پاورپوینت کاربرد سیستمهای خبره در تشخیص بیماری

بخشی از پاورپوینت

اسلاید 1 :

کاربرد سیستمهای خبره در تشخیص بیماری

اسلاید 2 :

عناوین :
مقدمه
دلایل و زمینه های استفاده سیستم خبره در پزشکی
سیستم های خبره دنیای پزشکی
عملکرد و پیاده سازی سیستم های خبره
سیستم های مبتنی بر وب
سیستم خبره تشخیص سرطان خون
تشخیص بیماری مالاریا از تصویرخون
سیستم خبره تجویز درمان پزشکی
مروری بر ابزارهای کوچک و ساده تشخیص بیماری های سخت
نتیجه گیری
منابع

اسلاید 3 :

مقدمه
سیستم خبره تشخیص بیماری یک سیستم مبتنی بر قانون و وب گرا برای تشخیص خودکار بیماریها است . ایده ئ اصلی که این سیستم ها ، استفاده از قدرت اینترنت برای انتشار اطلاعات تخصصی و تخصص تعداد کمی از پزشکان با تجربه و متخصص برای راهنمایی است.
معمولا مدل عمومی تشخیص بیماری دراین سیستم ها به صورت زیر می باشد:

تشخیص

پژوهش وبررسی

علایم بیشتر 

علایم

گام 2 و 3 ممکن است چندین بار تکرار شوند.

اسلاید 4 :

برخی دلایل استفاده از سیستم­های خبره در پزشکی:
پزشکان برخی اوقات دچار خطا و اشتباه می­شوند.
پزشکان قادر نیستند که همیشه خود را با اخرین یافته­های اطلاعات پزشکی تطبیق دهند.
در موارد متداول استفاده از تصمیم­گیری خودکار، موثر است.
سازمانهای مراقبت بهداشتی مایل به افزایش کیفیت مراقبت و کاهش هزینه­های ان هستند.

اسلاید 5 :

زمینه­های مورد استفاده سیستم­های خبره:
تولید  هشدارها و یاداوری­کننده­ها برای پزشک
کمک در تشخیص بیماری به پزشک
برنامه­ریزی درمان
تشخیص و تفسیر تصاویر پزشکی

اسلاید 6 :

سیستم های خبره دنیای پزشکی
برنامه DENDRAL : شرح و بیان ساختار مولکولی و تحلیل شیمیایی
نرم افزار MYCIN : تشخیص و درمان بیماری میکروبی
نرم افزار PUFF : تشخیص بیماری های ریوی
نرم افزار XBONE : تشخیص بیماری های استخوانی
نرم افزار VM : نظارت بر بیماران نیازمند مراقبت های ویژه
BLUE BOX : تشخیص و درمان افسردگی
ATTENDING : آموزش در امور مدیریت بیهوشی
CADUCEUS : تشخیص بیماری های مربوط به طب داخلی
سیستم خبره فازی : ارزیابی سطح شدت حمله آسم

اسلاید 7 :

عملکرد و پیاده سازی سیستم های خبره
سیستم های خبره تشخیص بیماری برای رسیدن به نتایج صحیح ، قدم به قدم ، استدلال های یک پزشک خبره را تقلید می کنند که همان مفهوم Explan می باشد . امر بدیهی این است که سیستم های خبره نیاز به تعداد بسیار زیادی قوانین و حقیقت های علم پزشکی در زمینه بیماریها و شرایط بیماری دارند تا بتوانند نتیجه دقیقی ارائه دهند.

برای پیاده سازی این سیستم ها از روش های نمادینی مانند درخت های تصمیم گیری ساده ، روشهای آماری / احتمالاتی و سیستم های خبره مبتنی بر قواعد توصیفی و الگوریتم های ژنتیک ویا حتی ترکیبی از این تکنیک ها استفاده می گردد.

اسلاید 8 :

کاربرنهایی که با سیستم از طریق یک رابط کاربر در ارتباط بوده و امکان توضیح و یا رسیدن به هدف به صورت قدم به قدم را با موتور استنتاج سیستم دارد ، برای رسیدن به اهداف خود مانند درمان های پیشنهادی و غیره قسمت امکانات توضیح با موتور استنتاج ترکیب و توضیحات لازم را مشاوره و ارائه و یا بازخورد می نماید و در نهایت به نتیجه مورد نظر خواهد رسید.
در نمودار و دیاگرام اسلایدهای بعدی نحوه تعامل کاربر و سیستم نمایش داده می شود.

اسلاید 10 :

دریافت و ادراک علائم
علائم مرتبط پزشکی محیطی
جستجوی جداول
نمایش و گزارش تشخیص و توصیه های درمان
دسته بندی علائم برای تشخیص و درمان

اسلاید 11 :

سیستم های خبره تشخیصی
مواردی که سیستم خبره تشخیصی بیشتر مد نظر دارد:
تفسیر ECG (نوارقلبی)
تفسیر تست های آزمایشگاهی
تشخیص بیماری پیچیده و یا کمیاب
کمک به افراد کم تخصص و کم تجربه در تشخیص بیماری

اسلاید 12 :

