Экспертная система для диагностики состояния здоровья студентов

Диагностические экспертные системы

Тема 1. Экспертная система анализа текущей успеваемости студентов на факультете.

1) количество успевающих студентов;

2) количество студентов, имеющих более 50% неудовлетворительных оценок и незачетов;

3) данные студентов, имеющих более 50% неудовлетворительных оценок и незачетов.

1) группы и дисциплины, по которым имеются низкие показатели успеваемости, например, «в группе 70зэи низкая успеваемость по дисциплине «Корпоративные информационные системы»;

2) возможные причины низкой успеваемости, например («больше 50% студентов не прошли промежуточный контроль выполнения индивидуального задания»).

Тема 2. Экспертная система для анализа итогов сессии на факультете.

результаты итогов рейтингового контроля и сессии по группам.

возможные причины низкой успеваемости студентов, например, «90% студентов, не сдавших экзамен по высшей математике, по итогам рейтингового контроля № 2 имели по данному предмету оценки «3» и ниже».

Тема 3. Экспертная система для оценки перспективы выхода на сессию для данного студента.

1) результаты текущего контроля:

— курсовые работы, индивидуальные задания и т.п.;

2) количество пропущенных занятий по каждому предмету;

3) предметы, по которым есть задолженности;

4) общее количество предметов;

5) количество дней до сессии.

1) вероятность того, что студент будет допущен к сессии;

2) рекомендации, как улучшить положение дел, например, «отработать 4 часа занятий по физкультуре, сдать лабораторные работы № 5, №7 по физике и № 4 по численным методам».

Тема 4. Экспертная система для оценки степени подготовленности студента к экзамену.

1) количество сданных лабораторных работ, в процентах;

2) на сколько процентов выполнена курсовая работа, реферат, индивидуальное задание по данному предмету;

3) тест по теоретическому курсу.

1) вероятность того, что студент будет допущен к сессии;

2) рекомендации по подготовке к экзамену, например, «сдать отчет по практике, выучить тему «Компьютерные сети».

Тема 5. Экспертная система для диагностики состояния здоровья студентов (на факультете, в высшем учебном заведении).

1) количество пропусков по болезни;

2) наличие заболеваний определенного вида:

3) длительность пропусков по болезни.

1) возможные причины возникновения наиболее распространенных заболеваний среди студентов;

2) рекомендации по улучшению состояния здоровья студентов.

Тема 6.Экспертная система для анализа обеспеченности литературой учебного процесса

1) наличие литературы в библиотеке;

2) потребности факультетов в учебной литературе;

3) финансовое обеспечение процесса закупки литературы.

1) процент обеспеченности литературой для каждого факультета;

2) данные о том, литературы каких видов (справочники, учебники, методические пособия) и по каким предметам недостаточно для обеспечения учебного процесса.

Тема 7.Экспертная система для диагностики неисправности ЭВМ.

1) какие программы «неправильно» работают;

2) как изменилось быстродействие системы;

3) работа каких устройств нарушена.

1) возможная причина неисправности;

2) возможные способы устранения неисправности.

Тема 8.Экспертная система для анализа потребностей предприятия в сотрудниках.

1) количество специалистов в той или иной области, имеющихся на предприятии;

2) работы, выполняемые предприятием;

3) трудоемкость работ.

1) в какой области недостаточно специалистов;

2) какие специалисты не востребованы в данный момент;

3) рекомендации по оптимальному распределению трудовых ресурсов.

Тема 9.Экспертная система для диагностики загруженности ресурсов ЭВМ.

1) распределение процессорного времени по задачам;

2) приоритеты задач;

3) фрагментация жесткого диска;

4) свободное место на жестком диске.

1) состояние ресурсов системы;

2) рекомендации по оптимизации функционирования ЭВМ.

Тема 10.Экспертная система для диагностики технологического процесса.

1) элементы технологической цепочки;

2) отклонения выпускаемых изделий от нормы;

3) на каком этапе производства обнаружены отклонения;

4) технологические режимы.

1) возможные элементы технологической цепочки, в которых произошел сбой;

2) способы устранения неисправности.

