Eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen


Diplomarbeit, 1998

120 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

1 Einleitung
1.1 Motivation und Zielsetzung
1.2 Übersicht der Gliederung

2 Grundlagen
2.1 Benutzerschnittstellen
2.1.1 Einführung
2.1.2 Benutzeranalyse
2.1.3 Mentales Modell
2.1.4 Gestaltungsrichtlinien
2.1.5 Maskendesign
2.2 Medizinische Begriffe
2.2.1 Begriffe der klinischen Chemie
2.2.2 Das Referenzwert-Konzept
2.3 Vage Mengen
2.3.1 Einführung
2.3.2 Grundbegriffe der Fuzzy-Mengen
2.3.3 Linguistische Regeln
2.3.4 Zugehörigkeitsfunktionen
2.3.5 Praktische Erfahrungen mit Fuzzy-Regeln
2.4 Neuronale Netze
2.4.1 Grundlagen neuronaler Netze
2.4.2 RBF-Netze
2.4.3 Neuronale Netze und Fuzzy-Logik

3 Ein Konzept zur Benutzerschnittstelle
3.1 Zielsetzung und Übersicht
3.1.1 Anforderungen
3.1.2 Ein einführendes Beispiel
3.1.3 Struktur der Beispieldatensätze
3.1.4 Form der Fuzzy-Regel für Diagnosen
3.1.5 Der Zusammenhang zwischen Beispieldaten und Fuzzy-Regeln
3.2 Elemente der Benutzeroberfläche
3.2.1 Benutzeranforderungen
3.2.2 Die Beispieldaten
3.2.3 Eingangsvariablen, Terme und Zugehörigkeitsfunktionen
3.2.4 Ausgangsvariablen
3.2.5 Funktionalität zum Bearbeiten der Eingangs- und Ausgangsvariablen .
3.2.6 Eingabe einer Regel
3.2.7 Interne Regelpräsentation
3.2.8 Anordnung der Regeln
3.2.9 Ausgabe einer Regel mit vagen Intervallen
3.2.10 Ausgabe einer Regel mit linguistischen Termen
3.2.11 Ein neues Verfahren zur linguistischen Approximation
3.2.12 Darstellung und Reduzierung der Regelbedingungen
3.2.13 Optimierung und Reduzierung der Regeln
3.2.14 Generieren der Regeln
3.2.15 Generelle Funktionalität der Benutzeroberfläche
3.3 Kommunikationsprotokoll
3.4 Regelgenerierungsmethoden
3.4.1 RBF-Netzen zur Regelgenerierung
3.4.2 DDA-RBF-Verfahren
3.4.3 DDA-RecBF-Verfahren
3.4.4 Regelintegration
3.4.5 Regelextraktion

4 Implementierungskonzept und Gestaltungsideen
4.1 Allgemeines
4.2 Benutzeroberfläche
4.2.1 Maximale Größe einer Bildschirmmaske
4.2.2 Das Dokumenten-Konzept
4.2.3 Zuordnen der Bezeichner zu den Beispieldaten
4.2.4 Eingeben einer Meßgröße und der Meßbereichkategorien
4.2.5 Eingabe einer Diagnose
4.2.6 Eingabe einer Regel
4.3 Regelgenerierungsmethoden
4.4 Kommunikationsprotokoll

5 Eine Beispielanwendung: Die Diagnose von Lebererkrankungen
5.1 Einführung
5.2 Beispiel daten
5.3 Regelgenerierungsverfahren
5.4 Die gelernten Regeln
5.5 Laufzeitverhalten

6 Zusammenfassung und Ausblick

7 Literaturverzeichnis

8 Anhänge
Anhang A: Header File der Schnittstelle
Anhang B: Erläuterungen zu den Meßgrößen der Beispielanwendung
Anhang C: Ergebnis der Beispielanwendung (linguistische Regeln)
Anhang D: Ergebnis der Beispielanwendung (“exakte” Regeln)
Anhang E: Weitere Bildschirmmasken

1 Einleitung

1.1 Motivation und Zielsetzung

Medizin ist ohne eine umfassende und sorgfältig geplante Erhebung und Verarbeitung von Informationen nicht möglich. Beispielsweise ist in Krankenhäusern eine adäquate Informations­logistik wesentlich für die Qualität der Patientenversorgung, oder eine adäquate Präsentation und systematische Aufbereitung von Bild- und Biosignalbefunden relevant für die diagnostische und therapeutische Entscheidungen. Von entsprechender Wichtigkeit ist eine systematische Reprä­sentation von ärztlichem Wissen über die Diagnostik und Therapie von Erkrankungen und der Aufbau von Wissensbanken zur Entscheidungsunterstützung des Arztes [Trampi+92].

Oft fehlen zur diagnostischen Entscheidung bei ähnlichen Krankheitsbildern von unterschiedlichen Krankheiten Regeln, oder das Krankheitsbild kommt bei der Krankheit selten vor und gerät somit beim Arzt bzgl. der Zuordnung dieses Krankheitsbild zur Krankheit in Vergessenheit. Das Vorhandensein von Regeln zur Diagnose aus medizinischen Daten[1]würde eine Differentialdiagnose[2]enorm unterstützen. Regeln für medizinische Diagnosen bieten objektive Kriterien zur Diagnose, so daß ausgefallene individuelle Interpretationsergebnisse, z.B. durch das Vergessen von seltenen Krankheitsbildern bei Krankheiten, vermieden werden können. Die Regeln können ebenfalls verwendet werden, um Wissensbanken von Expertensystemen zu füllen. Regeln für medizinische Diagnosen gewährleisten somit eine verbesserte oder zumindest eine konstante Qualität bei der medizinischen Versorgung.

In dieser Arbeit wird ein Konzept für eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen entwickelt. Das Konzept wird anschließend in ein Anwendungs­programm (“Analyst”) umgesetzt. Ziel des Konzepts ist, daß für medizinisches Personal Regeln für Diagnosen aus medizinischen Daten automatisch generiert werden. Auch bereits bekannte Regeln für Diagnosen können vom Benutzer eingegeben und vom System bei der Regel­generierung mitberücksichtigt werden.

Regeln können durch Angabe von Intervallen (WENNBlutzucker in [200 - 400] mg/dl DANN Diabetes Mellitus) oder linguistisch (WENN Blutzucker hoch DANN Diabetes Mellitus) eingegeben bzw. dargestellt werden.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 1: Benutzerschnittstelle zur vagen Regelgenerierung

Die Arbeit mit einem Software-System kann zu erheblichen Arbeitsbelastungen führen. Ist beispielsweise die Dateneingabe zu umständlich oder beurteilt der Anwender das Software­System als “unbrauchbar”, so wird die Anwendung erst gar nicht eingesetzt. Eine gute Arbeitsmotivation und eine gute Benutzerakzeptanz der Software hängt zu einem bedeutenden Teil von der Qualität der Benutzeroberfläche ab. Bei der Konzeption und Implementierung einer Benutzerschnittstelle müssen daher arbeitswissenschaftliche Erkenntnisse der Software­Ergonomie einfließen. Ein nach softwareergonomischen Grundsätzen ausgerichtetes Dialog­system trägt dazu bei sowohl die Arbeitsproduktivität als auch die Arbeitszufriedenheit der Anwender zu verbessern. Aus diesen Gründen wurde in dieser Arbeit besonders Wert auf die Gestaltung einer medizinergerechten Benutzeroberfläche gelegt.

Ein weiteres Problemfeld bildet die automatische Diagnose. In dieser Arbeit wurde für die Analyse der Daten das Paradigma der künstlichen neuronalen Netze eingesetzt. Neuronale Netze, oft auch als künstliche neuronale Netze (artificial neural networks) bezeichnet, sind informationsverarbeitende Systeme, die aus einer großen Anzahl von einfachen Einheiten (Units, Zellen, Neuronen) bestehen. Diese Einheiten sind untereinander verbunden, so daß ein gerichteter Informationsfluß existiert. Dieses Modell der Informationsverarbeitung ist dem Gehirn nachgebildet worden. Ein wesentlicher Vorteil von künstlichen neuronalen Netzen ist ihre Lernfähigkeit, die Fähigkeit, eine Aufgabe selbständig aus Trainingsdaten zu lernen, ohne daß das neuronale Netz dazu explizit programmiert werden muß. Die Lernfähigkeit der neuronalen Netze wird zur Generierung der Regeln eingesetzt. Das Lernen der gewünschten Fähigkeit ist ein “langwieriger” Prozeß, bei dem eine umfangreiche Trainingsdatenmenge benötigt wird. Durch geschicktes Initialisieren des neuronalen Netzes kann die Lerndauer und somit auch die benötigte Trainingsdatenmenge stark reduziert werden. Das Initialisieren des neuronalen Netzes erfolgt durch die Interpretation der vom Anwender eingegebenen Regeln.

Das durch die medizinischen Daten trainierte neuronale Netz wird anschließend dem Anwender mit Hilfe von linguistischen Regeln bzw. Regeln mit unscharfen Intervallen dargestellt. Weil je nach Problemschwerpunkt, ein anderes neuronales Netz ein besseres Ergebnis liefern kann, wurde die Benutzeroberfläche so gestaltet, daß ein beliebiges neuronales Netz zur Regel­generierung angebunden werden kann, ohne daß hierzu eine Bearbeitung des Programmcodes der Benutzeroberfläche notwendig ist. Aus diesem Grund wurde eine Schnittstelle zur Kommunikation zwischen der Benutzeroberfläche und dem eigenständigen Modul zur Regelgenerierung entworfen. Das System, die Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen (“Analyst”), stellt eine Schnittstelle zwischen dem Anwender und einem neuronalen Netz dar. Das Entwickeln eines geeigneten neuronalen Netzes zur Regelgenerierung ist nicht Bestandteil dieser Arbeit, aber zur Demonstration der Benutzeroberfläche und der Schnittstelle zum Regelgenerierungsmodul wurden verschiedene neuronale Netze implementiert, die in dieser Arbeit auch erläutert werden.

1.2 Übersicht der Gliederung

Innerhalb des Kapitel 2 Grundlagen werden die Grundlagen, die zum Verständnis der Arbeit notwendig sind, vermittelt. Zu den Grundlagen gehören die Grundlagen von Benutzerober­flächen, die Erläuterung medizinischer Begriffe, sowie eine Einführung in die Verarbeitung von vagen Mengen (Fuzzy-Mengen) und vagen Regeln (Fuzzy-Regeln). Neuronale Netzen, die zur Regelgenerierung herangezogen werden können, werden erläutert. Fuzzy-Regeln und neuronale Netze lassen sich zu sog. Neuro-Fuzzy-Systemen kombinieren. Hierbei spielen sog. RBF-Netze eine besondere Rolle, weil diese Netzarchitektur einen direkten Wissenstransfer von neuronalen Netzen zu Fuzzy-Regeln und umgekehrt unterstützen.

Das Kapitel 3 Ein Konzept zur Benutzerschnittstelle stellt die unterschiedlichen Probleme dar, die bei einem Entwurf (Konzeption) einer Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen entstehen. Für die einzelnen Problempunkte werden verschiedene Lösungsansätze ausgearbeitet und diskutiert. Der Schwerpunkt des Kapitel 3 liegt in der Erarbeitung eines Konzepts. Probleme, die bei der Realisierung entstehen können, werden in den Kapitel nicht untersucht. Die Ausarbeitung des Konzepts für die Benutzerschnittstelle erfolgt somit programmiersprachen- und basismaschinen[3]-unabhängig. Im Kapitel werden die notwendigen Eingabedaten und die Verarbeitung sowie Präsentation der Augabedaten und dazu alternative Ansätze besprochen.

Im Kapitel 4 Implementierungskonzept und Gestaltungsideen wird auf die Probleme bei einer Realisierung des im Kapitel 3 vorgestellten Konzepts eingegangen und verschiedene Lösungsansätze diskutiert. In den Kapitel werden auch auf Gestaltungsideen für den Dialogaufbau und die Bildschirmmasken eingegangen.

Innerhalb des Kapitel 5 Eine Beispielanwendung: Die Diagnose von Lebererkrankungen wird die Anwendung des Systems und damit auch des Konzepts anhand einer Beispieldatensammlung von medizinischen Daten zur Diagnose von Lebererkrankungen veranschaulicht.

Zum Schluß wird im Kapitel 6 Zusammenfassung und Ausblick eine Zusammenfassung der in der Arbeit gefundenen Ergebnisse gegeben und Möglichkeiten aufgezeigt, wie die Benutzerschnittstelle, d.h. die Benutzeroberfläche, der Regelgenerierungsalgorithmus und die Schnittstelle verbessert werden kann.

2 Grundlagen

In den folgenden Abschnitten werden die Grundlagen, die zum Verständnis der Arbeit notwendig sind, erläutert. Da das Hauptaugenmerk dieser Arbeit auf der Konzeption einer benutzerfreundlichen Software, die von medizinischen Personal benutzt werden soll, liegt, wird ein detaillierter Überblick in die Grundlagen von Benutzeroberflächen gegeben. Die im Konzept verwendeten medizinische Begriffe werden in einem Abschnitt erläutert. Bei den generierten Regeln handelt es sich um vage Regeln (Fuzzy-Regeln), so daß ein Abschnitt eine Einführung in die Fuzzy-Theorie gibt. Die Regelgenerierung kann mit einen beliebigen Verfahren erfolgen. In dieser Arbeit ist das Verfahren der Regelgenerierung kein Schwerpunkt. Zum besseren Verständnis des Gesamtkonzeptes werden unterschiedliche Verfahren vorgestellt, die alle auf neuronalen Netzes, speziell auf RBF-Netzen basieren. Im letzten Abschnit der Grundlagen wird deshalb eine Einführung in neuronale Netze gegeben. Exemplarisch wird auf RBF-Netze eingegangen.

2.1 Benutzerschnittstellen

Dieser Abschnitt soll die Bedeutung einer benutzerfreundlichen Bedieneroberfläche aufzeigen. Dabei werden die Grundlagen, die zum Entwickeln einer ergonomischen Benutzeroberfläche notwendig sind, vermittelt. Auf verschiedene Gestaltungsrichtlinien wird eingegangen, weil diese beachtet werden müssen, wenn man eine optimale Benutzeroberfläche erstellen möchte.

2.1.1 Einführung

Eine Benutzerschnittstelle dient zur Interaktion zwischen Benutzer und Computer. Geeignete Methoden der Präsentation von Informationen gestatten es dem Benutzer Eingaben zu tätigen, die dann vom Computer interpretiert werden können, bzw. ermittelte Daten vom Computer dem Benutzer anzuzeigen. Die Gestaltung der Benutzeroberfläche wird bestimmt durch die Arbeitsaufgabe und den Fähigkeiten, Kenntnissen und Fertigkeiten der Benutzer, um deren Bedürfnissen optimal im Sinne der Benutzerfreundlichkeit zu entsprechen.

Um die Bedeutung einer guten Benutzerschnittstelle zu verdeutlichen, folgen einige Zitate aus [KöhBun94]:

- Im Jahre 2000 werden fast 90 Prozent aller Berufstätigen mit Computertechnologien am Arbeitsplatz konfrontiert sein. Es werden jedoch lediglich 20 Prozent der Berufstätigen aufgrund ihrer Primärausbildung dazu qualifiziert sein.
- Die Mensch-Computer-Schnittstelle entscheidet in zunehmenden Maße über Erfolg und Mißerfolg von Computersystemen.
- Nach der Anwender-Schnittstelle beurteilt der Benutzer die Qualität des Systems. Ist das System mit einer schlecht entworfenen Schnittstelle versehen, so wird es - ungeachtet seiner Fähigkeiten - vom Benutzer abgelehnt werden.
- Eine schlecht entworfene Schnittstelle kann den Anwender dazu bringen katastrophale Fehler zu machen.

Wie aus den Zitaten zu erkennen ist, spielt die Gestaltung der Benutzerschnittstelle eine große Rolle im Entwurf einer Software-Applikation. Aber auch heute noch gibt es Applikationen bei denen mehr Wert auf die implementierten Algorithmen, als auf ein gutes Dialogdesign[4] gelegt worden ist. Der Schwerpunkt dieser Arbeit ligt auf einem optimalen Dialogdesign und somit einer guten Software-Ergonomie.

Das wissenschaftliche Arbeitsgebiet Mensch-Maschine-Interaktion (human-computer interaction, auch Mensch-Computer-Interaktion oder Mensch-Maschine-Kommunikation genannt), das die Gestaltung von Benutzeroberflächen beinhaltet, ist ein interdisziplinäres Forschungsfeld im Schnittpunkt von Informatik, Psychologie und Arbeitswissenschaft. Innerhalb der Mensch­Maschine-Interaktion faßt man begrifflich alle Phänomene zusammen, die im Zusammenhang der Benutzung von Computern durch den Menschen, insbesondere bei Dialogsystemen, auftreten. Es lassen sich Software-Ergonomie (benutzergerechte Gestaltung von Dialogsystemen und Benutzerschnittstellen, Theorie der Informationsdarstellung) und Hardware-Ergonomie (menschengerechte Gestaltung von Endgeräten und Computerarbeitsplätzen) als wesentliche Teilgebiete der Mensch-Maschine-Interaktion unterscheiden [Schnei97].

Abbildung in dieser Leseprobe nicht enthalten

Abb. 2: Forschungsstrategien und -methoden im Bereich der Software-Ergonomie [Balzer+88]

Abb. 2 zeigt ein Modell für Forschungsstrategien und -methoden im Bereich der Software­Ergonomie. Dieses Modell verdeutlicht die unterschiedlichsten Einflüsse auf das Dialogdesign einer Software. Die einzelnen Punkte des Modells und alternative Forschungsstrategien werden in [Balzer+88] diskutiert. In dieser Arbeit werden nur die Teilbereiche detaillierter beschrieben, die für das Dialogdesign und der Implementierung eines Dialogsystems von Relevanz sind. In den folgenden Abschnitten werden Dialogprinzipien mit Richtlinien und Normen zur Benutzer­oberflächengestaltung, ein Konzept zur Benutzeranalyse, ein Arbeitsmodell von Software­Anwendern und Grundsätze zum Maskendesign beschrieben.

