Статьи с темой: «онтология»
-
2026 № 1 База знаний для моделирования цифрового персонализированного дентального имплантата.
Современные технологии трехмерного моделирования, обработки изображений и искусственного интеллекта предоставляют мощные возможность для реализации системы поддержки принятия врачебных решений по дентальной имплантации, что позволяет обеспечить персонализированный подход к лечению пациентов и повысить тем самым качество оказания медицинских услуг.
Цель исследования: разработка и научное обоснование программного алгоритма поддержки принятия решения при выборе оптимальной конструкции дентального имплантата.
Материалы и методы. Предложенное решение основано на реализации гибридного подхода, алгоритмически объединяющего этапы анализа данных пациента и автоматизированного расчета параметров имплантата с использованием базы знаний, в которой основные правила расчета представлены в виде компьютерной онтологии. Исследование основано на современных достижениях в области параметрической оптимизации имплантатов, их трехмерного моделирования, технологиях искусственного интеллекта и инженерии знаний.
Результаты. Предложена параметрическая модель онтологии цифрового персонализированного дентального имплантата, отличающаяся от аналогов способом задания параметров и правил расчета в базе знаний. Предложенная модель была реализована и апробирована в составе системы поддержки принятия врачебных решений по дентальной имплантации зубов нижней челюсти.
Выводы. Реализация базы знаний для моделирования цифрового персонализированного дентального имплантата позволила усовершенствовать методику планирования дентальной имплантации за счет частичной параметризации трёхмерной модели анатомических структур пациента по данным конусно-лучевой компьютерной томографии и внутриротового сканирования. -
2023 № 6 Методика разработки экспертных систем с использованием графовой СУБД и онтологического подхода.
Экспертные системы являются сложными программными комплексами, аккумулирующими знания специалистов в конкретных предметных областях и тиражирующими этот эмпирический опыт для консультаций менее квалифицированных пользователей, что позволяет снизить количество врачебных ошибок, вызванных, в частности, недостатком врачей-специалистов на местах, и время, необходимое на одну консультацию.
Ц е л ь и с с л е д о в а н и я . Создание и представление современной методики разработки экспертных систем на основе инженерии знаний с использованием онтологического подхода и графовых СУБД.
М а т е р и а л ы и м е т о д ы . Применялись методы системного анализа, включая аналитический и описательный, методы инженерии знаний: структурирования, представления знаний и нечеткой логики. В качестве хранилища БЗ методика предполагает использование графовой СУБД.
Р е з у л ь т а т ы . Методика описывает процесс разработки экспертных систем на основе графовой СУБД с использованием онтологического подхода. Методика включает в свой состав описание следующих компонентов: базы знаний, интеллектуального редактора базы знаний, решателя и подсистемы объяснений. Методика предполагает участие в разработке ЭС группы экспертов, совместно с которыми осуществляется разработка двух компонентов: терминологической базы предметной области и промежуточных информационных объектов, описывающих логику решения поставленной задачи. Оба компонента
должны формироваться автоматизировано, посредством интеллектуального решателя базы знаний, как и наполнение базы знаний, что позволит облегчить последующее ее ведение и поддерживать актуальность. В соответствии с методикой решатель и подсистема объяснений работают с графовой СУБД, являющейся средством хранения базы знаний, с целью поиска оптимального пути, в котором узлы используются для решения задачи экспертной системы, например, поддержка врача-специалиста в части установки предварительного\заключительного диагноза, а путь используется подсистемой объяснения с целью
аргументации предложенного экспертной системой решения.
В ы в о д ы . Разработана и представлена методика создания ЭС с использованием графовой СУБД и онтологического подхода. Методика описывает разработку двух компонентов: базы знаний и объединенного компонента, состоящего из решателя и подсистемы объяснения.