4.2. Структура системы поддержки принятия решений врача профпатолога, обслуживающего агропромышленный комплекс.
Разработанная структура системы поддержки принятия решений (СППР) использует информационно-аналитическую модель, описанную в разделе 2.3., систему частных решающих правил, описанную в разделах 3.1, 3.2 и 3.3, программные модули, поддерживающие общую методологию синтеза гибридных нечетких решающих правил [70, 73, 88, 92].
Взаимодействие СППР с пользователем (лицом, принимающим решение (ЛПР)) осуществляется по алгоритму, описанному в разделе 4.1.
Структурная схема СППР приведена на рис. 4.2.
При реализации процесса обучения в интерактивном режиме в соответствии с общей методологией синтеза гибридных нечетких решающих правил последовательно задействуются программные модули: разведочного анализа, измерения латентных переменных с диалоговым пакетом ЯиММ 2020; группового учета аргументов (МГУА); многомерного линейного анализа, реализуемого пакетом Mathcad; синтеза коллектива нечетких решающих правил и синтеза частных моделей принятия решений по блоку признаков “Сельскохозяйственные ядохимикаты”, разработанный в данном диссертационном исследовании.
В подсистеме обучения блок разведочного анализа осуществляет оценку структуры данных и формирует рекомендации по синтезу частных решающих правил и способов их агрегации по методикам, описанным в работах [39, 70, 73, 74, 78, 79, 88, 91, 170, 194].
Рисунок 4.2 - Структура СППР
Модуль измерения латентных переменных с пакетом RUMM 2020 формирует список информативных признаков и позволяет синтезировать модель взаимосвязи латентной переменной с индикаторными переменными.
Модуль МГУА используется для синтеза моделей взаимосвязей между информативными признаками и функциям отклика.
Пакет Mathcnd решает задачи математической статистики, поддерживая блок разведочного анализа.
Модуль синтеза нечетких решающих правил (РП) поддерживает синтез коллективов гибридных нечетких решающих правил в соответствии с общей 105
методологией, описанной в работах [70, 73, 88, 130, 170].
Взаимодействие пакетов подсистемы обучения обеспечивается алгоритмом управления процессом принятия решений (АУППР) (раздел 4.1)При решении задач прогнозирования и ранней диагностики подключаются подсистемы прогнозирования и диагностики с соответствующими программными модулями.
В ходе процессов принятия решений могут быть использованы приборы и системы для определения электрических характеристик БАТ с соответствующим программным обеспечением, а также приборы с программными модулями, рассчитывающими уровни психоэмоционального напряжения, утомления, функционального состояния и резерва.
На рис 4.2 соответствующие приборы и системы обозначены как “Аппаратура контроля состояния”.
Взаимодействие врача с СППР реализуется через интерфейс пользователя, работающего в интерактивном режиме, обеспечивая комфортное взаимодействие врача с базой данных (БД) и базой знаний (БЗ). Кроме этого он поддерживает средства графики и функционирование информационно-справочной системы на языке предметной медицинской области.
Подсистема формирования рекомендаций по ведению пациентов использует традиционные и хорошо отработанные методики и техническое обеспечение.
В качестве иллюстраций на рис 4.3,...4.6 приведены различные экранные формы, реализуемые при работе СППР.
На рис. 4.3 приведён график характеристических кривых, которые пакет RUMM 2020 строит при оценке информативности анализируемых признаков.
На рис.4.4. приведен скриншот окна соответствия информативных признаков (индикаторных переменных модели Г. Раша.)
На рис 4.5. приведены экранная форма этапа процесса обучения, позволяющая обеспечить корректировку параметров функций принадлежности.
На рис 4.6 показана экранная форма работы программного модуля “Синтез агрегаторов”.
