Диагностика заболеваний при неточности признаков и симптомов является основанием для проектирования нечеткой логической медицинской системы. Нечеткие логические выводы представляют собой способ обработки информации на базе экспертных правил, задаваемых в нечетком виде. Рассматривается возможность использования нечеткой экспертной системы в медицинской диагностике в области паразитарных заболеваний желудочно-кишечного тракта. Рассматривается нечеткая диагностическая система для диагностирования энтеробиоза, как одного из самых распространенных детских паразитарных заболеваний желудочно-кишечного тракта. С этой целью выявлены основные симптомы заболевания энтеробиозом. Разработан алгоритм функционирования нечеткой экспертной системы для диагностики паразитарных заболеваний желудочно-кишечного тракта. Используется база знаний нечеткой экспертной системы диагностики, состоящей из структурированной информации. Затем осуществляется процесс преобразования входных данных в лингвистические переменные с помощью функции принадлежности в нечеткой базе знаний. С этой целью выбран треугольный тип фаззификатора. Определен интервал нечетких значений лингвистических переменных. Разработана структура нечетких правил для диагностирования энтеробиоза. На следующем этапе с помощью механизма нечеткого вывода входные данные отображаются в их соответствующие весовые коэффициенты и связанные с ними лингвистические переменные для определения их принадлежности. На последнем этапе дефаззификации осуществляется процесс преобразования нечетких выходных данных в четкое значение с помощью механизма вывода. Проверка работы предложенной системы реализована на примере конкретного пациента и уточнена тяжесть его заболевания. Предложенная нечеткая логистичекая система обеспечивает достаточно быстрый метод диагностики и может служить подтверждением первичного диагноза врача-эксперта.
2. Zadeh LA. Towards a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic. Fuzzy Sets and Systems. 1997; 19(2): 111–127.
3. Zadeh LA. Fuzzy sets as a basis for a theory of possibility. Fuzzy sets & Systems. 1978; 1(1): 3–28. 4. Onuwa A B. Fuzzy Expert System For Malaria Diagnosis. Oriental Journal of Computer Science and Technology. Available at: http://www.computerscijournal.org/?p=1084. 5. Djam XY, Wajiga GM, Kimbi YH, Blamah NV. Fuzzy Expert System for the Management of Malaria. International Journal of Pure and Applied Sciences and Technology. 2011; 5(2): 84–108. 6. Oscar Takam Nkamgang, Daniel Tchiotsop, Hilaire Bertrand Fotsin, Pierre KisitoTalla, Valérie Louis Dorr, Didier Wolf. Automating the clinical stools exam using image processing integrated in an expert system. Informatics in Medicine Unlocked. 2019; 15: 100165.
7. Fatumo SA, Emmanuel A, Onaolapo JO. Implementation of XpertMalTyph: an expert system for medical diagnosis of the complications of malaria and typhoid. Journal of Computer Engineering (IOSRJCE). 2013; 8 (5): 34–40.
8. Nkuma-Udah KI, Chukwudebe GA. Medical diagnosis expert system for malaria and related diseases for developing countries. IEEE, 3rd international conference on electro-technology for national development (NIGERCON (2017): 24–29.
9. Saha TB, Daniel T, Valérie LD, Didier W. Towards an automated medical diagnosis system for intestinal parasitosis. Informatics in Medicine Unlocked. 2018. doi: 10.1016/j.imu.2018.09.004.
10. https://speakingofmedicine.plos.org/2015/01/16/one-million-deaths-parasites/
11. https://www.cdc.gov/parasites/crypto/index.html
12. https://p-87.ru/health/enterobioz/
13. Imianvan AA, Anosike UF, Obi JC. An Expert System for the Intelligent Diagnosis of Hiv Using Fuzzy Cluster Means Algorithm. Global Journal of Computer Science and Technology. 2011; 11(12). Version 1.0.
14. Lotfi A. Zadeh. Fuzzy Logic, Neural Networks, and Soft Computing. Communication of the ACM. 1994; 37(3): 77–83.