Методы и алгоритмы управления материальными потоками на основе когнитивного подхода в системах медицинского назначения тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Жулева Светлана Юрьевна
- Специальность ВАК РФ00.00.00
- Количество страниц 174
Оглавление диссертации кандидат наук Жулева Светлана Юрьевна
ВВЕДЕНИЕ
1 ОСНОВНЫЕ ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМ УПРАВЛЕНИЯ МЕДИЦИНСКИМИ МАТЕРИАЛЬНЫМИ ПОТОКАМИ
1.1 Вводные замечания
1.2 Поддержки принятия медицинских решений в медицинской сфере в условиях
неопределенности
1.3 Задачи систем поддержки принятия медицинскихорганизационно-управленческих решений в медицинской сфере
1.4 Медицинские информационные системы и применение систем поддержки принятия решений в медицинской сфере
1.5 Применение теории нечетких множеств для решения медицинских задач
1.6 Выводы по главе
2 ПРИМЕНЕНИЕ КОГНИТИВНОГО АНАЛИЗА В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ
2.1 Вводные замечания
2.2 Структура интеллектуальной системы медицинского назначения в условиях неопределенности
2.3 Организация учета материальных медицинских потоков в системах поддержки принятия медицинских решений
2.4 Исследование медико-технологических систем методами когнитивного анализа
2.5 Применения нечетких когнитивных карт при анализе медико-технологических потоков
2.6 Выводы по главе
3 НЕЧЕТКИЕ КОГНИТИВНЫЕ КАРТЫ В ЗАДАЧАХ УПРАВЛЕНИЯ МЕДИЦИНСКИМИ МАТЕРИАЛЬНЫМИ ПОТОКАМИ
3.1 Вводные замечания
3.2 Применение универсальных нечетких когнитивных карт при управлении
медицинскими материальными потоками
3.3 Построение динамической модели медицинских материальных потоков
распределения нагрузки медицинского персонала
3.4 Разработка алгоритма построение динамической модели медицинского материального потока
3.5 Обучение и аналитические показатели разработанной нечеткой когнитивной карты
3.6 Выводы по главе
118
4 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МЕТОДОВ И АЛГОРИТМОВ УПРАВЛЕНИЯ МЕДИЦИНСКИМИ МАТЕРИАЛЬНЫМИ ПОТОКАМИ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ МЕДИЦИНСКИХ РЕШЕНИЙ
4.1 Вводные замечания
4.2 Моделирование медицинских материальных потоков на основе разработанной нечеткой когнитивной карты
4.3 Программный комплекс поддержки принятия решений на основе нечеткой логики «Эксперт 5. Управления медицинскими материальными потоками с применением когнитивного анализа»
4.4 Состав комплекса и описание основных функциональных особенностей его подсистем
4.5 Реализация модели динамики распределения медицинской нагрузки персонала в программном комплексе
4.6 Выводы по главе
ЗАКЛЮЧЕНИЕ
СПИСОК СОКРАЩЕНИЙ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЯ
Приложение 1. Акты внедрения и свидетельство о регистрации программы
Приложение 2. Примеры построения систем управления материальными потоками на основе нечеткого когнитивного анализа
Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Методологические основы построения интеллектуальной поддержки принятия решений в медицинских системах.2014 год, кандидат наук Крошилин, Александр Викторович
Алгоритмы анализа информации и поддержки принятия решений в медицинских технологических процессах2019 год, кандидат наук Доан Дык Ха
Разработка методов и алгоритмов интеллектуальной поддержки принятия решений на основе нечетких когнитивных карт2010 год, кандидат технических наук Путято, Михаил Михайлович
Исследование и разработка автоматизированных информационных распределенных систем управления производственными процессами медицинских комплексов2017 год, кандидат наук Мутин, Денис Игоревич
Автоматизация разработки управленческих решений в социально-экономических системах на основе применения нечетких когнитивных моделей2007 год, кандидат технических наук Лагерев, Дмитрий Григорьевич
Введение диссертации (часть автореферата) на тему «Методы и алгоритмы управления материальными потоками на основе когнитивного подхода в системах медицинского назначения»
ВВЕДЕНИЕ
Актуальность темы исследования. Эффективность управления медицинским учреждением и профессиональная работа его специалистов значительно повышается за счет внедрения информационных технологий и систем медицинского назначения. Весьма важным звеном системы здравоохранения и систем медицинского назначения являются медицинские информационные системы (МИС), которые должны учитывать постоянно возникающие факторы воздействия (условия неполноты и неопределенности исходных данных) на протекающие медико-технологические процессы, позволяющие обеспечивать высокую адекватность и обоснованность принимаемых решений, а также включая их исследование и разработку. Кроме того, необходимо иметь ввиду реальную ограниченность временных, материальных и финансовых ресурсов медицинского учреждения. МИС позволяют автоматизировать процессы для повышения доступности и качества оказания медицинской помощи населению, сокращения бумажного документооборота, уменьшения затрат на лечение, а также оптимизации государственных расходов на материально-техническое обеспечение отрасли в целом.
При разработке систем медицинского назначения в условиях неопределенности (в значительной степени) исходных данных применение когнитивного подхода интеллектуального анализа данных на основе теории нечетких множеств открывает возможности для эффективной обработки нечеткой медицинской информации. Одним из важных среди указанных является метод построения нечетких когнитивных карт. Представление медико-технологических процессов в указанных системах в виде моделей является основой проектирования систем поддержки принятия медицинских решений (СППМР). Это способствует повышению эффективности как принятия медицинских решений (ПМР), так и управления медицинским учреждением в целом. Процесс ПМР укрупненно можно разделить на два взаимосвязанных направления: работа с пациентами и административные мероприятия, в том числе и управление медицинскими материальными потоками (планирование и поставки
медицинского оборудования, распределение лекарственных препаратов, управление коечным фондом, работой медицинского персонала, пищеблока и др.). Совместное использование методов теории универсальных алгебр, нечетких множеств и нечеткой логики, когнитивного анализа дает возможность создать принципиально новые МИС для решения широкого круга задач в условиях неполноты и неопределенности исходных данных и обеспечения эффективности принимаемых решений.
Степень разработанности темы диссертационного исследования. Современные МИС позволяют накапливать информацию о материальных медицинских ресурсах, что можно использовать для эффективного управления медицинскими материальными потоками.
Теория построения материальных потоков основывается на знаниях характеризующих исследуемую область с использованием разнообразных инструментов искусственного интеллекта, позволяющих разработать оптимальную информационную систему (В.В. Круглов, Д. Рутковская, А.А. Усков, А.В. Крошилин и др. [51, 63, 70, 84, 91]).
Основой для решения задач управления медицинскими материальными потоками является теория когнитивного анализа на основе использования когнитивных карт (В.И. Максимов, С.В. Коврига, Б. Коско, А.А. Кулинич, В.Б. Силов и др. [1, 47, 87, 104]). Для решения ряда задач со сложно структурируемыми связями целесообразнее использовать нечеткие когнитивные карты, которые положительно показали себя при анализе специализированных материальных потоков.
Важное место при анализе медицинской информации, носящий неопределенный характер уделяется использование теории нечетких множеств, большой вклад в развитие которой внесли: А.Н. Аверкин, А.В. Алексеев, А.Н. Борисов, Л.А. Заде, А. Кофман, Д.А. Поспелов, Т.Л. Саати, Р.Р. Ягер и др. [1, 3, 44, 50, 82, 85, 93]. Реализация алгоритмов нечеткого вывода освещена в работах Х. Ларсена, Е. Мам-дани, Й. Цукамото [106].
В результате анализа (исследования) целесообразно применение в медицинских учреждениях МИС, учитывающих обработку большого количества разного рода динамически изменяющейся информации, работа которых основана на использовании существующих методов и алгоритмов для управления медицинскими материальными потоками в условиях неполноты предоставленной информации на основе теории нечетких множеств и когнитивного анализа. Это делает процесс ПМР качественным, своевременным и удовлетворяющим всем потребностям медицинской организации.
Цели и задачи диссертационной работы. Целью исследования является разработка методов и алгоритмов управления медицинскими материальными потоками на основе когнитивного подхода для повышения эффективности функционирования медицинских учреждений.
Для достижения цели необходимо решить следующие задачи:
1. Проанализировать проблемы, возникающие при построении систем управления медицинскими материальными потоками в условиях неопределенности и особенности разработки МИС и СППМР.
2. Провести анализ МИС и систем управления медицинскими материальными потоками, а также основных принципов их представления в интеллектуальных системах медицинского назначения. Обосновать использование методов когнитивного анализа и когнитивных карт для решения задач управления медицинскими материальными потоками. Разработать способы построения нечетких когнитивных карт (НКК).
3. Разработать метод для управления медицинскими материальными потоками и алгоритм, реализованные на основе выборки обучения предложенной НКК с целью повышения адекватности и точности построения моделируемых медицинских предметных областей (ПрО). Провести анализ устойчивости разработанной НКК.