Рисунок 4.3 - График характеристическоц кривой латентной
переменной «Риск возникновения заболеваний”
Рисунок 4.4 - Степень соответствия набору индикаторных переменных модели Г. Раша превосходная (EXCELLENT)
Рисунок 4.5 - Экранная форма окна «Нечеткие функции»
Рисунок 4.6 - Экранная форма окна «Агрегатор»
Описание входных и выходных данных и функциональные возможности пакетов подсистемы обучения приведено в таблице 4.1.
Таблица 4.1 - Описание программного обеспечения
| № п/п | Имя | Функциональное назначение, решаемые задачи | Входные данные | Выходные данные | Примечан ия |
| 1 | 2 | 3 | 4 | 5 | 6 |
| 1 | Блок разведочного анализа БРА | Изучение структуры многомерных данных пакетом прикладных программ, описание использования которого подробно описано в работе [88]. | Таблица эксперим ентальны х данных (ТЭД) | Формировани е рекомендаций по составу информативн ых признаков, геометрическ ой структуре классов, выбору элементов решающих правил и способам их агрегации | Пакет программ кафедры БМИ ЮЗГУ |
| 2 | Пакет RUMM 2020 | Оценка состава информативных признаков на соответствие модели Г.Раша, оптимизация их состава. Оценка взаимосвязи латентных и индикаторных переменных, решающие правила, если структура данных соответствует моделям Г.Раша | ТЭД в логитах | ChiSq Probability, ChiSq Prob, Location, PersonSeparati onIndex, Cronbach- Alpha, POWEROFTE ST-OF-FIT | Интеракт ивный покупной пакет |
| 3 | Пакет МГУА | Моделирование взаимосвязей | ТЭД | Уравнения взаимосвязей, оценка информативн ости, элементы решающих правил | Покупной пакет |
| 4 | Пакет Mathcad | Статистический и разведочный анализ | ТЭД | Элементы решающих правил, разведочный анализ | Покупной пакет |
| Продолжение таблицы 4.1 | |||||
| 5 | Пакет синтеза НРП | Синтез коллективов гибридных нечетких правил | ТЭД, данные блока разведочн ого анализа | Нечеткие модели принятия решений различной сложности | Пакет программ кафедры БМИ ЮЗГУ с добавлен ным программ ным модулем автора |
| 6 | Модуль прогнозирова ния | Расчет уверенности в прогнозе профессиональных заболеваний работников агропромышленного комплекса, контактирующих с ядохимикатами | ПП, ПУ, ПЭР, ПЭК, ПСЯ, UPR | UPf ^=Н, С, Д) | Авторска я разработк а (главы 2, 3) |
| 7 | Модуль диагностики | Расчет уверенности в ранней диагностике профессиональных заболеваний | UP( (7=Н, С, Д) ПБ, ПТМ( | UR, | Авторска я разработк а (главы 2, 3) |
| 8 | Модуль формировани я схем профилактики и лечения | Рекомендации по рациональному ведению пациентов | UPe, URl, ПТМ( | Тексты рекомендаций | Раздел 4.1 |
Еще по теме 4.2. Структура системы поддержки принятия решений врача профпатолога, обслуживающего агропромышленный комплекс.:
- 3.5. Компьютерные системы поддержки врачебных решений в диагностике и лечении
- Обзор систем поддержки принятия решений медицинского назначения
- 3.4.Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни
- ГЛАВА 3. РАЗРАБОТКА ОСНОВНЫХ ЭЛЕМЕНТОВ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
- ГЛАВА 4. ОБОБЩЕННАЯ СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
- Разработка структуры интеллектуальной системы поддержки принятия решений
- Системы поддержки принятия решений
- Структурная организация системы поддержки принятия решений для прогнозирования профессиональной пригодности работников экстремальных профессий
- Программная реализация методов и алгоритмов прогнозирования профессиональной пригодности работников экстремальных профессий в интеллектуальных системах поддержки принятия решений
- 6.1. Система поддержки принятия решений для профессионального отбора работников МЧС
- 4.1 Разработка системы поддержки принятия решений по прогнозированию и диагностике профессиональных заболеваний водителей экстренных служб
- СОДЕРЖАНИЕ