مثال :یک سیستم خبره پزشکی (پایگاه دانش و قوانین استنتاج)
ق-1- اگر احتمالا فشار خون بالا باشد آنگاه خطر سکته قلبی بالاست.
ق-2- اگر احتمالا فشار خون پایین باشد آنگاه خطر سکته قلبی پایین است.
ق-3- اگر مصرف چربی زیاد باشد و بیمار مصرف نمک بالا داشته باشد آنگاه فشار خون احتمالا بالاست.
ق-4- اگر مصرف چربی پایین باشد و بیمار مصرف نمک پایین داشته باشد آنگاه فشار خون احتمالا پایین است.
ق-5- اگر مصرف چربی در هفته بیش از 300 گرم باشد آنگاه مصرف چربی بیمار زیاد است.
ق-6-اگر مصرف چربی در هفته کمتر از 100 گرم باشد آنگاه مصرف چربی بیمار پایین است.
ق-7-اگر مصرف چربی در هفته بین 100 تا 300 گرم باشد آنگاه مصرف چربی بیمار متوسط است.
ق-8- اگر مصرف نمک در هفته بیش از 5 گرم باشد مصرف نمک بالاست.

اسلاید 13 :

مثال .
هدف: یافتن بالا بودن خطر سکته قلبی:
ابتدا ق-1 سپس ق-3 سپس بر اساس ق-5 و ق-8 ، 2 پرسش زیر از کاربر پرسیده می شود:
1- مصرف چربی بیمار چقدر است؟
2- میزان مصرف نمک چقدر است؟

اسلاید 14 :

سیستم های مبتنی بر وب
تعدادی از سیستم های مبتنی بروب ، نیز وجود دارد که در تشخیص بیماری به پزشک کمک می کند مانند ایزابل
www.isabelhealthcare.com
این وب سایت ماموریت دارد به منظور بهبود سرعت و تناسب مراقبت از بیمار توسط پزشکان با تشخیص راه حل های عملی حمایت از تصمیم گیری نماید. در این سیستم چک لیستی طراحی شده برای کمک به پزشکان که شک تشخیص آنها را به اطمینان تبدیل می کند. موتور این وب سایت توسط نرم افزار آماری پردازش می شود . این موتور به یک پایگاه دانش متصل است که مدام به روز رسانی می شود.

اسلاید 15 :

یک سیستم خبره برای تشخیص سرطان خون با استفاده از پوسته VP-Expert
سرطان خون یکی از مهم ترین سرطان های جامعه بشری است که معمولا نشانه مشخصی برای آن وجود ندارد . سرطان خون بر اساس منشاء به دودسته تقسیم بندی می شوند:
1- لوسمی : سرطان با منشاء مغزاستخوان و غیرلنفاوی
2- لنفوم : سرطان با منشاء بافت و غده های لنفاوی بدن
از مهمترین علایم لوسمی می توان به درد استخوان ، کبودی و رنگ پریدگی ، کم خونی ، خونریزی های مکرر ، تورم کبد و طحال و غده های لنفاوی ، بروز بیش از حد معمول عفونت ها و تنگی نفس در انجام فعالیت اشاره کرد.

اسلاید 16 :

زیرسیستم پایگاه دانش تشخیص سرطان خون
برای دستیابی به پایگاه دانش از نمودارهای بلوکی (وظایف اصلی سیستم) و موکلر(ارتباط بین عوامل موثر بر هدف) بهره گرفته شده است . نمودار بلوکی تشخیص بیماری سرطان خون از سه بخش آزمایش خون (موارد PLT , WBC , HCT , ….)، علائم بیماری (بی اشتهایی ، استفراغ ، سردرد ، ضعف ، بزرگی کبد و ..)و زمان شروع تشکیل شده است.
سطح اول نمودار موکلر برای
تشخیص بیماری نشان داده
شده است.

اسلاید 17 :

تشخیص سرطان خون..
بعد از دریافت پاسخ از کاربر به تعیین نتایج پرداخته می شود برای این منظور از 3 جدول تصمیم به منظور تشخیص بیمار ، استنتاج نوع حالت آزمایش خون و استنتاج نوع حالت علائم بیماری بهره گرفته می شود. سپس به تناسب بیماری ، سیستم نوع درمان را به کاربر پیشنهاد می دهد. بخشی از قواعد موجود در سیستم
خبره مذکور به شکل زیر است:

اسلاید 18 :

سوال سیستم از کاربر در مورد علامت بیماری استفراغ
و پاسخ نهایی سیستم VP-Expert

اسلاید 19 :

تشخیص بیماری مالاریا از تصویرخون با استفاده از شبکه عصبی
برای کنترل بیماری مالاریا تشخیص به موقع و صحیح نیاز داریم . به وسیله شبکه عصبی مصنوعی و روش های پردازش تصویر ، روندی خودکار برای تشخیص این بیماری ارائه گردیده است که در این روش پس از پیش پردازش (حذف عناصر ناخواسته تصویر مانند نویزها)، از عملگرهای ریخت شناسی برای شناسایی انگل های مالاریا در تصویر خون استفاده می شود سپس با کمک یک سیستم فازی قوانین نهفته در شبکه عصبی استخراج می شود.

اسلاید 20 :

سلولهای خون و انگل ها
در رنگ و نوع بافت زمینه
تفاوت دارند . در مبتلایان
به مالاریا گلبول های قرمز
خون مورد تهاجم واقع می
شوند.