بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
کاربرد منطق فازي در سيست هاي تصميم ياري پزشکي
چکيده
دانش پزشکي به ارتباط بين نشانه هاي بيماري و تشخيص که يک پزشک از کتب مرجع بدست ميآورد تعلق مي يرد در نيمه دوم قرن ٢٠ نصف بيشتر دانش پزشکي در سيستم هاي کامپيوتري دخيره شده اند که ميتوان با استفاده از اين منابع يه سيستم هاي خبره تصميم ياري در جهت تشخيص دست يافت (١) . به دليل ابهام ذاتي در تعاريف مفاهيم پزشکي اين اجبار وجود دارد که قوانين مربوط به تشخيص از روي علايم را با قوانين فازي ذخيره و از قوانين فازي براي استنتاج از اين قوانين استفاده کنيم . در مقاله ي حاضر به توضيح مفاهيم فازي و کاربرد در پزشکي و توضيح برخي سيستم هاي تصميم ياري پرداخته ميشود.
واژه هاي کليدي: منطق فازي، سيستم هاي خبره ، هوش مصنوعي ، تشخيص پزشکي
١- مقدمه
مطمئنا پيچيدگي سيستم هاي بيولوژيکي ما را مجبور ميکند که روش هاي خود را در آناليز اين گونه سيستم با استفاده از روش هاي قديمي يه صورت بنيادي تغيير دهيم . بنابر اين ما مجبوريم براي توصيف اين گونه سيستم ها فازي بودن آن ها را براي توصيف خصوصياتشان به کار بريم . فازي بودن که ممکن است ناخوشايند به نظر برسد بهايي است که سيست هاي دقيق رياضي بايد به علت ناکارآمدي در مواردي که داراي متغير هاي زيادي در درخت هاي تصميم گيري هستند بپردازند ( پروفسور لطفي زاده ) (٢) به طور کلي در سيستم هاي قديمي همه ي مفاهيم به صورت دقيق تعريف شده اند، يک عضو از مجموعه يا ميتواند عضو مجموعه باشد يا نباشد و حالت بينابيني وجود ندارد. براي مثال در پزشکي فشار خون mmHg ٧٠ به عنوان فشار خون پايين در نظر گرفته مي شود حال اگر تغيير کوچکي در آن رخ دهد مثلا mmHg ٧١ باز همان عنوان کم را براي اين فشار خون در نظر مي گيريم با استفاده از چنين استنتاجي اين چنين به نظر مي رسد که همه فشار خون هاي بالاي mmHg ٧٠ کم در نظر گرفته مي شوند در صورتي که چنين چيزي امکان ندارد که به يک تناقض مي رسيم . حال اگر اين چنين در نظر بگيريم که گرچه فشار خون mmH ٧١ کم است اما به کمي mmHg ٧٠ نيست . اين مفهموم فازي بودن را مي رساند يعني اينکه براي عضويت اين مقدار در مجموعه ي فشار خون کم مقدار عضويت داشته باشيم . در پزشکي بيشتر مفاهيم به همين صورت تعريف مي شوند به صورت ضمني هست مانند فشار خون کم يا زياد ، دماي بدن کم يا زياد و بسياري مفاهيم ديگر . در بحث سيستم هاي تصميم ياري پزشکي هنگامي که مي خواهيم قوانين پزشکي را در يک پايگاه دانش قرار دهيم و سپس با استفاده از موتور استنتاج با استفاده از مشاهدات و ورودي ها نتيجه اي بگيريم چون که اين مفاهيم به صورت فازي و مبهم هستيم مجبوريم از منطق فازي در قوانين استنتاج و بدست آوردن نتيجه ي بهتر استفاده کنيم .(٣)
در عصر اطلاعات دانش انسان بسيار مهم است و بايد به دنبال راهي باشيم که بتوانيم اين دانش را به صورت سيستماتيک در سيستم هاي مهندسي قرار داده و بتوان از اين دانش در فرمول هاي رياضي نيز استفاده کنيم روشي که ميتوان به وسيله ي آن دانش انسان را شبيه سازي کرد استفاده از مجموعه هاي فازي است .
٢- منطق فازي
ابتدا به توضيح مجموعه هاي فازي ميپردازيم ، فرض کنيم در سيستمي بخواهيم اين قانون را شبيه سازي کنيم :
IF speed is High, THEN apply less force to the accelerator
واژه High براي سيستم معني خاصي نمي تواند داشته باشد ما ممکن است به سرعت Km.Hr ١٠٠ بگوييم سرعت زياد و به سرعت Km.Hr ١١٠ نيز سرعت زياد بناميم اما مطمئنا اين دو بايد در سيستم هاي کنترلي با يکديگر تفاوتي داشته باشند و مشخص باشد که هر کدام از اين سرعت ها تا چه اندازه زياد هستند . در مجموعه هاي فازي اين گونه بيان مي کنيم که اين سرعت تا چه حد عضو مجموعه سرعت زياد است . در مجموعه هاي فازي براي بيان يک مجموعه از يک تابع عضويت استفاده مي کنيم سپس با استفاده از آن يک مقدار به ميزان عضويت عضو داده شده بين ٠ و ١ داده مي شود (٤). براي مثال براي مجموعه فازي سرعت زياد ميتوان از تابع زير استفاده کرد :
براي مثال سرعت ٥٥ ميتواند يا درجه عضويت ٠.٥ عضو مجموعه سرعت هاي زياد باشد
مجموعه هاي فازي با استفاده از تابع عضويت خود نشان داده ميشوند براي مثال :
که با استفاده از اين تابع عضويت ميتوانيم مشخص کنيم که هر عضو x چه درجه ي عضويتي در مجموعه فازي A دارد.
