Development of the veterinary expert system

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Veterinary medicine is an area where modern technology can have a significant impact. The application of expert systems in this field has not yet been fully explored. Expert systems can process large amounts of data, including symptoms, disease history and other parameters to provide accurate and rapid diagnoses. This is especially valuable in situations where rapid intervention can save an animal's life. These systems can serve as a supportive tool for veterinarians, especially in complex or rare disease cases. They can provide recommendations based on the latest research and clinical practices. In agriculture, expert systems can analyze data on the health of the entire herd and identify possible problems or trends, helping farmers and veterinarians to take timely action. This article focuses on the development of a veterinary expert system that reflects current animal health needs. The authors perform a detailed analysis of existing veterinary systems, highlighting key functionalities needed by veterinary and agricultural professionals. One unique aspect of the paper is the use of symptom-complexity weighting and probability calculations of diagnosable diseases, which can make a significant contribution to the accuracy and efficiency of animal disease diagnosis. The paper can serve as a useful resource for veterinary specialists as well as software developers involved in the creation of intelligent systems in medical and agricultural applications.

Әдебиет тізімі

  1. Введение в экспертные системы. Основные понятия и определения [Электронный ресурс]. URL: http://www.habarov.spb.ru/new_es/exp_sys/es01/es1.htm (дата обращения: 10.08.2023).
  2. Staroverova N. A., Shustrova M. L., Staroverov S. A., Dykman L. A. Development of a Neurocomputer Modular Information System for Cancerous Diseases Diagnostics in Animals // Herald of the Bauman Moscow State Technical University. Series Instrument Engineering. 2020. No. 2(131). Pp. 75-84.
  3. Программы для сельского хозяйства «Коралл» [Электронный ресурс]. URL: https://www.korall-agro.ru/tree_diag_an.htm (дата обращения: 10.08.2023).
  4. Шопагулов О. А., Третьяков И. И., Исмаилова А. А. Использование экспертных систем в ветеринарии // Вестник Университета Шакарима. Серия технические науки. 2020. № 3(91). С. 96-102.
  5. Розенберг И. Н., Цветков В. Я. Среда поддержки интеллектуальных систем // Транспорт Российской Федерации. Журнал о науке, практике, экономике. 2011. № 6 (37). С. 63-65.
  6. Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирование, 4-е издание. Издательский дом Вильямс, 2007.
  7. Бердышев А. С., Калиева К. А., Кантуреева М. А. О методологии проектирования экспертных систем // Проблемы информатики. 2013. № 1(18). С. 56-62.
  8. Частиков А. П., Гаврилова Т. А., Белов Д. Л. Разработка экспертных систем. Среда CLIPS. СПб: БХВПетербург, 2003.
  9. Adeli A., Neshat M. A fuzzy expert system for heart disease diagnosis // Proceedings of international multi conference of engineers and computer scientists, Hong Kong. 2010. Vol. 1. Pp. 134-139.
  10. Шопагулов О. А., Третьяков И. И., Исмаилова А. А. Экспертная система для диагностики заболевания коров // Сейфуллинские чтения – 16: Молодежная наука новой формации – будущее Казахстана. 2020. Т. 1. Ч. 3. С. 161-163.
  11. Paolo L., Paolo Z. Improving the automated monitoring of dairy cows by integrating various data acquisition systems // Computers and electronics in agriculture. 2009. Vol. 68. Pp. 62-67.
  12. Munirah M. Y., Suriawati S., Teresa P. P. Design and development of online dog diseases diagnosing system // International Journal of Information and Education Technology. 2016. Vol. 6. № 11. P. 913.
  13. Tudorache T., Nyulas C., Noy N. F., Musen M. A. WebProte´ge´: A collaborative ontology editor and knowledge acquisition tool for the web // Semant Web. 2013. Vol. 4. № 1. Pp. 89-99.
  14. Гибадуллин Р. Ф. Потокобезопасные вызовы элементов управления в обогащенных клиентских приложениях // Программные системы и вычислительные методы. 2022. № 4. С. 1-19.
  15. Гибадуллин Р. Ф., Викторов И. В. Неоднозначность результатов при использовании методов класса Parallel в рамках исполняющей среды .NET Framework // Программные системы и вычислительные методы. 2023. № 2. С. 1-14.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».