Может обеспечиваться принятие медицинских решений
[22]
Стандарт представления электронного медицинского документа должен удовлетворять принципам:
1. принцип рациональной достаточности при обеспечении безопасности
2. принцип надежности
3. принцип порядка прав доступа
4. принцип точности
5. принцип единого информационного пространства
[23]
Cтандарт DICOM используется для
1. классификации хирургических операций
2. классификации умственных отклонений
3. систематизации медицинских терминов
4. передачи медицинских изображений
[24]
Перспективные направления международной стандартизации
1. стандартизация архитектур и принципов взаимодействия средств телекоммуникаций
2. отказ от жесткой централизации управления данными и процессами
3. развитие электронного документооборота
№12
[1]
Клинические системы поддержки принятия решений - это
1. Информационные системы
2Сетевые базы данных это
1. метод представления знаний, в основе лежит понятие сети, вершинами которой являются рабочии станции
2. метод представления знаний, в основе лежит понятие сети, вершинами которой являются понятия, соответствующие объектам, событиям, процессам, явлениям, а дугами - отношения между этими понятиями
3. модель простейшей и наиболее привычной формой представления данных в виде таблицы
[2]
Главная особенность клинических систем поддержки принятия решений
1. сетевое программное обеспечение
2. наличие человека-эксперта
3. механизмы поддержки принятия врачебных решений
4. база знаний
[3]
Основные свойства клинических систем поддержки принятия решений
1. Реализация механизмов поддержки принятия решений врача
2. Дистанционный доступ к информации о лечении и обследовании пациентов
3. Использование математических моделей
4. Простота обучения и легкость использования системы
5. Формализация знаний
6. Высокая скорость работы системы
[4]
Эффекты от внедрения клинических систем поддержки принятия решений
1. Повышение безопасности пациентов
2. Повышение качества лечения
3. Использование компьютеров в медицине
4. Рационализация расходов на лечение пациентов
5. Проведение проспективных рандомизированных исследований
[5]
Факторы, приводящие к повышению качества лечения в результате внедрения клинических информационных систем (процесс диагностики)
1. Улучшение организации работы лабораторной службы
2. Улучшение организации работы диагностических кабинетов
3. Использование механизмов поддержки врачебных решений
4. Уменьшение затрат времени персонала на ведение текущей документации
5. Уменьшение затрат времени персонала на составление отчетов и ведение журналов
6. Уменьшение количества ошибок при выполнении назначений
7. Предоставление персоналу доступа к архиву историй болезни
[6]
Факторы, приводящие к повышению качества лечения в результате внедрения клинических информационных систем (процесс лечения(врачи))
1. Приобретение знаний
2. Использование механизмов поддержки врачебных решений
3. Облегчение следованию стандартным протоколам лечения и обследования
4. Уменьшение затрат времени на ведение текущей документации
5. Обеспечение мгновенного доступа к архивным историям болезни
6. Прогнозирование
[7]
Факторы, приводящие к повышению качества лечения в результате внедрения клинических информационных систем (процесс лечения (средний медперсонал))
1. Уменьшение количества ошибок при выполнении назначений
2. Обеспечение мгновенного доступа к архивным историям болезни
3. Уменьшение затрат времени на составление сводок и отчетов, ведение журналов
4. Уменьшение затрат времени на контакты с лабораторно-диагностической службой
[8]
Факторы, приводящие к повышению качества лечения в результате внедрения клинических информационных систем (для администрации)
1. Обеспечение круглосуточной доступности информации по лечению и обследованию пациентов из любой точки больницы и за ее пределами
2. Обеспечение индикации невыполненных работ (консультаций специалистов, обследований, наблюдений дежурных врачей)
3. Уменьшение затрат времени на контакты с лабораторно-диагностической службой
4. Обеспечение возможности анализа архивных историй болезни посредством выполнения произвольных запросов
[9]
Механизмы рационализации расходов на лечение