Контрольные вопросы

1. Перечислите основные компоненты экспертных систем.

2. Что такое статическая экспертная система?

3. Что такое динамическая экспертная система?

4. Каковы основные этапы проектирования экспертной системы?

Содержание отчета

1. Титульный лист.

2. Тема индивидуального задания.

3. Описание ЭС (входные, внутренние, выходные переменные, база знаний, описание программы, инструкция пользователю).

4.Приложения (примеры экспертизы, программа и т.п.).

studopedia.org — Студопедия.Орг — 2014-2021 год. Студопедия не является автором материалов, которые размещены. Но предоставляет возможность бесплатного использования (0.005 с) .

Источник

Тема 2. Экспертная система для анализа итогов сессии на факультете.

результаты итогов рейтингового контроля и сессии по группам.

Тема 3. Экспертная система для оценки перспективы выхода на сессию для данного студента.

1) результаты текущего контроля:

— курсовые работы, индивидуальные задания и т.п.;

2) количество пропущенных занятий по каждому предмету;

3) предметы, по которым есть задолженности;

4) общее количество предметов;

5) количество дней до сессии.

1) вероятность того, что студент будет допущен к сессии;

Тема 4. Экспертная система для оценки степени подготовленности студента к экзамену.

1) количество сданных лабораторных работ, в процентах;

2) на сколько процентов выполнена курсовая работа, реферат, индивидуальное задание по данному предмету;

3) тест по теоретическому курсу.

1) вероятность того, что студент будет допущен к сессии;

1) количество пропусков по болезни;

2) наличие заболеваний определенного вида:

3) длительность пропусков по болезни.

1) возможные причины возникновения наиболее распространенных заболеваний среди студентов;

2) рекомендации по улучшению состояния здоровья студентов.

Тема 6. Экспертная система для анализа обеспеченности литературой учебного процесса

1) наличие литературы в библиотеке;

2) потребности факультетов в учебной литературе;

3) финансовое обеспечение процесса закупки литературы.

1) процент обеспеченности литературой для каждого факультета;

Тема 7. Экспертная система для диагностики неисправности ЭВМ.

1) какие программы «неправильно» работают;

2) как изменилось быстродействие системы;

3) работа каких устройств нарушена.

1) возможная причина неисправности;

2) возможные способы устранения неисправности.

Тема 8. Экспертная система для анализа потребностей предприятия в сотрудниках.

1) количество специалистов в той или иной области, имеющихся на предприятии;

2) работы, выполняемые предприятием;

3) трудоемкость работ.

1) в какой области недостаточно специалистов;

2) какие специалисты не востребованы в данный момент;

3) рекомендации по оптимальному распределению трудовых ресурсов.

Тема 9. Экспертная система для диагностики загруженности ресурсов ЭВМ.

1) распределение процессорного времени по задачам;

2) приоритеты задач;

3) фрагментация жесткого диска;

4) свободное место на жестком диске.

1) состояние ресурсов системы;

2) рекомендации по оптимизации функционирования ЭВМ.

Тема 10. Экспертная система для диагностики технологического процесса.

1) элементы технологической цепочки;

2) отклонения выпускаемых изделий от нормы;

3) на каком этапе производства обнаружены отклонения;

4) технологические режимы.

1) возможные элементы технологической цепочки, в которых произошел сбой;

2) способы устранения неисправности.

Перечислите основные компоненты экспертных систем.

Что такое статическая экспертная система?

Что такое динамическая экспертная система?

Каковы основные этапы проектирования экспертной системы?

Тема индивидуального задания.

Описание ЭС (входные, внутренние, выходные переменные, база знаний, описание программы, инструкция пользователю).

Приложения (примеры экспертизы, программа и т.п.).

Программные средства, базирующиеся на технологии экспертных систем, или инженерии знаний сегодня получили значительное распространение в мире.

