Содержание к диссертации
Введение
Глава I. Аналитический обзор и постановка задач исследования 12
1.1. Математические методы диагностики и прогнозирования заболеваний . 12
1.2. Использование методов рефлексодиагностики для прогнозирования и ранней диагностики заболеваний. 23
1.3. Применение экстерных систем для прогнозирования, диагностики и управления лечебно-оздоровительными мероприятиями. 30
1.4. Цель и задачи исследования. 36
Глава II. Методы нечеткого прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса . 38
2.1. Объект, методы и средства исследования. 3 8
2.2. Способ оценки риска профессиональных заболеваний в зависимости от степени хронического физического утомления . 54
2.3. Метод синтеза нечетких решающих правил для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса. 62
2.4. Выводы второй главы. 75
Глава III. Разработка основных элементов автоматизированной системы поддержки принятия решений для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса . 76
3.1. Синтез решающих правил для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса. 76
3.2. Алгоритм управления процессами принятия решений в автоматизированной системе оценки состояния здоровья работников агропромышленного комплекса. 116
3.3. Разработка программного обеспечения системы поддержки принятия решений по прогнозированию и диагностике профессиональных заболеваний работников агропромышленного комплекса. 126
3.4. Выводы третьей главы. 130
Глава IV. Результаты экспериментальных исследований . 132
4.1. Проверка качества прогнозирования по выбранным классам заболеваний работников агропромышленного комплекса. 132
4.2. Проверка качества работы решающих правил донозологической диагностики. 142
4.3. Выводы четвертой главы. 147 Заключение.
- Математические методы диагностики и прогнозирования заболеваний
- Способ оценки риска профессиональных заболеваний в зависимости от степени хронического физического утомления
- Синтез решающих правил для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса.
- Проверка качества прогнозирования по выбранным классам заболеваний работников агропромышленного комплекса.
Введение к работе
Актуальность темы. Несмотря на значительные усилия затрачиваемые на решение задач повышения качества медицинского обслуживания населения, проблема повышения уровня здоровья жителей России остается весьма далекой от своего решения (Ходарцев А.А., Еськов В.М., Лазаренко В.А., Есаулснко И.Э.). Это в значительной мере касается и работников агропромышленного комплекса состояние здоровья которых для целого ряда сельскохозяйственных профессий зависит от таких специфических факторов риска как: высокий уровень загрязнения окружающего воздуха содержащего пыль с микрочастицами удобрений, радиоактивных веществ и тяжелых металлов; наличие во вдыхаемом воздухе газов от низкокачественного топлива сельскохозяйственных машин; нарушение санитарно-гигиенических норм на рабочих местах; неудобные рабочие позы в сочетании с вредными климатическими условиями; низкие эргономические характеристики агрегатов и машин, управляемых сельскохозяйственными рабочими и т.д. Низкий уровень состояния здоровья сельскохозяйственных рабочих определяется так же недостаточно хорошо организованной медицинской помощью требуемой квалификации с соответствующим медико-техническим оснащением в сочетании с индивидуальными факторами риска, определяемыми образом жизни и индивидуальным здоровьем (Бесько В.А., Плотников В.В., Мазур И.И., Калуцкий П.В.).
Повысить качество оказания медицинских услуг населению занятому в сельскохозяйственном производстве можно совершенствуя систему управления учреждениями здравоохранения работающими с этим контингентом трудящихся. Специалисты, решающие задачи повышения качества оказания медицинских услуг одной из важных составляющих в общем процессе совершенствования методов управления лечебно диагностическим процессом называют эффективное прогнозирование и раннюю диагностику заболеваний вызываемых профессиональной деятельностью, в частности работой в агропромышленном комплексе.
Характерной особенностью задач прогнозирования и ранней диагностики выбранного класса заболеваний является то, что собираемая службами здравоохранения информация позволяет в основном анализировать уже имеющиеся заболевания, тогда как во многих случаях условия трудовой деятельности могут формировать предпосылки к возникновению и развитию той или иной патологии. Своевременное выявление людей склонных к профессиональным заболеваниям связанным с работой в агропромышленном комплексе и имеющих донозологические формы заболеваний позволит формировать рациональные схемы организации лечебно-оздоровительных мероприятий улучшив качество медицинского обслуживания населения занятого в сельскохозяйственном производстве.
