Разработка структуры интеллектуальной системы поддержки принятия решений
- Экспериментальные исследования качества принятия решений модулей автоматизированной системы по прогнозированию ишемических рисков
- Структурная организация системы поддержки принятия решений для прогнозирования профессиональной пригодности работников экстремальных профессий
- 4.1 Разработка системы поддержки принятия решений по прогнозированию и диагностике профессиональных заболеваний водителей экстренных служб
- Программное обеспечение для автоматизированной системы прогнозирования ишемической болезни сердца
- Структура системы поддержки принятия решений по анализу состояния здоровья работников электроэнергетики
- 4.2. Структура системы поддержки принятия решений врача профпатолога, обслуживающего агропромышленный комплекс.
- Анализ эффективности математической модели по прогнозированию возникновения камнеобразования при мочекаменной болезни
- Разработка прототипов решающих модулей и моделей принятия решений для системы интеллектуальной поддержки прогнозирования профессиональной пригодности работников экстремальных профессий
- Программная реализация методов и алгоритмов прогнозирования профессиональной пригодности работников экстремальных профессий в интеллектуальных системах поддержки принятия решений
- Структурная схема автоматизированной системы прогнозирования ишемических рисков
- 4.1. Алгоритм управления системой поддержки принятия решений
- Системы поддержки принятия решений
- 6.1. Система поддержки принятия решений для профессионального отбора работников МЧС
- Методы и алгоритмы принятия решений в медицинских системах интеллектуальной поддержки принятия решений
- Факторы риска и автоматизированные системы прогнозирования инсультов
- Обзор систем поддержки принятия решений медицинского назначения