4. Разработать программный комплекс поддержки принятия решений на ос-
нове предложенной НКК, позволяющий отображать медико-технологические процессы и анализировать поведение систем медицинского назначения для различных медицинских ПрО. Разработать метод формирования модели медицинской ПрО на основе сформированной НКК.
Объектом диссертационного исследования являются интеллектуальные системы медицинского назначения, особенности технологии их построения и функционирования в условиях неопределенности и неполноты априорной информации.
Предметом исследования являются: модели СППМР с использованием интеллектуальных систем медицинского назначения на основе нечеткого вывода, методы и алгоритмы когнитивного анализа на базе НКК в задачах управления медицинскими материальными потоками.
Научная новизна результатов работы.
1. Разработана нечеткая когнитивная карта (НКК) для реализации модели медицинской ПрО, позволяющая использовать теорию нечетких множеств при ее построении, в которой нечеткими множествами представляются концепты и взаимообусловленность между концептами.
2. Разработаны новый метод для управления медицинскими материальными потоками и алгоритм, реализованные на основе нечеткой когнитивной карты, позволяющие повысить адекватность и точность построения моделируемых медицинских систем за счет использования собранных статистических данных медико-технологического процесса в дискретные моменты времени различных состояний медицинской системы.
3. Предложена динамическая модель для разработанной НКК, позволяющая проводить анализ поведения сложных систем медицинского назначения, описывающих различные медицинские материальные потоки на основе учета нелинейного характера взаимообусловленности концептов в корреляции концепта на выходе от нечеткого состояния концепта на входе. Предложены модифицированные систем-
ные показатели устойчивости - аналитические показатели НКК модели, существенная особенность которых состоит в способе их формирования на базе значений нечеткой транзитивно-замкнутой матрицы взаимообусловленности концептов, а также ориентация на формирование мотивационной базы поддержки принятия медицинских решения.
4. Предложена модифицированная структура системы управления медицинскими материальными потоками на основе когнитивного анализа, обеспечивающая поддержку принятия решения при управлении медицинским персоналом с использованием НКК с возможностью моделирования процессов в динамике и анализа устойчивости НКК.
Практическая значимость. Представлена методика построения моделей на основе математического аппарата НКК, которая дает возможность реализовывать комплексные многокритериальные интеллектуальные СППМР. На основе предложенной НКК разработан способ формирования модели медицинской ПрО, описаны основные схемы построения программного комплекса.
Разработан и внедрен в деятельность медицинского учреждения программный комплекс ППР на основе нечеткой логики «Эксперт 5. Управления медицинскими материальными потоками с применением когнитивного анализа», предназначенный для осуществления контроля, проведения мониторинга, ведения учета оперативной информации и автоматизации информационных процессов в учреждениях медицинской сферы. Комплекс позволяет оказывать консультационную помощь руководству медицинским учреждением в вопросах эффективного управления материальными ресурсами (распределение медицинской нагрузки персонала).
Методы исследования. Теоретические положения, выводы и экспериментальные результаты диссертационной работы получены с использованием следующих теорий: материальных потоков, когнитивного анализа, нечетких множеств, нечеткой логики, принятия решений, построения МИС.
Основные положения, выносимые на защиту.
1. НКК для управления медицинскими материальными потоками, позволяющая использовать теорию нечетких множеств при ее построении, в которой нечеткими множествами представляются концепты и взаимообусловленность между ними, что позволяет отражать тип распространения взаимовлияния концептов.
2. Метод и алгоритм, реализованные на основе выборки обучения НКК, позволяющие повысить адекватность и точность построения моделируемых медицинских систем за счет использования собранных статистических данных медико-технологического процесса в дискретные моменты времени различных состояний медицинской системы. Ошибка первого рода не превышает 0,1, а ошибка второго рода не превышает 0,09, что подтверждает состоятельность и эффективность разработанного алгоритма обучения НКК.
3. Динамическая модель для разработанной НКК, позволяющая проводить анализ поведения сложных систем медицинского назначения, описывающих различные медицинские материальные потоки на основе учета нелинейного характера взаимообусловленности концептов в корреляции концепта на выходе от нечеткого состояния концепта на входе. На основе предложенной модели решена задача распределения нагрузки медицинского персонала с эффективностью на уровне 91,7 %.
4. Структура СППМР в системах медицинского назначения для управления медицинскими материальными потоками на основе нечетких множеств, нечеткой логики и когнитивного анализа.
Достоверность и обоснованность полученных результатов подтверждается:
1) корректностью использования полученных выводов и подходов теорий нечетких множеств и нечеткой логики при многокритериальном анализе статистической медицинской информации в условиях неопределенности исходных данных;
2) использованием разработанных модифицированных методов, алгоритмов и моделей в СППМР для решения реальных прикладных задач;
3) использованием полученных результатов диссертационной работы в медицинской и учебной практике, подтвержденных актами внедрения.
Апробация работы. Результаты исследований докладывались и обсуждались на следующих международных и Всероссийских научных конференциях: XXXIII Всероссийской научно-технической конференции «Биотехнические, медицинские и экологические системы, измерительные устройства и робототехниче-ские комплексы - БИОМЕДСИСТЕМЫ-2020» (Рязань, 2020 г.); Международной научно-практической конференции «Научные механизмы решения проблем инновационного развития» (Уфа, 2017 г.); Международной научно-технической конференции «Новые технологии в научных исследованиях, проектировании, управлении, производстве» (Воронеж, 2017 г.); Международной научно-практической конференции «Современный взгляд на будущее науки» (Казань, 2016 г.); Международной научно-практической конференции «Новая наука: история становления, современное состояние, перспективы развития» (Пермь, 2017 г.); Международной научно-практической конференции «Традиционная и инновационная наука: история, современное состояние, перспективы» (Екатеринбург, 2017 г.); Международной научно-практической конференции «Вопросы образования и науки» (Тамбов, 2017 г.); Международной научно-практической конференции «Приоритетные направления развития образования и науки» (Чебоксары, 2017 г.); Всероссийской конференции студентов и молодых ученых с международным участием «Естественнонаучные основы медико-биологических знаний» (Рязань, 9-10 ноября 2017 г.); XXIX Всероссийской научно-технической конференции «Биотехнические, медицинские и экологические системы и комплексы. БИОМЕДСИСТЕМЫ - 2016». (Рязань, 7-9 декабря 2016 г.); XXII Международной научно-технической конференции «Информационные системы и технологии - ИСТ-2016» (Н. Новгород, 2016 г.); XXI Всероссийской НТК студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях - НИТ-2016» (Рязань, 16-18 ноября 2016 г.); XIX Всероссийской НТК студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях и в образовании - НИТ-2014» (Рязань, 13 ноября 2014 г.).
Реализация и внедрение результатов работы. Результаты исследований диссертационной работы внедрены в Государственном бюджетном учреждении Рязанской области «Областной клинический противотуберкулезный диспансер» (ГБУ РО ОКПТД), г. Рязань, а также использованы в учебном процессе РГРТУ на кафедре ВПМ. Использование результатов диссертационной работы на практике подтверждено соответствующими актами о внедрении. Получено свидетельство о регистрации программ для ЭВМ и баз данных.
Публикации. По итогам исследований диссертационной работы опубликованы 23 работы, в том числе: 9 статей из перечня ВАК рецензируемых научных журналов; 13 тезисов докладов на международных и Всероссийских научно-технических конференциях; 1 свидетельство о регистрации программ для ЭВМ и баз данных.
Личный вклад автора. Основные научные результаты диссертационной работы получены автором самостоятельно. В работах, выполненных в соавторстве, соискателю принадлежит основная роль в формулировке задач, обосновании методов их решения, анализе полученных результатов.
Содержание диссертационной работы соответствует паспорту научной специальности: 2.2.12. - «Приборы, системы и изделия медицинского назначения», пункт 2.
Структура работы. Диссертация содержит 125 страниц основного текста и состоит из введения, четырех глав, заключения, списка сокращений, списка литературы из 118 наименований и приложения. В диссертацию включено 13 таблиц и 46 рисунков.
1 ОСНОВНЫЕ ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМ УПРАВЛЕНИЯ МЕДИЦИНСКИМИ МАТЕРИАЛЬНЫМИ ПОТОКАМИ
1.1 Вводные замечания
Внедрение информационных технологий в медицинских учреждениях значительно повышает эффективность профессиональной работы специалистов, а также управление учреждением. Ключевым звеном системы здравоохранения являются медицинские информационные системы (МИС), включая их исследование, построение и разработку. МИС позволяют автоматизировать процессы для повышения доступности и качества оказания медицинской помощи населению, сокращения бумажного документооборота и уменьшения затрат на лечение, а также оптимизации государственных расходов в целом.
