Область наук:
  • Комп'ютер та інформатика
  • Рік видавництва: 2004
    Журнал: Известия Південного федерального університету. Технічні науки

    Наукова стаття на тему 'Адаптивне управління якістю інтелектуальної продукції'

    Текст наукової роботи на тему «Адаптивне управління якістю інтелектуальної продукції»

    ?Розділ I. Системи штучного інтелекту

    А.С. Сігов, Е.С. Анциферов, Б.І. Голуб, С.В. Ширяєв

    АДАПТИВНЕ УПРАВЛІННЯ ЯКІСТЮ ІНТЕЛЕКТУАЛЬНОЇ ТОВАРІВ

    В даний час в діагностиці та лікуванні складних захворювань все більшої актуальності набуває напрям, орієнтований на виявлення причинно-наслідкових зв'язків в організмі. Згідно з цим напрямку організм розглядається як деяка складно організована система, що складається з безлічі взаємозалежних підсистем [1]. При цьому кожна з підсистем несе свою частину "відповідальності" за стан організму. Такому напрямку відповідає розробка нових методів і засобів діагностики і лікування, зокрема широкого класу автоматизованих інформаційно-розпізнавальних систем (АИРС) [2-11], що функціонують в умовах значної апріорної невизначеності і забезпечують тим самим можливість придбання нових знань про зв'язки між параметрами фізичних полів досліджуваних об'єктів і їх станами. Збільшення кількості методів і засобів діагностики і лікування, широке застосування динамічних досліджень призводить до того, що діагностика і лікування стають надзвичайно складними технологічними процесами, які вимагають чіткого управління. При цьому необхідну якість процесів діагностики та лікування визначається наборами стратегій, якими володіє експерт, який приймає рішення. У такому випадку мова йде не про якість діагностики і лікування в загальному, статистичному сенсі, а про стратегічну точності діагнозу, коли кожному діагнозу ставиться у відповідність одне єдине рішення. Разом з тим до цього часу головним керуючим ланкою процесу діагностики є фахівець і саме на нього лягає нелегке процедура прийняття правильних рішень. Тому для забезпечення високої якості результатів, раціональної організації і полегшення роботи фахівців доцільно використання «інтелектуалізованих» (експертних) систем підтримки прийняття рішень (ЕС), що передбачає, в свою чергу, формалізацію процесів управління якістю діагностики та лікування. Набори стратегій передбачають використання величезного числа керуючих впливів на процеси діагностики та лікування, що вимагає розробки методик експертного управління якістю даних процесів з використанням автоматизованих систем копмлексного управління, побудованих на основі спільного застосування АИРС і ЕС, що поєднує їх основні переваги.

    У зв'язку з цим важливим є пошук оптимального співвідношення між со-деражательним і формальним аспектами завдання. Дійсно, при побудові АИРС досягається гранична ступінь абстрагування від змістовного аспекту знань, якими здатний володіти лише висококваліфікований фахівець, з одночасним ефективним рішенням важливого завдання придбання знань про зв'язки властивостей аналізованих фізичних полів з станами досліджуваних об'єктів. При побудові ж ЕС, необхідних для управління якістю, слід прагнути до побудови таких формальних моделей, які, забезпечуючи можливість представлення знань в ЕС, мінімізували б неминучу втрату смислового змісту процесів діагностики та лікування. При цьому очевидно, що для більш змістовного смислового аспекту бази знань

    потрібно, як правило, більш простий і логічно зрозумілий механізм формалізації процесів управління.

    Всі безліч керуючих впливів, необхідних для постановки діагнозу, позначимо через і. Кожне керуючий вплив може приймати деякий континуум допустимих значень. В такому випадку завдання управління діагностикою можна сформулювати як вибір із заданого допустимого безлічі значень керуючих впливів таких, при яких досягається максимум заданої цільової функції. Разом з тим, специфіка медичної діагностики полягає в тому, що в кожному конкретному випадку для отримання "найкращою" сукупності вимірюваних діагностичних параметрів необхідно вибирати адекватно "найкращу" сукупність дій, що управляють. Реально домогтися такої адекватності, особливо в умовах апріорної невизначеності, практично неможливо. Тому мова повинна йти про визначення закону, за яким повинні вибиратися керуючі впливу для кожного конкретного виду захворювання. Визначення закону пов'язано, як правило, з проведенням великої кількості вимірювальних експериментів. В цьому плані медична діагностика надає досить обмежені можливості. Тому доводиться користуватися насамперед такими вихідними даними як число керуючих впливів і допустимий інтервал значень кожного з них.