2.1.2 Benutzeranalyse

Der zukünftige Benutzer des Anwendungssystems spielt eine entscheidende Rolle bei dem Dialogdesign. Aufgabe des Dialogdesigns ist es die Dialoge optimal auf die späteren Benutzer anzupassen, d.h. die gewohnte Terminologie der Benutzer verwenden und den gewohnten Arbeitsablauf zu simulieren. Außerdem soll Benutzern, die nur sporadisch mit dem Anwendungs­system arbeiten, vermehrt Hilfestellungen gegeben werden; dagegen Benutzern, die das Anwendungssystem regelmäßig nutzen Abkürzungen zur Verfügung gestellt werden. Tabelle 2 zeigt ein Minimalkonzept von Differenzierungsmerkmalen zur Klassifikation von Benutzergruppen nach [KöhBun94]. Dies kann für eine Benutzeranalyse in vielen Fällen ausreichend sein.

Die vier Unterscheidungsmerkmale haben folgende Aussagekraft:

- die EDV-Kenntnisse entscheiden, inwieweit der Benutzer technische Hintergrundinforma­tionen versteht und sich bei Fehlern selbst zu helfen weiß.
- Fachkenntnisse entscheiden darüber, welche Terminologie der Benutzer im Dialog erwartet und in welchem Kontext er das Dialogsystem sieht.
- Fertigkeiten in der Beherrschung von Systemen bestimmen, welche Informationseinheiten ein Benutzer aufnehmen und verarbeiten kann. Ein Anfänger ist zumeist überfordert, wenn er ganze Befehlsfolgen ohne Hilfe reproduzieren soll. Ein erfahrener Benutzer kann durch Unterforderung “überfordert” werden, d.h. wenn er sich bei derselben Aufgabe immer wieder durch eine starre Menüfolge durcharbeiten muß.
- Häufigkeit und Regelmäßigkeit der Nutzung bestimmen, wieviele Hilfsinformationen ein Benutzer bei der Systembenutzung benötigt.

Abbildung in dieser Leseprobe nicht enthalten

Das Dialogdesign sollte die am häufigsten auftretenden Benutzergruppen am stärksten berücksichtigen. Die Zugehörigkeit eines Benutzers zu einer Benutzergruppe ist aber nicht fest. So steigen Benutzer bei längerer Benutzung des Anwendungssystems - bedingt durch einen Lerneffekt - in eine höhere Benutzergruppe auf. Beim Dialogdesign müssen somit Benutzer­gruppen berücksichtigt werden, die am Anfang noch nicht vertreten sind.

Beim Dialogdesign ist die gedankliche Vorstellung (mentales Modell), die der Benutzer von einer Anwendung besitzt zu berücksichtigen, da der Benutzer effektiver mit der Anwendung arbeitet je stärker sich die gedankliche Vorstellung der Anwendung mit der reellen Funktions­weise der Anwendung übereinstimmt.

2.1.3 Mentales Modell

Jeder Anwender eines Computersystems hat eine gedankliche Vorstellung von der Funktions­weise seines Computersystems - das gilt für Hardware als auch für Software und stimmt für Neueinsteiger wie für Experten (Handlungstheorie aus der Arbeitspsychologie). Diese gedank­lichen Vorstellungen werden im Bereich der Software-Ergonomie mentales Modell genannt. Jeder Anwender kreiert im Laufe des Umgangs mit dem Software-System ein mentales Modell, das seine Vorstellungen von den Funktionen des Systems und der Behandlung der Daten und Informationen, mit denen der Benutzer arbeitet, enthält. Auf Grundlage des mentalen Modells bildet der Anwender Hypothesen darüber, wie sich die Anwendung verhält und basierend auf diesen Hypothesen wählt er seine Aktionen. Solche mentalen Modelle sind nie vollständig und werden bei jeder erneuten Arbeit mit dem System erweitert und verändert. Ein mentales Modell vom System existiert bereits vor dem ersten Arbeiten mit dem System. Das erste mentale Modell wird aus den Erfahrungen mit anderen Systemen und aus Analogien zu real existierenden Arbeitsabläufen gebildet [FörVog94].

So wird beim erstmaligen Umgang mit einem Textverarbeitungssystem als mentales Modell das Modell einer Schreibmaschine herangezogen. Hier zeigt sich allerdings bald der erste Unterschied: die Return-Taste besitzt nicht die erwartete Funktion wie die Wagenrücklauftaste der Schreibmaschine, sondern die Return-Taste erzeugt einen Absatzwechsel. Dies führt beim Anwender zu einer Änderung des mentalen Modells.

Es gilt als psychologisch gesichert, daß der Güte eines mentalen Modells eine entscheidende Rolle bei der effizienten Nutzung der Software zukommt. Es ist offensichtlich, daß ein Benutzer eine Software besser beherrscht, je stärker sich die Arbeitsweise des Systems mit den Vorstellungen des Benutzers (mentales Modell) deckt. Somit ergibt sich die Notwendigkeit, daß schon vor Entwicklung der Software überlegt werden soll, welche mentalen Modelle bei den zukünftigen Benutzern hervorgerufen werden können und diese versucht werden in das Softwaresystem zu integrieren [FörVog94]. Diese Vorgehensweise ist deshalb von Vorteil, da die meisten Anwender eine neue Applikation nicht über das Benutzerhandbuch kennenlernen und somit ein angepaßtes mentales Modell bilden können, sondern indem die Leistungen der Anwendung aktiv ausprobiert wird.

2.1.4 Gestaltungsrichtlinien

Ein Schema eines Anforderungsprofils für Software wird in Abb. 3 dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 3: Schema eines Anforderungsprofils für Software [KöhBun94]

Es wird deutlich, daß verschiedene Aspekte eine Benutzerakzeptanz ausmachen. In Normen und Richtlinien zur Gestaltung von Benutzeroberflächen wurden diese Aspekte eingearbeitet. Als Dialogprinzipien der Mensch-Computer-Kommunikation[5] sind Aufgabenangemessenheit, Erwartungskonformität, Fehlerrobustheit, Selbstbeschreibungsfähigkeit, Steuerbarkeit, Erlern­barkeit und Individualisierbarkeit zu nennen. Die Dialogprinzipien gelten nach der internationalen Norm ISO 9241/10 [Schnei97] und nach der deutschen Norm DIN 66234/8 [KöhBun94]. Bei diesen ergonomischen Normen handelt es sich um Richtlinien, die in vielen Details vage bleiben. Sie dienen dazu eine Mindestanforderung an Software herauszugeben, die dazu beitragen soll, daß sich kein niedriger Standard durchsetzt, der zu Lasten der Benutzer der Systeme geht. Nachfolgend werden die einzelnen Dialogprinzipien nach DIN 66234/8 erläutert [ZeiZel94], sowie Regeln des Dialogdesgins und die Thesen der Software-Ergonomie.

DIN 66234/8

1. Aufgabenangemessenheit

“Ein Dialog ist aufgabenangemessen, wenn er die Erledigung der Arbeitsabläufe des Benutzers unterstützt, ohne ihn durch die Eigenschaft des Dialogsystems unnötig zu belasten.”

Die Kommunikation mit dem System soll den Bedürfnissen des Anwenders bei der Erledigung seiner Aufgabe entsprechen. Der Anwender ist daran interessiert, eine ihm gestellte Aufgabe möglichst schnell und fehlerfrei zu erledigen. Somit muß die Applikation den Benutzer die notwendige Funktionalität zur Durchführung der Aufgabe bereitstellen. Diese Funktionen sollen performant sein und somit unnötige Wartezeiten vermeiden. Ein weitverbreiteter Stressfaktor
sind zu lange Wartezeiten. Das System sollte bei normalen Aktionen innerhalb von 2 sec reagieren, bei komplexeren Tätigkeiten sollte die Antwortzeit unter 10 sec bleiben [FörVog94]. Der Benutzer soll von EDV-technischen Belangen ferngehalten werden, so daß er sich auf seine eigentliche Aufgabe konzentrieren kann.

2. Selbstbeschreibungsfähigkeit

“Ein Dialog ist selbstbeschreibungsfähig, wenn dem Benutzer auf Verlangen Einsatzzweck sowie Leistungsumfang des Dialogsystems erläutert werden können und wenn jeder einzelne Dialogschritt unmittelbar verständlich ist oder der Benutzer auf Verlangen zu dem jeweiligen Dialogschritt entsprechende Erläuterungen erhalten kann.”