С математической точки зрения сложность решения задач прогнозирования и ранней диагностики заболеваний определяется тем, что используемые информативные признаки носят неполный, нечеткий и разнотипный характер с нечеткой структурой классов, что требует специальных подходов к синтезу соответствующих решающих правил.
С учетом сказанного, актуальность работы определяется необходимостью разработки и внедрения в практическое здравоохранение высокоэффективных
средств прогнозирования и ранней диагностики заболеваний, вызываемых вредным воздействием окружающей среды, на основе внедрения современных методов управления и информационных технологий, что позволит повысить качество оказания медицинских услуг населению занятому в агропромышленном комплексе.
Работа выполнена в соответствии с тематическим планом научно-исследовательских работ Курской ГСХА (тема 11, номер государственной регистрации 01.9.20.006.402.), координационным планом ГОСНИТИ (проблема 5, тема 32, раздел 2), координационным планом научно- технических программ Центрально-Черноземного района.
Цель работы. Разработка методов, моделей и алгоритмов повышающих эффективность решения задач принятия решений по прогнозированию и ранней диагностике профессиональных заболеваний работников агропромышленного комплекса при неполном и нечетком представлении данных с пересекающейся структурой классов.
Для достижения постаатенной цели необходимо решить следующие задачи:
на основании анализа существующих подходов к прогнозированию и диагностике профессиональных заболеваний и структуры данных определить задачи и выбрать математический аппарат исследования;
разработать способ определения риска возникновения профессиональных заболеваний сельскохозяйственных рабочих в зависимости от степени хронического физического утомления.
разработать метод синтеза и систему нечетких решающих правил для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса;
синтезировать алгоритм управления процессами принятия решений по организации процедур прогнозирования, профилактики, диагностики и лечения профессиональных заболеваний рабочих сельскохозяйственных производств;
создать основные элементы программного обеспечения системы поддержки принятия решений для управления лечебно-профилактическими учреждениями обслуживающими работников агропромышленного комплекса;
- оценить эффективность предложенных методов и средств на примере
мониторинга состояния здоровья работников сельскохозяйственных производств
Курской области.
Методы исследований. Для решения поставленных задач использовались методы системного анализа, моделирования, теории синтеза сложных информационных систем, теории алгоритмов, нечетких множеств, прикладной математической статистики, экспертного оценивания.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
способ оценки риска профессиональных заболеваний работников агропромышленного комплекса по уровню хронического физического утомления, отличающийся использованием нечетких правил агрегирующих индекс физического утомления, параметры внимания и электрические характеристики общесистемных биологически активных точек, позволяющий определять риск появления и развития заболеваний сельскохозяйственных рабочих в зависимости от степени выраженности хронического утомления;
- метод синтеза нечетких решающих правил для решения задач прогнозирования и ранней диагностики заболеваний, вызываемых комплексным воздействием
факторов характерных для работников занятых в агропромышленном комплексе отличающийся тем, что получаемые классификационные правила учитывают различные по природе внешние и внутренние факторы риска, время их воздействия и индивидуальные свойства организма, позволяя повысить качество принятия решений в задачах управления учреждениями здравоохранения обслуживающими население работающее в сельском хозяйстве при неполном и нечетком представлении исходной информации о границах разделяемых классов;
система правил нечеткого вывода для прогнозирования и ранней диагностики заболеваний, характерных для работников агропромышленной отрасли, составившая основу базы знаний соответствующей системы поддержки принятия решений и позволяющая решать поставленные в работе задачи с требуемым для практики качеством при приемлемых технико-экономических затратах;
алгоритмы управления процессами принятия решений по прогнозированию, ранней диагностике и коррекции заболеваний характерных для работников сельскохозяйственной отрасли, отличающиеся возможностью гибко менять тактику управления в зависимости от индивидуальных особенностей организма и состояния окружающей среды;
Практическая значимость работы.
Разработанные методы, решающие правила, алгоритмы и соответствующее программное обеспечение составили основу построения системы поддержки принятия решений, опытная эксплуатация элементов которой позволяет рекомендовать ее к использованию в учреждениях здравоохранения обслуживающих работников сельскохозяйственной отрасли.