    Тип цільової функції визначимо як мінімум середніх втрат або ймовірності помилкових рішень (максимум достовірності або якості діагностики). Це відповідає Байєсова принципом оптимізації, прийнятому при побудові АИРС, де основним критерієм є апостериорная щільність ймовірності правильних рішень або приналежності поточних траєкторій векторів виміряних діагностичних параметрів до встановленого образу (виду захворювання). Для визначення аналітичного виду закону вибору керуючих впливів Р (і) використовуємо принцип максимуму ентропії, згідно з яким при невідомої щільності розподілу випадкової величини слід вибирати щільність, що забезпечує максимізацію ентропії при обліку всіх відомих обмежень. Отже, ентропія щільності розподілу

    Н = - | Р (і) 1пр (і) йі ,

    обмеження

    | Р (і) йі = 1,

    і

    IЬк (ЩР (і) а (і) = ак, к = 1,2, ..., К

    до

    і

    де Ьк (і) - відомі безперервно диференціюються функції обмежень; ак - задані дійсні числа, так звані константи обмежень. Використовуючи відомий в математичному програмуванні метод множників Лагранжа, отримуємо

    Н = - | Р (і)

    1п Р (і) -? 2А (і)

    до

    до

    до

    де а0 = 1 і Ь0 (і) = 1 для всіх і.

    Взявши приватні похідні від функції Н1 по щільності розподілу Р (і), будемо мати

    5Н1

    ін (і)

    = -1

    1п Р (і) -? 2А (і)

    до

    + 1Ш

    Прирівнюючи праву частину даного співвідношення нулю, прийдемо до наступного співвідношенню:

    Р (і) = ехр

    (І) -1

    Отримане співвідношення належить до цілого сімейства щільності розподілу, що інтегруються в просторі управлінь. Так, якщо Птп < і < ітах, то

    Р (і) = ехр (Л, -1).

    оскільки

    | ехр (20 - 1) ^ і = 1,

    то

    ехр (Л) -1) = 1

    і - і .

    тах Ш1П

    Р (і) =

    і - і .

    тах т1П

    іт1п < і < ітах

    0, ит.п > і > ітах

    Тобто для і, відмінних від нуля до певної кінцевому інтервалі, розподіл Р (і) приймає вид рівномірного. До цього ж сімейства належить бета-розподіл. Шляхом варіації параметрів цього розподілу можна отримати цілий ряд важливих з практичної точки зору розподілів.

    Таким чином, експеримент по визначенню оптимального закону вибору значень керуючих впливів полягає у виконанні наступних операцій: встановлення певних, в загальному випадку довільних параметрів бета- розподілу; генерація для кожного об'єкта, що діагностується псевдослучайной послідовності (наприклад, методом Монте-Карло) значень керуючих впливу з подальшим визначенням заходів приналежності до даного виду захворювання; оцінка достовірності отриманих результатів за навчальною вибіркою вимірюваних діагностичних параметрів; корекція параметрів бета-розподілу при незадовільній достовірності; використання встановлених експериментально параметрів бета-розподілу при діагностиці даного виду захворювання.

    При наявності апріорної інформації про діапазонах зміни значень діагностичних параметрів в межах досліджуваного захворювання (отримання такої інформації цілком реально), проведення багаторазових обстежень одних і тих же пацієнтів замінюється на генерацію псевдовипадкових значень цих параметрів за встановленим законом розподілу.

    Запропонована методика управління якістю діагностики проходить апробацію в ОНЦ РАМН ім. М.М. Блохіна при діагностиці складних захворювань молочної залози шляхом поєднання різних методів (термографії, радіоізотопи, мамографія і ін.). Результати попередніх випробувань показали, що при збереженні необхідного рівня достовірності істотно знижується навантаження на фахівця, керуючого діагностикою.