1. Персонифицированное распределение медикаментов
2. Использование системы управления базами данных
3. Предупреждения о неэффективных сочетаниях назначаемых препаратов
4. Поддержка врачебных решений для уменьшения количества осложнений
5. Поддержка врачебных решений для исключения необоснованных обследований
6. Поддержка врачебных решений для уменьшения среднего срока госпитализации
[10]
Прогнозирование - это (указать все правильные определения)
1. Количественная оценка состояния объекта
2. Вероятное суждение о состоянии какого-либо явления в будущем
3. Специальное научное исследование перспектив развития какого-либо явления
4. Статистическая модель
[11]
Прогнозирование используется для
1. составления математической модели
2. управления состоянием объекта с целью оптимизации принимаемых решений
3. приобретения знаний
4. полноценного общения экспертов и инженеров знаний
[12]
Основные способы прогнозирования
1. Экстраполяция
2. Моделирование
3. Индукция
4. Экспертиза
5. Дедукция
[13]
Основные этапы типовой методики прогнозирования
1. предпрогнозная ориентация
2. создание базы данных
3. прогнозный фон
4. работа с базой знаний
5. исходная модель
6. поисковый прогноз
7. нормативный прогноз
8. оценки степени достоверности и уточнение прогностических моделей
9. выработка рекомендаций для оптимизации решений
[14]
Использование моделей позволяет
1. прогнозировать свойства и дальнейшее поведение реального объекта
2. отображать реальный мир вещей и явлений
3. решать кибернетические задачи
4. вычислять статистические функции
[15]
Модель - это:
1. Искусственно созданный человеком объект любой природы
2. Объект, позволяющий давать новую информацию о прототипе
3. Математическая функция
4. Все перечисленное верно
[16]
Объектами исследования в медицине являются:
1. Живой организм в целом
2. Биологические процессы
3. Отдельные системы организма
4. Все перечисленное верно
[17]
В медицине используются следующие модели:
1. Биологические
2. Кибернетические
3. Технические
4. Аналоговые
5. Дифференциальные
6. Математические
[18]
К биологическим предметным моделям относятся:
1. Результаты химических экспериментов
2. Лабораторные животные
3. Культуры клеток
4. Изолированные органы
5. Технические устройства
[19]
К аналоговым моделям относятся
1. действие медицинских препаратов на организм
2. физические системы или устройства
3. аппараты, имитирующие работу различных органов
4. культуры клеток
5. лабораторные животные
[20]
К кибернетическим моделям можно отнести
1. устройства, имитирующие информационные процессы прототипа
2. технические устройства, заменяющие органы и системы живого организма
3. методы лечения
4. системы уравнений, описывающих свойства изучаемых объектов
[21]
Математическая модель - это
1. устройства, имитирующие информационные процессы прототипа
2. система уравнений, формул, описывающая свойства прототипа
3. компьютер
4. лабораторные животные
[22]
Преимущества использования моделей в изучении реального мира
1. существенное снижение материальных затрат
2. возможность за короткое время "разыграть" большое число вариантов опыта
3. облегчение решения задач по лечению болезней
4. все перечисленное верно
[23]
Для чего используется моделирование роста популяции микроорганизмов:
1. получения модели воспалительного процесса в организме
2. прогнозирования эпидемической ситуации в регионе
3. изменение числа особей антагонистических видов животных
[24]
Может ли в реальных условиях в ограниченном пространстве происходить неограниченный рост бактерий?
1. Может при условии достаточного количества питательных веществ
2. Не может
3. Может, при условии, что период генерации бактерий очень короткий, а фактор самоотравления очень низкий
[25]
Моделирование роста популяции микроорганизмов позволяет
1. Определить численность и скорость развития популяции патогенных микроорганизмов при воспалительных процессах
2. Определить начальное количество патогенных микроорганизмов
3. Определить скорость погибания популяции микроорганизмов с течением времени
4. Определить период размножения микроорганизмов
[26]
От чего зависит коэффициент альфа (относительная скорость роста численности популяции микроорганизмов)?
