专家系统及其在医学的应用(精)
人工智能中的医学专家系统
人工智能中的医学专家系统随着人们对健康和医疗的关注度不断提高，医疗领域也面临着新挑战和机遇。
在这样的大背景下，人工智能技术的兴起正逐步改变着医疗的发展。
其中，医学专家系统是医疗领域中最重要的应用之一。
医学专家系统指基于人工智能技术实现的医学诊疗辅助软件，是利用专家知识来解决医学问题的一种计算机程序。
医学专家系统可以通过对患者的病情和病史等信息进行分析，并结合医学专家的知识和经验，帮助医生制定治疗方案和进行诊断。
医学专家系统的核心技术是人工智能中的知识表示和推理技术。
通过采集医学专家的知识和经验，将其转化为计算机可以处理的形式，进而实现对患者的病情分析和诊断。
医学专家系统不仅可以帮助医生提高诊断的准确性和效率，还可以为患者提供更为准确和有效的医疗服务。
医学专家系统的应用范围非常广泛，涉及临床诊断、病例分析、医学知识库管理等多个方面。
在临床诊断方面，医学专家系统可以帮助医生解决一些难以诊断的疑难杂症，提高诊断的准确性和效率。
在病例分析方面，医学专家系统可以对大量的病例进行分析和比较，找出相同点和不同点，为医生提供更为准确的诊断和治疗方案。
在医学知识库管理方面，医学专家系统可以对医学知识进行整理和分类，建立起包含各种医学知识的知识库，为医生提供一个交流和学习的平台。
尽管医学专家系统在医疗领域中有巨大的潜力和优势，但是其应用也面临着一些挑战和限制。
其中，医学专家系统的知识获取是一个非常重要的问题。
大量的医学知识需要从医学专家中获取，而医学专家往往不愿意或者没有时间花费大量时间和精力来训练计算机程序。
此外，医学专家系统的诊断结果也需要得到医生的认可和支持，医生的纠错和反馈对于系统的改进非常重要。
专家系统的应用
MYCIN 的例子
• 有一个来自MYCIN 的例子，MYCIN 是被 设计学习医生专业知识的第一个专家系统， 他有一个规则： • 如果 • 1 ）感染主要来源于细菌感染； • 2 ）繁殖场所是经过消毒的； • 3 ）怀疑生物体的人口是肠胃管道。 • 那么这种生物体有70 ％的可能是类杆菌。
专家系统还包括
推理机
• 推理即控制规则库中规则的选择和使用， 根据当前的和历史的数据匹配规则库中的 规则，求得当前的流加量。 • 规则推理常采用正向推理，其中规则匹配 的顺序根据专家考虑同一问题的顺序确定。 • 比如首先判断发酵过程所处阶段，然后根 据阶段与系统当前状态确定流加量。
水稻生产管理
• 近年来，又建造了CALEX/RICE,用于水稻 生产管理。它的数据来源可以通过Internet 从气象数据库和加州的农药数据库得到。 在美国，许多农业专家系统的开发多是利 用商用的工具，如LEVELS, VPEXPERT, INSIGHT等。还有一些是专用的工具，例 如CALEX就是专用于作物管理的开发环境， 还有SELECT, PALMS等。
一批成果
• 河北省农业厅与廊坊市农林局应用GURU 工具开发的冀北 小麦专家系统， • 辽宁省农业科学院的水稻新品种选育专家系统， • 宁夏农林科学院等应用VPEXPERT 开发的春小麦条锈病 预测专家系统， • 北京农业大学的作物病虫预测专家系统和农作制度专家系 统， • 中国农业科学院畜牧研究所的畜禽饲料配方专家系统， • 中国农业科学院农业气象研究所的玉米低温冷害防御专家 系统， • 南京农业大学和安徽省农业科学院的水稻害虫管理和稻纵 卷叶螟管理专家系统， • 安徽省计算中心和安徽农学院合作的水稻病虫害专家系统 等等。
• 子规则1 pH下降至最底点后回升超过 △ pH0， CO2浓度 大于CRP0， pH值不小于 pH0。 • 子规则2 残糖浓度小于 Sr0， CO2浓度大于 CRP0 , pH 值不小于 pH0。 • 子规则3 (Sr- Sr0）／△t ∈［ α 1, α2 ］， CO2浓度大于 CRP0， pH 值不小于 pH0。判断条件满足后1小时进入发 酵的第二阶段。 • 子规则4 ( Sr- Sr0）／△t＜α 1 , CO2 浓度大于CRP0 , pH值不小于 pH0。判断条件满足后半小时进入发酵的第 二阶段。 • 子规则 5 发酵时间超过 T [ 0 ]。
专家系统发展综述
专家系统发展综述专家系统是领域的一个重要分支，自20世纪60年代初以来，已经经历了数十年的发展。
本文将对专家系统的发展历程、基本概念、应用领域以及未来趋势进行综述。
一、专家系统的发展历程专家系统的发展可以追溯到1965年，当时美国科学家Feigenbaum提出了基于规则的专家系统概念。
随后，在1970年，Feigenbaum和Stuart Russell合著的《专家系统》一书出版，标志着专家系统的正式诞生。
在此之后，专家系统经历了快速发展和广泛应用，逐渐成为了人工智能领域的重要支柱。
二、专家系统的基本概念专家系统是一种智能计算机程序，它利用计算机技术和人工智能理论，模拟人类专家解决问题的思维过程，为用户提供专业领域的咨询和服务。
通常情况下，专家系统包括知识库和推理机两个核心组成部分，其中知识库用于存储领域专业知识，推理机则用于根据已有知识进行推理和解决问题。
三、专家系统的应用领域1、医疗领域：医生专家系统可以帮助医生进行疾病诊断和治疗方案制定。
例如，基于医学知识的智能问诊系统，可以根据患者症状和病史，进行初步诊断和用药建议。
2、金融领域：金融专家系统可以帮助银行、证券公司等金融机构进行投资决策、风险管理等方面的工作。
例如，基于金融市场数据的智能投顾系统，可以根据市场行情和投资者风险偏好，制定个性化的投资策略。
3、交通领域：交通管理专家系统可以帮助交通管理部门进行交通流量规划和调度指挥。
例如，基于路网信息的智能交通管理系统，可以根据实时交通信息进行路况预测和交通调度。
4、教育领域：教育专家系统可以帮助教师进行教学辅助和学生学习辅导。
例如，基于学科知识的智能教育辅导系统，可以根据学生的学习需求和学科水平，提供个性化的学习资源和教学方案。
四、专家系统的未来趋势1、知识库的构建与更新：随着知识爆炸的时代到来，专家系统的知识库需要不断更新和优化，以适应领域发展的需要。
因此，如何高效地进行知识获取、整理、表达和更新将成为未来研究的重要方向。
人工智能中的医学专家系统
人工智能中的医学专家系统医学专家系统是一种基于人工智能技术的应用，旨在模拟医学专家的决策和推理能力，辅助医生进行诊断和治疗。
该系统基于医学知识库和推理引擎，能够对患者的症状、疾病历史进行分析，提供准确的诊断和治疗建议。
医学专家系统的核心是知识库，其中包括大量的医学知识和经验。
这些知识来自于专家医生的实践经验、医学教科书以及最新的医学研究成果。
系统将这些知识进行组织和整合，形成一套逻辑严密、可执行的规则。
医学专家系统的推理引擎是系统的灵魂，它能够根据用户提供的病情信息，运用知识库中的规则进行推理和决策。
推理过程包括前向推理和后向推理两种方式。
前向推理是从已知的症状出发，根据知识库中的规则逐步进行推理，最终得出一个或多个可能的诊断结果。
系统会根据每个诊断结果的相关性和置信度来进行排序和评估，以提供最准确的诊断结果。
医学专家系统还可以与医疗设备和系统进行集成，实现实时的数据传输和分析。
系统可以接入医院的电子病历系统，获取患者的病历和检查结果，以便更全面地进行诊断和治疗。
医学专家系统还可以作为医学教学工具，帮助医学生和初级医生学习和掌握专业知识。
系统可以提供实时的诊断和治疗建议，并对学生的回答进行评估和反馈，帮助他们提高专业水平和决策能力。
医学专家系统也存在一些挑战和限制。
系统的准确性和可靠性依赖于知识库的质量和更新速度。
需要定期更新和维护知识库，以跟进医学科学的最新进展。
医学专家系统还面临一些合规和伦理问题。
系统如何保护患者的隐私和数据安全，如何确保诊断和治疗建议的质量和安全性等。
基于专家系统的智能医疗辅助决策系统设计
基于专家系统的智能医疗辅助决策系统设计智能医疗辅助决策系统是一种基于专家系统的创新技术，旨在辅助医生进行医疗决策，并提供个性化的医疗方案。
这种系统利用人工智能技术和医学专业知识，结合临床实践和科学研究，为医生提供智能决策支持，从而提高医疗质量和效率。
本文将详细介绍基于专家系统的智能医疗辅助决策系统的设计架构、关键功能和应用案例。
一、设计架构智能医疗辅助决策系统的设计架构主要包括以下几个关键部分：1. 知识库：系统的核心部分是知识库，其中存储了大量的医疗专业知识、临床实践经验和最新的科学研究成果。
这些知识以逻辑语言或规则的形式表示，可以通过推理机制进行逻辑推理和推断。
2. 用户界面：为了方便医生的使用，系统需要提供友好的用户界面。
医生可以通过界面与系统进行交互，输入患者的相关病史和检查结果，从而获取个性化的诊断和治疗建议。
3. 推理引擎：推理引擎是系统的核心模块，主要负责根据用户输入的信息，运行知识库中的规则和推理机制，从中推断出合适的医疗方案。
推理引擎可以使用基于规则的推理引擎，也可以结合机器学习算法，根据历史病例和医学文献进行学习和优化。
4. 数据库：系统需要一个大型数据库来存储患者的病历数据、医学文献和辅助决策结果。
数据可以被用于系统的学习和优化，并支持医生之间的知识共享和合作。
二、关键功能智能医疗辅助决策系统具备以下几个关键功能：1. 病情分析：系统可以根据患者的症状、体征和实验室检查结果，对患者的病情进行分析和评估。
系统能够识别患者的患病风险和可能的诊断，并提供相应的治疗建议。
2. 治疗建议：根据患者的病情以及个体化的特点，系统可以为医生提供治疗建议和用药指导，包括药物选择、剂量调整和不良反应监控等。
3. 预后评估：系统可以根据患者的病史、检查结果和治疗情况，预测患者的疾病进展和预后。
医生可以根据预后评估结果制定个性化的随访计划和治疗目标。
4. 知识更新：系统可以定期从医学数据库和最新的研究文献中获取新的医学知识，并更新到知识库中。
医学专家系统课件
医学专家系统
计算机辅助诊断:利用机器模仿医生的智能。利用 计算机辅助诊断 机器模仿人类的智能即人工智能。 人工智能技术在医学上的典型应用:是专家系统 专家系统。 人工智能技术 专家系统 专家系统的实质就是让计算机系统代替专家为患 专家系统的实质 者诊断，换句话说就是利用机器模仿人类专家的 智能。
计算机专家诊断系统的一般诊断过程是
Bayes
（3）贝叶斯定理 贝叶斯定理 有时除了要知道事件的概率P(A)外，还需要知道 在“事件B已出现”的条件下，事件A出现的条件 概率P（A|B）。 例如，我们需要知道在某疾病B发生条件下，症状 A出现的概率时就要计算条件概率P（A|B）。
用贝叶斯模型建立专家系统的 具体步骤： 具体步骤：
3 1 2 3 4 6 5 列出疾病的各个方面的症状 分别以不同的数据结构表示 收集资料统计已确诊的病例 用程序计算出事先概率和条件概率 在已知症状的前提下确定诊断
症状集
S
模糊关系 R
诊断集
D
如果某一病例的症状、体征、检验结果构成一模糊子集A 如果某一病例的症状、体征、检验结果构成一模糊子集A:
则由A与R合成的关系矩阵 则由A
就给出了该病人的诊断意见书B 只要将A输入计算机， 就给出了该病人的诊断意见书B。只要将A输入计算机，输 诊断意见书 出就是B 起转换器的作用， R是模糊诊断模型， 出就是 B 。 R 起转换器的作用， A·R是模糊诊断模型， 是借 计算机实现的。此即模糊算法专家系统的设计。 计算机实现的。此即模糊算法专家系统的设计。
陕西师范大学
医学专家系统
观看
医学专家系统的产生及发展
