Содержание к диссертации
ВВЕДЕНИЕ
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
1. ПРОБЛЕМА АВТОМТИЗАЦИИ ПРИНЯТИЯ РЕШЕНИЙ В МЕДИЦИНЕ ТР ПРИ СТАТИСТИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ ДАННЫХ 77
1.1. Автоматизированные системы обработки данных ТО в медицине .77
1.2. Современные алгоритмические и программные средства решения задач распознавания. Постановка задачи р« исследования 7.
1.3. Априорная информация и априорная неопределенность задачи дискриминации 7
Выводы 77
2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ СИНТЕЗА НЕПАРАМЕТРИЧЕСКИХ АЛГОРИТМОВ ДИСКРИМИНАЦИИ ПРИ СЭД
2.1. Статистическая модель непараметрических методов дискриминации. Задание системы отношений для 4R выбора алгоритма дискриминации ?.
2.2. Структура критерия для выбора и оптимизации « алгоритма дискриминации при СНД
2.3. Свойства критерия минимума оценки границы ВИД
2.4. Неопределенность метода дискриминации и оценка At-достоверности решения
2.5. Экспериментальное исследование непараметрических алгоритмов дискриминации при статистической неопределенности .
Выводы
3. МЕТОДИКА РАЦИОНАЛЬНОГО СИНТЕЗА ИЕПАРАМЕТРИЧЕСКИХ АЛГОРИТМОВ ДИСКРИМИНАЦИИ ПРИ СТАТИСТИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ ДАННЫХ 77
3.1. Структура методики рационального синтеза алгоритмов дискриминации при СБД
3.2. Выбор числа градаций шкал измерения признаков
3.3. Выбор параметров непараметрических алгоритмов дискриминации и оценка их "сложности"
3.4. Оценка качества алгоритма дискриминации т с учетом ограниченности выборки
Выводы
4. СИНТЕЗ И ПРИМЕНЕНИЕ НЕПАРАМЕТРИРСКИХ ЖСКРИМИНАТОРОВ ДЛЯ ПРИНЯТИЯ КЛИНИЧЕСКИХ РЕШЕНИИ В МЕДИЦИНЕ
4.1. Синтез и применение алгоритмов дискриминации для прогнозирования исходов заболевания инфарктом миокарда .
4.2. Синтез и применение алгоритмов дискриминации ТРА для решения задачи выбора тактики лечения .
4.3. Внедрение первой очереди автоматизированной системы обработки информации (АСОИ) Тои "Мед профилактика"
Выводы .
ЗАКЛЮЧЕНИЕ \fi
СПИСОК ЛИТЕРАТУРЫ W.
ПРИЛОЖЕНИЕ I. Аннотация к программному комплексу "КОРН" .
ПРИЛОЖЕНИЕ 2. Табличные дискриминаторы для прогнозирования исхода заболевания инфарктом миокарда. Описание и методика работы
ПРИЛОЖЕНИЕ 3. Табличные дискриминаторы для оценки эффективности и выбора тактики лечения эпилепсии у детей. Описание и примеры применения
ПРИЛОЖЕНИЕ 4. Методика проведения обследования студентов и сотрудников МИФИ с целью выявления сердечно-сосудистых заболеваний в ОАД поликлиники
ПОЛОЖЕНИЕ 5. Акты внедрения
Введение к работе
Актуальность проблемы. Современный этап развития науки и техники характеризуется широким использованием математических методов и средств вычислительной техники в различных сферах человеческой деятельности. Кроме традиционных областей своего применения, математические методы и ЭВМ находят все большее применение в так называемых слабо формализованных -областях знания и, в первую очередь, - медицине. В нашей стране в настоящее время ведутся интенсивные работы по созданию автоматизированных систем обработки данных (АСОД), получаемых в ходе медицинского обследования пациентов. Эти работы занимают важнейшее место в решении задач всеобщей диспансеризации населения страны и проблем, выдвинутых перед советским здравоохранением в Постановлениях ЦК КПСС и Совета Министров СССР (1977, 1982 гг.35 ). Здесь создание АСОД в медицине рассматривается, как средство повышения эффективности и качества медицинского обслуживания всего населения.
Успешное решение задач создания АСОД в медицине зависит от уровня развития теории автоматизированных систем. Важнейшими элементами теории построения АСОД в медицине, отражающими специфику предметной области, являются методы обработки данных медицинских исследований. Выбор метода обработки данных для АСОД в медицине является главным этапом проектирования указанных систем, который во многом определяет архитектуру разрабатываемой системы, включая тщ вида ее взаимодействующих структур - физической, логической и программной.
