Интеллектуальная система диагностирования глазных заболеваний человека

Размещено на http://www.allbest.ru/

Реферат

Ключевые слова: Интеллектуальная система, диагностика глазных заболеваний, медицинская диагностика, байесовкая сеть, наивный байесовский метод, формула байеса, экспертная система.

Цель работы: разработка интеллектуальной системы диагностирования глазных заболеваний человека.

В выпускной квалификационной работе проводится ознакомление с предметной областью, анализ аналогов разрабатываемого программного обеспечения, рассматриваются способы для разработки подобного приложения на основе байесовских сетей, и выполняется разработка приложения. Приведенное в бакалаврской работе сравнение аналогов наглядно показывает о несовершенстве офтальмологической медицинской области, о её развитии.

Практическая значимость проекта заключается в том, что подобных аналогов не известно в доступных источниках. Возможно, подобные существуют, но являются коммерческой тайной.

Результатами разработанного проекта могут воспользоваться многие медицинские учреждения, связанные с офтальмологией для усовершенствования своей деятельности, как в масштабах одной клиники, так и в федеральном масштабе.

В перспективах разработки возможно изменение метода расчёта для более точного и быстрого получения результата

Содержание

• Реферат
• Введение
• 1. Аналитическая часть
• 1.1 Постановка задачи
• 1.2 Актуальность создания системы
• 1.3 Описание предметной области
• 1.3.1 Понятие офтальмологии
• 1.3.2 Глазные заболевания и их симптомы
• 1.3.3 Виды и методы диагностики офтальмоилоги
• 1.3.4 Определение экспертных систем, достоинство и назначение
• 1.3.5 Области применения экспертных систем
• 1.4 Рассмотрение аналогов существующей системы
• 1.5 Целесообразность создания системы
• 1.6 Требования технического задания к автоматизированной системе
• 1.6.1 Назначение разработки
• 1.6.2 Требования к функциональным характеристикам
• 1.6.3 Стадии и этапы разработки
• 1.7 Теоретические сведения о байесовских сетях доверия
• 1.7.1 Представление нечётких знаний
• 1.7.2 Байесовская сеть
• 1.7.3 Наивный байесовский метод
• 1.7.4 Простейший пример байесовской сети
• 2. Проектная часть
• 2.1 Проектирование модели байесовской сети
• 2.2 Структура разрабатываемой системы
• 2.3 Разработка инфологической модели базы данных
• 2.4 Применение к другим областям медицинской диагностики
• 2.5 Преимущества веб-приложения
• 2.6 Обоснование выбора инструментария
• 2.6.1 Язык программирования PHP 5.3.13
• 2.6.2 PhpStorm
• 2.6.3 HTML и CSS
• 2.6.4 Denwer
• 3. Разработка системы
• 3.1 Разработка базы данных
• 3.2 Разработка классов
• 3.3 Описание методов
• 4. Описание пользовательского интерфейса и тестирование
• 4.1 Руководство пользователя
• 4.2 Тестирование системы
• Заключение
• Список литературы
• Приложение А
• Приложение Б
• Введение
• Зрение - самый ценный дар подаренный человеку природой, ведь именно благодаря данному виду ощущений мы получаем большую часть информации об окружающем мире, точность и полнота которой зависит от нормального функционирования зрительного аппарата.
• Через зрительный анализатор поступает до 80 % информации об окружающем мире и в процессе эволюции человека орган зрения приобрел достаточно высокую устойчивость к различным раздражителям и неблагоприятным факторам воздействия. Однако даже эти защитные механизмы не способны полностью избавить глаз от заболеваний. Поэтому глазные болезни встречаются достаточно часто.
• По данным Всемирной организации здравоохранения, во всем мире насчитывается около 37 миллионов слепых людей и 124 миллиона человек с плохим зрением. Каждые пять секунд в мире слепнет один взрослый человек, каждую минуту - ребенок. При этом три четверти случаев слепоты излечимы или предотвратимы. По расчетам ВОЗ, если не будут приняты срочные меры, к 2020 году число слепых в мире удвоится и достигнет 75 миллионов.[31]
• Какие-то заболевания глаз можно предотвратить, обратившись к офтальмологу и выполнив диагностику.
• Диагностика глазных болезней, как и любых других патологий, начинается со сбора жалоб пациента. Существуют определенные сочетания симптомов, которые позволяют поставить предварительный диагноз болезни глаз исходя исключительно из жалоб пациента. В некоторых случаях сочетания симптомов неспецифичны и в случае сомнения врач может направить пациента на анализ наиболее вероятных заболеваний. К тому же это инструмент автоматизации работы врача-офтальмолога, который упростит и облегчит опрос пациента. Помимо специалиста доступ к системе открыт для любого интересующегося. Для экономии времени, денег и нервов (себе и врачу) пациент может самостоятельно заполнить жалобы и узнать предварительный диагноз с помощью разработанной экспертной системы.
• Подобных систем мало. Имеются ввиду системы, основанные на опросе пациента, без сканирования сетчатки или глазного дна (существуют экспертные системы для диагностирования глазных заболеваний на основе изображения глазного дна, но они требуют работы со специалистом). Большинство систем оценивает общее состояние организма и в такой специализированной области не может дать удовлетворяющего ответа.
• Существуют аналогичные системы медицинской диагностики, реализованные в виде приложений и используемые в различных клиниках. Доступ к подобным системам имеют только сотрудники. Таким образом, являясь коммерческой тайной, они закрыты для изучения.
• Поэтому разработка интеллектуальной системы для автоматического диагностирования глазных заболеваний человека является актуальной.
• Для создания подобной экспертной системы для диагностики глазных заболеваний человека необходимы эффективные, компактные и понятные способы представления информации, связанные с неопределённостью. Для преодоления проблемы неопределенности знаний в области искусственного интеллекта были разработаны различные методы, применяемые при построении экспертных систем. Однако в последние годы внимание исследователей все больше привлекает теория вероятностей, с ее развитым и строго формализованным аппаратом, а именно байесовская сеть. В силу того, что байесовская сеть -- это полная модель для переменных и их отношений, она может быть использована для того, чтобы давать ответы на вероятностные вопросы. Наиболее часто БС используют для прогнозирования -- определение вероятности события при наблюдаемых причинах или диагностирования -- определение вероятности причины при наблюдаемых следствиях.
• Цель работы - разработка интеллектуальной системы диагностирования глазных заболеваний человека.
• Работа состоит из введения, четырех глав и заключения.
• Первая глава - теоретические аспекты офтальмологии: диагнозы, симптомы, факторы, аналоги существующих систем. Во второй главе - проектной, приводится описание проектирования системы: описание байесовских сетей, разработка база данных, выбор инструментов для реализации системы, обоснование выбора веб-приложения. В третьей главе предоставлены элементы реализации: описание создания базы данных и описание классов с методами. В четвертой главе представлены руководство пользователя и тестирование системы.