Der Benutzer soll sich während der Aufgabenerledigung Vorstellungen von den Systemzusam­menhängen machen können. Es sollte dem Benutzer immer klar sein, welche Aktionen er ausführen kann und welche Auswirkung diese haben. Die Selbstbeschreibungsfähigkeit kann durch Hilfesysteme unterstützt werden (Selbstbeschreibungsfähigkeit 2. Grades), von Vorteil ist aber eine Selbstbeschreibungsfähigkeit 1. Grades, d.h. das System ist unmittelbar selbstbeschrei­bend, ohne daß der Anwender explizit nach einer Erläuterung (Hilfesystem, Handbuch) verlangen muß.

3. Steuerbarkeit

“Ein Dialog ist steuerbar, wenn der Benutzer die Geschwindigkeit des Ablaufs sowie die Auswahl und Reihenfolge von Arbeitsmitteln oder Art und Umfang von Ein- und Ausgaben beeinflussen kann.”

Der Benutzer sollte jederzeit das Gefühl haben, daß er das System unter Kontrolle hat (z.B. durch die Möglichkeit jederzeit eine Aktion oder ein Dialog abbrechen zu können), da sonst durch das “ausgeliefert sein” das Vertrauen in die Software abnimmt. Außerdem sollte die Initiative beim Benutzer bleiben, damit er nicht zum bloßen “Anhängsel” der Maschine wird. Der Benutzer sollte die Reihenfolge der einzelnen Befehle, die zur Aufgabenerledigung führen, selbst bestimmen können und mehrere Möglichkeiten angeboten bekommen einen Befehl ausführen zu können. Assistenten / Wizards, die eine Aufgabe durch starre Benutzerführung erledigen, sollten daher gelegentlichen Anwendern vorbehalten sein, die das System nur sporadisch benutzen. Der Anwender sollte in der Lage sein, Art und Umfang von Ausgaben zu steuern, d.h. unterschiedliche Darstellungsweisen für die gleiche logische Information zu wählen.

4. Erwartungskonformität

“Ein Dialog ist erwartungskonform, wenn er den Erwartungen des Benutzer entspricht, die sie aus Erfahrung mit bisherigen Arbeitsabläufen oder aus der Benutzerschulung mitbringen sowie den Erfahrungen, die sie während der Benutzung des Dialogsystems und im Umgang mit dem Benutzerhandbuch bilden.”

Der Mensch bildet sich bei der Kommunikation ein Vorstellungsbild, auch bei einer Mensch­Computer-Kommunikation (siehe auch Abschnitt 2.1.3 Mentales Modell). Ein Dialogsystem sollte daher bemüht sein, die einmal gemachten Erfahrungen zu erfüllen (Konsistenz). Ausgaben, Rückmeldungen oder Fehlermeldungen sollen immer in einem einheitlichen Format erscheinen. Die Anforderung der Erwartungskonformität sollte es dem Benutzer erleichtern, sich ein einheitliches Bild vom System machen zu können.

5. Fehlerrobustheit

“Ein Dialog ist fehlerrobust, wenn trotz erkennbar fehlerhafter Eingaben das beabsichtigte Arbeitsergebnis mit minimalem oder ohne Korrekturaufwand erreicht wird. Dazu müssen dem Benutzer die Fehler zum Zwecke der Behebung verständlich gemacht werden.”

Der Begriff Fehler ist auch aus Sicht der Arbeitspsychologie zu sehen. Eine Fehlersituation bedeutet in diesem Fall eine Lernsituation, da der Benutzer sich ständig weiterentwickelt. Die Forderung nach Fehlerrobustheit schließt nun ein, daß dem Benutzer seine Fehler transparent gemacht werden. Er sollte sie mit möglichst wenig Aufwand korrigieren können. Kein Fehler, der vom Anwender gemacht werden kann, sollte gravierende Folgen im Programm oder bei den Daten haben (Einbau von Löschbestätigungen/Sicherheitsabfragen).

Die Thesen der Software-Ergonomie

Die Thesen der Software-Ergonomie [KöhBun94], zusammen mit den anderen Gestaltungs­richtlinien, bestimmen im starken Maß das Aussehen und die Funktionalität der Benutzerober­fläche und werden daher ebenfalls vorgestellt.

These 1

“Die begrenzte Ressource bei der menschlichen Informationsverarbeitung ist die Aufmerk­samkeit und nicht die verfügbare Information.”

Die wirklich begrenzenden Faktoren sind die Zeit und die Aufmerksamkeit, die für die Verarbeitung von umfangreichen Informationsmengen aufgebracht werden können. Eine der wichtigsten Aufgaben der Computersysteme sollte, aus diesem Grund, das intelligente Anbieten, Zusammenfassen und die kontrollierbare Darstellung von Informationen sein.

These 2

“Die durch die unterschiedliche Struktur des menschlichen Gedächtnisses gegebenen Randbedingungen müssen bei der Gestaltung von Computersystemen berücksichtigt werden.”

Als maßgebliche Randbedingung ist die begrenzte Kapazität des Kurzzeitgedächtnisses zu nennen. Das Kurzzeitgedächtnis kann im Durchschnitt 7±2 Informationselemente aufnehmen. Weiterhin sind die zwei verschiedenen Gedächtnisstrukturen Recognition Memory (Wieder­erkennen, z.B. bei der Menüauswahl) und Recall Memory (Erinnern, z.B. bei Kommando­sprachen) zu nennen. Das Dialog Desgin für ungeübte bzw. gelegentliche Benutzern sollte eher das Recognition Memory beanspruchen als das Recall Memory. Aus diesen Erkenntnissen der Psychologie ergibt sich für den Dialogdesigner, daß für ungeübte oder gelegentliche Anwender Menüs besser geeignet sind als Kommandosprachen oder Tastenkombinationen zum Ausführen von Aktionen. Zum Erfüllen einer Aufgabe sollten nicht mehr als 5 Schritte, besser weniger Schritte notwendig sein, da ansonsten das Kurzzeitgedächtnis zu stark belastet wird und dadurch die Denkzeit des Anwenders erhöht wird.

These 3

“Der Fähigkeit zur effizienten Verarbeitung visueller Informationen durch den Menschen muß so weit wie möglich Rechnung getragen werden.”

Die Verarbeitungsgeschwindigkeit dann durch Grafiken, Ikons (Piktogramme), Farben, Schriftarten, Formatierung der Daten und geschicktes Plazierung der Informationen auf der Maske erheblich beeinflußt werden. Hier spielen die Erkenntnisse aus der Wahrnehmungs- und Darstellungspsychologie eine große Rolle. Im Abschnitt 2.1.5 Maskendesign wird auf die visuelle Gestaltung der Informationen innerhalb einer Maske näher eingegangen.

These 4

“Der Benutzer sollte in der Lage sein, sich ein adäquates Modell über die Funktionalität der ihm zur Verfügung stehenden Systeme zu schaffen.”

Einem Benutzer der nur an den für seine Tätigkeit relevanten Funktionen des Anwendungs­systems interessiert ist, sollte tiefere Systemebenen (z.B. Betriebssystem) verborgen sein.

These 5

“Computersysteme müssen sich adaptiv gegenüber verschiedenen Benutzergruppen verhalten oder müssen sich durch den Endbenutzer adaptieren lassen.”

Es gibt nicht “den” Benutzer eines Computersystems. Daher sollte es möglich sein, daß sich jeder Benutzer das System individuell für sich anpassen kann.

These 6

“Bei der Bedienung mehrerer Anwendungssysteme durch den Benutzer muß gewährleistet sein, daß diese in einer uniformen Art und Weise zu bedienen sind.”

Arbeitet ein Benutzer längere Zeit mit einem bestimmten System, so wird er die dort angewendeten Handlungen, bewußt oder unbewußt, auch bei einem anderen System anwenden. Um effizientes Handeln zu unterstützen, muß vermieden werden, daß der Benutzer häufig zwischen verschiedenen Konventionen hin- und herwechseln muß. Dies wird durch Einhalten der Style Guides erreicht.

These 7

“Die Benutzerschnittstelle eines Computersystems muß von Spezialisten gemäß den genannten Forderungen entwickelt werden, so wie das Anwendungssystem vom Anwendungsspezialisten konzipiert und vom Anwendungsprogrammierer realisiert werden soll.”

These 8

“Die vom System ausgeführten Aktionen sollten auf Wunsch des Benutzers rückgängig gemacht werden können (UNDO).”

Richtlinien zur Gestaltung von Benutzeroberflächen (Style Guides)

Neben den vorgestellten Normen gibt es noch eine Reihe von Richtlinien (Style Guides, Guidelines) zur Gestaltung von Benutzeroberflächen, die von unterschiedlichen Firmen entwickelt worden sind. Diese Style Guides dokumentieren Prinzipien und Regeln, die dem Erscheinungsbild (look) und der Benutzung (/eel) der Benutzeroberfläche zugrundeliegen. Die bekanntesten Gestaltungsrichtlinien für grafische Benutzeroberflächen sind die Macintosh Human Interface Guideline, der IBM SAA/CUA Advance Interface Design Guide, der OSF/Motif Style

Guide, der Windows Interface Application Design Guide, die NeXTSTEP User Interface Guidelines und die OPEN LOOK Graphical User Interface Application Style Guidelines. Die verschiedenen Gestaltungsrichtlinien unterscheiden sich nur geringfügig voneinander, da fast alle auf den Richtlinien von IBM SAA/CUA[6] aufbauen [EbObOp94]. Dies ist zum Teil darauf zurückzuführen, daß IBM die ersten Gestaltungsrichtlinien - damals für zeichenorientierte Benutzeroberflächen - herausbrachte (im März 1987). Im Windows Interface Application Design Guide liest man: “The guidelines were developed to be generally compatible with guidelines that may be appropriately applied from IBM CUA Advanced Interface Design Guide (IBM 1989) definition” [KöhBun94].

