Інформаційна технологія підтримки прийняття рішень в системі моніторингу при діагностиці захворювань

Створення інформаційної технології на основі розробки моделі, методу та методики обробки даних добового моніторингу артеріального тиску і пульсу пацієнта. Розробка методу сумісного застосування моделей математичного та інформаційного моделювання.

Рубрика Программирование, компьютеры и кибернетика
Вид автореферат
Язык украинский
Дата добавления 26.08.2014
Размер файла 385,9 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНIВЕРСИТЕТ

Автореферат дисертації на здобуття наукового ступеня кандидата технічних наук

ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ В СИСТЕМІ МОНІТОРИНГУ ПРИ ДІАГНОСТИЦІ ЗАХВОРЮВАНЬ

05.13.06 автоматизовані системи управління та прогресивні інформаційні технології

Хачапурідзе Тетяна Миколаївна

Київ 2006

Дисертацією є рукопис.

Роботу виконано в Дніпропетровському національному університеті Міністерства освіти і науки України.

Науковий керівник:

доктор технічних наук, професор Приставка Олександр Пилипович, Дніпропетровський національний університет, професор кафедри математичного забезпечення ЕОМ.

Офіційні опоненти:

доктор технічних наук, професор Азарсков Валерій Миколайович, Лауреат державної премії України в галузі науки і техніки та премії ім. акад. М.К. Янгеля Національної академії наук України, Національний авіаційний університет, м. Київ, завідувач кафедри систем управління;

доктор технічних наук, професор Баранов Володимир Леонідович, Заслужений діяч науки і техніки України, Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова Національної академії наук України, м. Київ, провідний науковий співробітник Відділення гібридних моделюючих і керуючих систем в енергетиці.

Провiдна установа:

Державний науково-дослідний інститут інформаційної інфраструктури Державного департаменту з питань зв'язку та інформатизації України і Національної академії наук України, м. Львів.

Захист відбудеться 10 жовтня 2006 р. о 14 годині на засіданні спеціалізованої вченої ради Д 26.062.01 при Національному авіаційному університеті за адресою: 03058, м. Київ, проспект Космонавта Комарова, 1.

З дисертацією можна ознайомитись у бібліотеці Національного авіаційного університету за адресою: 03058, м. Київ, проспект Космонавта Комарова, 1.

Автореферат розісланий 9 вересня 2006 р.

Учений секретар

спеціалізованої вченої ради Д 26.062.01

Єременко В.С.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Високотехнологічні прилади здійснюють моніторинг поведінки важливих процесів в технічній і соціальній сферах діяльності людини та накопичують інформацію, аналіз якої вимагає застосування автоматизованих систем обробки даних. Важливим питанням розвитку сучасних інформаційних технологій моніторингу складних систем є особливості переходу від виявлення критичних ситуацій до їх діагностики. При розв'язанні широкого кола практичних задач автоматизовані системи діагностики створюються із залученням методів збору даних і телеметрії, теорії обробки сигналів, теорії масового обслуговування, теорії ймовірностей та математичної статистики і теорії штучних нейронних мереж тощо. Такі автоматизовані системи діагностики широко використовуються при аналізі, проектуванні, прийнятті рішень, синтезі та керуванні об'єктами в різних галузях: машинобудуванні, транспорті, аерокосмічній галузі, електроніці, енергетиці, екологічному моніторингу, медицині та інших.

Останнім часом стрімко розвиваються медичні системи діагностики, прогресивні інформаційні технології набули свого впровадження в томографії, рентгенографії, ультразвукових дослідженнях, електрокардіографії, де значна увага приділяється розробленню високоефективних методів та засобів роботи з зображеннями. В галузі аналізу даних добового моніторингу артеріального тиску (ДМАТ) автоматизовані системи дозволяють створювати системи стандартизації медичної інформації шляхом ведення електронної історії хвороби пацієнтів та обчислювати різноманітні точкові оцінки показників артеріального тиску (АТ) та пульсу в різні періоди доби, але більшість цих показників не враховує динаміку процесу зміни АТ та пульсу в цілому, що недостатньо для прийняття коректного рішення при діагностуванні. Про це свідчать існуючі програмні системи, якими комплектуються пристрої для проведення добового моніторингу артеріального тиску провідних світових виробників, таких як BPLab, SpaseLabs Medical, Meditech, A&D, Omron та інших.

У даний час артеріальна гіпертензія (АГ) є однією із самих актуальних проблем кардіології. Відомо, що ризик серцево-судинних ускладнень і катастроф пропорційний підвищенню рівня АТ. АТ - важливий показник роботи серцево-судинної системи (ССС), він завжди має вигляд змінного коливального процесу, поведінка якого залежить від стану організму.

Зміну короткострокових коливань (варіабельність) АТ можна оцінити тільки за умови проведення 24-годинного моніторингу АТ.

Прилад (монітор) проводить автоматично виміри систолічного АТ (САТ), діастолічного АТ (ДАТ) і пульсу як частоти серцевих скорочень (ЧСС) кожні 15 хв. вдень і кожні 30 хв. вночі. Такий режим вимірів забезпечує надалі коректний аналіз даних ДМАТ відносно стандартних методик. Фірма-виробник поставляє прилад разом із програмним забезпеченням для статистичної обробки та інтерпретації даних ДМАТ. Короткострокові коливання АТ за різні періоди доби (день, ніч, ранкові години, доба) розраховуються як стандартне відхилення значень АТ в точках замірів від середнього значення АТ, інтерпретація якого має свої недоліки, головним з яких є неможливість дослідити динаміку процесу зміни АТ, виконати коректний аналіз цього процесу з встановленням закономірностей його зміни.

Встановлено, що чим більші амплітуда та частота короткочасних коливань АТ та їх перепади, тим вище ризик серцево-судинних катастроф. Тому розробка нових методик оцінки та аналізу короткочасних коливань АТ необхідна, актуальна і досить своєчасна.

Отже виникає проблема створення нових інформаційних технологій та методик більш детального аналізу поведінки АТ та пульсу, які дозволяли би поєднати системи збору інформації, автоматизовану обробку даних та постановку діагнозу. Розв'язання цієї проблеми обумовлює необхідність створення достовірних і адекватних показників добового моніторингу з метою покращення діагностичних якостей ДМАТ. В основу нової інформаційної технології пропонується покласти математичні моделі, що створюються шляхом поєднання еволюційних та нейромережевих моделей, які описують динаміку процесу зміни АТ та пульсу, дозволяють визначати принципово нові показники ДМАТ та провадити їх глибинний аналіз.

Наукове завдання. Створення інформаційної технології аналізу даних добового моніторингу артеріального тиску і пульсу пацієнта, яка забезпечує підтримку прийняття рішень медичним фахівцем.

Зв'язок роботи з науковими програмами, планами, темами. Результати дисертаційної роботи отримано за період 2002-2006 рр. згідно з тематичним планом науково-дослідної роботи держбюджетної теми 5-076-04 “Теоретичні основи розробки геоінформаційної технології обробки та аналізу екологічної інформації на основі сплайн-перетворень”, держреєстраційний №0104U000961.

Мета роботи і задачі дослідження. Метою роботи є створення інформаційної технології на основі розробки моделі, методу та методики обробки даних добового моніторингу артеріального тиску і пульсу пацієнта. Для цього необхідно:

? розробити математичну модель нестаціонарного процесу добового моніторингу АТ і пульсу пацієнта;

? розробити набір нових показників ДМАТ, які характеризують зміну АТ і пульсу пацієнта;

? розробити метод сумісного застосування моделей математичного та інформаційного моделювання добового моніторингу АТ і пульсу пацієнта;

? розробити методику дослідження зміни АТ і пульсу пацієнта на основі набору нових показників ДМАТ.

Об'єктом дослідження є нестаціонарні процеси в системах медичного моніторингу. інформаційний моніторинг математичний

Предметом дослідження є інформаційна технологія підтримки прийняття рішень в системах добового моніторингу артеріального тиску і пульсу.

Методи дослідження, використані при розв'язанні поставлених задач: методи теорії ймовірностей і математичної статистики, теорії штучних нейронних мереж, теорії масового обслуговування, обчислювальної математики.

Наукова новизна дисертаційної роботи полягає у наступному.

1. Вперше запропоновано модель процесу ДМАТ на основі одновимірних неперервних марківських ланцюгів, що дозволяє визначати сталі та кусково-сталі оцінки функцій інтенсивності переходів між станами, аналітичні співвідношення для функцій ризику знаходження процесу у певному стані, ймовірнісні характеристики функціонування процесу в умовах стаціонарності та момент часу входу процесу в зону стаціонарності.

2. Запропоновано новими показниками ДМАТ вважати оцінки функцій інтенсивності переходу між станами та коефіцієнти аналітичних співвідношень для функцій ризику знаходження АТ та пульсу в певних зонах контролю.

3. Розроблено метод, який поєднує ланцюги Маркова та штучні нейронні мережі в системі ДМАТ та дозволяє на основі результатів математичного моделювання провести класифікацію пацієнтів відносно встановленого набору діагнозів та кластеризацію пацієнтів з метою формування уточнених діагнозів.

4. Розроблено нову методику дослідження та аналізу варіабельності АТ і пульсу на основі нововведених показників ДМАТ, за якою сформовані рекомендації щодо класифікації діагнозів, які становлять основу підтримки прийняття рішень медичним фахівцем.

Достовірність отриманих результатів забезпечується коректним використанням математичного апарату марківських процесів та нейромереж, а також результати перевірено на підставі клінічних експериментів.

Практична цінність матеріалів дисертаційної роботи полягає в можливості широкого застосування отриманих результатів для прийняття більш коректних рішень при діагностуванні та виявлення ступеня тяжкості клінічного прогнозу розвитку порушень функціонування ССС.

1. Створено нову методику дослідження варіабельності показників добового моніторингу артеріального тиску і пульсу пацієнта.

2. Розроблено інформаційну технологію аналізу процесу зміни АТ і пульсу на основі математичної моделі, що поєднує ланцюги Маркова та штучні нейромережі та дозволяє формувати набори нових діагностичних показників, зменшувати кількість показників зі зберіганням певного відсотку інформативності первинного набору або з урахуванням ступеню згуртованості об'єктів в просторі вхідних ознак іншої вимірності, провадити звичайну, каскадну та гібридну діагностику та визначати сховані в даних закономірності.

3. Створено інформаційно-моделююче програмне середовище “NeuroModelDBPM”, яке реалізує зазначену інформаційну технологію та дозволяє провадити різноплановий аналіз даних добового моніторингу артеріального тиску і пульсу.

Розроблену інформаційну технологію, методику дослідження і аналізу варіабельності артеріального тиску і пульсу, а також програмне забезпечення “NeuroModelDBPM” випробувано та впроваджено на базі Антигіпертензивного центру клінічної лікарні № 11 м. Дніпропетровська та кардіологічного відділення Дорожньої клінічної лікарні на ст. Дніпропетровськ; впроваджено ЗАТ “Спектромед” в дослідженнях клініко-біологічних процесів при створенні моніторингових і апаратно-діагностичних систем на базі сучасних комп'ютерних технологій, а також застосовано у науковій та медичній практиці Науково-дослідницького інституту імені Сєченова м. Ялта.