1. Аналитическая часть

1.1 Постановка задачи

Цель: разработка интеллектуальной системы диагностирования глазных заболеваний человека.

Задачи:

- изучение предметной области - офтальмологии;

- анализ продуктов, выполняющих аналогичные действия;

- изучение байесовских сетей и методов для расчёта решения байесовской сети;

- разработка приложения для диагностирования глазных заболеваний человека на основании полученной информации.

Разрабатываемый программный продукт - «Интеллектуальная система для диагностирования глазных заболеваний человека», далее именуемое как приложение. ПО предназначено для автоматизации работы врачей-офтальмологов в сборе жалоб пациента и диагностике заболеваний по этим жалобам и для самостоятельной диагностики заболеваний пациентами без специалиста. Работа приложения основана на байесовской сети доверия. Благодаря этому приложение за конечное время способно выдавать пользователю результат с приемлемой точностью.

Приложение должно функционировать через сеть Интернет. В настоящее время все большее количество программных продуктов переносится в Сеть, поэтому пользователям не нужно задумываться о его местоположении. Также это позволяет перенести всю вычислительную нагрузку с компьютера пользователя на внешний сервер. Еще одно преимущество Web-интерфейса - кроссплатформенность. Приложение должно работать одинаково для всех операционных систем, в том числе и мобильных. Это позволит увеличить круг пользователей.

Данная ЭС должна удовлетворять следующим требованиям:

- должна существовать база данных, в которой будет содержаться информация о диагнозах, симптомах, факторах и о пользователях;

- должна проводиться регистрация пользователей для работы с приложением, приложение должно быть доступно без регистрации;

- вся предоставляемая информация должна быть доступна пользователям системы через интернет;

- система должна опрашивать посетителя о его жалобах;

- выдача результатов работы системы в удобном для пользователя виде;

- система должна обладать группами прав, для разграничения доступа к управлению хранимой информацией;

- у системы должны быть методы для обучения экспертами.

Таким образом, выше были описаны основные функциональные возможности программного обеспечения.

Для достижения сформулированной цели необходимо решить следующие задачи:

- создать приложение для просмотра информации о диагнозах;

- выбрать инструментальные средства создания ЭС;

- реализовать алгоритм диагностики на основе байесовского метода;

- реализовать добавление новых диагнозов, симптомов, факторов в ЭС;

- реализовать возможность обучения экспертной системы.

1.2 Актуальность создания системы

По данным Всемирной организации здравоохранения, во всем мире насчитывается около 37 миллионов слепых людей и 124 миллиона человек с плохим зрением. В России, по данным независимых источников, каждый второй житель имеет какое-либо нарушение зрения. От воспалительных заболеваний ежегодно нарушается зрение у 4 млн. россиян. 60 процентов россиян старше 50 лет испытывают серьезные проблемы со зрением. При этом три четверти заболеваний можно было бы избежать при своевременной диагностике и лечении заболевания.

Данная экспертная система может применяться врачами-офтальмологами для автоматизации работы и для консультации в случае при неоднозначных симптомах не проводить анализ для всех заболеваний, а двигаться в сторону наиболее вероятных диагнозов.

На сегодняшний день подобная система будет актуальна тем, что большинство людей слишком заняты и не ценят своё здоровье, а поэтому не спешат идти к врачу, экономя время и деньги.

Подобных систем мало. Имеются ввиду системы, основанные на диалоге с пациентом. Существуют экспертные системы для диагностирования глазных заболеваний на основе изображения глазного дна, но они требуют работы со специалистом. Большинство систем оценивает общее состояние организма и в такой специализированной области не может дать удовлетворяющего ответа. Возможно, подобные системы существуют и установлены в различных клиниках, но доступ к ним имеют только сотрудники, вследствие чего их изучение затруднено.

Поэтому разработка экспертной системы диагностирования глазных заболеваний для автоматизации работы врача-офтальмолога и для взаимодействия с пациентом без специалиста является актуальной.

1.3 Описание предметной области

1.3.1 Понятие офтальмологии

Офтальмология ("ophthalmos" - глаз и "logos" - слово, наука) -- это область клинической медицины, которая занимается изучением этиологии, патогенеза и различных проявлений нарушений функции зрения человека. Эта наука изучает всевозможные заболевания органов зрения - глазного яблока и его придатков, окружающей глаз клетчатки и образующих глазницу костных структур.[1]

Врачей этой специальности называют офтальмологами, или окулистами (от лат. oculue - глаз). Офтальмология выделилась в самостоятельную дисциплину как из-за важности функций органа зрения, так и из-за особенностей методов его обследования.