Vorteil dieser Gestaltungsrichtlinien ist das einheitliche Look-and-Feel innerhalb der Applikationen eines Computersystems. Benutzer brauchen dadurch die der Benutzung zugrundeliegenden Regeln nur einmal zu lernen und können sie dann auf alle andere Programme übertragen (vgl. DIN 66234/8 Erwartungskonformität). Sie können sich dadurch besser auf ihre eigentliche Aufgabenbearbeitung konzentrieren. Die Einarbeitungszeit, der Schulungsaufwand und die Fehlbedienungen der Software durch den Anwender verringern sich erheblich. Man erlangt dadurch eine höhere Arbeitseffektivität und Arbeitsmotivation.

Die Goldenen Regeln des Dialogdesigns

Neber den Dialogprinzipien gibt es auch allgemeine Regeln zum Dialogdesign. Hierunter Fallen die 8 Goldenen Regeln des Dialogdesigns, diese werden in Kurzform vorgestellt, detailiertere Erläuterungen können [KöhBun94] entnommen werden.

Die 8 Goldenen Regeln des Dialogdesigns

1. Bemühe Dich um Konsistenz
2. Ermögliche routinierten Benutzern das Abkürzen
3. Biete informative Rückmeldungen
4. Entwerfe Dialoge die Resultate bringen
5. Biete eine Fehlerbehandlung
6. Erlaube die Umkehrung von Aktionen
7. Unterstütze die Kontrolle durch den Benutzer
8. Reduziere das Ansprechen des Kurzzeitgedächtnisses

2.1.5 Maskendesign

Eine Maske ist vergleichbar mit einem herkömmlichen Formular. In der (Bildschirm-) Maske können Werte nur innerhalb besonders markierter Felder eingegeben werden. Die Werte müssen aus dem für das Eingabefeld vorgesehenen Wertebereich stammen. Die Bildschirmmaske stellt somit die Schnittstelle zwischen Computer und Benutzer bei der computergesteuerten Dialogbearbeitung dar. Von der Qualität der Maske hängt es maßgeblich ab, wieweit ein Dialogsystem vom Benutzer akzeptiert wird. Regeln und Standards sollen helfen ein möglichst optimales Maskendesign zu entwerfen. Der Benutzer muß die Maske schnell verstehen und durchschauen können. Eine gute Maske ist einheitlich, einfach und übersichtlich aufgebaut.

In Tabelle 3 ist ein Beispiel zu sehen, wie das Maskendesign von der späteren Benutzergruppe abhängt. Die verschiedenen Benutzergruppen sind in Tabelle 2 (Seite 6) aufgelistet.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 3: Maskendesign in Abhängigkeit von der Benutzergruppe [KöhBun94]

Benutzer können nur eine geringe Anzahl an Informationseinheiten auf einem Bildschirm wahrnehmen. Durch geeignete grafische Gruppierungen und Formatierungen der Daten und Informationen sollen logische und sachliche Informationszusammenhänge vermittelt werden und belastende Suchbewegungen der Augen verringert werden. In den Ergonomielabors von Siemens wurden verschiedene Maskenlayouts, bei der Darstellung derselben Information, untersucht. Es wurde festgestellt, daß durch ein gutes Maskendesign die Arbeitseffektivität, die Suchleistung nach einzelnen Informationen und die Beanspruchung des Anwenders in einen enormen Maße positiv beeinflußt werden kann [Balzer+88]. Speziell beim Entwurf des Maskenlayouts sind die Erkenntnisse der Gestaltungspsychologie zu berücksichtigen; so erhält man eine prägnante, übersichtliche und klar strukturierte Bildschirmmaske. Dazu müssen zusammengehörige Informationen nahe beieinanderliegen (Gesetz der Nähe), eine symmetrische Figur bilden (Gesetz der Symmetrie) und innerhalb der symmetrischen Figuren sollen möglichst ähnliche Informationen vorkommen (Gesetz der Gleichartigkeit) [KöhBun94].

Es werden einige Grundsätze und Prinzipien des Maskendesigns zusammengefaßt. Detailliertere Angaben sind in [KöhBun94] zu finden.

- Oberstes Prinzip ist die Transparenz. Eine gute Maske muß einheitlich, einfach und übersichtlich sein.
- Benutze konsistente, der Fachwelt des Benutzers entnommene Sprache und Abkürzungen.
- Verwende neutrale und knappe Formulierungen.
- Minimiere die notwendigen Benutzereingaben (Verwenden von Default-Werten).
- Gruppiere nummerische Felder visuell (z.B. Telefonnummern in Zweiergruppen aufteilen).
- Benutze einen standarisierten Bildschirmaufbau.
- Berücksichtige die Benutzergruppen der Anwender.
- Verwende niemals mehr als 50% der zur Verfügung stehenden Fläche für alphanumerische Informationen.
- Berücksichtige die Gesetze der Gestaltungspsychologie.

Diese Gestaltungsprinzipien sollen für die spätere Arbeit berücksichtigt werden. So wird das Maskendesgin im Implementierungskonzept, speziell bei den Gestaltungsideen der einzelnen Masken herangezogen. Die Dialogprinzipien dagegen beeinflussen das gesamte Konzept, da von ihnen nicht nur das Maskendesign, sondern der gesamte Dialogdesign beeinflußt wird. Die Dialogprinzipien prägen Umfang, Art und Handhabung der Funktionalität, die dem Benutzer angeboten wird. Die Benutzeranalyse und das mentale Modell der zukünftigen Anwender entscheiden über die Art der Informationsdarstellung und Kommuninaktionsform mit dem System, daher wirken sie bei den Konzept- und Implementierungskonzept-Entscheidungen mit.

2.2 Medizinische Begriffe

Die Aufgabe der zu entwickelten Benutzerschnittstelle ist die Regelgenerierung für medizinische Diagnosen aus medizinischen Daten (wie z.B. Laborwerten, Biosignaldaten, Anamnesedaten). Die späteren Benutzergruppe ist medizinisches Personal. Da in einer Benutzeroberfläche die verwendeten Begriffe und Ausdrücke aus der Sprache der späteren Benutzergruppen stammen sollten, wurden Begriffe aus der Medizin, speziell aus dem Bereich der klinischen Chemie, verwendet. Die verwendeten Begriffe werden in diesem Abschnitt erläutert. Bei der Transformation einer Wissenspräsentation von einem neuronalen Netz (speziell eines RBF- Netzes) in Fuzzy-Regeln und umgekehrt, werden Theorien der klinischen Chemie berücksichtigt.

Die klinische Chemie beinhaltet nach der Definition der International Federation of Clinical Chemistry (IFCC) die Erforschung chemischer Aspekte des menschlichen Lebens in Gesundheit und Krankheit sowie die Anwendung chemisch-analytischer Methoden zur Diagnose, Therapiekontrolle und Verhinderung von Krankheit [MülMül96]. Die zentrale Aufgabe der klinischen Chemie im Bereich der kurativen und präventiven Medizin ist die Messung physikalischer, chemischer und biologischer Eigenschaften von menschlichem Untersuchungs­material. Die Ergebnisse dieser Untersuchungen dienen dem Arzt bei der Patientenversorgung oder zur Krankheitsprävention.

Wird bei einem Patienten die Leukozytenzahl im Vollblut bestimmt, ergibt sich die Frage, ob dieser Wert pathologisch ist oder als normal angesehen werden kann. Die Beurteilung von quantitativen klinisch-chemischen Untersuchungsergebnissen (wie z.B. die Leukozyten­anzahl) erfolgt im Regelfall durch Vergleich mit Bezugswerten, die man als Referenzwerte bezeichnet. Der Referenzbereich für die Leukozytenanzahl von Erwachsenen wird mit 4000 - 10000/pl in [MülMül96] angegeben. Ein beobachteter Wert, der innerhalb des Referenz­bereichs liegt, wird als normal angesehen. Liegt der Wert dagegen außerhalb des Referenzbereichs, muß untersucht werden ob ein pathologischer Befund vorliegt.

Das Referenzwert-Konzept hat sich bei allen Überlegungen zur Validität von klinisch­chemischen Befunden und den Strategien klinisch-chemischer Untersuchungen als sehr hilfreich erwiesen. Dieses Konzept wird in einem späteren Abschnitt erläutert, zuvor werden einige Grundbegriffe der klinischen Chemie verdeutlicht. Die klinisch-chemischen Begriffe, Konzepte und Definitionen in diesem Abschnitt stammen aus [Keller86] und [MülMül96].

