Биотехническая система анализа и совместной обработки информации

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Специальность 05.13.01 - Системный анализ, управление и обработка информации (в технической отрасли)

Биотехническая система анализа и совместной обработки информации

Коблов Александр Васильевич

Саратов 2009



Работа выполнена в Саратовском государственном техническом университете

Научный руководитель - доктор технических наук, доцент Булдакова Татьяна Ивановна

Официальные оппоненты

доктор технических наук, профессор Дрогайцев Валентин Серафимович

кандидат технических наук, доцент Жигулевцев Юрий Николаевич

Ведущая организация: Институт проблем точной механики и управления РАН, г. Саратов.

Ученый секретарь диссертационного совета В.В. Алешкин

1. Общая характеристика работы

биосигнал сердце сосуд диагностический

Актуальность исследования. Несмотря на высокий уровень автоматизации процесса управления сложными техническими объектами, главным элементом всех человеко-машинных комплексов остается человек-оператор. Деятельность человека-оператора характеризуется высоким психоэмоциональным напряжением, что может негативно сказаться на качестве решаемых задач. Поэтому необходим постоянный контроль за физическим состоянием людей, управляющих сложными устройствами, оборудованием, комплексами. Более того, от состояния человека-оператора зачастую зависит не только эффективность работы технических объектов, но и безопасность людей (например, на железнодорожном транспорте, в авиации, при управлении ядерными реакторами). Таким образом, дистанционный мониторинг и анализ функционального состояния человека-оператора являются актуальными для многих сфер профессиональной деятельности, связанной с обслуживанием сложной техники.

В настоящее время имеются различные методики оценки состояния человека-оператора: по кожно-гальванической реакции, по частотно-амплитудному спектру сигналов ЭЭГ (электроэнцефалограмма), по вариабельности сердечного ритма. Для конкретных видов деятельности используют свои подходы. К примеру, на железной дороге в настоящее время внедряется телемеханическая система контроля бодрствования машиниста, которая обеспечивает непрерывный контроль его работоспособности по параметрам электрического сопротивления кожи запястья руки.

Однако одной из наиболее объективных и удобных для автоматизированной обработки является оценка функционального состояния по биосигналам сердечно-сосудистой системы (ЭКГ, пульсограмма и др.). Исследования, отраженные в работах ученых В.П. Казначеева, Р.М. Баевского, К.В. Судакова, А.А.Генкина, А.М. Дворянкина и других, показали, что одновременное использование биосигналов различного функционального происхождения позволяет значительно повысить точность и адресность ранней диагностики, а значит оперативно зафиксировать изменение функционального состояния человека. Более того, с позиций современной теории сложных систем наиболее значимыми индикаторами адаптационных возможностей сложной самоорганизующейся системы являются показатели взаимосвязей образующих их подсистем.

Поэтому практическая реализация дистанционного мониторинга и анализа функционального состояния человека-оператора связана с разработкой биотехнических систем, способных регистрировать биосигналы системы «сердце-сосуды» и производить их совместную аналитическую обработку с целью определения характеристик взаимосвязей, которые могут служить индикаторами адаптационных возможностей организма.

Разработке аппаратно-программных комплексов для медицинской диагностики посвящены работы российских ученых А.П. Кулаичева, Д.А. Прилуцкого, А.В. Плотникова, И.С. Явелова, К.В. Зайченко, В.М. Ахутина, Ю.П. Мухи, С.И. Щукина, Н.И. Калядина, П.Г. Кузнецова и др. Однако возможности аналитической обработки информации в известных комплексах ограничиваются методами статистического анализа каждого из регистрируемых биосигналов без учета их взаимосвязи и без построения моделей системы «сердце-сосуды».

Вместе с тем перспективным представляется модельный подход к обработке биосигналов кардиоцикла на основе методов реконструкции динамических систем, развиваемых в работах Г. Хакена (H. Haken), А. Стефановской (A. Stefanovska), С. Пинкуса (S. Pincus), Г.Г. Малинецкого, С.П. Курдюмова, В.С. Анищенко, Б.П. Безручко и др.

Практическое использование указанных методов для идентификации функционального состояния человека предъявляет дополнительные требования к характеристикам биотехнических систем. В частности, поскольку шумы биосигналов могут в значительной мере исказить результаты реконструкции, то повышенные требования должны предъявляться к помехозащищенности устройств и реализации методов подавления шумов. Кроме того, необходимо обеспечить синхронный съем биосигналов кардиоцикла для адекватной реконструкции (восстановления) фазового портрета системы и построения ее информационной модели.

Таким образом, изложенное выше определило актуальность разработки биотехнической системы, позволяющей проводить оценку функционального состояния человека-оператора по синхронно зарегистрированным и совместно обработанным биосигналам кардиоцикла на основе модельного представления системы «сердце-сосуды».

Целью диссертационной работы является разработка и создание биотехнической системы совместной обработки синхронно регистрируемых биосигналов на основе методов реконструкции и параметрической идентификации моделей системы «сердце-сосуды». Для достижения данной цели были поставлены и решены следующие задачи:

Разработка методики совместной обработки данных, полученных при регистрации многопараметрической биомедицинской информации, на основе модельного представления связанных подсистем.

Исследование диагностических возможностей предложенной методики совместной обработки биосигналов для оценки функционального состояния человека-оператора.

Разработка алгоритмов и программ управления синхронным съемом, регистрацией и обработкой данных.

Разработка программного обеспечения и макета биотехнической системы автоматизированной регистрации и совместной обработки информации.

Объектом исследования является биотехническая система регистрации и обработки разнородной информации на основе модельного представления связанных подсистем.

Методы исследования. В основе исследования лежат методы идентификации, нелинейной динамики, реконструкции модельных уравнений динамических систем, цифровой обработки сигналов. Для создания программного обеспечения системы применялась технология объектно-ориентированного программирования с использованием языка Borland Delphi.

Научная новизна полученных результатов:

Поставлена и решена задача совместной обработки разнородных биосигналов на основе реконструкции и параметрической идентификации моделей системы «сердце-сосуды», предложено ее аппаратно-алгоритмическое решение.

Разработана математическая модель пульсовой динамики сосудов, учитывающая связь с электрической активностью сердца, и проведено ее исследование с целью оценки функционального состояния человека-оператора.

Предложены схемотехнические и алгоритмические решения для автоматизированного уменьшения помех, возникающих при электрофизиологических исследованиях, на основе анализа возможных методов их устранения.

Разработаны алгоритмы и программное обеспечение биотехнической системы, позволяющие моделировать взаимодействие подсистем на основе синхронного съема и совместной обработки многопараметрической биомедицинской информации.

Связь работы с крупными научными программами и темами.

Диссертационная работа выполнена при финансовой поддержке:

Министерства образования и науки РФ:

Ползуновский грант 2003 года, тема «Мобильный измерительный комплекс для системной оценки состояния здоровья человека», шифр 24-1.15, соискатель являлся научным руководителем данного гранта;

аналитическая целевая программа «Развитие научного потенциала высшей школы (2006-2008 годы)», тема «Синхронизация сложных процессов и систем. Приложения к задачам биофизики».

Российского Фонда Фундаментальных Исследований (РФФИ):

проект 07-07-12066 «Разработка методов модельного анализа биосигналов с целью экспресс-диагностики» (2007-2009 годы).

Данная работа также выполнялась в рамках следующих НИР, проводимых по тематическому плану Министерства образования РФ: «Интеллектуальные технологии диагностики и анализа сложных систем» (2001 г.), «Разработка теории идентификации сложных систем естественного происхождения» (2002 г.), «Исследование принципов идентификации функциональных взаимосвязей сложных биосистем» (2003 г.), «Разработка и исследование нейросетевых методов идентификации с целью диагностики сложных систем (в медицине)» (2004 г.). Проведенные исследования соответствуют направлениям «Информационно-телекоммуникационные системы» и «Технологии живых систем» Перечня критических технологий федерального значения.

Практическая полезность полученных результатов.

На основе разработанной и реализованной биотехнической системы можно производить синхронный съем, регистрацию, совместную обработку многопараметрической биомедицинской информации с целью выявления взаимосвязей биосистем. Характеристики взаимосвязей служат дополнительным диагностическим критерием в задачах диагностики и оценки функционального состояния человека-оператора.

Предложена инженерная методика проектирования разработанной биотехнической системы иерархической структуры, включающая способ совместной обработки биосигналов на основе реконструкции и модельного представления биосистем.

Материалы диссертации используются в учебном процессе при проведении занятий по курсам «Компьютерное моделирование», «Автоматизированные информационно-управляющие комплексы», «Интегрированные системы», «Разработка программно-методических комплексов автоматизированных систем» на факультете электронной техники и приборостроения Саратовского государственного технического университета.