Орган зрения является важнейшим орудием познания внешнего мира. Основная информация об окружающей действительности (до 70%) поступает в мозг именно через этот анализатор. Следует подчеркнуть, что глаз - это дистантный анализатор высшего порядка. Ему свойственно пространственное восприятие глубины, передвижения предметов, их удаленности, телесности. Неслучайно в ряде стран существовали религиозные секты, члены которых поклонялись богу в образе глаза. Хорошо известно, что даже незначительная потеря зрения может изменить судьбу человека. Что страшнее: жить слепым или умереть? Многие литературные произведения отвечают на этот вопрос так: лишить человека зрения - худшее наказание, чем лишить его жизни.

Офтальмология занимает заметное место в медицинской науке. Орган зрения или «зеркало души», как его называют в литературе, является одновременно неплохим «зеркалом здоровья» человеческого организма. Большинство заболеваний человека находят свое подтверждение в специфических глазных проявлениях. Для примера можно привести изменения глазного дна при гипертонической болезни, изменения сосудов при диабете, изменения зрительного нерва при внутричерепных новообразованиях и другие. Многие врачи других медицинских специальностей зачастую нуждаются в консультациях офтальмолога для уточнения прогноза заболевания или выбора оптимального варианта лечения. Если же искать точки соприкосновения офтальмологии с другими отраслями медицины, то можно с уверенностью сказать, что все они в той или иной мере связаны с офтальмологией.[2]

1.3.2 Глазные заболевания и их симптомы

По данным Всемирной организации здравоохранения, во всем мире насчитывается около 37 миллионов слепых людей и 124 миллиона человек с плохим зрением. Каждые пять секунд в мире слепнет один взрослый человек, каждую минуту - ребенок.

В России, по данным независимых источников, каждый второй житель имеет какое-либо нарушение зрения. От воспалительных заболеваний ежегодно нарушается зрение у 4 млн. россиян. 60 процентов россиян старше 50 лет испытывают серьезные проблемы со зрением, каждый пятый из них страдает глаукомой. Среди основных причин заболеваний органов зрения специалисты называют: воспалительные заболевания, травмы, близорукость, глаукома.

Человеческий глаз - это сложная оптическая система. Ни один, даже очень дорогой фотообъектив не может похвастаться такой точностью и яркостью передачи изображения. Глаз состоит из прозрачных сред (роговицы, внутриглазной жидкости в передней и задней камерах, хрусталика и стекловидного тела) и окружающих их оболочек, причем практически в любой из этих составляющих может выйти из строя, воспалиться. Именно по этим компонентам глаза и его придаточного аппарата основано разделение.

Классификация по МКБ - 10 Международная статистическая классификация болезней и проблем, связанных со здоровьем (обновлена в 2007 г.). Класс VII. Болезни глаза и его придаточного аппарата (H00-H59)

Болезни век, слезных путей и глазницы

Болезни конъюнктивы

Болезни склеры, роговицы, радужной оболочки и цилиарного тела

Болезни хрусталика

Болезни сосудистой оболочки и сетчатки

Глаукома

Болезни стекловидного тела и глазного яблока

Болезни зрительного нерва и зрительных путей

Болезни мышц глаза, нарушения содружественного движения глаз, аккомодации и рефракции

Зрительные расстройства и слепота. Другие болезни глаза и его придаточного аппарата.[3]

Список болезней, выбранных для тестирования приложения можно посмотреть в Приложении А.

Есть множество внешних и внутренних факторов, которые плохо сказываются на качестве зрения и ведут к проблемам.

Возраст.

Формирование глаза обычно заканчивается к 18 годам. Самый опасный возраст для развития близорукости - это 9-14 лет. Осложнения на глаза могут дать гормональные сбои в период полового созревания, колоссальная нагрузка во время учебы, экзаменов. 40 лет - это следующий «переходный» возраст для глаз, когда показываться офтальмологу нужно регулярно. К этому времени в зрительной системе, как и во всем организме, начинаются возрастные изменения. В них запускаются естественные процессы (дистрофические процессы), которые потом могут стать основой серьезных болезней глаз. После 55 лет большинству людей приходится сталкиваться с глазными заболеваниями. Самые распространенные: глаукома, катаракта, близорукость и центральная дистрофия сетчатки.

Наследственность.

Многие болезни передаются по наследству. Такие как астигматизм, близорукость, глаукома, дальнозоркость, макулодистрофия.

Общее состояние организма.

Различные заболевания - не менее важная причина ухудшения зрения. Покраснение, раздражение, слезотечение глаз сопровождают заболевания щитовидной железы, диабет, атеросклероз, гипертония, тяжелый ревматический артрит, заболевания кишечника, нарушения кровообращения при остеохондрозе.

Вредные привычки и влияние вредных веществ.

Вредные вещества, такие как алкоголь и наркотики или пристрастие к курению вызывает пагубные изменения во всём организме, а не только заболевания глаз. Курение может вызвать конъюнктивит, закупорку сосудов, табачную амблиопию. Алкоголь и наркотики - атрофию зрительного нерва.

Солнечный свет.

Воздействие на глаз сильного солнечного света может ускорить в течении длительного времени может ускорить процесс корковой катаракты.

Работа с компьютером.

В последнее 10-летие появился диагноз «компьютерный синдром». При длительной работе на ПК возникает синдром «сухого глаза».

Это не полный перечень причин, которые портят зрение: ветер, дым, смог, испарение лаков и красок, напряжение внимания при работе с ПК, длительный прием медикаментов, нанесение косметики и т.д.[4]

Список факторов, выбранных для тестирования приложения можно посмотреть в Приложении А.