2.2.1 Begriffe der klinischen Chemie

Analyse

Klinisch-Chemische Analysen sind Operationen, die zur Identifizierung und/oder quantitativen Beschreibung eines Stoffgemisches dienen, wobei es sich in der Regel um Bestandteile des menschlichen Körpers handelt.

Beispiel: Untersuchung der Leukozytenanzahl

Quantitative Analyse

Bei der quantitativen Analyse eines Stoffes wird dessen exaktes Vorkommen in Zahlenform angegeben.

Beispiel: Blutzucker 120 mg/dl

Semi-quantitative Analyse

Quantitative Tests können auch für semi-quantitative Aussagen gebraucht werden. Die Höhe des Vorkommens des Stoffes wird mit speziellen Symbolen (0, +, ++, +++, ...) gekennzeichnet. Da in der Medizin alle meßbaren Größen keine negativen Werte liefern, brauchen auch keine Symbole, wie -, --, --- usw. bereitgestellt werden. Diese groben Aussagen über das Vor­handensein eines Stoffes reichen dem Arzt zur Interpretation in einzelnen Fällen aus.

Beispiel: Tabelle 4 zeigt die Ergebnisse einer semi-quantitativen Analyse von Harnzucker.

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 4: Semi-quantitative Ergebnisse bei Harnzucker-Tests

Qualitative Analyse

Die quantitative Analyse beschränkt sich auf die Aussage vorhanden/nicht vorhanden sein eines Stoffes. Der Einsatz qualitativer Analysen dient hauptsächlich zum Durchführen von Screenings[7].

Beispiel: Harnzucker vorhanden/nicht vorhanden

Meßgröße

Bei den klinisch-chemischen Meßgrößen handelt es sich um exakt bestimmbare biologische Parameter zur Beschreibung des Gesundheitszustands.

Beispiel: Leukozytenanzahl

2.2.2 Das Referenzwert-Konzept

Das Referenzwert-Konzept ist entstanden, weil man ein allgemein anwendbares Konzept für die Gewinnung von Grundlagen für die Beurteilung von klinisch-chemischen Analysenergebnissen benötigte.

Für die Interpretation eines Laborergebnisses ist die Kenntnis des Verhaltens der untersuchten Meßgröße bei “Gesunden” erforderlich. Der Wert ist nicht bei allen “Gesunden” identisch, sondern ist im Kollektiv der “Gesunden” normal oder schräg um einen Medianwert x verteilt. Daraus ergibt sich, daß man sich nicht auf einen Normalwert, sondern auf einen Bereich (Referenzbereich / Referenzintervall[8]) beziehen muß.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 4: Wahrscheinlichkeitsdichtekurve der Referenzwerte einer Meßgröße mit den dazugehörigen Bereichen [MülMül96]

Die Referenzgrenzen werden aus der Referenzwerteverteilung gewonnen (siehe Abb. 4) und im allgemeinen so gewählt, daß ein festgelegter Bruchteil der Referenzwerte unterhalb und eine zweite Fraktion oberhalb und alle übrigen Werte innerhalb der Grenzen liegen.

Ein Referenzintervall (Referenzbereich) ist das Intervall zwischen 2 Referenzgrenzen und schließt diese Grenzen mit ein.

Bei der Normalverteilung entspricht das Referenzintervall dem [Abbildung in dieser Leseprobe nicht enthalten] s-Bereich (95,5%-Bereich) der Gauß-Kurve, mit [Abbildung in dieser Leseprobe nicht enthalten] ist der Mittelwert und s die Standardabweichung der Normalverteilung. Resultate, die innerhalb der ±2s- und ±3s-Grenzen liegen (statistisch: 4,4% aller Fälle), gehören zum Grenzbereich (Toleranzbereich), Resultate außerhalb der ±3s-Grenzen betrachtet man als pathologisch (siehe Abb. 4).

Die Definition des Referenzintervalls und seine zugehörigen Begriffe stammt aus [MülMül96]. Andere Autoren definieren andere Bereiche als Referenzintervall. So wird das Referenzintevall auch als der 95%-Bereich ([Abbildung in dieser Leseprobe nicht enthalten]) einer Normalverteilung angesehen.

Beispiel:

Die Leukozythenanzahl von gesunden Erwachsenen schwankt zwischen 4000 - 10000/μ1. Der Referenzbereich der Leukozytenanzahl von Erwachsenen wird deshalb mit 4000 - 10000/μ! [MülMül96] angegeben, d.h. alle ermittelten Laborergebnisse der Leukozytenanzahl, die sich in diesem Bereich befinden, werden als normal eingestuft (siehe auch Abschnitt

Transversalbeurteilung).

Abb. 5 gibt das Referenzwert-Konzept in Kürze wieder; genaue Definitionen der verwendeten Begriffe können in [Keller86] entnommen werden. Für diese Arbeit reicht das Verständnis für die Bedeutung und Berechnungsweise des Referenzintervalls.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 5: Konzept der Referenzwerte [Keller86]

Den idealen “Gesunden” gibt es nicht, deshalb müssen die Beschaffenheit des Referenzkollektivs sorgsam definiert werden, die zulässigen und die auszuschließenden Organveränderungen genau beschrieben werden. Bei der Ermittlung von Referenzintervallen sind neben dem Gesund­heitszustand auch die Alters- und Geschlechtszusammensetzung, die spezifische rassische Zusammensetzung und die sozioökonomische Umgebung der Referenzindividuen zu berück­sichtigen. Weiterhin müssen die Untersuchungstechniken, die eingesetzten klinisch-chemischen Methoden und die Art der statistischen Verarbeitung der Resultate exakt beschrieben werden. Diese Faktoren beeinflussen alle das Ergebnis des Referenzintervalls.

Transversalbeurteilung

Eine Transversalbeurteilung ist der Vergleich eines Analyseergebnisses einer probe mit geeigneten Referenzintervallen, d.h. man beurteilt Laborwerte als normal, unbestimmt oder pathologisch, indem man sie mit den Referenzwerten vergleicht.

Normal: Das Ergebnis entspricht dem nach Alter und Geschlecht zutreffenden Referenz­ bereich.

Unbestimmt: Der Unbestimmtheitsbereich schließt mindestens den Grenzbereich ein und kann vergrößert werden, wenn Alter und Geschlecht des patienten bei der Wahl des Referenzbereiches unberücksichtigt bleiben. Die Breite des Unbestimmtheits­bereiches spiegelt auch die präzision der Meßmethode wieder.

Pathologisch: Diese Kategorie umfaßt alle sicher pathologischen, d.h. alle außerhalb der ±3s-Grenzen liegenden, Werte.

2.3 Vage Mengen

Wie aus dem vorherigen Abschnitt ersichtlich wurde, gibt es keine exakte Trennlinie, ab wann eine Meßgröße als pathologisch oder als normal angesehen werden kann. Bei der Transversal­beurteilung gibt es daher noch neben den Beurteilungen normal und pathologisch die Bewertung unbestimmt. Bei der semi-quantitativen Analyse oder der qualitativen Analyse wird ganz auf einen exakten Wert der Meßgröße verzichtet.

Medizin ist keine “exakte” Wissenschaft, sondern es wird häufig mit vage (unscharf) formulierten Aussagen umgegangen. So hört man von einen Arzt eher, daß der Patient hohes Fieber hat, als daß der Patient 40,4°C Fieber hat. Es ergibt sich die Frage, ab welcher Temperatur hat man eigentlich Fieber? In der Literatur wird Fieber mit einer Temperatur ab 38°C angegeben. Hat also eine Person mit 38°C Fieber und eine Person mit 37,99°C kein Fieber? Man wird intuitiv stärker der Aussage Patient hat Fieber zustimmen, je näher die Temperatur an 38°C liegt und alle Temperaturen über 38°C wird man mit Sicherheit dieser Aussage zuordnen. Dagegen wird man Temperaturen unter 37°C (Normwert der Kerntemperatur) mit Sicherheit nicht der Aussage Patient hat Fieber zuordnen. In diesem Kapitel erfolgt eine kurze Einführung in die Thematik, wie man mathematisch solche vage (unscharf) formulierte Aussagen darstellen kann.

2.3.1 Einführung

Die herkömmliche Mengentheorie, die auch die scharfe oder klassische Mengentheorie bezeichnet wird, ist bereits aus der Schulzeit bekannt.

Zur Präsentation einer scharfen Menge gibt es unterschiedliche Formen, so kann man alle Elemente einer Menge aufzählen. Soll die Menge der zweistelligen Zahlen aus N beschrieben werden, so kann die Menge durch

Abbildung in dieser Leseprobe nicht enthalten

charakterisiert werden.

Man kann aber auch das Adjektiv zweistellig als Prädikat auffassen, d.h. für eine natürliche Zahl n ist zweistellig genau dann wahr, wenn die Dezimaldarstellung von n aus genau zwei Ziffern besteht. Mit Hilfe dieser Definition des Prädikats zweistellig kann man die Menge Z auch wie folgt definieren:

Abbildung in dieser Leseprobe nicht enthalten

Eine dritte Präsentationsform einer Menge besteht in der Angabe der zugehörigen charakteristischen Funktion. Die Menge Z (”zweistellige natürliche Zahlen ”) wird durch die nachfolgende charakteristische Funktion beschrieben.