В настоящее время темпы роста цифровой информации значительно опережают темпы роста информации на бумажных носителях. Медицинская информация имеет свою специфику, и увеличение ее объемов сопровождается определенными проблемами, которые обосновывают необходимость создания МИС. Они отличаются от экономических или технических информационных систем, что создает дополнительные сложности при их разработке и внедрении. Отличие проявляется в специфике объектов информатизации, например, системы диагностического кодирования становятся в настоящее время более универсальными, но детальная номенклатура признаков и симптомов, форматы для регистрации данных, а также организация записей определяются индивидуально; отсутствует стандартизация в терминологии, формате, шкалах измерения медицинских данных и т.д.
Часто для принятия медицинских решений характерны недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения компетентных экспертов, неполнота информации о состоянии больного. Указанные факторы являются причинами врачебных ошибок, которые могут привести к
дальнейшей потере здоровья пациента. Поэтому наряду с разработкой МИС важной является задача создания медицинских систем поддержки принятия решений (СППР), которые являются информационными системами, функционирующими автономно, либо в составе МИС [29, 117].
При внедрении информационных систем (ИС) и СППР актуальной является проблема их функциональности и пригодности, которая выражается в том, что чем функциональнее система, тем она более сложна, а, значит, и менее пригодна для практического применения. Для снижения остроты проблемы необходимо подойти к разработке, внедрению информационных систем и СППР с позиций системного анализа, одним из этапов которого является математическое моделирование, включающее построение и анализ детерминированных моделей.
Система поддержки принятия решений позволяет использовать полученные данные, помогающие менеджеру в принятии решения. Важной целью этих СППР является поиск наиболее рациональных вариантов развития медицинского предприятия с учетом влияния различных факторов, таких как изменения в законодательстве и сезонные вспышки заболеваний, посещаемость, распространенность вида заболевания, количество операций, занятость медицинского персонала и др.
СППР в медицинских информационных системах используются для помощи менеджерам и руководителям в принятии решений на основе анализа большого количества статистической информации. Например, помощь с составлением рабочего графика, выявление перспективных путей развития предприятия или предупреждение о возможной нехватке врача-специалиста, в связи с большой проходимостью пациентов или сезонными вспышками заболеваний.
Медицина - одна из важнейших отраслей, которая помогает человеку повысить качество жизни. Здесь стоит упомянуть, что широкое распространение получило оказание медицинских услуг на коммерческой основе. Тут уже помощь нужна и самим медикам - конкуренция у коммерческих предприятий достаточно высока. Повысить конкурентоспособность учреждения можно посредством его автомати-
зации, способствующей принятию правильных управленческих решений. В бюджетных медицинских учреждениях имеет место схожая тенденция: несмотря на отсутствие необходимости конкурировать, важно правильно обрабатывать поступающую медицинскую информацию, для чего создано достаточно обширное число автоматизированных систем управления.
Актуальность темы подтверждает тот факт, что любое управленческое решение всегда моделируется на перспективу, в будущее. В момент принятия решения лицо, его принимающее, с точностью не может знать, какой результат последует за его решением. Таким образом, можно утверждать, что управленческие, в том числе медицинские, решения всегда принимаются в условиях некоторой неопределенности [35].
1.2 Поддержки принятия медицинских решений в медицинской сфере в условиях неопределенности
Необходимость поддержки принятия решений в медицине
Существует множество медицинских задач, которые могут быть решены с использованием информационных технологий гораздо более успешно, чем любыми другими средствами. Среди них особое место занимает задача снижения числа врачебных ошибок, которые являются серьезной составляющей в структуре оценок качества медицинской помощи.
В настоящее время активно развиваются системы информационного обеспечения здравоохранения. Одним из наиболее перспективных направлений современного этапа информатизации здравоохранения является разработка компьютеризированных систем поддержки принятия врачебных решений (СППВР) [83]. В широком смысле помощь врачу в процессе принятия им лечебно-диагностических решений могут оказать многие программные средства. К СППВР могут быть отнесены специализированные медицинские базы данных, библиографические информационно-поисковые системы, системы обработки медицинских изображений, телемедицинские и обучающие системы и т.д.
Исторически сложилось, что термин «экспертные системы» в медицине подразумевает системы, помогающие врачу ставить диагноз. Как отмечают некоторые авторы [4], в настоящее время произошло смещение классического понятия «экспертная система» из области постановки диагноза в область систем, обеспечивающих качество медицинской помощи, помогающих врачу принимать наиболее эффективные решения в процессе лечения пациента, а также на качественно новом уровне организовать распределение медицинских ресурсов.
Известно, что ошибки лечения - серьезная составляющая потерь ресурсов здравоохранения [5]. Ошибки врачебных назначений приводят к снижению эффективности оказания медицинской помощи населению.
Практически при любом лечении в качестве основного или дополнительного мероприятия используется лекарственная терапия. Ежегодно жертвами ошибок, связанных с неправильным употреблением лекарств, становятся 1,5 млн. американцев. При этом экономический ущерб достигает 3,5 млрд. долларов (по данным Washington Profile со ссылкой на данные Института Медицины, входящего в структуру Национальной Академии наук США (Institute of Medicine of the National Academy of Science). Ошибки фиксируются абсолютно на всех уровнях работы с пациентом. К примеру, ежегодно в американских больницах 400 тысяч раз делают ошибочные назначения, выдают больным неправильные дозы лекарств или вообще не те препараты. Всего американские врачи имеют в своем распоряжении арсенал из 15 тысяч препаратов» [6, 7]. В американской больнице при лечении каждого пациента врач совершает хотя бы одну «медикаментозную» ошибку. По данным Общества защиты пациентов, в благополучной Германии в 2005 году врачи совершили примерно 100 000 ошибок. Каждый год от врачебных ошибок умирают около 25 000 немцев» [2].
Развитие программных продуктов для обеспечения деятельности врача ведет к созданию систем, повышающих эффективность его работы. Получают развитие различные электронные справочники для оперативного обеспечения врача необхо-
димой информацией. Появляются экспертные системы, способствующие правильной постановке диагноза, но, к сожалению, в узкоспециализированных направлениях.
Таким образом, функционально СППВР обеспечивает поддержку врачебных решений, ориентируясь на конкретный электронный клинико-инструментальный «образ» пациента, созданный с помощью базы данных электронной истории болезни (ЭИБ). Это является принципиальным отличием от других СППВР, имеющих обучающий или справочный характер поддержки врачебных решений.
Как работает и что дает СППВР в составе ИС клиники? В соответствии с предварительным диагнозом, поставленным врачом в день поступления, СППВР предлагает стандартный для данного диагноза план диагностических исследований, состоящий из списка обязательных и дополнительных диагностических мероприятий и снабженный временем исполнения каждого мероприятия и другой полезной информацией из соответствующих национальных рекомендаций по данному заболеванию. На плане «подсвечиваются» день пребывания в стационаре и текущий план мероприятий.
Выбор необходимого исследования автоматически «раскрывает» клинические рекомендации по данному мероприятию, с возможностью сразу зайти в соответствующий раздел ЭИБ для его исполнения (выполнение исследования, заполнения формы-шаблона и т.д.). При появлении результатов исследования в ЭИБ, «плюс» автоматически заменяется на «галочку». Невыполненные в срок мероприятия отмечаются знаком «X».
Таким образом, СППВР осуществляет автоматический контроль соответствия выполненных мероприятий существующему плану ведения пациента, исполняя роль экспертно-контрольной системы для ЭИБ. Развернутая полная информация утвержденных регламентов, стандартов и национальных рекомендаций, в соответствии с которыми СППВР дает рекомендации, может быть получена врачом «одним кликом».
План диагностики продолжается планом лечения, соответствующим принятым регламентам и нормам для данного заболевания.
Выбор конкретного препарата сопровождается списком его синонимов, рекомендуемыми дозировками, противопоказаниями и другой информацией. особое место занимает взаимодействие с другими препаратами. Работает механизм подсказки при наборе части названия препарата. После заполнения строки поиска выводятся удовлетворяющие ей результаты, разделенные на действующие вещества (оригинальное название) и коммерческие продукты.
Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Математическое обеспечение и информационная технология поддержки нечетких когнитивных моделей управления слабоструктурированными социально-экономическими системами2021 год, кандидат наук Исаев Руслан Александрович
Модели и алгоритмы управления процессами обслуживания пациентов медицинского учреждения2014 год, кандидат наук Храмкова, Мария Александровна
Методология построения гибридных информационных интеллектуальных систем поддержки принятия решений на основе параметрических логик в слабо структурированных предметных областях2005 год, кандидат физико-математических наук Титова, Нина Владимировна
Развитие методологии искусственного интеллекта в диагностике медицинского риска с учетом анализа биоимпеданса in vivo2021 год, доктор наук Шаталова Ольга Владимировна
Методология синтеза гибридных классификаторов для прогнозирования состояния здоровья и профессиональной пригодности при работе в экстремальных условиях2018 год, кандидат наук Шуткин, Александр Николаевич
Список литературы диссертационного исследования кандидат наук Жулева Светлана Юрьевна, 2022 год
СПИСОК ЛИТЕРАТУРЫ
1. Аверкин, А.Н. Поддержка принятия решений в слабоструктурированных предметных областях: анализ ситуаций и оценка альтернатив / А.Н. Аверкин, О.П. Кузнецов, А.А. Кулинич, Н.В. Титова // Теория систем и управления. - 2006. - № 6. -С. 139-149.
