Uot 004. 056 Məmmədova M. H., Cəbrayılova Z. Q



Yüklə 144,5 Kb.

tarix17.10.2017
ölçüsü144,5 Kb.


İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      81 



UOT 004.056 

Məmmədova M.H., Cəbrayılova Z.Q. 

AMEA İnformasiya Texnologiyaları İnstitutu, Bakı, Azərbaycan 

depart15@iit.ab.az  

TİBBİ EKSPERT SİSTEMLƏRİN YARADILMASI PROBLEMLƏRİ VƏ 

İNKİŞAF İSTİQAMƏTLƏRİ 

Məqalədə tibbi ekspert sistemlər (ES) haqqında məlumat verilir, təbii tibbi intellektin süni tibbi 

intellektə transformasiyası problemlərinə baxılır. Müasir tibbi ES və onların inkişaf perspektivləri, 

o cümlədən Azərbaycanda işlənilmiş tibbi ES haqqında məlumat verilir. Respublikamızda e-tibbin 

formalaşması  üçün  bilik  mühəndisliyinin  inkişafına  və  bilik  mühəndislərinin  hazırlanmasına 

xüsusi diqqət ayrılması, yaradılmış ES-in istismarı istiqamətində fəallığın artırılması təklif olunur. 

Açar sözlər: tibbi ekspert sistemlər, biliyin alınması metodları, biliyin alınması aspektləri, bilik 

mühəndisliyi.  

1. Giriş 

Yarandığı  ilk  gündən  informasiya  texnologiyalarının  geniş  tətbiq  olunduğu  sahələrdən  biri 

tibdir.  Məlumdur ki, həkimin fəaliyyəti  ondan  əvvəlki  nəsil  mütəxəssislərin bilik və  təcrübəsinin 

sintezinə əsaslanır. Biliklərin çox böyük sürətlə artması, son onilliklər ərzində diaqnostik metodların 

təkmilləşdirilməsi və müasir tibdə daha da dar ixtisaslaşmaya doğru meyllərin müşahidə olunması 

məlumat bolluğu şəraitində adekvat qərarların qəbulunu çətinləşdirir. Bu səbəbdən tibbin müxtəlif 

sahələrində qəbul olunan tibbi qərarların adekvatlığını təmin etmək və effektivliyini artırmaq üçün 

müasir  riyazi  metodların  və  süni  intellekt  texnologiyalarının,  innovativ  yanaşmaların  tətbiqinin 

zəruriliyi günbəgün aktuallaşır. Sözügedən vasitələrdən yararlanmaqla yaradılmış intellektual ES-in 

tibdə tətbiqi daha səmərəli nəticələr əldə etməyə imkan verir. Bu sistemlərin əsas üstünlüyü ondan 

ibarətdir  ki,  onlar  ekspertlərin,  yəni  peşakar  mütəxəssis-həkimlərin  bilik  və  təcrübəsini  özündə 

ehtiva  etməklə  müəyyən  xəstəliklərin  diaqnostikasına  və  müalicəsinə  dair  qərarların  qəbul 

edilməsində həkimlərə kömək göstərirlər, dəstək olurlar. 

Qloballaşan  dünya  100%  informasiya  əsri  hesab  olunur,  2012-ci  ildən  bəri  hər  gün  2.5 

ekzobayt (2.5 x10

60 


bayt) informasiya hasil olunur, artıq bütün dünya “qorxulu böyük verilənlər” 

əsrinin  başladığını  başa  düşür  [1].  Tibbin  böyük  həcmdə  verilənlər  hasil  olunduğu  bir  sahə 

olduğunu, son tədqiqatlara  əsasən isə  yer üzündə toplanılan və saxlanılan verilənlərin 30%-nin 

tibbi verilənlər olduğunu [2] və 2020-ci ilə qədər tibbi verilənlərin 25000 petabayt olacağını [3] 

nəzərə  alsaq,  informasiya  seli  içində  həkimlər  üçün  qərar  qəbul  etmək  prosesinin  nə  dərəcədə 

çətinləşdiyini təsəvvür etmək olar. Cunki əvvəllər informasiya mənbəyi az idisə, indi onların sayı 

olduqca coxalıb. İndi tibdə 100 min müalicə metodu var, xəstə haqqında daxil olan informasiya 

əsasında bir müalicə metodu seçilir. Əvvəllər laboratoriyalarda tədqiqatların sayı ildə 0,5 milyon 

olurdusa və hər 4–5 ildən bir 2 dəfə artırdısa [4], hazırda bu say həndəsi silsilə üzrə artır [5].   

İnformasiya bolluğunun tibdə yaratdığı problemlərdən biri tibbi səhvlərlə bağlıdır. [6]-da qeyd 

edilir ki, ümumdaxili məhsulun 15–18%-nin səhiyyəyə xərcləndiyi ABŞ-da hər il həkimlərin səhvi 

üzündən 100 min nəfərə qədər adam ölür (müqayisə üçün deyək ki, bu hər gün bir avialaynerin 

partlaması  deməkdir).  Almaniyada  həkim  səhvindən  ölənlərin  sayı  30–60  min  arasında  dəyişir 

(başqa sözlə, təsəvvür edin ki, hər il Almaniyada bir balaca şəhər batır). Lakin həkim səhvləri heç 

də  qəsdən  törədilmir  və  ya  həkimlərin  məsuliyyətsizliyindən,  qeyri-peşəkarlığından  irəli  gəlmir. 

Həkim səhvlərinin əsas hissəsi dərman preparatlarının düzgün təyin olunmaması ilə bağlıdır. Boston 

klinikasının məlumatına görə, bu gün dünyada 10 mindən çox xəstəlik və xəstəlik sindromu var, 4 

mindən çox dərman preparatı var ki, bunlardan da 2 mininin arasında qarşılıqlı əlaqə var və bu da 

onların birgə istifadəsi imkanını məhdudlaşdırır, 300 müxtəlif radioloji prosedur və 1100 laborator 

analiz  mövcuddur  [7].  Ona  gorə  də  informasiya  axınında  “batan”  həkim    minlərlə  məlumat 

içərisindən onun bir qismini seçməklə xəstə barədə təxmini qərar qəbul edir, informasiyanın qalan 



İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

82                                                                  www.jpit.az 



hissəsi isə diqqətdən kənarda qalmış olur, çünki təbii olaraq, insan yaddaşının eyni zamanda 7-dən 

artıq göstəricini yadda saxlayıb mühakimə yürütməsi mümkün deyil [8]. 

Təbii ki, belə həcmdə informasiyanın yadda saxlanılmasının qeyri-mümkünlüyü, diaqnoz və 

müalicə prosesində informasiya bolluğu bəşəri problemlərə yol açır. Qərarların həlledici məqamda 

seytnot  şəraitdə  qəbul  olunduğunu,  buraxıla  biləcək  hər  bir  səhvin  insan  həyatı  hesabına  başa 

gəldiyini  nəzərə  alsaq  (söhbət  pasiyentin  müalicəsindən  gedir),  həkimlərin  qərarların  qəbul 

olunmasını  dəstəkləyən  müasir  vasitələrlə  təmin  olunmasının  zəruriliyini  anlamaq  olar.  Tibbi 

sferada  həll  edilən  məsələlərin  xarakterindən  asılı  olaraq  tibbi  informasiya-axtarış  sistemləri, 

proqnoz, informasiya-müşahidə, idarəetmə, diaqnostik, monotorinq ES və s. işlənilmiş və müasir 

tibbi bu sistemlərsiz təsəvvür etmək mümkün deyil. Bu sistemlərin hər birinin öz təyinatı, müvafiq 

strukturu, təşkili və fəaliyyət prinsipləri, nəzəri, alqoritmik və instrumental bazası mövcuddur. Bu 

gün  tibb  sahəsində  olan  diaqnostika  və  müaicə,  monitorinq  məsələlərinin  həllinə  yönəlmiş,  bu 

məsələlərin uğurlu həllini təmin edən ES xüsusi qeyd etmək lazımdır. 

