Воронеж, Воронежская область, Россия
УДК 004.891.3 Диагностические экспертные системы
Применение современных технологий в различных сфе-рах деятельности является предпосылкой к разработке систем диагностики, и в частности, систем самодиагно-стики состояния здоровья человека. Развитие медицины, компьютерной и вычислительной техники, информаци-онных технологий способствует этому. Ритм жизни со-временного человека и доступность профильных диа-гностических систем позволяет человеку обходиться без обращения в лечебные учреждения. Это связано и со сложившейся ситуацией во время пандемии. Системы диагностики дают толчок пользователю обратиться к врачу, если он в результате понимает необходимость этого. Тогда пользователь системы с установленным первичным диагнозом переходит в разряд пациента по-ликлиники. Исследования в медицинской сфере и обра-ботка данных проводятся с привлечением наукоемких технологий, мощных компьютеров, высокопроизводи-тельных методов и алгоритмов. Системы диагностики разрабатываются в виде веб или кроссплатформенных приложений. Обязательным элементом приложений является опросная анкета, качество заполнения которой определяет правильность установления диагноза. Про-веденный анализ существующих в свободном доступе приложений различного профиля показал, что на сего-дняшний момент приложения постановки диагноза заболевания глаз неинвазивным способом не существует. Актуальность разработки приложения объясняется современным течением жизни: использование ноутбуков, стационарных компьютеров и всевозможных гаджетов, которые автоматически предполагают наличие экранов с различным разрешением. При не соблюдении режима работы и усугублении использования средств вычисли-тельной техники наблюдается напряжение зрительного нерва, что может способствовать развитию серьезных заболеваний глаз. В работе представлены выводы обработки медицинских данных, наглядным образом демонстрирующих влияние неблагоприятных факторов на зрительные органы человека. Проведена систематизация причин заболевания глаз и симптомов при различных заболеваниях. Анализ собранных данных показал их разноплановый характер. Разработана модель поддержки принятия решения на основе аппарата нечеткой логики для исследования состояния глаз человека. Показана возможность диагностики состояния органов человека по радужной оболочке глаз
Диагноз, узконаправленная система, лингвистическая переменная, правила вывода, нечеткая композиция, модель базы знаний, нечеткие правила
1. Жукова А. Виртуальные клоны: как цифровые двойники пациентов помогают врачам – Режим доступа: https://scientificrussia.ru/articles/virtualnye-klony-kak-cifrovye-dvojniki-pacientov-pomogaut-vracam Загл. с экрана (дата обращения 21.02.2024)
2. Эйнуллаев, Т. А. Цифровые двойники и их роль в экономическом моделировании / Т. А. Эйнуллаев, Л. А. Коробова // Моделирование энергоинформационных процессов : Сборник статей XII национальная научно-практическая конференция с международным участием, Воронеж: Воронежский государственный университет инженерных технологий, 2024. – С. 319-323. – EDN KDUHFH.
3. Абгарян, К.К. Многомасштабное моделирование в задачах структурного материаловедения: монография / К. К. Абгарян. – Москва: МАКС Пресс, 2017. – 284 с.
4. Haug, Ch. J. Artificial Intelligence and Machine Learning in Clinical Medicine, 2023 / Ch. J. Haug, J. M. Drazen // New England Journal of Medicine. – 2023. – Vol. 388, No. 13. – P. 1201-1208. – DOIhttps://doi.org/10.1056/nejmra2302038. – EDN TXQTNL.
5. Коробова, Л. А. Современные возможности многомасштабного моделирования в решении прикладных прогностических медицинских задач / Л. А. Коробова, А. В. Калач // Актуальные проблемы деятельности подразделений уголовно-исполнительной системы : сборник материалов Всероссийской научно-практической конференции, Воронеж: Издательско-полиграфический центр "Научная книга", ФКОУ ВО Воронежский институт ФСИН России., 2023. – С. 406-409. – EDN PEZTYD.
6. Program Development for Choosing a Surgical Treatment Option and Mathematical Prediction of Findings in Patients with Postoperative Median Abdominal Hernias / D. V. Arapov, E. F. Cherednikov, S. A. Skorobogatov [et al.] // International Journal of Biomedicine. – 2022. – Vol. 12, No. 2. – P. 303-307. – DOIhttps://doi.org/10.21103/Article12(2)_OA19. – EDN HYJZRL.
7. Диагностика заболеваний методами теории вероятностей / М. Л. Жмудяк [и др.]. – Барнаул: Изд-во АлтГТУ, 2006. – 170 с. – ISBN 5-7568-0524-9. – EDN QLNMYD.
8. The Study of Fuzzy Quantifiers in Multi-criteria Decision-Making / M. Matveev, N. Alejnikova, V. Safonov, L. Korobova // Communications in Computer and Information Science. – 2022. – Vol. 1539. – P. 167-179. – DOIhttps://doi.org/10.1007/978-3-030-95494-9_14. – EDN QSPNIN.