Применение предложных в диссертации разработок позволяет снизить риск возникновения и развития заболеваний, вызываемых неблагоприятными условиями труда сельскохозяйственных рабочих, а также выбирать рациональные схемы проведения профилактических и лечебно-оздоровительных мероприятий для региональных учреждений здравоохранения обслуживающих работников агропромышленного комплекса. Основные теоретические и практические результаты работы приняты к внедрению в МУЗ «Ведовская центральная районная больница» и в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению «Биомедицинская инженерия», при чтении лекций и проведении лабораторных занятий по курсу «Компьютерные технологии в медико-биологических исследованиях»
Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания сельского населения.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: XIV международной научно-практической конференции «Экология и жизнь» (Пенза 2008г.); на XI международной научно-технической конференции «Медике— экологически информационные технологии» (Курск 2008г.); XV международной научно-технической конференции с международным участием «Материалы и упрочняющие технологии» (Курск 2008г.); HaVIII Международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» «Распознавание, 200,8» (Курск 2008г.); на Всероссийской научно-технической конференции «Биомедицинская инженерия и биотехнология» (Курск 2008г.); на научно-технических семинарах
кафедры «Электротехника» Курской государственной сельскохозяйственной академии (Курск 2004,..., 2008г.)
Публикации. По материалам диссертации опубликовано 17 печатных работ, перечень которых приведен в конце автореферата, из них две работы в журналах по перечню журналов и изданий, рекомендованных ВАК Минобразования и науки РФ.
Личный вклад автора. В работах [1,3,11,12] опубликованных в соавторстве, автором выполнен анализ задач прогнозирования и ранней диагностики заболеваний вызываемых экологической обстановкой в сочетании с факторами риска трудовой деятельности и индивидуальных факторов риска и обосновывается выбор нечетких моделей обучаемых по структуре данных для решения выбранного класса задач. В [2, 5, 7, 14] предложены методы синтеза нечетких решающих правил для прогнозирования и ранней диагностики заболеваний работников агропромышленного комплекса в условиях комплексного воздействия агроэкологических факторов в сочетании с эргономическими особенностями сельскохозяйственной техники, условиями труда и индивидуальными характеристиками организма. В [4, 8, 13] обосновано использование нечетких моделей для систем поддержки принятия решений решающих задачи прогнозирования и медицинской диагностики в условиях неполного и нечеткого представления данных с плохоформализуемой структурой классов. В [6, 9, 10, 15, 16] получена система решающих правил для прогнозирования профессиональных заболеваний сельскохозяйственных рабочих проживающих и работающих в условиях повышенной экологической опасности Курской области. В [17] показана эффективность использования проекционных зон для решения задач прогнозирования, ранней диагностики и профилактики профессиональных заболеваний.
Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 170 наименований. Объем диссертации 172 страницы машинописного текста 51 рисунок и 18 таблиц.
Математические методы диагностики и прогнозирования заболеваний
Анализ известных подходов к решению задач медицинской диагностики и прогнозирования, показывает, что в этой области используется достаточно широкий набор математических методов: теория распознавания образов, регрессионный, корреляционный и факторный анализ; теория нечеткой логики принятия решений и т.д.
Причем, ведущую роль в решении классификационных задач к которым относится и медицинская диагностика, играет теория распознавания образов (ТРО). Основной задачей ТРО является поиск математических моделей позволяющих неизвестный объект с измеренными значениями признаков относить к одному из известных классов состояний.
В настоящее время в медицинской практике используется достаточно большое количество методов распознавания образов [4,24,30,33,40,74,78,96,97,104,164,165], причем большой процент диагностических задач формулируется так, что для получения требуемого результата используются эмпирические (эвристические) правила. Такая ситуация характерна в основном для описательных наук (к которым в основном относятся медицинские науки), в которых для получения результата используются обычно не вычисления, а последовательность рассуждений. Результат при этом представляется в виде некоторого суждения устанавливающего принадлежность объекта к соответствующему классу. В качестве решающих правил в этой ситуации применяют правила четкого или нечеткого логического вывода, получаемые на основе литературных данных отражающих обобщенный многолетний медицинский опыт или опросом квалифицированных экспертов [99,130,132]. В результате обычно строится иерархическая древовидная структура, "корнем" которой является наименование нозологической формы, а конечными элементами -признаки болезни, значения .которых выявляются, при обследовании пациента различными . .способами., (опрос, осмотр, лабораторные исследования и т.д.)