Основные преимущества использования экспертных систем состоят в следующем:

− технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

− технология экспертных систем является важнейшим средством в решении глобальных проблем традиционного программирования, таких как сокращение длительности и, следовательно, высокой стоимости разработки сложных приложений;

− наличие возможности снижения высокой стоимости сопровождения сложных систем, которая часто в несколько раз превосходит стоимость разработки; повышение частоты повторной используемости программ и т.п.;

− объединение технологии экспертных систем с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом, лучшей графики; интерфейса и взаимодействия.

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них, в основном, используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Экспертные системы применяются для решения трудных практических задач. По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают «прозрачностью», т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях (финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.).

Источник

Медицинские экспертные системы

Что собой представляют экспертные системы, и какова их роль в сфере здравоохранения? Какие задачи они решают, и сможет ли компьютер однажды полностью заменить врача? Разбираемся, как устроена МЭС и чем она может быть полезна

Экспертная система (ЭС) – это одна из разновидностей технологии искусственного интеллекта; программа, которая имеет определенный набор знаний в конкретной области и может интерпретировать эти знания в решение поставленной задачи или рекомендацию.

В основе медицинских экспертных систем (МЭС) лежит врачебный опыт наблюдения и лечения пациентов с различными заболеваниями. Поскольку тяжесть недугов и степень врачебного вмешательства в каждом случае требуется разная, диапазон применения таких систем в медицине очень широк.

Какие задачи решают МЭС

К медицинским задачам, которые могут быть решены с помощью ЭС, относятся:

построение прогнозов о том, находится ли пациент в группе риска по той или иной патологии. Здесь работа идет на опережение болезни. Во многом это касается онкологических заболеваний, где выявление и лечение опухоли на ранней стадии в несколько десятков раз увеличивает шансы на полную ремиссию
назначение лабораторных и диагностических исследований на основании первичного анамнеза. Эту задачу можно рассматривать с точки зрения оптимизации материальных и технических ресурсов лечебного учреждения и экономии средств пациента на многократные тесты и анализы, в том числе с применением дорогостоящего медицинского оборудования
поддержка принятия врачебного решения – постановка и обоснование конкретного диагноза на основе клинической картины
выдача диагностического решения и оценка осложнений при критических и неотложных состояниях

Кто и где использует МЭС

Первой разработкой экспертного ПО в медицине считается система MYCIN («Мицин»). Она была создана специалистами Стэнфордского университета в начале 70-хх для определения возбудителей тяжелых инфекционных болезней и расчета нужных доз антибиотиков. Эффективность программы оценивалась в 69% – в стольких случаях было назначено корректное лечение. Важно отметить, что этот показатель был даже выше, чем у врачей-инфекционистов, которые участвовали в исследовании. К сожалению, MYCIN не получил практического применения из-за несовершенства технологий того времени.

Сейчас существует много примеров успешной разработки и использования МЭС в медицинской практике. Среди них можно выделить систему диагностики детских неотложных состояний «ДИН» (Московское НИИ педиатрии и детской хирургии), программу «АЙБОЛИТ» для выявления, типологии и уточнения терапии острых нарушений циркуляции крови у детей (Национальный медицинский исследовательский центр сердечно-сосудистой хирургии им. А.Н. Бакулева), систему определения ведущей патологии и сопутствующего лечения с удаленным мониторингом тяжелых пациентов «ДИНАР» (Санкт-Петербургский государственный педиатрический медицинский университет, Свердловская областная детская клиническая больница, при участии сотрудников Института биофизики УроРАН).

Классификация экспертных систем

Хотя утвержденного разделения ЭС на классы не существует, можно выделить несколько общих категорий, которые описывают их функциональные особенности и область применения.

В зависимости от профиля решаемых задач, ЭС бывают:

диагностические
мониторинговые
проектные
прогностические
планирующие
обучающие
интерпретирующие
поддерживающие принятие решения

Также различают системы с традиционным и гибридным методами представления знаний. В первом случае ЭС руководствуется эмпирическими (опытными) моделями и логическими операциями первого порядка, где переменными являются предметы без их признаков и отношений между ними. Гибридные программы используют сразу несколько моделей мышления предметной области.