Məqalədə tibbi ES-in yaradılmasının aktuallığı, müasir vəziyyəti, inkişaf istiqamətləri, bilik 

mühəndisliyinin  problemləri  şərh  edilmiş,  Azərbaycanda  tibbi  ES-in  yaradılması  istiqamətində 

vəziyyət təhlil edilmiş və təkliflər verilmişdir. 



2. ES-in yaradılması texnologiyaları 

“Ekspert  sistem”  termini  1977-ci  ildə  E.Feyqenbaum  tərəfindən  daxil  edilmişdir.  Onun 

mahiyyəti:  “Süni  intellekt  (Sİ)  sahəsində  olan  prinsip  və  vasitələrin  ekspert  biliklərinin  tələb 

olunduğu çətin formalizə olunan praktiki məsələlərin həllinə cəlb edilməsi deməkdir” [9]. Başqa 

sözlə desək, ES aşağıdakı xüsusiyyətlərə malik olan və buna görə də formalizə oluna bilməyən 

məsələlərin həlli üçün tətbiq edilir: 

-

 

məsələlər ədədi formada ifadə oluna bilmirlər; 



-

 

giriş  verilənləri  və  predmet  sahəsi  haqqında  biliklər  çoxmənalı,  qeyri-dəqiq,  ziddiyyətli 



olur; 

-

 



məsələnin məqsədi dəqiq müəyyənləşdirilmiş məqsəd funksiyası ilə göstərilə bilmir; 

-

 



məsələnin dəqiq birmənalı alqoritmik həlli olmur.  

İlk  ES  olan  Dendral  1960-cı  illərin  sonunda  Stenford  Universitetində  E.Feyqenbaumun 

rəhbərliyi ilə işlənilmişdi [10]. Bu sistem molekulun kimyəvi əlaqələrinin spektroqrafik verilənləri 

əsasında onun orqanik quruluşunu təyin edirdi. ES-in bilik bazasını yaradan ekspert-kimyaçıların 

evristik biliklərinə istinad etməklə milyon mümkün haldan düzgün qərarı bir neçə cəhdlə tapmaq 

mümkün oldu. Dendral sisteminin əsasını təşkil edən prinsip və ideyalar o dərəcədə effektiv oldu 

ki, bu gün də dünyanın kimyəvi və farmakologiya laboratoriyalarında onlardan istifadə olunur. Bu 

sistemin  reallaşmasının  ideya  və  prinsipləri  hazırda  Sİ-in  əsas  istiqamətlərindən  biri  olan 

obrazların tanınmasının baza prinsiplərini təşkil edir.  

Mycin  ES  1970-ci  illərin  ortasında  Stenford  Universitetində  işlənilmişdir,  ilk  dəfə  olaraq 

natamam informasiya əsasında qərar qəbulu problemi həll olunmuşdur [11]. Bu sistemdə meningit 

və  qanın  bakterial  infeksiyası  xəstəliklərinin  diaqnostikası  və  müalicəsi  üçün  tibbi-ekspertlərin 

biliyi istifadə olunmuşdur. Bu sistemin mühakimələri, daha doğrusu, biliklər bazasının qaydaları 

predmet sahəsinin spesifikliyini əks etdirən məntiqi prinsiplərə əsaslanırdı. Mycin ES-in işlənilmə 

metodikası bu gün də yaradılan bir çox ES-in baza prinsiplərini təşkil edir.   



Dendral    Mycin  sistemlərinin  uğurlu  nəticələri  müxtəlif  sferalarda  ekspert  biliklərinə 

istinad edən çətin formalizə olunan məsələlərin Sİ prinsip və vasitələr ilə həllinə təkan verdi və 

bununla  da  diaqnostika,  identifikasiya,  idarəetmə,  proqnoz,  planlaşdırma,  monitorinq, 

layihələndirmə və s. məsələlərin həllinə yönəlmiş ES-in işlənilməsi dövrü başlandı. Ümumi halda 

hər hansı sahədə ES-in yaradılması kriteriyaları aşağıdakılarla təyin edilir: 

1.

 



Verilənlər və biliklər etibarlıdır və zamandan asılı olaraq dəyişmir; 

2.

 



Mümkün qərarlar fəzası sonludur və o qədər də geniş deyil; 

3.

 



Məsələnin həlli prosesində formal mühakimələrdən istifadə olunur; 


İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      83 



4.

 

Məsələnin  həlli üçün öz biliklərini formalaşdıran və bu bilikləri təsvir edən metoda uyğun 



izah edəcək heç olmazsa bir ekspert olmalıdır. 

Ümumiyyətlə,  ES-in  qurulması  texnologiyası  bilik  mühəndisliyi  (ing.  Knowledge 



Engineering) adlanır. Bu prosesi təşkil edən mütəxəssislər bilik mühəndisləri adlanırlar və onlar 

konkret predmet sahəsinin bir və ya bir neçə eksperti ilə qarşılıqlı əlaqədə olurlar. Bilik mühəndisi 

predmet sahəsi haqqında faktiki biliklərə yiyələnir, ekspertlərdən məsələnin həlli üçün lazım olan 

proseduranı, strategiyanı, empirik qaydaları əldə edir və əldə etdiyi bilik əsasında ES yaradırlar 

(şəkil 1) [12].  

 

                             



 

 

 



  

 

 



 

 

 



 

Şəkil 1. ES-in yaradılmasında ekspertlərdən biliyin alınması 

 

3. Təbii tibbi intellektin süni tibbi intellektə transformasiyası problemləri 

3.1. Biliyin alınması metodları 

Qeyd  olunduğu  kimi,  ES-in  yaradılmasında  əsas  problemlərdən  biri  biliyin  alınmasıdır. 

Biliyin  alınması  –  predmet  sahəsində  qərar  qəbul  edilməsi  üçün  bu  sahə  haqqında  bilik 

mühəndisinin  mümkün  qədər  tam  informasiya  əldə  etməsidir.  Predmet  sahəsi  –  idarəetmənin 

təşkili  və  avtomatlaşdırılması  məqsədilə  öyrənilən  obyektdir.  Şəkil  2-də  biliyin  alınması 

strategiyası  verilmişdir  [12].  Bu  strategiyaya  əsasən  biliyin  alınmasında  avtomatlaşdırılmış  və 

kompütersiz metodlardan istifadə olunur [13, 14].  