1959年,美国的Ledley等首次将数学模型引入临床医学,提 出了可将布尔代数和Bayes定理作为计算机诊断的数学模 型,并以此诊断了一组肺癌病例,开创了计算机辅助诊断的 先例。 1976年,美国斯坦福大学的Short-liffe等研制成功了著名的 用于鉴别细菌感染及治疗的医学专家系统 医学专家系统MYCIN,是医学 医学专家系统 专家系统最成功的实例之一。 1982年,美国匹兹堡大学的Miller等发表了著名的内科疾病 诊断咨询系统INTERNIST-1并不断完善成改进型 INTERNIST-2,即后来的CADUCEUS专家系统 专家系统,其知识库 专家系统 中包含了572种疾病,约4500种症状。 1991年美国哈佛医学院Barnett等开发的“解释”软件 “解释”软件,包 含有2200种疾病和5000种症状。 ……
专家系统及其应用
专家系统及其应用在日常生活与工作中，我们经常会遇到一些需要“专家”水平才能解决的复杂问题，这时我们会希望得到该领域专家的具体帮助与指导，但这往往需要大量的时间和不扉的费用。
如何才能花较少的时间、较低的费用和便捷的方式来求得所需的答案呢？伴随着人工智能技术与应用的发展，我们将目光投向了专家系统。
1．什么是专家系统（1）专家系统的概念所谓“专家”，一般都拥有某一特定领域的大量知识，以及丰富的经验。
在解决问题时，专家们通常拥有一套独特的思维方式，能较圆满地解决一类困难问题，或向用户提出一些建设性的建议等。
那么，什么是专家系统呢？简单地讲，专家系统就是一个具有智能特点的计算机程序，它的智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。
因此，专家系统必须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知识来解决实际问题。
例如，一个医学专家系统就能够像真正的专家一样，诊断病人的疾病，判别出病情的严重性，并给出相应的处方和治疗建议等等。
目前，专家系统在各个领域中已经得到广泛应用，并取得了可喜的成果，例如个人理财专家系统、寻找油田的专家系统、贷款损失评估专家系统、各类教学专家系统等。
（2）专家系统的构造专家系统的基本结构如图1所示，其中箭头方向为数据流动的方向。
专家系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分构成。
图1 专家系统结构图知识库用来存放专家提供的知识。
专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。
一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。
人工智能中的知识表示形式有产生式、框架、语意网络等，而在专家系统中运用得较为普遍的知识是产生式规则。
产生式规则以IF…THEN…的形式出现，就像BASIC等编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。
基于人工智能的专家系统研究与应用
基于人工智能的专家系统研究与应用Ⅰ. 研究背景与概述人工智能技术的发展推动了专家系统的发展，专家系统是一种使用人工智能技术模拟人类专家知识与推理过程的计算机程序。
那么，结合人工智能技术的专家系统在应用上的优势是什么呢？本文将详细讨论。
Ⅱ. 专家系统的基本原理1. 知识获取与知识表示专家系统从专家和大量的经验数据中获取知识，并采用适当的方式进行存储和表示，以便于在推理过程中利用。
2. 推理机制推理机制是专家系统中最重要的部分，其作用是根据存储的知识和问题的陈述，确定问题的答案或决策。
3. 用户接口专家系统需要一个友好的用户界面，它允许用户与系统进行交互，并且接受用户的输入和输出结果。
Ⅲ. 基于人工智能的专家系统应用1. 医学领域医学专家系统被广泛应用于诊断、治疗和药物选择等方面，并已取得了很大的成功。