Предложенная в работе биотехническая система и алгоритмы совместной обработки биосигналов внедрены в медицинскую практику на кафедре пропедевтики внутренних болезней Саратовского государственного медицинского университета, что подтверждается соответствующим актом.

На защиту выносятся:

Методика совместной обработки многопараметрической биомедицинской информации на основе реконструкции и модельного представления связанных подсистем.

Метод идентификации функциональных связей в сложных биосистемах с помощью аппарата нейронных сетей на примере системы «сердце-сосуды».

Программно-алгоритмическое обеспечение биотехнической системы, позволяющее выполнять оценку функционального состояния человека-оператора на основе синхронного съема и совместной обработки биомедицинской информации.

Биотехническая система, позволяющая выполнить автоматизированную настройку в зависимости от уровня помех и реализовать совместную регистрацию и модельную обработку биосигналов кардиоцикла.

Апробация работы. Основные результаты работы докладывались на Международном симпозиуме «Интеллектуальные системы» (Саратов, СГТУ, 2004); 8-й Всероссийской научно-технической конференции «Состояние и перспективы измерений» (Москва, МГТУ им. Н.Э. Баумана, 2002); Международной конференции «Информационные технологии в образовании, технике и медицине» (Волгоград, ВолгГТУ, 2002); Международной конференции «Идентификация систем и задачи управления» (Москва, Институт проблем управления РАН, 2003); 6-й Всероссийской конференции «Студенты и аспиранты - малому наукоемкому бизнесу» (Ярославль, ЯрГТУ, 2003); 16, 18 и 20 Международных научных конференциях «Математичесике методы в технике и технологиях» (Санкт-Петербург, 2003; Казань, 2005; Ярославль, 2007); Всероссийской конференции «Человеческий фактор в управлении социальными и экономическими системами» (Пенза, 2006).

Программные продукты, разработанные в рамках диссертационной работы, представлялись на Международной выставке-ярмарке научно-исследовательских работ и инновационной деятельности студентов, аспирантов и молодых ученых вузов Российской Федерации (Новочеркасск, НТИ (ЮРГТУ), 2003) и 9-й Международной выставке молодежных научно-технических проектов «ЭКСПО - Наука 2003» (Москва, ВВЦ, 2003).

Разработанное программно-алгоритмическое обеспечение реализовано в автоматизированной системе БАРС, которая зарегистрирована в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Личный вклад соискателя. Автором разработано модельное представление системы «сердце-сосуды» для оценки функционального состояния человека-оператора, нейросетевой метод идентификации функциональных связей в биосистемах, а также программно-аппаратное обеспечение макета биотехнической системы.

Публикации. По теме диссертации опубликовано 15 научных работ, в том числе 3 статьи в научных журналах из списка ВАК России, 3 статьи в сборниках научных трудов, 8 докладов в трудах международных конференций, 1 свидетельство о государственной регистрации программы для ЭВМ.

Структура и объем диссертации.

Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы и 2 приложений. Общий объем диссертации составляет 153 страницы. Диссертация содержит 36 рисунков, 4 таблицы. Список литературы включает 131 наименование.



2. Основное содержание работы

Во введении дана общая характеристика работы, обоснованы актуальность исследований, научная новизна и практическая значимость, а также сформулированы цель и задачи диссертационной работы.

В первой главе поставлена задача оценки функционального состояния человека-оператора на основе совместной обработки многопараметрической биоинформации. Рассмотрены различные подходы к оценке функционального состояния и проанализированы реализующие их методики. Отмечена перспективность модельного подхода к обработке биоинформации.

Модельная обработка подразумевает наличие или построение модели сигнала, процесса или объекта. Причем если раньше задача заключалась в основном в интерполяции данных эксперимента и получении функциональной зависимости наблюдаемых величин от времени, то сейчас разрабатываются новые подходы к созданию эмпирических математических моделей объектов и явлений в форме модельных дифференциальных или разностных уравнений.

Стандартный подход к построению дифференциальных уравнений по экспериментальным временным рядам опирается на теорему Такенса. В случае регистрации нескольких сигналов от элементов, образующих систему, теорема позволяет получить модель всей системы в стандартной форме, причем в качестве характеристик взаимосвязи элементов системы выступают весовые коэффициенты некоторой нелинейной функции f(t).

Пусть имеются два сигнала x₁(t) и x₂(t), зарегистрированных в форме временных рядов . Вектор фазовых переменных реконструируется следующим образом:



,

где n₁ + n₂ = n.

В случае полиномиальной аппроксимации нелинейные функции f₁(Y) и f₂(Y) представляются в виде полиномов некоторой степени :

где - неизвестные коэффициенты.

Реконструкция динамической системы в рассматриваемом случае подразумевает построение модели, поведение которой качественно совпадает с поведением биосистемы (качественное совпадение видов временных реализаций, структуры бифуркационных множеств в пространстве параметров и фазовых портретов). Отмечено, что для повышения адекватности модельных уравнений процесс реконструкции должен проводиться с учетом априорной информации о системе.

Поскольку биосигналы определяют значения фазовых переменных исследуемых биосистем, необходимо фиксировать их значения синхронно в одни и те же моменты времени. Синхронный съем важен также для исследования характеристик взаимной связи между биосигналами. Только в этом случае процесс регистрации сигнала не будет иметь фазовых искажений, а регистрируемые сигналы будут описывать состояние подсистем в один и тот же момент времени.

В работе предложен обобщенный алгоритм модельной обработки биосигналов, позволяющий по параметрам взаимосвязи оценить состояние человека-оператора. Отмечено, что практическая реализация алгоритма связана с созданием биотехнической системы анализа и совместной обработки биосигналов кардиоцикла на основе структурно-параметрической идентификации взаимосвязей. Показано, что разрабатываемый модельный подход к совместной обработке биосигналов накладывает дополнительные требования к регистрирующей аппаратуре.

Поскольку на практике всегда существует определенная величина рассогласования моментов квантования по времени, обусловленная шумами в электронных схемах, нестабильностью работы синхрогенераторов и многими другими причинами, была выполнена оценка требований к допустимой величине рассогласования моментов квантования при одновременной регистрации нескольких сигналов.

Сформулирована задача создания биотехнической системы, позволяющей синхронно регистрировать и совместно обрабатывать биосигналы кардиоцикла с целью оценки функционального состояния человека-оператора.

Вторая глава посвящена разработке метода совместной обработки биосигналов на основе модельных представлений.

Проведенный анализ статистических методов совместной обработки сигналов показал, что данные методы не учитывают динамику и свойства самих систем, генерирующих временные ряды. Кроме того, был выполнен анализ существующих подходов к построению моделей биосистем, отмечены их особенности и ограничения, связанные с учетом взаимовлияния подсистем. Отмечено, что в универсальных алгоритмах реконструкции не учитывается априорная информация о реконструируемой системе, поэтому такая форма представления реконструируемой модели не отражает особенностей функционирования реальной системы.

Поставлена задача идентификации взаимосвязей биосистем на основе модельного представления взаимодействующих подсистем. Показано, что оценка функционального состояния человека-оператора может быть выполнена по значениям параметров моделей, описывающих взаимодействующие подсистемы. Таким образом, в основе рассматриваемой модельной обработки лежит структурная и параметрическая идентификация исследуемых подсистем на основе регистрируемых биосигналов. При данном подходе взаимодействие подсистем традиционно описывается правыми частями модельных уравнений, где стоят неизвестные функции взаимосвязи.

Предложенный подход был реализован на примере системы «сердце-сосуды», где подсистемы представлялись базовыми моделями, построенными на основе биофизических представлений и регистрируемых биосигналов. Связь пульсовой и сердечной подсистем F_связи оценивалась на основе анализа синхронно регистрируемых биосигналов перемещений стенки кровеносного сосуда x(t) и электрической активности сердца (электрокардиосигнала) e(t).

На основе анализа работ Г. Хакена (H. Haken), А. Стефановской (A. Stefanovska), С. Пинкуса (S. Pincus), а также физических представлений о характере перемещений стенок кровеносного сосуда, математическое описание сердечно-пульсовой активности можно представить в форме уравнения Ван-дер-Поля - Рэлея:

, (1)

где - частота основного гармонического колебания стенки сосуда; F_связи - функция, описывающая воздействие сердечной активности на динамику стенки сосуда; ₁, ₂, w_0; r₀ - неизвестные параметры, которые находятся на этапе параметрической идентификации модели.

Традиционно в качестве характеристик взаимной связи сигналов используются взаимокорреляционные функции, функции когерентности и ряд других эмпирических характеристик связи. Однако на фоне сильной корреляции при незначительных изменениях параметров взаимосвязей подсистем использование подобных статистических характеристик является недостаточным. Поэтому были предложены два способа формирования функции взаимосвязи:

на основе физических представлений о взаимодействии двух связанных колебательных систем;

с использованием аппарата искусственных нейронных сетей.

В работе были исследованы оба подхода. Адекватность модели исследовалась по сходству выходных сигналов исходной и модельной систем, фазовых портретов, а также по специально разработанной методике, основанной на свойствах синхронного поведения связанных систем с похожей динамикой.

В соответствии с физическими представлениями о взаимодействии двух связанных колебательных систем функция связи представлялась в виде

. (2)

Таким образом, выражение (1) с учетом (2) можно представить в виде

. (3)

Неизвестные параметры в модели (3) находятся на этапе ее параметрической идентификации с помощью метода наименьших квадратов, где значения определяются по экспериментально полученным данным. Значения параметров и функции связи могут рассматриваться как дополнительный диагностический критерий при диагностике функционального состояния человека-оператора.

Примеры реализации пульсового сигнала x и электрокардиосигнала e исследуемой системы здорового человека в покое приведены на рис. 1 и 2.

Рис. 1. Пульсовый сигнал

Рис. 2. Сигнал электрической активности сердца

Решение уравнения (3) для х с учетом найденных параметров можно получить численными методами при условии задания экспериментальных значений сигналов , зарегистрированных синхронно со значениями перемещения стенки кровеносного сосуда x.

Учет функции связи в модели (3) приводит к результатам моделирования пульсовой активности, приведенным на рис. 3 и 4.

Рис. 3. Учет воздействия сердечной подсистемы на пульсовую подсистему



Рис. 4. Фазовые портреты исходной системы и модельной системы

Представленные результаты демонстрируют определенное сходство динамического поведения реальной системы и ее модели. Однако фазовый портрет модельной системы содержит нехарактерные «выбросы», обусловленные резким изменением значений амплитуды в области пиков и их непостоянством. Наличие «выбросов» свидетельствует о чувствительности функции связи (2) к флуктуациям электрокардиосигнала e.

Из рис. 3 видно, что модель верно отражает основные особенности, присущие пульсовому сигналу. В частности, на модельной кривой отражена физиологическая особенность - инцизура в виде глубокой выемки, связанная с обратным током крови по аорте к сердцу. Проведенные исследования подтверждают хорошую адекватность модели относительно основных динамических свойств. Поэтому параметры взаимосвязи и могут служить диагностическими показателями при экспресс-диагностике.

Второй подход был реализован на основе нейросетевой аппроксимации функции взаимосвязи с помощью нейронной сети Вольтерра (e), где y_n - выходной сигнал сети Вольтерра в момент t_n. Возбуждением для сети в момент t_n служит входной вектор , где L - количество единичных задержек сигнала. Нелинейная функциональная зависимость выходного сигнала сети y_n от входного сигнала e является естественным полиномиальным обобщением описания линейного фильтра.

Для идентификации неизвестной функции взаимосвязи была предложена сеть с параметрами L = 2 и K = 3, где K - степень ряда Вольтерра:

,

что позволило без усложнения структуры сети получить адекватное представление функции взаимосвязи. Кроме того, использовался принцип естественной симметрии ядер Вольтерра, вследствие которой все веса w_i1,i2,…,iK имеют одни и те же значения для каждой комбинации индексов i1, i2,…, iK. В результате нейронная сеть описывалась дифференциальным уравнением:

.

Неизвестные параметры a_i, определяемые в процессе обучения сети с использованием известных значений электрической активности сердца и требуемого значения выхода сети, соответствуют следующим ядрам Вольтерра:

Результат моделирования динамики пульсового сигнала показан на рис. 5.

Рис. 5. Результат моделирования при нейросетевой реконструкции функции связи



Анализ результатов моделирования с использованием разных аппроксимаций функций взаимосвязи позволил выделить наиболее эффективный способ их идентификации - с помощью нейронной сети Вольтерра.

Предложенная методика совместной обработки биосигналов позволяет на основе собранных статистических данных о значениях параметров F_связи определить границы кластеров, соответствующих различным функциональным состояниям. Тогда идентификацию этих состояний можно проводить на основе принадлежности значений параметров F_связи определенному кластеру.

Диагностические возможности предложенного метода идентификации функциональных связей в сложных биосистемах исследовались на примере идентификации двух функциональных состояний человека-оператора: спокойного и напряженного. На рис. 6 и 7 показаны сигналы пульсовой активности и электрической активности сердца в покое и при психо-эмоциональном напряжении, где видно, что помимо увеличения частоты в определенной степени изменяется форма кривых.

Рис. 6. Пульсовые сигналы в покое и при нагрузке

Рис. 7. Сигналы электрической активности сердца в покое и при нагрузке

Отмечено, что при нагрузке существенно меняются значения параметров a, и . Если для состояния покоя в рассматриваемом эксперименте были вычислены следующие значения: a = 37,18; = -9,52 и = 6,51, то при нагрузке эти значения соответственно приняли значения 95,5; -8,31 и 1,07. Предложенный способ идентификации позволил различать эти два состояния.

Третья глава посвящена разработке принципов построения, структуры и функциональной модели системы.

В настоящее время в многоканальных регистраторах электрофизиологических сигналов используются две основные схемы входных цепей: мультиплексирование аналоговых сигналов на одиночный преобразователь и схема «преобразователь на канал». В рассматриваемой биотехнической системе была реализована схема «преобразователь на канал», которая позволяет обеспечить синхронную регистрацию биосигналов с нужной точностью.

Другой особенностью предлагаемого метода обработки сигналов на основе реконструкции является его чувствительность к уровню зашумления сигналов. При высоком уровне шумов сложно выполнить параметрическую идентификацию и правильно определить параметры моделируемых уравнений. Поэтому в рассматриваемом комплексе реализована многоуровневая система фильтрации шумов измерения, использующая схемотехнические и алгоритмические методы.

Поскольку при разработке устройства регистрации важно знать не столько источники помех, сколько возможные методы их устранения, предложена следующая классификация устранения помех: на основе схемных решений; алгоритмическими методами; выбором элементной базы; за счет правильной эксплуатации (выбор помещения, правильное положение пациента, отсутствие пересечений проводов). С учетом этих методов устранения помех предложена модульно-иерархическая структура системы в составе мобильного устройства регистрации и рабочей станции.

Мобильное устройство предназначено для регистрации биосигналов человека-оператора и первичной обработки информации, в нем также реализованы самотестирование и анализ уровней электромагнитных наводок различного происхождения. Структура внешнего мобильного устройства показана на рис. 8. Особенностью схемной реализации устройства регистрации является то, что в качестве центрального процессорного устройства выбран микроконтроллер Samsung S3C44B0X. Это 32 - разрядный RISC микроконтроллер, разработанный для высокопроизводительных решений в устройствах управления.

Частота ядра микроконтроллера составляет 60 МГц. В качестве ОЗУ выбрана микросхема синхронной динамической памяти объемом 8Мб K4S641632F-TC75 фирмы SAMSUNG. Дополнительной внешней логики при подключении к микроконтроллеру не требуется, так как в выбранном микроконтроллере имеется узел управления синхронной динамической памятью. В качестве ПЗУ выбрана микросхема Flash-памяти объемом 512 Кб Am29LV040B фирмы AMD.

Рис. 8. Структурная схема устройства регистрации



Вычислительный блок входит в состав модуля первичной обработки информации. В реальном масштабе времени вычисляются частотно-временные и статистические характеристики сигналов, а также простейшие диагностические параметры.

Основное назначение измерительного блока заключается в регистрации биосигналов и минимизации шумов измерения. Он содержит измерительные каналы, выполненные по типовой схеме: усилитель - фильтр - АЦП. Для расширения гибкости при выборе частотного диапазона измерительные каналы разделены на две группы, в зависимости от используемых АЦП. Первая группа каналов использует быстродействующие 24-разрядные сигма-дельта АЦП ADS 1252, а вторая группа - встроенные двенадцатиразрядные АЦП процессора цифровой обработки сигналов TMS320F2812.

Входные блоки любого измерительного электрофизиологического комплекса являются наиболее ответственными. В них используются прецизионные усилители с цифровым управлением коэффициента передачи, полосы пропускания, внутренней калибровкой. В рассматриваемом устройстве на входе используются малошумящие инструментальные усилители INA 118, которые имеют программно-управляемый коэффициент усиления за счет использования аналогового коммутатора ADG 221.

В схеме используется перенастраиваемый фильтр Бесселя, который выполнен на микросхеме MAX 275. Выбор фильтра Бесселя обусловлен тем, что он дает постоянную задержку распространения сигналов на всех частотах, что важно для адекватной реконструкции модельных уравнений. На выходе фильтра все гармоники задерживаются одинаково. Режекторный фильтр на 50 Гц реализован на микросхеме МАХ 275 и имеет 2 каскадируемые секции 2-го порядка.

Встроенная система калибровки и самотестирования обеспечивает анализ состояния измерительного комплекса, электромагнитную обстановку в помещении. В основу реализации измерителя электромагнитного поля положен индукционный датчик с интегратором и квадратичным детектором.

Следующий алгоритмический уровень уменьшения помех реализован в процедуре идентификации параметров и основан на алгоритмах динамической фильтрации шумов. Уменьшение помех алгоритмическим методом выполняется в рабочей станции.

Рабочая станция строится на основе персонального компьютера, на котором реализуются следующие процедуры: самодиагностика; оценка напряженности электромагнитного поля в помещении; адаптация измерительного тракта системы путем программного изменения коэффициента усиления и полосы пропускания каждого канала; интерактивное взаимодействие с пользователем на основе графического интерфейса; управление вычислительным процессом; совместная обработка биосигналов на основе модельного представления взаимосвязанных подсистем.

В четвертой главе представлен макет биотехнической системы, предложена методика проектирования двухуровневой многопараметрической системы с возможностями адаптации измерительных каналов, их диагностики и калибровки, а также описаны возможности обработки и визуализации синхронно зарегистрированных биосигналов. Общая структура макета системы показана на рис. 9.

В главе приведено описание составных частей разработанного программного обеспечения биотехнической системы, приведена методика регистрации и обработки биосигналов, подробно описаны функции системы и продемонстрированы ее возможности. На рис. 10а демонстрируется подавление синфазной помехи, на рис. 10 б и в демонстрируются удаление тренда и фильтрация сигнала с применением преобразования Фурье. Эти преобразования выполняются в мобильном устройстве.

Особенностью второго уровня иерархии биотехнической системы является совместная обработка синхронно зарегистрированных биосигналов для оценки функционального состояния человека-оператора.



Рис. 9. Общая структура макета биотехнической системы

а б в

Рис. 10. Результаты предварительной обработки биосигналов



В заключении сформулированы основные результаты, полученные при работе над диссертацией:

Поставлена и решена задача совместной обработки разнородных биосигналов на основе методов реконструкции и параметрической идентификации моделей подсистем с учетом их взаимосвязи, предложено ее аппаратно-программное решение.

Разработана методика совместной обработки биосигналов на основе модельного представления связанных подсистем, предложена модель пульсовой динамики сосудов, учитывающая связь с электрической активностью сердца, и проведено ее исследование с целью оценки функционального состояния человека-оператора.

Предложены и исследованы два подхода к построению функции связи двух подсистем: на основе физических представлений и с использованием аппарата искусственных нейронных сетей.

Предложен метод идентификации взаимосвязей на основе модельного представления взаимодействующих подсистем, который реализован для системы «сердце-сосуды». Диагностические возможности метода проиллюстрированы при идентификации двух функциональных состояний человека-оператора.

Разработана функциональная модель биотехнической системы, которая позволяет определить оптимальную структуру и комплектацию устройства на этапе разработки и оптимальную стратегию адаптации при решении конкретных задач.

Разработана двухуровневая структура биотехнической системы обработки разнородной биоинформации; на первом уровне реализована подсистема регистрации и первичной обработки биосигналов, на втором - подсистема аналитической обработки и управления.

Разработаны алгоритмы и программы, предназначенные для управления синхронным съемом, регистрацией и обработкой многопараметрической биомедицинской информации на основе модельного представления связанных подсистем.

Предложена классификация помех, которые возникают при электрофизиологических исследованиях, исходя из возможных методов их устранения, и на ее основе предложены схемотехнические и алгоритмические решения уменьшения таких помех.

Разработаны алгоритмы автоматизированной адаптации биотехнической системы с целью оптимизации точностных характеристик измерительных каналов.

Разработано программное обеспечение для биотехнической системы, позволяющее реализовать синхронный съем, регистрацию и совместную обработку различных биосигналов.

Разработан и изготовлен макет биотехнической системы, обеспечивающий адаптацию измерительных каналов, их диагностику и калибровку. Разработана методика проектирования подобных устройств.

В приложении приведены акты о внедрении результатов данной диссертационной работы в медицинскую практику на кафедре пропедевтики внутренних болезней Саратовского государственного медицинского университета и об использовании результатов работы в учебном процессе в Саратовском государственном техническом университете.



Основные публикации по теме диссертации

1. Коблов А.В. Информационно-измерительный комплекс совместной регистрации и обработки биосигналов / Т.И. Булдакова, А.В. Коблов, С.И. Суятинов // Приборы и системы. Управление, контроль, диагностика. - 2008. - № 6. - С. 41-46.

2. Коблов А.В. Методика идентификации сложных систем / С.И. Суятинов, Н.С. Самочетова, А.В. Ланцберг, А.В. Коблов // Вестник СГТУ. - 2007. - № 4 (27). - С. 31-37.

3. Коблов А.В. Нейросетевые методы идентификации пульсовых сигналов / Т.И. Булдакова, А.В. Коблов, А.В. Кузнецов, С.И. Суятинов // Вестник новых медицинских технологий. - 2002. - № 4. - С. 61-63.

4. Коблов А.В. Модель связанной системы «сердце-сосуды» / С.И. Суятинов, А.В. Коблов // Математические методы в технике и технологиях: сб. тр. Междунар. конф. - Ярославль: Изд-во Яросл. гос. техн. ун-та, 2007. - Т. 9. - С. 9-12.

5. Коблов А.В. Электродинамическая модель регуляции сердечного ритма / А.В. Коблов, С.И. Суятинов // Математические методы в технике и технологиях: сб. тр. XVIII Междунар. науч. конф. - Казань: Изд-во КГТУ, 2005. - Т. 6. - С. 119-121.

6. Коблов А.В. Информационно-измерительный комплекс регистрации и обработки многопараметрической биомедицинской информации / С.И. Суятинов, А.В. Коблов, Т.И. Булдакова // Человеческий фактор в управлении социальными и экономическими системами: сб. тр. Всерос. науч.-практ. конф. - Пенза: РИО ПГСХА, 2006. - С. 139-147.

7. Коблов А.В. Разработка модельных уравнений для идентификации сложных систем / А.В. Коблов, С.И. Суятинов, Е.А. Черепанова // Интеллектуальные системы: тр. Междунар. симпозиума. - Саратов, 2004. - С. 416-419.

8. Коблов А.В. Принципы разработки модельных уравнений для идентификации сложных систем / Т.И. Булдакова, А.В. Коблов, С.И. Суятинов // Идентификация систем и задачи управления: тр. Междунар. конф. - М.: Ин-т проблем управления, 2003. - С. 336-343.

9. Коблов А.В. Мобильный измерительный комплекс оценки физиологических параметров человека / А.В. Коблов, А.В. Колентьев, А.В. Кузнецов, С.С. Милованов // Студенты и аспиранты - малому наукоемкому бизнесу: сб. тр. 6-й Всерос. конф. - Ярославль, 2003. - С. 51-56.

10. Коблов А.В. Нейросетевой метод идентификации связей в сердечнососудистой системе / А.В. Коблов // Математические методы в технике и технологиях: сб. тр. 16-й Междунар. науч. конф. - СПб: Изд-во СПбГТИ (ТУ), 2003. - Т. 9. - С. 115-116.

11. Коблов А.В. Критерий адекватности моделей при моделировании на нейросетях / Т.И. Булдакова, А.В. Коблов, А.В. Кузнецов, С.И. Суятинов // Прикладные исследования в радиофизике и электронике: сб. науч. статей. - Саратов: СГТУ, 2001. - С. 81-85.

12. Коблов А.В. Электродинамическая модель водителя сердечного ритма / А.В. Коблов // Моделирование процессов в радиофизических и оптических устройствах: сб. науч. тр. - Саратов: СГТУ, 2002. - С. 93-95.

13. Коблов А.В. Особенности и алгоритм интерпретации измерительных биосигналов / Т.И. Булдакова, А.В. Коблов, С.И. Суятинов // Состояние и проблемы измерений: материалы 8-й Всерос. науч.-техн. конф. Ч. 2. - М.: МГТУ им. Н.Э. Баумана, 2002. - С. 28-29.

14. Коблов А.В. Портативный диагностический прибор врача для мониторинга и экспресс-диагностики / А.В. Коблов, С.И. Суятинов // Информационные технологии в образовании, технике и медицине: сб. науч. тр. Междунар. науч.-техн. конф. Ч. 2. - Волгоград: РПК «Политехник», 2002. - С. 238-240.

15. Коблов А.В. Больничная Автоматизированная Рабочая Система (БАРС) / Т.И. Булдакова, А.В. Коблов, С.И. Суятинов и др. // Свидетельство о государственной регистрации программы для ЭВМ № 2009610632. Зарегистрировано 28 января 2009 г.

Размещено на Allbest.ru

...