Avtomatlaşdırılmış metodlara İnternet şəbəkənin axtarış sistemləri (Google, Yahoo, Яndex, 

Rambler),  insan  fəaliyyətinin  müxtəlif  sferalarında  qərarların  qəbul  olunması  üçün  vacib  olan 

praktiki  əhəmiyyətli  biliyin  ilkin  verilənlər  içərisindən  tapılmasını,  aşkarlanmasını  təmin  edən 

Data  Mining,  OLAP  sistemləri  daxildir.  Kompüter  olmadan  biliyin  alınması  metodlarına 



kommunikasiya metodları və tekstoməntiqi metodlar aiddir.  

Kommunikasiya metodlarına dairəvi stol və beyin hücumu metodları aiddir. Dairəvi stolda 

eyni  hüquqlu  ekspertlərin  iştirakı  ilə  hər  hansı  problem  müzakirə  olunur.  İştirakçılar  əvvəl  öz 

fikirlərini  bildirir,  sonra  müzakirəyə  keçirlər.  Diskussiya  zamanı  isə  iştirakçılar  müzakirəyə 

əvvəlcədən hazırlaşırlar. Beyin hücumunda isə əvvəlcədən hazırlaşılmır. Beyin hücumunda əsas 

məqsəd mövzu üzrə ideyaların yaranmasıdır. Bir neçə ideya yarandıqdan sonra onlar analiz edilir, 

seçilir və perspektivli olanlar inkişaf etdirilir. 

 

 



Ekspert 

sistem 


Bilik 

mühəndisi 

Predmet 

sahəsinin 

eksperti 

Evristik qaydalar 

Həll üsulları 

Sorğular, problemlər 




İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

84                                                                  www.jpit.az 



 

 

Şəkil 2. Biliyin əldə olunması strategiyası 



 

Kommunikasiya  metodlarından  biri  olan  müsahibə  zamanı  bilik  mühəndisi  əvvəlcədən 

suallar hazırlayır. 

Anketləşdirmədən  fərqli  olaraq müsahibə  zamanı vəziyyətdən  asılı  olaraq bilik  mühəndisi 

bir qisim sualları siyahıdan çıxara bilər və ya yenilərini daxil edə bilər, eksperti maraqlandırmaq 

üçün müxtəlif yanaşmalardan istifadə edə bilər və s. 

Dialoqda isə reqlament olmur və suallar da əvvəlcədən hazırlanmır. 

Rollar  üzrə  oyun  və  ekspertlə  oyun  da  kommunikasiya  metodlarına  aiddir.  Rollar  üzrə 

oyunda  rollar  iştirakçılar  (ekspertlər)  arasında  bölüşdürülür.  Sonra  onlara  konkret  hadisə 

(vəziyyət) verilir və qərar qəbulu prosesi üzrə müşahidə aparılır. Ekspertlə oyunda bilik mühəndisi 

ekspertin nəzarəti ilə konkret hadisəyə uyğun qərar qəbulu prosesini izləyir. Belə oyunlarda adətən 

trenajorlardan və kompüter öyrədici sistemlərdən istifadə olunur.  

Tekstoməntiqi  metodlara  problemlə  bağlı  normativ-sorğu  materiallarının,  sərəncamların, 

metodik vəsaitin, təlimatların və predmet sahəsinə aid digər xüsusi ədəbiyyatın analizi məsələləri 

aiddir. Bu metod dərsliklərdə, monoqrafiya, məqalə və digər professional bilik daşıyıcılarında olan 

problemlə bağlı mətnlərin əldə olunmasına əsaslanır. Mətnin başa düşülməsinin əsas məqamları 

bunlardır: bütöv mətn haqqında əvvəlcədən hipotezin irəli sürülməsi (əvvəlcədən duymaq); aydın 

olmayan anlayışların mahiyyətinin müəyyənləşdirilməsi (xüsusi terminologiya); mətnin məzmunu 

haqqında  umumi  hipotezin  yaranması  (bilik  haqqında);  terminlərin  məzmununun 

dəqiqləşdirilməsi (tamdan hissəyə doğru); ayrı-ayrı mühüm (açar) sözlər və fraqmentlər arasında 

daxili  əlaqənin  qurulması;  ümumi  hipotezin  düzəlişi  (korrektəsi-hissələrdən  tama  doğru);  əsas 

hipoitezin qəbul olunması. 



3.2. Biliyin alınmasının aspektləri 

Biliyin  əldə  edilməsinin  üç  əsas  aspekti  var:  psixoloji,  linqvistik  və  qnoseoloji 

(qnoseoməntiqi) [15, 16]. 

Psixoloji aspekt bilik mühəndisinin bilik mənbəyi olan ekspertlə qarşılıqlı əlaqəsinin uğurlu 

və effektiv olmasını təmin edən ən əsas aspektdir. Danışıq zamanı informasiya itkisinin az olması, 

analitik  ilə  ekspertin  ünsiyyətinin  yüksək  səviyyədə  keçməsi  psixoloji  bilikdən  asılıdır.  Bu 

ünsiyyətdə biliyin əldə olunması prosesini həqiqətin birgə axtarışı prosesi kimi təsvir etmək olar. 

Ünsiyyət modeli iştirakçıları, ünsiyyət vasitələrini və ünsiyyətin predmetini (biliyi) əhatə edir. Bu 

Biliyin alınması 

Axtarış sistemləri (Google, 

Yahoo, Яndex, Rambler) 

Intellektual axtarış sistemləri 

(Autonomy, Webcompas) 

Data Mining 

OLAP sistemləri 

Biliyin əldə olunması: 

- Kommunikasiya 

metodları 

- Tekstoməntiqi metod 

Kompüter olmadan 

Avtomatlaşdırılmış 

metodlar 

Problemin 

identifikasiyası 

Bilik bazası 




İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      85 



komponentdən asılı olaraq psixoloji problemin üç səviyyəsini qeyd etmək olar: kontakt, prosedur 

və koqnitiv. 

Kontakt  səviyyədə  analitik  və  ekspertin  ünsiyyətinin  effektivliyi  onların  cinsindən,  şəxsi 

temperamentindən, ünsiyyət iştirakçılarının motivasiyasından asılı olur. Müəyyən olunmuşdur ki, 

analitik və ekspert heterogen cütlük (kişi/qadın) olduqda və yaş münasibəti: 

5< (EY –AY) <20,   (burada EY – ekspertin yaşı, AY – analitikin yaşıdır) 

kimi olduqda daha yaxşı nəticə alınır. 

Linqvistik  aspekt.  Linqvistik  aspekt  sahəsində  əsas  problem  anlayışlardır:  ümumi  kod, 

anlayışların  strukturu,  istifadəçi  lüğətləri.  Ümumi  kod  ekspert  və  koqnitoloq  arasında  aralıq 

ünsiyyət dilidir. Bu dil peşəkar ədəbiyyatın ümumelmi və xüsusi anlayışlarını özündə birləşdirir. 

Bu koqnitoloq və ekspert arasında dil baryerini aradan qaldırmağa imkan verir. Sonradan ümumi 

kod anlayışların strukturuna və ya semantik şəbəkəyə çevrilir, bu da insanın yaddaşında saxlanılan 

anlayışları əlaqələndirir. İstifadəçinin predmet sahəsinin professional dilini bilməsi vacib deyil, 

odur ki, istifadəçi lüğəti işlənilir, bu da ümumi kodun üzərində işləməklə yaradılır.  