1. коэффициент зависит от количества бактерий
2. коэффициент не зависит от вида организмов, т.к. является постоянной величиной в модели
3. коэффициент зависит от вида организмов, а также от состава среды и физических условий где они размножаются
[27]
С чем связана величина коэффициента альфа (относительная скорость размножения микроорганизмов)?
1. Ни с чем не связана
2. Связана с временем моделирования
3. Связана с начальным количеством особей
4. Связана с периодом деления бактерий
5. Здесь нет правильных ответов
[28]
Что такое период генерации в модели роста численности популяции микроорганизмов?
1. Период между началом работы модели и ее остановкой
2. Промежуток времени, за который численность популяции увеличивается втрое
3. Промежуток времени между последовательными делениями микроорганизмов
4. Разница между начальным и конечным количеством бактерий
[29]
Какой вид зависимости характеризует первичное уравнение модели роста численности микробов (без факторов самоотравления)?
1. Линейная зависимость
2. Обратно-пропорциональная зависимость
3. Экспоненциальная зависимость
4. График зависимости представляет собой параболу
[30]
Что препятствует росту бактерий в реальных условиях?
1. Слишком высокий период генерации
2. Истощение запаса питательных веществ
3. Продукты жизнедеятельности организмов
4. Небольшое время моделирования
№13
[1]
Выберите корректные определения экспертной системы (их может быть более одного)
1. Совокупность данных, слагающих СУБД для данной предметной области
2. Система искусственного интеллекта, созданная для решения задач в конкретной предметной области
3. Реляционная база данных в узкой области знаний
4. База знаний, без системы ее управления
5. Система управления базой знаний
6. Система искусственного интеллекта, предназначенная для решения широкого спектра задач
[2]
Возможна ли искусственная экспертная система без участия системы искусственного интеллекта?
1. возможна, если есть готовая база знаний
2. возможна, если речь идет о человеке-эксперте
3. нет
4. да, если в базе данных данные объединены в знания, слагающие базу знаний
[3]
Отличаются ли эвристические правила от законов?
1. нет, не отличаются
2. практически ничем, так как и то и то - знания
3. Отличаются: эвристические правила - это не общепринятые закономерности, они не имеют строгого научного доказательства
4. Отличаются: эвристические правила - прерогатива искусственного интеллекта, а законы открыты людьми
[4]
Является ли понятие "предметной области" обязательным для определения понятия экспертной системы? (выберите наиболее полный
и правильный ответ)
1. Нет, принципиально не является
2. Без этого понятия определение экспертной системы невозможно
3. Является обязательным, так как через предметную область определяется понятие "искусственного интеллекта"
[5]
Что такое "эвристическое правило"?
1. Это любое знание: закон, закономерность общего или частного (не общепринятого) характера
2. Закономерность общепринятого характера
3. Закон из какой-либо сферы заний или науки (биологии, физики, химии и т.д.)
4. Закономерность не общепринятого характера, сформулированная экспертом
5. Любое из знаний, слагающих все, что известно человечеству
[6]
Назовите режимы работы экспертных систем
Приобретение знаний
2. коррекция баз данных
3. коррекция баз знаний
Решение задач
5. диагностика
6. планирование
7. прогнозирование
[7]
Как связаны универсальность и мощность экспертных систем?
1. прямой связью: чем выше универсальность, тем больше мощность
2. обратной связью: рост универсальности приводит к падению мощности
3. никак не связаны - все зависит от конкретной базы знаний
4. никак не связаны: это определяется базами данных и знаний
[8]
Что такое программа "MICYN" и какова ее экспертная специализация?
1. база данных всех известных микроорганизмов
2. это не программа, а название первой серии нейрокомпьютеров
3. экспертная система по диагностике инфекционных заболеваний крови и их лечению
4. экспертная система с базой данных лекарстенных препаратов
[9]
От чего в первую очередь зависит эффективность решения экспертных задач?
