Одним из перспективных и эффективных направлений автоматизированной диагностики заболевания является использование системы распознавания медицинских образов. Главная задача - это максимально точная интерпретация изображения. Прежде всего, необходимо правильно формализовать задачу, провести структуризацию основных условий функционирования системы. В статье составлено содержательное описание предметной области, разработано формализованная схема исследуемой системы. Обозначено, что решение задачи структуризации сводится к разработке отдельных классов, сгруппированных по общим признакам и характеристикам болезни. В этом случае точность и информативность диагноза будет зависеть от полноты базы данных конкретного класса. Приведена математическая интерпретация отношений и связей элементов системы. Применение математических моделей и алгоритмов в медицине является важной задачей. Выбор того или иного алгоритма определяется решаемой задачей. Необходимо понимать, что получаемый результат особо ценен, если он подтверждается математическими расчетами. Предложена многоуровневая архитектура системы поддержки принятия решений, где ключевое место отведено модулю автоматизированной диагностики и распознавания изображения. Отмечено, что при создании системы поддержки принятия решения в медицине специалисты сталкиваются с двумя концептуальными барьерами: первый - связан с колоссальным объемом медицинских знаний, а второй - с постоянным обновлением этих знаний и технологий их обработки. Поэтому главной задачей является правильная структуризация и формализация системы поддержки принятия решений для его эффективного применения
One of the most promising and effective areas of automated diagnosis of the disease is the use of a medical image recognition system. The main task is to interpret the image as accurately as possible. First of all, it is necessary to properly formalize the task, to structure the basic conditions for the functioning of the system. The article contains a meaningful description of the subject area, and a formalized scheme of the system under study is developed. It is indicated that the solution to the problem of structuring is reduced to the development of separate classes grouped by common signs and characteristics of the disease. In this case, the accuracy and informativeness of the diagnosis will depend on the completeness of the database of a particular class. The mathematical interpretation of the relations and connections of the system elements is given. The application of mathematical models and algorithms in medicine is an important task. The choice of an algorithm is determined by the problem being solved. It is necessary to understand that the result obtained is particularly valuable if it is confirmed by mathematical calculations. A multi-level architecture of the decision support system is proposed, where the key place is given to the module of automated diagnostics and image recognition. It is noted that when creating a decision support system in medicine, specialists face two conceptual barriers: the first one is associated with a huge amount of medical knowledge, and the second one is associated with the constant updating of this knowledge and technologies for their processing. Therefore, the main task is to properly structure and formalize the decision support system for its effective application
Clinical Decision Support System (CDSS) for the Classification of Atypical Cells in Pleural Effusions