Симптомы глазных заболеваний могут проявляться различно, это могут быть различные изменения зрения (центрального и бокового), неприятные ощущения (боли, рези, чувства инородного тела), а так же изменения на самом глазном яблоке или окружающих глаз тканях (образования на веках, выпадение ресниц). Данные симптомы могут возникать внезапно (молнии перед глазами, острая боль) или нарастать постепенно (снижение зрения, чувство сухости), оставаясь незаметными для человека в течении продолжительного времени. Как правило, большинство таких жалоб вызваны проблемами в органе зрения, но часто их появление связано и с общими заболеваниями организма.

Несмотря на все многообразие заболеваний глаз, пациенты, зачастую, имеют очень похожие симптомы глазных болезней.

Например, любое глазное воспаление проявляется покраснением глаза. Каждая инфекция конъюнктивы сопровождается отделяемым из глаза. Симптомами более серьезных заболеваний роговицы, сосудов глаза, сетчатки, хрусталика, является снижение остроты зрения. Далее приведены основные симптомы заболеваний глаз, которые пациент может заметить самостоятельно. Большинство из них является поводом для обращения к специалисту.[5]

Боль или дискомфорт в области век самая частая жалоба может характеризовать множество глазных заболеваний.

Липкое отделяемое из глаза может быть из-за блефарита, дакриоцистита или конъюнктивита.

Вспышки света могут появиться вследствие отслойки сетчатки или стекловидного тела, разрыва сетчатки.

Двоение или диплопию могут вызвать астигматизм, диабетическая ретинопатия, кератоконус.

Снижение зрения вызывают многие заболевания.

Искажение видимых объектов может быть из-за астигматизма, кератоконуса или макулодистрофии.

Многие заболевания вызывают покраснение век или глаза.

Опухоль на веках любого цвета появляется из-за базалиомы, халязиона или ячменя.[12,13]

И это не полный список симптомов.

Список симптомов, выбранный для тестирования приложения можно посмотреть в Приложении А.

1.3.3 Виды и методы диагностики офтальмоилоги

Офтальмология стала самостоятельным направлением в медицине, отделившись от общей хирургии в XIX в. Позже она разделилась на виды, основанные на методах лечения.

Клиническая офтальмология занимается вопросами консервативного лечения патологий глаза, хирургическая - оперативными вмешательствами на органах зрения. Отдельно стоит неотложная офтальмология, которая решает острые состояния, такие как травмы глаза, ожоги роговицы, отслоение сетчатки и другие.

Для диагностики офтальмологических заболеваний используется множество разнообразных специальных методов исследования. В настоящее время глазной врач в своей работе использует периметр, офтальмоскоп, щелевую лампу, тонометр, гониоскоп, таблицы для определения остроты зрения (см. рис. 1.1) и цветоощущения, эхографическое и электрофизиологическое оборудование, аппараты для оценки циркуляции крови и внутриглазной жидкости. С помощью этих методов офтальмолог может довольно точно определить зрительные функции и физиологические параметры глаза, визуально оценить состояние его тканей и образований, наблюдать патологические процессы и т. д.[6]

Рисунок 1.1 - Таблица Д.А. Сивцева для исследования остроты зрения

Обилие методов объясняется многообразием функций глаза и его доступностью для наблюдения. Именно многообразие методов исследования и их высокая разрешающая способность позволяет офтальмологам довольно точно распознавать патологии у большинства больных. Установить диагноз существенно помогает также детальный опрос больного.[6]

Диагностика зрения - это наиболее важный этап в борьбе за здоровье глаз. Существуют серьезные глазные заболевания, оказывающие значительное влияние на зрение. Ранняя диагностика и лечение этих заболеваний являются основным способом предупреждения частичной потери зрения, а иногда и слепоты. Более того, в результате диагностики можно по глазным проявлениям обнаружить на начальных стадиях такие общие заболевания, как: гипертоническая болезнь, сахарный диабет, атеросклероз, туберкулез, ревматизм, шейный остеохондроз, болезни щитовидной железы и многие другие.

Качественная диагностика напрямую зависит от технического оснащения.

Помимо приборов, которые предоставляют данные для офтальмолога (ретинальная камера, щелевая лампа, пахиметр), на основании которых он заключает диагноз, существуют экспертные системы, разработанные для диагностики и помощи врачам. При работе подобных систем врач не принимает участия или его участие минимально.

1.3.4 Определение экспертных систем, достоинство и назначение

Экспертные системы - это яркое и быстро прогрессирующее направление в области искусственного интеллекта. На протяжении всего своего существования экспертные системы вызывают к себе повышенный интерес. Причиной этого интереса является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было бы создано ни одной экспертной системы или, по крайней мере, такие попытки не предпринимались бы.[7]

Экспертная система - это программное обеспечение, которое выполняет функции эксперта при решении какой-либо компетентной ему задаче. Экспертная система оперирует со знаниями, которые определённым образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы. Экспертные системы ориентированы на решение задач, которые требуют проведения экспертизы человеком-экспертом. Они выдают советы, дают консультации, выполняют классификацию и ставят диагноз. В отличие от программ, использующих процедурный анализ, экспертная система решает задачи в конкретной предметной области на основе дедуктивных рассуждений. Подобные системы нередко способны найти решение задачи, которая плохо определена или не структурирована. Это полезно в тех системах, где существует недостаток знаний или невозможно провести полный анализ. Главное достоинство экспертной системы - возможность накапливания знаний, сохранение их длительное время, обновление и тем самым обеспечение относительной независимости конкретной организации от наличия в ней квалифицированных специалистов.

