Меню
Главная
Авторизация/Регистрация
 
Главная arrow Медицина arrow Оптимизация скрининг оценки кардиогемодинамики с использованием алгебраической модели конструктивной логики
Посмотреть оригинал

История АМКЛ и его особенности

Очевидно, дальнейшее совершенствование медицинской диагностики, в том числе анализа медико-биологических данных, возможно лишь при условии опережающего развития теории, основанной на междисциплинарном подходе [41]. При этом необходимо отметить, что детерминистки-стохатический подход, составляя основу современной науки, не полностью обеспечивает изучение и моделирование реальных биосистем, механизмы функционирования и их эффективность. В рамках постнекласической парадигмы только синергетика и её дальнейшее расширение в область теории хаоса и самоорганизации позволяет более полно раскрывать и анализировать системные механизмы нормального и патологического функционирования живой сложноорганизованной системы (complexity), сочетающей черты порядка и беспорядка, определенности и неопределенности, организованности и дезорганизованности [41, 42].

Важно отметить, что в интегральном функциональном регулировании системы с учётом принципов самоорганизации предусматривают эволюцию параметров порядка и смену режимов управления, а научное обоснование оптимизации диагностических методов при анализе эффективности функциональных систем, как и других природоподобных синергетических процессов, может быть основано с позиций теории хаоса и синергетики [43].

В этой связи, среди различных математических аппаратов многофакторного анализа обращает на себя внимание алгебраическая модель конструктивной логики (АМКЛ), которая хорошо себя зарекомендовала в аналитических исследованиях в медицине и биологии [44], а с философской точки зрения АМКЛ обеспечивает отыскание закономерностей в хаосе.

Алгебраическая модель конструктивной логики (АМКЛ) является отечественной разработкой [45, 46]. На начальном этапе он использовался для оптимизации химического производства. В дальнейшем он использовался в аналитической работе и совершенствовался в здравоохранении Тульской области. Примером аналитических работ с использованием АМКЛ могут служить диссертационные работы по ли- стериозам [47], по анализу минерального состава и биологических свойств шунгитовой породы [48, 49], по гестозам [50].

АМКЛ является в своей основе моделью интуитивистского исчисления предикатов, отображающей индуктивную часть мышления формулирование сравнительно небольшого набора кратких выводов из массивов информации большой размерности. С общей точки зрения систему можно применять как средство, согласующее информационные каналы исследуемого объекта и пользователя [51-54].

АМКЛ предназначено для многофакторного анализа в различных областях медицины и здравоохранения [51, 54].

АМКЛ можно рассматривать как интуиционискую логику. Важно отметить, что математика с методами и логикой Л. Э. Я. Брауэра и его школы принято считать интуиционистской [55]. Согласно интуиционистским воззрениям, предметом исследования математики являются умственные построения, рассматриваемые как таковые «безотносительно к таким вопросам о природе конструируемых объектов, как вопрос, существуют ли эти объекты независимо от нашего знания о них» (А. Гейтинг, Нидерланды). С термином»интуициониская логи- ка»можно согласиться, поскольку понимание дизъюнкции и критика закона исключенного третьего по Л. Бауэру не противоречило основополагающей идеи АМКЛ.

Ограниченность приложимости закона исключенного третьего иблизких ему способов математического доказательства была развита математиками А.Н. Колмогоровым, В.А. Гливенко, А.А. Марковым и др. В результате возникла конструктивная логика, считающая неправомерным перенос ряда логических принципов, применяемых в рассуждениях о конечных множествах, на область бесконечных множеств.

Алгоритм АМКЛ отдалённо напоминает синтез цифровых автоматов с нахождением тупиковой дизъюнктивной формы и по этой при- чинев литературе иногда используют её терминологию. Только в данном случае факторыХ[,Х2,... Х„представлены любыми числовыми значениями, а не толькоО или 1.

Входной массив данных представлен таблицей со столбцами ХЬХ2, ... Хп (включая дробные числа),из которых один является целевым. Значение целевого столбца является результатом сочетанного (т.е. совместного) воздействия всех задействованных факторов. Часто цель представлена значениями 0 или 1 (достижение цели и недостижение цели). Допускается целевое значение представлять любым числом, но для выполнения аналитического расчета обычно в таких случаях эти значения квантуют по нескольким уровням (например, слабое, умеренное, сильное влияние).

Результат представлен набором результирующих составляющих (их еще называют импликантами), в которых факторы с пределами определения объединены через знак конъюнкции «&» с другими факторами (в случае сочетанного воздействия) с указанием мощности (W) этого воздействия на результат. При этом под мощностью понимается число повторений одинаковых результирующих составляющих [57]. Каждая результирующая составляющая объединена с другими результирующими составляющими через знак дизъюнкции «+» и в таком виде образуют тупиковую дизъюнктивную форму (в виде, не допускающее дальнейшее упрощение).

Необходимо отметить, что компактность представления результата (математической модели) может быть разная (аналогично синтезу цифровых автоматов) в зависимости от алгоритма построения математической модели и его реализации. Исследователь из полученных результирующих вариантов выбирает наилучший (чаще всего с наименьшим числом результирующих составляющих). В силу этого нельзя результат в полной мере отождествлять с тупиковой дизъюнктивной формой (идеальной формой представления).

В работе [54] было проведено тестирование экспертных систем на основе АМКЛ и обученной нейронной сети (НС) с помощью программы Panalyzer, в которой реализованы автоматическая стратегия и тактика обучения, обеспечивающих оптимальное изменение параметров обучения для достижения поставленной цели. При этом НС имела число нейронов 5, число тактов обмена 2, допустимое отклонение 5% и была полностью обучена через 231775 такт. В результате тестирования экспертных систем был сделан вывод, что АМКЛ лучше распознает класс здоровых (89%) по сравнению с 72,2% для НС и хуже распознает класс больных (75%) по сравнению с 81,2% для НС. Учитывая близость результатов и ограниченное число случаев, автор пришел к выводу, что АМКЛ обладает большей значимостью и предпочтительностью использования для построения экспертной системы [57]. Оценивая перспективность возможных направлений использования АМКЛ в медицине и биологии следует отметить задачи оптимизации действий по ускорению достижения требуемого результата.

Таким образом, накопленный в последнее десятилетие опыт работы с АМКЛ указывает на возможность использования данного математического аппарата для выявления причинно-следственных связей и построения математических моделей и экспертных систем в медицине и биологии.

 
Посмотреть оригинал
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 

Популярные страницы