CC BY
33
Известия ТРТУ
Тематический выпуск
Понятно, что третий подход самый медленный из всех, так как проход по таблице CASH осуществляется два раза, к тому же делаются вставки и обновления записей в псевдовременной таблице и только затем выводится результат. Сюда же добавляется задача обеспечения регулярной чистки таблицы TEMP. Первый и второй вариант будут выполняться значительно быстрее - практически со скоростью выборки записей. Как показывает опыт, индексирование таблицы CASH по сортируемому полю NAME позволит добиться получения первых результатов выполнения запроса через несколько секунд даже на таблицах с количеством записей равным примерно 10 млн. строк. В то же время при третьем подходе время получения первых записей составит несколько секунд уже на таблицах с количеством записей равным примерно 10 тыс. строк. Например, при выполнении процедур ITOG2 и ITOG4 на приведенных выше тестовых примерах были получены следующие результаты (данные программы IBExpert):
ПАРАМЕТР ITOG2 ITOG4
Query Time
Prepare 0,00 ms 0,00 ms
Execute 15,00 ms 16,00 ms
Avg fetch time 3,00 ms 3,20 ms
Operations
Fetches 1 15 570
Поэтому рекомендуется в первую очередь пытаться реализовать при решении поставленных задач первый (использование FOR SELECT) или второй подход (комбинация FOR SELECT и хранение предыдущих значений) и только в крайнем случае использовать третий подход (организация псевдовременных таблиц).
Е.В. Попова ЭКСПЕРТНАЯ СИСТЕМА ДИАГНОСТИКИ ВЕРТЕБРОГЕННЫХ ПОЯСНИЧНЫХ БОЛЕЙ
В настоящее время продолжает оставаться актуальным вопрос дифференциальной диагностики поясничных болей, имеющих различные причины происхождения. В частности, диагностика позвоночных болей, вызванных остеохондрозом позвоночника от поясничных болей, вызванных другими причинами [1-3].
Использование диагностических возможностей неврологическо-клинического метода в определённых ситуациях при обследовании больных бывает недостаточным, тогда приходится использовать дополнительные небезопасные аппаратурные дорогостоящие методы нейровизуализации, такие как компьютерная томография и магнитнорезонансная томография.
Предлагается для диагностики вертеброгенных поясничных болей использовать разработанную машинно-обучаемую экспертную систему на основе байесовской модели логического вывода с несколькими узлами. Система ставит соответствующий диагноз, исходя из представленных ей симптомов, и рекомендует курс медикаментозного и физиотерапевтического лечения любого из диагностированных заболеваний.
В модели определены взаимосвязи между симптомами и заболеваниями, система правил и критериев (более 500), причём степень сложности при этом не ограничивается.
Микропроцессорные системы мониторинга, диагностики и управления
Реализована рекурсивная модель с двумя узлами в среде TURBO PASKAL, что позволяет использовать IBM совместимые компьютеры от 286 и выше, как в DOS, так и в Windows. Особенностью рекурсивной системы является возможность движения по цепочке (программе) как вперёд, так и назад, обучение (совершенствование) и тренировка.
Использование данной экспертной системы в практике врача-невропатолога может существенно повысить достоверность дифференциальной диагностики поясничных болей, имеющих различные причины происхождения, создать базу данных больных, автоматизировать процесс принятия решения, постановки диагноза и лечения больных
[1-3].
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Модель построения систем диагностики неврологических больных / Материалы Всероссийской научно-технической конференции с международным участием «Компьютерные технологии в инженерной и управленческой деятельности». -Таганрог, 2001. -С.219-220
2. Лечение остеохондроза шейного отдела позвоночника методом акупунктуры / Сборник медицинских научных работ «Актуальные проблемы неврологии и нейрохирургии». -Ростов-на-Дону, 1999. -С.144 - 145
3. Терапия неврологических проявлений дегенеративно-дистрофических поражений позвоночника с учётом соматической патологии / Сборник медицинских научных работ «Актуальные проблемы неврологии и нейрохирургии». -Ростов-на-Дону, 2002. -С.84
Максимов А.В.
СТРУКТУРА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ МИКРОПРОЦЕССОРНОЙ СИСТЕМЫ СБОРА И ОБРАБОТКИ ЭКГ-СИГНАЛОВ
Из всех многочисленных методов функционального исследования сердечнососудистой системы электрокардиография (ЭКГ) за годы своего клинического применения не только не утратила своего значения, но находит все более широкие области применения.
В настоящее время используется несколько эффективных электрокардиографических методов анализа сердечной деятельности, например, ЭКГ покоя, стресс-ЭКГ исследование. Все они имеют различную диагностическую ценность при поиске определенных патологий и, как правило, дополняют друг друга.
Неотъемлемой частью кардиологии является анализ и оценка ЭКГ-сигналов, так или иначе получаемых с пациента. Поэтому в последние годы решающее влияние на ее развитие оказывает применение персональных компьютеров и специализированных микропроцессорных систем для реализации методов, основанных на применении сложных современных математических алгоритмов обработки и представления медицинских сигналов.
Мощности современных вычислительных систем позволяют все действия по выделению и распознаванию отдельных феноменов на ЭКГ и их математической обработке организовывать не только с помощью настольных персональных компьютеров, но и с помощью микропроцессорных контроллеров, встроенных в устройства съема ЭКГ. Это позволяет не только проводить обследования более качественно, точно и в сжатые сроки, но и улучшать условия труда врача при проведении рутинных методик, связанных с измерением параметров и идентификацией феноменов.
Применение компьютерных технологий приводит к созданию и развитию различного рода медицинских систем, выполняющих функции от съема, распознавания и расчета основных параметров различных медицинских феноменов в регистрируемом сигна-