Qnoseoməntiqi aspekt. Bu aspekt yeni elmi biliyin alınması problemini birləşdirir, belə ki, 

idrak  prosesi  adətən  yeni  anlayışların  və  nəzəriyyənin  yaranması  ilə  müşahidə  olunur.  Bilik 

bazasının  işlənilməsi  prosesində  toplanmış  empirik  təcrübə  əsasında  ekspertlər  bir  sıra 

qanunauyğunluqlar formalaşdırırlar. Qnoseoməntiqi zəncir bu ardıcıllıqla ifadə oluna bilər: 

“fakt – ümumiləşdirilmiş fakt – empirik qanunauyğunluq – nəzəri qanun”. 

Koqnitoloqu  ekspertin  empirik  bilikləri  maraqlandırır,  bunlar  razılaşdırılmış  olmaya  da 

bilərlər. Bilik aşağıdakı aspektlərlə xarakterizə olunur: 

· sistemlilik ( çoxsəviyyəli quruluşda yeni biliyin yerini göstərir); 

· biliyin obyektivliyi ( təyin etmək praktiki olaraq mümkün deyil); 

· natamam bilik ( ixtiyari predmet sahəsini tam təsvir etməyin mümkünsüzlüyü); 

· biliyin tarixiliyi (zaman ərzində predmet sahəsi haqqında təsəvvürlərin 95% inkişafı və ya 

dəyişilməsi ilə bağlıdır). 

Başlanğıc mərhələdə koqnitoloq biliyin formal modelini qurmaq üçün ekspertin qərar qəbul 

etmə strukturunu və müxtəlif nəzəriyyələri istifadə edir. 



3.3. Biliyin təsvir modelləri  

Biliklərin  təsvir  modeli  –  ekspertlərdən  alınmış  biliklərin  müəyyən  qaydalar  formasında 

təqdim olunmasına xidmət edir. ES-də biliklərin təsvir modellərinin təsnifatı belədir [17–19]: 

- produksion model; 

- semantik şəbəkə modeli; 

- freym modeli; 

- formal məntiq modeli

- relyasiya modeli. 

Produksion model  qaydalara əsaslanan modeldir, bilikləri " Əgər ( şərt), onda (nəticə)" 

tipində təsvir etməyə imkan verir. Şərt elə bir cümlədir ki, onun əsasında bilik bazasında axtarış 

gedir, "nəticə" isə axtarışın müvəffəqiyyətli gedişində alınan vəziyyətdir. 

Semantik  şəbəkə  istiqamətlənmiş  qrafdır,  onun  təpələri  anlayışları,  xətlər  isə  anlayışlar 

arasındakı münasibətləri ifadə  edir. Anlayış  hər  hansı  obyekti, münasibət isə bu obyektlərarası 

əlaqələri ifadə edir. Bu model amerikalı psixoloq Kuillian tərəfindən təklif olunub. 

Semantik şəbəkədə olan münasibətlər: 

- "hissə-tam" tipli əlaqələr (sinif-qrup, element- çoxluq); 

- funksional əlaqə ("baş verir", "təsir edir" və s.); 

- kəmiyyət xarakterli əlaqə (çox, az, bərabər və s.) ; 

- məkan  xarakterli əlaqə (uzaq, yaxın, altında, üstündə, içində və s.); 

- atribut əlaqələr (cəhətlərə malikdir, mahiyyəti var və s.); 



İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

86                                                                  www.jpit.az 



- məntiqi əlaqələr (və, və ya, yox); 

- linqvistik əlaqələr və i.a. ola bilər. 



Freym  modeli  Marvin  Minski  tərəfindən  1970-ci  ildə  biliyin  vizual  (fəza)  mənzərəsinin 

qavranılması üçün təklif olunmuşdur. Freym (ing. Frame – karkas və ya çərçivə) – biliyin təsvir 

vahididir,  onun  detalları  isə  cari  situasiyaya  uyğun  olaraq  dəyişə  bilərlər.  Freym  hər  hansı  bir 

hadisənin, situasiyanın,  prosesin və  ya obyektin minimum mümkün təsviridir. Freymin ənənəvi 

strukturu belə göstərilir: 

 (Freymin adı: 

( 1-ci slotun adı: 1-ci slotun mahiyyəti) 

( 2-ci slotun adı: 2-ci slotun mahiyyəti) 

( n-ci slotun adı: n-ci slotun mahiyyəti). 

Növbəti  mərhələdə  hər  bir  slot  özü  freym  olur  və  budaqlanır,  odur  ki,  bu  modelə  bəzən 

ağacşəkilli model də deyirlər. Məsələn, otağa bir freym kimi baxsaq, onun slotları qapı, pəncərə, 

döşəmə, tavan, divar olar. Növbəti mərhələdə hər bir slota freym kimi baxıla bilər. Yəni, freym 

qapı olarsa, onun slotları taxta, dəmir, şüşə və s. olacaq. 

Biliklərin  təsvirinin  məntiqi  modeli  formal  məntiqə  və  predikatlar  məntiqinə,  insanın 

məntiqi nəticə çıxarmaq mexanizminə əsaslanır

Biliklərin  təsvirinin  məntiqi  modelində  formal  məntiqin  4  əsas  tezisinə  əməl  edilməklə 

məntiqi nəticə əldə olunur: 



1. Modus Ponendo ponens: 

Əgər A



B implikasiyası doğrudursa və A doğrudursa, onda B də doğrudur. 



2. Modus Tollendo Tollens: 

Əgər A



B implikasiyası doğrudursa, B yanlışdirsa, onda A da yanlışdır. 



3.Modus Ponendo Tollens: 

Əgər A doğru və A



B konyunksiyası yanlışdırsa, onda B də yanlışdır; 



4. Modus Tollendo Ponens: 

Əgər A yanlış və A



B dizyunksiyası doğrudursa, onda B də doğrudur. 



Biliklərin  təsvirinin  relyasiya  modeli  obyektin  onu  səciyyələndirən  cəhətlərə, 

göstəricilərə, xüsusiyyətlərə, bir sözlə, kriteriyalara münasibətinə əsasən qurulur. 



4. Müasir tibbi ES və onların tətbiqi istiqamətləri  

Bu gün tibbi ES çox böyük uğurla tətbiq olunurlar. Hazırda dünyada tibbin müxtəlif sahələrinə 

aid minlərlə ES mövcuddur [20, 21]. Lakin bu sistemlərin əldə edilməsi, demək olar ki, mümkün 

deyil, çox baha başa gəlir. Aşağıda geniş tətbiq olunan bir sıra ES haqqında qısa məlumat verilir:  

 

WebMD  Symptom  Checker  sistemi.  Allergiya,  artrit,  xərçəng,  soyuqdəymə,  qrip, 



öskürək, depressiya, diabet, göz xəstəlikləri, ürək xəstəlikləri, dəri problemləri, yuxu pozğunluğu 

ilə  əlaqədar  problemləri  olanlar  xəstəliklə  bağlı  simptomlarını  sistemə  daxil  etməklə  ətraflı 

məlumat ala bilirlər. Bu sistem hətta müraciət edənlərin həkimlərinə təqdim etmək üçün  hesabat 

da çap etməyə imkan verir (məsləhət, diaqnoz, müalicə təklif etməklə) [22]. 