Обычная статическая ЭС состоит из следующих основных компонентов (рис. 2.):

- решателя (интерпретатора);

- рабочей памяти (РП), называемой также базой данных (БД);

- базы знаний (БЗ);

- компонентов приобретения знаний;

- объяснительного компонента;

- диалогового компонента.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

База знаний в экспертной системе предназначена для хранения долгосрочных данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует последовательность правил, которые применяются к исходным данным и приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения экспертную систему знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она использовала в процессе.

Искусственный интеллект - самое молодое научное направление. Появление его было подготовлено развитием мощности вычислительных машин.

Рисунок 1.2 - Структура статической ЭС

Искусственный интеллект занимает исключительное положение. Это связано со следующим: сейчас часть функций программирования оказалось возможным передать машине. При этом общение с машиной происходит на языке, близком к разговорному. Для этого в ЭВМ закладывают огромную базу знаний, способы решения, правила, процедуры синтеза, программы, а также средства общения, позволяющие пользователю легко общаться с ЭВМ. Если раньше производство ориентировалось на участие человека, то в настоящее время находят применение технологиям, основанным на роботизации и автоматизации системы управления. Интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия.

Системы, относящиеся к системам искусственного интеллекта в настоящее время:

- экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний экспертов в ЭВМ и разработке специальной системы по их использованию.

- системы естественно-языкового общения. Данные системы позволяют производить обработку связанных текстов по какой-либо тематике на естественном языке.

- системы речевого общения.

- системы обработки визуальной информации. Находят применение в обработке аэрокосмических снимков, данных, поступающих с датчиков.

- системы машинного перевода.

1.3.5 Области применения экспертных систем

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями:

1. данные и знания надежны и не меняются со временем;

2. пространство возможных решений относительно невелико;

3. в процессе решения задачи должны использоваться формальные рассуждения;

4. должен быть по крайней мере один эксперт, способный явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.

В таблице 1.1 приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения экспертных систем.

Таблица 1.1 - Критерий применимости экспертных систем

Применимы	Неприменимы
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.	Имеются эффективные алгоритмические методы.
Есть эксперты, которые способны решить задачу.	Отсутствуют эксперты или их число недостаточно.
По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.	Задачи носят вычислительный характер.
Доступные данные "зашумлены".	Известны точные факты и строгие процедуры.
Задачи решаются методом формальных рассуждений.	Задачи решаются процедурными методами, с помощью аналогии или интуитивно.
Знания статичны (неизменны).	Знания динамичны (со временем изменяются).

В целом экспертную систему не рекомендуется применять для решения следующих типов задач:

- математических, решаемых обычным путем формальных преобразований и процедурного анализа;

- задач распознавания, поскольку в общем случае они решаются численными методами;

- задач, знания о методах решения которых отсутствуют (невозможно строить базу знаний).[8]

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: медицинская диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

Диагностика.

Системы диагностирования используются для установления связи между нарушениями их возможными причинами. Наиболее часто это медицинская диагностика или техническая. MYCIN - самая известная медицинская система, которая предназначена для диагностики и наблюдения за состоянием больного при бактериальных инфекциях и менингите.

Прогнозирование.

Прогнозирующие системы предсказывают возможные результаты или события на основе данных о текущем состоянии объекта (погода, урожайность, поток пассажиров).

Планирование и проектирование.

Такие системы предназначены для достижения конкретных целей при решении задач с большим числом переменных (консультации по приобретению товаров, проектирование космических станций и так далее).

Интерпретация.

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. PROSPECTOR одна из наиболее известных интерпретирующих систем. Этой системе удалось обнаружить залежи руды стоимостью в миллион долларов, причём наличие этих залежей не предполагал ни один из экспертов. Другая система подобного типа - HASP/SIAP. Она определяет местоположение и тип судов в океане по данным акустических систем слежения.

Контроль и управление.

Интеллектуальные системы контроля могут принимать решения, анализируя данные, поступающие от нескольких источников. Их применение - это работа на атомных электростанциях, управление воздушным движением и осуществление медицинского контроля. Они полезны для оказания помощи при выработке решений в критических ситуациях и при регулировании финансовой деятельности предприятия.

Обучение.

Экспертно-обучающие системы реализуют такие педагогические функции, как обучение, контроль, диагностику и тестирование знаний обучаемого. Подобные системы создают модель того, что обучающийся знает и как он эти знания применяет к решению проблемы. Системы диагностируют и указывают обучающемуся его ошибки, анализируя модель и строя планы исправлений указанных ошибок.

Большинство экспертных систем включают знания, по содержанию которых их можно отнести одновременно к нескольким типам.[9]

Методы искусственного интеллекта нашли широкое применение в области диагностики заболеваний. Интеллектуальные системы в области медицинской диагностики направлены на поддержку принятия решения о характере заболевания практикующим врачом на основании результатов различных медицинских обследований и данных о самочувствии пациента.

Большинство таких систем носят прескриптивный характер, то есть имеют вид правил: если есть такие наблюдения, то необходимо делать такое вмешательство.

1.4 Рассмотрение аналогов существующей системы

Существуют аналогичные системы, реализованные в виде приложений и используемые в различных клиниках. Доступ к подобным системам есть только у сотрудников клиники. Из-за того, что они являются коммерческой тайной, их сложно изучить.

Рассмотрим другие экспертные системы, действия которых не аналогичны, но они известны.