Широкой популярностью пользуется геометрический подход, когда объекты, характеризующиеся различными наборами признаков X{xiX2 ;хп} представляются как точки (вектора) многомерного пространства признаков N. Разделение классов осуществляется с помощью полученных на этапе обучения разделяющих гиперповерхностей [30,33,37].
В качестве гиперповерхностей используются линейные и нелинейные, поверхности, геометрические эталоны (гиперсферы, гиперкубы, гиперпараллелепипеды и т.д.) и др. Параметры разделяющих поверхностей, определяющие их расположение в многомерном пространстве признаков определяются на этапе обучения которое в свою очередь может проводится с учителем, когда известна обучающая выборка объектов с известной классификацией и без учителя [30,33].
При обучении решающие правила могут строится по фиксированным данным не описывающимся в вероятностных категориях. Такие распознающие системы относятся к классу детерменистских систем.
В ситуации, когда используется вероятностное задание признаков и классов, решается вопрос о возможности или целесообразности построения наилучших правил на основе детального анализа признакового пространства путем построения функций плотности вероятности и получения надежных оценок априорных вероятностей. Классифицируемый объект считается принадлежащим к тому образу, плотность объектов которого наивысшая в данной точке пространства описания.
Однако на практике плотность распределения вероятностей получить очень сложно, поэтому формируются специальные таблицы экспериментальных данных (ТЭД) ограниченного объекта (обучающие выборки) с известной классификацией. По обучающим выборкам могут быть восстановлены или оценены функции плотностей вероятностей, по которым и строятся соответствующие решающие правила.
При обработке ТЭД с целью распознавания образов могут использоваться различные алгоритмы, число которых в современном арсенале достаточно велико. Однако, как показывают многообразные исследования, для решения широкого круга медицинских задач проблема выбора типа решающих правил и их обучения для решения конкретной задачи распознавания и, в частности, для решения задач медицинской диагностики не является тривиальной и зависит от совокупности разных факторов: от типа и характера измерительных шкал, геометрической структуры многомерных данных, объема обучающего материала, возможности иметь точные указания учителя для обучающей выборки и т.д. [5,77,124,165].
Таким образом, прежде чем начинать решение задачи распознавания образов целесообразно изучить особенности решаемой задачи.
Многочисленные исследования проводимые в рамках теории распознавания образов позволили выявить ряд особенностей встречающихся в медицинских приложениях [54]: исследуемые структуры классов (аттракторы и русла при синергетическом подходе) могут сильно пересекаться в пространстве информативных признаков, особенно если речь идет о прогнозировании и ранней, донозологической диагностике; классы состояний (аттракторы) могут менять свое положение в пространстве признаков; доступные для измерения признаки измеряются в различных шкалах (порядка, наименований, интервалов), имеют различную природу и фиксируются на различных этапах ведения пациентов (данные опросов, осмотров, инструментальных и лабораторных исследований); в реальных условиях не весь требуемый набор информативных признаков может быть зарегистрирован у конкретного обследуемого; как исходные признаки, так и принимаемые решения могут иметь нечеткий характер и т.д.
Анализ литературных данных и результаты собственных исследований позволяют сделать вывод о том, что в этих условиях предпочтение следует отдавать двум подходам принятым в теории принятий решений: на основе аппарата обеспечивающего изучение структуры классов с выдвижением гипотез о наилучших классификаторах в ходе вычислительного эксперимента (диалоговые системы распознавания образов); на основе теории нечеткой логики принятия решений с сетевыми структурами.
В диалоговых системах распознавания (ДСР) понятие диалог несколько отличается от традиционного [77] . Здесь режим диалога ориентирован, прежде всего на изучение структуры многомерных классов с подбором соответствующих методов и алгоритмов обработки данных, наиболее подходящих к искомой структуре данных (этап качественного решения задачи анализа данных). На этапе количественного описания данных производится поиск параметров выбранных пользователем моделей и, методом проб и оценок, делается окончательный выбор конкретной (чаще всего одной) решающей модели [4,5,124,129,164,165].