2. Айзерман, М.А. Выбор вариантов: основы теории / М.А. Айзерман, Ф.Т. Алексеров. - М.: Наука, 1990. - 240 с.
3. Алексеев, А.В. Интеллектуальные системы принятия проектных решений / А.В. Алексеев, А.Н. Борисов, Э.Р. Вилюмс, Н.Н. Слядзь, С.А. Фомин. - Рига: Зинатне, 1997. - 320 с.
4. Бабкин, А.В. Особенности построения систем поддержки принятия решений на основе нечеткой логики / А.В. Бабкин, А.В. Крошилин, С.В. Крошилина // Научно-технические ведомости СПбГПУ. - 2010. - №2(97). - С. 58-63.
5. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. - СПб.: Питер, 2001. - 384 с.
6. Бакаев, А.А. Интервальный вероятностный подход к работе с неопределенностью в базах знаний / А.А. Бакаев, В.И. Гриценко, Д.Н. Козлов // Управляющие системы и машины. - 1990. - № 4. - С.40-48.
7. Белиловский, Е.М. Компьютерная технология в организационно-методологической работе противотуберкулезной службы: методические рекомендации / Е.М. Белиловский. - М.: Российский НИИ фтизиопульмонологии, 1995. - 18 с.
8. Бериков, В.С. Современные тенденции в кластерном анализе / В.С. Бери-ков, Г.С. Лбов // Всероссийский конкурсный отбор обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы». -2008. - 26 с.
9. Берсенева, Е.А. Седов А.А., Голухов Г.Н. Создание автоматизированной системы контроля функций сотрудников и оптимизации организационно-штатной структуры ЛПУ / Е.А. Берсенева, А.А. Седов, Г.Н. Голухов // Врач и информационные технологии. - 2012, № 3. - С. 25-30.
10. Бешелев, С.Д. Математико-статистические методы экспертных оценок / С.Д. Бешелев, Ф.Г. Гурвич. - М.: Статистика, 1980. - 263 с.
11. Борисов, С.А. Нечеткие оценочные модели сложных систем с учетом согласования неравнозначных целей / С.А. Борисов, В.В. Федулов // Нейрокомпьютеры: разработка, применение. - 2003. - № 5. - С.3-12.
12. Бурковский, В.Л. Использование ситуационной сети принятия решений для управления стохастическими объектами / Д.В. Кочегаров, А.Х. Тураев, В.Л. Бурковский // Системы управления и информационные технологии. - 2013. - № 1.1. - С. 155-158.
13. Ващенко, Н.Д. Формирование понятий в семантических сетях / Н.Д. Ва-щенко // Кибернетика, 1983. - № 2. - С. 101-107.
14. Головина, Е.Ю. Объектно-ориентированный подход к моделированию предметной области / Е.Ю. Головина // Техническая кибернетика. - 1994. - № 2. -С.43-47.
15. Горелова, Г.В. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход / Г.В. Горелова, Е.Н. Захарова, С.Н. Радченко. - Ростов н/Д: Изд-во РГУ, 2006. - 332 с.
16. Гусев А.В. Рынок медицинских информационных систем: обзор, изменения, тренды // Врач и информационные технологии. - 2012, № 3.
17. Доан, Д.Х. Обзор подходов к проблеме принятия решений в медицинских информационных системах в условиях неопределенности / Д.Х. Доан, А.В. Крошилин, С.В. Крошилина // Фундаментальные исследования. - 2015. - № 12. - Часть 1. - С. 2630.
18. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний в информатике / Д. Дюбуа, А. Прад; пер. с фр. В.А. Тарасова. - М.: Радио и связь, 1990. - 288 с.
19. Демидова, Л.А. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде MATLAB / Л.А. Демидова, В.В. Кираковский, А.Н. Пылькин. - М.: Радио и связь, Горячая линия - Телеком, 2005. - 365 с.
20. Жулева, С.Ю. Анализ существующих систем поддержки принятия решений медицинского назначения / Д.Х. Доан, С.Ю. Жулева, С.В. Крошилина // Научные механизмы решения проблем инновационного развития: сб. статей Междунар. науч.-практ. конф. (1 апреля 2017 г., г. Уфа). В 4 ч. Ч.2/ - Уфа: АЭТЕРНА, 2017. - С. 17-19.
21. Жулева, С.Ю. Использование нечеткой кластеризации в анализе статистической медицинской информации для формирования наборов вариантов течения болезни в системах поддержки принятия медицинских решений / Д.Х. Доан, С.В. Крошилина, С.Ю. Жулева // Новые технологии в научных исследованиях, проектировании, управлении, производстве: труды Междунар. науч.-техн. конф. Воронеж: ФГБОУ ВО «Воронежский государственный технический университет», 2017, Т. 1. - С. 268272.
22. Жулева, С.Ю. Когнитивная модель управления медицинским персоналом / С.Ю. Жулева, Д.Х. Доан, С.В. Крошилина // Традиционная и инновационная наука: история, современное состояние, перспективы: сб. статей Междунар. науч.-прак. конф. (28 марта 2017 г., г. Екатеринбург). В 2 ч. Ч.1 / - Уфа: МЦИИ ОМЕГА САЙНС, 2017. - С. 23-26.
23. Жулева, С.Ю. Модель управления медицинским материальным потоком, базирующаяся на когнитивной карте / С.Ю. Жулева, Д.Х. Доан, А.В. Крошилин, С.В. Крошилина // Вопросы образования и науки: сб. науч. тр. по мат-лам междунар. науч.-практ. конф. 31 марта 2017 г. Часть 3. - Тамбов: ООО «Консалтинговая компания Юком», 2017. - С. 44-46.
24. Жулева, С.Ю. Обзор существующих медицинских информационных систем // Материалы XXXIII Всероссийской научно-технической конференции «Биотехнические, медицинские и экологические системы, измерительные устройства и робо-тотехнические комплексы - БИОМЕДСИСТЕМЫ-2020» (9-11 декабря 2020 г., г. Рязань). - Рязань, 2020. -С. 460-462.
25. Жулева, С.Ю. Особенности автоматизации распределения нагрузки медицинского персонала // Материалы XXI Всероссийской НТК студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях - НИТ-2016» (16-18 ноября 2016 г., г. Рязань). - Рязань, 2016. - С. 58-59.
26. Жулева, С.Ю. Особенности автоматизации распределения учебной нагрузки образовательных учреждений в условиях неполноты и нечеткости данных // Материалы XIX Всероссийской НТК студентов, молодых ученых и специалистов «Новые информационные технологии в научных исследованиях и в образовании - НИТ-2014» (13 ноября 2014 г., г. Рязань). - Рязань, 2014. - С.150-151.
27. Жулева, С.Ю. Поддержка принятия решений в задачах распределения нагрузки медицинских работников на основе методов искусственного интеллекта / С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина // Биомедицинская радиоэлектроника.
- 2018, № 8. - С. 54-59.
28. Жулева, С.Ю. Поддержка принятия решений на основе нечеткой логики в системах медицинского назначения / Е.Н. Долженко, С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин // Биомедицинская радиоэлектроника. - 2015, - № 5,
- С. 62-67.
29. Жулева, С.Ю. Поддержка принятия упр авленческих медицинских р ешений и природа неопределенности в них / С.Ю. Жулева, А.В. Крошилин С.В. Крошилина // Биомедицинская радиоэлектроника. - 2021, Т. 24, № 4. - С. 89-96.
30. Жулева, С.Ю. Подходы к проблеме поддержки принятия решений в медицине / Д.Х. Доан, С.Ю. Жулева, С.В. Крошилина // Информационные системы и технологии - ИСТ-2016: Мат-лы XXII Междунар. науч.-техн. конф. 22 апреля 2016 г. -Н. Новгород: НГТУ им. Р.Е. Алексеева, 2016. - С. 234-235.
31. Жулева, С.Ю. Представление модели предметной области на основе семантической сети в системах медицинского назначения / С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина // Динамика сложных систем - XXI век. - 2015, Т. 9, № 4. - С. 29-33.
32. Жулева, С.Ю. Применение нечетких когнитивных карт при управлении медицинскими материальными потоками / С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин // Биомедицинская радиоэлектроника. - 2019, Т. 22, № 4. - С. 7784.
33. Жулева, С.Ю. Применение теории нечетких множеств и нечеткой логики для представления медицинских знаний в системах поддержки принятия решений медицинского назначения / Д.Х. Доан, С.Ю. Жулева, С.В. Крошилина // Современный
взгляд на будущее науки: сб. статей Междунар. науч.-практ. конф. (20 марта 2017 г., г. Казань). В 3 ч. Ч.2/ - Уфа: АЭТЕРНА, 2017. - С. 22-25.