Диагноз.ру - известная система онлайн-диагностики (рисунок 1.3). Это система постановки диагноза по симптомам. Система бесплатная, создана в 2002 году. Система широкого профиля, помимо глазных заболеваний может диагностировать болезни кожи, крови, нервной системы и т.д. Используется искусственный интеллекта на базе нечеткой логики (fuzzy logic), что позволяет получить результаты диагностики, по достоверности близкие к клиническим. Достоверность результатов системы на данный момент составляет в среднем 68%.

CASNET/GLACOMA - это медицинская экспертная система для диагностики и выдачи рекомендаций по лечению глазных заболеваний, связанных с глаукомой. На ее основе разработан язык инженерии знаний EXPERT, с помощью которого создан ряд других медицинских диагностических систем по офтальмологии, ревматологии и эндокринологии. Особенностью этого семейства систем является явное выделение понятия факта (априорно известных или опытных данных) и гипотезы (предположительного диагноза или рекомендации) и использование правил, логически связывающих факты между собой и гипотезы с фактами.[10]

Рисунок 1.3 - Система диагностики Диагноз.ру

Другая компьютерная система диагностики глазных заболеваний DIADEL предназначена для автоматического установления раннего диагноза глазных заболеваний (диабетическая ретинопатия, отделение сетчатки, глаукома) по состоянию сосудистой системы на цифровых изображениях глазного дна человека (рисунок 1.4).

Система автоматически подсчитывает около десятка характерных признаков кровеносных сосудов на изображениях глазного дна: число разветвлений, углы разветвлений, извилистость сосудов, средний диаметр, амплитуду и частоту вариации толщины сосудов и другие параметры.

Современные компьютеризированные диагностические приборы, отмечают малейшие отклонения от нормы, определяют наличие заболевания на самых ранних стадиях его появления, гарантируют точность постановки диагноза и составление полной картины зрительной системы пациента, фиксируют и прогнозируют возникновения заболевания. [11]

Рисунок 1.4 - Система DIADEL

Все эти системы обладают либо широкой областью применения, либо узкой областью применения и может использоваться по назначению только в ней.

1.5 Целесообразность создания системы

Если задаться вопросом, для чего подобной системе представительство в сети, можно выделить несколько моментов. Во-первых, это система для диагностирования глазных заболеваний. Любой интересующийся человек может пройти диагностику и получить достоверные сведения. Во-вторых, это система для автоматизации работы врача и любой врач может провести диагностику пациента и, в случае сомнения, направить больного на анализы наиболее вероятного заболевания. В-третьих, это канал распространения информации о глазных заболеваниях. В-четвёртых, это инструмент косвенного побуждения пойти на приём к офтальмологу.

Но при всех очевидных преимуществах у большинства клиник не подобных систем диагностики. У некоторых есть, но к ним имеют доступ только сотрудники клиники и они не распространены.

Многие больницы понимают, что подобное приложение необходимо, но не знают, как подступиться к этому вопросу, так как сразу возникает несколько проблем:

- отсутствие оборудования или подключения к сети Интернет в больнице;

- отсутствие большого числа экспертов для обучения системы;

- отсутствие финансовых средств на разработку и поддержку приложения.

А существующие приложения в малочисленных клиниках могут доставлять ряд проблем. Проблемы могут быть следующие:

- необходимо обучение для работы с программой;

- сложная и неудобная система обучения или отсутствие таковой;

- конфликты с разработчиками, сложность в поддержке приложения;

- нюансы взаимодействия: зачастую заказчики доверяются разработчикам в заключении договоров на хостинг и доменное имя, а при прекращении отношений часто теряют доступ к управлению доменом, хостингом, сайтом.

Отсутствие оборудования и подключения к сети Интернет обсуждать сложно, так как это вопрос бюджета и компьютеризации конкретной организации или региона.

Остальные проблемы решаемы: необходимо найти систему, с которой могли бы работать простые пользователи компьютера, и построить отношения с разработчиками так, чтобы ежедневное использование сайта от них не зависело.

Сегодня существуют различные возможности для создания. Можно обратиться к услугам профессионалов или создать сайт самостоятельно.

Для управления сайтом достаточно одного человека. Он должен разграничивать права пользователей на обычных и экспертов, которые могут обучать систему. Поэтому перед разработкой сайта необходимо точно определить на кого точно ориентируется сайт, какую информацию и в каком виде разместить на страницах, разработать стратегию работы с целевой аудиторией.

Так же необходимо помнить, что нельзя ориентироваться только на пользователей. Конкуренты, СМИ, спонсоры и т.д. могут быть заинтересованы сайтом подобного типа и к ним нужно относиться терпимо и тоже учитывать их.

Сайт должен постоянно обновляться, администраторы должны повышать его притягательность, стимулировать интерес пользователей. Сеть Интернет предлагает своим пользователям миллионы веб-сайтов и совершенно невообразимый объём информации. Хоть это и узкоспециализированный сайт, большое внимание нужно уделить визуальным характеристикам сайта, сделать его притягательным, интересным, удобным и запоминающимся

Перспективы развития подобного приложения огромны. Так как на сегодняшний день интернет заполонил жизнь обычного человека и такие интерактивные элементы как форумы, блоги, получение сертификатов, интеграция с социальными сетями, необходимы для сайта. Это привлечёт посетителей и даст рекламу в социальных сетях. А размещаемая на сайте реклама частично покроет расходы на поддержку и развитие сайта. Стоит так же рассмотреть возможность интеграции приложения в систему регистратуры конкретной больницы и записи к специалисту.

1.6 Требования технического задания к автоматизированной системе

1.6.1 Назначение разработки

Разрабатываемый программный продукт предназначен для диагностирования глазных заболеваний человека по описанию симптомов с помощью байесовских сетей доверия. Данный продукт может использоваться пользователями как консультант для автоматизации работы.

