Информационная поддержка принятия решений при диагностике артериальной гипертонии на основе методов гибридного интеллекта

Информационная поддержка принятия решений при диагностике артериальной гипертонии на основе методов гибридного интеллекта

Автор: Шулакова, Марина Алексеевна

Автор: Шулакова, Марина Алексеевна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2012

Место защиты: Воронеж

Количество страниц: 145 с. ил.

Артикул: 5503004

Стоимость: 250 руб.

Информационная поддержка принятия решений при диагностике артериальной гипертонии на основе методов гибридного интеллекта  Информационная поддержка принятия решений при диагностике артериальной гипертонии на основе методов гибридного интеллекта 

ВВЕДЕНИЕ.
Глава 1 Системный анализ сложных объектов управления на примере задач диагностики артериальной гипертонии
1.1. Проблемный анализ сложных объектов управления.
1.1.1. Особенности сложных объектов управления.
1.2. Системный подход к задаче диагностики артериальной гипертонии.
1.2.1. Определение структуры принятия решений при диагностике артериальной гипертонии
1.2.2. Схема диагностического обследования пациента
1.3. Анализ существующих методов и систем поддержки принятия решений в медицине
1.3.1. Классические методы в системах поддержки принятия решений
1.3.2. Интеллектуальные методы в системах поддержки принятия решений
1.3.3. Гибридные интеллектуальные методы в системах поддержки принятия решений.
1.4. Разработка схемы проектирования системы поддержки принятия решений при диагностике артериальной гипертонии.
1.5. Результаты и выводы по главе
Глава 2. Системное моделирование процессов принятия решения при классификации сложных объектов на примере диагностики артериальной гипертонии.
2.1. Постановка задачи моделирования.
2.2. Разработка функциональной модели процессов принятия диагностических решений.
2.3. Разработка информационной модели процессов принятия диагностических решений.
2.4. Разработка комплекса динамических моделей процессов принятия диагностических решений
2.5. Формирование требований к СППР на основе результатов моделирования
2.6. Результаты и выводы по главе
Глава 3. Разработка метода поддержки принятия решений при классификации сложных объектов управления на примере диагностики артериальной гипертонии
3.1. Разработка обобщенного алгоритма классификации состояния пациента.
3.1.1. Формирование паттерна данных
3.1.2. Статистическая обработка и анализ диагностических данных
3.1.3. Выбор правила классификации классические методы анализа данных.
3.1.4. Выбор правила классификации нейросетевые методы анализа данных.
3.1.5. Сравнительный анализ результатов
3.2. Разработка принципа гибридизации интеллектуальных методов
3.2.1. Оценка интеллектуальных методов.
3.2.2. Описание функционального разделения методов.
3.3. Разработка архитектуры СГ1ПР
3.3.1. Разработка экспертной системы.
3.4. СППР для диагностики артериальной гипертонии в процессе управления состоянием пациента.
3.5. Результаты и выводы по главе 3.
Глава 4. Разработка алгоритмического и программного обеспечения основных функциональных модулей системы и исследование характеристик эффективности информационной поддержки принятия решений.
4.1. Разработка алгоритма функционирования СППР.
4.2. Реализация модулей вычислительного уровня системы
4.2.1. Модуль определения степени АГ.
4.2.2. Модуль определения стадии АГ
4.2.3. Модуль выявления ассоциированных заболеваний
4.2.4. Модуль оценки риска ССО.
4.3. Реализация модулей интерпретационного уровня системы
4.3.1. Механизм трансформации гибридного интеллекта СППР
4.3.2. База данных и база знаний.
4.4. Исследование характеристик эффективности процесса поддержки принятия диагностических решений.
4.4.1. Методика работы с программой
4.5. Результаты и выводы по главе
ЗАКЛЮЧЕНИЕ.
ЛИТЕРАТУРА


Архитектура системы поддержки принятия решений, реализующая трансформационную модель гибридного интеллекта, отличающаяся применением двухуровневого алгоритма поддержки принятия решений, позволяющего объединить в единое информационное пространство отдельные модули системы, обеспечить адаптацию и эволюцию знаний в процессе функционирования системы. Разработанный метод поддержки принятия решений на основе классификации состояния сложного объекта управления и синтеза гибридного интеллекта позволяет на повысить достоверность решений и на уровень обоснованности рекомендаций при внедрении в процесс диагностики артериальной гипертонии за счет применения вероятностных нейросетевых моделей классификации состояния пациента и продукционных правил экспертной системы. Разработанное алгоритмическое и программное обеспечение функциональных модулей СППР на основе предложенного гибридного интеллектуального метода поддержки принятия решений характеризуется использованием принципов параллельных вычислений, учетом модели пользователя, поддержкой обучения и дообучения в процессе функционирования, интефированностью, объединением в единое информационное пространство различных программных средств, поддержкой распределенной работы модулей системы, что позволяет повысить на оперативность принятия решений. Внедрение результатов работы в виде математического, алгоритмического и профаммного обеспечения поддержки принятия решений при диагностике артериальной гипертонии осуществлено в медицинских учреждениях г. Уфы Республиканский кардиологический диспансер. Наибольшую практическую ценность полученные результаты исследования имеют при внедрении в диагностический процесс сельских лечебнопрофилактических учреждений, где наблюдается нехватка квалифицированных и узкоспециализированных кадров. Также основные результаты диссертационного исследования внедрены учебный процесс Уфимского государственного авиационного технического университета при чтении лекционного курса и проведении лабораторных занятий по дисциплине Методы обработки биомедицинских сигналов и данных. Основные положения представлены в публикациях, в том числе в 3 статьях, опубликованных в рецензируемых журналах из списка ВАК, и 2 свидетельствах о регистрации программ для ЭВМ. Всероссийская межвузовская научнотехническая конференция студентов и аспирантов Микроэлектроника и информатика, г. Москва, г. XII и XIII Международные научнотехнические конференции Медикоэкологические информационные технологии, г. Курск, , г. Всероссийская научнопрактическая конференция с международным участием Информационные технологии в профессиональной деятельности и научной работе, г. ЙошкарОла, г. IX Международная научнотехническая конференция Физика и радиоэлектроника в медицине и экологии ФРЭМЭ, г. Владимир, г. XXIII Всероссийская научнотехническая конференция студентов, молодых ученых и специалистов Биотехнические, медицинские и экологические системы и комплексы Биомедсистемы, г. Рязань, г. XV Всероссийская научнотехническая конференция студентов, молодых ученых и специалистов Новые информационные технологии в научных исследованиях и в образовании ПИТ, г. Рязань, г. IX Всероссийская научная конференция Нейрокомпьютеры и их применение, г. Москва, г. Работа соответствует паспорту специальности Системный анализ, управление и обработка информации, поскольку результаты представляют собой научно обоснованные метод и алгоритмы решения задач повышения эффективности процессов поддержки принятия решений, относящихся к области обработки медицинской информации. Разработка специального математического и алгоритмического обеспечения систем анализа, оптимизации, управления, принятия решений и обработки информации, поскольку результаты исследования реализованы в виде зарегистрированного программного обеспечения. В работе предложены новые модели, методы и алгоритмы поддержки принятия диагностических решений и классификации состояния пациента. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Работа содержит 9 с.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.792, запросов: 244