Реферат Курсовая Конспект
Експертні та інтелектуальні системи в медицині та фармації - раздел Образование, Компютерні діагностичні системи КДС Сучасний Технологічний Фундамент Наукової Та Клінічної Медицини Виник І Розви...
|
Сучасний технологічний фундамент наукової та клінічної медицини виник і розвивається саме "на стику наук", на основі потенціалу різних областей науки і техніки, які об’єднуються загальними проблемами медичної спрямованості.
В кінці 50-х років ХХ століття появилась нова область інформатики – штучний інтелект. Вона займалась розробкою програм, які здатні розв’язувати так звані «людські» задачі. Розв’язання задач такого напрямку пов’язане з нетривіальними логічними умовиводами і пошук результатів, як правило, зводиться до перебору й аналізу великої кількості можливих варіантів. Саме до такого класу належить більшість медичних завдань.
Історія розвитку й проблеми штучного інтелекту
Здавна людина робила безліч спроб змоделювати свою подобу, та її зусилля були безуспішними, тому що це дуже складне завдання. Перелом відбувся в середині XX століття. Йому сприяли 2 події:
§Вінер заклав основи кібернетики,
§поява ЕОМ.
Завдання, які необхідно було вирішувати, мали не обчислювальну, а логічну природу. Роботи в області ШІ можна розбити на 2 напрямки:
Нейрокібернетика. Основна ідея: будь-який мислячий пристрій повинен якимось чином відтворювати структуру людського мозку. Ця наука орієнтована на апаратне моделювання.
Мозок людини складається з порядку 1021 нейронів, зв'язаних між собою. Є успішні спроби моделювання безлічі нейронів - нейронні мережі. Перші успіхи були вражаючими. Був зроблений перший об'єкт - персептрон - деяка матриця нейронів, що могла розпізнавати 2 стани (наприклад падає світло чи ні).
Ця матриця могла також розпізнавати образ. Але виникла нова проблема - потрібно робити надто великі матриці через велику кількість інформації. Тому про цей напрямок на 10-15 років забули. Останнім часом нейрокібернетика знову почала розвиватися через стрибок у розвитку ЕОМ. З'явилися нейрокомп’ютери, трансп’ютери.
Можна виділити 3 способи реалізації нейромереж:
1) апаратний (плати й т.д.);
2) програмний (нейромережа моделюється в пам'яті комп'ютера);
3) гібридний - середнє між 1 й 2. У наш час нейрокібернетика розвивається в напрямку нейрокомп’ютеров і головним завданням є розпізнавання образів.
В 1990 році Вільям Бакст із Каліфорнійського університету в Сан-Дієго використав нейронну мережу - багатошаровий персептрон - для розпізнавання інфаркту міокарда в пацієнтів, що надходять у приймальне відділення з гострим болем у грудях. Його метою було створення інструмента, здатного допомогти лікарям, які не в силах упоратися з потоком даних, що характеризують стан хворого, який поступив.
Мережа продемонструвала точність 92% при виявленні інфаркту міокарда й дала тільки 4% випадки сигналів фіктивної тривоги, помилково підтверджуючи направлення пацієнтів без інфаркта в кардіологічне відділення. Отже, це факт успішного застосування штучних нейронних мереж у діагностиці захворювання.
Ідеальний метод діагностики повинен мати стовідсоткові чутливість і специфічність: по-перше, не пропускати жодного дійсно хворої людини, по-друге, не лякати здорових людей. Щоб застрахуватися, можна й потрібно намагатися насамперед забезпечити стовідсоткову чутливість методу - не можна пропускати захворювання. Але це обертається, як правило, низькою специфічністю методу - у багатьох людей лікарі підозрюють захворювання, якими насправді пацієнти не страждають.
Нейронні мережі для завдань діагностики
Нейронні мережі є нелінійними системами, що дозволяють набагато краще класифікувати дані, ніж це роблять зазвичай використовувані лінійні методи. У додатку до медичної діагностики вони дають можливість значно підвищити специфічність методу, не знижуючи його чутливості.
Нейронна мережа, яка діагностує інфаркт, працювала з більшим набором параметрів, вплив яких на постановку діагнозу людині неможливо оцінити. Проте нейромережі виявилися здатними приймати рішення, ґрунтуючись на схованих закономірностях, що виявляються ними, у багатомірних даних. Особлива властивість нейромереж полягає в тому, що вони не програмуються - не використають ніяких правил висновку для постановки діагнозу, а навчаються робити це на прикладах.
Діагностика є частковим випадком класифікації подій, причому найбільшу цінність представляє класифікація тих подій, які відсутні в навчальному наборі нейромереж. Тут виявляється перевага нейромережевих технологій - вони здатні здійснювати таку класифікацію, узагальнюючи колишній досвід і застосовуючи його в нових випадках.
Кібернетика чорного ящика.
Не має значення, як влаштований мислячий пристрій, головне, щоб на задані вхідні подразнення він реагував так, як людський мозок.
Евристика - правило, теоретично не обґрунтоване, але таке, що дозволяє скоротити перебір у дереві рішень
Основні області завдань ШІ
Розробка й створення ЕС - основний напрямок у всій області ШІ. Вимагає рішення двох завдань:
а) розробка моделей подання знань,
б) створення баз знань.
Ø Ігри й творчість. Наприклад, шахи, карткові ігри, програми створення казок, музики й т.д.
Ø Розробка природно-мовних інтерфейсів.
Основні області завдань ШІ
Ø Розпізнавання образів (не тільки зорових, але й, наприклад, ситуацій).
Ø Навчання й самонавчання. Включає моделі, методи й алгоритми, орієнтовані на автоматичне нагромадження знань на основі аналізу й узагальнення даних. Можливі різні методи, зокрема, на основі прикладів.
Ø Інтелектуальні роботи. Спочатку були роботи, що працюють по жорсткому алгоритму. Зараз робототехніка включає багато інших наук - і розпізнавання образів, і евристики й багато чого іншого. Розробляються високоінтелектуальні роботи.
Дані й знання
Дані – окремі факти, що характеризують об'єкти, процеси і явища в предметній області.
Поняття “знання” чіткого визначення не має. Одне з визначень:
Знання – виявлені закономірності предметної області (принципи, зв'язки, закони), що дозволяють вирішувати завдання в цій області.
Знання пов'язані з даними, ґрунтуються на них, але є результатом розумової діяльності людини, узагальнюють її досвід, отриманий у ході виконання якої-небудь практичної діяльності.
Є деякі відмінності між даними й знаннями:
Ø Внутрішня інтерпретованість знань (наприклад: дані - 243849..., знання - речення природної мови)
Ø Активність знань: якщо є знання, то поява нових знань може привести до зміни старих знань і появи нових.
Ø Зв’язність знань. Знання не цікаві самі по собі, вони цікаві в сукупності (система знань).
Ø Знання динамічні, а дані, як правило, статичні
– Конец работы –
Эта тема принадлежит разделу:
Компютерні діагностичні системи КДС... Компютерні діагностичні системи КДС... А АВИЦЕННА БЕЛАРУСЬ Компьютеризованный комплекс POINTS Нейрофункциональная...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Експертні та інтелектуальні системи в медицині та фармації
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов