Современные диагностические системы

Диагностические системы

Современные диагностические системы должны характеризоваться следующими качествами: более высокой чувствительностью и, главным образом, специфичностью, а также максимальной автоматизацией и, как следствие, стандартизацией большинства этапов анализа. Не менее важно добиваться уменьшения вероятности субъективной оценки результатов и снижения роли человеческого фактора, повышать производительность системы при низкой себестоимости выполнения анализа, сокращать общее количества манипуляций в пределах каждого этапа анализа и компьютеризировать ввод и обработку результатов анализов совместимым программным обеспечением.

В современной отечественной практике в области сельскохозяйственного растениеводства, в основном, применяются диагностические системы, не отвечающие вышеизложенным требованиям и основанные на простых иммуноферментных методах анализа. В определенной степени это могло бы быть обусловлено тем, что развитие ПЦР-методов анализа вирусных, грибных, бактериальных и нематодных поражений лимитируется отставанием по секвенированию их геномов. К примеру, из 222 бактериальных геномов, работа над секвенированием которых велась или была закончена к 2003 году, фитопатогенами были менее 14 (Lopez et al., 2003). С другой стороны, в реальном секторе практически полностью отсутствуют лаборатории, оснащенные современным оборудованием и квалифицированными кадрами. Исключение составляют лишь некоторые подразделения службы карантина растений.

Говоря о положении в диагностике вирусных фитопатогенов картофеля в сегодняшней России в целом, можно упомянуть лишь несколько разработок. Еще в начале 80-х годов прошлого века, в СССР были разработаны ИФА-тесты основных вирусных патогенов картофеля, которые до сих пор производятся на базе ВНИИКХ (Атабеков И. Г., Тальянский, 1997). Довольно качественные моноклональные антитела к ряду вирусов картофеля были получены в ИБХ РАН, однако эти работы не завершились созданием законченных тест-систем.

Современные методы диагностики вирусных патогенов картофеля, основанные на методе ПЦР, разработаны в конце прошлого и в начале нынешнего века во многих лабораториях мира, в том числе и в России. Здесь, в частности, хотелось бы отметить разработку системы универсальной ПЦР-диагностики вирусов растений, основанной на их групповой принадлежности (Маагоп, Zavriev, 2002). В настоящее время на нашем рынке наиболее широкий ассортимент диагностических наборов для определения фитопатогенов предлагает ООО «АгроДиагностика». Для диагностики вирусных патогенов картофеля этой фирмой освоено производство ПЦР тест-систем в формате электрофореза, FLASH-ПЦР и ПЦР в реальном времени. В настоящее время освоен выпуск наборов для диагностики вируса скручивания листьев картофеля, М, S, X, Y и А вирусов картофеля, вируса метельчатости верхушек картофеля и вироида веретеновидности клубней картофеля.

К сожалению, в России сегодня использование и внедрение этих разработок даже при тестировании посадочного материала широкого применения пока не нашло. Исключением являются частные компании, в первую очередь производители посадочного материала мини-клубней картофеля, например, фирма «Дока», Зеленоград. Как правило, они используют тест-системы западных компаний, в первую очередь фирмы «Agdia» (США) (см. www.agdia.com). Так, «Agdia» предлагает ELISA-тесты к 16 вирусным патогенам картофеля. Важно отметить, что часть наиболее экономически значимых тестов предлагается в варианте т. н. стрипов (Рис. XXXIX), где анализ хоть и довольно дорогой (около 10 долларов США за один тест), но настолько прост, что не требует специальной квалификации персонала, занимает около 20 минут и может производиться в полевых условиях. Среди европейских фирм на рынке анализа фитопатогенов следует отметить также фирмы «Adgen» (Великобритания), и «Agritest» (Италия), «Ingenasa», «Plant-Print Diagnostics)) и «Durviz)) (Испания), и «Леве)) (Германия), спектр услуг которых по некоторым патогенам дополняет продукцию «Agdia)>.

Следует упомянуть и весьма эффективные гибридизационные методы. С помощью этих методов можно не только диагностировать тот или иной патоген, но и получить при необходимости количественную информацию относительно копий анализируемого гена или фитопатогена. В России на основе гибридизационного метода в МГУ им. М. В. Ломоносова была разработана система идентификации вироида веретеновидности клубней картофеля (Атабеков И.Г., Тальянский, 1997). Важно отметить, что в системе использовался не радиоактивный, а флуоресцентный зонд, что делает этот метод безопасным. Похожие методы диагностики вироида веретеновидности клубней картофеля и других вирои-дов, основанные на радиоактивно-меченных и флуоресцентных зондах, используются в рутинных анализах и за рубежом.

При диагностике бактериальных инфекций основными остаются ИФА-методы. Необходимо отметить, что чувствительность ИФА-методов диагностики бактериальных фитопатогенов даже с использованием моноклональных антител не всегда достаточно высока, особенно в случае латентной инфекции. Это обстоятельство требует предварительного увеличения количества бактерий в образце путем их специфической репродукции (Caruso et al, 2002). В каждом конкретном случае необходим подбор оптимальных условий репродукции (среды, температура, условия инкубации образцов и т.п.). Во многих случаях существует необходимость тестирования большого числа образцов малоквалифицированным персоналом, для чего предложены простые коммерческие методы, использующие процедуру иммуноферментного анализа отпечатков образцов растительных тканей на нитроцелдюлозной мембране (tissue print-ELISA). Специфичность этого метода достаточно высока, однако чувствительность, как правило, недостаточна для достоверной диагностики ряда бактериальных инфекций. Некоторые специфические задачи решаются с использованием метода проточной фотометрии (Alvarez, 2001). Бактериальные клетки при этом идентифицируются с помощью конъюгатов специфических антител с флуоресцентным красителем. Исследование растительных экстрактов этим методом позволяет отделять неинфицированные образцы от инфицированных на ранних этапах развития бактериальной инфекции. Существенным ограничением использования данного метода в настоящее время является высокая стоимость применяемой аппаратуры.

На мировом рынке имеются коммерческие диагностические наборы на фитопатогены картофеля, основанные на методе ИФА. Например, фирма «Agdia» предлагает ELISA-тесты к трем патогенам картофеля бактериального происхождения.

При диагностировании бактериальных фитопатогенов методом ПЦР во многих случаях необходимости в их размножении нет. Когда она необходима, следует оптимизировать как этот процесс, так и условия ПЦР-амплификации (Penyalver et al, 2000). Чувствительность диагностики бактериальных фитопатогенов может быть увеличена также путем использования особого варианта ПЦР - т. н. «кооперативной ПЦР» (Olmos et al., 2002). Этот метод был успещно применен для обнаружения возбудителя бурой гнили картофеля - бактерии Ralstonia solanacearum в образцах воды. В самое последнее время с целью обнаружения единичных бактериальных клеток в образцах растительных тканей используется метод гибридизации in situ с использованием флуоресцентных ДНК-зондов, узнающих видоспецифические участки бактериальных геномов (Volkhard et al., 2000). В России рынок диагностики бактериальных инфекций картофеля методом ПНР представлен наборами, предлагаемыми ООО «АгроДиагностика» для возбудителей кольцевой гнили картофеля (Clavibacter michiganensis subsp. sepedonicus) и бурой бактериальной гнили картофеля {Ralstonia solanacearum).

Немаловажными патогенами картофеля являются нематоды, которые поражают практически все виды растений, включая картофель. В связи с тем, что заболевания, вызванные нематодами приводят к очень большим потерям урожаев, мониторинг фитопа-тогенных нематод весьма важен и актуален. В Европе и в России цистообразующие нематоды, поражающие картофель - Globodera rostochiensis и Globodera pallida - имеют статус карантинных патогенов.

В настоящее время обнаружение и идентификация нематод осуществляется как с помощью классических, в первую очередь, морфологических, так и современных методов, основанных на ПЦР технологиях (Ibrahim et al., 2001). Наиболее четко и точно видовую идентификацию нематод в современных лабораториях проводят с помощью ПЦР (подробные методические описания можно найти на сайте www.nematode.unl.Edu/nemaid). На российском рынке на обе вышеупомянутые нематоды имеются ПЦР-диагностические наборы фирмы ООО «АгроДиагностика».

Другой группой патогенов картофеля, наносящих этой культуре немалый вред, являются инфекции грибной природы. В последние годы наблюдается заметная тенденция и прогресс в использовании молекулярных методов диагностики не только отдельных фитопатогенных грибов, но и в микологии в целом (Atkins, Clark, 2004). Однако, по состоянию на сегодняшний день, диагностических систем для рутинной диагностики фитопатогенных грибов, в том числе и карантинных, с использованием ДНК технологий в России не производится. На рынке имеются основанные на ИФА тест-системы фирмы «Agdia» к двум грибным

патогенам картофеля.

Таким образом, на сегодняшний день ситуацию по рынку диагностики фитопатогенов картофеля можно суммировать следующим образом. В мировой практике диагностика фитопатогенов широко применяются в сельскохозяйственном растениеводстве. При этом имеется целый ряд фирм, в том числе и в России, предлагающих коммерческие диагностические наборы, подавляющее большинство которых основано на различных модификациях метода ИФА, уступающих по своей чувствительности и специфичности методам, основанным на ПЦР. В России рынок ПЦР-диагностики фитопатогенов, в том числе и патогенов картофеля, только создается и пока представлен ООО «АгроДиагностика». С сожалением следует констатировать, что в России использование и широкое внедрение этих разработок в практику сельскохозяйственного производства пока не применяется даже при тестировании посадочного материала, разве что в отдельных частных компаниях, занимающихся производством посадочного материала картофеля.

Современные Диагностические Системы в Москве

Главная > Россия > Москва > Современные Диагностические Системы

Телефон:

+7 (495) 963-72-16+7 (495) 963-73-60

Адрес:

Москва, Богородский Вал, 3

Метро:

Преображенская площадь ~ 1 км Сокольники ~ 2 км

Категория:

Медицинское оборудование и инструмент в Москве

На карте
Посмотреть на улицу

Ещё никто не добавил сюда описание. Вы можете это сделать: добавить описание.

Информация с сайта Время в Москве – 22:34, сейчас «Современные Диагностические Системы» не работает.Рекомендуем уточнить график работы, позвонив по номеру +7 (495) 963-72-16

Глава I. Диагностические системы, их особенности. Применение

Государственное бюджетное образовательное учреждение Высшего профессионального образования Воронежская государственная медицинская академия Имени Н.Н. Бурденко Министерства здравоохранения российской федерации

Кафедра физики, математики и медицинской информатики

Реферат на тему:

«Диагностические системы с обучением, их применение»

Выполнил:

Студент 2 курса,

Лечебного факультета, группы №14

Недобежкин А.В.

Проверила:

Швырева О.В.

Воронеж

2013 ГОД

Содержание

Введение 3

Глава I. Диагностические системы, их особенности. Применение диагностических систем. 4

Глава II. Структура диагностической системы 8

Глава III. Модели представления знаний 9

3.1 Логическая модель представления знаний 10

3.2 Продукционная модель представления знаний 11

3.3 Представление знаний фреймами 13

3.4 Представление знаний семантическими сетями 16

Вывод 19

Список использованной литературы 20

Введение

Диагностические системы - это набор программ, выполняющий функции

эксперта при решении задач из некоторой предметной области. Они возникли

как значительный практический результат в применении и развитии методов

искусственного интеллекта (ИИ)- совокупности научных дисциплин, изучающих

методы решения задач интеллектуального (творческого) характера с

использованием ЭВМ. ДС выдают советы, проводят анализ, дают консультации,

ставят диагноз. Практическое применение ДС на предприятиях способствует

эффективности работы и повышению квалификации специалистов.

Область ИИ имеет более чем сорокалетнюю историю развития. С самого

начала в ней рассматривался ряд весьма сложных задач, которые, наряду с

другими, и до сих пор являются предметом исследований: автоматические

доказательства теорем, машинный перевод (автоматический перевод с одного

естественного языка на другой), распознавание изображений и анализ сцен,

планирование действий роботов, алгоритмы и стратегии игр.

Главным достоинством диагностических систем является возможность

накопления знаний – формализованной информации, на которую ссылаются или

используют в процессе логического вывода, и сохранение их длительное время.

В отличие от человека к любой информации диагностические системы

подходят объективно, что улучшает качество проводимой экспертизы. При

решении задач, требующих обработки большого объема знаний, возможность

возникновения ошибки при переборе очень мала.

Диагностическая система состоит из базы знаний (части системы, в которой

содержатся факты), подсистемы вывода (множества правил, по которым

осуществляется решение задачи), подсистемы объяснения, подсистемы

приобретения знаний и диалогового процессора.

При построении подсистем вывода используют методы решения задач

искусственного интеллекта.

диагностических систем.

Диагностическая система – это интеллектуальная программа, способная делать

логические выводы на основании знаний в конкретной предметной области и

обеспечивающая решение специфических задач. Для этого ее необходимо

наделить функциями, позволяющими решать задачи, которые в отсутствие

эксперта (специалиста в данной конкретной предметной области) невозможно

правильно решить. Поэтому необходимым этапом в ее разработке является

приобретение соответствующих знаний от эксперта. К диагностическим

системам предъявляются следующие требования:

1) Использование знаний, связанных с конкретной предметной областью;

2) Приобретение знаний от эксперта;

3) Определение реальной и достаточно сложной задачи;

4) Наделение системы способностями эксперта.

Знания о предметной области, необходимые для работы ДС, определенным

образом формализованы и представлены в памяти ЭВМ в виде базы знаний,

которая может изменяться и дополняться в процессе развития системы. Главное

достоинство ДС - возможность накапливать знания, сохранять их длительное

время, обновлять и тем самым обеспечивать относительную независимость

конкретной организации от наличия в ней квалифицированных специалистов.

Накопление знаний позволяет повышать квалификацию специалистов,

работающих на предприятии, используя наилучшие, проверенные решения.

Области применения систем, основанных на знаниях, могут быть

сгруппированы в несколько основных классов: медицинская диагностика,

контроль и управление, диагностика неисправностей в механических и

электрических устройствах, обучение.

