სახელი გვარი - საქართველოს ტექნიკური უნივერსიტეტი

Мануков Серго
Экспертная система диагностики заболеваний челюстно-лицевой
области
представлена на соискание академической степени
доктора
Грузинский Технический Университет
Тбилиси, 0175, Грузия
Февраль, 2008
© Авторское право Серго Мануков, 2008
საქართველოს ტექნიკური უნივერსიტეტი
ინფორმატიკისა და მართვის სისტემების ფაკულტეტი
ჩვენ, ქვემორე ხელისმომწერნი ვადასტურებთ, რომ გავეცანით სერგო
მანუკოვის მიერ შესრულებულ სადისერტაციო ნაშრომს დასახელებით:
“ყბა–სახის დაავადებათა დიაგნოსტიკის ექსპერტული სისტემა”
ვაძლევთ
რეკომენდაციას
საქარველოს
ტექნიკური
და
უნივერსიტეტის
ინფორმატიკისა და მართვის სისტემების ფაკულტეტის სადისერტაციო
საბჭოში მის განხილვას დოქტორის აკადემიური ხარისხის მოსაპოვებლად.
თარიღი
ხელმძღვანელი:
რეცენზენტი:
რეცენზენტი:
რეცენზენტი:
ii
საქართველოს ტექნიკური უნივერსიტეტი
2008
ავტორი:
მანუკოვი სერგო
დასახელება:
“ყბა–სახის
დაავადებათა
დიაგნოსტიკის
ექსპერტული სისტემა”
ფაკულტეტი :
ინფორმატიკისა და მართვის სისტემების
აკადემიური ხარისხი:
ასპირანტი
სხდომა ჩატარდა:
ინდივიდუალური
პიროვნებების
ან
ინსტიტუტების
მიერ
ზემომოყვანილი დასახელების დისერტაციის გაცნობის მიზნით მოთხოვნის
შემთხვევაში მისი არაკომერციული მიზნებით კოპირებისა და გავრცელების
უფლება მინიჭებული აქვს საქართველოს ტექნიკურ უნივერსიტეტს.
ავტორის ხელმოწერა
ავტორი ინარჩუნებს დანარჩენ საგამომცემლო უფლებებს და არც
მთლიანი ნაშრომის და არც მისი ცალკეული კომპონენტების გადაბეჭდვა ან
სხვა რაიმე მეთოდით რეპროდუქცია დაუშვებელია ავტორის წერილობითი
ნებართვის გარეშე.
ავტორი
ირწმუნება,
რომ
ნაშრომში
გამოყენებული
საავტორო
უფლებებით დაცული მასალებზე მიღებულია შესაბამისი ნებართვა (გარდა
იმ მცირე ზომის ციტატებისა, რომლებიც მოითხოვენ მხოლოდ სპეციფიურ
მიმართებას
ლიტერატურის
ციტირებაში,
როგორც
ეს
მიღებულია
სამეცნიერო ნაშრომების შესრულებისას) და ყველა მათგანზე იღებს
პასუხისმგებლობას.
iii
რეზიუმე
rTulad formalizebad sferoebSi marTvis amocanebis gadaswyvetad ZiriTadad
gamoiyeneba eqspertuli sistemebi. eqspertuli sistemebis gamoyenebis praqtikam
aCvena, rom maT mier formirebuli gadawyvetilebani arafriT Camouvardeba, umetes
SemTxvevaSi ki ukeTesia adamian-eqspertis mier miRebulze. kompiuteruli
diagnostikis efeqturi meTodebis SemuSaveba da eqspertuli sistemebis gamoyeneba
saSualebas iZleva praqtikos-eqimis samuSao droisa da energiis didi danaxarjebis
gareSe uzrunvelyofil iqnas pacientis mkurnalobis TiToeul SemTxvevaSi _
individualurad zusti diagnostikuri gadawyvetilebis miReba. yba-saxis aris
daavadebaTa diagnostikur sistemis Seqmnis aucilebloba ganpirobebulia rogorc am
daavadebaTa sirTuliT, aseve imiT, rom SeuZlebelia dadgindes pacientis paTologiuri
mdgomareobis zusti da konkretuli SesaZlo simptomebi. diagnostika TiToeul
konkretul SemTxvevaSi warmoadgens rTul inteleqtualur process, romelSic Sedis
analogiis, ganzogadebis, deduqciuri daskvnebis meTodebi da diagnostikuri da
simptomaturi informaciis didi raodenobis Sejereba. amasTan, pacientisTvis diagnozis
dasasmelad, ZiriTadad, gamoiyeneba konkretuli eqimis gamocdilebasa da statistikaze
damyarebuli codna. mkurnalobis Tanamedrove meTodebis gamoyenebiT diagnostikis
intensiuri ganviTareba aucilebels xdis Seicvalos praqtikos eqimTa Camoyalibebuli
principebis da mkurnalobis xerxebi. kompiuterul bazaSi codnis CarTva, swori
daskvnebisaTvis misi moxerxebuli meqanizmebis gamoyeneba eqims saSualebas
aZlevs isargeblos medicinis ukanaskneli miRwevebiT Tavis praqtikul
moRvaweobaSi.
sistematizaciisa da zusti diagnostikis mizniT aucilebelia iseT monacemTa
damuSaveba, rogoricaa klinikuri simptomebi da gamokvlevis damatebiTi meTodebis
Sedegebi. pirvel rigSi xdeba praqtikos eqim-stomatologis azriT, diagnostikisaTvis
aucilebeli, pacientis paTologiuri mdgomareobis klinikuri informaciis gansazRvra, ris
Semdegac, rTuli inteleqtualuri procesis Sedegad, mkurnali eqimi-stomatologi
gansazRvravs winaswar diagnozs, romlidan gamomdinarec, diagnostikuri hipoTezis
dasazusteblad, atarebs garkveul samkurnalo procedurebs, an gamokvlevis damatebiT
meTodebs. yba-saxis aris daavadebis klinikuri suraTis ganmsazRvrel mraval faqtorTa
arseboba, maTi daavadebaze zemoqmedebis xarisxis dadgena, mniSvnelovnad
arTulebs zusti diagnozis dasmis process.
dResdReobiT,
yba-saxis
aris
daavadebaTa
diagnostikur
sferoSi
gamoyenebaSia uamravi informaciuli da eqspertuli sistema. Tumca am informaciul
sistemebSi gadauwyveti rCeba diagnozis dasmasTan dakavSirebuli principuli
sakiTxebi. iseTi, rogoricaa diagnozis dasmis struqturul meqanizmze moqmedi ybasaxis aris daavadebaTa Taviseburebebis (semantikis) problemaTa gamokvleva.
Sedegad, diagnostikur gadawyvetilebaTa miRebis gamoyenebuli meTodebi ar iZleva
zusti diagnizis dasmis saSualebas.
sadisertacio naSromis ZiriTad mizans warmoadgens formaluri modelebis da
meTodebis SemuSaveba yba-saxis daavadebaTa diagnostikis eqspertuli sistemis
asagebad.
sadisertacio naSromi Sedgeba Sesavalisa da oTxi Tavisagan.
SesavalSi dasmulia diagnostikis amocana da warmodgenilia stomatologiaSi
eqspertuli sistemis gamoyenebis aqtualoba. dasmuli amocanis gadawyvetis mizniT
SemoTavazebulia yba-saxis aris daavadebaTa diagnostikis eqspertuli sistemis
gamoyeneba. gansazRvrulia ZiriTadi mizani, amocanebi, maTi amoxsnis meTodebi
da naSromis Sedegebi.
iv
pirvel TavSi moyvanilia stomatologiaSi informaciuli teqnologiebis
gamoyenebis Sesaxeb dResdReobiT arsebuli naSromebis mimoxilva. miTiTebulia
medicinaSi eqspertuli sistemaTa gamoyenebis rogorc dadebiTi, aseve uaryofiTi
aspeqtebi. aRwerilia SesaZleblobani da mocemulia rekomendaciebi iseTi eqspertuli
sistemis Sesaqmnelad, romelSic ganoiyeneba specialist stomatologTa gamocdileba da
codna. gaanalizebulia medicinaSi da konkretulad stomatologiasa da yba-saxis
qirurgiaSi arsebuli informaciuli sistemebi. SemoTavazebulia yba-saxis daavadebaTa
diagnostikis eqspertuli sistemis arqiteqtura da moyvanilia sadisertacio naSromSi
gadasawyveti amocanebi.
meore TavSi ganixileba diagnostikur gadawyvetilebaTa formirebis meTodi
yba-saxis aris daavadebaTa diagnostikis eqspertul sistemaSi. SemuSavebulia
simptomatikuri faqtebisa da diagnostikur gadawyvetilebaTa warmoqmnis
formalizebuli warmodgenis meTodika algebruli sistemis saxeobis modelis saSualebiT.
warmodgenilia klinikuri situaciis aRmweri fragmentebis semantikuri tolerantobis
gansazRvris da ganzogadebis meqanizmebi da aseve operaciebi semantikuri qselis
fragmentebze, romlebic gamoiyeneba diagnostikuri gadawyvetilebis miRebis
procesSi. SemoTavazebulia diagnostikuri gadawyvetilebebis da maTi miRebis axsnis
struqtura modelSi konkretizaciis TiToeul doneze.
gadawyvetilebaTa SesaZlo variantebis gadarCevis sagrZnoblad Semcireba
xdeba ganzogadebisa da fragmentebis semantikuri tolerantobis meqanizmis
gamoyenebiT.
gaanalizebulia diagnostikur gadawyvetilebaTa analogiebis, ganzogadebaTa da
deduqciur daskvnaTa ZiriTadi meqanizmebi. SemuSavebulia codnis bazis struqtura,
romelic Seicavs codnis meta-, makro- da mikrodoneebs da romelic warmodgenilia
produqciuli wesebiT, iseTiT, rogoricaa “simptomaturi faqti-diagnozi”, agreTve
daavadebaTa klasifikatori, diferencialuri diagnostikis da Sesabamisobis cxrilebi,
semantikuri skalebi da fragmentebi, aramkafio diagnostikur mniSvnelobaTa
detalizaciisaTvis. daavadebis klinikuri suraTisa da codnis meta- da makrodoneebis
produqciul wesebs Soris semantikuri siaxlovis dasadgenad da im produqciaTa
asarCevad, romlebic maqsimaluri CarTviT xasiaTdeba, SemuSavebulia semantikuri
Sedarebisa da pacientis mdgomareobis klinikuri suraTis gansazRvris meqanizmebi.
diferencialuri diagnostikisadmi daqvemdebarebuli diagnozebis analizi xorcieldeba
diagnozebis mibmiT da diferencialuri diagnostikis meqanizmiT.
mesame TavSi ganixileba eqspertuli sistemis muSaobis scenari, diagnostikis
amocanaTa amoxsnis algoriTmebi, sistemis monacemTa da codnis baza, agreTve
dialogis organizaciis struqturebi. naCvenebia diagnostikuri gadawyvetilebis miRebis
Tanmimdevroba, diferenciuli diagnostika da diagnostikur gadawyvetilebaTa axsna.
meoTxe TavSi moyvanilia sadisertacio naSromis ZiriTad debulebaTa
Semowmebis Sedegebi.
disertaciaSi SemoTavazebuli iseT daavadebaTa, rogoricaa piris Rrus
lorwovani garsis da parodontis sneulebani, diagnostikis meTodebis Semowmebam
aCvena, rom isini iZlevian zusti diagnostikuri gadawyvetilebebis miRebis saSualebas.
es gadawyvetilebebi eqim-stomatologs sagrZnoblad exmareba mkurnalobis sworad
dagegmvasa da warmarTvaSi.
aRniSnuli sistemis gamoyeneba saSualebas iZleva diagnozis dasmis procesSi
Secdomis daSvebis saerTo procentis mniSvnelovan Semcirebas.
v
Resume
In order to solve control problems in complex formulated fields expert systems
are generally used. The application of expert systems has shown that decisions
reached thereby are not inferior but, on the contrary, in a number of cases they can be
an improvement on decisions made by human experts. The application of effective
methods of computer diagnostics and expert systems greatly reduces much consuming
time work. It allows us to form accurate diagnoses during the treatment process of
each individual patient. The complexity and hazard of maxillofacial diseases, as well
as the inability to define exact and specific possible symptoms of a patient’s
pathological condition, lead us to the necessity of the creation of a computer-based
diagnostic systems in this field. Diagnostics in each case represents a complicated
intellectual process. This process includes analogue methods, generalizations,
deductive derivation as well as a correlation of a quantity of diagnostic and
symptomatic data. At the same time, while making a diagnosis a doctor also uses his
knowledge based on experience and statistics. The intensive development of
diagnostics with the application of modern cure methods generates a need by general
practitioners to modify established principles and working methods. Integration of
clinical knowledge into a computer base with a human-oriented output mechanism
provides doctors with the opportunity to access the latest medical achievements.
Systematization and accurate diagnostics require treatment of such data as
clinical symptoms and the results of additional analyses. After a dentist-practitioner
gathers all possible clinical information necessary for diagnostics on patient’s
pathological condition, he makes a presumptive diagnosis. In order to specify his
diagnostical hypothesis, the doctor treats or additionally examines the patient. A
clinical presentation of stomatological diseases includes a multitude of factors
effecting the clinical course, all of which significantly complicate the process of
diagnosing.
Currently there is a great deal of information and expert systems used in
maxillofacial diagnostics. However, some of the principle questions concerning
diagnostics are left unanswered. For example, it is problematic to investigate the
influence of peculiarities of stomatological diseases on a diagnostics structure. As a
result, the application of these methods does not give us the possibility of making a
make correct diagnosis in dentistry.
The main purpose of the present dissertation is the elaboration of formal
models and methods in order to create an expert system, oriented on the diagnostic of
maxillofacial diseases.
This work is structured into an introduction and four chapters.
The introduction contains a brief description of the problems related to
diagnostics and discusses the urgency of expert diagnostical system application in
dentistry. The application of an expert system for diagnostics in maxillofacial diseases
is proposed for the solution of this problem. In the thesis are considered the main
purposes, problems and methods proposed for their solution and the results obtained.
In the first chapter is a review of currently existing works concerning the
application of information technologies in medicine. The positive as well as the
negative aspects of expert systems used in medicine are described in this thesis.
Possibilities are described and recommendations are given on the development of an
expert system using the experience and knowledge of dentists. Works, held in the field
of information systems in medicine and particularly in dentistry and maxillofacial
surgery, are analyzed. An architecture of an expert system which diagnoses
vi
maxillofacial diseases is proposed. Lastly, tasks to be solved in the thesis are
considered.
The second chapter presents a method of reaching a diagnostical decision with
the help of the maxillofacial diagnostics expert system. A method of formalized
presentation of symptomatic facts is elaborated. Also, a diagnostic decision’s
derivation using an algebraic system model is provided. The generalization and
defining of semantic tolerance mechanisms are introduced. In addition, operations on
semantic network fragments used during the diagnosis are provided. A diagnosis
structure and explanation of diagnostic decision-making in a model at each level of
refining are offered. The use of generalization and semantic tolerance mechanisms
noticeably reduces the selection of possible alternate solutions.
Analogy, generalization and diagnosis mechanisms are studied. The structure
of a knowledge base, including meta-, macro- and micro levels of knowledge,
presented by production rules of “symptomatic fact-diagnosis” type has been
elaborated. Also the following are developed: diagnosis classifier, differential
diagnostics and compatibility tables, semantic scales and fragments specifying
indefinite linguistic values. The expert system implements a selection of production
rules, which are characterized by maximal semantic proximity of descriptions, and
leads us to the recognition of a patient’s clinical condition. For this purpose, a
mechanism of semantic comparison of description fragments has been developed.
This mechanism enables one to select production rules for all levels of knowledge
refining: meta-, macro- and micro-. Diagnoses, subject to differential diagnostics, are
analyzed by means of differential diagnostics mechanisms and diagnosis cohesion.
Third chapter provides a scenario of the expert system work and algorithms for
the solution of diagnostical problems. It describes the database and knowledgebase
structure of the system, and gives us an idea how the dialogue between the human and
the system works. The sequence of diagnostic decisions output, the differential
diagnostics and explanation of diagnostical decisions are illustrated.
In the fourth chapter the verification of the main provisions of the thesis is
carried out.
Testing methods for arriving at an accurate diagnosis in dentistry (as gingival
and periodontal diseases), offered in the thesis, has proved that they provide diagnoses
accurately. These decisions are of considerable assistance to a dentist in diagnostics as
recommendations for the correct treatment.
Finally, and most importantly, the application of this system will allow us to
reduce the total number of medical errors made in the process of diagnostics.
vii
Содержание
Введение ..................................................................................................................... xv
1. Архитектура экспертной системы диагностики заболеваний челюстнолицевой области ........................................................................................................ 18
1.1.
Постановка задачи и актуальность ......................................................... 18
1.2.
Обзор и анализ существующих экспетных систем диагностики ....... 22
1.3.
Архитектура экспертной системы диагностики заболеваний
челюстно-лицевой области ................................................................................. 28
2.
3.
Формирование диагностических решений ................................................... 35
2.1.
Модель предметной области ................................................................... 35
2.2.
Разработка механизма порождения диагностических решений ........ 49
2.3.
Разработка методики объяснения решений .......................................... 62
Инженерные аспекты реализации экспертной системы ............................ 65
3.1.
Сценарий работы системы ....................................................................... 65
3.2.
Алгоритмы решения задач диагностики ............................................... 66
3.3.
Информационная база .............................................................................. 82
3.4.
Организация диалога ................................................................................ 94
4. Экспериментальная проверка основных положений диссертационой
работы ....................................................................................................................... 108
4.1.
Специфика заболеваний челюстно-лицевой области ....................... 108
4.2.
Порождение диагностичекого решения на примере заболеваний
слизистой оболочки полости рта и пародонта ............................................... 114
4.3.
Проведение дифференциальной диагностики на примере
заболеваний пародонтоз и пародонтит ............................................................ 130
5.
Заключение ...................................................................................................... 132
Используемая литература ...................................................................................... 133
viii
Список таблиц
Таблица 1. Дифференциальная диагностика .................................................. 60
Таблица 2. Запрос i-ый .................................................................................... 61
Таблица 3. Запрос j-ый ..................................................................................... 61
Таблица 4. Объяснение решения ..................................................................... 64
Таблица 5. Клиника .......................................................................................... 91
Таблица 6. Врач ................................................................................................. 92
Таблица 7. Пациент ........................................................................................... 92
Таблица 8. Амбулаторная карта ...................................................................... 92
Таблица 9. Первичное обследование .............................................................. 92
Таблица 10. Посещения .................................................................................... 92
Таблица 11. Запрос............................................................................................ 93
Таблица 12. Диагноз ......................................................................................... 93
Таблица 13. Объяснение решения ................................................................... 93
Таблица 14. Недостающий симптом ............................................................... 93
Таблица 15. Диагностическое решение .......................................................... 93
Таблица 16. Матрица толерантностей при сравнении с первым мета
описанием ........................................................................................................ 126
Таблица 17. Матрица толерантностей при сравнении со вторым описанием
........................................................................................................................... 127
Таблица 18. Матрица толерантностей при сравнении с третьим описанием
метауровня ....................................................................................................... 128
Таблица 19. Зубная формула в примере ....................................................... 130
Таблица 20. Таблица дифференциальной диагностики на примере .......... 131
ix
Список рисунков
Рис. 1. Архитектура экспертной системы диагностики заболеваний челюстнолицевой области. ............................................................................................... 30
Рис. 2. Пример клинической микроситуации в виде семантического графа. . 39
Рис. 3. Семантическая шкала................................................................................... 42
Рис. 4. Фрагмент, описывающий нечеткое лингвистическое значение. .......... 43
Рис. 5. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Глубина повреждения зуба»........................................................................... 44
Рис. 6. Модель управления для принятия диагностических решений. ........... 45
Рис. 7. Аксиомы обобщения и конкретизации понятий и отношений. ........... 47
Рис. 8. Диагностические решения. ........................................................................ 48
Рис. 9. Обобщенный метауровень системы. ......................................................... 49
Рис. 10. Граф «Обобщение объектов». .................................................................... 51
Рис. 11. Матрица толерантностей для двух фрагментов. .................................... 54
Рис. 12. Первый уровень макромодели управления. ........................................... 55
Рис. 13. Фрагмент макросети. .................................................................................. 56
Рис. 14. Матрица толерантностей фрагментов описаний
A
s
и
m
k
i1
. ............... 59
Рис. 15. Объяснение решения. ................................................................................ 62
Рис. 16. Режимы работы системы. .......................................................................... 66
Рис. 17. Алгоритм работы группы пользователей - «Администратор клиники»
.............................................................................................................................. 67
Рис. 18. Алгоритм работы группы пользователей – «Врач-стоматолог». .......... 69
Рис. 19. Алгоритм работы группы пользователей – «Врач-стоматолог»,
продолжение. ..................................................................................................... 70
Рис. 20. Алгоритм работы пользователя «Эксперт по диагностике». ................ 72
Рис. 21. Алгоритм процесса описания начальной микроситуации
A
s
........... 72
Рис. 22. Алгоритм обобщения ................................................................................. 73
Рис. 23. Алгоритм сравнения
A
s
с описаниями активного уровня ................. 75
Рис. 24. Алгоритм выбора максимально схожих описаний активного уровня 76
Рис. 25. Алгоритм выбора максимально схожих описаний активного уровня,
продолжение. ..................................................................................................... 77
x
Рис. 26. Алгоритм дифференциальной диагностики решений ......................... 79
Рис. 27. Алгоритм процесса формирования диагностического решения......... 80
Рис. 28. Алгоритм процесса объяснения решения............................................... 81
Рис. 29. Структура информационной базы ........................................................... 83
Рис. 30. Структура связей в информационной базе. ............................................ 84
Рис. 31. Структура классификатора заболеваний................................................. 85
Рис. 32. Структура обобщения-конкретизации объектов и отношений. .......... 86
Рис. 33. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома»............................................................. 87
Рис. 34. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома», продолжение 1. ............................... 88
Рис. 35. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома», продолжение 2. ............................... 89
Рис. 36. Пути конкретизации продукций.............................................................. 91
Рис. 37. Схема диаговых процедур. ........................................................................ 95
Рис. 38. Регистрация. ................................................................................................ 96
Рис. 39. Клиника. ...................................................................................................... 97
Рис. 40. Врачи. ........................................................................................................... 97
Рис. 41. Параметры пользователя. .......................................................................... 99
Рис. 42. Пациенты. .................................................................................................... 99
Рис. 43. Амбулаторная карта. ................................................................................ 100
Рис. 44. Карта пародонта. ....................................................................................... 101
Рис. 45. Карта зубов................................................................................................. 101
Рис. 46. Премоляры и моляры. .............................................................................. 102
Рис. 47. Резцы и клыки........................................................................................... 102
Рис. 48. Курс лечения. ............................................................................................ 102
Рис. 49. Диагноз....................................................................................................... 103
Рис. 50. Объяснение решения. .............................................................................. 104
Рис. 51. Объяснение решения 2. ........................................................................... 104
Рис. 52. Объяснение решения 3. ........................................................................... 106
Рис. 53. Недостающий симптом. ........................................................................... 106
Рис. 54. Редактирование базы знаний. ................................................................. 107
xi
Рис. 55. Структура диагностического решения «простой краевой гингивит».
............................................................................................................................ 117
Рис. 56. Обобщение объекта «десна». ................................................................... 121
Рис. 57. Обобщение объекта «кровоточивость десны». ..................................... 122
xii
Список абривиатур используемых в диссертации
FGM
MGJ
БЗ
ВОЗ
КЗ
КИ
ЛВ
МаП
МВДР
МДД
МДД
МДД
МеП
МиП
МКБ
МПД
МРК
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
–
МСД
МСС
НЛЗ
НЛК
НП
ОК
ПОР
РБД
РБФ
ТДД
ТСД
ТСДЗ
ЧЛО
–
–
–
–
–
–
–
–
–
–
–
–
–
Free Gingival Margin - свободный десневой край,
Muco Gingival Junction - слизисто-десневое соединение,
база знаний,
всемирная организация здравоохранения,
классификатор заболеваний,
клинический интерфейс,
лечащий врач,
макропродукции,
механизм выдачи диагностического решения,
механизм дифференциальной диагностики диагнозов,
механизм дифференциальной диагностики,
механизм дифференциальной диагностики,
метапродукции,
микропродукции,
международная классификация болезней,
механизм порождения диагноза,
механизм распознавания клинической картины состояния
пациента,
механизм сцепления и формирования диагностического решения,
механизм семантического сравнения,
нечеткое лингвистическое значение,
нечеткий лингвистический квантор,
нечёткие понятия,
обобщение-конкретизация,
процессор оценки решения,
рабочая база диагнозов,
рабочая база фактов,
таблица дифференциальной диагностики,
таблица сцепления диагнозов,
таблица совместимости диагнозов заболеваний,
челюстно-лицевая область.
xiii
Благодарности.
В благодарность моему учителю Проф. Г.Г. Гогичаишвили.
xiv
Введение
Для решения задач управления в трудноформализуемых областях в
основном используются экспертные системы. Практика использования экспертных систем показала, что формируемые ими решения не хуже, а в
большинстве случаев лучше решений, принимаемых человеком-экспертом.
Разработка эффективных методов компьютерной диагностики и применение
экспертных систем, позволяет без особых затрат энергии и рабочего времени
практикующего врача обеспечивать принятие точных диагностических решений
в процессе лечения пациента в каждом клиническом случае – индивидуально.
Необходимость создания диагностических систем заболеваний челюстнолицевой области, обусловлена как сложностью и опасностью таких заболеваний,
так и невозможностью установления точных и конкретных возможных
симптомов патологического состояния пациента. Диагностика в каждом
конкретном случае представляет собой сложный интеллектуальный процесс, в
котором присутствуют методы аналогий, обобщений, дедуктивного вывода и
сопоставления большого количества диагностической и симптоматической
информации. При этом в основном используются интуитивные, основанные на
статистике и опыте конкретного врача знания для постановки диагноза
пациента. Интенсивное развитие диагностики с использованием современных
методов лечения вызывает необходимость изменять устоявшиеся принципы и
приемы работы практикующих врачей. Объединение знаний в компьютерную
базу, с удобным механизмом их применения для правильного вывода дает
возможность врачам использовать последние достижения медицины в своей
практической деятельности.
С целью систематизации и проведения точной диагностики необходима
обработка
таких
данных,
как
клинические
симптомы
и
результаты
дополнительных методов исследования. В первую очередь происходит
определение необходимой для диагностики, по мнению практикующего врачастоматолога клинической информации о патологическом состоянии пациента
после чего, в результате сложного интеллектуального процесса лечащий врачстоматолог определяет предварительный диагноз пациента, исходя из которого,
с целью уточнения диагностической гипотезы проводит определенные лечебные
процедуры или дополнительные методы обследования. Наличие множества
факторов, определяющих клиническую картину заболеваний челюстно-лицевой
области, определение степени их влияния на болезни, значительно усложняет
процесс постановки точного диагноза.
В настоящее время в сфере диагностики заболеваний челюстно-лицевой
области используется множество информационных и экспертных систем.
Однако в используемых информационных системах остаются не решенными
принципиальные вопросы, связанные с выводом диагноза. Такие как проблема
исследования влияния особенностей (семантики) заболеваний челюстнолицевой области на структуру механизма постановки диагноза. И как следствие
этого используемые ими методы порождения диагностических решений не дают
возможности постановки точного диагноза.
Основной
целью
диссертационной
работы
является
разработка
формальных моделей и методов для построения экспертной системы
диагностики заболеваний челюстно-лицевой области.
Для достижения данной цели в диссертации, основное внимание
уделяется решению следующих задач:

разработка формальных методов и средств внутреннего
представления знаний;

разработка
механизма
порождения
диагностических
решений;

разработка методики объяснения решений и проведения
дифференциальной диагностики;

разработка алгоритмов решения задач диагностики;

построение базы данных и знаний;

организация диалога.
В результате проведенных исследований разработаны формальные
методы и модели внутреннего представления знаний; механизм порождения
диагностических решений; механизм объяснения решений и проведения
дифференциальной диагностики; алгоритмы решения задач диагностики;
структуры баз данных и знаний; диалоговые процедуры.
Диссертационная работа состоит из введения и четырех глав: В первой
главе проанализированы работы в области применения информационных систем
в медицине и конкретно в стоматологии и челюстно-лицевой хирургии.
xvi
Поставлена
задача
диагностики
и
раскрыта
актуальность
применения
экспертной системы диагностики в стоматологии. Предложена архитектура
экспертной системы диагностики заболеваний челюстно-лицевой области и
приведены задачи подлежащие решению в диссертационной работе.
Во второй главе рассмотрен метод формирования диагностических
решений (диагноза). Представлена методика формализованного представления
симптоматических фактов и порождения диагностических решений с помощью
модели вида алгебраической системы. Описаны механизмы обобщения и
определения
семантической
толерантности
фрагментов
описывающих
клиническую ситуацию, а также операции над фрагментами семантической
сети, используемые в процессе вывода диагностического решения. Представлена структура диагностического решения и объяснения принятия решений на
каждом уровне конкретизации в модели.
В третей главе рассматривается сценарий работы экспертной системы,
алгоритмы решения задач диагностики, структуры баз данных и знаний
системы, а также организация диалога. Показаны последовательность вывода
диагностического решения, дифференциальная диагностика и объяснение
диагностических решений.
В четвертой главе производится экспериментальная проверка основных
положений работы.
xvii
1. Архитектура экспертной системы диагностики
заболеваний челюстно-лицевой области
В данной главе проанализированы работы в области применения информационных систем в медицине и конкретно в стоматологии и челюстно-лицевой
хирургии. Поставлена задача диагностики и раскрыта актуальность применения
экспертной системы диагностики в стоматологии. Предложена архитектура
экспертной системы диагностики заболеваний челюстно-лицевой области и
приведены задачи подлежащие решению в диссертационной работе.
1.1.
Постановка задачи и актуальность
Современное состояние компьютерных технологий, а также создаваемых
на их базе экспертных систем открывает широкие возможности их применения в
медицине и в частности в стоматологии и челюстно-лицевой хирургии. В этих
областях клинической медицины осуществляется исследование и изучение
проблем, связанных с симптоматикой, диагностикой и лечением заболеваний
челюстно-лицевой области (ЧЛО), а также методов диагностики физиологических и патологических процессов, протекающих в функциональных системах
организма. Применение экспертных систем оказывает помощь врачам не только
в области создания баз данных пациентов (хранения медицинских карт,
рентгеновских снимков и данных о проведенном лечении пациента), но и в
автоматизированной обработке клинических признаков каждого конкретного
заболевания [1, 2].
Выявление анамнеза, симптомов (субъективных и объективных данных)
и результатов необходимых дополнительных методов исследования (цифровых
изображений рентгеновского изображения и различного рода лабораторных
исследований) с помощью экспертной системы в каждом конкретном
клиническом
случае
способствует
более
правильному
и
тщательному
клиническому обследованию. Это приводит к более точной диагностике, а
значит и правильному проведению лечения. Вместе с этим упрощается
обработка клинической информации для статистических исследований, что
полезно как при изучении эффективности конкретных методик лечения, так и
18
для пополнения знаний медицинского персонала, необходимых в сложном
процессе диагностирования. Клиническая картина заболеваний челюстнолицевой области характеризуется множеством общих и местных симптомов и
симптомокомплексов. Проявления общих патологий в челюстно-лицевой
области нередко носят важное диагностическое значение в постановке
дифференциального диагноза и выводе диагностического решения как для
врачей общего профиля, так и для специалистов-стоматологов. Всемирная
организация
здравоохранения
(ВОЗ)
предложила
классифицировать
заболевания и нарушения в ЧЛО как заболевания и их проявления,
протекающие в полости рта и прилежащих анатомических структурах.
Диагностика в каждом конкретном случае представляет собой сложный
интеллектуальный процесс, в котором присутствуют методы аналогий,
обобщений, дедуктивного вывода и сопоставления большого количества
диагностической и симптоматической информации. Присутствие совместимых
заболеваний может изменять клиническую картину патологического процесса и
этим самым ввести в заблуждение специалиста-стоматолога в процессе
диагностики. С целью облегчения процесса постановки диагноза предлагается
использование
интеллектуальной
советующей
(экспертной)
системы
диагностики заболеваний ЧЛО [3, 4, 5, 6].
Использование экспертных систем в диагностике заболеваний ЧЛО в
последние годы становится все более актуальным. Трудности, возникающие при
создании подобных интеллектуальных систем диагностики, обусловлены не
только тем, что клинические знания в области диагностики заболеваний ЧЛО
сложно систематизировать. Отсутствие конкретного методологического подхода
в диагностике, размытость границ описаний симптоматологической картины
заболеваний приводит к неоднозначному и под час противоречивому описанию
клинической картины патологического состояния пациента. Постановка точного
диагноза на основе изучения необходимых в процессе диагностики симптомов и
проявлений заболеваний в ЧЛО, способность проведения дифференциального
диагноза с похожими заболеваниями и использование клинических знаний,
заложенных в базу знаний системы, значительно облегчит деятельность
специалиста-стоматолога [7, 8].
В своей практической деятельности специалист-стоматолог при анализе
болезни от высшего (абстрактного) уровня описания патологии переходит к
19
максимально конкретизированному, то есть микро уровню. Следующий за
наиболее абстрактным уровнем описания уровень, на котором выделяют тип
патологического процесса, играет важную роль в процессе рассуждения от
общего к частному во время постановки диагноза. На этом этапе выделяются
типовые патологические процессы, которые развиваются по одинаковым
законам, независимо от особенностей причин, вызывающих их и локализации
патологии (например: воспаление). Следующим, более конкретным уровнем,
является уровень, на котором формируется представление о нозологической
форме болезни. Конкретизация происходит в ходе дедуктивного мышления,
когда врач-специалист точно устанавливает причину болезни (например:
микобактерии туберкулеза), определяет пострадавший орган (например: язык) и
связь личных характеристик данного конкретного индивидуума (таких как
возраст,
пол,
род
занятий)
со
спецификой
протекания
заболевания.
Патологический процесс протекает в динамике и может содержать в себе
несколько болезней. На момент обращения пациента формируется клиническое
описание
некоторого
патологического
состояния,
на
основе
которого
необходимо поставить точный диагноз. Клиническое описание микроситуации это
множество
клинических
фрагментов,
связанных
с
определенными
диагнозами [9].
Одним из наиболее характерных свойств описания патологического
состояния является присущая ему нечеткость. Необходимо отметить, что
опытный специалист-стоматолог легко справляется с подобной (возникающей)
нечеткостью. Например: глубина поражения твердых тканей зуба – средняя.
Каждый врач-специалист знает, является ли глубина средней, хотя указать её
размеры или точные характеристики не может. При описании клинической
картины состояния пациента, чаще всего приходится иметь дело с нечеткостью
самих понятий. Необходимо отметить, что в основе проявления этого типа
нечеткости лежит операция обобщения, и нечеткость этого типа есть прямое
следствие этой операции. Цельное, обобщенное описание «симптомокомплекс»,
позволяет специалистам-стоматологам оперировать клиническими описаниями,
что выделяет системный подход в постановке диагноза. Анализ отдельно
разрозненных фактов замедлил бы процесс идентификации патологического
состояния. Описывая с помощью нечётких понятий (НП) симптомы и признаки
патологического состояния пациента, специалисты-стоматологи оперируют
20
неявно заданной информацией известной специалистам из их клинической
практики [10].
Необходимым условием для правильного лечения пациента является
точное определение патологического состояния пациента, т.е. диагностика.
Информация о проявлениях болезни, которую получает специалист-стоматолог
при опросе больного, является симптомами его патологического состояния.
Объективные же данные, получаемые врачом-специалистом при исследовании
больного, называют признаками болезни. Совокупность симптомов и признаков,
характеризующих то или другое патологическое состояние, составляет
симптоматологию заболевания. Диагностика содержит все средства, методы,
способы, приемы и инструменты, которыми врачи располагают для полного и
всестороннего изучения больного организма, т.е. состояния его органов, хода
процесса, другими словами, для распознавания болезни. Таким образом,
диагностика сводится к изучению симптомов, она указывает способы их
наблюдения и сбора, анализа происхождения и разбора комбинаций.
Техника диагноза сводится, с одной стороны, к восприятию различных
симптомов и признаков болезни, а с другой стороны, к правильной их
интерпретации. Поставить диагноз, значит классифицировать симптомы,
определить их взаимную связь, а также связь с производящей их причиной, и
получаемую в результате этого картину подвести под один из известных типов
заболеваний.
Диагноз
есть
вывод,
более
или
менее
вероятный
и
предположительный, вывод, который подлежит контролю, дальнейшему
наблюдению в течении болезни, от которого следует отказаться, если он не
соответствует фактам. Одни и те же болезни представляют в своем течении
определенные типы заболевания; они имеют свои определенные характерные
черты, по которым можно в ясно выраженных случаях поставить диагноз
(например: кариес, гингивит и т.д.). Однако, наряду с этими общими чертами,
каждому больному свойственны свои личные, особенные черты заболевания,
которые также подлежат врачебному анализу и объяснению. Наряду с
диагнозом болезни, врач должен поставить и диагноз индивидуального течения
болезни. Предварительным этапом анализа сложной картины болезни в
методике
клинического
исследования
является
аналитическая
разбивка
клинической картины болезни на отделы – в этот период устанавливается
диагноз тех или других анатомических или функциональных отклонений в
21
отдельных органах. Далее, синтетическая реконструкция картины болезни, т.е.
характеристика нарушения связи между всеми органами и степени этого
нарушения. Навык, в смысле способности, указания степени точности и размера
ошибок
в
диагностике
отличает
опытного
специалиста-стоматолога.
Возникновение представления о диагнозе заболевания у конкретного человека,
достигается на уровне максимальной конкретизации не только причины
болезни, локализации, вида организма, но и, как было описано, выше его
индивидуальности (к примеру, пола, возраста и т.д.).
В случаях, когда из определяющих факторов присутствует лишь один –
клиническая картина патологического состояния, для постановки диагноза
используют принцип аналогии, исходя из которого, на основании сходства двух
явлений по нескольким признакам, делается вывод об их тождестве и по другим
признакам. При этом знания об одном объекте переносятся на менее изученный
объект.
Путем
выдвижения
диагностической
гипотезы
врачу
удается
продвинуться в конкретизации диагноза. Гипотеза побуждает врача к проверке
имеющихся
у
подтвержденных
больного
и
различными
поиску
новых
клиническими
симптомов
и
признаков,
исследованиями
для
подтверждения или отклонения данной гипотезы. Интуитивные свойства
психики человека, свойственные опытному специалисту-стоматологу в ходе
мышления, подводят его к правильному диагнозу. Наличие множества
факторов, определяющих клиническую картину заболеваний челюстно-лицевой
области, определение степени их влияния на болезни, значительно усложняет
процесс постановки точного диагноза специалистам-стоматологам. Поэтому
создание экспертной системы диагностики заболеваний челюстно-лицевой
области на основе энциклопедических знаний и опыта специалистов в области
семиологии и диагностике поможет врачу-специалисту не допустить неточности
или ошибки в процессе диагностики сложных патологических состояний
челюстно-лицевой области.
1.2.
Обзор и анализ существующих экспетных систем диагностики
За последние годы было разработано множество различных экспертных
систем и методов для автоматизированной обработки таких данных, как
22
клинические симптомы и результаты дополнительных методов исследования с
целью их систематизации и проведения точной диагностики. Внедрение данных
систем, осуществляющих интерпретацию лабораторных анализов, диагностику
заболеваний, рекомендацию способов лечения и методов анестезии показало их
высокий коэффициент полезности [11].
Эти системы содержат в себе такие основные компоненты, как базы
знаний, интерфейс, механизм принятия решений и базы данных или фактов.
Разработанная в Станфордском исследовательском институте в середине 70х
годов экспертная система MYCIN предназначена для помощи в диагностике и
лечении инфекционных заболеваний. В Питтсбургском университете была
разработана
экспертная
система
диагностики
заболеваний
Internist-
I(CADUCEUS). Это одна из крупнейших медицинских экспертных систем,
содержащая описания более 500 заболеваний и 3500 их клинических
проявлений.
Позднее
были
предложены
также
некоторые
стандарты
представления и хранения медицинских знаний в электронном формате. Ряд
экспертных систем, кроме вышеприведенных основных компонентов, содержат
механизмы самообучения и процессоры объяснения решений, поясняющие путь
поиска решения в каждой конкретной ситуации. На стоматологическом
факультете университета Бритиш Колумбиа (U.B.C.) была разработана система
принятия решений TxDENT для облегчения наблюдения за пациентом и
правильности выбора метода лечения заболеваний. В настоящее время система
хранит около 3000 записей о пациентах, начиная с первичного посещения. База
данных содержит записи о функциях челюстей, качества протезов, состоянии
слизистой полости рта, структуре зубов и их направления. Уже сегодня во
многих областях клинической медицины проводятся исследования и попытки
внедрения компьютерных диагностирующих и обучающих систем: болезней
крови (AI/COAG, CLOT, HEME) и сердечно-сосудистой системы (ANGY,
ANNA, DIAGNOSER, DIGITALIS ADVISER, EEG ANALYSIS SYSTEM,
GALEN, MECS-AI, MI, МОДИС, HEART IMAGE INTERPRETER), легких
(CENTAUR, PUFF, WHEEZE), почек (AI/MM) и печени (MDX, PATREC,
RADEX), в ревматологии (AI/RHEUM, ARAMIS, RX), интенсивной терапии
(BABY, VM), анестезиологии (ATTENDING), офтальмологии (MEDICO,
OCULAR HERPES MODEL, PEC), при диагностике психических нарушений
(BLUE BOX, HEADMED) и поражениях нервной системы (NEUREX,
23
NEUROLOGIST-I), раковых заболеваний (ONCOCIN), нарушения функций
щитовидной железы (THYROID MODEL), во время микробиологических
исследований (GUIDON, PATHFINDER), а также при диагностике конкретных
заболеваний глаукомы (CASNET/GLAUCOMA), менингита (NEOMYCIN),
гипертонии (HT-ATTENDING), нарушениях кислотно-щелочного и водносолевого равновесия (ABEL), головокружения (SYSTEM D), анализа поведения
врача при диагностике внутренних болезней (EXAMINER). Одним из последних
достижений в области создания экспертных систем, имитирующих такие
функции мыслительной деятельности человека, как ассоциативное мышление,
логический вывод и т.п., является создание «нейронных компьютеров». Они
содержат в себе множество соединенных базовых узлов (простейших
процессоров), аналогичных нейронам, живых существ, соединенных вместе в
«нейронную сеть». Такие сети «обучают» с помощью внешней информации для
формирования множества внутренних формальных правил принятия решений
(например, тренированная нейронная сеть для принятия диагностирующих
решений при проблемном прорезывании зубов мудрости на основе данных
диагностики,
проведенной
врачом).
Применение
техники
цифровой
рентгенографии имеет множество преимуществ перед стандартной техникой
таких, как значительное уменьшение рентгеновского излучения, экономия
времени, возможность наглядных рекомендаций различных подходов к
лечению. Более того, анализ изображения, изменение контрастности и
плотности, измерение необходимых размеров и областей, параллельно с
использованием интеллектуальных систем позволяет автоматизировать процесс
выделения признаков патологии. Соответствующее программное обеспечение
было разработано для решения специфических проблем диагностирования в
таких системах, как CygnusMedia (Cygnus Technologies), ImageFX (SciCan) и т.д.
[12, 13, 14].
Типичные встроенные функции в таком программном обеспечении:
-
Цифровая субтракция изображений. Эта функция особенно
полезна при рассматривании изменений в изображении при затянувшемся
лечении.
-
Стандартная гамма-коррекция (коррекция уровня серого цвета).
Она используется для изменения уровня серого цвета различных изображений
при их сравнении.
24
-
Выделение
признаков
изображения,
для
автоматического
распознавания различных тканей и патологических включений [15].
-
Реконструкция изображения. Разработаны двухмерные (изменение
проекции изображения для последующей его субтракции) и трехмерные (для
воспроизведения объема и формы и 3D визуализации, включая диалоговый
режим прокрутки изображения) системы восстановления изображения [16].
-
Телерадиология.
Она
предусматривает
передачу
цифровых
изображений с помощью глобальной сети Интернет. Использование техники
обработки
цифровых
изображений
явилось
толчком
к
развитию
интеграционных госпитальных систем, поддерживающих цифровую передачу
данных, хранение, восстановление, анализ и интерпретацию изображений [17].
Параллельное
обработки
применение
цифровых
диагностических
изображений,
таких,
как
систем
с
рентгеновские
методами
снимки,
способствует улучшению качественных характеристик процесса диагностики. С
помощью
специальных
графических
программ
обработки
изображений
возможно изменение контрастности и четкости, а также изменения размера
зерна с целью повышения качества изображения и придания ему необходимой
контрастности, что облегчает процесс распознавания патологий, в особенности,
при
рассматривании
обработки
некачественных
цифровых
программными
идентификации
изображений
комплексами
таких
рентгенологической
в
способны
элементов
плотности
снимков.
Методы
комплексе
решать
изображения,
ткани,
автоматической
со
специальными
задачи
как
выделения
различные
патологические
изменения
и
по
и
искусственные включения. Возможно также автоматическое сортирование
снимков по топографии анатомического региона и помещение их на
соответствующие места в электронной медицинской карте больного. Ранняя
диагностика заболеваний твердых тканей зубов основана на нахождении не так
ярко выраженных на снимках разряжений ткани, что часто приводит к недочету
и к врачебной ошибке во время диагностического процесса, а соответственно, и
назначенного лечения [18].
Таким образом, выделяется несколько основных направлений в области
применения автоматической обработки цифрового изображения:
1.
Диагностика кариеса. Это сложно-систематизируемый процесс, но
на рынке стоматологических услуг и товаров сегодня уже присутствуют такие
25
коммерческие программы, как Logicon CD (Trex-Trophy). Они используются для
обработки рентгеновского изображения проксимальных поверхностей зуба и
идентификации подозрительных участков по разреженности рентгеновской
плотности [19].
2.
Болезни пародонта. Основным симптомом является частичная или
полная потеря альвеолярной кости. Ведутся исследования по автоматическому
определению уменьшения плотности альвеолярных перегородок, либо по
уменьшению их высоты.
3.
Периапикальные патологии. Для них характерна очень трудная
диагностика в начальной стадии. Автоматический морфологический анализ
апикальной части зуба, включая измерение толщины периодонтальной щели, и
оценка обтюрации корневого канала, помогут стоматологу в диагностике на
ранней стадии.
4.
Имплантология. Как известно, этот метод является одним из
основных методов замещения отсутствующих зубов. Автоматизированная
оценка
плотности
кости
может
помочь
как
на
этапе
подбора
имплантологической системы, так и после инсталляции для ранней диагностики
периимплантатитов
и
постоперационного
мониторинга
пациента
для
предупреждения проблем, связанных с оссеоинтеграцией вокруг имплантата.
5.
Ортодонтия.
Здесь
наблюдается
рост
популярности
компьютерных программ как при обработке цефалометрических изображений и
последующем анализе роста, так и формирования зубов и челюстей. Также
используются программы для планирования ортодонтического лечения и
правильного подбора ортодонтических аппаратов (Jeremiah, Orthoplanner) [20].
6.
Остеопороз.
Ранняя
диагностика
остеопороза
и
других
заболеваний, связанных с нарушением метаболизма, основана на анализе
морфологических свойств, таких как образ, размеры, границы трабекул кости и
их плотности. Установление размера дефекта (отсутствие или изменение
рисунка) кости могут быть автоматически обнаружены также с помощью
подобных программ.
7.
Челюстно-лицевые патологии часто являются показателем общих
системных заболеваний. Широкое применение интраоральных цифровых камер
позволяет обнаружить патологические проявления и провести визуальную
диагностику. Такие точные калориметрические методы исследования могут
26
помочь различить карциномы и классифицировать мягкие ткани полости рта.
Это может оказать неоценимую помощь при диагностике опухолей и
опухолеподобных заболеваний.
8.
Ортопедия. Созданы системы для помощи в дизайне съёмных
ортопедических конструкций, что облегчает обсуждение выбора метода лечения
с
пациентом
и
предоставляет
высококачественную
рекомендацию
для
технической лаборатории (RAPID).
Немалое значение имеет также внедрение информационных технологий в
обучение студентов и врачей последипломного образования, так как все те
знания, которые хранятся в системе, являются огромной базой клинического
материала, который можно представлять в виде клинических задач, что поможет
развить системное мышление будущего врача и пополнить опыт специалиста
[21].
Также ведутся работы по обработке двух мерных изображений с их
последующим преобразованием в трехмерное, что увеличивает возможности
врача в диагностике сложных патологий. Такая установка, снабженная очками
виртуальной реальности в режиме реального времени сэкономит время на
постановку диагноза и позволит проводить мониторинг хирургических
вмешательств, что исключит множество врачебных ошибок и других
осложнений [22].
Компьютерные технологии помогают решать проблемы диагностики и
назначения соответствующего лечения не только локально, на одном рабочем
месте врача. Развитие сетевых информационных технологий и глобальной
всемирной паутины Интернет, позволит врачу со своего рабочего места в любой
момент получить консультацию врачей смежных специальностей и вести
совместный мониторинг и лечение пациентов с системными заболеваниями в
полости рта. Возможна также передача клинических симптомов каждого
проблемного случая для меж врачебного обсуждения в специализированных
форумах, а так же для консультаций с более опытными коллегами. Влияние
информационных технологий на медицину и, в частности, на стоматологию и
челюстно-лицевую хирургию уже сегодня приносит полезные результаты.
Диагностика становится точнее, данные анамнеза не теряются и поиск их
упрощается. Упрощается и меж врачебное общение, экономится время врача и
пациента, назначается правильное лечение [23].
27
Несмотря на присутствие такого количества разработок и систем,
основные их задачи реализованы на среднем уровне, что пагубно влияет на
отношение практикующих врачей к компьютеризации их рабочих мест.
Необходимо отметить, что система, ориентированная на врача, способна
снизить общий процент ошибок и облегчить диагностику при наличии трудно
диагностируемых клинических случаев. Использование же интеллектуальных
обучающихся систем дает возможность со временем подстроиться под
индивидуальные потребности практикующих врачей [24].
Архитектура экспертной системы диагностики заболеваний
1.3.
челюстно-лицевой области
С целью облегчения процесса постановки диагноза целесообразно
использование
интеллектуальной
экспертной
(советующей)
системы
диагностики заболеваний ЧЛО. Правильная работа экспертной системы, т.е.
выработка
точных
диагностических
решений,
в
значительной
степени
определяется одним из основных ее компонентов – базы знаний БЗ. (Рис. 1.
Архитектура экспертной системы диагностики заболеваний челюстно-лицевой
области.) [25].
Это сложный компонент, содержащий знания о диагнозах и их
совместимости и различий, классификации и дифференциации на разных
уровнях
конкретизации
диагнозов
заболеваний.
Клинические
знания,
представленные экспертной системой в виде продукций необходимы в процессе
принятия диагностических решений в разные моменты времени. Врачстоматолог (эксперт) обычно разделяет диагностическую и симптоматическую
информацию по клиническим разделам и выделяет различные уровни
абстракции (обобщения). Это наивысший, средний и конкретный уровень
представления знаний. В предлагаемой системе наивысший уровень абстракции
будем представлять как МЕТА-уровень знаний – и этот уровень представлен в
БЗ метапродукциями (МеП). Низший конкретный, или МИКРО-уровень,
представлен микропродукциями в МиП. Средний уровень обобщения знаний
или МАКРО-уровень содержит конечное множество уровней {1,2,…,n}
конкретизации информации и представлен макропродукциями в МаП. Здесь
28
уровни
{1,2,…,n}
различаются
между
собой
различной
степенью
конкретизации, где последний n-ый уровень предшествует микроуровню знаний
[26].
На метауровне знания заложены в виде продукций, в левых частях
которых находятся наиболее обобщенные симптомы в виде обобщённых
объектов, их обобщенных свойств и обобщенных значений, в правых –
обобщенные описания диагнозов (метадиагнозы). В базе знаний также заложена
информация о возможных изменениях в заболеваниях челюстно-лицевой
области в зависимости от множества индивидуальных и социальных факторов
таких, как условия жизни и труда пациента, возрастные, наследственные или
другие, предрасполагающие к развитию заболевания факторы. Используются
справочные данные по симптомам и диагнозам с учетом международной
классификации болезней (МКБ) по ВОЗ и достижения исследователей в
описаниях патологий ЧЛО, а также данные об известных диагнозах заболеваний
и различных патологических проявлениях. Эта информация представлена в
классификаторе заболеваний КЗ базы знаний. Информация о нечетких понятиях,
используемых в описаниях клинической картины болезни, представлена в
компоненте НП базы знаний в виде семантических шкал и фрагментов,
детализирующих нечеткие лингвистические значения. На метауровне при
идентификации,
поступившей
микроситуации),
система,
как
от
и
ЛВ
информации
врач-эксперт,
(описания
рассматривает
текущей
те
мета
обобщенные диагнозы заболеваний, которые схожи с микроописанием
клинической картины болезни. Далее, опускаясь на МАКРО уровень описаний,
конкретизируется полученная на метауровне ситуация с целью определения
макрорешений с помощью знаний, хранимых в БЗ системы. Выделяются и
разделяются наиболее похожие, по описанию и смысловому содержанию
предположительные диагностические гипотезы и уточняется клиническая
картина с помощью ЛВ [27].
29
Рис. 1. Архитектура экспертной системы диагностики заболеваний челюстно-лицевой
области.
30
Клиническая информация, т.е. описание определенных заболеваний и
соответствующих им диагнозов в БЗ представлена множеством продукционных
правил. В данном случае продукция является системой симптоматический фактдиагноз. Симптоматическими фактами впредь будем называть тройки вида (, ,
). Где  -- симптоматический объект. Например, кариозная полость зуба,  -свойство симптоматического объекта. Например, зондирование стенок (область
эмалево-дентинного соединения),  -- значение свойства симптоматического
объекта.
Например,
болезненно.
Определим
клиническим
фактом
симптоматическую информацию, записанную в виде (, , , ), где  - диагноз
заболевания, соответствующий симптоматическому факту (, , ). Таким
образом,
приведенные
определения
дают
возможность
представления
клинической картины в виде элементарного фрагмента Эфр - множества троек,
связанных с одним диагнозом. Для определения семантического сходства
(близости) объектов и отношений между ними в базе знаний предусмотрена
информация об обобщенных и конкретных описаниях заболеваний и диагнозов
ОК. Эти группы описаний содержат классы объектов и отношений и, связанные
с ними списки конкретизационных подстановок. При этом структура описания
класса отношений содержит не только конкретизируемые отношения, но и
списки объектов, сцепленных с данным отношением. Вначале необходимая
информация формируется при описании клинических фактов о болезни в
клиническом интерфейсе КИ системы. При этом ввод симптоматической
информации в систему облегчен посредством дружелюбного интерфейса,
ориентированного на специалиста стоматолога[28, 29].
Симптомы болезни, выделенные ЛВ, поступают в систему в виде описания клинической картины заболевания, где могут встречаться как конкретные
факты (зуб болит на сладкое, в прошлом зуб болел на холодное), так и нечетко
определенные описания болевых синдромов (стреляющая, ноющая или
причинная боль) и состояния (слабость, незначительное головокружение,
умеренная кровоточивость лунки). Но возможны противоречивые и, даже,
несовместимые описания (боль в области давно отсутствующего зуба, болевая
реакция на холодный раздражитель давно депульпированного зуба). Задачей КИ
является формирование полного формального описания, т.е. перевод во
внутренний модельный язык системы клинической картины болезни, на основе
31
полученной от ЛВ симптоматической информации. Множество элементарных
клинических фактов А={Эфр}, описывающих клиническую микроситуацию из
КИ поступает в рабочую базу фактов РБФ. Для определения смысловой близости
клинических фактов А к метаописаниям продукций используется механизм
семантического сравнения МСС. Данный механизм на основании информации,
находящейся в базе знаний дает возможность определения включения
клинического описания микроситуации в одно или несколько продукций
метауровня. Далее, среди них механизм распознавания клинической картины
состояния пациента МРК осуществляет выбор тех метапродукций, которые
характеризуются максимальным включением. В данной системе на метауровне
представлено небольшое количество продукций, включающих информацию о
патологии челюстно-лицевой области, патологии не связанной с челюстнолицевой областью и о нормальной физиологии человека. Следующий этап
конкретизации осуществляется продукциями МАКРО-уровня для принятия
диагностического решения, что более конкретизирует и выделяет необходимые
направления для дифференциации диагнозов. Дифференциацией же назовем
распознавание
семантического
различия
в
клинической
картине
двух
диагностических решений. Так, на некотором МАКРО уровне конкретизации
может образоваться несколько кортежей решений, где первыми расположены
метадиагнозы заболеваний. На втором месте, первый МАКРО-уровень диагноза,
а далее второй и т.д. Эти диагностические решения получены в результате
сравнения с другими возможными диагностическими решениями, т.е. правыми
частями
продукций,
заложенных
в
БЗ
на
соответствующих
уровнях
конкретизаций. На последнем месте в кортеже находятся диагнозы заболеваний,
которые
совместимы
или
подлежат
дифференциальной
диагностике.
Информация об этом хранится в БЗ в таблицах дифференциальной диагностики
ТДД и совместимости диагнозов заболеваний ТСДЗ, где каждому диагнозу на
определенном уровне конкретизации сопоставляется множество совместимых и
похожих диагнозов. Клинические проявления похожих заболеваний необходимо
различать для чего используется механизм дифференциальной диагностики
МДД,
позволяющий
выделять
признаки
различия.
На
данном
этапе
дифференциации заболеваний в системе формируется семантическое различие
клинических диагнозов. Система выдает те симптоматические МАКРО описания
заболеваний, в которых у разных диагнозов заболеваний они разные, и делается
32
попытка сравнения и поиска необходимой информации в клиническом описании
микроситуации.
В случае же отсутствия необходимого для дифференциации клинического фрагмента описания, система выдает запрос к ЛВ, и в результате диалога с ним выясняются значения соответствующих симптомов. После чего механизм порождения диагноза МПД определяет другие диагнозы, соответствующие
новому описанию. Все порожденные системой диагнозы поступают в рабочую
базу диагнозов РБД для последующей дифференциации. В случае наличия
подлежащих дифференциальной диагностике заболеваний, диагнозы для
последующей дифференциации передаются механизму дифференциальной
диагностики МДД. Формирование конечного диагностического решения
осуществляется
посредством
диагностического
решения
механизма
МСД.
С
сцепления
учетом
и
формирования
информации
из
БЗ
и
дифференциации или совместимости диагнозов заболеваний в соответствии с
таблицами сцепления диагнозов ТСД и механизма дифференциации диагнозов
МДД
происходит
окончательная
идентификация
клинической
картины
заболевания, и система выдает сформированное диагностическое решение
микроуровня. Оценка решения проводится процессором оценки решения ПОР
на основе выборки информации из БЗ о тех симптомах, которые не были
использованы в процессе вывода решения. Если таковых не окажется, диагноз
определен точно. В случае же их наличия, они представляются ЛВ, который
определяет возможности продолжения процесса диагностики. Таким образом,
осуществляется уточнение диагноза. В противном случае принимается диагноз,
выведенный системой. Окончательно диагностическое решение в виде кортежа
МЕТА-МАКРО-МИКРО
решений
формируется
механизмом
выдачи
диагностического решения МВДР и выдается ЛВ. Это дает ему возможность
убедиться в правильности вывода конечного решения и сделать заключение о
диагнозе, который соответствует всем патологическим состояниям больного с
учетом решения, предложенного системой.
Предложенный принцип поиска значительно уменьшает время поиска
диагностического решения системой при сохранении приоритета на точности
диагностики и обработке всех вариантов возможных диагностических решений
и делает ее (систему) не слишком требовательной к рабочим мощностям
компьютера.
33
Врач, использующий предлагаемую систему, получает возможность
более детально изучить клиническую картину болезни пациента, не упустив
важного симптома, и принять решение, соответствующее правильному
диагнозу.
Основными задачами при решении проблем построения предложенной
выше системы являются:

разработка формальных методов и средств внутреннего представления
знаний;

разработка механизма порождения диагностических решений;

разработка методики объяснения решений и проведения
дифференциальной диагностики;

разработка алгоритмов решения задач диагностики;

построение базы данных и знаний;

организация диалога.
Выводы по первой главе.
1. В настоящее время постановка правильных диагнозов заболеваний
челюстно-лицевой области является актуальной задачей.
2. Для решения задачи диагностики заболеваний челюстно-лицевой
области обоснована архитектура экспертной системы.
34
2. Формирование диагностических решений
В данной главе рассмотрен метод формирования диагностических
решений (диагноза). Представлена методика формализованного представления
симптоматических фактов и порождения диагностических решений с помощью
модели вида алгебраической системы. Описаны механизмы обобщения и
определения
семантической
толерантности
фрагментов,
описывающих
клиническую ситуацию, а также операции над фрагментами семантической
сети, используемые в процессе вывода диагностического решения. Рассмотрены
возможности использования нечетких понятий представленных семантическими
шкалами, и нечетких лингвистических значений, описанных семантическими
графами, при порождении диагностических решений. Представлена структура
диагностического решения и объяснения принятия решений на каждом уровне
конкретизации модели.
2.1.
Модель предметной области
Соответственно условиям проблемной среды и анализа аналитикомыслительного процесса с целью автоматизации процесса диагностики
целесообразной
является
следующая
структура
систематизации
знаний:
наивысший, средний и конкретный уровни конкретизации клинических знаний.
На основе изучения специфики клинических методов построения
диагноза патологических состояний в челюстно-лицевой области целесообразно
использование модели вида алгебраической системы M = <S, P, Θ>, где S –
носитель системы - модифицированная семантическая сеть, P, Θ – сигнатура
алгебраической системы. При этом Θ – операции над S, Θ = <, , , \, , >,
где  - конкретизация,  - обобщение,  - объединение, \ - разность,  пересечение,  - сравнение, а P – глобальные отношения в S. Отличие
глобальных отношений P от семантических отношений в том, что они
определены только в S и для отдельно взятых элементов они не существуют.
Носитель S представим в виде 4-ки множеств S = <F, Fr, P, D>, где F –
множество клинических фактов, Fr - множество фрагментов, P - множество
продукций и D - множество диагностических решений. Описание клинической
35
ситуации представляется множеством клинических фактов F = {fm}, где fmэлементарные факты, m - уровень конкретизации знаний и m= 0, k  , где k –
значение уровня, соответствующее микро уровню, а m=0 соответствует мета
уровню, средние же m=1, m=2, …, m=(k-1), соответствуют 1му, 2му и (k-1)му
среднему уровню соответственно. Фрагмент клинической ситуации Fri = {fi} ->
di
представляется множеством элементарных фактов f, связанных с одним
диагнозом d, а множество продукций P = {pm}, где pm – продукция m-го уровня.
Полным клиническим фактом или продукцией pm условимся называть правило
вида: fm-->dm, где dm – диагностическое решение m-го уровня. Множество D =
{dm} является множеством возможных диагностических решений[30].
Глобальные
отношения
P
представляются
четверкой
возможных
отношений P = <Pсовм, Pдиф, Pосл, Pэтиол >, где Pсовм – совместимость, Pдиф
– дифференциальная диагностика, Pосл - осложнения, Pэтиол – этиология. Здесь
под совместимостью понимается возможность параллельного течения более
одного патологического процесса у пациента. Информация о глобальном
отношении «совместимость» патологических процессов заложена в базе знаний.
«Дифференциальной диагностикой» назовем глобальное отношение двух или
более диагностических решений. Их описания семантически близки и
распознавание
основывается
симптоматических
клинических
фактах
объектов.
на
с
заложенных
разными
Глобальное
в
базу
значениями
отношение
знаний
свойств
«осложнение»
системы
описанных
выражает
состояние, следующее за описанным состоянием в случае ослабленных
защитных функций либо отсутствия медицинской помощи пациенту. Разница в
симптоматическом описании диагноза и его осложнений играет важную роль
при выборе метода лечения. «Этиология» характеризует причину развития
патологического состояния. Рекомендации по устранению этого фактора одна из
основных задач в выработке тактики лечения.
При
анализе
осуществляется
болезни
переход
к
от
высшего
уровня
описания
максимально конкретизированному,
патологии
то
есть
микроуровню. Следующий за наиболее абстрактным уровнем описания, уровень
на котором выделяют тип патологического процесса, играет важную роль в
процессе рассуждения от общего к частному во время постановки диагноза. На
этом этапе выделяются типовые патологические процессы, которые развиваются
36
по одинаковым законам, независимо от особенностей причин, вызывающих их и
локализации патологии (например: воспаление). Следующим более конкретным
уровнем, является уровень, на котором формируется представление о
нозологической форме болезни. Конкретизация происходит в ходе дедуктивного
мышления, когда врач-специалист точно устанавливает причину болезни
(например, микобактерии туберкулеза), определяет пострадавший орган
(например, язык) и связь личных характеристик данного конкретного
индивидуума (таких как возраст, пол, род занятий) со спецификой протекания
заболевания. Патологический процесс протекает в динамике и может содержать
в себе несколько болезней. На момент обращения пациента формируется
клиническое описание
некоторого патологического состояния, на основе
которого необходимо поставить точный диагноз[31].
Клиническое
клинических
описание
фрагментов
A
Fr 
диагностическими решениями D 
j
fr ,
i
s
связанных
с
это
i
f
i
множество
определенными
d . Связанным фрагментом
фрагмент fr , для любого элемента
f
микроситуации
s
назовем такой
 fr , найдется другой такой элемент
 fr , в котором хотя бы один элемент множества X совпадает в обоих
фактах
f
i
и
f
j
 fi  fr  fjfr, fi = (x1i, r1i, x1i), fj = (x2j, r2j, x2j) x = x1i = x2j  x
В
дальнейшем
при
использовании
фрагмента
имеется
в
виду
удовлетворение условия связности.
Диагностических решений, описанных в базе знаний (БЗ) системы
множество. Сравнение и перебор всех возможных вариантов описаний
диагнозов из БЗ с описанием
A
s
займет слишком много времени и ресурсов.
Разделение знаний на уровни конкретизации и разработка механизмов
обобщения и сравнения позволяет системе избежать перебора ненужных
заболеваний[32].
Трудности систематизации, связанные с классификацией заболеваний
полости рта рассмотрим на примере заболеваний слизистой оболочки полости
рта. В основу предложенных классификаций болезней были положены
различные аспекты: клиническое течение,
локализация поражений, глубина
37
поражений, типы воспалительных реакций. Считается, что идеальный диагноз
слагается из множества элементов, в результате установления которого точно
следует
метод
лечения.
Клинический
диагноз
–
основной
элемент,
характеризующий клиническую картину болезни, совокупность ее проявлений;
анатомический – определяющий характер и место поражения у данного
больного; функциональный – характеризующий механизмы функциональных
изменений, наблюдаемых при данном заболевании; этиологический диагноз,
устанавливающий причины данного заболевания. В тех или иных патологиях в
большей или меньшей мере выражены разные элементы диагноза. Нередко
встречаются заболевания, этиологический диагноз которых отсутствует,
например рак полости рта, ибо не известны причины вызывающие подобные
заболевания. В основном распространены клинико-симптоматологические
заболевания и их проявления в полости рта. Например: неврозы. Таким образом,
в целом ряде заболеваний врачи сталкиваются не с идеальным, а с более или
менее неполным диагнозом, причем этот неполный диагноз приобретает все
больше клинический характер.
Представим клиническую информацию о патологическом состоянии
пациента в виде множества симптоматических фактов
f
i
является высказыванием вида
объект»,
r
ij
= имеет свойство,
исследования»,
результат
r
jk
f

i
x
исследования».
j
jk
x
k

ij
x
i
. Каждый факт
= «клинический
Впредь
= «определенное значение или
подобные
высказывания будем коротко называть тройками
клинический объект,
k
i
= «определенное свойство или метод
j
= имеет значение,
метода
ij
s
, где
xr x r x
i
A  f
f
i

