6. GYAKORLATI EREDMÉNYEK
6.3 A NYTIME MODELL KIDOLGOZÁSA , HOSVD REDUKCIÓ ALKALMAZÁSA A KIÉRTÉKELŐ
6.3.1 A rendszer leírása
Az anytime rendszert a pulzusszám és a vérnyomás értékek valós idejű mérésére és kiértékelésére szolgáló rendszer módosításával hoztam létre. A bemenő adatok a pulzusszám, a szisztolés és diasztolés vérnyomás értékek, illetve az ezeket befolyásoló tényezők, a páciens, neme, életkora, nyugalmi szisztolés vérnyomása, egyéni maximális pulzusszáma és edzésének célja, amelyek a felhasználó-specifikus függvényhangolást ismertető fejezetben kerülnek részletezésre. A rendszer anytime módon üzemeltethető, vagyis a kockázatszámítása során a teljes modell kiértékelését elvégzi mindaddig, amíg valamilyen váratlan helyzet nem áll elő. Ekkor a gyors döntés érdekében a redukált modell kiértékelését végzi el, ami ugyan közelítő, de megbízható, egy előre definiált hibahatáron belüli eredményt ad, és lerövidíti a válaszidőt, ezáltal az esetlegesen szükséges riasztás is előbb történhet. A riasztás a helyzettől függően történhet a páciens felé, de szükség esetén családtagok, illetve orvos/kórház is riasztható. A rendszer felépítését a 11. ábra szemlélteti.
11. ábra Az anytime rendszer felépítése
A HOSVD redukciót a modell azon alrendszereiben alkalmaztam, amelyek részt vesznek a valós idejű kiértékelésben. Ezekben az alrendszerekben egymástól függetlenül történik a HOSVD módszer alkalmazása, különálló rendszereknek tekintve azokat. A többi alrendszer konstans, vagy kvázi-konstans paraméterek alapján offline számolja ki a kockázati szintet. Az itt bemenetül szolgáló paraméterek vagy állandó értékek (pl. nem) vagy a sporttevékenység közben változatlanok (pl. életkor), ezért az ezekhez az alrendszerekhez kapcsolódó kockázati szintet elegendő ezek változása esetén újraszámolni. Az offline kiértékelésben részt vevő alrendszerek redukciója nem gyorsítja a valós idejű kiértékelést, ezért ettől eltekintettem.
A valós idejű kiértékelésben részt vevő alrendszerek az „aktuális fizikai állapot”
leírására szolgáló és ennek kimenetét, mint inputot kiértékelő alrendszerek a hierarchián keresztül, vagyis az „Egészségi állapot” jellemzésére szolgáló alrendszer és a teljes kockázati szint kiszámítására használt csoport. A vizsgált alrendszerek mindegyike PSGN (product-sum-gravitiy-non-singleton consequences) rendszer, vagyis szorzat t-normát és összeg t-konormát használ, a defuzzifikációt súlyközéppont módszerrel (COG) hajtja végre és mind a bemenetek, mind a kimenetek fuzzy halmazok. Az antecedens halmazok Ruspini-partícióban vannak a következtetési rendszer Mamdani-típusú. A j-edik bemenethez tartozó antecedens halmazok száma (nj) a teljes rendszerben rendre a következők. Az „Aktuális fizikai állapot” alrendszernél n1=3, n2=4, n3=4; az „Egészségi állapot” alrendszer esetén n1=5, n2=5, n3=5; a teljes kockázati szint számításakor n1=5, n2=5, n3=5. A (7.2-4)-ben megadott konzekvens halmazokat a súlyközéppontjukkal
yi1,...,iN
és a területükkel
si1,...,iN
reprezentáljuk, ezek kerülnek a redukálandó F mátrixba. A következtetés eredménye:
inputhoz tartozó ij-edik antecedens halmaz.A teljes rendszert reprezentáló F mátrix mérete a redukció előtt az egyes alrendszerekben: „Aktuális fizikai állapot” alrendszerben 3x4x4, az „Egészségi állapot”
alrendszer esetén 5x5x5 és a teljes kockázatot számító alrendszerre 5x5x5, ami azt jelenti, hogy 298 szabályt kell kiértékelni valós időben. Az ezeket az alrendszereket reprezentáló F mátrixokra hajtottam végre a 3.3.1. fejezetben ismertetett HOSVD redukciós algoritmus SN és NN transzformációt is tartalmazó változatát.