در مجموعه هاي فازي مانند مجموعه هاي عادي نيز جبر مجموعه ها داريم و ميتوانيم عملياتي مانند مکمل ، اشتراک، اجتماع و ديگر عمليات نيز داشته باشيم که به توضيح اين عمليات در مجموعه هاي فازي ميپردازيم .(٥) مکمل يک مجموعه ي فازي به صورت رو زير تعريف ميشود
اشتراک دو مجموعه ي فازي با استفاده از مينيمم دو مقدار عضوي هاي تابع بدست مييد :
اجتماع دو مجموعه فازي با استفاده از ماکسيمم دو مقدار عضوي هاي تابع بدست مييد :
در ادامه به توضيح کامل يک سيستم کنترل فازي در پزشکي پرداخته ميشود که برخي ديگر از مفاهيم منطق فازي در آنجا توضيح داده ميشود .
٣- نمونه هايي از سيستم کنترل فازي پزشکي
٣-١- کنترل و مديريت مايعات درون وريدي بيمار در ICU (٦)
معمولا ميزان مايعات وريدي بيمار در ICU توسط پزشک مديريت و مقدار دهي ميشود که اين مقدار با توجه به دانش و تجربه پزشک و وضعيت فعلي بيمار بدست ميآيد.
فاکتورهايي که پزشک براي بدست آوردن مقدار مايعات درون وريدي (IFR) ٢ معمولا در نظر ميگيرد شامل ميزان خروجي ادرار در هر ساعت (HUO) ٣و متوسط فشار خون سرخ رگي(MAP) ٤ ميباشد که در هر ساعت براي بيمار اندازه گيري و ثبت ميشود و پزشک با استفاده از اين مقدارها ميزان IFR را براي بيمار مشخص ميکند.
براي مثال به طور کلي اگر مقدار MAP و HUO در بيمار هر دو بالا باشند مقدار IFR بايد کاهش داده شود و يا اگر MAP و HUO در بيمار هر دو پايين باشند مقدار IFR بايد افزايش داده شود.
در تعيين مقدار نهايي IFR که با استفاده از دو پارامتر ورودي MAP و HUO مشخص ميشوند رابطه ي رياضي خاصي نميتوان به دست آورد و مقدار نهايي IFR به صورت تجربي و از دانش پزشک معالج بدست ميآيد به همين دليل ابهام ذاتي اين دانش و وابسته بودن به دانش فرد خبره ( پزشک ) ميتوان از منطق فازي براي حل مسئله يعني بدست آوردن مقدار نهايي IFR از دو پارامتر MAP و HUO استفاده کرد.
در بدست آوردن اين که چه اقدامي در رابطه با IFR براي بيمار بايد انجام دهيم ميتوان از جدول ١ که دستور العمل آن از دانش پزشکي و تجربي بدست آمده استفاده کرد.
جدول ١ – جدول قوانين بدست آوردن مقادير IFR
همان طور که مشاهده مي شود تمامي مقادير به صورت ضمني و مبهم تعريف شده اند يعني اينکه وقتي ميگوييم مقدار MAP براي بيمار LOW است واقعا نميتوان گفت که چند mmHG است که روش حل اين مسئله استفاده از مجموعه هاي فازي براي بيان اين گونه مقادير است .
براي فازي سازي اين مقادير و بدست آوردن مجموعه فازي و تابع عضويت پارامتر هاي MAP و HUO از دانش يک متخصص استفاده مي کنيم . براي مثال زماني که مي خواهيم مشخص کنيم يک MAP برابر NORMAL است يک بازه از مقادير فشار خون سرخ رگي مانند بازه ي mmHg ٧٠ تا mmHg ١٠٠ را که معمولا مورد توافق است که اگر فشار خوني در اين بازه باشد يک فشار خون NORMAL است را در نظر ميگيريم و به مقادير اين بازه مقدار عضويت ١ ميدهيم حال براي مشخص کردن ابهام در اين بازه مقادير mmHg ١٠٠ تا mmHg ١٢٠ که ممکن است هم نرمال و هم تا حدي غير نرمال باشند را نيز در نظر ميگيرم و همچنين بازه ي mmHg ٥٥ تا ٧٠ mmHg به همين صورت به صورت تابع عضويت براي مقادير اين بازه ها در نظر ميگيريم . در اصل اين کار براي افزودن ذات مبهم اين مقادير به مسئله است . تابع عضويت هر يک از مقادير به صورت شکل هاي ٢ و ٣ مي باشد
