Сафронов Руслан Игоревич, кандидат технических наук, доцент кафедры электротехники и электроэнергетики
ул. Карла Маркса, д. 70, г. Курск 305021
Ruslan I. Safronov, Cand. of Sci. (Engineering), Associate Professor of the Department of Electrical Engineering and Power Engineering
70 Karl Marx Str., Kursk 305021
Разумова Ксения Викторовна, кандидат технических наук, преподаватель кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Ksenia V. Razumova, Cand. of Sci. (Engineering), Lecturer of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Рыбаков Антон Юрьевич, аспирант кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Anton Y. Rybakov, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Лях Антон Викторович, аспирант кафедры биомедицинской инженерии
ул. 50 лет Октября, д. 94, г. Курск 305040
Anton V. Lyakh, Post-Graduate Student of the Department of Biomedical Engineering
50 Let Oktyabrya Str. 94, Kursk 305040
Цель исследования – разработка метода синтеза моделей прогнозирования и диагностики профессиональных заболеваний на основе гибридной нечеткой технологии, обеспечивающих повышение качества принятия решений в профпатологии.
Методы. Установлено, что большинство задач, относящихся к исследуемой в работе теме (прогнозирование, ранняя диагностика, оценка степени тяжести и динамики развития профессиональных заболеваний), относятся к классу плохо формализуемых задач с нечеткой и неполной структурой данных, которые рекомендуется решать при использовании методологии синтеза гибридных нечетких решающих правил, опирающейся на взаимодействие естественного интеллекта врачей и инженера-когнитолога с искусственным гибридным интеллектом. С использованием выбранного математического аппарата предложен метод синтеза нечетких моделей прогнозирования и диагностики профессиональных заболеваний.
Результаты. В качестве конкретного примера решена задача прогнозирования и диагностики ишемической болезни сердца (ИБС) у машинистов электропоездов с выделением таких классов состояний, как: «здоров и появление ИБС не ожидается»; «здоров, но через прогнозируемое время ожидается появление ИБС»; «ранняя стадия ИБС»; «выявлено заболевание ИБС». В результате экспертного оценивания было показано, что уверенность в правильной классификации находится на уровне 0,9. Этот же результат был подтвержден результатами статистических испытаний на репрезентативных контрольных выборках по показателям диагностической чувствительности и специфичности.
Заключение. Предложенный метод синтеза гибридных нечетких моделей позволяет синтезировать гибридные решающие правила, обеспечивающие повышение качества прогнозирования и ранней диагностики исследуемого класса заболеваний как при наличии обучающих выборок, так и при их отсутствии путем компенсации недостатка статистического материала методами формализации клинического мышления. В качестве конкретного примера решена задача прогнозирования и диагностики ишемической болезни сердца у машинистов электропоездов. Показано, что уверенность в правильной классификации находится на уровне 0,9, что позволяет рекомендовать полученные результаты к практическому использованию в профпатологии.
The purpose of research is to develop a method for synthesizing models for predicting and diagnosing occupational diseases based on hybrid fuzzy technology, providing an increase in the quality of decision-making in occupational pathology.
Methods. It is established that most of the problems related to the topic under study (forecasting, early diagnosis, assessment of the severity and dynamics of the development of professional diseases) belong to the class of poorly formalized problems with fuzzy and incomplete data structure, which are recommended to be solved using the methodology of synthesis of hybrid fuzzy solving rules based on on the interaction of the natural intelligence of doctors and a cognitive engineer with artificial hybrid intelligence. Using the chosen mathematical apparatus, a method for the synthesis of fuzzy models of forecasting and diagnosis of occupational diseases is proposed.
Results. As a concrete example, the problem of predicting and diagnosing ischemic heart disease (CHD) in electric train drivers has been solved with the allocation of such classes of conditions as: "healthy and the appearance of CHD is not expected"; "healthy, but the appearance of CHD is expected after the predicted time"; "early stage of CHD"; "CHD disease has been detected". As a result of expert evaluation, it was shown that the confidence in the correct classification is at the level of 0.9. The same result was confirmed by the results of statistical tests on representative control samples in terms of diagnostic sensitivity and specificity.
Conclusion. The proposed method of synthesis of hybrid fuzzy models makes it possible to synthesize hybrid decision rules that improve the quality of prediction and early diagnosis of the studied class of diseases both in the presence of training samples and in their absence by compensating for the lack of statistical material by methods of formalization of clinical thinking. As a concrete example, the problem of predicting and diagnosing ischemic heart disease in electric train drivers has been solved. It is shown that the confidence in the correct classification is at the level of 0.9, which allows us to recommend the results obtained for practical use in occupational pathology.
The authors declare that there are no conflicts of interest present.