34. Жулева, С.Ю. Распределение нагрузки медицинского персонала на основе теории нечетких множеств / С.Ю. Жулева, Д.Х. Доан, А.В. Крошилин // Приоритетные направления развития образования и науки: мат-лы Междунар. науч.-практ. конф. (Чебоксары, 9 апр. 2017 г.). В 2 т. Т. 2 / редкол.: О.Н. Широков [и др.]. - Чебоксары: ЦНС «Интерактив плюс», 2017. - С. 57-59.
35. Жулева, С.Ю. Реализация модели динамики распределения материальных потоков в медицинском учреждении / С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина // Биомедицинская радиоэлектроника. - 2020, Т. 23, № 3. - С. 53-60.
36. Жулева, С.Ю. Свидетельство о регистрации программы для ЭВМ RU 2016618264, Программный комплекс поддержки принятия решений на основе нечеткой логики «Эксперт 5. Управления медицинскими материальными потоками с применением когнитивного анализа» ver. 5.02 / С.В. Крошилина, А.В. Крошилин, А.Н. Пылькин, С.Ю. Жулева // Зарегистр. в реестре программ для ЭВМ 26.07.2016 г.
37. Жулева, С.Ю. Семантическая сеть распределения врачебной нагрузки медицинских учреждений / С.Ю. Жулева, А.В. Крошилин // Материалы XXIX Всероссийской научно-технической конференции «Биотехнические, медицинские и экологические системы и комплексы. БИОМЕДСИСТЕМЫ - 2016». (7-9 декабря 2016 г., г. Рязань). - Рязань, 2016. - С.146-148.
38. Жулева, С.Ю. Система поддержки принятия медицинских решений в вопросах управления медицинскими материальными потоками / А.В. Крошилин, С.В. Крошилина, С.Ю. Жулева // Естественнонаучные основы медико-биологических знаний: Материалы Всероссийской конференции студентов и молодых ученых с международным участием (Рязань, 9-10 ноября 2017 г.). - Рязань. - С. 295-296.
39. Жулева, С.Ю. Формирование базы знаний в экспертных системах медицинского назначения / С.В. Крошилина, А.В. Крошилин, С.Ю. Жулева // Современные проблемы науки и образования. - 2015. - № 2-2; URL: https://science-education.ru/129-21631.
40. Жулева, С.Ю. Формирование наборов вариантов течения болезни методом нечеткой кластеризации в системах поддержки принятия медицинских решений / Д.Х.
Доан, С.Ю. Жулева, А.В. Крошилин, С.В. Крошилина, В.В. Тишкина // Биомедицинская радиоэлектроника. - 2017, - № 7, - С. 60-66.
41. Жулева, С.Ю. Функциональная классификация медицинских информационных систем в здравоохранении / Д.Х. Доан, С.Ю. Жулева, С.В. Крошилина // Новая наука: история становления, современное состояние, перспективы развития: сб. статей Междунар. науч.-практ. конф. (8 апреля 2017 г., г. Пермь). В 3 ч. Ч.2/ - Уфа: МЦИИ ОМЕГА САЙНС, 2017. - С. 45-47.
42. Жулева, С.Ю. Оверлейная модель пациента в медицинских системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина, С.Ю. Жулева // Фундаментальные исследования. - 2015, № 9-2. - С. 261-265.
43. Загорянская, А. Методы вывода в условиях неопределенности и нечеткости исходных данных: обзор зарубежных достижений / А. Загорянская // Новости искусственного интеллекта. - 1997. - № 4. - С. 6-24.
44. Заде, Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/интеллектуальных систем // Новости Искусственного Интеллекта, 2001, №2-3, C. 7-11.
45. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде. - М.: Мир, 1976. - 165 с.
46. Зак, Ю.А. Принятие решений в условиях нечетких и размытых данных: Fuzzy-технологии. - М.: Книжный дом «ЛИБРОКОМ», 2013. - 352 с.
47. Когнитивный подход в управлении / З.К. Авдеева, C.B. Коврига, Д.И. Макаренко, В.И. Максимов // Проблемы управления. - 2007. - № 3. - С. 28.
48. Козлов, В.Н. Системный анализ, оптимизация и принятие решений / В.Н. Козлов. - М.: Проспект, 2010. - 176 с.
49. Корноушенко, Е.К. Управление процессами в слабоформализованных средах при стабилизации графовых моделей среды / Е.К. Корноушенко, В.И. Максимов // Труды ИПУ. Вып. 2. - 1998.
50. Кофман, А. Введение в теорию нечетких множеств / А. Кофман. - М.: Радио и связь, 1982. - 432 с.
51. Крошилин, А.В. Некоторые подходы к обработке информации в медицинских экспертных системах принятия решений / А.В. Крошилин, С.В. Крошилина; под
ред. А.Н. Пылькина // Математическое и программное обеспечение вычислительных систем: межвуз. сб. науч. тр. - Рязань: РГРТУ, 2010. - 144 с.
52. Крошилин, А.В. Обзор способов формирования когнитивных карт в системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина; под ред. А.Н. Пылькина // Программные информационные системы: Межвуз. сб. науч. тр. - Рязань: РГРТУ, 2011. - 116 с.
53. Крошилин, А.В. Методология когнитивного анализа в вопросах автоматизации управления материальными потоками / А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин // Информатика и системы управления. - 2012. - №2(32). - 187 а
54. Крошилин, А.В. Некоторые аспекты построения систем поддержки принятия решений для эффективного управления товарными запасами / А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин // Радиотехника. - 2012. - №3. -176 а
55. Крошилин, А.В. Обзор существующих систем поддержки принятия решений в медицине / А.В. Крошилин, С.В. Крошилина; под ред. А.Н. Пылькина // Математическое и программное обеспечение вычислительных систем: межвуз. сб. науч. тр. - Рязань: РГРТУ, 2012. - 240 с.
56. Крошилин, А.В. Организация структурной схемы системы поддержки принятия решений управления материальными потоками / А.В. Крошилин, С.В. Крошилина; под ред. С.У. Увайсова // Инновационные информационные технологии: материалы междунар. науч.-практ. конф. 23-27.04.2012, Прага. - М.: МИЭМ, 2012. - 602 с.
57. Крошилин, А.В. Основные подходы моделирования систем с применением когнитивных карт / А.В. Крошилин, С.В. Крошилина // Наука и образование в жизни современного общества: сб. науч. тр. по мат-лам Междунар. науч.-практ. конф.: в 18 частях. Часть 1. - Минобрнауки РФ. - Тамбов: Изд-во ТРОО «Бизнес-Наука-Общество», 2013. - 163 с.
58. Крошилин, А.В. Построение нечетких когнитивных карт в интеллектуальных системах // Математическое и программное обеспечение вычислительных систем: межвуз. сб. науч. тр. / А.В. Крошилин, С.В. Крошилина; под ред. А.Н. Пылькина. -Рязань: РГРТУ, 2012. - 96 с.
59. Крошилин, А.В. Построение систем поддержки принятия решений с применением нечетко-множественного подхода / А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин // Известия высших учебных заведений. Основные проблемы полиграфии и издательского дела. - М.: Московский государственный университет печати им. Ивана Федорова, 2012. - № 5. - 276 с.
60. Крошилин, А.В. Применение когнитивного анализа в логистике запасов / А.В. Крошилин, С.В. Крошилина // Новые информационные технологии в научных исследованиях: материалы XVI Всероссийской науч.-техн. конф. студентов, молодых ученых и специалистов. - Рязань: РГРТУ, 2011. - 354 с.
61. Крошилин, А.В. Применение когнитивного анализа в управлении товарными запасами / А.В. Крошилин, С.В. Крошилина; под ред., С.У. Увайсова // Инновации на основе информационных и коммуникационных технологий: материалы между-нар. науч.-практ. конф. - М.: МИЭМ, 2011. - 556 с.
62. Крошилин, А.В. Применение нечетких когнитивных карт в системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 17-й Меж-дунар. науч.-техн. конф. Часть 2. - Рязань: РГРТУ, 2012. - 124 с.
63. Крошилин, А.В. Применение нечетко-множественного подхода для построения нечетких экспертных систем /А.В. Крошилин, С.В. Крошилина // - Рязань: Вестник РГРТУ. - 2007. - Вып. 22. - С. 69-73.
64. Крошилин, А.В. Регулирование материальных потоков в интеллектуальных системах управления / А.В. Крошилин, С.В. Крошилина // Вестник РГРТУ. - 2013. - № 1 (Вып. 43). - С. 100-105.
65. Крошилин, А.В. Структурная схема управления материальными потоками в интеллектуальных экспертных системах / А.В. Крошилин, С.В. Крошилина // Грани познания: сб. науч. тр. молодых ученых. - Уфа: Академия ВЭГУ, 2013. - №2 (20). -248 с.