Abbildung in dieser Leseprobe nicht enthalten

Dabei werden die Elemente von Z unter allen Elementen des betrachteten Universums N durch den Funktionswert 1 “markiert”. 0 und 1, die Elemente des Wertebereichs charakteristischer Funktionen, nennt man auch Zugehörigkeitsgrade.

Die Menge der zweistelligen natürlichen Zahlen kann man recht einfach definieren, da jeder sich unter dieser Menge dasselbe vorstellt. Es ist klar definiert welche Elemente in dieser Menge Vorkommen und welche nicht. Was passiert aber, wenn man die Menge der Körpertemperaturen auflisten möchte, für die ein Mensch eine erhöhte Temperatur, aber noch kein Fieber hat?

Eine solche Menge könnte man mit

Abbildung in dieser Leseprobe nicht enthalten

als scharfe Menge definieren, d. h. als erhöhte Körpertemperatur werden alle Temperaturen angesehen, die zwischen 37,5°C und 38°C liegen. In Abb. 6 ist die scharfe Menge erhöhte Körpertemperatur abgebildet, wobei die Menge G fett gezeichnet ist.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 6: Scharfe Menge “erhöhte Körpertemperatur "

Bei einer solchen Mengendefinition ist eine Körpertemperatur von 37,48°C nicht mehr eine erhöhte Temperatur. Eine bessere Definition der Menge “erhöhte Körpertemperatur” wäre sicherlich: Körpertemperaturen zwischen 37,5°C und 38,0°C gehören mit Sicherheit zur Menge der erhöhten Körpertemperaturen. Temperaturen unter 37°C und über 38,5°C gehören mit Sicherheit nicht zu dieser Menge. Eine Temperatur von 37,4°C gehört eher dazu und eine Temperatur von 37,1°C gehört eher nicht zur Menge “erhöhte Körpertemperatur”.

Zur Repräsentation einer (scharfen) Menge kann man eine charakteristische Funktion verwenden. Der Wertebereich der charakteristischen Funktion ist {0,1}, wobei 0 die Bedeutung gehört mit Sicherheit nicht zur Menge besitzt und 1 die Bedeutung gehört mit Sicherheit zur Menge. Verwendet man nun für den Wertebereich das kompakte Intervall [0,1], so kann man Zugehörigkeitsgrade einzelner Elemente x zur betrachteten Menge, über eine verallgemeinerte charakteristische Funktion μ(χ), definieren.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 7: Unscharfe Menge “erhöhte Körpertemperatur”

Die Zugehörigkeitsfunktion der (unscharfen) Menge “erhöhte Körpertemperatur"’ ist in der untenstehenden Abbildung als fette Linie dargestellt.

Jedem Wert x der Körpertemperatur wird ein Zugehörigkeitsgrad zugeordnet, z.B. der Temperatur 37,4°C den Wert 0,9. Das soll heißen, daß eine Körpertemperatur von 37,4°C auf einer Skala von 0 bis 1 mit dem Zugehörigkeitsgrad von 0,9 das Prädikat “erhöhte

Körpertemperatur” erfüllt. Je näher der Zugehörigkeitsgrad μ(χ) bei 1 liegt, desto mehr genügt x dem Prädikat “erhöhte Körpertemperatur”.

Vage Mengen werden auch mit unscharfe Mengen oder Fuzzy-Mengen bezeichnet. Die Angabe der Zugehörigkeitsfunktion einer Fuzzy-Menge wird im allgemeinen auf rein intuitiver Basis geschehen. In den meisten Anwendungen ist kein Modell vorhanden, das eindeutige Zugehörigkeitsfunktionen vorschreibt. Im folgenden Abschnitt soll nun ein kurzer Überblick über Fuzzy-Mengen gegeben werden.

2.3.2 Grundbegriffe der Fuzzy-Mengen

In diesem Abschnitt werden einige grundlegende Definitionen der Fuzzy-Theorie aus [Heinri93], [Mayer+93] und [KrGeKl95] aufgelistet, die für das weitere Verständnis dieser Arbeit wichtig sind.

Definition (Fuzzy-Menge):

Eine Fuzzy-Menge μ von X ist eine Funktion (Zugehörigkeitsfunktion) von der Grundmenge bzw. dem Universum X in das Einheitsintervall, d.h.

Abbildung in dieser Leseprobe nicht enthalten

F(X) bezeichne die Menge aller Fuzzy-Mengen von X.

Beispiel:

Die Fuzzy-Menge “erhöhte Körpertemperatur” von der Grundmenge X = [30, 43] wird durch die Zugehörigkeitsfunktion μ von Abb. 7 definiert. F([30, 43]) könnte definiert sein als {Unterkühlung, normal, erhöhte Temperatur, leichtes Fieber, hohes Fieber} mit den dazugehörigen Fuzzy-Mengen (siehe auch linguistische Variable und Abb. 9, Seite 23).

Definition (Gleichheit):

Zwei unscharfe Mengen A und B sind genau dann gleich, wenn ihre Zugehörigkeitsfunktionen gleich sind:

Abbildung in dieser Leseprobe nicht enthalten

Definition (Teilmenge):

Seien A und B zwei unscharfe Mengen über X.

Abbildung in dieser Leseprobe nicht enthalten

Für den Vergleich und für die zumindest näherungsweise Charakterisierung unscharfer Mengen sind verschiedene Kenngrößen von Interesse, von denen die wichtigsten im folgenden vorgestellt werden.

Definition (Träger / Stützmenge):

Der Träger (Stützmenge, support) einer unscharfen Menge A ist die (scharfe) Menge aller Argumentwerte, deren Zugehörigkeitsgrad größer Null ist:

Abbildung in dieser Leseprobe nicht enthalten

Definition (α-Schnitt):

Die (scharfe) Menge der zu einer unscharfen Menge A gehörenden Elemente, deren Zugehörig­keitsgrad mindestens den Wert α haben, wird als a-Schnitt (а-level oder а-cut) bezeichnet:

Abbildung in dieser Leseprobe nicht enthalten

Analog dazu definiert man den scharfen a-Schnitt (strong а-level oder strong a-cut):

Abbildung in dieser Leseprobe nicht enthalten

Definition (Kern):

Der Kern (core) einer unscharfen Menge ist der 1-Schnitt, also die Menge aller Elemente, deren Zugehörigkeitsgrad Eins ist:

Abbildung in dieser Leseprobe nicht enthalten

Definition (Höhe):

Die Höhe (height) einer unscharfen Menge A ist das Supremum ihrer Zugehörigkeitsgrade:

Abbildung in dieser Leseprobe nicht enthalten

Definition (normalisiert):

Eine unscharfe Menge A heißt normalisiert (normal), wenn deren Höhe gleich Eins ist, wenn also gilt:

Abbildung in dieser Leseprobe nicht enthalten

Alle anderen unscharfen Mengen werden als subnormal bezeichnet.

Definition (Unscharfe Zahl):

Eine konvexe, normalisierte unscharfe Menge A auf der Menge К der reellen Zahlen heißt unscharfe Zahl, wenn

1. genau eine reelle Zahl a mit [Abbildung in dieser Leseprobe nicht enthalten] existiert und

2. [Abbildung in dieser Leseprobe nicht enthalten] wenigstens stückweise stetig ist.

Die Stelle a heißt Gipfelpunkt (mean value) von A.

Definition (Unscharfes Intervall):

Eine konvexe, normalisierte Menge A auf К heißt unscharfes Intervall, wenn

1. zwei reele Zahlen mb m2 existieren, so daß [Abbildung in dieser Leseprobe nicht enthalten] und

2. [Abbildung in dieser Leseprobe nicht enthalten] stückweise stetig ist.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 8: Verlauf der Zugehörigkeitsfunktion für eine unscharfe Zahl ungefähr 2 und einem unscharfen Intervall ungefähr zwischen 4 und 6

2.3.3 Linguistische Regeln

Die zu entwickelnde Benutzerschnittstelle soll aus medizinischen Daten Regeln für Diagnosen generieren. Sind dem Anwender Regeln für Diagnosen bereits bekannt, so können diese Regeln eingegeben werden und bei der Regelgenerierung mitberücksichtigt werden. Bei den Regeln handelt es sich um Wenn-Dann-Regeln. Regeln der Form “Wenn der Blutzucker hoch ist dann liegt ein Diabetes Mellitus vor” haben die Eigenschaft, daß sie leicht zu formulieren und zu interpretieren sind; hierbei handelt es sich um linguistische Regeln (Fuzzy-Regeln).