    Процес лікування будемо представляти у вигляді чергується зміни кінцевого числа станів захворювання. При цьому переходи з одного стану в інший при лікуванні складних захворювань носять найчастіше імовірнісний характер. В процесі лікування захворювання під впливом керуючих впливів повинно пройти через кілька станів і досягти одного з них, в якому вероят-

    до

    і

    а

    1

    ність його наявності виявиться нижче деякого порога значимості. Уявімо цей процес в наступному вигляді:

    1) початковий розподіл станів, що характеризується вектором ймовірності Р 0 і апріорної ймовірністю захворювання Р ^ 1 > Р (р:

    Ро

    ... • РА про про ... про ...;

    2) проміжне розподіл можливих станів, досягнуте в г-й момент часу в результаті лікувальних впливів і характеризується вектором р:

    Р

    ".ТОВ ... про ... •

    3) кінцевий розподіл станів, що характеризується вектором ймовірності Р к і апостеріорної ймовірністю захворювання Р ^ < Рм (о3:

    Р

    ... про О О ... • РАЗ ... .

    Апроксимуємо процес управління лікуванням марковским імовірнісним процесом з кінцевим числом станів. Такий процес описується лінійним векторноматрічним рівнянням щодо вектора ймовірностей різних станів

    Р + 1 = РР, (1)

    де Д. - матриця ймовірностей переходів, що залежить від дискретного часу. , Стадії захворювання, функціонального стану організму і обраного способу лікувального впливу в даний момент. Матриця Д в ході управління лікуванням може приймати одне з т значень: В}, В2, ..., Вт. . Шляхом вибору послідовності матриць з можливого їх безлічі необхідно забезпечити максимум критерію якості

    3 = (А, РК), (2)

    що означає ймовірність одного з станів на к-му кроці (А - цільової вектор, який вказує на кінцевий стан). Згідно (1), для послідовних моментів часу матимемо

    Р1 = В0Р; Р2 = В1Р1; ...; Рк = В к-1Р-1 .

    Звідси

    Рк = В к-1ВК-2 ... В1В0Р0. (3)

    Останнє співвідношення визначає алгоритм управління якістю. Максимум критерію якості

    Р, (Р) = МАХ (А1Вк-1 ... У Ро). (4)

    Щоб знайти оптимальну сукупність В0, ..., Вк-1, необхідно попередньо визначити всі значення критерію 3 і вибрати з них максимальне. Число таких обчислень одно тк. Для скорочення обсягу обчислень зазвичай використовується метод динамічного програмування. Відповідно до цього методу в розгляд вводиться серія проміжних критеріїв

    Комерсант (Р) = МАХ (е, БК-до Б р). (5)

    Тоді, згідно з принципом Беллмана,

    Комерсант (р) = МАХ ^ + 1 (р + 1) = Мбах Е1 + 1 (Б р). (6)

    В В,

    Виробляючи оптимізацію послідовно в зворотному часу, отримаємо

    РК-1 р-1) = МВАХ (Бк _1Рк_1);

    В к-1

    РК-2 (Рк-2) = мвах (Бк-2 РК-2);

    В к-2

    Отже, вихідна к-крокова завдання зводиться до послідовності однокрокових завдань. Разом з тим, щоб виконати однокрокову оптимізацію на (к-1) -му кроці, потрібно мати значення вектора Рк-1 .Але ці значення, як правило, невідомі. Тому необхідно провести попереднє табулювання всіх можливих (імовірних) значень цього вектора.

    Таким чином, для управління якістю лікування, згідно розглянутої методикою, необхідно мати: таблиці передбачуваних значень векторів станів; набір матриць ймовірностей переходів з одного стану в інший; можливе число станів. Відзначимо, що отримання такої інформації вимагає ретельної, копіткої роботи експертів, що володіють високим рівнем знань в даній області.

    Запропонована методика апробується в ОНЦ РАМН ім. М.М. Блохіна при управлінні якістю лікування злоякісних утворень молочної залози. Наприклад, при використанні інтенсивної терапії (хімія і опромінення) були виділені три істотних стану: вихідне, проміжне і кінцеве. Для управління лікуванням пацієнтки з 3-й стадією захворювання були розроблені дві ймовірні матриці, що враховують всі можливі переходи між станами, тобто адекватні наступній діаграмі:

    Б, Б12 Б \ 3 0.2 0.7 0.1 0.1 0.5 0.4

    Б = Б21 Б22 Б23 Б1 = 0.1 0.4 0.5 Б2 = 0.2 0.1 0.7

    Б31 Б32 Б33 0.1 0.1 0.8 0.1 0.2 0.7

    В якості початкового розподілу було прийнято Р0 = (1, 0, 0).