66. Крошилин, А.В. Применение когнитивного анализа в системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина, А.Н. Пылькин; под общ. ред. Е.В. Никульчева // Задачи системного анализа, управления и обработки информации:
межвуз. сб. научн. тр. - М.: НОУ ВПО Московский технологический институт «ВТУ», 2014. - 158 с.
67. Крошилин, А.В. Структурная схема управления материальными потоками в системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина // Россия и мир: Проблемы и перспективы инновационного развития: материалы междунар. науч.-практ. конф. профессорско-препод. состава. - Коломна: МГОСГИ, 2012. - 332 с.
68. Крошилин, А.В. Управление потоками данных в медицинской информационной системе / А.В. Крошилин, С.В. Крошилина // Биотехнические, медицинские и экологические системы и комплексы (БИОМЕДСИСТЕМЫ-2012): материалы XXV Всероссийской науч.-техн. конф. студентов, молодых ученых и специалистов. - Рязань: РГРТУ, 2012. - 266 с.
69. Крошилин, А.В. Обзор способов формирования когнитивных карт в системах поддержки принятия решений / А.В. Крошилин, С.В. Крошилина; под ред. А.Н. Пылькина // Программные информационные системы: Межвуз. сб. науч. тр. - Рязань: РГРТУ, 2011. - 116 с.
70. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка нечеткой логики и нечеткого вывода: учеб. пособие / В.В. Круглов. -М.: Физматлит, 2002. - 256 с.
71. Кузнецов, Б.П. Оптимизация продукционной базы знаний по достоверности и длительности вывода / Б.П. Кузнецов // Изв. РАН. Теория и системы управления. - 1996. - №5. - С. 45-50.
72. Кулинич, А.А. Верификация когнитивных карт на основе объяснения прогнозов // Управление большими системами. Специальный выпуск 30.1 «Сетевые модели в управлении». - М.: ИПУ РАН, 2010. - С. 453-469.
73. Лакофф, Дж. Когнитивная семантика / Дж. Лакофф // Язык и интеллект. -М.; Прогресс, 1996. - С. 143-184.
74. Лапина, А.В. Интеллектуальные информационные системы: Учебное пособие / А.В. Лапина. - Красноярск, СФУ ИКИТ, 2012.
75. Лозовский, В.С. Семантические сети / В.С. Лозовский // Представление знаний в человеко-машинных и робототехнических системах. - М.: ВИНИТИ, 1984. -С. 84-120.
76. Малышев, Н.Г. Нечеткие модели для экспертных систем в САПР / Н.Г. Малышев, Л.С. Берштейн, А.В. Боженюк. - М.: Энергоатомиздат, 1991. - 136 с.
77. Медведев, Р.Е. Преимущества «1С:Бухгалтерии 8» по сравнению с «1С:Бухгалтерией 7.7» / А.В. Крошилин, Р.Е. Медведев // Проблемы передачи и обработки информации в сетях и системах телекоммуникаций: материалы 15-й Междунар. науч.-техн. конф. Часть 1. -Рязань: РГРТУ, 2008. - 148 с.
78. Организационно-экономический механизм управления системой здравоохранения // Российское предпринимательство. - 2008. - № 10 (Вып. 2 (121)). - С. 183-185.
79. Павлов, А.Н. Принятие решений в условиях нечеткой информации: учебное пособие / А.Н. Павлов, Б.В. Соколов. - СПб.: ГУАП, 2006. - 72 с.
80. Паклин, Н.Б. Имитационное моделирование организационных систем с применением нечеткой логики / Н.Б. Паклин, В.А. Тененев // Информационные технологии в науке, образовании, телекоммуникации и бизнесе (IT+SE'2003): материалы ХХХ юбил. междунар. конф. - Украина, Крым, Гурзуф, 18-29 мая 2003. - С. 66-68.
81. Подольский В.Е. Методы искусственного интеллекта для синтеза проектных решений: учебное пособие / В.Е. Подольский, И.Л. Коробова, И.В. Милованов, И.А. Дьяков, Н.В. Майстренко. - Тамбов: Изд-во ГОУ ВПО ТГПУ, 2010. - 80 с.
82. Принятие решений и анализ экспертной информации // Вопросы кибернетики. - М.: ВИНИТИ, 1989. - 180 с.
83. Реброва, О.Ю. Жизненный цикл систем поддержки принятия врачебных решений как медицинских технологий / О.Ю. Реброва // Врач и информационные технологии. - 2020, №1. - С. 27-37.
84. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Рутковская Д., Пилиньский М., Рутковский Л.: Пер. с польск. И.Д. Рудинского. - М.: Горячая линия -Телеком, 2006. - 452 а
85. Саати, Т. Принятие решений. Метод анализа иерархий / Т. Саати. - М.: Радио и связь, 1993. - 320 с.
86. Свидетельство об официальной регистрации программы для ЭВМ № 2011613086. Программный комплекс интеллектуального управления товарными запасами на основе нечеткого когнитивного анализа «Alf-Zdr. Товарный запас» ver. 1.4 (ПК ИУТЗ «Alf-Zdr.Товарный запас» ver. 1.4) / Крошилин А.В., Крошилина С.В. -Заявка № 2011611062; Зарегистр. в реестре программ для ЭВМ 19.04.2011.
87. Силов, В.Б. Принятие стратегических решений в нечеткой обстановке / В.Б. Силов. - М.: ИНПРО-РЕС, 1995. - 228 с.
88. Тененев, В.А. Оптимальное управление детерминированными и нечеткими системами / В.А. Тененев, Б.А. Якимович, Н.Б. Паклин // Вестник ИжГТУ. - Ижевск: Изд-во ИжГТУ, 2003, Вып. 1. - С. 35-40.
89. Титова, Н.В. Интегрированная модель поддержки принятия решений в условиях неопределенности / Н.В. Титова // Труды Института проблем управления. Том 26. - М.: ИПУ им. В.А. Трапезникова, 2005. - С. 19-38.
90. Туберкулез и экология / под ред. проф. А.А. Приймак, Российский НИИ фтизиопульмонологии, Минздравмедпром России. - М.: ИНТЕРХИМ, 1996. - 56 с.
91. Усков, А. А. Достаточное условие устойчивости систем управления с одномерными блоками нечеткого вывода / А.А. Усков // Проблемы управления, 2014, №2 4. - С. 14-19.
92. Фролова М.С., Фролов С.В., Толстухин И.А. Системы поддержки принятия решений для задач оснащения лечебных учреждений медицинской техникой // Университет им. В.И. Вернадского. Специальный выпуск (52). - 2014. - С. 106-111.
93. Ягер, Р.Р. Нечеткие множества и теория возможностей: последние достижения: Пер. с англ. / Под ред. Р.Р. Ягер. - М.: Радио и связь, 1986. - 408 с.: ил.
94. Aguilar, J.A. Dynamic Fuzzy-Cognitive-Map Approach Based on Random Neural Networks / J.A. Aguilar //International Journal of Computational Cognition. - 2002. - Vol. 1, № 4. - P. 91-107.
95. Benett, J. Experience Using EMYCIN / J. Benett, R. Engelmore // Rule-Based Expert Systems, Reading. - Addison-Wesley (Mass.), 1984.
96. Bothe, H.H. Fuzzy Neural Networks. Tutorium / H.H. Bothe // IFSA' 97, Prague, 1997, 37 p.
97. Carley, K. Extracting, representing, and analyzing mental models / K. Carley, M. Palmquist // Social Forces. - Vol. 70. - 1992. - P. 601-636.
98. Carlsson, C. Adaptive fuzzy cognitive maps for hyperknowledge representation in strategy formation process / C. Carlsson, R. Fuller // In Proc. of the International Panel Conference on Soft and Intelligent Computing. - Technical University of Budapest. - 1996. - P. 43-50.
99. Carvalho, system J.P. Rule-based fuzzy cognitive maps - expressing time in qualitative dynamics In Proc. of the FUZZ-IEEE. - 2001, Melbourne, Australia. - P. 280283.
100. Dieter, F. Ontology-Based Knowledge Management / F. Dieter // IEEE Computer Society. - 2002. - №11.
101. Huerga, A balanced differential learning algorithm in fuzzy cognitive maps / A. Huerga // In Proc. of the Sixteenth International Workshop on Qualitative A. Reasoning, QR'2002 Spain. - 2002. - P. 210-214.
102. Issues in cognitive modeling / Ed. A.M. Aithenhead. Lea: Hove, 1994.
103. Karypis, G. CHAMELEON: A Hierarchical Clustering Algorithm Using Dynamic Modeling / G. Karypis, E.-H. Han, V. Kumar // Journal Computer Volume 32 Issue 8. IEEE Computer Society Press Los Alamitos, CA. - 1999. - P. 68-75.
104. Kosko, B. Fuzzy Cognitive Maps / B. Kosko // International Journal of Man-Machine Studies. - 1986. - Vol. 24. - P. 65-75.
