SETTING THE MEMBERSHIP FUNCTIONS OF LINGUISTIC VARIABLES THERMES IN THE TASK OF DETERMINATION THE DOSING OF MEDICATIONS IN THE TREATMENT OF THE PREECLAMPSIA OF PREGNANT WOMEN
Abstract
The problem of preeclampsia in pregnant women is one of the pressing problems in modern obstetrics, as this disease is the most common and severe complication of pregnancy, and the problem of treating severe forms of preeclampsia is one of the most difficult in obstetric anesthesiology and resuscitation. The high incidence of maternal and perinatal morbidity and mortality is based on the lack of accurate knowledge of the pathogenesis of the disease, which depends on many predisposing factors, reliable diagnostic criteria, which leads to inadequate therapy and various complications, depending on the timeliness and method of delivery, the amount of anesthesiological and intensive care. Given the high prevalence of pre-eclampsia in Russia, as well as the absence of a downward trend, the aim of the work is to increase the effectiveness of therapeutic therapy for hypertensive complications of pregnancy.
Analysis of the process of diagnosis and the introduction of drugs in the treatment of pre-eclampsia in pregnant women, which is characterized by non-linear dependencies, has led to the need to develop methods for specifying the multidimensional membership functions of linguistic variables terms. For cases when the functional dependence is known in advance, the main types of analytical functions of belonging to several arguments are distinguished: hyperboloid, cone-shaped, bell-shaped, ellipsoid, pyramidal, trapezoid. For cases when the assignment of the membership functions of terms of linguistic variables is analytically impossible, a new method of constructing membership functions has been developed, which, unlike the existing ones, allows defining multidimensional membership functions based on statistical data, as well as reducing the influence of expert subjectivity by automating the process using fuzzy clustering.
References
2. Adlassing K. P. Fuzzy set theory in medical diagnosis / ДЕЕЕ Trans. – Vol. SMC-16. – N 2. – P. 260-265.
3. Development of automated health testing and services system via fuzzy reasoning / Tazaki E. et al. // Proc. IEEE Inc. Conf. on SMC – 1986. – P. 342-346.
4. Medical diagnosis using simplified multi-dimensional fuzzy reasoning / Tazaki E. et al. // Proc. IEEE Int. Conf. on SMC – 1988.
5. Система баз медицинских данных с блоком выводов. Ч.1. Введение искусственного интеллекта в процесс оценки результатов массового медицинского освидетельствования / Тадзаки Е. и др. // Сб. тез. 7-го симпозиума по медицинской информатике. – Токио, 1988. – С. 377-380.
6. Система баз медицинских данных с блоком выводов. Ч. 2. Введение искусственного интеллекта в процесс оценки риска для здоровья информации о здравоохранении / Тадзаки Е. и др. // Сб. тез. 7-го симпозиума по медицинской информатике. – Токио, I988. – C. 385-388.
7. Тадзаки Е. Нечеткие экспертные системы // Сури кагаку. – 1987. – N 284. – С. 46-54.
8. Прикладные нечеткие системы: Перевод с япон. / К. Асаи, Д. Ватада, С. Иваи и др.; под ред. Т. Тэрано, К. Асаи, М. Сугено. – М.: Мир, 1993.
9. Хромушин В.А. Построение экспертной системы на основе алгебраической модели конструктивной логики на примере гестозов / В.А. Хромушин, М.В. Паньшина, В.И. Даильнев, К.Ю. Китанина, О.В. Хромушин / Вестник новых медицинских технологий (Электронный журнал). – 2013 — N 1, публикация 1-1, http://www.medtsu.tula.ru/VNMT/Bulletin/ E2013-l/ExpSys.pdf.
10. Хромушин В.А. Сравнительный анализ алгебраической модели конструктивной логики / В.А. Хромушин // Вестник новых медицинских технологий (Электронный журнал). – 2013. – N 1, публикация 1-19, http://www.medtsu.tula.ru/VNMT/ Bulletin/E2013-l/4500.pdf.
11. Хромушин В.А. Алгоритмы и анализ медицинских данных / А.А. Хадарцев, В.Ф. Бучель, О.В. Хромушин // Учебное пособие. – Тула : Изд-во «Тульский полиграфист», 2010. – 123 с.
12. Махалкина В.В. Обработка слабоструктурированной информации при построении базы знаний экспертной системы микроэлементных нарушений у человека / В.В. Махалкина // Автореферат кандидата биологических наук. – Тула: ТулГУ, 2009. – 23 с.
13. Ключевые технологии формирования искусственного интеллекта в медицине / Г.А. Бледжянц, М.А. Саркисян, Ю.А. Исакова, Н.А. Туманов, А.Н. Попов, Н.Ш. Бегмуродова // Ремедиум, 2015. – №12. – С. 10-15.
14. Тарасова И.А. Нечеткое управление процессом введения медикаментов при лечении гипертензивных осложнений беременности / И.А. Тарасова // Восточно-Европейский журнал передовых технологий. – 2012. – №6/3(60) – С. 12-15.
15. Тарасова И.А. Нечеткое управление на основе переменных с многомерными функциями принадлежности в диагностике и лечении гипертензивных осложнений беременности / И.А. Тарасова // Радиоэлектронные и компьютерные системы. – 2012. – №4 – С. 169-173.
16. Тарасова И.А. Разработка подходов к заданию многомерных функций принадлежности термов лингвистических переменных в задачах нечеткого управления // Электронный научный журнал "Отраслевые аспекты технических наук". – 2014. – Выпуск 2(38) Март-Апрель. – С. 11-22. [Электронный ресурс]. – Режим доступа: http://www.branch-aspects-of-technical-sciences.ingnpublishing.com/archive/2014/vypusk_2_38_mart-aprel_release_2_38_march-april/tarasova_i_a_razrabotka_podhodov_k_zadaniyu_
mnogomernyh_funkcij_prinadlezhnosti_termov_lingvisticheskih_perem
17. Шушура А.Н. Способ задания многомерных функций принадлежности термов лингвистических переменных / А.Н. Шушура, И.А. Тарасова // Міжнародний науково-технічний журнал “Інформаційні технології та комп’ютерна інженерія”. – 2013. – №1(26). – С. 39-44.