Особистий внесок здобувача в роботах, виконаних у співавторстві. У роботах [1, 3, 10] здобувачем розроблено технологію одержання моделей процесу зміни АТ та ЧСС, отримано оцінки функцій інтенсивності для марківських і кусково-марківських моделей та аналітичні співвідношення для функції ризику знаходження показників в певних зонах контролю. У роботах [2, 6] розроблено і реалізовано інформаційну технологію кластеризації даних ДМАТ. У роботах [11, 15] здобувачем розроблено нейромережеву технологію обробки та аналізу даних ДМАТ.

Апробація результатів дисертаційної роботи. Результати дисертаційних досліджень доповідалися та обговорювалися на міжнародних та міждержавних науково-технічних конференціях, зокрема: П'ятій та Шостій міжнародних науково-технічних конференціях "Авіа -2003", "Авіа -2004" (Київ, 2003, 2004); міждержавних науково-методичних конференціях "Проблеми математичного моделювання" (Дніпродзержинськ, 2003-2005); Другій та Третій міжнародних науково-практичних конференціях ”Математичне та програмне забезпечення інтелектуальних систем” (Дніпропетровськ, 2004-2005); Шостій, Сьомій та Восьмій міжнародних молодіжних науково-практичних конференціях ”Людина і Космос” (Дніпропетровськ, 2004-2006); П'ятій міжнародній науковій конференції студентів та молодих вчених ”Політ” (Київ, 2005); Першому молодіжному науково-практичному форумі ”Информационные технологии в ХХ1 веке” (Дніпропетровськ, 2003).

Публікації. Основний зміст та результати дисертаційної роботи опубліковано у 16 друкованих працях (в тому числі 9 без співавторів), серед яких 5 робіт опубліковано у виданнях, затверджених ВАК України як фахові, 11 у тезах доповідей на конференціях.

Структура роботи. Дисертаційна робота складається з вступу, чотирьох розділів, висновків, списку літератури і додатків. Основний обсяг роботи складає 114 сторінок основного тексту; робота містить 46 таблиць, 23 малюнки, 2 додатки, список використаних джерел з 117 найменувань.

ОСНОВНИЙ ЗМІСТ

У вступі обґрунтовано актуальність теми, сформульовано мету і задачі досліджень, їх зв'язок з науковими програмами, визначено методи досліджень, достовірність отриманих результатів, дано загальну характеристику роботи і структура дисертації, визначено її наукову новизну, практичне значення проведених в роботі досліджень та особистий внесок автора, наведено відомості про публікації і апробацію роботи.

У першому розділі висвітлено існуючі методи обробки даних в системах серцево-судинного моніторингу, а саме розглянуто методологічні основи його проведення, методи та обчислювальні схеми обробки даних, функціонуючі програмні засоби, які дозволяють автоматизувати процес обробки даних серцево-судинного моніторингу, наведено постановку задачі та обрано методи дослідження. Показано, що примітивна будова існуючих технології аналізу даних ДМАТ не дозволяє провадити детальний аналіз процесу ДМАТ. При цьому існуючі методики обчислення стандартних показників ДМАТ перетворюють динамічні за своїм походженням показники АТ і пульсу в стаціонарні, що призводить до втрати важливої діагностичної інформації. Зазначено, що аналіз великого обсягу кількісних показників ДМАТ лише за допомогою методів первинного статистичного аналізу, кореляційного та регресійного аналізу не дозволяє отримати достатньої інформації для визначення діагнозу. Коректна постановка діагнозу вимагає проведення додаткових клінічних досліджень. Вказано на придатність застосування до прогнозування зміни стану АТ ймовірнісної моделі на основі дискретного однорідного марківського ланцюга. Зазначено, що використання моделей неперервних марківських процесів порівняно з дискретними моделями може дозволити значно точніше описати поведінку системи, що досліджується та надасть можливість не тільки знайти ймовірності перебування системи в певному стані, але й відслідковувати динаміку зміни ймовірностей з часом. При цьому, якщо досліджується нестаціонарний пуасонівський процес, що дуже часто зустрічається на практиці, то моделювання з використанням марківських процесів не є адекватним і вірогідним. Вказано на неефективність застосування класичного кластерного аналізу в задачах діагностування стану ССС за клініко-біохімічними параметрами. Зазначено, що програмні засоби обробки даних в системах моніторингу ССС мають вартість пакетів, яка практично недосяжна пересічному користувачеві або дослідникові. Доведено, що при розв'язанні реальних задач, які потребують синтезу теоретичних основ і методів з різних наукових галузей, виникає неспроможність провести всебічне дослідження за допомогою універсальних пакетів. У цих випадках потрібно використовувати комбінації пакетів, що веде до збільшення вартості проекту досліджень, а також проблем кореспондування пакетів між собою, або створити спеціалізоване програмне забезпечення. Доведено, що наукове завдання є актуальним, тому що відомі системи і програмні засоби аналізу даних ДМАТ не враховують динаміку процесу в цілому, що явно недостатньо для прийняття коректного рішення при діагностуванні.

У другому розділі розглянуто процес формування початкових даних за даними ДМАТ пацієнта, обчислювальні процедури визначення функцій інтенсивності переходів між станами, моделі функціонування показників ДМАТ та їх порівняльний аналіз.

Сучасні інформаційні технології, які дозволяють відслідковувати основні параметри моніторингу АТ, вимагають розв'язку задач розпізнавання і прогнозування динамічних образів. Результати моніторного спостереження за АТ протягом доби подаються для аналізу фахівцю-медику, який приймає рішення. Однак у процесі ухвалення рішення фахівець-медик зіштовхується з великою кількістю труднощів, пов'язаних як з обсягами отриманої інформації, так і з різнорідною фізичною структурою (типами шкал) цієї інформації. Для більш достовірного та адекватного аналізу такої інформації необхідно використовувати кількісні методи оцінки показників АТ, у якості яких пропонується застосовувати моделі аналізу варіабельності АТ за даними ДМАТ. Первинні показники ДМАТ - САТ, ДАТ і ЧСС, а також пульсовий АТ (ПАТ), де ПАТ визначається як різниця між САТ і ДАТ, є нестаціонарними і змінюються в межах визначених норм. Цей факт обумовлює необхідність розробки моделей варіабельності АТ за даними ДМАТ. Нижче розглядаються моделі поведінки показників ДМАТ, засновані на методах аналізу нестаціонарних марківських та кусково-марківських процесів. Таким чином, за даними ДМАТ пацієнта необхідно для первинних показників ДМАТ сформувати масиви даних для визначення оцінок функцій інтенсивності переходів між станами; провести емпіричну оцінку ризику перебування первинних показників ДМАТ у кожному з можливих станів; побудувати моделі поводження первинних показників ДМАТ і визначити аналітичний вигляд функцій ризику знаходження цих показників в певних зонах контролю. Оскільки сучасні ДМАТ-пристрої не дозволяють реєструвати безперервно зазначені первинні показники ДМАТ, то для більш точного представлення добового профілю АТ і ЧСС проводиться згладжування вихідних даних.

Відповідно до відомих у кардіології градацій рівнів, визначених для АТ та пульсу, виділяють стани показників САТ, ДАТ та ЧСС. У медичній практиці для показника ПАТ подібних чітких градацій не існує, тому введемо їх (табл. 1) аналогічним чином з відомими градаціями для САТ, ДАТ і ЧСС, спираючись на медичні рекомендації.

Таблиця 1. Градації рівнів ПАТ

№ стану

ПАТ

(мм рт.ст)

№ стану

ПАТ

(мм рт.ст)

0

до 29

7

60-64

1

30-34

8

65-69

2

35-39

9

70-79

3

40-44

10

80-89

4

45-49

11

90-99

5

50-54

12

100-109

6

55-59

13

110 і вище

Згідно градацій рівня для первинних показників ДМАТ формуються графи процесу зміни АТ та пульсу. Таким чином, максимальний граф процесу коливань профілів кожного з показників ДМАТ окремо наведено на рис. 1.

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Рис. 1. Граф функціонування показників ДМАТ: а - показники САТ і ДАТ; б - показник ЧСС; в - показник ПАТ

Визначальними характеристиками процесу варіабельності АТ та ЧСС є функції інтенсивності переходу із стану, в стан, а також - ймовірність знаходження процесу в стані. У загальному випадку функції інтенсивності неперервні, але надалі буде розглядатися апроксимація функцій інтенсивності деякою сталою величиною , або кусково-сталою функцією

де - кількість інтервалів неперервності , функції. Згідно зроблених зазначень, процес варіабельності АТ і ЧСС можна класифікувати як марківський ланцюг з неперервним часом та станами і розглядати на часовому інтервалі .

Для визначення оцінок функцій інтенсивності формуються масиви , які характеризують, відповідно, проміжки часу, впродовж яких процес знаходився у стані і по закінченні яких переходив у стан. В роботі наведено процедури формування оцінок функцій інтенсивності на основі статистичного та ймовірнісного підходів, останній полягає у відтворенні за масивами , сплайн-експоненційного розподілу з одним та двома вузлами. Нижче наведено математичну модель, яка описує варіабельність АТ та ЧСС протягом обраного періоду доби на прикладі показника САТ, а отже , . Моделі показників САТ, ДАТ, ПАТ і ЧСС в різні періоди доби аналогічні з точністю до кількості станів.

(1)

, , ,, (2)

, ,

де , - ймовірність перебування процесу в стані у момент часу , , - сталі оцінки функцій інтенсивності.

Розв'язком системи є функції ризику знаходження процесу в стані

, , (3)

коефіцієнти яких поряд з оцінками функцій інтенсивності формують набір нових показників ДМАТ.

Аналогічно, для кусково-сталих оцінок функцій інтенсивності, визначених за статистичним та ймовірнісним підходами, математична модель процесу для показника САТ має вигляд

(4)

, , , (5)

, ,

розв'язком якої є функції ризику наступного виду

, , (6)

де для подальшого дослідження інтерес становлять лише коефіцієнти , та вузол на останньому інтервалі неперервності функції.

Наведено процедури проведення порівняльного аналізу моделей з різним типом оцінок функцій інтенсивності. Порівняльний аналіз моделей запропоновано провадити попарно між моделями. Він складається з оцінювання якості моделювання і адекватності відтворення моделлю фізичного процесу ДМАТ.

У третьому розділі подано обчислювальну схему методу відбору інформативних ознак; архітектури, методи та обчислювальні процедури навчання мереж, що здійснюють стиск вектора ознак і класифікацію пацієнтів; архітектуру й обчислювальну процедуру самонавчання мережі, яка проводить кластерний аналіз пацієнтів.

Важливими компонентами автоматизованої обробки медичних даних є дослідження невідомих закономірностей, що містять дані, та класифікація пацієнтів за визначеними лікарем діагнозами. Для досягнення задовільного рівня точності та адекватності результатів автоматизованого аналізу необхідно проведення попередньої обробки даних. Найбільший інтерес при цьому становлять етапи відбору інформативних ознак та стиснення вхідного набору ознак шляхом формування меншого за кількістю набору компонент, що містять достатній відсоток інформації від загального вхідного набору ознак. У даному розділі розглядається застосування нейромережевих засобів аналізу даних при розв'язання задач кластерного аналізу, стиснення та класифікації даних. У роботі викладено процедури навчання зазначених мереж із детальним описом обраних параметрів.

За результатами моделювання процесу ДМАТ за даними ДМАТ для кожного з пацієнтів окремо отримано набір параметрів, який містить для моделей показників САТ, ДАТ, ПАТ і ЧСС сталі оцінки функцій інтенсивності, ймовірнісні характеристики стаціонарного режиму і час входу в зону стаціонарності процесу зі сталими та кусково-сталими оцінками функцій інтенсивності переходів між станами. Таким чином, у сукупності для всіх пацієнтів сформовано масив , , з набору нових показників ДМАТ, за яким необхідно виконати попередню обробку даних та сформувати новий, менший за обсягами, набір ознак або компонент; кластеризувати пацієнтів з метою формування нового набору діагнозів, на основі виявлених групових співвідношень; класифікувати пацієнтів відповідно до встановленого набору діагнозів.

Відбір інформативних ознак здійснюється на основі методу апроксимації матриці відстаней. Нелінійний аналіз головних компонент на основі нейронної мережі (НМ) типу асоціативний персептрон з вузьким горлом дозволяє стискати набір ознак та оцінювати відсоток інформативності сформованого набору компонент, але створює складнощі з подальшою інтерпретацією результатів досліджень.

Стандартний підхід до розв'язання задачі класифікації полягає у застосуванні однієї мережі, яка навчена класифікувати об'єкти за всіма можливими класами . Така організація процесу класифікації практично не здатна провадити задовільну класифікацію у разі, якщо класів багато та вони сильно перекриваються. Виходом з цієї ситуації виявляється підхід, заснований на створенні каскаду мереж, компонентами якого є НМ типу двошаровий персептрон. Кожна мережа каскаду вчиться розрізняти менший за кількістю класів набір та клас , тобто якщо об'єкт має клас , то мережа відносить його до класу .

Рис. 2. Схема процесу каскадної класифікації

Переваги каскадної організації процесу класифікації полягають у тому, що кожна окрема мережа з каскаду вчиться розпізнавати меншу за загальну кількість класів, що підвищує її спроможність достатньо гарної класифікації та значно зменшує загальний час навчання; підвищення якості класифікації окремими мережами значно підвищує загальну якість класифікації; якщо жодна з мереж не класифікувала об'єкт, то це може свідчити про наявність деякого невідомого класу. Щоб уникнути наявності некласифікованих об'єктів достатньо поставити на останнє місце в каскаді мережу, яка вчиться розрізняти всі класи , у цьому випадку мережа не вчиться виділяти клас .

Кластерний аналіз проводиться мережами Кохонена квадратної та циклічної організації. Для запобігання потраплянню нейронів у зони відсутності даних використовується механізм стомлюваності нейронів, який полягає у модифікації відстані між вектором ваг і вхідним сигналом пропорційно кількості перемог даного нейрону у минулому.

Якщо по завершенню навчання шару Кохонена провести аналіз вихідних сигналів нейронів, при поданні на вхід мережі послідовності сигналів , то можна застосувати гібридний підхід до класифікації об'єктів. Мережа, що реалізує гібридний підхід, структурно складається із шару Кохонена та персептронного шару. Обидва шари гібридної мережі навчаються окремо один від одного. Після закінчення навчання шару Кохонена обчислюються вихідні сигнали його нейронів, що у сукупності з набором класів утворюють навчальну вибірку для персептронного шару. Таким чином, шар Кохонена також може виступати в ролі стискаючого шару. При цьому він має значну перевагу по швидкості навчання над мережею типу асоціативний персептрон з вузьким горлом.

У четвертому розділі наведено структуру, організацію обчислювального процесу та можливості програмного забезпечення “NeuroModelDBPM”, результати моделювання АТ і пульсу, статистичну оцінку адекватності моделей та результати відбору інформативних ознак. В розділі також наведено результати застосування системи “NeuroModelDBPM”, які містять кластеризацію і стиск даних моделювання ДМАТ із застосуванням мереж Кохонена, стиск даних із застосуванням мережі асоціативний персептрон з вузьким горлом і результати проведення звичайної, каскадної і гібридної нейромережевої діагностики та їх порівняльний аналіз.

Для розв'язання поставленого завдання розроблено метод, який полягає в сумісному застосуванні технології моделювання ДМАТ та нейротехнології аналізу нових діагностичних показників, отриманих в результаті моделювання ДМАТ. Практичну реалізацію зазначеного методу здійснено у вигляді інформаційно-моделюючої системи “NeuroModelDBPM” дослідження та аналізу варіабельності АТ за даними ДМАТ. Система “NeuroModelDBPM” дозволяє будувати моделі поведінки показників ДМАТ, засновані на методах аналізу нестаціонарних марківських і кусково-марківських процесів, провадити нейромережеву обробку даних моделювання ДМАТ та діагностування і кластеризацію пацієнтів за обробленими даними, а також виконує візуалізацію, збереження та експортування нейромережевого інтерфейсу і результатів обробки даних ДМАТ. Структуру системи “NeuroModelDBPM” наведено на рис. 3. Концептуальну модель розробленої інформаційної технології представлено на рис. 4.

Рис. 3. Структура системи “NeuroModelDBPM”

Рис. 4. Діаграма прецедентів системи “NeuroModelDBPM”

Основні етапи моделювання ДМАТ системою “NeuroModelDBPM” подано з боку діаграм діяльності підсистем (рис.5, 6).

Рис. 5. Діаграма діяльності модуля “ModelDBPM

Рис. 6. Діаграма процесу формування аналітичних співвідношень для функцій ризику

На рис. 7 подано загальну діаграму навчання мереж типу двошаровий або асоціативний персептрон з вузьким горлом та мереж Кохонена за відповідними процедурами. Рис. 8 ілюструє роботу каскадної схеми нейромережевої класифікації.

Рис. 7. Діаграма процесу навчання мереж

Рис. 8. Діаграма процесу каскадної класифікації

Таким чином інформаційно-моделююча система “NeuroModelDBPM” реалізує інформаційну технологію аналізу короткочасних коливань АТ за даними моделювання ДМАТ. Така будова інформаційної технології дозволяє виконувати не лише діагностування, а також і різноманітні дослідження, забезпечуючи гнучку схему можливостей обробки даних.

Результати ДМАТ отримано к.м.н. Колесник Т.В. на базі Антигіпертензивного центру клінічної лікарні № 11 м. Дніпропетровська при кафедрі госпітальної терапії № 2 Дніпропетровської державної медичної академії та надано в рамках договору про співробітництво.

Про якісне відтворення моделлю фізичного процесу ДМАТ свідчать результати оцінки якості моделювання показника САТ (табл. 2). Аналогічні високі відсотки якості отримано і для показників САТ, ДАТ, ПАТ та ЧСС за різні періоди доби.

Таблиця 2. Оцінка якості моделювання за добовий період показника САТ всіх пацієнтів

№ стану

Якість моделювання

якісно

неякісно

0

97,60%

2,40%

1

94,79%

5,21%

2

93,34%

6,66%

3

91,74%

8,26%

4

92,61%

7,39%

5

93,69%

6,31%

6

91,50%

8,50%

Кластерний аналіз проводився мережею Кохонена квадратної організації. Результати кластеризації 747 пацієнтів за 11 кластерами наведено на рис. 9, де забарвленням та узором вказано розподіл пацієнтів за класами, який визначив лікар.

Рис. 9. Розподіл пацієнтів за 11 кластерами

Зазначені класи мають наступну медичну інтерпретацію: 1 - початок гіпертонічної хвороби; 2 - м'який ступінь підвищення АТ при гіпертонічній хворобі; 3 - помірний ступінь підвищення АТ при гіпертонічній хворобі; 4 - тяжкий ступінь підвищення АТ при гіпертонічній хворобі; 5 - перенесено інфаркт міокарда; 6 - перенесено інсульт; 8 - перенесено інфаркт міокарда та інсульт; 9 - нейро-циркуляторна дистонія; 10 - артеріальна гіпертензія; 11 - ізольована систолічна артеріальна гіпертензія. Клас 7 було вилучено з розгляду внаслідок присутності лише двох пацієнтів, що мають 7 діагноз. Таким чином, результати кластеризації свідчать про нечітку роздільність встановлених лікарем класів. Результати звичайної класифікації даних мережею типу двошаровий персептрон відображують відомий статистичний факт про встановлення лікарем вірного розподілу пацієнтів за класами приблизно лише у 68% випадків. Каскадна діагностика, навіть в умовах нечіткого первинного встановлення діагнозу, дозволяє підвищити якість класифікації мінімум на 10%. В свою чергу, якщо перегрупувати дані, тобто встановити нові діагнози на основі проведення кластеризації, наприклад на 3 класи сталих оцінок функцій інтенсивності для САТ за денний період, та провести діагностику за цими діагнозами, але за коефіцієнтами аналітичних співвідношень для функцій ризику моделей (1), (2) та (5), (6) САТ за денний період, то отримаємо результати близькі до 100%. Аналогічну високу якість класифікації (не меншу за 95.5%) за номером кластеру отримано і для показників САТ, ДАТ, ПАТ та ЧСС за інші періоди доби, що свідчить про природність викритих закономірностей, які виділяються на основі результатів моделювання ДМАТ та відображуються у номері кластера.

Отже, запропонована методика аналізу та дослідження варіабельності АТ і пульсу має наступний вигляд.

1. На основі первинних замірів добового моніторингу АТ і пульсу провадиться апроксимація функцій зміни АТ і пульсу поліноміальним сплайном.

2. На основі моделювання процесу зміни АТ і пульсу неперервними ланцюгами Маркова формуються набори нових показників ДМАТ, зокрема набір оцінок функцій інтенсивності переходу АТ та пульсу між станами.

3. До аналізу набору зазначених нових показників ДМАТ застосовуються нейромережеві технології нелінійного аналізу головних компонент, класифікації та кластерного аналізу даних.

4. Вихідні дані процесів класифікації та кластерного аналізу у вигляді номеру діагнозу надаються медичному фахівцю як підтримка для прийняття рішень при діагностиці захворювань.

Таким чином, запропонована методика дослідження короткочасних коливань АТ на основі аналізу оцінок функцій інтенсивності, яка дозволяє по новому оцінити варіабельність АТ в різні періоди доби та виділити групи пацієнтів як з відносно сприятливим, так і з найбільш несприятливим перебігом АГ. Оцінки функцій інтенсивності дозволяють незалежно від рівня АТ судити про тяжкість перебігу захворювання на АГ.

ВИСНОВКИ

У дисертації наведено теоретичне узагальнення та новий розв'язок актуальної задачі, що полягає у побудові математичних моделей артеріального тиску і пульсу, розробці методики, методу та реалізації інформаційно-моделюючої програмної системи класифікації пацієнтів на основі створеної інформаційної технології.

Основні наукові та практичні результати дисертаційної роботи полягають у наступному.

1. Вперше запропоновано модель процесу добового моніторингу артеріального тиску і пульсу у вигляді одновимірних неперервних марківських ланцюгів, що надає можливість визначати сталі та кусково-сталі оцінки функцій інтенсивності переходів між станами, аналітичні функції ризику знаходження процесу у певному стані, ймовірнісні характеристики функціонування процесу в умовах стаціонарності та момент часу входу процесу в зону стаціонарності.

2. Запропоновано та обґрунтовано використання оцінок функцій інтенсивності переходу між станами та коефіцієнтів аналітичних співвідношень для функцій ризику знаходження артеріального тиску та пульсу в певних зонах контролю як нових показників добового моніторингу, які отримані з урахуванням динаміки зміни артеріального тиску і пульсу пацієнта.

3. Розроблено метод, який поєднує ланцюги Маркова та штучні нейронні мережі в системі добового моніторингу артеріального тиску і пульсу, що надало змогу на основі результатів математичного моделювання провести діагностику пацієнтів та їх перегрупування з метою формування уточнених діагнозів.