1. От совершенства общей стратегии поиска
2. От качества и "мощности" схем логического ввывода (поиска)
3. От конкретных знаний в предметной области, к которой относится данная задача
[10]
Кто такие ИНЖЕНЕРЫ ЗНАНИЙ?
1. эксперты предметной области
2. программисты
3. посредники между экспертами и компьютерными системами
[11]
Укажите основные проблемы (трудности) при создании экспертных систем
1. Корректная постановка задачи
2. Малая производительность компьютеров
3. Приобретение знаний
4. Большая трудоемкость процесса непосредственного создания ЭС
5. Невозможность полноценного общения экспертов и инженеров знаний
[12]
Сколько КАТЕГОРИЙ ВЗАИМОДЕЙСТВИЯ экспертной системы принято различать
1. 2
2. 3
3. есть только одна категория
4. любое количество
[13]
Что такое ПОДСИСТЕМА ПРИОБРЕТЕНИЯ ЗНАНИЙ ЭС?
1. подсистема, предназначенная для общения ЭС с группой экспертов и инженеров знаний
2. система общения экспертной системы и эксперта в режиме работы
3. СУБД для заполнения базы данных
4. Любая реляционная база данных
[14]
Можно ли представить экспертную систему, реализованную без участия компьютера?
1. Принципиально невозможно
2. Можно, если в роли компьютера будет какое-то иное устройство, имитирующее интеллектуальное поведение
3. Экспертной системой можно назвать человека-эксперта, назвав его не искусственной, а естественной (биогенной) ЭС
[15]
Достаточно ли базы данных для конструирования экспертной системы
1. нет, не достаточно, так как "морфологическим субстратом" ЭС являются не данные, а знания
2. относительно достаточно, однако первым этапом долна быть трансформация базы данных в базу знаний, на основании которой далее можно создавать ЭС
3. достаточно, так как любая база знаний предполагает "реляцию", т.е. взаимосвязь между данными, а это уже является знанием
4. база данных сама по себе - экспертная система
[16]
Является ли база знаний экспертной системы переменной?
1. нет
2. да
[17]
Какова специализация экспертной системы DENDRAL?
1. ботаника
2. физика
3. дермато-венерология
4. химия
5. биология
6. микробиология
[18]
Что является динамической основой функционирования экспертных систем?
1. символьные правила орфографии
2. эвристические правила
3. правила заполнения баз данных
[19]
Что определяет текущие "интеллектуальные способности" экспертной системы?
1. подсистема приобретения знаний
2. база знаний
3. диалоговый процессор
[20]
Связаны ли между собой базы данных и знаний? Если да - то как, если нет - почему?
1. не связаны, так как это совершенно различные структуры
2. связаны, так как база данных - фундамент для базы знаний
3. очевидно связаны, так как это - одно и то же
[21]
Выберите известные вам экспертные системы, широко известные в мире
1. ACCESS
2. MICYN
3. EXCEL
4. DENDRAL
5. MSWORKS
6. NOVELL
[22]
Укажите функции, которые НЕ СВОЙСТВЕННЫ медицинским экспертным системам в режиме РАБОТЫ
1. экспертиза проектов
2. оценка квалификации специалиста
3. постановка диагноза
4. расширение базы диагнозов
5. оценка эффективности лечения
6. пополнение базы лекарственных средств
7. назначение схемы лечения
[23]
Может ли в режиме обучения расширяться база знаний экспертной системы не путем ввода данных экспертом, а путем опроса этого эксперта самой ЭС?
1. нет
2. да
3. может, но в режиме работы, а не в режиме обучения
[24]
С чем связана основная сложность проблемы приобретения знаний
экспертной системой?
1. с длительностью периода контакта эксперта и ЭС
2. только со сложностью формализации знаний экспертом
3. только с проблемой мощности компьютера
[25]
Функциональные блоки экспертных систем:
База знаний
2. блок "объяснения" вывода заключений