 

DXPlain sistemi  kliniki qərarları  dəstəkləyən intellektual  sistem nümunəsidir, diaqnostika 



prosesinə assisentlik üçün istifadə edilir, simptomları, laborator verilənləri və prosedurları özündə əks 

etdirən  və  diaqnoz  siyahısı  ilə  əlaqələndirən  bilik  bazasına  malikdir  [23].  Bu  proqram  məhsulu 

Massaçusetts Baş Hospitala (ing. Massachusetts General Hospital) məxsusdur. 

 



INTERNIST daxili xəstəliklərin diaqnostikası üzrə məsləhətçi sistemdir [21]. Bu sistemin 

modifikasiya olunmuş versiyası INTERNIST-1 adlanır və bu gün geniş tətbiq dairəsinə malikdir [24]. 

 

CASNET  qlaukoma  xəstəliyinin  diaqnostikası  və  müalicə  strategiyasının  seçimi  üçün 



nəzərdə  tutulmuşdur,  Nyu-Cersi  ştatının  Rutgers  Universitetində  işlənilib.  Biliklərin  təsvirinin 

semantik modelinə əsaslanır [21]. 

 

EMYCIN  –  qanın  infeksion  xəstəliklərinin  diaqnostikası  və  müalicəsi  üçün  istifadə 



olunur və o, Mycin-in inkişaf etdirilmiş versiyası kimi nəzərdə tutulub [21]. 


İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      87 



 

Germwatcher  ES  infeksion  xəstəliklərlə  xəstəxanaya  yerləşdirilmiş  pasiyentlərdə 

infeksiyanın  aşkarlanması,  izlənilməsi  və  tədqiq  olunması  üçün  nəzərdə  tutulmuşdur  və  San-

Luizdə Vaşinqton Universitetində 1993-cü ildə hazırlanmışdır [25]. 

 

PEIRS  kimyəvi  patologiyalarla  bağlı  hesabatları  interpretasiya  etməyə  və  kommentari 



verməyə imkan verir [26]. 

 



HELP – süni intellekt texnologiyasına əsaslanan tam hospital informasiya sistemidir, o 

təkcə xəstəxana informasiya sisteminin standart funksiyalarını deyil, həm də qərarların qəbulunu 

dəstəkləyən funksiyaları da dəstəkləyir. AppHelp sistemi qarın boşluğundakı kəskin ağrılar zamanı 

qeyri-müəyyənlik vəziyyətində qabaqlayıcı tədbirlər görmək üçün avtomatik mühakimələr təklif 

edir.  Bu  sistem  1972-ci  ildə  Lids  Universitetində  (Böyük  Britaniya)  qarın  boşluğunda  kəskin 

ağrıların diaqnostikası üçün işlənilmişdir. 

 

PIP – sistemi Massaçusetts Texniki Universitetində işlənilmişdir, İngiltərənin Tufts-New 



Tibb Mərkəzində böyrək çatışmazlıqları ilə bağlı toplanmış və generasiya olunmuş informasiya 

əsasında yaradılmış proqram məhsuludur [21]. 

Ümumiyyətlə, bu gün Sİ texnologiyası metod və prinsiplərinə əsaslanmaqla yaradılmış tibbi 

ES və qərarların qəbul olunmasını dəstəkləyən sistemlər kliniki səhiyyənin ən müxtəlif sahələrində 

istifadə olunurlar. Kliniki səhiyyənin sahələri üzrə yaradılmış ES aşağıdakı məsələlərin həllində 

tətbiq olunurlar: 

 

Həyəcan  siqnalları  və  xatırlatmaların  verilməsi.  Bu  məqsədlə  yaradılmış  ES 



pasiyentlərin  real  vaxt  rejimində  çarpayıya  quraşdırılmış  monitor  vasitəsilə  monitorinqini,  yəni 

əməliyyatdan sonra xəstənin halının, vəziyyətinin əsas parametrlərinin izlənməsini həyata keçirir. 

Monitorlarda yerləşdirilmiş ES pasiyentlərin vəziyyətlərinin dəyişməsini qiymətləndirir, həmçinin 

dərmanların qəbul edilməsinin vacibliyini və ya dərmanların qəbul edilməsi qaydalarını yada sala 

bilər (məsələn, elektron poşt vasitəsilə xatırlatmalar göndərə bilər).  

 



Diaqnoz qoyulması prosesində kömək. Belə ES mürəkkəb vəziyyətlərdə və ya diaqnoz 

qoyan  həkimin  kifayət  qədər  təcrübəsi  olmadıqda  pasiyent  haqqında  məlumatları  tədqiq  edib 

qərara gəlməkdə ona kömək edir, qərar qəbul etməkdə ona dəstək olur.  

 



Uyğun  vəziyyətlərin  (presedentlərin)  axtarışı.      Bu  axtarış  İnternetdə  və  ya  lokal 

verilənlər  bazasında  aparıla  bilər.  Bu  cür  intellektual  sistem  (agent)  pasiyentin  əsas 

xarakteristikaları haqqında biliyə malik olmaqla, onun halına uyğun vəziyyəti seçə bilir. 

 



Terapiyaya nəzarət və planlaşdırma. İntellektual sistem natamamlığa, mövcud müalicə 

prosesində olan səhvlərə və ya müalicə təyin olunmuş xəstənin spesifik xarakteristikalarının lazımi 

qədər nəzərə alınmamasına nəzarət edə bilir. 

 



Təsvirlərin  tanınması  və  interpretasiyası.  Çoxlu  sayda  tibbi  təsvirlər  avtomatik 

interpretasiyaya  yol  verirlər:  rentgen  təsvirlərindən  tutmuş  tomoqrafik  tədqiqatların  mürəkkəb 

təsvirlərinə qədər. 

 



Dərman vasitələrinin kliniki-farmakoloji xüsusiyyətlərinin (toksikliyinin) monitorinqi. 

Belə sistem əkstəsirləri və dərmanların bir-biri ilə uyğunsuzluğunu aşkar etməyə yönəlib. O, kliniki 

simptomlar  və  qəbul  edilən  dərmanların  dozalarını  modelləşdirir.  Sistem  dərmanların  qarşılıqlı 

istismarının nəzarət edilməsinə yönəlmiş müalicə prosesinin monitorinqini yerinə yetirir.  



5. Azərbaycanda tibbi ES-in inkişafı 

Azərbaycanda  tibb  sahəsində  bir  sıra  ES  yaradılmışdır.  Belə  ki,  1996-cı  ildə  qarın  boşluğu 

üzvlərinin kəskin cərrahi xəstəliklərinin diaqnostikası üçün ES yaradılmış, predmet sahəsi üçün biliklər 

bazasının hazırlanması və klinika şəraitində ES-in tətbiqi reallaşdırılmışdır [27]. ES-in yaradılması 

üçün predmet sahəsinin əsas obyektləri və obyektlərin xarakteristikaları təyin edilmiş, diaqnostik qərar 

qəbuletmə  prosesi  analiz  olunmuş,  onun  əsas  amilləri  müəyyənləşdirilmiş,  predmet  sahəsinin 

konseptual  sxemi,  verilənlər  və  biliklər  bazasının  strukturu  hazırlanmış,  ekspert  biliklərinin  formal 

təsviri və diaqnostika məsələlərinin həlli modeli işlənilmiş, ES-in proqram təminatı hazırlanmış və real 

klinik xəstəxana şəraitində sınaqdan keçirilmişdir. Sistem Lisp proqramlaşdırma dilində yazılmışdır. 



İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

88                                                                  www.jpit.az 



2000-ci  ildə  kliniki  təbabətdə  qarın  boşluğu  üzvlərinin  kəskin  cərrahi  xəstəliklərinin 

diaqnostikasında buraxılan səhvlər nəzərə alınmaqla daha yüksək, keyfiyyətli və sürətli diaqnostik 

imkanlara malik ES yaradılmışdır [28]. Xüsusilə də tibbi informasiyanın klinik interpretasiyasını 

mümkünsüz edən və səhv qərar qəbul edilməsinə şərait yaradan amillərin – xəstələr haqqında əldə 

edilmiş  tibbi  məlumat  bankının  yetərsizliyinin  mümkün  qədər  aradan  qaldırılmasına  səy 

göstərilmişdir.

 

2001-ci ildə çoxsahəli stasionarda xəstələrin ilkin diaqnostikasını və yerləşdirilməsini icra 



edən  intellektual  sistem  işlənilmiş,  süni  intellekt  üsullarından  istifadə  edərək  çoxsahəli  tibb 

ocağında  ilkin  diaqnostika  keçirən  və  xəstələri  müvafiq  bölmələrə  aid  edə  bilən  intellektual 

sistemin yaradılması metodikası təklif olunmuşdur [29]. Sistemin proqram məhsulu Bakı şəhəri 1 

saylı Şəhər Klinik Xəstəxanasının qəbul şöbəsi üçün işlənilmişdir. 

2003-ci  ildə  qalxanvari  vəzin  funksional  vəziyyətini  araşdıran  və  onun  funksional 

diaqnostikasını həyata keçirən ES-in işlənməsi metodikası təqdim edilmişdir [30]. 

2004-cü  ildə  süd  vəzi  şişlərinin  informasiya-diaqnostik  sistemi,  süd  vəzi  şişlərinə 

differensial  diaqnoz  qoya  bilən  sistem  işlənmişdir  [31].  Sistemin  işlənilməsi  zamanı  süd  vəzi 

şişlərinin diaqnozu üçün nəzərdə tutulmuş kompüter sisteminin və tədqiqat işlərinin araşdırılması; 

həkimlər  qrupunun  rəyi  əsasında  formalaşdırılmış  amillər  siyahısının  araşdırılması  və  önəmli 

amillər qrupunun seçilməsi; ilkin verilənlərin toplanması, saxlanması və emalı; hər bir şiş növündə 

yaş qrupları üzrə ədədi matrisin – diaqnostik kartın qurulması; diaqnostik karta və konkret xəstə 

haqda  məlumata  görə  evristik  differensial  diaqnoz  alqoritminin  işlənməsi;  differensial  diaqnoz 

probleminin təsnifat məsələsi kimi qoyulması və neyron şəbəkələr nəzəriyyəsi baxımından şərhi; 

ikilaylı neyron şəbəkənin qurulması, öyrədilməsi və qiymətləndirilməsi; həkimin və neyron şəbəkə 

diaqnozlarının nəticələrinin müqayisəli təhlili;

 

müvafiq kompüter proqramlarının işlənməsi və süd 



vəzi şişlərinin informasiya-diaqnostik sisteminin yaradılması məsələləri həll edilmişdir. 

2005-ci ildə işlənilmiş ortopediyada cərrahi müdaxilə seçiminin intellektual sistemi ilk dəfə 

olaraq  patologiya  mənbəyinin  süni  görüntüsünün  yaradılmasından  istifadə  etmişdir  [32]. 

Fotorobot  vasitəsilə  yaradılan  görüntülər  patoloji  mənbənin  xüsusiyyətlərinin  öyrənilməsinə, 

onların  tanınmasına  və  klassifikasiyasına,  aparılacaq  cərrahi  əməliyyatların  ardıcıllığının  və 

nəticələrinin vizuallaşdırılmasına imkan verir. İlk dəfə olaraq patoloji mənbənin tanınması üçün 

əlamətlər və onların rastgəlmə prioritetləri müəyyənləşdirilmiş, əlamətlərin olması faktına uyğun 

situasiyalar  və  onların  cərrahi  müdaxilə  yolu  ilə  müalicəsinin  ardıcıllığını  müəyyənləşdirən 

struktur  sxem  yaradılmışdır.  Bu  sxemin  əsasında  bilik  bazası  və  onda  situasiyaların  avtomatik 

tanınması və müalicə üsullarının vizual göstəriməsi üçün ES yaradılmışdır. 

[33]-də oftalmologiya sahəsi üzrə ambulator şəraitdə daxil olan xəstələrin müayinəsi zamanı 

qarşıya  çıxan  problemlərin  həllinə  yönəlmiş  proqram  kompleksi  işlənilmişdir.  Sistemin 

işlənilməsində aşağıdakı məsələlər həllini tapmışdır: 

 



 göz xəstəliklərinin diaqnostikası üçün ambulator şəraitdə ilkin məlumatlar toplanmış və 

bunun əsasında verilənlər bazası yaradılmışdır; 

 

 oftalmologiya  üzrə  differensial  göstəricilərə  və  bir  sıra  tibbi  məlumatlara  əsaslanan 



biliklər bazası yaradılmışdır; 

 



 sistemdə oftalmoloji terminlər üzrə lüğət (Azərbaycan, rus, latın, ingilis dillərində) bloku 

yaradılmışdır; 

 

 sistemdə tələbə və həkim-internalara kömək məqsədilə tədris bölməsi yaradılmışdır ki, 



bu da sistemin öyrədici sistem kimi effektivliyini artırır; 

 



 əhalini  uyğun  xəstəliklər  haqqında  məlumatlandırmaq,  maarifləndirmək  üçün  əhaliyə 

xidmət bölməsi yaradılmışdır. 

Bu  sistemin  reallaşmasında  aparılan  tədqiqatlara  Bakı  şəhər  1  saylı  şəhər  klinik 

xəstəxanasının VI göz xəstəlikləri şöbəsinə ambulator şəraitdə göz xəstəlikləri ilə qəbul olunmuş 

500 xəstə cəlb edilmişdir.  

[34]-də virtual oftalmoloq ES-in proqram təminatı və strukturu ətraflı şərh olunmuşdur. 




İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      89 



[35]-da  nevroloji  xəstəliklərin  diaqnostikası  üzrə  ES-in  qurulması  texnologiyası  verilmiş, 

sistemin  yaradılması  istiqamətində:  nevroloji  xəstəliklər  tədqiq  olunmuş  və  əlamətlər  sistemi 

müəyyənləşdirilmişdir,  nevroloji  xəstəliklərin  diaqnostikası  üçün  əldə  edilmiş  bliklərin  təsviri 

metodologiyası, biliklər bazasının strukturu, məntiqi çıxarış mexanizmi, diaqnostika strategiyasını 

təmin  edən  qeyr-səlis  riyazi  model,  müvafiq  ES-in  arxitekturası,  fəaliyyət  prinsipləri  və 

instrumental  vasitələri  işlənilmişdir.  Nevroloji  xəstəliklərin  diaqnostikası  üzrə  ES-də  biliklərin 

təsviri ontologiya əsasında 6 mərhələdə təklif olunmuşdur [36]. Tədqiqat çərçivəsində epilepsiya 

xəstəliyinin növlərinin sistemləşdirilməsi üçün qeyri-səlis məntiq və ekspert biliklərindən istifadə 

edilmiş,  diaqnostik  ES  yaradılmışdır  [37].  Yaradılmış  sistemin  kliniki  şəraitdə  eksperimentləri 

keçirilmiş və nəticələr 83% dəqiqliklə alınmışdır. 