4. Розроблено методику дослідження і аналізу варіабельності показників добового моніторингу артеріального тиску і пульсу за новими показниками ДМАТ, що надало змогу сформувати рекомендації у вигляді номеру діагнозу, які становлять основу підтримки прийняття рішень медичним фахівцем.

5. Показано, що для підвищення достовірності оцінок функцій інтенсивності переходів артеріального тиску і пульсу між станами при побудові уточненої оцінки зміни профілю артеріального тиску і пульсу потрібно використовувати згладжування поліноміальними сплайнами, на відміну від побудови оцінок функцій інтенсивності за первинними замірами артеріального тиску і пульсу.

6. Створено інформаційну технологію, яка надала змогу реалізувати підтримку прийняття рішень медичним фахівцем за рахунок відбору інформативних ознак, циклічного використання результатів роботи нейромереж та здійснення каскадної та гібридної діагностики, що дозволяє врахувати нерівномірну кількість пацієнтів в групах, які досліджувалися. Розроблена інформаційна технологія може бути застосована при дослідженні поведінки нестаціонарних процесів у інших галузях науки й техніки, зокрема в машинобудуванні, транспорті, аерокосмічній галузі, енергетиці, економіці, при екологічному моніторингу та ін. із відповідними пристосовуваннями до обраної предметної галузі.

7. Розроблено програмне забезпечення у вигляді інформаційно-моделюючої системи “NeuroModelDBPM” групової та індивідуальної діагностики на основі аналізу варіабельності показників ДМАТ. Систему “NeuroModelDBPM” можна використовувати в дослідженнях інших клініко-біологічних процесів та при створенні моніторингових і апаратно-діагностичних систем на базі сучасних комп'ютерних технологій. Якість і адекватність результатів моделювання процесу ДМАТ досліджено на контрольній вибірці пацієнтів, що надало змогу встановити працездатність та достовірність розробленого методу та методики.

CПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Белецкий А.Я., Приставка А.Ф., Хачапуридзе Т.Н. Вероятностные модели мониторинга сердечно-сосудистой системы // Електроніка та системи управління. - К.: НАУ, - 2004. - № 2. - С. 5-11.

2. Приставка А.Ф., Колесник Т.В., Хачапуридзе Т.Н. Оперативный анализ в мониторировании сердечно-сосудистой системы // Математичне моделювання. - 2003. - № 2(10). - С. 44-49.

3. Приставка А.Ф., Хачапуридзе Т.Н. Формирование и обработка данных суточного мониторинга сердечно-сосудистой системы // Новини науки Придніпров'я. Серія: Інженерні дисципліни. - Д.: Дніпро-VAL. - 2005. - № 4. - С. 52-58.

4. Хачапурідзе Т.М. Інформаційне нейромережеве забезпечення діагностики серцево-судинної системи по функціям інтенсивності // Актуальні проблеми автоматизації та інформаційні технології. - Д.: Вид-во Дніпропетр. ун-ту, 2005. - Т. 9. - С. 34-49.

5. Хачапуридзе Т.Н. Моделирование мониторинга сердечно-сосудистой системы // Актуальні проблеми автоматизації та інформаційні технології. - Д.: Вид-во Дніпропетр. ун-ту, 2003. - Т. 7. - С. 142-149.

6. Приставка А.Ф., Колесник Т.В., Хачапуридзе Т.Н. Информационное обеспечение мониторирования сердечно-сосудистой системы // Інформаційно-діагностичні системи: Матеріали V Міжнародної науково-технічної конференції ”АВІА-2003” - Т. 1. - К.: НАУ, 2003. - С. 13.35-13.38.

7. Хачапуридзе Т.Н. Моделирование деятельности сердечно-сосудистой системы // Інформаційно-діагностичні системи: Матеріали V1 Міжнародної науково-технічної конференції ”АВІА-2004” - Т. 2. -К.: НАУ, 2004. - С. 23.43-23.46.

8. Хачапуридзе Т.Н. Информационное обеспечение мониторинга в медицине // Тези доповідей I-го Молодіжного науково-практичного форума “Інформаційні технології в XXI віці”, 23-24 квітня 2003. - Д.: УГХТУ. - 2003. - С.197-198.

9. Хачапуридзе Т.Н. Оперативный анализ в мониторировании сердечно-сосудистой системы // Тези доповідей Міждержавної науково-методичної конференції “Проблеми математичного моделювання”, 28-30 травня 2003. - Дніпродзержинськ: ДДТУ. - 2003. - С. 47-48.

10. Приставка А.Ф., Хачапуридзе Т.Н. Вычислительные процедуры диагностики сердечно-сосудистой системы // Збірник тез VI Міжнародної молодіжної науково-практичної конференції “Людина і космос”, 14-16 квітня 2004. - Д.: НЦАОМУ. - 2004. - С. 223.

11. Приставка А.Ф., Земляная С.В., Хачапуридзе Т.Н.,Гурнов К.Г. Применение нейронных сетей для диагностики состояния сердечно-сосудистой системы // Тези доповідей Міждержавної науково-методичної конференції “Проблеми математичного моделювання”, 26-28 травня 2004. - Дніпродзержинськ: ДДТУ. - 2004. - С. 188-189.

12. Хачапуридзе Т.Н. Формирование нейросетевой технологии при диагностике сердечно-сосудистых заболеваний // Тези доповідей Другої міжнародної науково-практичної конференції “Математичне та програмне забезпечення інтелекетуальних систем”, 17-19 листопада 2004. - Д.: ДНУ. - 2004. - С. 144-145.

13. Хачапуридзе Т.Н. Нейросетевая технология анализа данных суточного мониторинга артериального давления // Матеріали V міжнародної наукової конференції студентів та молодих учених “Політ”, 12-13 квітня 2005. - К.: НАУ. - 2005. - С. 40.