симптоматические
 
j

j
i
- свойство клинического объекта,
ij

, где
-
i
- значение
свойства клинического объекта или просто симптоматическими фактами
f
i
. На
(Рис. 2. Пример клинической микроситуации в виде семантического графа.)
приведен пример клинической микроситуации в виде семантического графа
G
s
[33].
Информация о состоянии пациента в виде клинического описания
микроситуации
A
s
поступает на вход экспертной системы.
38
Рис. 2. Пример клинической микроситуации в виде семантического графа.
Рассмотрим
пример
симптоматического
факта:
перкуссия
зуба
безболезненна. Здесь записана информация о свойстве «перкуссия» объекта
«зуб» - значение – «безболезненна». Соответственно симптоматический факт
представляется тройкой: <объект = зуб, имеет свойство = перкуссия, имеет
значение = безболезненна>.
Также необходимо отметить, что в тройке типа
свойства

j


i
 
i
j
 
i
i
i
значение

i
может в свою очередь являться объектом в другой тройке
j
. Например: <зуб поверхность пятно> и <пятно цвет
меловидное>.
Далее, введем понятие характеристики клинического объекта
h , и будем
l
представлять ее следующим образом
39
h
l
где

l
- свойство клинического объекта, а

l
l
l
,
– значение этого свойства.
С учетом характеристик клинических объектов приведенных на Рис. 2:
объект
w
= полость, имеет следующие характеристики
h1 = <1 1> = (основание широкое)
h2 = <2 2> = (вход узкий)
h3 = <3 3> = (глубина глубокая)
h4 = <4 4> = (характер кариозная)
h5 = <5 5> = (зондирование болезненно по всему дну)
Состоянием объекта будем называть множество характеристик H   ,
присущих данному объекту. При этом
H    hl,
В
A
s
могут встречаться как конкретные факты (зуб болит на сладкое, в
прошлом зуб болел на холодное), так и нечетко определенные описания
болевых синдромов (стреляющая, ноющая или причинная боль) и состояния
(слабость, незначительное головокружение, умеренная кровоточивость лунки).
Но возможны противоречивые и даже несовместимые описания (боль в области
давно отсутствующего зуба, болевая реакция на холодный раздражитель давно
депульпированного зуба).
Одним из наиболее характерных свойств описания патологического
состояния является присущая ему нечеткость. Необходимо отметить, что
опытный врач-специалист легко справляется с подобной (возникающей)
нечеткостью. Например: глубина повреждения твердых тканей зуба – средняя.
Каждый врач-специалист знает, является ли глубина средней, хотя указать её
размеры или точные характеристики не может. При описании клинической
картины состояния пациента, чаще всего приходится иметь дело с нечеткостью
самих понятий. Необходимо отметить, что в основе проявления этого типа
нечеткости лежит операция обобщения, и нечеткость этого типа есть прямое
следствие этой операции. Цельное обобщенное описание «симптомокомплекс»,
позволяет врачам-специалистам оперировать клиническими описаниями, что
выделяет системный подход в постановке диагноза. Анализ отдельно
40
разрозненных фактов замедлил бы процесс идентификации патологического
состояния. Оперируя нечеткими понятиями, врачи оперируют неявно заданной
информацией известной практикующим врачам из их клинической практики.
Рассмотрим, например, нечеткое лингвистическое понятие «боли».
Различают многообразие проявлений, и сочетание различных признаков боли. У
разных типов развития личности проявления болевого синдрома на различных
этапах болезни разные. Например, на раннем этапе болезни эмоциональные
нарушения ограничиваются симптомами легкой астении. При длительном же
многолетнем хроническом течении болевого синдрома (например, атипичная
лицевая боль) у больных с невротическим типом развития личности могут
возникать
стойкие депресивно-ипохондрические, астенодепрессивные и
истерические состояния. Описание болей пациентов не несут какой-либо
систематизации. Они могут быть как самопроизвольными, так и связанными с
определенными
внешними
раздражителями
иногда
проходящие
после
устранения раздражителя. Различают болевой синдром по продолжительности
от кратковременного (нескольких секунд и минут) до продолжительного.
Встречаются даже непрерывные (постоянные), и даже неясно очерченные, без
дополнительных уточнений болевые синдромы. Например, «продолжительность
болевого
синдрома».
Бывают
боли
прерывистые
(приступообразные),
пульсирующие или дергающие. Различного времени появления (ночные или
дневные). Различная локализация боли (точно указан пораженный зуб),
неопределенная («отдает» в висок, ухо) или отраженная (на участок кожи или
зубы другой челюсти или стороны), различная по интенсивности от слабой до
невыносимо сильной. Таким образом, комбинация различных качеств, таких как
сенсорных, интенсивности, локализации, эмоциональных, вегетативных и
моторных проявлений составляют мощный лингвистический потенциал при
описании симптома боли. Установление этиологии такого сложного признака
как боли дает возможность делать вывод и об этиологии самого заболевания.
Различают боль физическую и психогенную по происхождению. Так выделяют
физическую боль, обусловленную внешними воздействиями, связанную с
внутренним патологическим процессом или вследствие повреждения нервной
системы и её аппарата. Психогенная же боль различается как психологическая
либо социальная. Социальная же в свою очередь разделяется на эмоциональную,
связанную с состоянием личности или с окружающей ситуацией. Описание
41
составляющих качеств боли являет собой попытку описания сложного синдрома
в целом. Представим, например нечеткие лингвистические значения нечеткого
понятия «интенсивность болевого синдрома» в виде семантической шкалы.
Шкала, описывающая нечеткое понятие «интенсивность болевого синдрома»
являет собой некую функцию близости нечетких лингвистических значений
данного нечеткого понятия. Так, расположенные в разных концах данной
семантической шкалы понятия наиболее противоречивы, а те которые
расположены близких друг к другу, менее противоречивы. Это означает, что
возможно при описании некоторой ситуации используемые понятия могут быть
более или менее точным описанием.
~
 ,
Нечеткие описания будем представлять двойкой

–
~
различать двух видов: базовые и квантифицированные, т.е.
– квантор,

, где
 – нечеткое лингвистическое значение (НЛЗ). НЛЗ будем
нечеткое понятие, а
j

~



j

, где
i
- базовое нечеткое лингвистическое значение. Например, λ =
i
«интенсивность болевого синдрома»,

= слабо, а
i
j
= очень, тогда
j  = «очень слабо». Таким образом, нечеткие лингвистические кванторы
i
(НЛК) накладывают некоторые нечеткие ограничения на базовые значения
нечеткого понятия

. В общем случае множество возможных НЛЗ
~
~
~
~
~
 ={  }={  1,  2, … ,  k} свойственных НП - λ будем представлять в виде
семантической шкалы H
  (Рис. 3. Семантическая шкала.).
Рис. 3. Семантическая шкала.
42
~
Для каждого НЛЗ  шкалы H(λ) в семантической сети S должен
~
существовать фрагмент F(  ), в котором представлены отличительные свойства
~
НЛЗ  (Рис. 4. Фрагмент, описывающий нечеткое лингвистическое значение.).
Рис. 4. Фрагмент, описывающий нечеткое лингвистическое значение.
Представим, к примеру, нечеткое лингвистическое понятие «глубина
повреждения зуба» в виде семантической шкалы (Рис. 5. Семантическая шкала и
фрагменты описывающие нечеткое понятие «Глубина повреждения зуба».).
Теперь рассмотрим формальное описание модели управления для
принятия диагностических решений. Как было сказано выше, предлагается трех
уровневая модель управления (Рис. 6. Модель управления для принятия
диагностических решений.).
43
Рис. 5. Семантическая шкала и фрагменты описывающие нечеткое понятие «Глубина
повреждения зуба».
44
Рис. 6. Модель управления для принятия диагностических решений.
На
данных
уровнях
располагаются
m
продукционные
правила Pi
различной степени обобщения, где индексы i и m означают i-ую продукцию m-
 
го уровня конкретизации знаний. При этом m  0, k , где k – номер,
соответствующий микроуровню, m=0 соответствует метауровню, m=1, m=2, …,
m=(k-1), соответствуют 1му, 2му и (k-1)му макроуровню. Формирование данных
правил осуществляется на основе глобальной цели экспертной системы:
постановка диагноза исходя из описания патологического состояния пациента.
Кроме того, для определения продукционных правил мета, макро и микро
уровней используются подцели глобальной цели, такие как, например:
«Если локализация патологии полость рта, слюнные железы или челюсти, то
болезни полости рта, слюнных желез и челюстей», или «если полость средняя,
то средний кариес».
Структура
продукций
метауровня
0
0
1
2
P ,P
, ...,
P
0
k
, где
представляет
P
0
i
=<
0
0
i
i
m d
собой
последовательность
0
>, а двойка < mi
d
0
i
> является
45
  m = f
полным клиническим фактом. При этом i  1, k , а
0
< m1
d
0
1
>,
метауровня,
r
0
11
m
0
1
r
0
11
=
f ,
0
1
f
0
0
0
= < x11 r 11
1
y
0
11
>, где
. Например P
0
0
0
i
i
1
x
0
11
=
- обобщенный объект
0
- обобщенное метаотношение, а y - обобщенное метазначение
11
. Исходя из уровня конкретизации каждый объект, свойство или значение
имеет свое лингвистическое представление, характеризующееся включением в
некоторые классы обобщенных понятий и содержащее некоторые классы
конкретных понятий.
Клиническая информация на наиболее конкретном уровне в БЗ
выражается также тройкой
этом
X
f
k

k
k
xr y
k
, где
– множество конкретных объектов,
отношений и
представлении
Y
R
k
x  X , r  R, y Y .
k
k
При
– множество семантических
– множество значений. Информация об иерархическом
понятий
представлена
в
базе
знаний
в
виде
аксиом
конкретизации и обобщения понятий и отношений. (Рис.7. Аксиомы обобщения
и конкретизаци понятий).
46
Рис.7. Аксиомы обобщения и конкретизаци понятий и отношений.
Рис. 7. Аксиомы обобщения и конкретизации понятий и отношений.
47
Рис. 8. Диагностические решения.
Собственно диагностические решения также представлены на разных
уровнях конкретизации, например (Рис. 8. Диагностические решения.).
48
2.2.
Разработка механизма порождения диагностических решений
Рассмотрим построение стратегии управления в модели диагностики
заболеваний челюстно-лицевой области с целью порождения диагностического
решения. Обобщенный метауровень системы формирует стратегию порождения
диагностического решения на основе метаправил представленных на (Рис. 9.
Обобщенный метауровень системы.):
Рис. 9. Обобщенный метауровень системы.
Где G = <mG → dG> - исходная глобальная метацель, mG - глобальное
описание, т.е. состояние пациента, dG – глобальное диагностическое решениесостояние пациента, выраженное кратким медицинским обозначением, т.е.
диагнозом. P01 – это первая продукция метауровня, а P01=<m01 → d01>, где m01 –
0
0
0
первое метаописание нулевого уровня, которое имеет вид {< x1 r11 y >}, а
111
- болезни конкретных органов. Например
место,
y
0
111
x
0
1
- патология органов,
0
11
0
1
- имеет
- конкретные органы.
На начальном этапе поступления микро описания
состояния
r
d
конкретного
пациента
система
A
патологического
распознает
микроситуацию
s
конфликтной, что обусловлено уровнем описания. При этом в микро описании
49
состояния пациента могут быть как микроуровневые, так и макроуровневые
выражения вида
A   [ ( ,
s
1
11
  2 [ 21 (
111
211
,
212
112
,...,
,...,
  3 ...   l [ l1 ( ,

l11
), 12 (
), 22 (
121
,
122
,...,
12 m
),..., 1k (
,
222
,...,
22 p
,..., ), l 2 (
l 21
,
,...,
21 f
l12
11n
221
l1u
l 22
),..., 2t (
l 2v
1k 1
2 t1
,
,
1k 2
2t 2
,...,
,...,
1kl
2 tg
),..., ls ( , ,...,
ls1
ls 2
))) ]]]
lsw e
l
Вывод системы из конфликтного состояния производится порождением
d
0
i
на метауровне, что осуществляется следующим образом. Описание
A
s
микро ситуации сравнивается со всеми мета описаниями (левыми частями
продукций) мета уровня:
A ,m , A ,m ,..., A ,m ,..., A ,m 
0
s
1
0
s
0
s
2
0
s
i
p
В результате операции сравнения определяется i–ое мета описание
которое семантически наиболее близко к
решение
d
0
i
.
Операция
сравнения
A,
s
m
0
i
,
откуда следует обобщенное
реализуется
с
помощью
метода
семантической толерантности. Мерой толерантности фрагментов является
множество отношений толерантности между фактами. Для того чтобы
определить меру семантической толерантности фрагментов
A
s
и
m
0
i
,
A    A . Процедура
обобщения объектов реализуется с помощью графа Gx  представленного на
необходимо предварительно обобщить
A,
s
т.е.
0
s
s
i
(Рис. 10. Граф «Обобщение объектов».)
50
Рис. 10. Граф «Обобщение объектов».
 , то, попадая в вершину графа, Gx 
Если обобщению подлежит объект
i
i
определяется вершина xi   i , далее поднимаясь по дугам графа попадаем в


искомую вершину
x

x
i
, которая представляет собой обобщение α – уровня от
. Операция обобщения для объектов
i
,
образом. Пусть задан объект

обобщения объекта

объект
x

, что
i
x
тогда
i


    x ,
i
ijk


y
ijk
 
   : если 
ij
i
i
 y


,
ijk


x
и
i
ijk




 f

i

i


x


ij
 

фрагмент
f

i
A до
s
 hij , то
f

i
и характеристика
j
f

,где


– операция

i
 


ij
 r ij ,
ij
 r

ij
, и
. Таким же образом производится обобщение
Для обобщения факта
что
где
i
. Аналогично осуществляется операция обобщения для
i
свойств и для значений свойств объектов:

определяется следующим
на α – уровне, если в базе знаний находится такой
i


i
i
 x 




     h x .
ij



i
i
h x


j
j
i
ij
i
в БЗ находится такой объект
 такая,
– обобщенный факт
что
 


i
i
  h x 


j
j

x
j
,
, т.е.
α - уровня. Обобщая же
определенного α – уровня, обобщению подлежат факты,
содержащие объект

i
такой, в соответствии которому из второго фрагмента,
51
подлежащего сравнению с

же не связанные с
в
результате
из
i
s
x
, что
j
 x

i
j
. Факты
не подлежат операции обобщения. Таким образом,
A
s
операции

найдется такой объект
A
обобщения
определяются
факты,
подлежащие
сравнению. Объединение результатов сравнения фактов определяет результат
сравнения фрагментов
Fr , Fr  f , f ... f , f
1
Fr
или

2

2
f и

2j
 x


j

f
 x




11
21
1i
2j



xr y

1i

i1
i
i11

f
,
2j
v

A
s
m
1




1
2
i
n
f
0
11
f
,
0
12
f
,...,
0
1i
,
а
, элементы
всех фактов
Элементы
f
m

и
1i
ij
толерантности,
2
1
m

f
ij

и
1i
 x   x

такие что
j11
f 


i
j
0
1
 A m v , при этом
0
, как
s
i
i
s
которые,
в
0
0

два-толерантность,
1
0
f
и
A
s
s1
f
,
m
0
s2
sj
.
Тогда
для
необходимо построить
1
, где
представляют собой одно из отношений
s1
общем,

2
определены
следующим
образом
- строгая два-толерантность,ˆ - нестрогая
2
ˆ
ˆ
1
- строгая один-толерантность,
 - строгая нуль-толерантность,
толерантность,  - просто нуль-толерантность.
Два факта f и f будут строго два-толерантны 
0
0
толерантность,
f
,...,
попарно, учитывая при этом информацию из БЗ.
2j
M
1

которой будут представлять результаты сравнения
матрицы
T   ˆ  ˆ  ˆ 
2
m
A
определения меры смысловой близости
s1
с

1
v , v ,..., v ,..., v , где α – уровень обобщения.

0
Пусть
M
j1

Fr
являются координатами n – мерного вектора семантической
i
толерантности V 
матрицу
j

где
.
i
Определим результат сравнения
элементы


xr y

,
- нестрогая один- нестрогая нуль-
0
1
2
отношение совпадают друг с другом, т.е.
 f f   
1
2
2
2
, если оба объекта и
, где
f
1

1
1
1
1
11
111
xr y
,
52
f
2

1
2
2
2
1
11
111
xr y
x x
и
1
2
1
1
r
,
1
 r11 ,
1
2
11

y
111
y
2
y
 x1 . Определим нестрогую два-толерантность
где
f
2
111

1
xy
1
1
2
111
1
1
1
1
11
xr y
,
r
111
1
 r11 ,
1
2
11
f
,
y
111
2


2
2
1
11
xr y
2
x
f
1

f
1

2
 x1 или
2
y
111
1
и
111
x
1

2
2
1
1
11
x, r
2
1
111
r
,
1
 r11 ,
2
11
 f f   ˆ
2
как
1
1
 r11 ,
2
2

y
111
y
2
,
или
111
.
1
Строгая один-толерантность
или
2
ˆ
1
xy
или
111
f
1


f
1
2
выполняется, если

1

y
111
y
2
или
111
f
f
1

1
f

f
2

x x
 x1 
1
2
1
2
1
1
y
2
111
. В
случае если объект или значение свойства будут включаться, а не совпадать
будет иметь место нестрогая один-толерантность ˆ .
1
Если
f
1
f

 0 , выполняется нуль-толерантность. Различаются три
2
вида нуль-толерантности: строгая  , нестрогая ˆ и просто  . Строгая нуль0

толерантность
одного
x
2
j
q
q
k
k
q
y
существует дуга
2
j
r
q
k
1
x
1
q
i
k
1
q
i
k
y x
или
2
q
j
k
x y
и
или
. Нестрогая нуль-толерантность
y
i
ˆ
0
2
j
1
или
в сети найдется такой фрагмент
x x
и
k
0
выполняется, если для некоторого
или
Fr  x r y
q
0
0
y
Fr

y
q
k
q
, в котором
и между ними
отличается от строгой
1
нуль-толерантности тем, что выполняется одно из включений
1

x
если
f
y
i
q
k
1
и
x

f
2
j
2

y
q
k
или
y
2
j

y
Fr
x r x x r x
x
q
q
k
n
q
k
. Просто нуль-толерантность
 0 и для некоторого
существует такой фрагмент
q
q
q
l
q
t
причем
q
n
q

1
x
1
или
1
y
111

x
i
0
и хотя бы одного
x
2
1
x
1
или
1
x y
q
n
111
,а
x x
q
2
t
1
или
0
1
x
q
или
k
1
или
в котором выделяется такая вершина
A m  имеет
s

выполняется
x
q
y
, что,
q
2
111
A
s
и
2
111
t
x y
Матрица толерантностей для двух фрагментов, к примеру,
подлежащих сравнению
и хотя бы
i
.
m
0
1
,
следующий вид (Рис. 11. Матрица
толерантностей для двух фрагментов.) , где
m   f f
ij
si
0
pj
 . В ней строками

53
представлены факты из
A
s
, а столбцами факты из
m
0
1
. На пересечении же
фактов выставляются меры толерантностей тех фактов, которые подлежат
сравнению, другим же элементам присваивается ø.
Объединение элементов матрицы
m  m  ...  m  ...  m  m  m  ...  m  ...  m  ...  m
m  ...  m  ...  m  ...  m  m  ...  m  ...  m  v
11
12
i2
1j
1l
ij
il
21
t1
22
2j
t2
2l
tj
tl
i1

p
представляет собой меру семантической близости двух клинических
описаний
A
s
и
0
m
p
.
Рис. 11. Матрица толерантностей для двух фрагментов.
На пересечении
f
si
строки и
f
0
pj
столбца ставится элемент
представляющий собой меру толерантности фактов
Аналогично осуществляется сравнение
A
s
f
si
и
f
0
pj
m
ij
,
.
с остальными описаниями
мета уровня, т.е.
v  ( A , m ) , v  ( A , m ) ,…, v  ( A , m ) ,…, v  ( A , m ) ,
0
1
s
0
0
1
2
s
0
0
2
i
s
0
0
i
p
что сводится, в конечном счете, к построению аналогичных матриц
 
0
s
M
p
si
, где
i  1, p . Таким образом, объединяя элементы остальных построенных матриц,
54
получим координаты
v ,v ,...,v ,...,v
2
3
i
. В результате проведенных процедур
p
строится вектор семантической толерантности фрагментов V 
0
v v ...v ...v 
0
0
0
0
1
2
i
p
Задача поиска наиболее схожего описания сводится к определению

максимальной координатыV . Вектор
V

представляет собой p-мерный
вектор, каждая координата которого есть элемент
отношение толерантности 0     ,где

i
отношение
как  
i
толерантности,
 , ,где 
i
i
i
0
*
0
толерантности
как
v
0
i

i
0
–

а
i
ядро
–
0
i
i
где
i

i
–
 ,ˆ , ,ˆ , ,ˆ , - полное
2
мера
2
1
1
0
0
толерантности,

толерантности.
определяется как
v  ( , ) ,
i
*
0
представимая
–окрестность.
Ядро
 A m   A  m ; а окрестность 
i
0
0
0
s
j
s
0
i
j
*
 A m   A  m \  A m . Определение максимальной координаты
i
*
0
s
j
s
0
i
0
0
j
0
s
j
дает возможность определить
m
0
i
наиболее близкое к
A.
s
После чего
необходимо перейти на следующий уровень макромодели управления, т.е.
первый уровень (Рис. 12. Первый уровень макромодели управления.). После
этого необходимо определить включение
A
s
в одно из правил первого уровня
макромодели, что осуществляется процедурами аналогичными с процедурами
нахождения максимальной координаты вектора
v
0
i
мета уровня описания.
Рис. 12. Первый уровень макромодели управления.
55
Рассмотрим данные процедуры для k-го уровня макро модели. Пусть на
уровне k макромодель представлена j – м количеством макропродукций:
k
k
i1
i2
P m
k
P ,P
,..., Pij , где
k
k
ij
ij
| d ij
k
На следующем (k+1) – м уровне каждая j – ая продукция конкретизируется
множеством продукций
Q P   P , P
k 1
k
k 1
k 1
ij
j1
j2

k 1
,..., P jl
(Рис. 13. Фрагмент
макросети.)
На рисунке приведен фрагмент макро сети k–го уровня, где продукция (k-1)–го
уровня содержит
m
k 1
ji
– макро описание
d
k 1
ji
– го диагноза. В общем виде
клиническое описание диагностического решения k-го уровня имеет вид:
k
k
k
k
k
k
k
k
12 m
1o
k
m  x [r ( y , y ,..., y ), r ( y , y ,..., y ),..., r ( y , y
r ( y , y ,..., y ), r ( y , y ,..., y ),..., r ( y , y ,..., y
y , y ,..., y ), r ( y , y ,..., y ),..., r ( y , y ,..., y ))) ]]]
k
k
k
ji
1
11
k
11n
12
k
k
k
k
k
k
k
k
k
k
k
k
21
211
212
21 f
22
221
222
22 p
2t
2 t1
2t 2
2 tq
l2
l 21
l11
l12
111
l1u
112
l 22
121
l 2v
122
ls
ls1
ls 2
1o1
lsw e
1o 2
,..., y
k
1oe
 x2 [
k
 x3 ...  xl [r l1 (
l
Рис. 13. Фрагмент макросети.
56
К примеру,
k 1
d
= патология твердых тканей зубов,
ji
пульпиты зубов,
d
k 1
13
d
k 2
21
= кариес в стадии пятна,
= средний кариес,
деминерализация,
d
k 1
11
d
k 2
d
d
k 2
= кариес зуба,
d
k
=
i2
= поверхностный кариес,
12
= глубокий кариес,
14
k 2
d
d
= медленнотекущий,
22
= быстрый,
41
k 1
k
i1
k 2
= прогрессирующая
11
= медленно текущий или приостановившийся процесс,
12
= быстротекущий,
хронический,
k 1
d
d
d
k 2
d
k 2
= острый,
31
d
k 2
=
32
= медленно текущий или хронический.
42
Также пусть например, начальная микро ситуация
A , поступившая в систему
s
будет содержать следующее описание: Зуб имеет дефект в виде пятна, светложелтого цвета, зондирование слегка чувствительно, болевая реакция на сладкое
проходит после устранения раздражителя за 5-7 секунд, пятно появилось 1-1,5
месяца назад.
Во внутреннем представлении это микро описание будет иметь вид:
A   [ 
s
1