а) Медицинская диагностика.

Диагностические системы используются для установления связи между

нарушениями деятельности организма и их возможными причинами. Наиболее

известна диагностическая система MYCIN, которая предназначена для

диагностики и наблюдения за состоянием больного при менингите и

бактериальных инфекциях. Ее первая версия была разработана в Стенфордском

университете в середине 70-х годов. В настоящее время эта система ставит

диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний,

благодаря чему может применяться и в других областях медицины.

б) Прогнозирование.

Прогнозирующие системы предсказывают возможные результаты или

события на основе данных о текущем состоянии объекта. Программная система

“Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с

помощью статистических методов алгоритмов разработать для вас план

капиталовложений на перспективу. Она не относится к числу систем,

основанных на знаниях, поскольку использует процедуры и алгоритмы

традиционного программирования. Хотя пока еще отсутствуют ДС, которые

способны за счет своей информации о конъюнктуре рынка помочь вам увеличить

капитал, прогнозирующие системы уже сегодня могут предсказывать погоду,

урожайность и поток пассажиров. Даже на персональном компьютере, установив

простую систему, основанную на знаниях, вы можете получить местный прогноз

погоды.

в) Планирование.

Планирующие системы предназначены для достижения конкретных целей

при решении задач с большим числом переменных. Дамасская фирма Informat

впервые в торговой практике предоставляет в распоряжении покупателей 13

рабочих станций, установленных в холле своего офиса, на которых проводятся

бесплатные 15-минутные консультации с целью помочь покупателям выбрать

компьютер, в наибольшей степени отвечающий их потребностям и бюджету.

Кроме того, компания Boeing применяет ДС для проектирования космических

станций, а также для выявления причин отказов самолетных двигателей и

ремонта вертолетов. Диагностическая система XCON, созданная фирмой DEC,

служит для определения или изменения конфигурации компьютерных систем

типа VAX и в соответствии с требованиями покупателя. Фирма DEC

разрабатывает более мощную систему XSEL, включающую базу знаний системы

XCON, с целью оказания помощи покупателям при выборе вычислительных

систем с нужной конфигурацией.

В отличие от XCON система XSEL является интерактивной.

г) Интерпретация.

Интерпретирующие системы обладают способностью получать

определенные заключения на основе результатов наблюдения. Система

PROSPECTOR, одна из наиболее известных систем интерпретирующего типа,

объединяет знания девяти экспертов. Используя сочетания девяти методов

экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион

долларов, причем наличие этих залежей не предполагал ни один из девяти

экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет

местоположение и типы судов в тихом океане по данным акустических систем

слежения.

д) Контроль и управление.

Системы, основанные на знаниях, могут применяться в качестве

интеллектуальных систем контроля и принимать решения, анализируя данные,

поступающие от нескольких источников. Такие системы уже работают на

атомных электростанциях, управляют воздушным движением и осуществляют

медицинский контроль. Они могут быть также полезны при регулировании

финансовой деятельности предприятия и оказывать помощь при выработке

решений в критических ситуациях.

е) Диагностика неисправностей в механических и электрических устройствах.

В этой сфере системы, основанные на знаниях, незаменимы как при

ремонте механических и электрических машин (автомобилей, дизельных

локомотивов и т.д.), так и при устранении неисправностей и ошибок в

аппаратном и программном обеспечении компьютеров.

ж) Обучение.

Системы, основанные на знаниях, могут входить составной частью в

компьютерные системы обучения. Система получает информацию о

деятельности некоторого объекта (например, студента) и анализирует его

поведение. База знаний изменяется в соответствии с поведением объекта.

Примером этого обучения может служить компьютерная игра, сложность

которой увеличивается по мере возрастания степени квалификации играющего.

Одной из наиболее интересных обучающих ДС является разработанная

Д.Ленатом система EURISCO, которая использует простые эвристики. Эта

система была опробована в игре Т.Тревевеллера, имитирующая боевые действия.

Суть игры состоит в том, чтобы определить состав флотилии, способной

нанести поражение в условиях неизменяемого множества правил. Система

EURISCO включила в состав флотилии небольшие, способные провести

быструю атаку корабли и одно очень маленькое скоростное судно и

постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении

воспрепятствовать этому правила игры меняли каждый год.

Большинство ДС включают знания, по содержанию которых их можно

отнести одновременно к нескольким типам. Например, обучающая система может

также обладать знаниями, позволяющими выполнять диагностику и планирование.

Она определяет способности обучаемого по основным направлениям курса, а

затем с учетом полученных данных составляет учебный план. Управляющая

система может применяться для целей контроля, диагностики, прогнозирования

и планирования. Система, обеспечивающая сохранность жилища, может следить

за окружающей обстановкой, распознавать происходящие события (например,

открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в

дом) и составлять план действий (вызвать полицию).