14. Хачапуридзе Т.Н. Нейросетевая технология диагностики сердечно-сосудистой системы по функциям интенсивности // Збірник тез VII Міжнародної молодіжної науково-практичної конференції “Людина і космос”, 13-15 квітня 2005. - Д.: НЦАОМУ. - 2005. - С. 213.

15. Приставка А.Ф., Хачапуридзе Т.Н. Информационное нейросетевое обеспечение суточного мониторинга артериального давления // Тези доповідей Міждержавної науково-методичної конференції “Проблеми математичного моделювання”, 25-27 травня 2005, ДДТУ, 2005. - С. 167.

16. Хачапурідзе Т.Н. Інформаційно-моделююча нейромережева система аналізу стану пацієнта за даними ДМАТ // Тези доповідей Третьої міжнародної науково-практичної конференції “Математичне та програмне забезпечення інтелектуальних системи”, 16-18 листопада 2005.-Д.: ДНУ. - 2005. - С. 182.

АНОТАЦІЯ

Хачапурідзе Т.М. Інформаційна технологія підтримки прийняття рішень в системі моніторингу при діагностиці захворювань. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06 автоматизовані системи управління та прогресивні інформаційні технології. - Національний авіаційний університет МОН України, Київ, 2006.

Дисертацію присвячено створенню інформаційної технології аналізу даних добового моніторингу артеріального тиску і пульсу пацієнта, яка забезпечує підтримку прийняття рішень медичним фахівцем. Запропоновано модель процесу добового моніторингу артеріального тиску і пульсу у вигляді неперервних марківських ланцюгів. За нові показники добового моніторингу запропоновано використовувати оцінки функцій інтенсивності переходу між станами та коефіцієнтів аналітичних функцій ризику знаходження артеріального тиску та пульсу в певних зонах контролю. Розроблено метод, який поєднує ланцюги Маркова та штучні нейронні мережі в системі добового моніторингу артеріального тиску і пульсу. Розроблено методику дослідження і аналізу варіабельності артеріального тиску і пульсу на основі ланцюгів Маркова та нейромережевих технологій за новими показниками добового моніторингу.

Ключові слова: ланцюги Маркова, оцінки функцій інтенсивності, нейронні мережі, варіабельність артеріального тиску.

АННОТАЦИЯ

Хачапуридзе Т.Н. Информационная технология поддержки принятия решений в системе мониторинга при диагностике заболеваний. - Рукопись.

Диссертация на соискание научной степени кандидата технических наук по специальности 05.13.06 автоматизированные системы управления и прогрессивные информационные технологии. - Национальный авиационный университет МОН Украины, Киев, 2006.

Диссертация посвящена созданию информационной технологии анализа данных суточного мониторинга артериального давления и пульса пациента, которая обеспечивает поддержку принятия решений медицинским специалистом. Рассмотрены методологические основы проведения мониторинга сердечно-сосудистой системы, а также методы и вычислительные схемы обработки данных и функционирующие программные средства, автоматизирующие процесс обработки данных в задачах мониторинга сердечно-сосудистой системы. Показано, что примитивное строение существующих технологии анализа данных суточного мониторинга артериального давления не позволяет проводить детальный анализ процесса изменения артериального давления. Разработана информационная технология анализа процесса изменения артериального давления и пульса на основе синтетической модели, которая объединяет цепи Маркова и искусственные нейронные сети. Предложена модель процесса суточного мониторинга артериального давления и пульса в виде непрерывных марковских цепей. В качестве новых показателей суточного мониторинга предложено использовать оценки функций интенсивности перехода между состояниями и коэффициенты аналитических функций риска нахождения артериального давления и пульса в определенных зонах контроля. Проведен сравнительный анализ моделей с разным типом оценок функций интенсивности путем оценивания качества моделирования и адекватности отображения моделью физического процесса суточного мониторинга артериального давления. Разработан метод, который объединяет цепи Маркова и искусственные нейронные сети в системе суточного мониторинга артериального давления и пульса. Описаны вычислительные схемы и процедуры обучения нейронных сетей, которые осуществляют нелинейный анализ главных компонент, кластерный анализ, стандартную, каскадную и гибридную диагностику и позволяют уменьшать объем набора признаков с сохранением определенного процента информативности первичного набора или с учетом степени сгруппированности объектов в пространстве входных признаков другой размерности. Разработана методика исследования и анализа вариабельности артериального давления и пульса на основе цепей Маркова и нейросетевых технологий по новым показателям суточного мониторинга. Проведено исследование качества и адекватности результатов системного моделирования процесса суточного мониторинга артериального давления и пульса на контрольной выборке пациентов, которое подтвердило работоспособность и достоверность разработанного метода и методики и технологи в целом.

Ключевые слова: цепи Маркова, оценки функций интенсивности, нейронные сети, вариабельность артериального давления.

SUMMARY

Khachapuridze T.M. Information technology of decision-making support in system of monitoring at diagnostics of diseases. - the Manuscript.

The thesis on competition of a scientific degree of Candidate of Technical Sciences on a speciality 05.13.06 - the automated control systems and progressive information technologies. - National aviation university Ministry of Education and sciences of Ukraine, Kiev, 2006.

The thesis is devoted to development of information technology for analysis of a patient daily arterial pressure and pulse which provides support the medical expert in making decision. The arterial pressure and pulse daily monitoring process is modeled as continuous Markov chains. The transition intensity functions between states and factors of risk analytical functions for arterial pressure and pulse to be found in certain zones of the control are proposed as new parameters of daily monitoring. The method which composes Markov chains and artificial neural networks in the system of daily monitoring arterial pressure and pulse is developed. Using the new parameters of daily monitoring, the technique for research and analysis of arterial pressure and pulse variability is developed on the basis of Markov chains and neural networks technologies.

Key words: Markov chains, estimations of intensity functions, neural networks, variability of arterial pressure.

Размещено на Allbest.ru

...

Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.