Где
1
желтый,

231
11
111
= зуб,

22
 2 [ 21

= имеет,
11

32
, 22

= зондирование,
= 1-1,5 месяца назад,
сладкое,
211

12
111

221
, 23 ] 12
231
  2 = пятно,
21
 3 [ 31

= причиняет,

121

= цвет,
= слегка чувствительно,
221
= после устранения,

121

221
, 32 ]]
321
= светло-
= появилось,
23

 3 = боль,
311
31
= на,

311
=
= проходит за 5-7 секунд. Допустим, что
321
посредством пошаговой конкретизации с метауровня, как было описано выше,
данное описание попадает в описание
которого является
включение
A
s
d
в
k 1
ji
m
m
k 1
ji
,
диагностическим решением
. Дальнейшая конкретизация на k–м уровне предполагает
k
i1
или
m
k
i2
. Рассмотрим сравнение
A
m
c
s
k
i1
и
m
k
i2
подробнее.
k
k
k
k
k
k
k
k
k
i1
1
11
111
112
113
114
12
121
m  x [r ( y , y , y , y ), r y
x
k
1
= зуб,
r
k
11
= ЭОД,
здоровых зубов,
y
k
114
y
k
111
= 2-6мкА,
y
k
112
k
k
k
221
222
 x2 [r 21 y , r 22 ( y , y )]] , где
k
k
= <10-12мкА,
k
211
y
k
113
=  симметричному здоровому зубу,
=  как у соседних
r
k
12
= причиняет,
57
y
k
 x2 боль,
k
121
k
r
21
= на,
быстро проходящая,
y
y
k
k
211
= раздражитель,
r
k
= после устранения,
22
m
k
k
i2
, где
x
k
k
1
11
k
k
211
22
k
k
111
112
k
k
k
k
2
21
221
23
k
k
k
k
k
k
26
261
27
271
13
131
k
= зуб,
1
отлом эмали,
r
y
r
= имеет,
k
114
стирание зубов,
= эрозия,
k
11
k
y
k
116
k
k
k
k
k
k
k
118
12
113
114
k
k
231
24
k
115
k
241
116
117
121
k
k
k
242
25
251
k
= кариозная полость,
y
= глубокий клиновидный дефект,
y
y
111
= пародонтальные карманы,
= причиняет,
12
y
k
k
121
= x2 = боль,
r
y
k
k
приступ,
y
k
251
r
k
24
r
k
23
= ночью,
y
k
241
= усиливается,
= приступообразный,
тройничного нерва,
ЭОД,
= после устранения,
y
k
131
r
k
r
k
k
y
k
242
26
y
k
271
=
113
r
k
y
k
211
= на,
22
y
k
118
= без
y
k
221
=
= продолжительный болевой
231
= не меняется,
= иррадиация,
= появилась,
27
y
k
= патологическое
115
= возникающая,
21
y
= очаги воспаления,
117
k
112

= трещина,
воздействия внешнего раздражителя (самопроизвольная боль),
раздражитель,
=
221
имеет следующий вид:
m  x [r ( y , y , y , y , y , y , y , y ), r y
x [r y , r y , r y , r ( y , y ), r y ,
r y , r y ], r y ]
k
k
= от химических могут сохраняться 15-20 сек.
222
Пусть, к примеру,
i2
y
y
k
r
k
25
= характер,
= по ходу ветвей
261
= несколько недель назад,
r
k
13
=
= до 80 мкА.
Как было описано выше, для сравнения двух фрагментов необходимо
определить, какие конкретные факты подлежат сравнению. Для этого
необходимо с помощью БЗ определить
объектов из
A :    =  зуб 
  
 б о ль =
k
3
=
k
k
s
1
k
боль =
x
k
2
   ,   ,   
k
k
k
= зуб = x1 ,
  
k
2

факты    ,    ,    ,   
11
111
1
12
121
3
=
3
 пятно 
k
всех
= ø,
. Соответственно необходимо сравнивать
факты, содержащие клиническое описание объектов
1
k
2
1
31
311
3
31
1
= зуб и
321
из

3
= боль. Т.е.
A сравниваются с
s
58
фактами
m
k
i1
k
k
k
1
11
111
xr y
,
k
k
k
1
11
112
xr y
,
k
k
k
1
11
113
xr y
. Определим таким же образом
 
k
k
k
1
11
114
xr y
,
 
k
k
k
1
12
121
xr y
,
,
k
k
k
2
21
211
xr y
из
=  светло  желтый =ø,
k
k
211
=  слегка _ чувствитлеьно =ø,
  =  1 1.5 месяца _ назад  =ø,   =  сладкое  = раздражитель
= y ,   =  проходит _ за5  7секунд  = быстро проходящая = y .
Обобщения    и    рассмотрению не подлежат, так как  =  ,
k
k
221
k
k
311
k
k
k
k
321
211
221
k
k
111
а

121
k
k
231
=
121
2
111
.
3
Соответственно, необходимо сравнивать все факты, содержащие в
клиническом описании значения

311
и

321
. К тройкам, подлежащим
сравнению добавляются ещё тройки, определенные при обобщении значений,
например

321
т.е.
k
k
k
2
22
221
xr y
. Таким образом, формируется матрица
14. Матрица толерантностей фрагментов описаний
будут необходимые для сравнения тройки из
A
s
и
m
k
i1
M
k
s1
(Рис.
.), где строками
A , а столбцами - тройки из m
s
k
i1
.
Элементами матрицы будут меры толерантностей троек, попавших в сравнение.
Результатом сравнения фрагментов является объединение элементов матрицы.
Таким образом, определяется мера толерантности фрагментов описаний
m
k
i1
A
s
и
.
Рис. 14. Матрица толерантностей фрагментов описаний
A
s
и
m
k
i1
.
59
Из данной матрицы следует, что
A m =  ,2ˆ ,9 . Аналогичным
k
s
2
1
=  ,ˆ ,42 . Учитывая, что
  ˆ    ˆ    ˆ   получим A m > A m , соответственно
образом
2
определим
2
1
1
 A m
2
i1
что
0
s
0
k
 (v1 , v2 ) и
k
v v
k
k
k
1
2
2
1
k
s
0
V
2
k
i2
k
s
i1
. Порождается решение k-го уровня
i2
d
k
i1
= кариес.
Для дальнейшей конкретизации необходимо провести сравнение
m
k 1
i1
,
k 1
k 1
k 1
i2
i3
i4
m ,m ,m
описаний
 A m
и
k 1
i1
= v
k 1
1
s
. Допустим что на (k+1)-м и на (k+2)-м уровнях меры
толерантностей
s
с
A
совпадают
 A m
k 1
s
i3
= v
k 1
3
 A m
k 2
s
11
=   A m ,
k 2
s
32
где
и пусть (k+2)-ой уровень – последний в
сети.
В таком случае необходимо осуществить дифференциальную диагностику
заболеваний. Для этого в БЗ находится таблица дифференциальной диагностики
ТДД, где описаны диагностические решения и те альтернативные решения, с
которыми необходимо проводить дифференциальную диагностику (Таблица 1.
Дифференциальная диагностика).
Таблица 1. Дифференциальная диагностика
d
k 2
11

x r 
…
1
…

x r 
1
k 2
d
32

2
…

2
k 2
…
d
…

…
…
…

km
i
j
Пусть в ТДД существуют факты, разделяющие описания подлежащих
дифференциальной
 
1
диагностике
диагнозов
и
такие
значения
…  , которые в разных диагностических решениях d 11
k 2
2
i
d
свойств
k 2
32
k 2
… d km
60
s
s
разные. Далее, используя операцию сравнения  ,   и  ,  ,
i

1
i
2



определяется то значение свойства

толерантности T. Отсюда следует, что
j

, которое удовлетворяет отношению
j
определит решение,
d
k 2
km
которое и
будет результатом дифференциальной диагностики. В случае, когда в
факта
f
s
j
A
s
нет
, система формирует следующий запрос врачу в виде фрагмента строк
из ТДД (Таблица 2. Запрос i-ый, Таблица 3. Запрос j-ый):
Таблица 2. Запрос i-ый
x r 

1

2

1

2
…

i
…

j
…
Таблица 3. Запрос j-ый
x r 
Далее врач выбирает необходимое значение свойства
вносится в
A
s

i
, которое
с целью дополнения клинического описания. С учетом
дополненного
клинического
толерантности
V
*k  2
описания
*
A
s
формируется
, максимальная координата которого
новый
v
*k  2
max
вектор
и будет
определять окончательное диагностическое решение.
Наличие двух или более диагнозов может быть обусловлено и
недостаточностью знаний в БЗ. В этом случае необходимо осуществить
дообучение БЗ путем диалога с экспертом.
Дифференциальную диагностику также следует проводить в случае
порождения одного диагностического решения
d
k 2
11
на микроуровне. В этом
случае процесс дифференциальной диагностики проводится аналогично.
61
Разработка методики объяснения решений
2.3.
Предположим,
что
диагностическое решение
d
в
micro
i
d , d
0
1
i
i 1
результате
работы
системы
получено
микро уровня, которое представлено кортежем:


 
,..., d l ,..., d m , где   0, n
n
Данное решение принято на n-ом уровне (Рис. 15. Объяснение решения.).
Рис. 15. Объяснение решения.
Вначале, в кортеже решения находится диагностическое решение
d
0
i
мета уровня. Предположим, что необходимо объяснить выбор этого решения.
Для этого необходимо указать все имеющиеся на метауровне диагностические
решения
0
0
1
2
d ,d
0
и раскрыть клиническую информацию
,..., d k
основании которой было принято решение

A , m , i  1,..., k
0
s
факты
а факты
0
  
1

0
f
0
0
1
2
f ,f
0
i
0
i
, на
. По результатам сравнения
определяются все соответствующие симптоматические
i
f
d
m
,
1
s
,...,
0
  
2

0
f
f
0
j
f
,...,
2
s
f
0
  
j

0
f
 , где
j
s
представляют собой обобщение
s
s
1
2
f ,f
,...,
s
s
1
2
f ,f
f
,...,
s
j

f
s
j
A,
s
на
метауровне.
62
Отсюда следует, что именно факты
решения
d
0
0
1
2
f ,f
,...,
f
0
поясняют выбор
k
0
i
0
0
0
i
1
2
d :f ,f
,...,
f
0
, где
k
порядок расположения фактов определяется их важностью. Аналогичным
образом могут быть пояснены отдельные решения любого уровня. Что касается
микроуровня, то здесь объяснение решения осуществляется несколько иначе. А
именно, необходимо указать кроме всех имеющихся на микроуровне диагностических решений, с которыми проводилось сравнение,
диагнозы
n
n
1
2
d ,d
n
n
1
2
d ,d
n
,..., d m так же все
n
,..., d p , с которыми проводилась дифференциальная диагнос-
тика. Далее необходимо раскрыть клиническую информацию
которой было принято решение
d
n
i
m
n
i
, на основании
. Т.е.
n
n
n
i
1
2
d :f ,f
,...,
f
n
l
Если данное объяснение удовлетворяет пользователя, то на этом процесс
заканчивается. В случае возникновения сомнения, связанного с наличием
других близких диагнозов, процесс объяснения осуществляется следующим
образом. Пользователь выбирает близкие на его взгляд диагностические
решения



d l , d l ,..., d l
1
2
из множества решений данного уровня, полученных в
n
результате процедуры сравнения описаний на соответствующих уровнях
(Таблица 1. Дифференциальная диагностика). После этого строится следующая
таблица объяснения решения. Столбцы таблицы соответствуют выбранным
диагностическим
решениям



d l , d l ,..., d l
1
2
.
Строки
данной
таблицы
n
соответствуют характерным и не характерным фактам. На пересечении строки,
соответствующей
характерным
фактам
и
столбца,
соответствующего
выбранному решению записываются клинические факты, определенные
соответствующим толерантностям. На пересечении строки соответствующей не
характерным фактам и выбранного диагностического решения записываются
нетолерантные факты.Приведенные выше факты получены из описаний
A
s
63
микроуровня. Полученная в результате такого построения таблица будет иметь
следующий вид (Таблица 4. Объяснение решения).
Таблица 4. Объяснение решения


dl
Характерные
dl
1
f ,f
i1
i2
f
,
i3
f
Не характерные

dl
…
2
f
i7
…
i6
n
f ,f
i2
f
i7
i1
,
f
i5
Факты в клетках таблицы объясняют выбор решения.
На этом уровне пользователь «эксперт» имеет возможность изменить по
необходимости факты, не соответствующие определенным диагнозам. Также
просмотреть и корректировать в семантической сети соответствующий
фрагмент, который влияет на определение меры толерантности, соответственно
изменяет саму меру толерантности, т.е. обучает систему. Также эксперт может
получить объяснение самих мер толерантностей фактов. Например: Два факта
<x1r11y1>=«зуб цвет нормальный» и <x2r23y3>=«язык форма нормальная» нультолерантны потому, что в семантической сети существует такой объект
x3=«орган полости рта», где
x1 x3 ,x2  x3. Подобно толерантностям фактов
«Эксперт по диагностике» может получить информацию о толерантности
фрагментов описаний в виде таблицы.
Выводы по второй главе.
1.
Представлена методика формированного представления симпто-
матических фактов.
2.
Разработан механизм порождения диагностических решений.
3.
Представлена методика объяснения решения.
64
3. Инженерные аспекты реализации экспертной системы
В данной главе рассматривается сценарий работы экспертной системы,
алгоритмы решения задач диагностики, структуры баз данных и знаний
системы, а также организация диалога. Представлены принципы построения
алгоритмов различных режимов работы экспертной системы. Показаны
последовательность вывода диагностического решения, дифференциальная
диагностика и объяснение диагностических решений.
3.1.
Сценарий работы системы
Рассмотрим сценарий работы системы

Пациент приходит в клинику за консультацией

Пациент звонит в клинику по телефону для консультации

Администратор клиники регистрирует пациента (заполняет паспортную
часть амбулаторной карты) и направляет к врачу-стоматологу

Врач-стоматолог выслушивает жалобы пациента и заносит их в
компьютер

Врач-стоматолог обследует пациента и вносит объективные клинические
данные в компьютер

Врач-стоматолог отправляет пациента на дополнительное обследование
(бактериологический анализ, рентген и т.д.) и вводит полученные
результаты в компьютер

Врач-стоматолог при запросе системы сообщает ей дополнительную
информацию

Эксперт по диагностике редактирует базу знаний системы путем
дообучения

Экспертная система выдает диагностическое решение

Экспертная система запрашивает у врача-стоматолога недостающие
симптомы болезни пациента

Экспертная
система
объясняет
при
необходимости
полученное
диагностическое решение в случае одного диагностического решения
65

Экспертная система, в случае запроса врача о предполагаемом им
диагнозе, объясняет и подтверждает правильность полученного системой
диагностического решения

Экспертная система объясняет наличие двух или более диагностических
решений.
3.2.
Процесс
Алгоритмы решения задач диагностики
функционирования
экспертной
системы
диагностики
заболеваний челюстно-лицевой области может быть описан следующей
последовательностью алгоритмов. При старте системы определяется уровень
пользователя в системе. Возможны три группы пользователей: «Администратор
клиники», «Врач-стоматолог», «Эксперт по диагностике». Таким образом,
существует три режима работы системы (Рис. 16. Режимы работы системы.).
Рассмотрим
алгоритмы
работы
группы
пользователей
«Администратор
клиники» (Рис. 17. Алгоритм работы группы пользователей - «Администратор
клиники»).
Рис. 16. Режимы работы системы.
66
Рис. 17. Алгоритм работы группы пользователей - «Администратор клиники»
Роль этой группы пользователей приведена в сценарии работы системы.
Ввод административных данных, описанный в блоке 1, включает заполнение
данных о клинике и врачах. При поступлении пациента в клинику (филиал) в
блоке 2 определяется намерение пациента, цель: консультация либо лечение. В
блоке 3 определяется, есть ли в базе данных клиники информация о пациенте.
Извлечение данных о пациенте, т.е. амбулаторной карты осуществляется в блоке
4. Далее в блоке 5 осуществляется регистрация пациента, куда входит
заполнение паспортной части амбулаторной карты. В блоке 6 осуществляется
определение лечащего врача с учетом его специализации, свободного времени и
67
желания пациента. В блоке 7 осуществляются изменения административного
характера: изменение графика работы врачей, добавление или удаление записей
о врачах в клинике и т.д. Приведем алгоритм работы группы пользователей «Врач-стоматолог» (Рис. 18. Алгоритм работы группы пользователей – «Врачстоматолог».).
В блоке 1 «Описание микроситуации
A »,
осуществляется ввод всей
s
клинической информации о пациенте. В блоке 2 - присваивание активному
уровню значение - МЕТА уровня в семантической сети модели в БЗ. В блоке 3
проводится операция обобщения для всех фактов из
начальной
A
микроситуации. Далее в блоке 4 проводится операция сравнения
s
A
s
со всеми
описаниями активного уровня. В результате чего определяется множество
координат вектора толерантности. В блоке 5 определяется максимальная
координата вектора толерантности. Далее в блоке 6 осуществляется проверка
активного уровня, является ли он последним, т.е. микроуровнем. В блоке 7
производится переход на следующий уровень конкретизации, в противном
случае система обращается к блоку 8, где проводится дифференциальная
диагностика
полученных
решений.
В
случае
недостающего симптома (блок 9), микроситуация
необходимости
ввода
A дополняется недостающим
s
симптомом в блоке 11, в противном случае производится переход к блоку 10,
где осуществляется формирование диагностических решений. Далее в блоке 12
производится вывод диагностических решений. В блоке 13 устанавливается
необходимость объяснения порожденного решения. В блоке 14 система
запрашивает
информацию
у
пользователя,
чтобы
определить
вариант
объяснения решения. На следующем этапе в блоке 15 производится объяснение
диагностического решения.
68
Рис. 18. Алгоритм работы группы пользователей – «Врач-стоматолог».
69
Рис. 19. Алгоритм работы группы пользователей – «Врач-стоматолог», продолжение.
В блоке 16 определяется достаточность объяснения решения. В случае
недостаточности объяснения для пользователя, осуществляется переход к блоку
17, который предусматривает внесение дополнительной информации для
объяснения решения. Рассмотрим алгоритм дообучения системы пользователем
«Эксперт по диагностике» (Рис. 20. Алгоритм работы пользователя «Эксперт по
диагностике».).
Алгоритм включает коррекцию, дополнение и изменение клинической
информации в БЗ системы. После входа в систему «Эксперт по диагностике»
производит просмотр базы знаний (блок 1). Далее в блоке 3 производится
редактирование базы знаний. Необходимость продолжения процесса работы
определяется в блоке 4.
Рассмотрим конкретнее алгоритмы работы некоторых блоков, описанных
в выше приведенных алгоритмах. Алгоритм процесса ввода симптоматических
фактов представлен на (Рис. 21. Алгоритм процесса описания начальной
микроситуации
A ).
s
В блоке 1 осуществляется ввод клинического объекта,
70
далее в базе знаний системы ведется поиск всевозможных свойств введенного
объекта (блок 2). Ввод необходимого свойства производится в блоке 3. В блоке
4 проводится поиск всевозможных хранящихся в базе знаний системы значений
введенного выше свойства. В блоке 5 производится ввод необходимого
значения. Формирование симптоматических фактов проводится в блоке 6. В
блоке 7 проверяется, есть ли еще симптом для ввода. В блоке 8 осуществляется
формирование множества симптоматических фактов, описывающих начальную
микроситуацию.
Алгоритм процедуры блока «Обобщение» из того же алгоритма приведен
на (
Рис. 22. Алгоритм обобщения).
В блоке 1 осуществляется ввод фактов из As и указывается α –ый уровень
обобщения. В блоке 2 определяются нечеткие лингвистические значения. В
блоке 3 осуществляется ввод нечетких свойств. В блоке 4 осуществляется поиск
в графах свойств НЛЗ из базы знаний. В блоке 5 производится определение
НЛЗ. В блоке 6 осуществляется определение шкалы, соответствующей НП. В
блоке 7 осуществляется поиск значения этого уровня в модели.
Далее, в блоке 8 определяются множества объектов и значений из базы
знаний
соответствующих
четким
объектам
и
значениям.
В
блоке
9
соответственно уровню обобщения в базе знаний находятся объекты и значения,
включающие множества объектов, определенных в предыдущем блоке.
71
Рис. 20. Алгоритм работы пользователя «Эксперт по диагностике».
Рис. 21. Алгоритм процесса описания начальной микроситуации
A
s
72
Рис. 22. Алгоритм обобщения
73
В блоке 10 определяются характеристики объектов α уровня
x

i
. Если в базе
знаний такие характеристики присутствуют, то осуществляется переход к блоку
12, где формируются факты α уровня. Иначе, в блоке 11 осуществляется
обращение к пользователю «Эксперт по диагностике» с целью дообучения.
Блок 4 алгоритма «Сравнение
с описаниями активного уровня»
A
s
представлен на (Рис. 23. Алгоритм сравнения
A
s
с описаниями активного
уровня). Целью данного блока является сравнение множества фактов
всеми описаниями