例如，IBM的沃森医学系统可以通过分析大量的病历和医学文献来辅助医生做出最佳的治疗决策。
2. 金融领域专家系统在金融领域应用也非常广泛，例如，基于人工智能的风险管理系统可以对金融市场进行实时监测，并利用已有的知识和经验来预测市场波动，为投资者提供决策支持。
3. 工业制造领域在工业制造领域，专家系统可以用于质量控制和监测生产线的运行状态。
例如，汽车制造商可以利用专家系统来监测生产过程中的质量问题，并及时纠正。
Ⅳ. 研究挑战和发展趋势1. 深度学习技术深度学习技术已经成为人工智能技术中的主流方向，它可以使系统在处理大规模数据时具有更好的性能和准确性，这将为专家系统的研究和应用提供更多的可能性。
2. 跨领域学习跨领域的学习可以将从一个领域中获取的知识和经验应用到另一个领域中。
这种方法可以提高专家系统的性能和准确性，也可以节约开发成本和时间。
Ⅴ. 结语以人工智能技术为基础的专家系统具有广泛的应用前景和发展潜力，它将在更多的领域中发挥重要作用。
在未来的发展中，我们需要继续完善专家系统的推理机制和知识表示方法，并将其应用到越来越多的实际问题中，从而推动人工智能技术的发展与普及。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
得： P(H1|B)=0.02% P(H2|B)=32.2% P(H3|B)=67.76%
所以：诊断为阑尾炎穿孔（H3).
2、最大似然诊断模型
在前述过程中，如果假定各疾病发生的先验概率 是等同的，此时公式3-1可以简化。 • P(Hj|A)的相对大小完全取决于条件概率P(A|Hj) 的相对大小，分母部分总是一致的。 • 这个结果表明，在先验概率相同的假设基础上， 计量决策诊断的基本判别依据，可以转化为 P(A|Hj)。 • 这种以条件概率 P(A|Hj)为判别依据的模式为 似然诊断模型。临床的实用中常常把似然诊断 模型进一步简化为评分法。
1.贝叶斯模型 1）事件及其相互关系 • 必然事件 ：在一定条件下必须出观的现 象 • 不可能事件 ：在一定条件下必然不出现 的现象。 • 随机事件 ：在一定条件下，可能出现也 可能不出现以现象叫。
• “两事件A,B中至少有一个出现”也是一 事件，称此事件为A,B的和，记作AUB; • 事件“A1,A2,A3,….An中至少有一出现 称为Al，A2…An的和，记为Al UA2…Un。 • 若“n个事件A1,A2,A3,….An都出现也 是—事件，则称为A1，A2…，An的交， 记作 A1∩A2∩…∩A n。
• 对于两个或更多个症状存在的情况，仍 可用贝叶斯 (Bayes) 公式计算。在各个症 状彼此独立前提下，则各个症状同时出 现的概率是各自单独出现时其概率的乘 积。因此假设各症状互相独立，贝叶斯 (Bayes)公式可写为：
• 在运用贝叶斯模型时须要注意的问题：
(1)模型中j种疾病互斥，先验概率之和要为l(即要 构成一个完整的疾病群)。 (2)先验概率的确定。参考文献报道和历史资料 统计频率作为近似估计。 (3)条件概率的确定。 (4)用于鉴别诊断的症候指标是互相独立无关的。 (5)当计算出各后验概率P(Hj|A)后，作为临床判 断的依据只有当P(Hj|A)(j＝l，2，…,n)间差 距达五倍以上时方可下结论，或是当某一后验 概率值达0．85才下结论。
式（3-1）称为贝叶斯定理。 • 这里H1,H2,…Hi分别表示j种互斥的疾病; • A为用于这些疾病鉴别诊断的某一临床表现或 检验结果的组合（症候）; • 式中P(Hj)为各疾病发生的先验概率,表示医生 在具体诊断某患者前所掌握的疾病Hi的发病情 况。 • P(A|Hj)为在已知疾病Hi条件下，各症状A出现 的“条件概率”，即某临床症候A的可能性， 它可以通过收集足够数量的病例容易地得到。 • P(Hj|A）称为后验概率，表示在患者症状A出 现时,患疾病Hi的可能性。