9. Гладких, Т. В. Разработка системы поддержки принятия решений на основе исследований статистических данных для диагностики заболеваний / Т. В. Гладких, Л. А. Коробова // Вестник Рязанского государственного радиотехнического университета. – 2018. – № 66-1. – С. 130-138. – DOIhttps://doi.org/10.21667/1995-4565-2018-66-4-1-130-138. – EDN PKITTD.
10. Абрамов, Г. В. Проектирование информационных систем: Учебное пособие / Г. В. Абрамов, И. Е. Медведкова, Л. А. Коробова. – Воронеж : Воронежский государственный университет инженерных технологий, 2012. – 172 с. – EDNZVCUUV.
11. Иомдина Е.Н., Полоз М.В. Биомеханическая модель глаза человека как основа для изучения его аккомодационной способности. Российский журнал биомеханики. 2010. T. 14. № 3(49). C.7–18.
12. Полоз М.В. Биомеханическая модель глазного яблока человека: дис. канд. физ.-мат. наук. Москва, 2011.
13. Rajpurkar, P. The Current and Future State of AI Interpretation of Medical Images / P. Rajpurkar, M. P. Lungren // New England Journal of Medicine. – 2023. – Vol. 388, No. 21. – P. 1981-1990. – DOIhttps://doi.org/10.1056/nejmra2301725. – EDN QVJDIZ.
14. Коробова, Л. А. Разработка модели принятия решения для постановки диагноза заболеваний на основе нечеткой логики / Л. А. Коробова, Т. В. Гладких // Вестник Воронежского государственного университета инженерных технологий. – 2018. – Т. 80, № 4(78). – С. 80-89. – DOIhttps://doi.org/10.20914/2310-1202-2018-4-80-89. – EDN RJTMUW.
15. Краснопеева И. Ю., Сизых Т. П. Иридодиагностика как скрининг-метод в клинике внутренних болезней // Сибирский медицинский журнал. - 1998. - №1. – Т.12. – С. 34-44.
16. Антипов, Е.В. Обоснование возможностей метода иридодиагностики для комплексной оценки функционального состояния внутренних органов / Е.В. Антипов, О.Н., Киселева, Ю.В. Первова, Т.В. Старикова. – г. Самара // Вестник медицинского института «РЕАВИЗ» - 2019 - № 4 - С. 169-175
17. Blender 4.1.0 Blender Foundation Текст: электронный – URL: https://blender.ru.uptodown.com/windows Загл. с экрана (дата обращения: 30.03.2024)
18. Кански Д.Дж. Клиническая офтальмология: систематизированный подход. Под ред. В.П. Еричева. М.: Логосфера, 2006. C. 517–522.
19. Шамшинова А.М., Волков В.В. В: Функциональные методы исследования в офтальмологии. М.: Медицина, 1999. C. 361–365.
20. Гладких, Т. В. Применение нечетких множеств для диагностики глазных заболеваний / Т. В. Гладких, Л. А. Коробова, И. С. Толстова // Инновации в создании материалов и методов для современной медицины: материалы региональной конференции. – Воронеж: Воронежский государственный университет инженерных технологий, 2020. – С. 161-167. – EDN KDANAV.
21. Korobova, L. A. The use of logical-linguistic apparatus to describe the functioning of medical systems / L. A. Korobova, I. A. Matytsina // JOP Conference Series: Metrological Support of Innovative Technologies, Krasnoyarsk, 04 марта 2020 года / Krasnoyarsk Science and Technology City Hall of the Russian Union of Scientific and Engineering Associations. Vol. 1515. – Krasnoyarsk, Russia: Institute of Physics and IOP Publishing Limited, 2020. – P. 52020. – DOIhttps://doi.org/10.1088/1742-6596/1515/5/052020. – EDN LJMCUE.
22. Ухоботов, В. И. Избранные главы теории нечетких множеств: учеб. пособие / В. И. Ухоботов. – Ч.: Изд-во Челяб. гос. ун-та, 2011. – 245 с. Макеева, А.В. Основы нечеткой логики. Учебное пособие для вузов / А.В. Макеева. – Н. Новгород: ВГИПУ, 2009. – 59 с.
23. Каид, В.А.А. Методы построения функций принадлежности нечетких множеств / В.А.А. Каид // Известия ЮФУ. Технические науки.– 2013. – №2 (139). – С. 144–153.
24. Коробова, Л. А. Логико-лингвистическое моделирование процесса диагностики / Л. А. Коробова, И. А. Матыцина // Моделирование энергоинформационных процессов: Сборник материалов VII национальной научно-практической конференции с международным участием. – Воронеж: Воронежский государственный университет инженерных технологий, 2019. – С. 405-408. – EDN QRCKJD.
25. The path from task-specific to general purpose artificial intelligence for medical diagnostics: A bibliometric analysis / Ch. Chang, W. Shi, Y. Wang [et al.] // Computers in Biology and Medicine. – 2024. – Vol. 172. – P. 108258. – DOIhttps://doi.org/10.1016/j.compbiomed.2024.108258. – EDN OXUIFZ.