1
2
m ,m


и формирование
,..., mi ,..., m p
V

.
A
s
со
В блоке 1
осуществляется ввод обобщенного описания и описаний на активном α уровне
модели управления. В блоке 2 выбор начального описания. В блоке 3
определяются два описания для сравнения. В блоке 4 производится построение
матрица толерантностей. Объединение элементов матрицы осуществляется в
блоке 5. В блоке 6 определяется, есть ли еще описания на активном уровне. В
блоке 7 формируется вектор толерантности активного уровня. В блоке 8
осуществляется переход на следующее описание активного уровня.
Представим работу блока 5 из алгоритма работы пользователя «врачстоматолог» в виде (Рис. 24. Алгоритм выбора максимально схожих описаний
активного уровня). Целью этого алгоритма является определение максимальных
координат вектора семантической толерантности (т.е. Выбор максимально
схожих
описаний
активного
уровня).
Ввод
вектора
осуществляется в блоке 1. Координата данного вектора
v  ai

si
2
 biˆ  ci  d iˆ 
определяется
2
1
1
координата
f
вектора
0
i
 g ˆ  hi ,
0
0
v
В
i
с
толерантности
максимальным

si
имеет вид:
блоке
количеством
2

2
толерантностей. Если условие, указанное в блоке 3 не выполняется, значит, есть
одна максимальная координата, и производится переход к блоку 5, где
осуществляется
вывод
максимальной
координаты.
максимальных координатах количество

определяется максимальное количество,
ˆ
2
2
Иначе,
т.е.
если
в
толерантностей одинаково, то
т.е. max
b 
i
производятся аналогичные процедуры, до определения max
в блоке 4. Далее
h . Далее в блоке
i
74
25 в случае присутствия более одной координаты с максимальным количеством
толерантностей осуществляется выбор описаний активного уровня с целью
устранения неоднозначности вывода.
Рис. 23. Алгоритм сравнения
A
s
с описаниями активного уровня
75
Рис. 24. Алгоритм выбора максимально схожих описаний активного уровня
76
Рис. 25. Алгоритм выбора максимально схожих описаний активного уровня,
продолжение.
77
Блок 8 «Дифференциальная диагностика решений» алгоритма работы
группы пользователей «врач-стоматолог» представим в следующем виде (Рис.
26. Алгоритм дифференциальной диагностики решений).
В блоке 1



осуществляется ввод диагностических решений микроуровня d 1 , d 2 ,..., d k . В
блоке 2 выбирается первое диагностическое решение. В блоке 3 осуществляется
обращение к таблице дифференциальной диагностики базы знаний. В блоке 4
определяются альтернативные активному решению другие диагностические
решения. В блоке 5 выделяются все те факты, которые разделяют описания
активного диагностического решения и альтернативных решений. В блоке 6
проверяется наличие определенных симптоматических фактов в описании
начальной микроситуации. Если есть эти симптоматические факты, то в блоке 7
проводится пересчет координат. В блоке 8 осуществляется формирование
множества недостающих симптоматических фактов. В случае отсутствия
таковых, в блоке 9 проверяется, есть ли еще диагностические решения для
проведения дифференциальной диагностики.
В блоке 10 алгоритма производится формирование диагностического
решения. Представим подробнее блок 10 следующим алгоритмом (Рис. 27.
Алгоритм процесса формирования диагностического решения) В блоке 1
осуществляется ввод всех полученных диагностических решений. В случае
присутствия более одного диагностического решения осуществляется переход к
блоку 3, где имеющиеся диагностические решения объединяются в сложное
диагностическое решение. В противном случае осуществляется переход к блоку
5. В блоке 6 осуществляется переход к пользователю «эксперт по диагностике»
с целью дообучения системы. В блоке 7, учитывая данные из предыдущих
блоков, осуществляется формирование диагностических решений на активном
уровне. В блоке 8 осуществляется переход на следующий уровень. В блоке 9
проверяется уровень, соответствующий активному. В случае, если активный
уровень – микро, то производится переход к блоку 10, где осуществляется
вывод кортежа диагностического решения.
78
Рис. 26. Алгоритм дифференциальной диагностики решений
79
Рис. 27. Алгоритм процесса формирования диагностического решения.
80
Рис. 28. Алгоритм процесса объяснения решения.
В блоке 15 алгоритма работы пользователя - «врач-стоматолог»
осуществляется формирование таблицы объяснения диагностического решения.
Данный блок представим следующим алгоритмом (Рис. 28. Алгоритм процесса
объяснения решения). В блоке 1 осуществляется ввод уровня объяснения и
диагнозы, которые подлежат объяснению. В блоке 2 проверяется наличие более
одного диагноза. В случае присутствия одного диагноза, подлежащего
объяснению (блок 3), определяются симптоматические, факты обобщенные до
активного уровня. Далее в блоке 4 осуществляется вывод фактов в качестве
объяснения
решения
в
последовательности
определенной
мерами
толерантностей. В случае присутствия более одного диагноза подлежащего
объяснению в блоке 5 проводится построение таблицы объяснения решения. В
блоке 6 осуществляется вывод таблицы с симптоматическими фактами,
объясняющей диагностические решения.
81
3.3.
Информационная база
Структура информационной базы экспертной системы диагностики
заболеваний челюстно-лицевой области представлена на (Рис. 29. Структура
информационной базы).
Информационная база включает в себя такие основные компоненты как:
база данных и база знаний. База данных представляет собой реляционную базу
процесса лечения пациентов. База знаний включает в себя модель управления и
модель предметной области. (Рис. 30. Структура связей в информационной
базе.)
Рассмотрим структуру модели предметной области подробнее. Одной из
основных компонент данной модели является классификатор заболеваний КЗ.
Структура этой компоненты представлена древовидным графом
G
d
(Рис. 31.
Структура классификатора заболеваний.). В ней описаны всевозможные
состояния пациента, классифицированные по принятому стандарту. Так,
например: кариес зубной, болезни пульпы и периапикальных тканей и т.д.
Следующая компонента обобщение-конкретизация, ОК содержит аксиомы
обобщения
и
древовидными
конкретизации
графами
G
x
и
понятий
и
G
(Рис.
r
отношений,
представленных
32. Структура
обобщения-
конкретизации объектов и отношений.), где обобщенные объекты включают все
входящие по смыслу конкретные объекты.
Компонента НП содержит семантические шкалы, в которых НЛЗ
упорядочены по смыслу. Причем название шкалы это НП, а НЛЗ,
соответствующие вершинам дерева, упорядочены. Смысл каждого НЛЗ опять
таки раскрывается с помощью графа
G
НЛЗ
, как например, в семантической
шкале «Интенсивность болевого синдрома» (Рис. 33. Семантическая шкала и
фрагменты
описывающие
нечеткое
понятие
«Интенсивность
болевого
синдрома».Рис. 34. Семантическая шкала и фрагменты описывающие нечеткое
понятие «Интенсивность болевого синдрома», продолжение 1.,Рис. 35.
Семантическая
шкала
и
фрагменты
описывающие
нечеткое
понятие
«Интенсивность болевого синдрома», продолжение 2.) вершина «очень слабо» это
«влияние
на
способность
принимать
решения
не
наблюдается»,
«трудоспособность не нарушена», «чувство юмора в пределах нормы».
82
83
Рис. 29. Структура информационной базы
84
Рис. 30. Структура связей в информационной базе.
85
Рис. 31. Структура классификатора заболеваний.
Рис. 32. Структура обобщения-конкретизации объектов и отношений.
86
Рис. 33. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома».
87
Рис. 34. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома», продолжение 1.
88
Рис. 35. Семантическая шкала и фрагменты описывающие нечеткое понятие
«Интенсивность болевого синдрома», продолжение 2.
89
Следующая
компонента
модели
предметной
области
-
таблица
дифференциальной диагностики ТДД. Она включает симптоматические факты,
различающие описания схожих по смыслу диагнозов. Например, заболевания
«пародонтоз» и «пародонтит» имеют схожую клиническую картину и
различаются указанными в таблице симптоматическими фактами – «на
панорамном рентгене уменьшение высоты альвеолярного отростка» при
заболевании «пародонтоз» наблюдается и не проявляется при заболевании
«пародонтит».
Модель управления представляет собой семантическую сеть, в вершинах
которой записаны правила принятия решений в виде продукций, а дугами
представлены пути конкретизации продукций. Например, в вершине A может
присутствовать следующее правило в виде продукции «Если патология имеет
место органы полости рта, слюнные железы или челюсти, то болезни органов
полости рта, слюнных желез и челюстей». Конкретизация же этого правила
осуществляется путем перехода по дуге в вершину B следующего уровня
иерархии, где находится правило в виде продукции «Если патология имеет
место зубы, то болезни зубов». Дальнейшая конкретизация осуществляется
аналогично вплоть до конкретного уровня. (Рис. 36. Пути конкретизации
продукций.).
90
Рис. 36. Пути конкретизации продукций.
База данных экспертной системы содержит данные о клинике, врачах,
пациентах, данных о первичном обследовании, посещениях и диагнозах
пациентов. База данных представлена в виде таблиц-отношений реляционной
структуры (Рис. 30. Структура связей в информационной базе.).
Данные о клинике хранятся в (Таблица 5. Клиника).
Таблица 5. Клиника
N КЛИНИКА
АДРЕС
ТЕЛЕФОН 1
ТЕЛЕФОН 2
ВЕБ-САЙТ
ЭЛ-ПОЧТА
ФАКС
Информация о врачах хранится в (Таблица 6. Врач).
91
Таблица 6. Врач
N
ВРА
ФАМИЛ
ИМ
ИЯ
Я
ЧА
ОТЧ
ТЕЛЕ
ТЕЛЕ
ЕСТ
ФОН
ФОН
ВО
МОБ.
ДОМ.
СТА
СПЕЦИАЛЬНО
ДОЛЖНО
Ж
СТЬ
СТЬ
N КЛИНИКА
Паспортные данные о пациенте хранятся в (Таблица 7. Пациент). Клинические же данные хранятся в (Таблица 8. Амбулаторная карта).
Таблица 7. Пациент
N ПАЦИЕНТА
ФАМИЛИЯ
ИМЯ
ОТЧЕСТВО
ДАТА
N
ПЕРВИЧНОГО
АМБУЛАТОРНОЙ
ОБРАЩЕНИЯ
КАРТЫ
Таблица 8. Амбулаторная карта
N
АМБУЛАТОРНОЙ
КАРТЫ
Данные
N ПЕРВИЧНОГО
N
ПРЕДВАРИТЕЛЬНЫЙ
ОБСЛЕДОВАНИЯ
ПОСЕЩЕНИЯ
ДИАГНОЗ ОБЩИЙ.
первичного
обследования
записываются
в
ЖАЛОБЫ
(Таблица
1.
Дифференциальная диагностика)
Таблица 9. Первичное обследование
СОСТОЯНИЕ
N ПЕРВИЧНОГО
ЗУБНАЯ
СЛИЗИСТОЙ
ОБСЛЕДОВАНИЯ
ФОРМУЛА
ОБОЛОЧКИ И
ПРИКУС
КОММЕНТАРИИ
ДЕСЕН
Информация же о каждом посещении, проделанной работе, диагнозе и
враче хранится в таблице (Таблица 10. Посещения).
Таблица 10. Посещения
N ПОСЕЩЕНИЯ
ДАТА
ПРОДЕЛАННАЯ
РАБОТА
ДИАГНОЗ
N ВРАЧА
92
Формирование запроса (Таблица 11. Запрос) осуществляется на основе
данных о субъективных и объективных симптомах из таблиц Пациент,
Амбулаторная карта, Первичное обследование и Посещения.
Таблица 11. Запрос
N
ЗАП
РОС
А
N
N
АМБУЛАТО
ПАЦИ
РНОЙ
ЕНТА
N
ПОСЕЩЕ
НИЯ
КАРТЫ
N
N
ВРАЧА
КЛИН
ИКИ
ПРЕДВАР
ОБЪЕКТИ
СУБЪЕК
И
ВНЫЕ
ТИВНЫЕ
ТЕЛЬНЫЙ
СИМПТО
СИМПТО
ДИАГНОЗ
МЫ
МЫ
В таблице (Таблица 12. Диагноз) хранится информация из таблиц
Пациент, Запрос, Объяснение решения, Дифференциальная диагностика.
Таблица 12. Диагноз
N
N
N
ДИАГНОЗА
ЗАПРОСА
ПАЦИЕНТА
КОРТЕЖ
N
N
ДИАГНОСТИЧЕСКОГО
ОБЪЯСНЕНИЕ
ДИФ/ДИАГНОС
РЕШЕНИЯ
РЕШЕНИЯ
ТИКИ
В (Таблица 13. Объяснение решения) хранится информация, объясняющая решение из базы данных.
Таблица 13. Объяснение решения
N ОБЪЯСНЕНИЕ
УРОВЕНЬ
ДИАГНОЗ
ДИАГНОЗ
МЕРА
РЕШЕНИЯ
КОНКРЕТИЗАЦИИ
1
2
ТОЛЕРАНТНОСТИ
ФАКТЫ
В (Таблица 14. Недостающий симптом) хранятся симптоматические
факты, выведенные системой в качестве запроса о недостающей клинической
информации.
Таблица 14. Недостающий симптом
N ВОПРОСА
ОБЪЕКТ
СВОЙСТВО
ЗНАЧЕНИЕ
Таблица 15. Диагностическое решение
N ДИАГНОСТИЧЕСКОГО
РЕШЕНИЯ
УРОВЕНЬ
ДИАГНОСТИЧЕСКОЕ РЕШЕНИЕ
93
В (Таблица 15. Диагностическое решение) хранятся решения всех
уровней.
3.4.
Организация диалога
Обращение к экспертной системе пользователя «Врач-стоматолог»
осуществляется следующей схемой диалоговых процедур (Рис. 37. Схема
диаговых процедур.). В ней выделены три группы форм, соответственно
группам пользователей («администратор клиники», «врач-стоматолог» и
«эксперт по диагностике»). С формами «Клиника» и «Врачи» работает
пользователь «администратор клиники». Пользователь «Врач-стоматолог»
работает
с
формами
«Пациент»,
«Амбулаторная
карта»,
«Запрос»,
«Посещения», «Недостающий симптом», «Диагноз», «Объяснения решения».
Пользователь «эксперт по диагностике» имеет доступ к базе знаний
посредством формы «редактирование БЗ» и осущесвляет редактирование знаний
о нечетких понятиях - «НП», правилах - «МЕПМАПМИП», таблиц диференциальной диагностики - «Д/Д», совместимости - «Совм», а также аксиом
обобщения и кокретизации - «Деревья».
94
95
Рис. 37. Схема диаговых процедур.
Вход в систему осуществляется посредством формы «Регистрация» (Рис.
38. Регистрация.).
Рис. 38. Регистрация.
Вначале администратор клиники, вводит данные о стоматологической клинике,
филиале или кабинете в форму «Клиника» (Рис. 39. Клиника). Им же вводится
информация о группе пользователей «врач-стоматолог» в форму «Врачи» (Рис.
40. Врачи.). Это как общая информация о врачах, так и информация об их
специализации, опыте и графике работы.
96
Рис. 39. Клиника.
Рис. 40. Врачи.
97
Далее соответственно введенной информации о враче посредством формы
«Пользователи» производится изменение или добавление информации о
пользователе системы (Рис. 41. Параметры пользователя.).
Здесь выделены следующие группы пользователей: Администратор
клиники, Администратор системы, Врач-стоматолог и Пользователь (Рис. 41.
Параметры пользователя.).
Врач-стоматолог работает с формами «Пациент», «Амбулаторная карта»,
«Запрос», «Посещения», «Недостающий симптом», «Диагноз» и «Объяснения
решения».
Эксперт по диагностике работает с формой «Редактирование базы
знаний». Администратор клиники работает с формами «Клиника» и «Врачи».
При поступлении первичного пациента в стоматологическую клинику,
администратор клиники заполняет форму «Пациент» (Рис. 42. Пациенты.). В
поля данной формы вводятся паспортные данные пациента, информация о месте
жительстве пациента. Так же информация о месте работы и специальности.
Указываются условия обслуживания, а также прочие сведения. Информация о
членах семьи записывается в специальное поле. Далее осуществляется переход к
следующей форме.
Клинические данные о пациенте вводятся в форму «Амбулаторная карта»
(Рис. 43. Амбулаторная карта.).
Данные первичного обследования вводятся в Раздел «Первичное
обследование» формы «Амбулаторная карта». Данные о состоянии пародонта
вводятся в форму «Пародонт» (Рис. 44. Карта пародонта.). В эту карту вводятся
сведения
о
составлении
карты
пародонта
челюстей.
Ввод
данных
осуществляется прямо на экране через окно Верхней Челюсти и окно Нижней
Челюсти (переключение между ними осуществляется из списка сверху окна).
Можно просмотреть обе челюсти одновременно, выбрав значение «Все».
98
Рис. 41. Параметры пользователя.
Рис. 42. Пациенты.
99
Рис. 43. Амбулаторная карта.
Для заполнения карты пародонта используется известная система семи
точек. Врач-стоматолог может измерить и ввести следующие значения :