第二章 专家系统及其在医学的应用
• 临床诊断环节:是运用已有的医学知识对疾病的 表现进行辩证分析，得出符合逻辑的结论的过 程。其基本环节如下： 收集资料一综合分析、推理，作出诊断。 • 传统的疾病诊断:其综合分析、推理除了各种疾 病出现的概率只能从过去的历史资料中得来以 外，还主要依据医生的个人经验。 • 计量诊断:与传统的疾病诊断基本环节一致，但 其分析、推理不是凭经验，而是用一种定量的 推理模式代替，再根据—定的法则作出合理的 临床判断。称之为计算机辅助诊断。
• 专家诊断系统程序一般为四个模块。
(1)输入模块。输入模块包括编码、查错、人机对 话； (2)辩证模块。辩证模块包括分类、建立判别树、 确定相关强度、综合评判；组方模块包括分类、 交错症侯评判、组方； (3)随症加减模块。随症加减模块包括分类、建立 子模块、子模块管理； (4)汉字输出模拟。汉字输出模拟包括建立汉字 代码、汉字数据文件及汉字输出程序的数字模 型采用“加权求和”和“浮动阈值”法。
• 计算机辅助诊断: 利用机器模仿医生的智能。
利用机器模仿人类的智能即人工智能。 • 工智能技术在医学上的典型应用:是专家系统。 专家系统的实质就是让计算机系统代替 专家为患者诊断，换句话说就是利用机 器模仿人类专家的智能。 • 常用医学专家系统模型：
–基于统计学原理（Bayes) –基于模糊数学原理 –基于人工神经网络
2）概率与频率 • 可用—个小于或等于1的正数P(A)来表示 事件A出现的可能性，较大的可能性用较 大的数字来标志，较小的就用较小的数 字。这样P(A)就称为事件A的概率。 • 当概率值不易求出时我们往往取频率作 为概率的近似值，频率的概念比较简单 可以很方便地求出。
3）贝叶斯定理 • 有时除了要知道事件的概率P(A)外，还需 要知道在“事件B已出现”的条件下，事件 A出现的条件概率P（A|B）。例如，我们 需要知道在某疾病B发生条件下，症状A出 现的概率时就要计算条件概率P（A|B）。
• 计算机专家诊断系统的一般诊断过程是 (1)要求输入足够多的病例பைடு நூலகம்计资料； (2)选用一定数学模型，确定参数和诊断(运 算)规则； (3)编制程序； (4)将诊断程序输入计算机； (5) 将患者症状、体征、检查等资料用输入 计算机； (6) 经运算后，屏幕显示出诊断报告并打印 出诊断结果。
2.1 基于统计模型的计算机辅助诊断
4）应用举例一、 如对某地区1207位阑尾炎 思考的资料统计为表3—1。按慢性阑尾炎、 急性阑尾炎、阑尾炎穿孔三类统计症候频 率(腹痛开始部位、恶心呕吐、大便、体温、 体征及体检结果)。
– 若已知慢性阑尾炎 H1 、急性阑尾炎 H2 、阑尾 炎穿孔H3发生的先验概率分别为： P(H1)＝0.391 P(H2)＝0.493 P(H3)＝0.116 –现有一阑尾炎患者、开始上腹痛，之后呕吐， 腹泻，人院体温37℃．全身腹肌紧张，压痛， WBC(白细胞)数达19350。
显然其症侯为B＝B13· B23· B33· B42· B51· B61· B73 ,则 其P(Hj|B)(j＝l，2，3，4)的大小可通过公式3-1算 得。
• 其中，P(B|Hj)＝ P(B13· B23· B33· B42· B51· B61· B73 |Hj) ＝P(B13 | Hj) P(B23 | Hj) P(B33 | Hj) P(B42 | Hj) P(B51 | Hj) P(B61 | Hj) P(B73 | Hj) (j=l，2，3) P(B|H1) ＝9．45×10-8 P(H1)P(B|H1)＝0．351×9．45× 10-8 ＝3．695× 10-8 同理P(H2) P(B|H2) =5.53 × 10-5 P(H3) P(B|H3) =1.136 × 10-4