[38]-da piylənmədən əziyyət çəkən insanlarda 2-ci tip şəkərli diabetin proqnozlaşdırılması 

üçün  yaradılmış  sistemin  iş  prinsipi  verilmişdir.  Sistem  statistik  verilənlərin  emalı  metodları 

əsasında işlənilmiş, bu məqsədlə dispersion analiz üsulundan istifadə edilmişdir.  

6. Nəticə 

Tibbi ES-in yaradılması günün aktual problemidir. Bu aktuallıq xəstələrə göstərilən xidmətin 

yaxşılaşdırılması, diaqnoz qoyulması,  müalicə metodu seçilməsi zamanı düzgün qərarların qəbul 

edilməsindən irəli gəlir, elektron tibbin formalaşmasının əsas istiqamətlərindən biridir. Bu sistemlər 

ifrat artan informasiya mühitində süni intellekt texnologiyasının metodlarına, innovativ yanaşmalara 

istinad  etməklə  yaradılır,  odur  ki,  müvafiq  texnologiyaların  mənimsənilməsini,  müvafiq  sahə 

mütəxəssislərinin  –  bilik  mühəndislərinin  hazırlanmasını  tələb  edir.  Bu  isə  tibb  və  İKT-nin 

inteqrasiyasında ixtisaslı mütəxəssislərin hazırlanmasını bir daha aktuallaşdırır və elektron tibbin 

formalaşdığı ölkələrin bu istiqamətdə təcrübəsindən yararlanmağı gündəmə gətirir [39]. 

Məqalədə qeyd olunan tibbi ES-ə istinadən, demək olar ki, respublikamızda ES-in yaradılması 

istiqamətində qismən uğurlu nəticələr alınmış, müxtəlif xəstəliklərin diaqnozu, monitorinqi və müalicə 

üsulunun  seçilməsi  üçün  yaradılmış  intellektual  ES  müxtəlif  səhiyyə  ocaqlarında  uğurla  sınaqdan 

keçirilmişdir. Lakin, çox əfsus ki, elmi əsaslandırılmış, innovativ texnologiyalara istinadən yaradılmış 

belə sistemlər, sınaqdan uğurla keçsələr də, istismar olunmurlar. Bildiyimiz ki, ES-in yaradılmasına 

bəzən eksperimental bir sahə kimi də baxılır, bu da yaradılmış sistemlərin reallığa adekvatlığının təmin 

olunması  istiqamətində  sistemlərin  daima  modernləşdirilməsi,  yeni  biliklərin  daxil  edilməsi,  yeni 

blokun  əlavə edilməsi və  s. ilə bağlıdır ki, bunlar da sistemin mükəmməlləşdirilməsi istiqamətində 

irəliyə  atılmış bir addım  kimi  dəyərləndirilir.  Nəticədə  isə  ticarət səviyyəli  ES-in  yaradılmasına və 

ondan kütləvi surətdə istifadə etməklə insanlara göstərilən tibbi xidmətin keyfiyyətini artırmağa nail 

olmaq  olar.  Yaradılmış  sistemlərin  istismar  olunmaması,  onların  reallığa  adekvatlığının  təmin 

olunması  istiqamətində  eksperimentlərin  miqyasının  genişləndirilməməsi  bu  sistemlərin  cəmiyyətə 

verə biləcəyi dəyərin qarşısını alır və bu problemə diqqətin ayrılması günün vacib tələbidir. 



Ədəbiyyat 

1.

 



Məmmədova  M.H.,  Cəbrayılova  Z.Q.  İnsan  resurslarının  idarə  olunması  məsələlərinin 

həllində böyük verilənlərin istifadəsi imkanları və problemləri // İnformasiya texnologiyaları 

problemləri, 2016, №1, s.39–48. 

2.

 



Manchini M. Exploiting Big Data for improving healthcare servuces// Journal of e-Learning 

and Knowledge Society, 2014, vol.10, no.2, pp.23–33. 

3.

 

Рост объема информации – реалии цифровой вселенной. 



        www.tssonline.ru/articles2/fix-corp/rost-obema-informatsii-realii-tsifrovoy-vselennoy 

4.

 



Анисимов В.Е. Основы медицинской кибернетики: Учебное пособие. Воронеж: Изд-во 

ВГУ, 1978, 240 с. 

5.

 

Big Data in Human Resource Management – Developing Research Context. 



www.researchgate.net/publication/275520745 


İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

90                                                                  www.jpit.az 



6.

 

Знаменская Т. Зачем нужны ИТ в здравоохранении? // Открытые системы, №02, 2010. 



www.osp.ru/os/2010/02/13001446/ 

7.

 



Davenport  T.,  Glaser  J.,  Just-in-time  delivery  comes  to  knowledge  management,  Harvard 

Business Review, 2002, vol.80, no.7, pp.107–111, doi: 10.1225/R0207H.  

8.

 

Miller G. A. The magical number seven, plus or minus two: Some limits on our capacity for 



processing information // Psychological Review, 1956, vol.63, pp.81–97. 

9.

 



Feigenbaum E.A. The Art of Artificial Intelligence: I. Themes and Case Studies of Knowledge 

Engineering  /  Proceedings  of  the  International  Joint  Conference  on  Artificial  Intelligence, 

1977, pp.1014–1029. file:///C:/Users/HP/Downloads/rh996br0518.pdf 

10.


 

Buchanan B. G., Feigenbaum E.A. Dendral and Meta-Dendral: Their Applications Dimension 

// Artificial Intelligence, 1978, vol.11, no.5, pp.5–24.  

file:///C:/Users/HP/Downloads/ym915sk9042.pdf 

11.

 

Shortliffe E.H., Buchanan B.G. A model of inexact  reasoning in  medicine //  Mathematical 



Biosciences, 1975, vol.23, no.3–4, pp.351–379. doi:10.1016/0025-5564(75)90047-4 

12.


 

Гаврилова  Т.А.,  Хорошевский  В.Ф.  Базы  знаний  интеллектуальных  систем,  СПб.: 

Питер, 2000, 384 с. 

13.


 

Знания. Виды знаний. http://daxnow.narod.ru/index/0-19 

14.

 

Технологии инженерии знаний. www.iskhacov.narod.ru/materials/enginer.pdf 



15.

 

Теоретические аспекты извлечения знаний. http://lib.alnam.ru/book_bki.php?id=24 



16.

 

Стратегии  получения  знаний.  http://itteach.ru/predstavlenie-znaniy/strategii-polucheniya-



znaniy 

17.


 

Davis R., Shrobe H., Szolovits P. What is a Knowledge Representation? // AI Magazine, 1993, 

vol.14, no.1, pp.17–33. http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html 

18.


 

Introduction to Knowledge Modeling. http://www.makhfi.com/KCM_intro.htm 

19.