1.6.2 Требования к функциональным характеристикам

Программный продукт должен обеспечивать выполнение следующих функций:

1. ввод логина и пароля для регистрации нового пользователя приложения;

2. авторизация для уже зарегистрированных пользователей;

3. опрос пользователя о его жалобах;

4. вывод результата диагностики по жалобам пациента;

5. страница с описанием каждого диагноза, с его симптомами и факторами, которые могут повлиять на возникновение подобного заболевания;

6. добавление нового диагноза, симптома или фактора^*** Функции и другие действия, доступные только пользователям с уровнем «эксперт»^*;

7. добавление новых связей типа «диагноз-симптом», «диагноз-фактор»^**;

8. возможность ведения для каждого пользователя таблицы предварительных диагнозов^**;

9. добавление и удаление записей из таблицы предварительных диагнозов^**;

10. обучение сети через добавление записи из таблицы предварительных диагнозов^**;

11. возможность обучение сети из выводимого результата работы приложения^**;

12. наличие страницы с описанием приложения.

Входные данные от пользователей:

1. логин и пароль;

2. список отмеченных симптомов и факторов;

3. название симптома, фактора, диагноза^**;

4. диагноз с набором симптомов и факторов^**;

5. предварительный диагноз: диагноз, симптомы, факторы^**;

6. выбор предварительного диагноза^**.

Выходные данные приложения:

1. список наиболее вероятных диагнозов;

2. таблица с предварительными диагнозами^**;

3. описание диагнозов.

1.6.3 Стадии и этапы разработки

- техническое задание - формулирование назначения, необходимой функциональности, особенностей используемых технических средств;

- эскизный проект - построение модели (внутреннее представление данных), вида (интерфейса пользователя), определение согласования между ними;

- технический проект - реализация ввода входных данных, интерфейса пользователя;

- рабочий проект - реализация всех необходимых функций для требуемого продукта, определенных в техническом задании, выполнение назначения продуктом согласно техническому заданию;

- проведение испытаний программы.

1.7 Теоретические сведения о байесовских сетях доверия

1.7.1 Представление нечётких знаний

Для создания экспертной системы для диагностики глазных заболеваний человека необходимы эффективные, компактные и понятные способы представления информации, связанные с неопределённость. Так как при решении реальных задач часто возникают ситуации неопределенности, которые можно разделить на две категории: отсутствие достаточно полного и достоверного знания о предметной области и отсутствие возможности получить исчерпывающую информацию о конкретном состоянии среды, объекте, ситуации и т.п.

В первом случае речь может идти о плохо изученных явлениях, противоречивых теориях или нечетко сформулированных концепциях. Возможна также и противоположная ситуация: предметная область хорошо изучена, но эксперты предпочитают прибегать к неформальным, но более эффективным, эвристическим приемам, вместо использования рутинных точных методов.

Существуют и более прозаичные источники неопределенности знаний, любая информация обладает некоторой погрешностью, допустим процент ошибок, обусловленных «человеческим фактором». Возможно, также, что приходиться пользоваться информацией, полученной ранее, и которую невозможно не проверить, не дополнить не получить повторно.

Для преодоления проблемы неопределенности знаний в области искусственного интеллекта были разработаны различные методы, применяемые при построении экспертных систем. Наиболее неформальный подход - это использование коэффициентов уверенности, выражающих степень достоверности знания (пример использования MYCIN). Альтернативный способ заключается в использовании теории вероятности. Однако не ясно, как с помощью вероятности представить такие понятия как «часто», «иногда», «старый», «высокий» и т.п. Кроме того, теория вероятности подразумевает значительное количество вычислений, для обновления вероятностных оценок. Широкое распространение получили также аппараты нечеткой логики теории и функций доверия. Однако в последние годы внимание исследователей все больше привлекает теория вероятностей, с ее развитым и строго формализованным аппаратом.

Рассмотрим подробнее теорию вероятности для весьма эффективного её использования в представлении неопределённости знаний, а именно байесовскую сеть.

1.7.2 Байесовская сеть

Байесовская сеть (или байесова сеть, байесовская сеть доверия, англ. Bayesian network, belief network) -- графическая вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей.

Математический аппарат байесовых сетей создан американским ученым Джудой Перлом, лауреатом Премии Тьюринга (2011 г.).

Формально, байесовская сеть -- это направленный ациклический граф, каждой вершине которого соответствует случайная переменная, а дуги графа кодируют отношения условной независимости между этими переменными. Вершины могут представлять переменные любых типов, быть взвешенными параметрами, скрытыми переменными или гипотезами.

В силу того, что байесовская сеть -- это полная модель для переменных и их отношений, она может быть использована для того, чтобы давать ответы на вероятностные вопросы. Это процесс вычисления апостериорного распределения переменных по переменным-свидетельствам называют вероятностным выводом. Это следствие дает универсальную оценку для приложений, где нужно выбрать значения подмножества переменных, которое минимизирует функцию потерь, например, вероятность ошибочного решения.[15]

Байесовская сеть позволяет получить ответы на следующие типы вероятностных запросов:

- нахождение вероятности свидетельства,

- определение априорных маргинальных вероятностей,

- определение апостериорных маргинальных вероятностей, включая:

§ прогнозирование, или прямой вывод, -- определение вероятности события при наблюдаемых причинах,

§ диагностирование, или обратный вывод (абдукция), -- определение вероятности причины при наблюдаемых следствиях,

§ межпричинный (смешанный) вывод (intercausal inference) или трансдукция, -- определение вероятности одной из причин наступившего события при условии наступления одной или нескольких других причин этого события.

- вычисление наиболее вероятного объяснения наблюдаемого события (Most probable explanation, MPE),

- вычисление апостериорного максимума (Maximum a-posteriori, MAP).