In diesem Abschnitt wird erläutert, wie man umgangssprachliches Wissen “ Wenn der Blutzucker hoch ist dann liegt ein Diabetes Mellitus vor” so angeben kann, daß es weiterhin in einer umgangssprachlichen Form bleibt, aber mathematisch modelliert ist. Zum Gebrauch der Fuzzy- Regel “ Wenn Blutzucker = hoch Dann Diabetes Mellitus’” müssen die verwendeten Bezeichner “Blutzucker” und “hoch” definiert werden. Der Bezeichner “Blutzucker” ist eine linguistische Variable und “hoch”” ein Wert der linguistischen Variable. Der Wert “hoch”” entspricht einer Fuzzy-Menge. Da bei der Regelgenerierung in der Benutzerschnittstelle neue Regeln und somit auch neue Fuzzy-Mengen entstehen können, und diese linguistisch ausgedrückt werden sollten, wird in diesem Abschnitt ein bekanntes Verfahren (Best-Fit) beschrieben, das neue Fuzzy- Mengen durch bekannte Fuzzy-Mengen ausdrückt (linguistische Approximation). Der Abschnitt wird abgerundet durch die Angabe von typische Zugehörigkeitsfunktionen und einem Verfahren zum Definieren von Zugehörigkeitsfunktionen.

Linguistische Variablen

Eine spezielle Form unscharfer Mengen sind die linguistischen Variablen, deren Werte Ausdrücke in einer natürlichen oder künstlichen Sprache sind. Sie dienen dazu, linguistisch ausgedrücktes Wissen mit all der vorhandenen Unschärfe, so in eine formale Sprache zu übersetzen, daß möglichst wenig der menschlichen Sprache verloren geht und das Wissen mathematisch “exakt” formuliert wird. Linguistische Variablen ermöglichen die approximative Charakerisierung von Phänomenen bzw. Beschreibung von Regeln.

Eine linguistische Variable ist eine Variable, deren Werte sprachliche Konstrukte (Terme) sind. Diese Terme werden inhaltlich durch unscharfe Mengen (Fuzzy-Mengen) auf einer Grundmenge definiert.

Beispiel:

Eine Regel zur Beschreibung einer Therapie kann lauten:

(1) Ein sehr junger Patient mit leichtem Fieber muß viel Trinken.

Eine andere Regel klassifiziert einen Patienten:

(2) Ein sehr junger Patient mit leichtem Fieber ist krank.

Die äquivalenten linguistischen Regeln heißen:

(1) WENN Patient = sehr jung UND Körpertemperatur = leichtes Fieber DANN Trinken = viel

(2) WENN Patient = sehr jung UND Körpertemperatur = leichtes Fieber DANN Patient krank

Bei den angegebenen linguistischen Regeln handelt es sich bei den Ausdrücken “Patient”, “Körpertemperatur” und “Trinken”” um linguistische Variablen. Der Ausdruck “leichtes Fieber“ ist ein Wert der linguistischen Variable “Körpertemperatur”. Mögliche weitere Werte der linguistischen Variable “Körpertemperatur” können “Unterkühlung”, “normale Temperatur”, “erhöhte Temperatur’ und “hohes Fieber’ sein. Abb. 9 stellt eine Beschreibung der lingui­stischen Variable “Körpertemperatur‘ dar.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 9: linguistische Variable “Körpertemperatur’ und das dazugehörige Mengensystem VKörpertemperatur

Definition (linguistische Variable) [Heinri93]:

Eine linguistische Variable ist ein Mengensystem VL = {A, X, G, B} mit

- einer Menge G syntaktischer Regeln, die (normalerweise in Form einer kontextfreien Grammatik) die linguistischen Werte von VL, d.h. die Terme c^, ieN, erzeugen,
- einer Menge A der aus G resultierenden Terme ai,
- einer Grundmenge X mit den numerischen Elementen xeX,
- einer Menge B semantischer Regeln, die jedem Term seine Bedeutung in Form einer unscharfen Menge [Abbildung in dieser Leseprobe nicht enthalten] über der Grundmenge X zuordnen.

Linguistischer Modifikationsoperator

Eine Möglichkeit, Fuzzy-Mengen zu transformieren und das Ergebnis der Umformung sprachlich zu interpretieren, besteht in dem Einsatz von Modifikationsoperatoren (Modifikatoren). Es ist eine theoretisch weitestgehend ungeklärte Frage, wie ein sprachlicher Modifikator mathematisch realisiert werden soll [Mayer+93]. Es existieren für verschiedene linguistische Modifikatoren Vorschläge, wie die ursprüngliche Fuzzy-Menge a in eine neue Fuzzy-Menge ď transformiert werden soll.

Beispiel:

Die schon bekannte Regel

WENN Patient = sehr jung UND Körpertemperatur = leichtes Fieber DANN Patient krank enthält den Modifikator “sehr”. Die ursprüngliche Zugehörigkeitsfunktion [Abbildung in dieser Leseprobe nicht enthalten] des Terms jung wird in die Zugehörigkeitsfunktion [Abbildung in dieser Leseprobe nicht enthalten] transformiert (siehe Abb. 10). Der neu entstandene Term erhält die Bezeichnung “sehr jung”.

In Tabelle 5 sind die bekanntesten Modifikatoren aus der Literatur mit der jeweiligen Transformationsfunktion für die ursprüngliche Zugehörigkeitsfunktion μ^) aufgelistet. Die angegebene Transformation ist anwendbar, wenn der Core- und Supportbereich nicht verschoben werden soll.

Abbildung in dieser Leseprobe nicht enthalten

Abb. 10: Verhalten der Modifikatoren von Tabelle 5

Abbildung in dieser Leseprobe nicht enthalten

Tabelle 5: Linguistische Modifikatoren [Mayer+93]

Definition (Modifikator) [Heinri93]:

Ein linguistischer Modifikator (modifier, linguistic hedge) ist ein einstelliger Operator auf einer linguistischen Grundmenge. Die Anwendung auf einem Term a führt zu einem neuen Term [Abbildung in dieser Leseprobe nicht enthalten].

[...]


[1]In dieser Arbeit fallen unter den Begriff medizinische Daten Labordaten, Biosignaldaten (wie EEG, EKG, EMG, usw.) und Anamnesedaten.

[2] Differentialdiagnose: Unterscheidung und Abgrenzung einander ähnlicher Krankheitsbilder.

[3] Die Basismaschine wird charakterisiert, durch die Minimalanforderungen an die später zu benutzende Rechenanlage, die notwendige Systemsoftware (z.B. Betriebssystem) und die zusätzlich erforderlichen Betriebsmittel [ClaSch88].

Unter Dialogdesign versteht man die Gestaltung der Interaktionen zwischen Benutzer und Datenverarbeitungsmaschine.

Die Mensch-Computer-Kommunikation beschreibt die Grundlagen für die Organisation und das Verständnis der Kommunikation des Menschen als Benutzer mit dem Computer am Bildschirmarbeitsplatz [Schnei97].

[6]Common User Access (CUA) ist eine von vier Komponenten der System-Anwendungs-Architektur (SAA) von IBM. SAA beschreibt Richtlinien zum Systementwurf von Software, insbesondere beschreibt CUA die Oberflächengestaltung von Software-Systemen.

[7]Screening-Test: einfache Suchmethode, die an einer großen Zahl Personen durchgeführt werden kann, um eine bestimmte Krankheit zu erkennen (z.B. Harnzucker positiv (vorhanden) —> Diabetes Mellitus)

[8]Ein veralteter Begriff von Referenzintervall ist Normalwert bzw. Normalbereich.

Ende der Leseprobe aus 120 Seiten

Details

Titel
Eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen
Hochschule
Johann Wolfgang Goethe-Universität Frankfurt am Main  (Fachbereich Informatik)
Note
1,0
Autor
Jahr
1998
Seiten
120
Katalognummer
V134
ISBN (eBook)
9783638100939
Dateigröße
1135 KB
Sprache
Deutsch
Anmerkungen
Analyst ist eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen. Die Regeln werden von einem neuronalen Netz aus Beispieldatensätzen ermittelt und als linguistische bzw. fuzzy Regeln präsentiert. Das bereits bekannte Wissen kann dem neuronalen Netz zur Vorstrukturierung mitgegeben werden, hierzu werden die bekannten Regeln im Regeleditor eingegeben. Es wurde eine offene Schnittstelle entwickelt zwischen der Benutzeroberfläche und dem Berechnungsmodul des neuronalen Netzes, so daß jederzeit ein anderes neuronales Netz (oder ein beliebig anderes Verfahren zur Regelgenerierung) als Dynamic Link Library (DLL) realisiert werden kann und damit zur Regelgenerierung herangezogen werden kann. Dieses Programm ist im Rahmen einer Diplomarbeit an der Johann Wolfgang Goethe - Universität Frankfurt am Main im Bereich Neuroinformatik und Parallele Systeme beim Herrn PD Dr. Rüdiger Brause entstanden.
Schlagworte
Neuronale Netze, Fuzzy-Logik, Künstliche Intelligenz
Arbeit zitieren
Frank Friedrich (Autor), 1998, Eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen, München, GRIN Verlag, https://www.grin.com/document/134

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Eine Benutzerschnittstelle zur vagen Regelgenerierung für medizinische Diagnosen



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden