Разработка на основе нечеткой логики экспертной системы для диагностики пневмонии
https://doi.org/10.26907/1562-5419-2024-27-4-503-532
Аннотация
Статья посвящена разработке экспертной системы для диагностики пневмонии. Эта система основана на нечеткой логике и реализована с использованием алгоритма Мамдани. Рассмотрены основные этапы разработки системы, включая фаззификацию входных данных, определение нечетких правил на основе медицинских экспертных знаний, агрегирование нечетких выводов и их дефаззификацию для получения окончательного диагностического результата. Веб-интерфейс системы реализован с использованием фреймворка Django, что обеспечивает удобство взаимодействия для пользователей. Применение медицинской экспертной системы для диагностики пневмонии может сократить время, необходимое для установления диагноза, и улучшить качество диагностики за счет интеграции опыта медицинских экспертов и современных информационных технологий.
Об авторах
Аделя Искандеровна Еникеева
Казанский (Приволжский) федеральный университет
Россия
Россия
Рустам Арифович Бурнашев
Казанский (Приволжский) федеральный университет
Россия
Россия
Рустам Ринатович Фарахов
Казанский (Приволжский) федеральный университет
Россия
Россия
Список литературы
1. Григорьева Д.Р., Гареева Г.А., Басыров Р.Р. Основы нечеткой логики: Учебно-методическое пособие к практическим занятиям и лабораторным работам. Набережные Челны: Изд-во НЧИ КФУ. 2018. 42 с.
2. Fuzzy logic. URL: https://en.wikipedia.org/wiki/Fuzzy_logic (дата обращения 27/05/2024).
3. Pneumonia Symptoms and Diagnosis. URL: https://www.lung.org/lung-health-diseases/lung-disease-lookup/pneumonia/symptoms-and-diagnosis, last accessed 27/05/2024.
4. Pneumonia. URL: https://www.mayoclinic.org/diseases-conditions/pneumonia/symptoms-causes/syc-20354204, last accessed 27/05/2024.
5. Zadeh L.A. The role of fuzzy logic in the management of uncertainty in expert systems // Fuzzy sets and systems, 1983. 11(1-3), P. 199-227.
6. Zadeh L.A. Fuzzy sets // In Fuzzy sets, fuzzy logic, and fuzzy systems: selected papers by Lotfi A Zadeh, 1996. P. 394–432.
7. Pedrycz W., Gomide F. Fuzzy Systems Engineering: Toward Human-Centric Computing // John Wiley & Sons, 2007. 549 p.
8. Burnashev R.A., Khairullin B.M., Prokopyev N.A., Farahov R.A., Bolsunovskaya M.V., Enikeev A.I. Design and Development of a Research Integrated Geoinformation System with a Fuzzy Expert System // 2023 IEEE 24th International Conference of Young Professionals in Electron Devices and Materials (EDM), Novosibirsk, Russian Federation, 2023. P. 1310–1313. https://doi.org/10.1109/EDM58354.2023.10225118.
9. Burnashev R. Designing a Prototype of an Adaptive Expert System Using Fuzzy Logic and a Genetic Algorithm // 2023 International Russian Automation Conference (RusAutoCon), Sochi, Russian Federation, 2023. P. 1168–1172. https://doi.org/10.1109/RusAutoCon58002.2023.10272949.
10. Umair A., Ghulam R., Saqib Z., Farhan M. Fuzzy Rule Based Diagnostic System to Detect the Lung Cancer // International conference on Computing, Electronic and Electrical Engineering (ICE Cube), 2018. https://doi.org/10.1109/ICECUBE.2018.8610976.
11. Arani L. A., Sadoughi F., Langarizadeh M. An Expert System to Diagnose Pneumonia Using Fuzzy Logic // Acta Inform Med, 2019. P. 103–107.
12. https://doi.org/10.5455/aim.2019.27.103-101
13. Fazel Zarandi M.H., Zolnoori M., Moin M., Taherian M. Fuzzy Rule-Based Expert System for Evaluating Level of Asthma Control // J Med Syst. 2012. V. 36, no. 5. P. 2947–2958. https://doi.org/10.1007/s10916-011-9773-3.
14. Azaab S., Abu Naser S., Sulisel O. A proposed expert system for selecting exploratory factor analysis procedures // Journal of the college of education. 2000 . V. 4, no. 2. P. 9–26.
15. Hasan M.A., Sher-e-Alam K., Chowdhury A.R. Human Disease Diagnosis Using a Fuzzy Expert System // Journal of Computing. 2010. V. 2, no. 6. P. 66–70. https://doi.org/10.48550/arXiv.1006.4544
16. Anjara F., Jaharadak A. A. Expert system for disease diagnosis in living things: A narrative review // Journal of Physics: Conference series. 2019. V. 1167. https://doi.org/10.1088/1742-6596/1167/1/012070.
17. Pavate A., Nerurkar P., Ansari N., Bansode R. Early Prediction of Five Major Complications Ascends in Diabetes Mellitus Using Fuzzy Logic // Soft Computing in Data Analytics, Advances in Intelligent Systems and Computing. 2019. P. 759–768.
18. https://doi.org/10.1007/978-981-13-0514-6_72
19. Buchanan B.G., Shortliffe E.H. Rule-based expert systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, 1984. 503 p.
20. Giarratano J.C., Riley G. Expert Systems: Principles and Programming (4th ed.) Course Technology, 2005. 868 p.
21. Waterman D.A. A Guide to Expert Systems. Addison-Wesley, 1986. 419 p.
22. Russell S., Norvig P. Artificial Intelligence: A Modern Approach (3rd ed.). Pearson Education, 2010. 1152 p.
23. Negnevitsky M. Artificial Intelligence: A guide to Intelligent Systems (2nd ed.). Addison-Wesley, 2005. 435 p.
24. Demetriou D., See L.M., Stillwell J. Expert Systems for Planning and Spatial Decision Support // GeoComputation, Chapter 11, 2014. P. 257–274. https://doi.org/10.1201/b17091-12.
Рецензия
Для цитирования:
Еникеева А.И., Бурнашев Р.А., Фарахов Р.Р. Разработка на основе нечеткой логики экспертной системы для диагностики пневмонии . Электронные библиотеки. 2024;27(4):503-532. https://doi.org/10.26907/1562-5419-2024-27-4-503-532
For citation:
Enikeeva A.I., Burnashev R.A., Farahov R.R. Development of an Expert System Based on Fuzzy Logic for Pneumonia Diagnostics. Russian Digital Libraries Journal. 2024;27(4):503-532. (In Russ.) https://doi.org/10.26907/1562-5419-2024-27-4-503-532
Просмотров:
2
Послать статью по эл. почте 