Специальные медицинские компьютерные сети. Телемедицина

30 Дисперсионный анализ в Excel/

Для проведения дисперсионного анализа необходимо:

•ввести данные в таблицу

•выполнить команду Сервис > Анализ данных;

• выбрать процедуру Однофакторный дисперсионный анализ

•в появившемся диалоговом окне задать Входной интервал, то есть ввести ссылку на диапазон анализируемых данных, содержащий все столбцы данных

•в разделе Группировка переключатель установить в положение по столбцам;

•указать выходной диапазон, то есть ввести ссылку на ячейки, в которые будут выведены результаты анализа.

•нажать кнопку ОК.

Результаты анализа. Выходной диапазон будет включать в себя результаты дис­персионного анализа: средние, дисперсии, критерий Фишера и другие показатели.

Интерпретация результатов. Влияние исследуемого фактора определяется по величине значимости критерия Фишера.

31.Экспертные системы – предназначены обеспечить высоко-эффективное решение задач в некоторой узкой предметной

области.

В экспертных системах первого поколения знания представлены следующим образом:
1) знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается.
2) методы представления знаний позволяли описывать лишь статические предметные области.
3) модели представления знаний ориентированы на простые области.

Представление знаний в экспертных системах второго поколения следующее:
1) используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.
2) ЭС может решать задачи динамической базы данных предметной области.

Основные типы задач, решаемых с помощью ЭС:

1.интерпретация, определение смыслового содержания входных данных;

2.предсказание последствий наблюдаемых ситуаций;

3.диагностика неисправностей (заболеваний) по симптомам;

4.конструирование объекта с заданными свойствами при соблюдении установленных ограничений;

5.планирование последовательности действий, приводящих к желаемому состоянию объекта;

6.слежение (наблюдение) за изменяющимся состоянием объекта и сравнение его параметров с установленными или желаемыми;

7.управление объектом с целью достижения желаемого поведения;

32 .Медицинские экспертные системыпозволяют врачу не только проверить собственные диагностические предположения, но и обратиться к компьютеру за консультацией в трудных диагностических случаях

Иными словами, экспертные системы применяются для решения неформализованных проблем, к которым относятся задачи, обладающие одной или несколькими характеристиками из следующего списка :

- задачи не могут быть представлены в числовой форме;

- исходные данные и знания о предметной области неоднозначны, неточны, противоречивы;

- цели нельзя выразить с помощью четко определенной целевой функции;

- не существует однозначного алгоритмического решения задачи.

Среди экспертных медицинских систем особое место занимают так называемые самообучающиеся интеллектуальные системы (СИС). Они основаны на методах автоматической классификации ситуаций из реальной практики или на методах обучения на примерах. Наиболее яркий пример СИС — искусственные нейронные сети

 задача, направленная формирование базы знаний в экспертных системах медицинского назначения для автоматизированной системы поддержки принятия медицинских решений (СППМР), является актуальной.

Целью исследования является создание концепции разработки и формирования экспертной системы на основе базы знаний, а также принципов проектирования и заполнения базы знаний медицинской информации в системах поддержки принятия медицинских решений с применением теорию нечеткой логики.

33.Искусственный интеллект - наука и технология создания интеллектуальных машин, особенно интеллектуальных компьютерных программ; 2) свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека.

34. Интеллектуальные нейронные сети. Основные проблемы решаемые ИНС

Искусственные нейронные сети (ИНС)— математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма.

Интеллектуальные системы на основе искусственных нейронных сетей (ИНС) позволяют с успехом решать проблемы идентификации и управления, прогнозирования, оптимизации.

Нейронные сети позволяют реализовать любой требуемый для процесса нелинейный алгоритм управления при неполном, неточном описании объекта управления (или даже при отсутствии описания), создавать мягкую адаптацию, обеспечивающую устойчивость системе при нестабильности параметров.

ИНС могут применяться для различных задач: аппроксимация функций, идентификация, прогнозирование, управление, классификация образов, категоригизация, оптимизация.

Широкий круг задач, решаемый НС, не позволяет в настоящее время создавать универсальные, мощные сети, вынуждая разрабатывать специализированные НС, функционирующие по различным алгоритмам.

Нейронные сети – мощный метод для решения задач распознавания образов в ситуациях, когда в экспериментальных данных отсутствуют значительные фрагменты информации, а имеющаяся информация предельно зашумлена.

Нейронные сети представляют собой нелинейные системы, позволяющие гораздо лучше классифицировать данные, чем обычно используемые линейные методы. В приложении к медицинской диагностике они дают возможность значительно повысить специфичность метода, не снижая его чувствительности.

Мы поможем в написании ваших работ!