Помощь в написании студенческих работ
Антистрессовый сервис

Автоматизированная система для диагностики митральной недостаточности на основе методов двумерного спектрального анализа акустических сигналов сердца

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В болыненстве современных медицинских автоматизированных диагностических системах вычислительные ресурсы направлены на предварительную обработку и визуализацию данных, а весь процесс принятия решений является прерогативой врача, что предъявляет высокие требования к его квалификации. В настоящее время в современной медицинской практике применяется большое количество автоматизированных… Читать ещё >

Автоматизированная система для диагностики митральной недостаточности на основе методов двумерного спектрального анализа акустических сигналов сердца (реферат, курсовая, диплом, контрольная)

Содержание

1 Современные методы анализа медико-биологических показателей работы сердечной системы человека на основе акустических сигналов 10 1.1. Сравнительные характеристики методов исследования механической работы сердца по эффективности диагностики и прогностики состояния здоровья людей

1.1.1 Сфигмография

1.1.2 Фонокардиография

1.1.3 Допплерэхокардиографическое исследование сердца 3 О

1.1.4 Голос 39 1.2 Постановка задачи на исследование

2 Разработка и исследование методов и алгоритмов анализа акустических сигналов сердца, в пространстве информативных признаков и мешающих факторов

2.1 Представление одномерных кардиосигналов в виде двумерных дискретно-непрерывных последовательностей

2.2 Представление медико-биологических процессов на двумерной спектральной плоскости

2.3 Алгоритм синтеза диагностических правил для митральной недостаточности методами спектрального анализа кардиосигналов

2.4 Программное обеспечение исследований

2.5 Выводы по главе

3. Исследование информативных параметров акустических сигналов сердца на двумерной спектральной плоскости и разработка автоматизированной системы диагностики митральной недостаточности

3.1 Представление голоса человека на двумерной спектральной плоскости

3.2 Двумерный спектральный анализ фонокардиограмм

3.3 Двумерное спектральное исследование допплерэхокардиосигнала 92 3 .4 Исследования спектральной плоскости сигнала пульса 98 3.5 Выводы по главе

4. Построение решающих правила для диагностики недостаточности митрального клапана и определения степени митральной регургитации 105

Заключение 118

Список используемых источников 120

Приложение диагностики двумерного

Сердечно-сосудистые заболевания являются одной из основных причин смертности населения в большинстве развитых стран мира (Чазов Е.И., Метелица В. И., Оганов А. Г., Мазур Н. А. и др.). Изучению этиологии и патогенеза, разработке методов раннего выявления и диагностики, профилактики и лечения заболеваний сердца посвящены исследования многих ученых. Для выбора правильного подхода, при определении стратегии лечения, необходимо иметь информацию об общем состоянии человека, о показателях его активности и его биологических ритмах. В то же время в современной клинической и экспериментальной кардиологии отсутствует целостное представление о критериях оценки активности человека в целом. Значительную помощь в решении данных задач может оказать применение современных компьютерных технологий, позволяющих объединить многолетний опыт людей и возможности математического описания некоторых процессов в организме человека.

Однако изучение закономерностей тоге или иного процесса требует определенных статистических исследований, что не всегда представляется возможным. Поэтому очень важно разработать такие алгоритмы диагностики, которые были бы эффективны при минимальном или даже однократном наблюдении процесса. Для проведения такой работы необходим комплекс исследований на стыке медицинской, математической и технических наук, а также алгоритмизация и моделирование процессов в организме человека с разработкой соответствующих программнотехнических средств обработки данных.

В болыненстве современных медицинских автоматизированных диагностических системах вычислительные ресурсы направлены на предварительную обработку и визуализацию данных [ 1 ], а весь процесс принятия решений является прерогативой врача, что предъявляет высокие требования к его квалификации. В настоящее время в современной медицинской практике применяется большое количество автоматизированных диагностических систем, решающих различные диагностические и консультационные задачи. Огромное разнообразие и сложность реальных диагностических задач приводит разработчиков автоматизированных систем к созданию узкоспециализированных диагностических комплексов с использованием в них решающих правил однородного типа, которые, как правило, составляются при участии специалистов высшего класса и базируются на экспертных оценках и теории нечетких множеств. Но такие системы используют только одну сильную стороны ЭВМ — возможность оперировать большими объемами данных. Входная и выходная информация представляется в традиционном виде, принятом во врачебной практике. Однако с помощью ЭВМ данные могут быть представлены в нетрадиционном виде, например, может быть изменена размерность пространства, в котором мы наблюдаем первичный сигнал. Такие преобразования пространства возможны по той причине, что при исследовании того или иного биологического процесса мы наблюдаем множество пространственно — временных срезов такого процесса [ 2 ].

При диагностике недостаточности митрального клапана врачу приходится решать достаточно сложные задачи, особенно при наличии функциональных шумов и комбинированного митрального порока. Для его диагностики широко используется акустические сигналы: эхокардиограммы (ЭхоКГ), фонокардиосигналы (ФКС). Но исследования, проведенные с использованием одно и двумерной ЭхоКГ, показали, что выявленные признаки не являются специфичными для митральной регургитации. Появление автоматизированных диагностических установок на основе допплер-ЭхоКГ (ДЭхоКГ) сняло ряд проблем оценки регургитации, однако помехи, вызванные как анатомическим строением больного, так и квалификацией врача, не всегда позволяют выявить эту патологию, а тем более получить ее количественные характеристики.

Исключить субъективность в анализе кардиосигналов позволяют спектральные методы, в частности, методы двумерного спектрального анализа. Однако их применение к одномерным кардиосигналам, в частности, к ДЭхоКГ, вызывает ряд трудностей при выделении информативных признаков для диагностики митральной недостаточности.

В связи с этим разработка и исследование методов автоматизированной диагностики митральной недостаточности на основе спектрального анализа имеет важное значение в клинической и профилактической медицине.

Диссертация выполнена в соответствии с основными направлениями научных исследований, проводимых на кафедре БИТАС Курского государственного технического университета в рамках региональной программы Вуз-черноземья на 1997;1998г (тема: Индивидуальные автоматизированные системы и устройства экспресс контроля и мониторинга параметров человека.).

Цель работы — повышение достоверности диагностики митральной недостаточности путем разработки автоматизированной системы диагностики на основе методов двумерного спектрального анализа акустических сигналов сердца.

Для достижения цели были поставлены следующие задачи:

1 исследовать влияние митральной недостаточности на акустические сигналы сердца различной природы и разработать метод, позволяющий в интерактивном режиме идентифицировать и классифицировать этот порок;

2 разработать способ представления одномерного кардиосигнала в виде двумерного для последующего получения двумерной спектральной плоскости;

3 разработать способ приведения двумерных спектров акустических сигналов сердца к единому масштабу.

4 построить решающие правило для диагностики и классификации митральной недостаточности по изображению двумерной спектральной плоскости акустических сигналов сердца;

5 разработать программное обеспечение, реализующее разработанный метод, и осуществить экспериментальную проверку возможности диагностики митральной недостаточности с его помощью;

В работе использовалась: теория цифровой обработки сигналов, теория ортогональных преобразований, методы линейной алгебры и прикладной статистики.

На основе теоретических и экспериментальных исследований двумерных спектральных представлений акустических сигналов сердца разработан и реализован в автоматизированной системе диагностики митральной недостаточности метод идентификации и классификации митральной недостаточности на основе анализа двумерных спектральных плоскостей допплерэхокардиосигналов.

При этом в рамках разработанного метода предложены:

1 способ представления кардиосигналов в двумерной опорной области с учетом индивидуальных временных параметров биосистемы;

2 способ приведения двумерных частотных плоскостей акустических сигналов сердца к единому временному базису с учетом различного индивидуального времени в сравниваемых биосистемах;

3 алгоритм синтеза решающих правил для выявления патологий по двумерной спектральной плоскости акустического сигнала пациента и канонической плоскости сигнала того же рода;

4 решающее правило для идентификации митральной недостаточности в двумерном спектральном пространстве.

Практическая ценность.

1. Предложенный метод выделения информативных параметров и классификационных признаков из акустических сигналов сердечнососудистой системы человека позволяет создавать автоматизированные системы диагностики митральной недостаточности, которые повысят качество медицинской помощи в лечебных учреждениях путем классификации степени митральной недостаточности.

2. Разработанное высокопроизводительное программное обеспечение, реализующее двумерное спектральное преобразование одномерного кардиосигнала, визуализацию двумерных спектральных плоскостей и их анализ, позволяет построить эффективную автоматизированную систему диагностики митральной недостаточности, снижающую требования к комплексному обследованию больного и ускоряющую процесс принятия решений.

Разработанные информационные технологии используются в Курском гарнизонном военном госпитале (ВЧ 42 300), используются в разрабатываемой ОАО «Счетмаш» кардиодиагностической аппаратуре, находятся в эксплуатации в АСНИ на кафедре «Биотехнические и медицинские аппараты и системы» КГТУ г. Курска.

Основные положения работы опубликованы в 7 печатных работ. Результаты работы докладывались и обсуждались на международных конференциях «Циклы природы и общества» в г. Ставрополе в 1996, 1997, 1998 годах, на 2-й международной конференции «Распознавание-95», Курск 1995, на IX ИТК с участием зарубежных специалистов «Датчики и преобразователи информации систем измерения, контроля и управления» («Датчики 97») Москва 1997, на международной технической конференции «Медико-экологические информационные технологии 98» в г. Курске в 1998 г.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы из 7 6 наименований, приложений на 2 страницах, и содержит 124 страницы машинописного текста, 8 таблиц и иллюстрируется 23 рисунками.

Выводы по главе.

Применение методов двумерного спектрального преобразования позволило синтезировать диагностические правила для диагностики патологий сердечно-сосудистой системы человека, опираясь на акустические сигналы деятельности сердца.

Статистический анализ результатов экспериментов показал, что разделение митральной недостаточности по степени регургитации осуществляется с коэффициентом доверия 0.8.

И8 Заключение.

Предлагаемая работа посвящена разработке автоматизированных систем диагностики митральной недостаточности методом идентификации и классификации митральной недостаточности на основе двумерного спектрального анализа акустических сигналов сердца.

В процессе выполнения работы были решены следующие задачи:

IV исследовано влияние митральнои недостаточности на двумерное спектральное представление акустических сигналов и сделан выбор наиболее подходящих из них, что позволило разработать метод идентификации и классификации митральной недостаточности на основе анализа двумерных спектральных. представлений допплерэхокардиосигналов;

2 разработан способ преобразования одномерных акустических сигналов в двумерные, отличающийся учетом индивидуального времени в биосистеме, позволяющий осуществить двумерное спектральное представление кардиосигналов для их последующей автоматизированной обработки;

3 разработан способ приведения двумерных частотных плоскостей акустических сигналов к единому временному масштабу, отличающийся учетом индивидуального масштаба времени сравниваемых биологических систем, позволяющий определить информативные параметры для принятия решений при диагностике митральной недостаточности;

4 разработан алгоритм синтеза решающих правил для выявления патологий по двумерной спектральной плоскости кардиосигнала и канонической плоскости сигнала того же рода, не содержащего патологию, отличающийся использованием параметров, полученных при их сравнении, позволяющий получить диагностические правила посредством обучения системы;

5 найден набор классификационных признаков и построена дискриминантная функция для определения степени митральной недостаточности, что позволило принимать диагностические решения в интерактивном режиме;

6 разработано высокопроизводительное программное обеспечение, которое используется в автоматизированной системе диагностики митральной недостаточности разрабатываемой в ОАО «Счетмаш», находящейся в эксплуатации в ВЧ 42 300;

7 проведена экспериментальная проверка разработанной автоматизированной системы и эффективности в ней решающих правил. а о.

Показать весь текст

Список литературы

  1. Woo Н.М., Kim Y. A model imaging system with electrical impedance // Ibid. -Vol. 1. -P.343−346.
  2. Прикладная статистика: классификация и снижение размерности / Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989.
  3. В.А., Лищук В. А., Цатурян А. К. Моделирование работы сердца. // Физиология кровообращения. М.:Наука. -1980, с. 186−198.
  4. А.И. К дифференциальной диагностике функциональных и некоторух органических шумов сердца по данным ФКГ // Кардиология № 11 1973 с.128−131.
  5. Ю.К. Разборчивость речи в цифровых вокодерах.// М: Радио и связ. 1991,218с.
  6. A.JI. Чижевский Физические факторы исторического процесса. // Калуга 1924. 72с.
  7. Физиология человека т2 // под род. Р. Шмидта, Г. Тевса пер. с англ. под ред. П. Г. Костюка. М: Мир 1996, с.380−530.42 i
  8. Д., Марсеро Р.Цифровая обработка многомерных сигналов. // пер с англ. М: Мир 1988. -488с.
  9. О.Г. Многомерный дискриминационный анализ // Факторный, дискриминантный и кластерный анализ. Под. ред. И. С. Енюкова, Пер. с англ. М.: Финансы и статистика. 1989. С. 98−122.
  10. Марпл. -мл. C.JI. Цифровой спектральный анализ и его приложения: Пер с англ. -М.: Мир 1990, 584с.
  11. Основы проектирования автоматизированных систем анализа медико-биологических сигналов // В. В. Губанов, JI.B. Ракитская, С. А. Филист, Курск 1997 134с.
  12. Практикум по нормальной физиологии под ред. H.A. Агаджаняна // М: Издателство Российского университета дружбы народов 1996 339с.
  13. Чэн Ш. К, Принципы проектирования систем визуальной информации Пер. с англ. -М: Мир, 1994. -480с.
  14. Г. И., Тароторин Д. М. Василенко восстановление изображений . -М: Радио и связь, 1986. -480с.
  15. У. Цифровая обработка изображений -М: Мир 1982. в 2-х кн: 1 -312с. кн: 2 -480с.
  16. Р., Мак-Доннелл М : Восстановление и реконструкция изображений: Пер. с англ. -М: Мир 1989. -336с.
  17. С.А. Восстановление изображений, полученных с помощью матричных вихретоковых преобразователей/ Изв. Вузов СССР. Приборостроение. -1991. -N7. -41−48с.
  18. Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов: Пер. с англ. -М.: Радио и связь 1987. -400с.2Z
  19. Цифровые анализаторы спектра/ В. Н. Плотников, А. В. Белинский В.А., Суханов Ю. Н. Жигулевцев -М: Радио и связь, 1990, -184с.
  20. Р. Преобразование Хартли: Пер. с англ. М. Мир, 1990
  21. JI.A. Преобразования Фурье, Уолша, Хаара и их применение в управлении, связи и других областях. М. Наука 1989, 469с.
  22. Измерение и анализ случайных процессов // Дж. Бендат, А. Пирсол, М. Мир 1971 408с.
  23. Статистические и динамические экспертные системы: Учебн. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот.-М. .-Финансы и статистика, 1996. -320с.
  24. Р.Д., Ленат Д., Хейсе- Рот Ф. Построение экспертных систем: Пер. с англ.- М.: Мир, 1987.
  25. Экспертные системы: Пер. с англ. / Под ред. Р.Форсайта.-М.:Радио и связь, 1987.
  26. Bandler W., Kohout L.J. Probabilistic versus fuzzy production rules in expert systems // Int.J. Man-Machine studies.-1985.-Vol. 22.-P.347−353.
  27. Buchanan B.G. and Shortliff E.H. Rule Expert Systems- The MYCIN Experiments of the Stanford Neuristic Programming Project.-Addison-Wesley.-1984.
  28. Davis R., Lenat D. Knowledge-Based Systems in Artificial Intelli-gence.-S.l.:Me Gaw-Hill, Inc., 1982.
  29. Negoita, C.N.: Expert System and Fuzzy Systems. The Benjamin Cam-mings Publishing Co., Menlo Park, CA, 1985.
  30. Puppe F. Diagnostisches Problemlosem mit Experten system //Informatik -Fachberichte.-Berlin: Heidelberg-N.-Y.:Springer.-1987.-Vol.l48.- P.34 -40.
  31. Автоматизированные медико-технологические системы в 3-х частях: Монография /А.Г.Устинов, В. А. Ситарчук, Н. А. Кореневский, Под ред .А. Г. Устинова. Курск. Гос. тех. унив-т.Курск, 1995.-390с.
  32. Р.И. Пошаговый дискриминантный анализ // Статисти-ческие методы для ЭВМ / под ред. К. Энслейна, Э. Релстрона, Г. С. Уилфа: Пер. с англ. -М.: Наука. 1986. С. 94−113.
  33. Р., Харт Р. Распознавание образов и анализ сцен. -М.: Мир, 1976.
  34. М.А. Речевой сигнал в кибернетике и связи. -М: Связьиздат, 1963.-284 с.
  35. Дж. Анализ синтез и восприятие речи: Пер. с англ. -М: Связь, 1968.-396с.
  36. Л.Р., Шафер Р. В. Цифровая обработка речевых сигналов. -М: Радио и связь, 1981. -495с.
  37. Ю.К. К вопросу о моделировании голосового источника. -М: 1970. -32с. де УДК 534.781.
  38. В. Г. Златоусова Л.В. Измерение параметров речи. М: Радио и связь, 1987. -168с.
  39. М. В. Прохоров Ю.Н. Методы цифровой обработки и передачи речевых сигналов. -М: Радио и связь, 1983. -240с.
  40. А.А. Спектры и анализ . -М: ГИТТЛ, 1952. -192с.
  41. Relationship between mitral valve prolapse and arrhythmogenic right ventricular disease. Costa AM, Maia IG, Cruz Filho F, Fagundes ML, Sa R, Alves P // Arq Bras Cardiol 1996 Dec-67(6):379−383.
  42. Cohen A, Weber H, Chauvel C. Comparison of arbutamine and exercise echocardiography. // Am. J. Cardiol. -1997 Vol. 6. -j 79. -P. 713−716.
  43. Petersen M., Williamins Т., Erickson M. Right ventricular pressure, dp/dt, and preejection interval during tilt induced vasovagal syncope. // Pacing. Clin. Electrophysiol. -1997. -?20. -P. 806−809.
  44. Burkhoff D, Tyberg JV. Why does pulmonary venous pressure rise after onset of LV dysfunction: a theoretical analysis. // Am. J. Physiol. -1993. -Vol. 2. ?5. P.1819−1828.
  45. Раудис LLL, Пи1сялис В., Юшкавичус К. Экспериментальное сравнение тринадцати алгоритмов классификации // Статистические проблемы управления. Вильнюс: Институт математики и кибернетики АН ЛитСССР, 1975.-Вып. 11.-С.53−80.
  46. Справочник по прикладной статистике /Под ред. Э. Пдойдп, том2. М. Статистика 1990, 528с.
  47. C.B., Шеин С. А. Математические методы обработки статистической информации с помощью ЭВМ. Минск, 1990. 128 с.
  48. С. А., Бежаева 3. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974.
  49. С. А., Бухштабер В. М., Енюков И. С., Мешалкин JI. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.
  50. А. М., Зуев Ю. А., Краснопрошин В. В. Двухуровневая схема распознавания с логическим корректором// Распознавание, классификация, прогноз. Математические методы и их применение. М.: Наука, 1989, вып. 2. С. 73−98.
  51. Т. А., Червинская К. Р. Извлечение и структурирование знаний в экспертных системах. М.: Радио и связь, 1992.
  52. Гик Дж., ван. Прикладная общая теория систем. М.: Мир, 1981.
  53. В.П. Эвристический поиск в сложных средах. Киев: Наукова думка, 1977.
  54. Будущее искусственного интеллекта. М.: Наука, 1991. С. 213−216.
  55. М. Многомерное шкалирование: Методы наглядного представления данных. М.: Финансы и статистика, 1987.
  56. Дюк В. А. Компьютерная психодиагностика. СПб: Братство, 1994.
  57. Н. Г. Эмпирическое предсказание. Новосибирск: Наука, 1979.1. ZS
  58. В. Ю. Метод многомерной геометризации психологических данных. Системный подход в математической психологии// Принцип системности в психологических Исследованиях. М.: Наука, 1990. С. 33−48.
  59. Г. С. Выбор эффективной системы зависимых признаков//Труды Сиб. отд. АН СССР: Вычислительные системы. Новосибирск, 1965. Вып. 19, С. 87−101.
  60. Л. Д. Локальные методы классификации. М.: МГУ, 1969. Вып. 1. С. 58−78.
  61. . Г. Анализ качественных признаков и структур. М.: Статистика, 1980.
  62. Д. А. Искусственный интеллект: фантазии и реальность//Наука и жизнь. 1995, № 6.
  63. Л. А., Эренштейн Р. X. Метод коллективного распознавания. М: Энергоиздат, 1981.С. 1−78.
  64. Справочник по прикладной статистике. В 2-х т. Т. 2/ Под ред. Э. Ллойда, У. Ледермана, С. А. Айвазяна, Ю. Н. Тюрина. М.: Финансы и статистика, 1990.
  65. К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.
  66. В. К. Интеллектуальные системы: проблемы их развития и социальные последствия// Будущее искусственного интеллекта/Под г К. Е. Левитина и Д. А. Поспелова. М.: Наука, 1991.
  67. Э., Мартин Дж., Стоун Ф. Моделирование процесса формирования понятий на вычислительной машине. М.: Мир, 1970.
  68. К. Е. General Systems Theory The Skeleton of Science// Management Science, 2, 1956.
  69. Carrol J. D., Chang J. J. Analysis of Individual Differences in Multidimensional Scaling via an Generalization of Ecart-Young Decomposition// Psy-chometrica, 1970, v.35, № 5. Pp 283−319.
  70. Davis R. TEIRESIAS: Applications of meta-level knowledge//Knowledge-based Systems in Artifical Intelligence. N.Y.: McGrow-Hill, 1982.
  71. Kittler J. A. Feature set search algorithms// Proc. Cjnf. on Pattern Recogn. And Signal Processing. Paris, France, 25 June-4 July, 1978. Pp. 41−60.
  72. Shortliffe E. Computer based medical consultations: MYCIN. N.Y.: American Elsevier, 1976.
Заполнить форму текущей работой