معماری سیستم تصمیم پزشکی برای تشخیص سندرم دان

چکیده:

در این مقاله تیم پی سی اسکریپت تلاش نموده است تا توسعه یک سیستم جدید برای حل مشکل تشخیص الگوی انگشتان دست و درک پروسه طبقه بندی علائم سندرم دان را ارائه دهد. روشی که در این سیستم برای تشخیص سندرم داندرکودکان کمتر از هفت سال استفاده شده است، بر پایه ترکیب مکشوفات دانش متنی در ادبیات علمی که سندرم دان را تشریح می کند با دانشی است که از تحلیل مشخصه های شاخص هایانگشتان دست با استاده از تکنیک های تشخیص الگوی دیجیتال بدست می آید.

هدف علمی، طراحی یک سیستم طبقه بندی کننده تشخیص پزشکی اتوماتیک را متوجه شود از طریق یک نرم افزار یک سیستم خبره طراحی شده بر دانش بنیادین شامل توصیفات متنی علمی از سندرم دان. هدف دیگر، نرم افزاری از الگوریتم های تشخیص الگوبرای تحلیل شاخص هایی است که در تصاویر الگوهای انگشتان دست ظاهر می شود.

این سیستم مشابه رویکرد مورد استفاده آنتروپولوژیست ها(انسان شناسان) توسط سیستمی از طریق کنار هم گذاشتن دانش توصیف شده در قوانین سیستم خبره و اطلاعات تهیه شده توسط تجهیزات دیجیتال مناسب درک می شود و بر پایه این کنار هم گذاری ، یک طبقه بندی اولیه از الگوهای کشف شده انجام می شود.

توضیح مساله چگونگی تشخیص سندرم دان:

وضعیت کنونی دانش در تشخیص الگوی پزشکی، اجازه استخراج خصیصه های مورداستفاده روش های کامپیوتری و الگوریتم های پردازش داده را می دهد. نتایج بدست آمده با استفاده از این روش هابه یک سیستم خبره داده می شود تا به یک روش مقدماتی فهم آن را از الگوی ارائه شده به او به عنوان یک پس تاثیری از وقوع یک فرآیند پاتولوژیک تصدیق کند و با استفاده از واژگان موجود در ادبیات پزشکی علمی توصیف کند .

در وضعیت کنونی توسعه علم و تکنولوژی، تعداد الگوهای موجود و میزان اطلاعات موجود در ادبیات علمی متناوبا در حال افزایش است.می توان با اطمینان فرض کرد که هر دوی این عناصر گرایش به افزایش با یک سرعت غیرقابل پیش بینی دارند. جامعه متخصصان پزشکی، با افزایش اطلاعات از طریق تقسیم دانش پزشکی به خیلی از ویژه کاری های جدید مقابله می کند.

منبع اصلی و پایه دانش حرفه ای، دانشی است که در قالب جملات زبان طبیعی نوشته شده است.تلاش این پروژه، ترکیب دانش استخراج شده از ادبیات پزشکی علمی با خصیصه های استخراج شده و طبقه بندی شده توسط الگوریتم های تشخیص الگو در فرآیندتحلیل تصاویر دیجیتال از الگوهای انگشتان دست کودکان زیر هفت سال است. در شکل اولیه آن این رویکرد بر اساس ساختن یک سیستم تاییدیه تصمیم ترکیبی پایه گذاری شده است که ترکیب می کند یک ماژول سیستم خبره استنتاج کننده ی وقوع یک اختلال بر اساس نتایج بدست آمده از ماژول های تشخیص الگو که تصاویر انگشتان را به صورت اتوماتیک بدون مشارکت یک فرد خبره انسانی تحلیل می کنند.

موفقیت این رویکرد ممکن است منجر به نرم افزاری از یک تکنیک کامپیوتری برای دست یابی به یک اتوماسیون تقریبا کامل از آزمایشات غربالگری برای تشخیص سندرم دان در کودکان زیر هفت سال است.