6.3.2 Tesztkörnyezet
A program implementációja és a teszt lefuttatása RAD Studio fejlesztői környezetben történt, ami integrálja a Delphit, C++ Bulidert és a HTML5 Buildert, amivel natív alkalmazások fejleszthetők több eszközre (PC, tablet, okostelefon) és több platformra (iOS, Windows, Mac) [94]. A teszt során tipikus felhasználói csoportokat vizsgáltam
mindkét nemet és a 20-79 éves korosztályt lefedve, ahol az egészségi állapot jellemzésére az American Heart Association útmutatói alapján meghatározott paramétereket használtam. Ezek a paraméterek az 11. táblázatban láthatók [82],[83],[84],[85],[86], ahol az értékeket úgy kell tekinteni, hogy 0 a legrosszabb érték, 1 pedig a legjobb. Bemenetül szolgáltak még a páciens pillanatnyi szisztolés és diasztolés vérnyomás értékei, illetve a pulzusszáma és az ehhez kapcsolódó felhasználó-specifikusan hangolható tagsági függvények meghatározásához szükséges egyéb paraméterek, mint a páciens neme, életkora, nyugalmi szisztolés vérnyomása, az egyéni maximális pulzusszáma és az edzéscélja.
11. táblázat A VIZSGÁLT CSOPORTOK EGÉSZSÉGI ÁLLAPOTRA VONATKOZÓ PARAMÉTEREI
A tesztet az eredeti teljes modellre és a redukált szabálybázist használó modellre is lefuttattam, majd ezeket az eredményeket hasonlítottam össze mindhárom, a valós idejű kiértékelésben részt vevő csoportra. A vizsgálat célja az volt, hogy meghatározzam a csoportonkénti maximális redukció mértékét, ami a megengedett hibahatáron belüli eredményt szolgáltat. A vizsgált esetek száma a 11. táblázatban megadott csoportok szerinti bontásban a következő: Egészséges felnőtt: 864; Középkorú páciens enyhe szívbetegséggel: 288; Egészséges idős páciens: 576; 50-65 éves rossz fizikai állapotban: 576. A vizsgálat során a redukció mértékét változtattam és ehhez számítottam ki az aktuális hibahatárt a 4.2 fejezetben a (4.45),(4.46) által definiált képlet alapján. A redukció mértékét addig növeltem, amíg az eredmény egy előre definiált elfogadható értéket nem lépett túl.
6.3.3 Teszt eredmények
A valós idejű kiértékelésben részt vevő alrendszerekhez tartozó mátrixok mindegyik dimenziójára elvégzett szinguláris érték felbontás után kapott szinguláris értékek a 12,13,14. táblázatban láthatók. Ezek az értékek szolgáltak a redukció alapjául.
Csoport Dis_con Bas_inf
Egészséges felnőtt 0.5 0.5
Középkorú személy enyhe
szívbetegséggel 0.4 0.7
Egészséges idős páciens 0.64 0.3
50-65 éves rossz fizikai állapotban 0.25 0.5
12. táblázat AZ AKTUÁLIS FIZIKAI ÁLLAPOT ALRENDSZER SZINGULÁRIS ÉRTÉKEI
13. táblázat AZ EGÉSZSÉGI ÁLLAPOT ALRENDSZER SZINGULÁRIS ÉRTÉKEI
14. táblázat ATELJES KOCKÁZATI SZINTET SZÁMÍTÓ ALRENDSZER SZINGULÁRIS ÉRTÉKEI
Az egyes alrendszerekhez tartozó javított hibakorlátok a 15,16,17. táblázatban szerepelnek. A hibahatárt lépésről lépésre növeltem, minden lépésben egyel több szinguláris értéket elhagyva, amíg az így kapott hiba nem haladta meg az elfogadható értéket. Az első olyan értéket, ami már meghaladta a meghatározott hibakorlátot, szintén kiszámítottam és a táblázat „Következő” elnevezésű sorában adtam meg.