В основе байесовских сетей лежит теорема Байеса (формула перерасчета гипотез) теории вероятностей для определения апостериорных вероятностей попарно несовместных событий B_i по их априорным вероятностям:

.

Вероятности гипотезы называется апостериорной вероятностью события после наблюдения A, тогда как - априорная вероятность.

Разрабатывая концептуальную модель предметной области, инженер может увидеть, что предметная область хорошо описывается в терминах событий, вероятностей событий, а также причинно-следственных взаимосвязей между ними.

Например, в этих терминах может быть описана задача поиска причин неисправностей. Так - событие А может быть следствием каких-то событий Н. В терминах продукционной модели можно записать:

Если Н, то А, т.е. если происходит событие Н, то произойдет и событие А.

Есть два события Н и , которые составляют полную группу событий и несовместны. Формула полной вероятности события А имеет следующий вид:

,

где Р(Н), P() - априорная вероятность событий Н и соответственно; Р(А/Н), Р(А/) - условные вероятности того, что в результате Н произойдет А или в результате произойдет А.

В задаче диагностики А уже произошло, и ищется причина - произошло А по вине Н или по какой-то иной причине, т.е. .

Формула Байеса позволяет оценить апостериорные вероятности причин, в рассматриваемом случае Н и .

Если Р(Н) > Р(), то более вероятной причиной считается событие H, в противном случае не H.

В конкретных задачах для экспертной системы можно определить больше причин, чем две. Формула Байеса для случая, когда предполагается n несовместных событий, составляющих полную группу:

.

В диагностической системе взаимосвязь между разными событиями может быть более сложная - многоуровневая (рисунок 1.5).

Рисунок 1.5 - Граф связей между событием А и его причинами

Связи на рисунке 1.5 означают, что событие есть результат возможных причин -Е₁ и Е₂, т.е.:

Тогда диагностика причин происходит последовательно. Сначала вычисляются апостериорные вероятности причин события А:

Обозначим р - . Далее по формуле Байеса находятся вероятности и . В данном случае однозначной уверенности в возникновении нет, т.е. событие-причина произошло с вероятностью р. Отсюда и вероятность того, что или стали причинами для А, вычисляется с учетом р:

Таким образом, вычисляя все вероятности событий - вершин на графе и доходя до нижнего уровня, рассчитываются вероятности всех возможных причин. [16]

Существенным недостатком способа представления знаний на основе формулы Байеса является то, что необходимо заложить в систему много информации об априорных и условных вероятностях. Это трудоемко тем больше, чем более сложной является задача. В этом случае еще более разнообразен граф связей в БЗ (см. рисунок 1.5), который может расти как за счет уровней, так и за счет числа событий на верхних уровнях.

Значения априорных и условных вероятностей могут вычисляться на основе статистических сведений, или это могут быть экспертные оценки вероятностей. В последнем случае говорят о субъективной вероятности событий.

Помимо метода грубой силы (полного перебора) существует несколько подходов к построению алгоритмов. Наиболее значимые можно условно разделить на три категории:

1. Упрощение модели. Эти методы пытаются упростить оригинальную модель. Тогда точные алгоритмы могут применяться эффективно в упрощенной сети для получения приближенного решения исходной задачи. Одни действия включают сокращение ребер первоначальной сети, соответствующие слабой зависимости в модели. Другие упрощения включают снижение мощности узлов или кликов. Также может быть включена установка параметров для простой логистической функции, используя вариационные методы.

2. Основанные на поиске. Пытаются найти наиболее вероятные частичные назначения с большой вероятностью совместного распределения вероятностей. Эти методы могут получить хорошую оценку сети практически при всех крайних условных вероятностях, т. е. когда вероятность в узле очень близка к нулю или единице. Трудно получить обоснованную точность при общей сети, которая не удовлетворяет этому условию.

3. Стохастической выборки (Монте-Карло алгоритмы). Они порождают случайно выбранные назначения сети в соответствии с вероятностями в модели, а затем вычисляют частоту назначений для наблюдения, как приближение для задачи вывода. Выделяют следующие алгоритмы: алгоритмы формирования выборок с исключением, метод оценки выборок с учетом правдоподобия, алгоритм МСМС (англ. Markov chain Monte Carlo) и др.

Остальные алгоритмы ориентированы на Байесовские сети доверия специфического вида, что серьёзно ограничивает область их применения.[17]

1.7.3 Наивный байесовский метод

Как известно, формула Байеса позволяет поменять местами причину и следствие в формулах с условными вероятностями:

.

Пусть в качестве A будет рассматриваться причина, а в качестве B - набор следствий (вектор предикторов) . В этих обозначениях формула Байеса перепишется следующим образом:

Но задачу можно упростить, если предположить, что все признаки независимы друг от друга. Тогда можно вероятность сложного события записать в виде произведения вероятностей каждого события в отдельности:

Намного проще найти n одномерных функций, чем одну n-мерную функцию. При увеличении размерности задачи (количества признаков) выигрыш ещё более заметен.

Таким образом, наивный байесовский метод -- это простой вероятностный метод, основанный на применении Теоремы Байеса с (наивными) предположениями о независимости предикторов:

Несмотря на свою простоту, скорость и интерпретируемость результатов, наивно-байесовский алгоритм имеет недостатки:

- перемножать условные вероятности корректно только тогда, когда все входные переменные действительно статистически независимы; допущение этой независимости и обуславливает уточнение "наивно-" в названии алгоритма, хотя, по приведенным в примерам он показывает неплохие практические результаты даже при несоблюдении условия статистической независимости; корректно данная ситуация обрабатывается только более сложными методами, основанными на обучении байесовских сетей;