Free Gingival Margin (FGM) - свободный десневой край

Muco Gingival Junction (MGJ) - слизисто-десневое соединение

Pocket depth - глубина десневого кармана

Furcation status -состояние зоны разделения корней

Mobility status - расшатанность

Bleeding Status - кровоточивость десен

Suppuration Status- нагноение
Для ввода информации о состоянии зубов используется форма «Карта
зубов» (Рис. 45. Карта зубов.). На карте изображен ряд круглых образов,
представляющих зубы. Каждый образ далее делится на шесть частей, которые
представляют поверхности зубов.
В верхней половине карты представлено «Текущее Состояние» полости
рта, в нижней – «Требуемое Лечение».
100
Рис. 44. Карта пародонта.
Рис. 45. Карта зубов.
101
Выбирая поверхность (зону) зуба на карте, автоматически уточняется
зубная формула следующим образом:
премоляры и моляры (Рис. 46. Премоляры и моляры.)
Рис. 46. Премоляры и моляры.
резцы и клыки (Рис. 47. Резцы и клыки.)
Рис. 47. Резцы и клыки.
Информация о каждом посещении, проделанной работе, поставленном
диагнозе и враче вводится в форму «Курс Лечения» (Рис. 48. Курс лечения.).
Рис. 48. Курс лечения.
102
После ввода субъективных и объективных симптомов в виде фактов в
формы «Амбулаторная карта», «Карта зубов», «Пародонт», пользователь –
«врач-стоматолог»
нажатием
клавиши
«Запрос»
инициирует
процесс
диагностики. В случае, когда введенных фактов достаточно для постановки
диагноза выводится форма «Курс лечения», где поле «Диагноз» содержит
кортеж диагностического решения. (Рис. 49. Диагноз.).
Рис. 49. Диагноз.
В форме «Объяснение решения» хранится информация о том, на каком
основании система предпочла определенное диагностическое решение на всех
уровнях конкретизации (Рис. 50. Объяснение решения.). Здесь выводятся поля
диагноз и симптомы. В первом указано диагностическое решение, во втором те
симптоматические факты, которые характерны для него.
В случае когда фактов не достаточно выводится форма «Объяснение
решения 2» (Рис. 51. Объяснение решения 2.). Выбор этого варианта
осуществляется нажатием клавиши «Описание НЕ Достаточно». Иначе
осуществляется выход после нажатия клавиши «Описание Достаточно».
103
Рис. 50. Объяснение решения.
Рис. 51. Объяснение решения 2.
104
Далее работая с формой «Объяснение решения 2» врач выбирает диагноз
из списка, предоставленного системой, или вводит диагноз, с которым он
считает необходимость провести дифференциальную диагностику. Переход к
следующей форме «Объяснение решения 3» осуществляется нажатием клавиши
«Провести объяснение» (Рис. 52. Объяснение решения 3.). На данной форме
представлена
таблица
дифференциальной
диагностики,
где
столбцы
соответствуют диагнозам, а строки симптомам, которые характеризуют
диагнозы, но в разных диагнозах имеют разные значения свойств клинических
объектов.
Завершение процесса диагностики осуществляется нажатием клавиши
«Верно». В случае, когда врач обнаруживает дополнительный симптом,
обязательный для диагностики, то его ввод производится нажатием клавиши
«Еще симптом». В случае, если семантика информации, предоставляемой
таблицей дифференциальной диагностики не имеет смысла, осуществляется
переход к пользователю «Эксперт по диагностике» нажатием клавиши «Эксперт
по диагностике». В случае дополнительного обследования пациента новые
симптоматические факты вводятся формой «Недостающий симптом». (Рис. 53.
Недостающий симптом.).
Для редактирования базы знаний используется форма «Редактирование
базы знаний», где пользователю «Эксперт по диагностике», предоставлена
возможность модернизации продукций базы знаний системы (Рис. 54.
Редактирование базы знаний.). Там же имеется возможность редактирования
базы данных нажатием клавиши «Перейти в Аксесс».
105
Рис. 52. Объяснение решения 3.
Рис. 53. Недостающий симптом.
106
Рис. 54. Редактирование базы знаний.
Выводы по третьей главе.
1. Представлены алгоритмы решения задач диагностики.
2. Разработана структура информационной базы системы.
3. Разработаны сценарий и структура диалога работы экспертной
системы.
107
4. Экспериментальная проверка основных положений
диссертационой работы
В данной главе представлена специфика заболеваний челюстно-лицевой
области,
а
также
производится
экспериментальная
проверка основных
положений работы на примерах.
4.1.
Специфика заболеваний челюстно-лицевой области
Заболевания челюстно-лицевой области и в частности стоматологические
характеризуются широкой распространенностью среди населения. Диагностика
этих заболеваний является сложным процессом, связанным не только с
индивидуальными способностями каждого лечащего врача, но также и с
материально-техническим оснащением рабочих мест врачей-стоматологов.
Стоматология
и
челюстно-лицевая
хирургия
являются
экспансивно
развивающимися областями современной медицины. Для точной диагностики
необходим
не
только
скрупулезный
сбор
анамнеза
заболевания,
профессиональное обследование, но и привлечение современного арсенала
средств дорогостоящей дополнительной диагностики. Сопоставление огромного
количества клинической информации, вывод диагностических гипотез, их
проверка, построение динамичной стратегии при конкретизации описания
заболевания от абстрактного до конкретного уровня, все это является методами
построения диагноза. На поиск стратегии и точность диагностики в
определенной степени влияют такие факторы как практический опыт врачастоматолога, его знания о методах построения диагноза, о патологии и о
клиническом различии между похожими состояниями. Анализ и системное
обследование процесса диагностики показали, что достижение качественных
изменений возможно при использовании экспертной диагностической системы
ориентированной на узкую область диагностики заболеваний челюстно-лицевой
области. При этом в качестве основных проблем были выделены возможности
дообучения базы знаний и объяснения лечащему врачу-стоматологу процесса
вывода
диагностического
решения.
Проведение
дифференциальной
диагностики, надежный механизм смыслового сравнения клинических описаний
и удобный интерфейс, способствуют выработке доверия практикующих врачей.
108
В результате испытания методов используемых для построения экспертной
системы диагностики заболеваний ЧЛО, что по мере заполнения базы знаний
системы диагностика становится все точнее. Иерархическая структура хранения
и использования знаний позволяет избегать ненужного количества перебора
всех микроописаний диагнозов. Проведение дифференциальной диагностики и
объяснение диагностических решений делают вывод системы точным и
надежным. В случае добавления новых симптомов диагностические решения,
поставленные на предыдущих посещениях, будут рассматриваться в качестве
предварительных диагнозов и либо подтверждаться, либо изменяться с учетом
новой клинической информации. Таким же образом проделанная работа врачом
также фиксируется в амбулаторной карте и соответственно изменяет диагноз
пациента. Использование системы позволяет врачу не только хранить
информацию об обследованиях и проведенном лечении, но и о проведенной
диагностике. Учитывая структуру системы, есть возможность разработки блока
прогнозирования
заболеваний
пациента,
с
возможностью
выработки
рекомендаций по правильному лечению. Также возможность добавления блока
отвечающего за выработку рекомендаций о необходимых профилактических
мероприятий
с
учетом
индивидуальных
клинических
данных
каждого
конкретного пациента. В разработанной системе учитывается возможность
хранения информации на каждого пациента и централизации хранения
клинической информации в единой базе всей сети. Это означает, что пациент
может в перспективе обратиться не только к другому врачу в той клинике, где
проводилось лечение, но и к другому врачу в любом филиале сети. При этом
информация о пациенте и проделанном лечении и диагнозе будет сохранена
системой для последующих посещений.
Возможность работы с системой позволяет вводить пользователю
«эксперту по диагностике» знания в систему для использования в процессе
диагностики. Тем самым, система проявляет гибкость и индивидуальность, что
позволяет
практикующим
врачам,
доверится
системе,
постоянно
имея
возможность проверки диагностических решений, убеждаясь в правильности
дифференциальной диагностики и выводу решения в каждом случае.
Актуальность этой системы особенно проявляется при заболеваниях слизистой
оболочки полости рта и заболеваний пародонта. Специфика этих заболеваний
109
требует постоянного контроля со стороны лечащих врачей и выработке у
пациента доверия к медицинским услугам оказанных клиниками.
Рассмотрим различные классификации заболеваний слизистой оболочки
полости рта используемые в настоящее время практикующими врачамиспециалистами.
Согласно Международной классификации стоматологических болезней,
травм и причин смерти различают следующие наиболее устоявшиеся
диагностические понятия, используемые при практической деятельности
специалистами-стоматологами.
Стоматиты:
катаральный,
острый
афтозный
(легкая
форма,
среднетяжелая, тяжелая), включающий единичные афты, губной герпес,
некротические язвы; хронический рецидивирующий афтозный (фибринозная,
некротическая, рубцующаяся, деформирующая, гландулярная, лихеноидная
формы), язвенно-некротический.
Гингивиты: катаральный, язвенно-некротический, гипертрофический,
атрофический, десквамативный; симптоматические гингивиты.
Заболевания языка: острые воспалительные (глоссит катаральный,
язвенный, десквамативный абсцессы языка); хронические (географический
язык,
ворсинчатый,
ромбовидный,
складчатый);
язык
при
системных
заболеваниях; аномалии языка.
Заболевания
губ
(хейлиты):
катаральный,
гландулярный,
эксфолиативный экзематозный, метеорологический, хронические трещины губ.
Повреждения и аллергические поражения слизистой оболочки полости
рта: механические, физические, химические, лекарственные, профессиональные,
«протезные» стоматиты, аллергические реакции.
Поражения
слизистой
оболочки
полости
рта
при
заболеваниях
внутренних органов, инфекционных болезнях, специфических инфекциях,
гиповитаминозах.
Кандидоз слизистой оболочки полости рта.
Поражения
слизистой
оболочки
полости
рта
при
дерматозах
(многоформная экссудативная эритема, пузырчатка, красный плоский лишай,
красная волчанка и пр.)
Предопухолевые и опухолевые поражения: лейкоплакия Таппейнера,
плоская, варикозная, невусы полости рта, абразивный преканцерозный хейлит
110
Манганоти,
ограниченный
предраковый
гиперкератоз
нижней
губы,
бородавчатый предрак красной каймы нижней губы, болезнь Боуэна и
эритроплазия Кейра, кожный рог, рак и другие опухоли.
Проявление синдромов на слизистой оболочке полости рта.
Таким образом, можно утверждать, что в диагнозе тенденция к
биологическому подходу в понимании сущности болезней, общего патоморфоза
и его частого проявления – нозоморфоза, находит свое отражение в
стоматологии. Например, при воспалительных процессах в челюстно-лицевой
области отсутствие точного классического подхода в выборе лекарственных
средств объясняется динамичными изменениями процесса. Постоянная смена
микробного пейзажа с тенденцией к появлению новых бактериологических
ассоциаций,
преимущественно
с
простейшими
и
грибами,
увеличение
сапрофитных и анаэробных форм, специфических микроорганизмов требуют от
клиницистов
адекватных
постоянного
средств
и
контроля
методов
над
этими
лечения.
изменениями,
Несовершенство
подбора
диагностики
заболеваний челюстно-лицевой области, например, у детей можно объяснить
также объективными трудностями обследования детей, особенно раннего
возраста, атипичным течением заболевания или неверным методологическим
подходом. Анализ обширных материалов различных клиник свидетельствует о
том, что диагностика одонтогенных воспалительных заболеваний у детей,
которые составляют в стационарах 60-80% больных, направляются в стационар
с неправильным диагнозом. Примерно у половины из них не удалены
временные или постоянные зубы – источники инфекции. Это значительно
ухудшает результаты лечения, способствует переходу одной формы воспаления
в другую.
Проблема ранней диагностики типов воспалительной реакции в
последнее время приобрела особую актуальность, так как она определяет
тактику врача в выборе местного и общего лечения, позволяет прогнозировать
исход и предупреждать возникновение осложнений. Тем более что среди
имеющегося арсенала в настоящее время средств и методов лечения есть такие,
которые наиболее показаны при одном типе воспалительной реакции и
противопоказаны при другом.
По формам проявления различают нормальную (нормоэргическую),
повышенную
(гиперэргическую)
и
пониженную
(гипоэргическую)
111
реактивность.
Существует
также
понятие
извращенной
(дизэргической)
реактивности. Наиболее отчетливо данные типы реактивности проявляются при
неспецифических инфекционно-воспалительных заболеваниях. Иными словами,
реактивность отражает защитно-приспособительные способности организма и
обусловлена наследственными и приобретенными факторами. В значительной
степени она зависит от пола, возраста, условий и среды проживания и т.д.
В результате нарушения экологической ситуации и повсеместного
проведения различных социальных и лечебно-профилактических мероприятий,
наблюдается изменение течения ряда заболеваний и появления так называемых
атипичных форм. Влияние различных факторов среды приводящее к изменению
клинической и морфологической картины определенной болезни (нозоморфоз),
а также изменение «панорамы» болезни, т.е. структуры заболеваемости и
смертности больших популяций обозначают термином «патоморфоз». Среди
одних
из
основных
экологических
и
причин
патоморфоза
социальных
условий,
выделят
постоянную
массовые
смену
профилактические
мероприятия, использование огромного арсенала лечебных средств. Картина
воспалительных процессов приобрела другие черты. Нередко их течение стало
длительным, вялым, со стертой клинической картиной, отсутствие типичных
макроскопических признаков, преобладание продуктивного воспаления, в
фокусе которого наблюдаются выраженные в той или иной степени
альтернативные изменения вплоть до некроза, а также экссудативные процессы
с патологической реакцией микроциркулярного русла. Однако альтернативные
и экссудативные изменения отступают на второй план по сравнению с явно
преобладающей клеточной пролиферацией.
Патологические процессы, протекающие в челюстно-лицевой области,
характеризуются множеством местных и общих проявлений. Так симптом
«скрежет
зубами
во
время
сна»,
характеризует
болезнь
называемую
«бруксизмом». Но этой информации для назначения соответствующего лечения
не достаточно. Возникает необходимость уточнения этиологического фактора,
например
«невроза» или
в
другом
случае
«вредной
привычки» или
«патологического стирания зубов», а возможно и всего вместе. Устранив
этиологические факторы, специалист-стоматолог (например, в случае с
«неврозом» направив пациента на прием к невропатологу и «патологического
стирания» восстановив все стертые ткани зубов) не достигает излечения
112
заболевания
пациента.
Лишь
комплексное
лечение
с
учетом
всех
патологических изменений, устранение этиологического фактора, учитывая
индивидуальные
особенности
строения
организма
пациента
и
его
психоэмоциональный и социальный статус, дает возможность на этапе
диагностики,
разработав
поставить
стратегию
правильный
лечения
предварительный
придти
к
полному
диагноз.
Далее
выздоровлению
и
установлению точного диагноза. Необходимо отметить, что множество
заболеваний до сих пор не достаточно изучены, а многие не поддаются
лечению. Контроль динамики заболевания в процессе лечения, помогает влиять
на своевременное изменение предварительного диагноза и соответствующего
плана лечения с целью проведения адекватных лечебных мероприятий.
На приеме у специалиста-стоматолога, пациент в первую очередь
делится
субъективными
ощущениями
и
жалобами,
которые
считает
проявлениями той или иной патологии челюстно-лицевой области (например,
боли в области 16го зуба). Задачей специалиста является выявление
необходимых в процессе диагностики симптомов и признаков патологического
состояния
пациента.
Получив
необходимую,
по
мнению
специалиста,
информацию от пациента, врач приступает к обследованию челюстно-лицевой
области
пациента.
Далее,
при
необходимости
специалист
назначает
дополнительные методы исследования (например, рентген 16го зуба). Собрав,
таким образом, всю информацию о состоянии пациента, специалист вводит
клинические описания в экспертную систему диагностики заболеваний
челюстно-лицевой области. Получив на входе описания микроситуации, система
проводит диагностику, учитывая все необходимые знания, заложенные в базе
знаний системы.
Основные требования к системе вытекают из специфики
алгоритмов, структур данных и знаний, а также концепции интерактивного
взаимодействия:

время
реакции
системы
должно
быть
ограниченно
пределами
общепринятыми для интерактивных систем (в пределах 10-40 секунд);

обеспечение возможности сетевой реализации, т.е. одновременной
работы нескольких пользователей;
113

система должна быть способна хранить и обрабатывать файлы большого
объема (содержащие тысячами записи о пациентах и продукций в базе
знаний).
Это существенно повлияло на решение следующих технических вопросов:

эффективность физического хранения (хранение информации в сжатом
виде, обеспечение достаточно быстрого вывода, основываясь на
эффективных методах построения модели).

наличие встроенных средств обеспечения параллельной обработки одной
физической базы данных и знаний и предоставление пользователям
средств синхронизации параллельных процессов;

наличие средств восстановления данных и защиты системы от сбоев.
Порождение диагностичекого решения на примере
заболеваний слизистой оболочки полости рта и пародонта
4.2.
По данным всемирной организации здравоохранения, заболевания
пародонта встречаются у 80% детей и почти у всего взрослого населения
большинства стран мира. В эту группу включены все патологические процессы,
возникающие в пародонте. Они могут ограничиваться либо одной тканью, либо
поражать несколько или все ткани пародонта, развиваться самостоятельно или
на фоне общих заболеваний органов и систем организма. Патологические
процессы в пародонте (зуб, периодонт, альвеолярная часть челюсти, слизистая
оболочка
десны)
могут
иметь
воспалительный,
дистрофический
или
атрофический характер (нередко их сочетание). Заболевания пародонта
приводят к значительным нарушениям жевательного аппарата, потере большого
количества зубов и в большинстве случаев к интоксикации и изменению
реактивности всего организма.
Согласно
международно-принятой
классификации,
гингивит
это
воспаление десны, обусловленное неблагоприятным воздействием местных и
общих факторов и протекающие без нарушения целостности зубодесневого
прикрепления, т.е. без образования зубодесневых карманов. Выделяют формы:
катаральную, гипертрофическую и язвенную. По течению различают: острый,
хронический, обострившийся и ремиссия. По тяжести процесса: легкий, средней
114
тяжести
и
тяжелый.
По
распространенности
процесса
различают:
локализованный и генерализованный.
Клиника зависит от формы и стадии поражения пародонта, определяется
характером патологических процессов (воспаление, деструкция, дистрофия,
лизис и гиперплазия), а также общим состоянием организма.
Хронический локализованный катаральный (серозный) гингивит по
международной классификации «простой краевой». Развивается вследствие
местных воздействий – наддесневых и поддесневых зубных отложений,
аномалии прикрепления уздечек губ и языка, нависающих пломб, острых краев
кариозных полостей, дефектов протезирования, аномалии положения и
скученности зубов, ортодонтического лечения зубочелюстных аномалий,
плохого гигиенического состояния полости рта, профессиональных вредностей.
При этом клиническая картина часто протекает без выраженных субъективных
данных. Иногда пациенты жалуются на кровоточивость десен при чистке зубов
или приеме твердой пищи и на чувство жжения или расширения в деснах. При
обследовании обнаруживаются гиперемия и отек межзубных сосочков и
десневого края, который теряет свою фестончатость. При инструментальном
исследовании определяются кровоточивость десен, обильный мягкий назубный
налет и наддесневой зубной камень, отсутствие патологических зубодесневых
карманов. Дополнительные методы исследования дают следующие показатели:
положительная проба Шиллера-Писарева, время образования гематом меньше
60-70 секунд, значение индексов гигиены более 1,0, а РМА – больше 0.
Морфологические изменения обнаруживаются только в десне. В эпителии
определяются участки десквамации, отека, явления паракератоза или акантоза,
увеличение межклеточных пространств, накопления кислых мукополисахаридов
и гликогена. В соединительной ткани – признаки хронического воспаления, т.е.
отек,
гиперемия, стаз
сосудов,
увеличение количества лимфоцитов
и
плазматических клеток. При реопародонтографии отмечается констрикция
сосудов
пародонта,
о
которой
свидетельствует
высокое
расположение
дикротического зубца на нисходящей части реограмм.
Такие описания клинической картины каждого заболевания связанного с
органами полости рта, слюнных желез и челюстей заложены в базу знаний
системы в виде продукций. На мета уровне представлены продукции:
115
m xr y
0
1
r
11
=имеет,
полости рта,
y
212
11
1
111

y
111
x
2
0
2
11
x (r y , y
2
=имеет,
1
y
111
органами полости рта,
11

y
111
x
212
2
21
211
=патология,
=слюнные железы,
m xr y
r


y
213
r
21
211
=патология,
, y ) , где
213
21
x =больной,
1
=локализация,
y
211
=органы
=челюсти.
x (r y , y
2
212
r
21
212
, y ) , где
213
x =больной,
=локализация,
1
y
=не связанна со слюнные железы,
=не связанна с
211
y
213
=не связанна
с челюстями.
m xr y
0
3
r
11
=отсутствие,
y
111
1
11
111
, где
x =больной,
1
=патологии.
Структура модели диагностических решений микро уровня «Простой
краевой
хронический
генерализованного
гингивит»
и
«Начальная
пародонтита» представлена
на
стадия
(Рис.
хронического
55.
Структура
диагностического решения «простой краевой гингивит».).
Соответственно каждому указанному на рисунке диагностическому
решению
в
базе
знаний
системы
хранится
клиническая
информация,
описывающая данные решения в виде продукций. Например, на метауровне:

Если локализация патологии органы полости рта, слюнных желез и
челюстей, то Болезни ротовой полости, слюнных желез и челюстей.
Приведем следующие продукции макроуровня:

Если воспаление десны, обусловленное неблагоприятным воздействием
местных и общих факторов и протекающие без нарушения целости
зубодесневого прикрепления или поражение тканей пародонта, то
гингивиты и болезни пародонта.
116
Рис. 55. Структура диагностического решения «простой краевой гингивит».

Если течение длительное, вялое или жалобы слабо выражены, то
хронические гингивиты.
И на микроуровне:

Если развивается вследствие местных воздействий, клиническая картина
протекает
без
выраженных субъективных
данных, жалуются
на
кровоточивость десен при чистке зубов или приеме твердой пищи, на
чувство жжения или на расширения в деснах, при обследовании
обнаруживаются гиперемия и отек межзубных сосочков и десневого
края, который теряет свою фестончатость, при инструментальном
исследовании определяются кровоточивость десен, обильный мягкий
назубный
налет
и
наддесневой
зубной
камень,
отсутствие
117
патологических зубодесневых карманов, дополнительные методы проба
Шиллера-Писарева положительная, время образования гематом меньше
60-70 секунд, значение индексов гигиены более 1,0, РМА – больше 0,
морфологические изменения обнаруживаются в десне, в эпителии
определяются участки десквамации, отека, явления паракератоза или
акантоза, увеличение межклеточных пространств, накопления кислых
мукополисахаридов и гликогена, в соединительной ткани – признаки
хронического воспаления, т.е. отек, гиперемия, стаз сосудов, увеличение
количества
лимфоцитов
и
плазматических
клеток,
при
реопародонтографии отмечается констрикция сосудов пародонта, о
которой свидетельствует высокое расположение дикротического зубца на
нисходящей части реограмм, то простой краевой.
В базе знаний системы в таблице дифференциальной диагностики
соответственно диагностическому микрорешению «простой краевой гингивит»
хранится следующая информация: Дифференциальный диагноз (простой
краевой гингивит) = генерализованный пародонтит легкая степень характерно
в
[изменения
костной
ткани,
при
рентгенологическом
исследовании
определяются остеопороз, разрушение структуры компактной пластинки
вершин межальвеолярных перегородок в связи с начинающейся резорбцией,
расширением
периодонтальной
щели].
симптоматический
катаральный
гингивит, вызванный общими факторами (заболевания желудочно-кишечного
тракта, заболевания сосудистой системы, дисфункция половых желез, сахарный
диабет, болезни кроветворной системы и гиповитаминозы) отличается [большой
распространенностью,
интенсивностью
поражения,
устойчивостью
к
большинству лекарственных средств, склонностью к рецидированию при
заболеваниях желудочно-кишечногго тракта; резко выраженная кровоточивочть
на фоне отсутствия воспалительных явлений при болезнях кроветворной
системы(гемолитическая, апластическая, железодифицитная анемии)]
Начальная стадия хронического
генерализованного
международной
включена
классификации
в
пародонтита
«Уточненный
по
хронический
пародонтит». Заболевание протекает, как правило, на фоне общих заболеваний
организма (нарушения эндокринной системы и обмена веществ (сахарный
диабет, тиреотоксикоз), заболевания желудочно-кишечного тракта (язвенная
болезнь,
длительно
существующие
гастриты,
холециститы,
колиты),
118
заболевания
крови
и
сердечно-сосудистой
системы,
аллергические
и
аутоиммунные состояния, нарушения витаминного баланса). Начальные
признаки: кровоточивость, отек десны, болевые ощущения в области десен, зуд
и жжение, неприятный запах изо рта. Можно обнаружить неглубокие
зубодесневые карманы, преимущественно в области межзубных пространств. На
рентгенограмме определяются отсутствие компактной пластинки на вершинах
межзубных перегородок, расширение периодонтальной щели в пришеечной
области, резкие очаги остеопороза и первые признаки деструкции костной
ткани. Как правило, на этой стадии зубы неподвижны, не смещены и нет явных
признаков нарушений общего состояния организма.
На макроуровне в базе знаний используются следующие продукции:

Если хроническое воспаление всего комплекса тканей пародонта,
сопровождается деструкцией периодонта и костной ткани альвеолы,
наличие
патологических
зубодесневых
карманов,
предшествует
гингивит, то хронические пародонтиты.

Если размер зубодесневого кармана указан, то уточненный хронический
пародонтит.

Если
обнаруживается
зубодесневые
карманы,
на
рентгенограмме
определяются очаги остеопороза и признаки деструкции костной ткани
начиная
с
вершин
межзубных
перегородок,
то
хронический
генерализованный пародонтит.
Представим другую продукцию микроуровня:

Если протекает на фоне общих заболеваний, кровоточивость, отек десны,
болевые ощущения в области десен, зуд и жжение, неприятный запах изо
рта,
обнаружены
неглубокие
зубодесневые
карманы,
в
области
межзубных перегородок, на рентгенограмме определяется отсутствие
компактной
пластинки
на
вершинах
межзубных
перегородок,
расширение периодонтальной щели в пришеечной области, резкие очаги
остеопороза и признаки деструкции костной ткани, зубы неподвижны, не
смещены, нет явных признаков нарушений общего состояния организма,
то начальная стадия хронического генерализованного пародонтита.
Пусть на вход экспертной системы диагностики заболеваний челюстнолицевой области поступило следующее описание микроуровня:
119
Пациент жалуется на кровоточивость десен при чистке зубов, на
чувство жжения в деснах, при обследовании обнаруживаются гиперемия и отек
межзубных сосочков и десневого края, при инструментальном исследовании
определяются кровоточивость десен, обильный мягкий назубный налет и
наддесневой зубной камень, отсутствие патологических зубодесневых карманов,
дополнительные методы проба Шиллера-Писарева положительная, значение
индексов гигиены более 1,0.
Формально фрагмент клинического описания
A
s
задается так:
A =больной(жалуется на десну(проявляется кровоточивостью(во время чистки
s
зубов),чувством жжения, обследование межзубных сосочков и десневого
края(обнаруживается
гиперемия,
отек),
инструментальное
обследование
назубной налет, наддесневой камень, отсутствие зубодесневых карманов,
дополнительные методы обследования проба Шиллера-Писарева(значение
положительная), индекс гигиены(значение более 1,0)))
Система определяет является ли поступившая ситуация конфликтной,
что
определяется
уровнем
описания.
Далее
необходимо
установление
включения поступившей микроситуации в описания на метауровне. Структуры
мета описаний имеют вид представленный выше.
Исходя из описанной выше методики, определяется вектор семантической
толерантности метауровня. В данном случае это трех мерный вектор, каждая
координата которого соответствует результату сравнения с каждым описанием
метауровня.
В
результате
m xr y
0
1
к
11
1
111

операции
x (r y , y
21
2
211
212
сравнения
определяется
метаописание,
, y ) , которое семантически наиболее близко
213
A , откуда следует обобщенное решение d
s
0
1
=«Болезни органов полости рта,
слюнных желез и челюстей». Операция сравнения реализуется с помощью
метода
семантической
толерантности.
толерантности фрагментов
и
A
s
m
0
1
Определим
меру
семантической
для чего необходимо предварительно
A , т.е. A    A . Проведем обобщение объекта «десна» из A .
данном случае эта процедура реализуется с помощью графа Gx  , где
обобщить
В
0
s
s
s
s
i
x =«органы» (Рис. 56. Обобщение объекта «десна».).
i
120
Рис. 56. Обобщение объекта «десна».
Далее обобщению подлежит объект
=
«десна». Определяется
i
вершина xi   i = «десна», далее поднимаясь по дугам графа, попадаем в

искомую вершину

x
= «органы полости рта», которая представляет собой
i
обобщение α = мета – уровня от
x

i
= «десна». Аналогично осуществляется
  

операция обобщения для характеристик объектов:

кровоточивость» и

ij
 hij , где

h
ij
ij
i
= «проявляется
= «имеет место патология», т.е.



     h x  или
ij
i
ij
i
 "проявляется кровоточивостью" "имеет место патология" .