    Для цільового вектора було прийнято е = (0,0,1).

    Число кроків до = 2. Число можливих варіантів дорівнює 22 = 4:

    (Е, Б1Б1Р0), (е, Б1Б2Р0), (е, В2В1Р0) і (е, В2В2Р0). Результати обчислення значень векторів проміжних станів Б1Р0 = (0.2; 0.7; 0.1);

    В2Р0 = (0.1; 0.5; 0.4).

    Компоненти векторів, що відповідають кінцевому стану, взяли наступні значення:

    СВДР0) = 0.52; (BjB2 P0) = 0.63;

    (B2 BjP0) = 0.56; (B2 B2 P0) = 0.67.

    Відповідно до отриманої, оптимальне вплив полягає в дворазовому використанні матриці B2, тобто певним чином дозованого опромінення. В результаті застосування запропонованої методики забезпечило підвищення якості лікування.

    Досягнення високої ефективності управління пов'язується в даний час з використанням експертних систем (ЕС) як невід'ємного складового елементу практично будь-якої системи автоматизованого управління складними технологічними процесами. Запропоновані в даній роботі формалізовані методики управління якістю процесів діагностики та лікування складних захворювань дозволяють поповнювати бази знань експертних систем про імовірнісних законах вибору керуючих впливів і їх параметрах. Результати попередніх випробувань показали, що при збереженні необхідного рівня достовірності запропоновані методики дозволяють істотно знизити навантаження на фахівців, які керують якістю процесів діагностики та лікування. Розроблені методики створюють хороші передумови для створення автоматизованих систем комплексного управління якістю, побудованих на основі спільного використання АИРС і ЕС і поєднують їх основні переваги.

    БІБЛІОГРАФІЧНИЙ СПИСОК

    1. Судаков К.В. Теорія функціональних систем М .: Наука, 1996..

    2. Куртєв Н.Д., Анциферов С.С. Структурно-стохастичний метод обробки і розпізнавання інформації теплових зображень. // Оптичний журнал, 1997, т.64, №2, с. 35-37.

    3. Kurtev N.D., Antsyferov S.S. Structural-stochastic method of processing and recording information in thermal images. // J. Opt. Technol., 1997, v. 64 (2), p.102-104.

    4. Анциферов С.С. Формування спектра теплових зображень об'єктів і розпізнавання їх образів. // Оптичний журнал, 1999, т. 66, №12, с. 44-48.

    5. Antsyferov S.S. Forming the spectrum of thermal images of objects and recognizing their patterns. // J. Opt. Technol., 1999, v. 66 (12), p. 1047- 1049.

    6. Анциферов С.С., Голуб Б.І. Принципи проектування адаптивних широкоспектрально інформаційно-розпізнавальних тепловізійних систем. // В кн .: «Теплобачення» / Под ред. А.С. Сігова, М .: МІРЕА, 2000., №13, с. 3-26.

    7. Евтихиев М.М., Анциферов С.С., Голуб Б.І. Адаптація інформаційно-розпізнавальних біомедичних систем. // Біомедична радіоелектроніка, 2001 № 1, с. 5-9.

    8. Колесов С.Н., Анциферов С.С., Голуб Б.І., Ширяєв С.В. Побудова медичних систем розпізнавання тепловізійних образів. // Біомедична радіоелектроніка, 2001 № 1, с. 36-38.

    9. Евтихиев М.М., Анциферов С.С., Голуб Б.І. Технологія адаптивної обробки інформації теплових широкоспектрально полів. // Високі технології, 2002 т.3, №4, с.45-50.

    10. Анциферов С.С. Метрологія віртуальних систем. // Вимірювальна техніка, № 5, 2003, с. 17-21.

    11. Евтихиев М.М., Анциферов С. С. Методологія оцінки станів організму по фізичним параметрам. // Доповіді 5-й Міжнародній конференції "Радіоелектроніка в медицині", М .: ІРЕ РАН, 2003 с.3-5.


    Завантажити оригінал статті:

    Завантажити