15. táblázat JAVÍTOTT HIBAKORLÁT AZ AKTUÁLIS FIZKIAI ÁLLAPOT ALRENDSZERBEN 1. dimenzió 2. dimenzió 3. dimenzió
Elfogadható
(nr=1) - 0.0676 0.0676
Következő
(nr+1) 0.0889 0.1040 0.1040
1. dimenzió 2. dimenzió 3. dimenzió
7.5460 7.5940 7.5952
1.1393 0.8406 0.8344
0.4260 0.3292 0.3696
0.3174 0.2982 0.2462
0.3011 0.1923 0.1836
1. dimenzió 2. dimenzió 3. dimenzió
6.0660 6.0779 6.1080
0.7410 0.7148 0.6080
0.5320 0.4545 0.3244
0.4079 0.3358 0.2275
0.2632 0.3056 0.1722
1. dimenzió 2. dimenzió 3. dimenzió
5.1417 5.0770 5.0770
0.4240 0.9028 0.9028
0.2075 0.1969 0.1969
- 0.1635 0.1635
16. táblázat JAVÍTOTT HIBAKORLÁT AZ EGÉSZSÉGI ÁLLAPOT ALRENDSZERBEN
17. táblázat JAVÍTOTT HIBAKORLÁT A TELJES KOCKÁZATI SZINTET SZÁMÍTÓ ALRENDSZERRE
A vizsgálat eredményeként az egyes alrendszereket reprezentáló redukált mátrixok mérete rendre a következő: „Aktuális fizikai állapot” alrendszerben 3x3x3, az
„Egészségi állapot” alrendszer esetén 4x4x3 és a teljes kockázatot számító alrendszerre 4x5x2, ami azt jelenti, hogy 115 szabályt kell kiértékelni valós időben a teljes rendszerben alkalmazott 298 szabály helyett, ami a szabálybázis 61,4%-os redukcióját jelenti. A végrehajtott redukció közelítő eredményt ad, vagyis a döntésben kevésbé részt vevő részeket szűri ki a rendszerből. A teljes és a redukált szabálybázis összehasonlítására kiszámoltam az eredmények közötti különbségek átlagát, minimumát, maximumát és szórását. Ezek az értékek a különböző felhasználói csoportok esetén a 18,19,20,21. táblázatban láthatók és a redukált modell használhatóságát támasztják alá. A vizsgálat során a hibahatárt minden alrendszerre azonos értékűnek választottam, de természetesen lehetséges alrendszerenként, vagy akár dimenziónként különböző érték megadása [55].
18. táblázat A TELJES ÉS A REDUKÁLT MODELL ÖSSZEHASONLÍTÁSA EGÉSZSÉGES FELNŐTT PÁCIENS ESETÉN
Aktuális fizikai állapot
Egészségi állapot
Teljes kockázat
Átlag 0.0231 0.0320 0.0251
Min 0 0.0005 0.0057
Max 0.0939 0.1505 0.0699
Szórás 0.0198 0.0305 0.0249
1. dimenzió 2. dimenzió 3. dimenzió Elfogadható
(nr=1) 0.0780 - 0.0395
Elfogadható
(nr=2) - - 0.0695
Elfogadható
(nr=3) - - 0.0856
Következő
(nr+1) 0.1010 0.0982 0.1559
1. dimenzió 2. dimenzió 3. dimenzió Elfogadható
(nr=1) 0.0720 0.0792 0.0582
Elfogadható
(nr=2) - - 0.0768
Következő
(nr+1) 0.1362 0.1068 0.1092
19. táblázat A TELJES ÉS A REDUKÁLT MODELL ÖSSZEHASONLÍTÁSA ENYHE SZÍVBETEGSÉGBEN SZENVEDŐ KÖZÉPKORÚ PÁCIENS ESETÉN
20. táblázat A TELJES ÉS A REDUKÁLT MODELL ÖSSZEHASONLÍTÁSA EGÉSZSÉGES IDŐS PÁCIENS ESETÉN
21. táblázat A TELJES ÉS A REDUKÁLT MODELL ÖSSZEHASONLÍTÁSA 50-65 ÉVES ROSSZ FIZIKAI ŰLLAPOTÚ PÁCIENS ESETÉN