Способ оценки риска профессиональных заболеваний в зависимости от степени хронического физического утомления
Объектом исследования является население занятое в сельскохозяйственном производстве Курской области в наиболее массовых и вредных для здоровья человека профессиях (трактористы, комбайнеры и.т.д.) на людей этой группы профессий действует целый комплекс вредных факторов различной модальности: экологические факторы (пыль с содержанием микрочастиц удобрений и тяжелых металлов; микроорганизмы, выхлопные газы сельхозмашин и др.); общеэкологические факторы (магнитные и электромагнитные поля, радиационное загрязнение, разломы в земной коре и др.); несовершенная эргономика сельскохозяйственной техники (вибрации, микроклимат, рабочая поза, органы управления и т.д.); индивидуальные факторы риска (алкоголь, социально-экономическое положение, табакокурение, наследственность, предрасположенность к заболеваниям и др.).
Экология воздушного бассейна Курской области определяется тем, что юго-западные склоны среднерусской возвышенности представляют собой определенную помеху для движения воздушных масс, что в совокупности с туманами в приземистой зоне и низкой репродуктивностью по кислороду, из-за малой лесистости, создает слабую самоочищаемость атмосферы и способствует формированию локальных очагов загрязнения.
Локальные образования повышенной концентрации вредных веществ в атмосфере области, и в частности в зоне проживания и работы людей, занятых в агропромышленном комплексе (АПК) сильно зависят от близости промышленных предприятий и предприятий переработки сельскохозяйственной продукции.
По данным государственных служб надзора за экологической безопасностью по Курской области [33, 36] в зоне влияния промышленных предприятий (в основном г.Курск, г. Железногорск) в атмосферу в достаточно большом количестве выбрасываются такие вредные для здоровья вещества как пыль, сернистый газ, сероводород, окиси азота, аммиак, фенол и его производные, формальдегид.
Сильное влияние на атмосферный воздух вдоль автострад оказывает автотранспорт загрязняющий атмосферу окисью углерода, окислами азота, сернистым газом и формальдегидом. Причем, в некоторых зонах пыль, сернистый газ, окись углерода, окислы азота и формальдегид превышают предельно допустимые концентрации до пяти раз.
Промышленные предприятия и предприятия агропромышленного комплекса загрязняют поверхностные воды области соединениями меди, органическими веществами, азотом нитратным, азотом аммонийным, нефтепродуктами, железом, фосфатами.
Большая доля сельскохозяйственных работ связана с обработкой почвы, что делает актуальным исследование гигиены почвы и ее связи с уровнем заболеваемости рабочих ее обрабатывающих. По данным работ [34, 36] в Курской области выявлено 34,5 тыс.га с превышением ПДК содержания тяжелых металлов, в том числе по меди на площади 31 тыс.га. В Поныровском, Фатежском, Рыльском, Горшеченском и Железногорском районах содержание подвижных форм меди в почвах составляет от 1,4 до 3,4 выше ПДК. Значительные площади сельскохозяйственных угодий (сады), загрязненные медью, установлены в плодоводческих хозяйствах области. Все это результат длительного и систематического применения медьсодержащих препаратов при обработке семян и посевов сельскохозяйственных культур, а также плодоносящих садов.
На площади 1420 га загрязнение почв свинцом превышает ПДК в 1,3 -3 раза в Курском, Кастор енском, Горшеченском, Мантуровском районах.
Источником поступления в почву токсичных веществ является осаждение газо-полевых выбросов от автотранспортных средств и от промышленных предприятий.
На сельскохозяйственных угодьях плодосовхозов области выявлено 8,7 тыс. га загрязненной пестицидами и ядохимикатами почвы, из них 7,8 тыс. гектаров в пределах допустимых концентраций и 0,9 тыс. гектаров с превышением ПДК.
По результатам наземного исследования территории области, радиоактивное загрязнение почвы радионуклидом цезий-13 7, возникшее вследствие аварии на Чернобыльской АЭС, полностью более 1 ки/кв.км установлено на 169,4 тыс.га, что составляет 5,6 % от общей площади. Радиоактивное загрязнение природной среды привело к повсеместному увеличению уровня естественного радиационного фона с 9 — 11 мкР/час до 13 -15 мкР/час, а по отдельным регионам до 20 - 28 мкР/час. Наиболее крупные массивы загрязненных радионуклидами земель отмечены в северо-западной части области: Железногорский, Дмитриевский, Поныровский, Фатежский, Золотухинский, Конышевский районы. Контроль качества почвы осуществляется центрами Госсанэпидемнадзора, по данным которого составлена характеристика состояния почвы области представленная таблицей 2.1.
Синтез решающих правил для прогнозирования и ранней диагностики профессиональных заболеваний работников агропромышленного комплекса.