(Рис.
57.
Обобщение объекта «кровоточивость десны».)
Таким образом, обобщая факт
кровоточивостью»,
обобщенный факт
f

i
=


j
j
xh
f

i




i
i
= «десна проявляется
= «имеет место патология», где
α = мета - уровня. Обобщая же фрагмент
f

–
i
A до
определенного α – уровня, обобщению подлежат факты содержащие объект
s

i
такой, в соответствии которому из второго фрагмента, подлежащего сравнению
121
с
A
s
A
s
найдется такой объект

x
j
, что
 x

i
j
. Факты же не связанные с

i
из
не подлежат операции обобщения. Объединение результатов сравнения
фактов определяет результат сравнения фрагментов
A
s
и
m
0
1
.
Рис. 57. Обобщение объекта «кровоточивость десны».
122
A ,m  ∆(пациент
0
s
1
десну)∆(пациент
имеет
имеет
патологию,
патологию,
пациент
десна
жалуется
проявляется
на
кровото-
чивостью)∆(пациент имеет патологию, кровоточивостью во время чистки
зубов)∆(пациент
имеет
патологию,
десна
проявляется
чувством
жжения)∆(пациент имеет патологию, десна обследование межзубных сосочков
и десневого края обнаруживается гиперемия)∆(пациент имеет патологию,
десна обследование межзубных сосочков и десневого края обнаруживается
отек)∆(пациент имеет патологию, десна инструментальное обследование
назубной
налет)∆(пациент
обследование
наддесневой
имеет
патологию,
камень)∆(пациент
десна
имеет
инструментальное
патологию,
проба
Шиллера-Писарева значение положительная)∆(пациент имеет патологию,
индекс гигиены значение более 1,0)∆(патология в органах полости рта,
пациент жалуется на десну)∆(патология в органах полости рта, десна
проявляется
кровоточивостью)∆(патология
в
органах
полости
рта,
кровоточивостью во время чистки зубов)∆(патология в органах полости рта,
десна проявляется чувством жжения)∆(патология в органах полости рта, десна
обследование
межзубных
сосочков
и
десневого
края
обнаруживается
гиперемия)∆(патология в органах полости рта, десна обследование межзубных
сосочков и десневого края обнаруживается отек)∆(патология в органах
полости
рта,
налет)∆(патология
десна
в
инструментальное
органах
полости
обследование
рта,
десна
назубной
инструментальное
обследование наддесневой камень)∆(патология в органах полости рта, десна
инструментальное
обследование
отсутствие
зубодесневых
карма-
нов)∆(патология в органах полости рта, проба Шиллера-Писарева значение
положительная)∆(патология в органах полости рта, индекс гигиены значение
более
1,0)∆(патология
десну)∆(патология
в
в
слюнных
слюнных
железах,
пациент
железах,
десна
жалуется
на
проявляется
кровоточивостью)∆(патология в слюнных железах, кровоточивостью во время
чистки зубов)∆(патология в слюнных железах, десна проявляется чувством
жжения)∆(патология в слюнных железах патология в слюнных железах, десна
обследование
межзубных
сосочков
и
десневого
края
обнаруживается
123
гиперемия)∆(патология в слюнных железах, десна обследование межзубных
сосочков и десневого края обнаруживается отек)∆(патология в слюнных
железах, десна инструментальное обследование назубной налет)∆(патология в
слюнных
железах,
десна
инструментальное
обследование
наддесневой
камень)∆(патология в слюнных железах, проба Шиллера-Писарева значение
положительная)∆(патология в слюнных железах, индекс гигиены значение
более 1,0) ∆(патология в челюстях, пациент жалуется на десну)∆(патология
в челюстях, десна проявляется кровоточивостью)∆(патология
кровоточивостью во время чистки зубов)∆(патология
в челюстях,
в челюстях, десна
проявляется чувством жжения)∆(патология в челюстях, десна обследование
межзубных сосочков и десневого края обнаруживается гиперемия)∆(патология
в челюстях, десна обследование межзубных сосочков и десневого края
обнаруживается отек)∆(патология
в челюстях, десна инструментальное
обследование назубной налет)∆(патология
в челюстях, десна инструмен-
тальное обследование наддесневой камень)∆(патология
в челюстях, проба
Шиллера-Писарева значение положительная)∆(патология в челюстях, индекс
гигиены значение более 1,0) = 8ˆ 1ˆ 32ˆ
1
2
Определим
результаты
0
сравнения
A m1  v , A m2  v , A m3  v
0
0
s
v ,v
2
3
0
s
1
являются
толерантности V 
0
s
2
координатами
3х
3
–
A
s
с
0
0
0
1
2
3
m ,m ,m
при этом элементы
мерного
вектора
v,
1
семантической
v , v , v  , где 0 – уровень обобщения.
0
0
0
1
2
3
Матрица толерантностей для двух фрагментов, к примеру,
подлежащих
как
сравнению
A m  имеет
0
s
1
следующий
A
s
и
вид
m
0
1
,
(
124
Таблица 16. Матрица толерантностей при сравнении с первым мета описанием).
В ней строками представлены факты из
A,
s
а столбцами факты из
m
0
1
. На
пересечении же фактов выставляются меры толерантностей тех фактов, которые
подлежат сравнению, другим же элементам присваивается ø.
Аналогично осуществляется сравнение
с остальными описаниями
A
s
v  ( A , m ) , v  ( A , m ) , v  ( A , m ) что сводится, в конечном счете, к построению аналогичных матриц M (Таблица 17.
0
мета уровня, т.е.
s
1
0
0
1
2
s
0
0
2
3
0
s
3
si
Матрица толерантностей при сравнении со вторым описанием и Таблица 18.
Матрица толерантностей при сравнении с третьим описанием метауровня), где
 
i  1,3 . Таким образом, объединяя элементы остальных построенных матриц,
получим координаты
v ,v .
2
3
В результате проведенных процедур строится
вектор семантической толерантности фрагментов
1ˆ , 32ˆ ,
1
Задача
0
V
0

v v v , где v
0
0
0
1
2
3
1
= 8ˆ ,
2
v = 1ˆ , 40ˆ , v = 1ˆ , 10ˆ
1
1
0
2
0
3
поиска
наиболее
максимальной координаты
схожего
V
дает возможность определить
0
описания
сводится
к
определению
. Определение максимальной координаты
m
0
i
максимальную координату вектора
наиболее близкое к
v
1
A.
s
v
0
i
Далее определив
осуществляется переход к следующему
уровню макромодели управления, т.е. к первому уровню (Рис. 55. Структура
диагностического решения «простой краевой гингивит».), в котором на первом
месте в кортеже диагностического решения записывается «Болезни ротовой
полости, слюнных желез и челюстей». После чего необходимо определить
включение
A
s
в одно из правил на всех уровнях макромодели, что
осуществляется процедурами, аналогичными с процедурами нахождения
максимальной координаты вектора
v
0
i
мета уровня описания. Таким образом,
определяются решения на всех макроуровнях: на первом – «Гингивиты и
болезни периодонта», на втором – «Хронический гингивит» и на микро уровне –
«простой краевой».
125
пациент
имеет
патологию
ˆ ˆ ˆ ˆ ˆ
патология в
органах
полости рта
ˆ ˆ ˆ ˆ ˆ
2
ˆ
патология в
слюнных
железах
ˆ ˆ ˆ ˆ ˆ
0
патология в
челюстях
ˆ ˆ ˆ ˆ ˆ
1
0
0
0
0
2
0
0
0
0
0
0
0
0
0
0
2
0
ˆ
0
2
ˆ
ˆ
0
ˆ
0
ˆ
0
2
ˆ
ˆ
0
ˆ
Ø
Ø
ˆ
Ø
ˆ
ˆ
ˆ
Ø
Ø
ˆ
Ø
ˆ
0
ˆ
0
2
0
0
Ø
Ø
ˆ
ˆ
Ø
ˆ
0
0
2
0
0
индекс гигиены значение более 1,0
десна обследования методы дополнительные индекс
гигиены
проба Шиллера-Писарева значение положительная
десна дополнительные методы обследования проба
Шиллера-Писарева
десна инструментальное обследование отсутствие
зубодесневых карманов
десна инструментальное обследование наддесневой камень
десна инструментальное обследование назубной налет
десна обследование межзубных сосочков и десневого края
обнаруживается отек
десна обследование межзубных сосочков и десневого края
обнаруживается гиперемия
десна проявляется чувством жжения
кровоточивостью во время чистки зубов
десна проявляется кровоточивостью
пациент жалуется на десну
Таблица 16. Матрица толерантностей при сравнении с первым мета описанием
Ø
ˆ
Ø
ˆ
0
2
0
0
126
ˆ
Ø
Ø
ˆ
Ø
ˆ
патология
локализация не
связанна с
органами
полости рта
ˆ ˆ ˆ ˆ ˆ ˆ
ˆ
ˆ
ˆ
Ø
ˆ
Ø
ˆ
ˆ ˆ ˆ ˆ ˆ ˆ
ˆ
ˆ
Ø
Ø
ˆ
Ø
ˆ
ˆ ˆ ˆ ˆ ˆ ˆ
ˆ
ˆ
Ø
Ø
ˆ
Ø
ˆ
патологию
ˆ
патология
локализация не
связанна со
слюнными
железами
пациент имеет
ˆ ˆ ˆ ˆ
патология
локализация не
связанна с
челюстями
1
0
0
0
ˆ ˆ
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
индекс гигиены значение более 1,0
десна дополнительные методы обследования индекс
гигиены
проба Шиллера-Писарева значение положительная
десна дополнительные методы обследования проба
Шиллера-Писарева
десна инструментальное обследование отсутствие
зубодесневых карманов
десна инструментальное обследование наддесневой
камень
десна инструментальное обследование назубной налет
десна обследование межзубных сосочков и десневого
края обнаруживается отек
десна обследование межзубных сосочков и десневого
края обнаруживается гиперемия
десна проявляется чувством жжения
кровоточивостью во время чистки зубов
десна проявляется кровоточивостью
пациент жалуется на десну
Таблица 17. Матрица толерантностей при сравнении со вторым описанием
0
0
0
0
127
отсутствие
патологии
ˆ ˆ ˆ ˆ ˆ
1
0
0
0
десна инструментальное обследование
отсутствие зубодесневых карманов
ˆ
ˆ
ˆ
ˆ
0
0
0
0
Ø
ˆ
0
Ø
индекс гигиены значение более 1,0
десна дополнительные методы обследования
индекс гигиены
проба Шиллера-Писарева значение
положительная
десна дополнительные методы обследования
проба Шиллера-Писарева
десна инструментальное обследование
наддесневой камень
0
десна инструментальное обследование
назубной налет
пациент
десна обследование межзубных сосочков и
десневого края обнаруживается отек
десна обследование межзубных сосочков и
десневого края обнаруживается гиперемия
десна проявляется чувством жжения
кровоточивостью во время чистки зубов
десна проявляется кровоточивостью
пациент жалуется на десну
Таблица 18. Матрица толерантностей при сравнении с третьим описанием метауровня
ˆ
0
128
В заключение приведем общую схему построения стратегии для
приведенного выше примера, отображающую все произведенные выше
действия в обобщенном виде. Диагностическое решение
сцепленное с определенным метаконфликтом
A,
s
d
0
1
после
перехода
с
одного
m
0
1
уровня
d
0
1
метауровня,
, включающим микроописание
макромодели
на
другой
 d  d  d   , последовательно конкретизируется и в результате,
1
2
3
дает искомое решение δ. Определяется первоначальная стратегия. Петля в
вершине показывает, что была определена тупиковая стратегия в вершине
1
m
1
и
был осуществлен переход к реализации другой стратегии. Построение стратегии
и определение соответствующих решений по выделенным микроситуациям
происходит аналогично и в других случаях, отличаясь числом соответствующих
проверок, конкретизаций, числом тупиковых стратегий (в частности, последних
может не оказаться вообще и тогда решение находится сразу).
Отметим, что теоретически возможен случай, когда исчерпаны все
альтернативные решения на первом, самом высоком уровне макромодели
управления. В этом случае происходит отказ всей модели. Это же
свидетельствует о недоучете каких-то существенно важных фактов. Например,
для приведенного выше примера такой отказ наступил бы, если бы на
метауровне все три метаописания соответствовали бы тупиковым решениям.
Правильно построенная, макромодель
управления исключает
появление
подобных изъянов.
Отметим, что определенное таким образом решение δ есть одно из
возможных
модельных
решений,
но
еще
не
окончательное,
которое
непосредственно должно быть реализовано. Хотя альтернативные ветви
решения макроуровня и связаны друг с другом отношением предпочтения, тем
не менее, предпочтение определяется не быстротой поиска, а возможностью его
осуществления. Кроме того, в патологическом состоянии пациента могли
произойти некоторые изменения, также возможны изменения в знаниях о
клинике болезней, которые, хотя и введены в базу знаний, тем не менее, не
подтверждены соответственными изменениями в модели. Причем эти изменения
накладывают определенный отпечаток на принимаемые решения. Иными
словами, для принятия окончательного решения необходимо оценить это
129
решение. С целью решения этой задачи система проводит дифференциальную
диагностику порожденного решения.
Проведение дифференциальной диагностики на примере
заболеваний пародонтоз и пародонтит
4.3.
Рассмотрим процесс дифференциальной диагностики на примере таких
заболеваний слизистой оболочки полости рта и пародонта, как пародонтоз и
пародонтит.
Пусть на входе поступает начальная микро ситуация:
Больная 50 лет, инсулинозависимый сахарный диабет.
Зубная формула представлена в (Таблица 19. Зубная формула в
примере.)
Таблица 19. Зубная формула в примере
O
O
O
C
O
O
O
O
O
O
O
O
O
O
O
18
17
16
15
14
13
12
11
21
22
23
24
25
26
27
28
48
47
46
45
44
43
42
41
31
32
33
34
35
36
37
38
O
O
O
O
C
C
C
O
PP
O
O
O
C
O
Стираемость зубов, клиновидные дефекты в области 15, 23, 37, 33, 31,
41, 42, 43, 44 зубов.
Рентгенологически: не равномерное уменьшение высоты альвеолярного
отростка в области 15, 23, 37, 33, 31, 41, 42, 43, 44 зубов.
Допустим, в результате работы системы порождено диагностическое
решение на микроуровне и сформированы промежуточные гипотезы d1 =
«пародонтоз» и d2 = «пародонтит».
Обращаясь к таблицам дифференциальной диагностики базы знаний,
диагнозу
пародонтоз
соответствует
следующее
представление
(
130
Таблица 20. Таблица дифференциальной диагностики на примере):
131
Таблица 20. Таблица дифференциальной диагностики на примере
панорамный рентген (xr)
пародонтоз (d1)
пародонтит (d2)
равномерное уменьшение
не равномерное уменьшение
высоты альвеолярного
высоты альвеолярного
отростка (y1)
отростка (y2)
Далее в результате диалога (форма «Объяснение решения 3»), врачу
выдается факт: Панорамный рентген не равномерное уменьшение высоты
альвеолярного отростка.
Предложенное системой объяснение решения позволяет врачу
удостовериться в его правильности.
Выводы по четвертой главе.
1.
На основе анализа рассмотренных примеров показано, что
разработанные методы дают возможность получения правильных диагнозов.
2.
Разработанный метод объяснения решения дает возможность
аргументации правильности поставленных диагнозов.
132
5. Заключение
В диссертационной работе получены следующие основные результаты:
1. Проанализирован
ряд
экспертных
систем
и
методик
их
проектирования. В результате анализа выявлены положительные и
отрицательные аспекты традиционных методов проектирования
экспертных систем.
2. Разработана
архитектура
экспертной
системы
диагностики
заболеваний челюстно-лицевой области.
3. Разработан формальный аппарат представления симптоматических
фактов и механизм порождения диагностических решений.
4. Разработана методика объяснения диагностических решений.
5. Разработаны алгоритмы и диалоговые процедуры решения задач
диагностики.
6. Проверка
предложенных
методов
диагностики,
на
примере
заболеваний слизистой оболочки полости рта и пародонта показала,
что данные методы в значительной степени облегчают врачу
постановку правильных диагнозов.
133
Используемая литература
1.
Реальность и прогнозы искусственного интеллекта: Сб. Статей; Пер. С
англ./ Под ред. И с предисл. В.л. Стефанюка.-М.: Мир, 1987, 247 c.
2.
http://www.medizin.fuberlin.de/medinf/Forschung/kiefer/english/index_e.html
იქნა გადამოწმებული - 5.03.2007.
-
უკანასკნელად
3.
Application of the International Classification of Diseaese to Dentistry and
Stomatology, third edition, World Health Organization, Geneva, 1995,
238p.
4.
Поспелов Д.А. Большие системы. Ситуационное управление. – М.:
Знание, 1975, 340 с.
5.
Paolo Arena, Adriano Basile, Maide Bucolo, Luigi Fortuna: “Image
processing for medical diagnosis using CNN”, Nuclear Instruments and
Methods in Physics Research A 497, 2003, pp 174-178.
6.
Dean Bidgood Jr., W., Louis Y, Korman, Alan M. Golichowski, Lloyd
Hildebrand P., Angelo Rossi Mori, Bruce Bray, Nicholas J. G. Brown, Kent
A. Spackman, Brent Dove S., Katherine Schoeffler:
“Controlled
terminology fo clinically-relevant indexing and selective retrieval of
biomedical images”, Int J Digit Libr, 1997, 1: pp 278-287.
7.
Waterman Donald A., – Руководство по экспертным системам. AddisonWisley Publishing Company, Inc, перевод на русский язык, «Мир», 1989
- 388 с.
8.
Мануков С. Г. Применение компьютерных технологий в стоматологии
челюстно-лицевой хирургии – Тбилиси: Журнал «Интелект», 2006 с.73.
9.
Гогичаишвили Г. Г. Автоматизация принятия решений в системах
управления. – Тбилиси: Изд-во «Мецниереба», 1985, 163 с.
10.
http://www.eng.monash.edu.au/ieee/ieeebio1999/p97.htm - უკანასკნელად
იქნა გადამოწმებული - 5.03.2007.
11.
Gertner, A.S., Webber, B.L., “TraumaTIQ: Online Decision Support for
Trauma Management”, IEEE Intelligent Systems, Jan/Feb, 1998, pp32-38,.
134
12.
Brickley, M. R. and Shepherd, J. P. Performance of a computer simulated
neural network trained to make lower third molar treatment planning
decisions. Medical Decision Making, 1996, 16, pp 153-160.
13.
M.R. Brickley, J.P. Shepherd and R.A. Armstrong: “Neural networks: a new
technique for development of decision support systems in dentistry”,
Journal of Dentistry, Vol.26. No 4. 1998, pp 305-309.
14.
Masters, Timothy - Signal and image processing with neural networks: a
C++ sourcebook. Wiley. New York, 1994, 417 p.
15.
Paul F. van der Stelt: “The implementation of digital sensor in maxillofacial
radiography”, Nuclear Instruments and Methods in Physics Research A 460,
2001, pp 45-49.
16.
Akay, M, “The VRT Revolution”, IEEE EMB Magazine, Vol15(2), 1996, pp
31-33.
17.
Michael Eisenburger, Harald Nschernitschek: “Radiographic inspection of
dental castings”, Clin Oral Invest, 1998, 2: pp 11-14.
18.
http://www.dent.ucla.edu/sod/depts/oral_rad/VisionStatement.html უკანასკნელად იქნა გადამოწმებული - 5.03.2007.
19.
http://www.computer.privateweb.at/judith/special_field3.htmუკანასკნელად იქნა გადამოწმებული - 5.03.2007.
20.
Taylor, R. H., et al, “A Telerobotic Assistant for Laparoscopic Surgery”,
IEEE EMBS, Magazine, 1995, pp 279-291.
21.
Ridder D. de, Duin R.P.W., Verbeek P.W. and Vliet L.J. van: “The
Applicability of Neural Networks to Non-linear Image Processing”, Pattern
Analysis & Applications, 1999, 2: pp 111-128.
22.
Satava, R., “Virtual Reality, Telesurgery and the New World Order of
Medicine”, Journal of Image guided Surgery, Vol 1(1), 1995, pp12-16.
23.
Попов Э.В., Экспертные системы, Москва – Наука, 1987, 284 с.
24.
Greenwell, Mike, - Knowledge engineering for expert systems. Horwood,
Chichester, 1988, 350p.
135
25.
Papadourakis, George, Conference proceedings: - Neural networks and
expert systems in medicine and healthcare (Proceedings of the Fourth
International Conference). TEI of Crete. Heraklion, 2001, 600p.
26.
ჩოგოვაძე გ., გოგიჩაიშვილი გ., სურგულაძე გ., შეროზია თ., შონია ო.
მართვის ავტომატიზებული სისტემების დაპროექტება და აგება, –
თბილისი‚“ტექნიკური უნივერსიტეტი”, 2001, 742 გ.
27.
Cleal, David, Knowledge based systems: Implications for human-computer
interfaces. Horwood. Chichester, 1988, 400p.
28.
Гогичаишвили Г. Г., Мануков С. Г. Экспертная система диагностики
стоматологических заболеваний – Тбилиси: Журнал «Мецниереба да
технологиеби»(«Наука и технологии») №4-6, 2006 – с.17-20.
29.
Гогичаишвили Г. Г., Мануков С. Г. Формирование диагноза в
экспертной системе диагностики стоматологических заболеваний –
Тбилиси: Труды «Автоматизированные системы управления», 2007, с.
170-176.
30.
Гогичаишвили Г. Г. Семиотические системы принятия решений в АСУ.
– Тбилиси: Изд-во «ГПИ», 1979, 66 с.
31.
Попов Э.В. Общение с ЭВМ на естественном языке – Москва: Изд-во
«Наука», 1982, 360 с.
136