Еще экспертные системы делят по динамичности или по связи с реальным временем. Они могут быть статическими, динамическими или квазидинамическими, в зависимости от постоянства исходных данных, которые использует система. В квазидинамических ЭС изменения происходят интервально. Медицинские экспертные системы относятся к динамическому типу.

Компоненты МЭС

Любая экспертная система, вне зависимости от области ее применения, включает в себя следующие компоненты:

внешний интерфейс системы, с которым работает пользователь (диалоговый компонент)
рабочую память или базу данных – место для хранения информации по текущей задаче
базу знаний, в которой собраны все данные о предметной области и правила их обработки. Для понимания различий между базой данных и базой знаний можно привести следующий пример. Референсные интервалы уровня гемоглобина в крови для мужчин некоторой возрастной категории относятся к области базы знаний. Конкретные цифры анализа пациента – к рабочей памяти.
«решатель» или механизм осуществления логического вывода – компонент, который выполняет поставленную задачу, «применяя» базу знаний к исходным данным
компонент объяснения – показывает механизм и этапы решения поставленной задачи
компонент получения знаний – отвечает за ввод данных в базу знаний экспертом предметной области

Рассмотрим, как все эти компоненты взаимодействуют друг с другом на практике.

Постановка диагноза при помощи МЭС

Для того чтобы понять, как происходит постановка диагноза с помощью экспертной системы, попробуем разобрать принцип ее проектирования. Возьмем программу, задача которой состоит в определении риска развития заболевания.

Сначала выполняется сбор вводной информации об известных факторах, которые могут влиять на появление болезни, и их значимости. Это можно сделать, например, при помощи анкетирования пациентов с подтвержденным диагнозом, а также группы людей, у которых точно отсутствует рассматриваемая патология – в качестве контрольной группы. Далее методами многомерного анализа процедуру принятия решения по имеющимся исходным данным раскладывают на составляющие, воспроизводя аналитический процесс врача-эксперта. На выходе получают некий набор признаков болезни (и ее отсутствия) и правил распределения пациентов между группами «риск» и «норма». Алгоритм тестируется на новой выборке и корректируется при выявлении ошибок. Итоговый набор правил вносится в базу знаний ЭС.

На приеме врач собирает анамнез (исходные данные) и вводит его в систему, используя персональный компьютер. Это может происходить в режиме диалога с программой (вопрос-ответ) или выглядеть как заполнение определенной формы-опросника, которая структурирует информацию для ЭС. Эти сведения попадают в рабочую память. Далее ЭС «прогоняет» их через логические правила, которые заложены в ее базу знаний, выдает ответ, с пояснением, как программа пришла к такому заключению. Пояснение может быть представлено как в графической, так и в письменной форме. Достоверность суждения экспертной системы выражается коэффициентом уверенности (K) – числовой характеристикой ложности или справедливости вывода. «K» находится в диапазоне от 1 до 0. Заключение ЭС может выглядеть следующим образом: «Пациент с низкой степенью уверенности (К=0,344) отнесен к группе риска по развитию атеросклероза». Или: «Пациент с высокой степенью уверенности (К=0,943) отнесен к группе риска по развитию атеросклероза. Рекомендовано УЗИ сердца».

По результатам назначенного исследования база знаний ЭС может быть дополнена новыми данными, которые будут использованы при диагностике следующих пациентов. Это происходит за счет компонента обучения. Чем объемнее база знаний системы, тем статистически более точными будут ее прогнозы, при условии достаточного технического обеспечения для обработки информационного массива.

Медицинская экспертная система способна оказать необходимую поддержку как узким специалистам, так и врачам общей практики или младшему медперсоналу. Профильные доктора могут использовать программу в качестве второго мнения, участковые и фельдшеры – как коллегу-эксперта. Это будет оправдано, например, в удаленных регионах, где не хватает квалифицированных кадров.

Эволюция и внедрение экспертных систем непрерывно связаны с развитием технологий и смежных специальностей – программирование, инженерия знаний. Поэтому, возможно, в ближайшем будущем интеллектуальные системы в медицине и других практических областях будут применяться еще активнее.

Источник