В предлагаемой работе выбор классов заболеваний осуществлялся на основе материалов статистической отчетности государственных санитарно эпидемиологических служб региона с привлечением высококвалифицированных экспертов.
В качестве основных профессиональных заболеваний были отобраны: бронхолегочная патология (класс й)гБЛ); патология мочеполовой системы (класс согмп); патология системы пищеварения (класс согсп ).
Идентификатор г принимает два значения: R - для задач прогнозирования заболеваний (высокий риск появления болезни cof через выбранный промежуток времени Tq\ Д - донозологический диагноз (ранняя стадия заболевания cof.
По группе агроэкологических факторов вместо прямых измерений концентрации и состава вредных веществ в работе предлагается использовать специализированные опросники характеризующие запыленность рабочих мест. Это связано с тем, что прямое измерение концентраций вредных веществ, взаимодействующих с сельскохозяйственными рабочими на каждом рабочем месте практически не осуществимо.
По согласованию с экспертами, работающими в сфере профессиональных заболеваний по степени запыленности рабочих мест предлагается следующий опросник с соответствующей системой градаций: 1. Условия труда без пыли, рабочее место изолировано от пыли - 0. 2. Пыль не ощущается, но в течение недели на окружающих конструкциях заметны незначительные отложения пыли - 1. 3. Пыль не ощущается, но в течение недели на окружающих конструкциях лежит заметный слой пыли, требующий уборки - 2. 4. Пыль не ощущается, но в течение смены лежит заметным слоем на окружающих конструкциях - 3. 5. В течение рабочей смены ощущается еле заметное наличие пыли, не вызывающая физиологического дискомфорта - 4. 6. В течение рабочей смены заметно наличие пыли, которая вызывает легкий физиологический дискомфорт (ощущение на зубах, слегка на глазах)-5. 7. Рабочее место сильно запылено. Пыль попадает в рот, нос, глаза вызывая сильный дискомфорт - 6. 8. Из-за пыли работать практически не возможно - 7. Наличие вредных веществ в пыли провоцирующих заболевание сое будем определять в соответствии со следующим опросником: 1. В пыли практически отсутствуют примеси вредных веществ, провоцирующих заболевание а?( - 0. 2. В пыли содержатся вещества, действия которых по общепринятому мнению вряд ли являются фактором риска по отношению к патологии сое - 1. 3. В пыли содержатся вещества, относительно которых мнение ученых расходится по отношению к провоцированию ими класса заболеваний со, — 2. 4. В пыли содержатся вещества, которые по общепринятому мнению, скорее всего провоцируют заболевание а е — 3. 5. В пыли содержатся вещества, которые часто (примерно в 50 % случаев) провоцируют возникновение заболевания а г, особенно при низких защитных свойствах организма — 4. 6. В пыли содержатся вещества, которые при недостаточных защитных механизмах организма с высокой степенью вероятности провоцируют заболевание coi -5. 7. В пыли содержатся вещества, которые при длительном воздействии на человека в большинстве случаев порождают заболевание сое даже при нормальных защитных механизмах человека - 6.
Очевидно, что этот график по отношению к обследуемому будет характеризовать как свойства почвы и характер рабочих операций, так и степень защиты рабочего места техническими средствами. То есть кроме агроэкологических факторов этот показатель характеризует и технические характеристики сельскохозяйственной машины, если она является орудием труда сельскохозяйственного рабочего.
Для оценки влияния вредных веществ содержащихся в пыли на возникновение и развитие заболеваний сое, для каждого из классов заболеваний введем функции принадлежностей к классам cof с носителем по шкале Цвш гДе qsn — градации наличия вредных веществ в пыли.
На рис. 3.2 и 3.3 приведены графики функций принадлежностей МБЛІЯВЛ) И МСПІЧВП) ДЛЯ определения степени риска возникновения бронхолегочной патологии и патологии системы пищеварения. Относительно заболеваний мочеполовой системы пыль, содержащаяся в сельскохозяйственных угодьях Курской области, по мнению экспертов, значительной роли не играет.
Проверка качества прогнозирования по выбранным классам заболеваний работников агропромышленного комплекса.
Анализ литературы показал, что существующие системы поддержки принятия решений (СППР) не решают поставленных в работе задач. В связи с этим была разработана структура программного обеспечения СППР, решающая задачи прогнозирования, диагностики и управления процессами коррекции состояния здоровья работников АПК.