105. Kroshilin, A.V. Intellectual material flows management in expert systems / A.V. Kroshilin, S.V. Kroshilina, A.N. Pylkin // 2014 International conference on computer technologies in physical and engineering applications (ICCTPEA) Editor: E. I. Veremey. - SPb.: IEEE (IEEE Catalog number CFP14BDA-USB). - 2014. - P. 89-90.
106. Mamdani, E.H. Application of fuzzy logic to approximate reasoning using linguistic systems / E.H. Mamdani // Fuzzy Sets and Systems. - 1977246*. - Vol. 26. - P. 11821191.
107. Markovskii, A.V. On the relation between equations with max-product corn-position and covering problem / A.V. Markovskii // Fuzzy Sets and Systems. - 2005. -Vol.153.- P. 261-273.
108. Marianne Broadbent Phenomenon of Knowledge Management: What Does It Mean to The Information Profession? // Information Outlook. - 1998. - Vol. 5. - P. 23-36.
109. Stach, W. Reformat M. Genetic learning of fuzzy cognitive maps / W. Stach, L. Kurgan, W. Pedrycz // Fuzzy sets and systems. - 2005. - Vol. 153. - P. 371-401.
110. Stylios, C.D. Fuzzy cognitive maps in modeling supervisory control systems / C.D. Stylios, P.P. Groumpos // Journal of Intelligent & Fuzzy Systems. - 2000. - Vol. 8. -P. 83-98.
111. Takagi, T. Fuzzy identification of systems and its application to modeling and control / T. Takagi, M. Sugeno // IEEE Trans. on Systems, Man and Cybernetics. -1985. -P. 116-132.
112. Zadeh, L.A. Fuzzy sets / L.A. Zadeh // Information and Control. - 1965. - № 8. - P. 338-353.
113. Zadeh, L.A. Fuzzy sets and systems / L.A. Zadeh // System Theory (Fox J., ed.), Microware Research Institute Symposia Series XV, Politechnic Press, Brooklyn, NY, 29-37. Reprinted in Int. J. of General Systems, 17, 1990, 129-138.
114. Zadeh, L.A. Outline of a new approach to the analysis of complex systems and decision processes / L.A. Zadeh // IEEE Trans. Systems, Man and Cybernetics, 3. - 1973. -P. 28-44.
115. http://club-energy.ru/f5_4.php «Управление материальными потоками»
116. http://symmetria-med.ru Кузовков С. Обзор медицинских информационных систем (МИС) в 2018 году.
117. https://web.snauka.ru/issues/2017/02/78010 Дувалкина А.В. Система поддержки принятия решений в медицине // Современные научные исследования и инновации. - 2017, № 2 [Электронный ресурс].
118. www.kmis.ru Гусев А.В. Обзор российских систем поддержки принятия врачебных решений в 2018 году.
ПРИЛОЖЕНИЯ
Приложение 1. Акты внедрения и свидетельство о регистрации программы
Научные и практические результаты диссертационной работы Жулевой С.Ю. нашли отражение в программном комплексе поддержки принятия решений на основе нечеткой логики «Эксперт 5. Управления медицинскими материальными потоками с применением когнитивного анализа» (далее - «Эксперт 5»), предназначенном для управления распределением лечебной нагрузки персонала диспансера при осуществлении деятельности медицинского учреждения.
Внедренный программный комплекс позволяет осуществлять контроль, мониторинг, учет оперативной информации и автоматизацию медико-технологических процессов; обладает модульной структурой, которая позволяет результативно использовать его для построения правил логического вывода. Опытная эксплуатация «Эксперт 5» подтвердила его работоспособность и показала высокие характеристики эффективности и надежности. Применение позволяет: определять показатели для выявления и оценки корректности анализируемых данных медико-технологических процессов; генерировать набор консолидированной информации для выработки управленческих решений; осуществлять необходимые выборки для работы аналитической системы; формировать регламентированную статистическую отчетность по результатам работы медицинского учреждения; осуществлять консультативную помощь при управлении медицинскими материальными потоками.
Использование программного комплекса поддержки принятия решений на основе нечеткой логики «Эксперт 5» в работе диспансера позволило автоматизировать процесс многокритериального анализа объектов статистической информации по медицинским материальным потокам. Использование аппарата теории нечетких когнитивных карт позволяет повысить эффективность и обоснованность решений в проблемных ситуациях. Предложенный новый нетрадиционный подход к задаче эффективного мониторинга данных медико-технологических процессов, в итоге, обеспечивает эффективное решение указанной задачи в условия неполноты априорной информации в сложных неоднозначных ситуациях.
Внедрение «Эксперт 5» позволяет производить консультативную помощь с учетом множественных факторов в задаче распределения медицинской нагрузки на основе имеющийся информации: о кадровом составе медицинского персонала учреждения (специализация, квалификация, график работы, опыт работы и др.); пациенте (анамнез, результаты обследования, анализы); схожих случаях из практики (анализ имеющейся информации из динамической и статической базы данных); формализованных знаниях, хранящихся в базе знаний. В настоящее время предложенные в диссертационной работе Жулевой С.Ю. методы и алгоритмы в составе внедренного программного комплекса используются в ГБУ РО «Областной клинический противотуберкулезный диспансер».
Министерство здравоохранения Российской Федерации Министерство здравоохранения Рязанской области
Государственное бюджетное учреждение Рязанской области «Областной клинический противотуберкулезный диспансер»
Адрес: 390046, г. Рязань, Голепчинское шоссе, д. 15 Телефон: (4912) 24-09-13, e-mail: rokptd@rokptd.ryazan.ru
УТВЕРЖДАЮ:
Главный врач ГБУ РО «Областной клинический противотуберкулезный диспансер»
М.А. Муравьева
«¿9» *//7f_20/Угода
Начальник отдела
внедрения компьютерных технологий ГБУ РО ОКПТД
Л.И. Виноградова
«/#» ■// 20/Угода
Приложение 2. Примеры построения систем управления материальными потоками на основе нечеткого когнитивного анализа
П.2.1 Общая концепция реализации медицинской информационной системы
Разработанная подсистема входит в состав крупной медицинской информационной системы (МИС) и выполняет в ней определенные функции, которые были описаны ранее. Приведем общее описание и состав МИС, реализованной в Рязанском областном клиническом противотуберкулезном диспансере [36].
В соответствии с территориальной программой «Неотложные меры борьбы с туберкулезом в Рязанской области на 1998-2000 годы» в Рязанском областном клиническом противотуберкулезном диспансере в 1998 году была создана группа, а позднее - в декабре 1999 года - отдел внедрения компьютерных технологий. За это время разработана и внедрена крупная МИС в состав которой входят различные подсистемы, в том числе и «Эксперт 5.Управления медицинскими материальными потоками с применением когнитивного анализа» решающие следующие задачи: учет и движение пациентов в медицинском учреждении (поступление, переводы между отделениями, отпуск пациента, выписка, направление пациентов в другие медучреждения); учет пациентов по палатам и принадлежность палаты лечащему врачу; привязка адреса пациента к участку, участка к району, района к обслуживающему врачу; весь цикл лечения пациента (результаты медицинских анализов, назначенные препараты, схема лечения, результаты лечения, проведенные медицинские хирургические операции); анализ эффективности лечения на различных этапах; учет работы ЦВКК; учет работы и экспертная оценка клинико-экспертной комиссии и медико-социальной экспертизы; ретроспективный анализ, журнал эпидемиолога; ведение картотеки впервые выявленных больных туберкулезом; учет листов нетрудоспособности; учет больных; ведение журналов регистрации меди-
цинских анализов; формирование показателей «Заболеваемости» и «Болезненности» по области, району и г. Рязани; управление медицинскими материальными потоками на основе анализа данных медико-технологического процесса [36].
МИС позволяет осуществлять следующее: вести электронную историю болезни; оказывать консультационную помощь врачу при постановке диагноза, поддержку принятия решения при выборе курса лечения пациента и дальнейшую его корректировку; строить базы знаний методов лечения различных форм заболевания в зависимости от СЗП; реализовывать эффективное управление медицинскими материальными ресурсами (персонифицированное распределение лекарственных препаратов и распределение медицинской нагрузки персонала), возможность формирования различных видов отчетов и уведомлений, эффективный анализ статистической информации. Каждая подсистема, входящая в структуру МИС решает набор определенных задач по обработке данных медико-технологического процесса:
- подсистема ведения электронной истории болезни;
- подсистема ведения анамнеза пациентов и особенностей социальной среды их проживания;
- подсистема ППМР постановки диагноза;
- подсистема ППМР выбора и корректировки курса лечения;
- подсистема интеллектуального регулирования медицинских материальных потоков (лекарственных препаратов, медицинского персонала, материальных ресурсов медицинского характера, регулирования транспортных потоков и т.п.);
- подсистема подготовки статистической отчетности и уведомлений.
Структурная схема МИС медицинского учреждения представлена на рисунке
П.2.1.