 

http://edu.dvgups.ru/METDOC/EKMEN/MEN/SIST_UPR/METOD/OSN_UPR/Klykov_25.htm 



20.

 

Kərimov S., Rəhimova N. Ekspert sistemi. Bakı, Çaşıoğlu, 2004, 173 s. 



21.

 

Randolph A. Miller, Harry E. Pople, Jr., and Jack D. Myers. INTERNIST-1-An Experimental 



Computer-Based  Diagnostic  Consultant  for  General  Internal  Medicine  //  New  England 

Journal of Medicine. 1982, vol.307, pp.468–476.  

        http://people.dbmi.columbia.edu/~ehs7001/Clancey-Shortliffe-1984/Ch8.pdf 

22.


 

WebMD. http://symptoms.webmd.com/symptomchecker  

23.

 

The features of DXplain. http://dxplain.org/dxp2/dxp.sdemo.asp?login 



24.

 

Jadhav  V.S.,  Sattikar  A.  A.  REVIEW  of  Application  of  Expert  Systems  in  the  Medicine, 



pp.122–124. http://nci2tm.sinhgad.edu/NCIT2M2014_P/data/NCI2TM_31.pdf  

25.


 

The GermWatcher. www.openclinical.org/aisp_germwatcher.html. 

26.

 

PEIRS: a pathologist-maintained expert system for the interpretation of chemical pathology 



reports. www.ncbi.nlm.nih.gov/pubmed/8316495 

27.


 

Rəhimova  N.Ə.  Qarın  boşluğu  nahiyəsi  cərrahi  xəstəliklərinin  diaqnostikası  ucun  ekspert 

sistemi: tex. elm. nam.dis. avtoref., Bakı, 1996, s. 22. 

28.


 

Qeybullayev  A.Ə.,  Rəhimova  N.Ə.,  Həbibullayev  C.B.  Qarın  boşluğu  uzvlərinin  kəskin 

cərrahi  xəstəliklərinin  diaqnostik  ekspert  sistemlərinin  yaradılması  və  tətbiqi,  Bakı,  Elm, 

2000, 173 s. 

29.

 

Абдуллаева  Г.Г.,  Гейдарова  Н.Г.,  Велиева  Э.С.  и  др.  Интеллектуальная  система 



первичной  сортировки  больных  в  многопрофильном  стационаре  //  Известия  НАНА, 

Серия физико-технических и математических наук, 2001, №2, с.103–105. 

30.

 

Абдуллаева Г.Г., Мамедова М.В. Экспертная система распознавания функционального 



состояния  щитовидной  железы  в  случаях  трудной  диагностики  //  Известия  НАНА, 

Серия физико-технических и математических наук, 2003, №2–3, с.126–129. 

31.

 

Abdullayeva  Q.Ə.  Sud  vəzi  şişlərinin  informasiya-diaqnostik  sisteminin  işlənməsi: 



tex.elm.nam.dis. avtoref. Bakı, 2004, 20 s. 


İnformasiya texnologiyaları problemləri, 2017, №1, 81–91 

 

       www.jpit.az                                                                      91 



32.

 

Hacıyev  Z.Ə.  Ortopediyada  cərrahi  mudaxilə  seciminin  intellektual  sistemi: 



tex.elm.nam....dis. avtoref. Bakı, 2005, 20 s. 

33.


 

Şükürlü S. F. Oftalmologiya sahəsi üzrə ambulatoq xəstələrin ilkin diaqnostikası üçün ekspert 

sistemi: tex.elm.nam.dis. avtoref. Bakı, 2005, 20 s. 

34.


 

Musayev  P.İ.,  Şükürlü  S.F.  “Virtual  oftalmoloq”  ekspert  sisteminin  proqram  təminatı  və 

strukturu // Oftalmologiya elmi praktik jurnalı, 2009, №1, s.24–29. 

35.


 

Amooji A.Ş. Nevroloji xəstəliklərin diaqnostikası üzrə ekspert sistemlərin qurulması: ekspert 

sistemi: tex.elm.nam.dis. avtoref. Bakı, 2016, 18 s. 

36.


 

Alıquliyev  R.,  Amooji  A.  Nevroloji  xəstəliklərin  diaqnostikası  üzrə  ekspert  sistemində 

biliklərin təsviri modelləri / «Elektron tibbin multidissiplinar problemləri» I Respublika elmi-

praktiki konfransının əsərləri, Bakı, 25 may, 2015, s.171–174. 

37.

 

Məmmədova  M.,  Amooji  A.  Epilepsiya  xəstəliyinin  diaqnostikası  üzrə  ekspert  sistemi  // 



“Elektron  tibbin  multidissiplinar  problemləri”  I  Respublika  elmi-praktiki  konfransının 

əsərləri, Bakı, 25 may, 2015, s.211–214. 

38.

 

Курбанова  Н.,  Мустафаева  А.  Скрининговая  система  прогнозирования  сахарного 



диабета  типа  2  у  лиц  с  ожирением  /  “Elektron  tibbin  multidissiplinar  problemləri”  I 

Respublika elmi-praktiki konfransının əsərləri, Bakı, 25 may, 2015, s.201–203. 

39.

 

Cəbrayılova Z.Q. Elektron tibbin insan resurslarının formalaşması: beynəlxalq təcrübə, həllər 



və perspektivlər // İnformasiya cəmiyyəti problemləri,  2016, №2, s.61–73. 

УДК 004.056 

Мамедова Mасума Г., Джабраилова Зарифа Г. 

Институт Информационных Технологий НАНА, Баку, Азербайджан 

depart15@iit.ab.az 

Проблемы разработки и перспективы развития медицинских экспертных систем 

В статье дается информация о медицинских экспертных системах (ЭС), рассматриваются 

проблемы  трансформации  естественного  медицинского  интеллекта  в  искусственный 

медицинский  интеллект.  Описываются  возможности  современных  ЭС  и  перспективы 

развития,  анализируется  соответствующая  обстановка  в  Азербайджане.  Обоснованы 

необходимость  развития  инженерии  знаний  и  подготовка  специалистов  –  инженеров  по 

знаниям  для  медицинской  сферы  с  целью  формирования  электронной  медицины  в 

республике, предложено усилить активность в области внедрения разработанных ЭС. 



Ключевые слова: медицинские экспертные системы, методы извлечения знаний, аспекты 

получения информации, инженерия знаний.  

 

Masuma G. Mammadova, Zarifa G. Jabrayilova 

Institute of Information Technology of ANAS, Baku, Azerbaijan  

depart15@iit.ab.az 

Development problems and prospects of the medical expert systems 

The paper provides information on medical expert systems (ES), and deals with the transformation 

problems of the natural medical intelligence into the artificial medical intelligence. It describes the 

capabilities of modern ES and development prospects. It also analyzes the respective situation in 

Azerbaijan. The paper shows the necessity of development of knowledge engineering and training 

the knowledge engineers for the medical sector in order to create e-health in Azerbaijan. It proposes 



to strengthen the activity in the field of implementation of the developed ES. 

Keywords: medical expert systems, knowledge extraction techniques, aspects of data acquisition, 

knowledge engineering. 

 



Dostları ilə paylaş:


Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©genderi.org 2019
rəhbərliyinə müraciət

    Ana səhifə