Обобщенная структура СППР, включая базу знаний (БЗ), приведена на рис. 3.28.
Для измерения электрического сопротивления БАТ и проведения рефлексотерапии могут быть использованы автономные приборы типа «Рефлекс», «Пчелка», «Эллада-7» и др., аналогичные по техническим характеристикам. В таком варианте в режиме прогнозирования и (или) диагностики измерительная информация вводится с клавиатуры врачом (ЛПР) в базу данных (БД) системы поддержки принятия решений через интерфейс пользователя (ИП).
В предлагаемой СППР предусмотрен вариант, когда информация об электрических характеристиках БАТ может регистрироваться с помощью многоканального анализатора БАТ (МАБАТ), разработанного на кафедре биомедицинской инженерии Курск ГТУ [62].
Этот анализатор подключается к ПЭВМ через стандартный интерфейс типа RS-232. Информация МА БАТ передается в БД через драйвер связи (ДС). Отличительной особенностью МА БАТ является то, что он может работать в режиме рефлексотерапии, обеспечивая возможность коррекции состояния здоровья обследуемых.
Для определения величины адаптационного потенциала в состав СППР может быть включен автоматический измеритель артериального давления (ИАД).
Кроме перечисленных показателей в БД через интерфейс пользователя поступают данные опроса, осмотра, инструментальных исследований. Этот вид данных вводится в ПЭВМ с клавиатуры в интерактивном режиме.
Информация о том, что необходимо ввести, формируется в виде предложений, предлагаемых врачу в многооконном режиме.
Расчет коэффициентов уверенности в прогнозе КУ&, и (или) донозологическом диагнозе КУ% (раздел 3.1) производится блоком нечетких решающих правил (БНРП) который работает под управлением алгоритма управления процессами принятия решений (АУППР).
Процесс синтеза нечетких решающих правил обеспечивается блоком обучения (БО) взаимодействующим с блоком разведочного анализа (БРА) решающих следующий набор основных задач: выделение характерных точек обучающей выборки (многомерных центров классов и выделяемых объектов, групп наиболее близких и наиболее далеких объектов между парами различных классов, казуистических и артефактных объектов); расчет расстояний между характерными точками и между всеми заданными точками, как внутри своего класса, так и до точек чужого класса; различные методы отображения многомерных данных в двумерные пространства с сохранением выбираемых структурных свойств исследуемых объектов (сохранение близких расстояний, сохранение далеких расстояний, сохранение структур задаваемых ядер и т.д.); построение гистограмм распределений объектов исследуемых классов на координатах признаков (признаковые гистограммы); построение гистограмм распределения объектов исследуемых классов на шкалах определяемых как меры близости до эталонных многомерных структур (точек, гиперплоскостей, гиперкубов, гиперсфер и т.д.); определение исходных координат объектов по выбираемым участкам гистограмм и областям отображающих пространств; определение группировок объектов в многомерном пространстве признаков; определение областей пересечений различных классов в исходном пространстве с описанием структурных особенностей этих областей.
В ходе разведочного анализа выясняются: возможность и целесообразность решения задачи распознавания в ее геометрической интерпретации; возможность линейного или кусочно-линейного разделения классов, наличие «вложенных» структур классов типа «шар в шаре», «шар в чаше»; наличие зон пересечения классов их типы и структура и т.д.
Знание различных характеристик структурных особенностей классов позволяет обосновано, под структуру классов выбирать тип носителя и характеристики частных функций принадлежностей [64].
Для уточнения расположения БАТ, используемых в работе, на теле человека блок формирования меридианных моделей (БФММ) выдает на экран монитора соответствующие фрагменты атласов меридиан, а для уточнения энергетического состояния меридианных структур, участвующих в формировании энергетики диагностически значимых точек, по запросу пользователя, на экране монитора формируются меридианные модели различной подробности. Уровень энергетического напряжения меридианных структур определяется путем раскраски меридианных моделей. Красный цвет соответствует патологически высокому энергетическому напряжению (низкое электрическое сопротивление), фиолетовый цвет — патологически низкой энергетике, зеленый цвет - норме с учетом суточных энергетических колебаний. Промежуточные энергетические состояния отображаются другими цветовыми оттенками.