П.2.2 Примеры экранных форм и фрагментов текстовых файлов
Для подсистемы учета и распределения медицинских материальных потоков, в частности, распределения медицинской нагрузки персонала на основе
когнитивного анализа в общую МИС было добавлено дополнительное меню и набор специальных разработанных электронных документов и справочников.
Рисунок П.2.1 - Структурная схема МИС
Учет многомерных массивов данных (для отображения информации во времени - для построения динамической модели) были организованы дополнительные регистры учета. Пример некоторых специально разработанных объектов метаданных представлен на рисунке П. 2.2.
Разработанный программный комплекс, который входит в состав общей МИС как подсистема построения НКК выполняет ряд определенных функций: создание, корректировка, обучение, настройка и просмотр разработанной НКК. Кроме того, подсистема отвечает за изменение, тестирование и отладку разработанной НКК.
Рисунок П.2.2 - Специально разработанные объекты метаданных для реализации когнитивного анализа в МИС
Все данные медико-технологического процесса получаемые в результате функционирования подсистемы, сохраняются внутри системы в регистрах, документах или справочниках и при необходимости их возможно импортировать во внешний файл определенной структуры. Пример одного из таких файлов представлен на рис. П.2.3.
Ш\ НКК13263заимоо6уоошкнностъКонцептов.с5У, Файл Правка Вид Настройки Справка
□
X
сос!емос1;сос1емкк
2 30144 1326 2; 1 0,75 +
230144 1326 2; 3 0,95 -
2 30144 1326 2; 4 0,25 +
230144 1326 з; е 0,90 +
2 30144 1326 3; я 0,45 -
2 30144 1326 3; 2 0,55 +
230144 1326 3; 5 0,15 +
230144 1326 з; 4 0,55 -
7 3Л1АЛ 1 7 л « 1г
сопс1;сопс2; Уез; 5п дп
1:1
1пе \Мп~ 1251 (АЫ51 - кириллица)
Рисунок П.2.3 - Фрагмент файла, хранящего взаимообусловленность концептов НКК
П.2.3 Пример формирования разработанной нечеткой когнитивной карты
Для формирования разработанной НКК для задачи управления медицин-
скими материальными потоками в предметной области «Распределение медицинской нагрузки персонала» было выявлено 10 основных концептов и выявлены взаимообусловленность между ними. Фрагмент разработанной НКК представлен на рис. П.2.4.
Рисунок П.2.4 - Фрагмент разработанной НКК управления медицинскими
материальными потоками
На рисунке: внешние концепты(факторы) - это овалы, закрашенные серым цветом; внутренние концепты(факторы) - не закрашенные овалы; пунктирными стрелками обозначены положительная взаимообусловленность концептов; сплошными волнистыми стрелками - отрицательная взаимообусловленность концептов.
Описание базисных концептов (факторов) приведено в таблице П.2.1, эти факторы были выделены для формирования расчетной модели. Применяя шкалу взаимообусловленности концептов (факторов), приведенную в главе 2, в п. 2.5, таблица 2.4, были определены веса причинно-следственных отношений между концептов.
В качестве управляющих концептов (факторов) для воздействия на формирующуюся модель выбираются факторы, на которые методкабинет и отдел персонала имеет возможность воздействовать, эти факторы могут относится непосредственно к медицинскому материальному потоку (объект управления) или к внешней среде (то что влияет из вне на медицинское учреждение).
Таблица П.2.1
Базисные факторы медицинского материального потока
№ п/п Наименование фактора Значение Ед. изм. Интервал измерения
К1 Объем потребности Единичный, малый, средний, большой, очень большой Кол. пациег тов [1, 10000]
К2 Уровень загруженности участка От 1 до 10 пациентов- 1-я категория, от 10 до 20 - 2-я, от 20 до 30 - 3-я, от 30 до 40 - 4-я, от 50 до 60 - 5-я, свыше 60 - 6-я Категория [1, 2, 3, 4, 5, 6]
КЗ Время приема Количество минут для приема одного пациента Минуты [1, 2, ... 60]
К4 Уровень подготовки медперсонала Низкий, средний, хороший, высший Балл [1, 4]
К5 Форма обслуживания Льготная, платная, частичная оплата Категория [1, 2, 3]
К6 Категория медучреждения Диспансер, стационар, поликлиника, лаборатория и др. Балл [1, 10]
К7 Количество койко-дней Среднее количество койко-дней необходимых для лечения пациента с установленным диагнозом Койко-дни [1, 100]
К8 Риск Недопустимый, предельный, допускаемый (ущерб здоровью пациента, не прием пациента в обозначенные сроки) Балл [0, 1]
К9 Клиническая важность Потребность в медико-технологическом процессе Категория [0, 1]
К10 Смежная квалификация Использование медперсонала не по основной квалификации Балл [0, 1]
С помощью блока анализа разработанной НКК, входящего в состав программного комплекса, к карте применяется набор определенных методов аналитической обработки, которая ориентируется на изучение структуры сложной
медицинской системы, и позволяет получать прогноз развития анализируемой ситуации при различных наборах управленческого воздействиях.
К примеру, для того чтобы уменьшить риск (К9) на 9 %, необходимо повысить уровень подготовки медицинского персонала (К4) на 4,5 %, перераспределить уровень загруженности участка (К2)на 9,5 %, время приема одного пациента (К3) увеличить на 2,1 %, использовать смежную квалификацию (К10) на 5 %, затем уменьшить на 4 % уровень подготовки медицинского персонала (К4)(ориентироваться на допустимые замены, затем, при накоплении опыта, возможен переход на более высокий уровень подготовки персонала и увеличение на 5 %).
Этапы формирования модели (первые 12 шагов) наглядно можно представить в виде графика в MS Excel, график приведен на рисунке П.2.5. Из программного комплекса, возможно осуществлять экспорт данных в другие программные продукты, кроме того, имеется функционал по настройке экспорта под определенный формат.
Рисунок П.2.5 - Пример отображения графика 12 шагов работы модели на основе
когнитивного подхода
Матрица смежности (формализованные значения в интервале от -1 до +1) построенного графа представлена в таблице П.2.2.
Таблица П.2.2
Матрица смежности орграфа
КК1 КК2 ККз КК4 КК5 ККб КК7 КК8 КК9 КК10
К1 0 0 -0,25 0 0 0 +0,95 0 0 -0,45
К2 +0,95 +0,95 0 +0,45 +0,35 +0,25 +0,55 +0,85 0 0
Кз 0 +0,75 0 +0,55 0 0 -0,95 -0,25 -0,15 0
К4 +0,55 0 -0,65 0 +0,35 0 + 1,00 -0,85 -0,15 -0,55
К5 0 0 -0,45 +0,35 0 +0,95 -0,65 -0,65 0 +0,55
Кб -0,85 0 -0,75 0 +0,85 +1,00 0 +0,75 0 0
К7 0 -0,65 0 +0,55 0 0 0 -0,95 +0,65 0
К8 +0,95 +0,65 -0,35 0 + 1,00 0 0 0 0 0
К9 +0,65 0 +1,00 -0,85 0 -1,00 0 +0,85 0 -1,00
К10 0 +0,35 0 +0,65 0 +0,35 0 +0,35 0 -0,95
Экранное представление данной матрицы в программном комплексе форма «Значения матрицы смежности УНКК» - на рис. П.2.6.
1^1 Значения матрицы смежности НКК | сз || Ё
а й £ ^ 4 Ч % Ч* в ер
Значение первого концепта Вес 1 Наименование КК1 кк2 ккЗ кк4 кк5 ККб кк7 кк8 кк9 к10 Л Расчет матрицы
(Общее время занятости | 0 95|в -0.25 095 -0.45
0,95 095 045 0.35 0,25 0.55 0.85
Значение старого концепта Вес 2 ИкЗ 075 055 ■095 ■0 25 ■0.15 Выгрузка матрицы
|Кагегорияспециалиста ^ | 075 Зк4 0.55 ■0 65 0 35 1 00 ■085 -015 -0.55
(Й К5 -0.45 035 0.95 065 0.65 0.55
Установить значения Шкб ■0 85 ■0.75 0.85 1 00 0.75 ЗАКРЫТЬ
И (.7 ■0.65 0.55 ■0.35 0.65
к8 0.95 ОБ5 ■0 35 1 00
Нк9 0.65 1.00 -0.85 -1 00 0.85 1.00
ЦйО 0.35 0.65 0.35 0.35 -аэ5 „
Рисунок П.2.6 - Справочник «Значения матрицы смежности НКК»
Перечень материальных потоков (предметных областей), реализованных, настроенных и внедренных в работу диспансера на основе разработанной НКК в программном комплексе представлен на рисунке П.2.7.
Предмзтная область на основе НКК — Е) | |
ш т м щ щ- ^ь щ- % а
|| Наименование А
Рт1 Материальный поток; количество медикаментов
и Материальный поток: лучший поставщик
Н Материальный поток: распределение медицинской нагрузки персонала
V
Рисунок П.2.7 - Справочник «Предметные области»
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.