Наиболее перспективными методами обработки данных медицинских исследований по всеобщему признанию являются методы, основанные на принципах теории распознавания образов. В нашей стране развитие теории распознавания образов связано с работами А.А.Харкеви-ча, Я.З.Цыпкина, М.М.Бонгарда, М.А.Айзермана, Ю.И.Журавлева, Н.Г.Загоруйко, ШЛО.Раудиса, В.Н.Вапника, Л.А.Растригина и других авторов. Применению методов распознавания при обработке данных медицинских исследований с целью принятия клинических решений посвящены работы А.А.Вишневского, М.Л.Быковского, Ю.Н.Неймарка, М.М.Бонгарда, Е.В.Гублера, П.Е.Кунина, З.Ш.Халфена и других исследователей.
Известно, что принятие клинического решения, в широком смысле, может рассматриваться как решение задачи распознавания в одной из ее интерпретаций - задача дискриминации или классификации объектов.
Развитие работ в области применения теории распознавания образов для обработки данных в медицине в настоящее время проводится в двух основных направлениях, использующих концепции параметрических и непараметрических методов распознавания. Среди работ по применению параметрических методов к решению задач обработки данных медицинских исследований следует выделить исследования Ю.Н.Неймарка, Л.Г.Малиновского, Е.В.іублера, Л.Л.Вилкаускаса.
Развитию теории непараметрических методов распознавания образов в значительной степени способствовали работы М.Розенблатта, Д.Вэн-Райзина, И.Парзена, Г.Уабы. Большой вклад в разработку теоретических и прикладных вопросов непараметрических методов распознавания внесли советские исследователи В.А.Епаничников, Э.А.Надария, М.А.Айзерман, А.В.Медведев, Ш.Ю.Раудис.
Рассматривая содержательную сторону применения методов рас - 6 познавания, следует отметить главную принципиальную особенность данных медицинских исследований - отсутствие достаточно полного описания объекта исследования. Диагностическая информация, с которой приходится оперировать разработчикам АСОД в медицине, неизбежно ограничена, накопление статистических сведений о большинстве заболеваний до последних лет осуществлялось эмпирически, без достаточного учета и анализа представительности и однородности выборок, характеристик используемой измерительной аппаратуры, проведения верификации заключений экспертов. Все это во многом делает проблематичным применение для обработки данных медицинских исследований аппарата параметрических методов распознавания. Параметризация вероятностных характеристик классов конечным числом параметров, являющаяся необходимым элементом применения параметрических методов, часто невозможна, так же как и принятие гипотезы о виде семейства распределений, параметры которого определяются. Такая ситуация при решении задач обработки данных при принятии решений характеризуется как статистическая неопределенность данных (ОВД). Известно [85] два вида ОВД: параметрическая, когда параметризация неизвестных вероятностных характеристик на имеющейся выборке возможна, и непараметрическая СВД, характеризующая прямо противоположную ситуацию.
В последние годы одним из основных и перспективных подходов к решению статистически неопределенных задач обработки данных является применение непараметрических методов. Непараметрические методы в своей основе являются более универсальной математической моделью для решения задач распознавания при СВД, рассчитанной на исходную информацию наиболее общего вида об исследуемом объекте. С другой стороны, известно, что успех практического применения непараметрических методов во многом определяется корректностью выбора их характеристических параметров (параметров "сглаживания", "размытости"). Этот аспект теории непараметрических методов распознавания на сегодняшний день представляет основную проблему и при СЕД наименее исследован. Известные алгоритмические процедуры вычисления указанных параметров непараметрических методов,ввиду больших вычислительных затрат на свою реализацию,нельзя признать удовлетворительными. Кроме того, их применимость ограничена лишь количественными шкалами измерения признаков.
Учитывая, что непараметрическая СВД и разнотипность шкал измерения типичны для данных медицинских исследований, а также отмеченные недостатки существующей теории и практики построения непараметрических методов распознавания, разработка и исследование методов синтеза непараметрических алгоритмов дискриминации при СВД представляется актуальным.
Цель работы. Исследования, проводимые в диссертации, направлены на:
1. Исследование и разработку методов синтеза непараметрических алгоритмов дискриминации при СВД.
2. Разработку методики рационального синтеза непараметрических алгоритмов дискриминации при СВД и ее программную реализацию.
3. Применение полученных теоретических результатов и методики рационального синтеза непараметрических алгоритмов дискриминации для решения задач автоматизации принятия клинических решений в медицине и внедрение разработанных дискриминаторов в практику.
Научная новизна. Выполненные исследования впервые позволили построить обобщенную модель одного класса непараметрических методов дискриминации и с единых позиций подойти к прямому вычислению характеристических параметров класса непараметрических алгоритмов дискриминации при СВД. Доказан ряд утверждений о статистических свойствах оценок качества дискриминации для вычисленных характеристических параметров. Построена методика рационального синтеза непараметрических алгоритмов дискриминации при СБД, позволившая впервые осуществлять синтез непараметрического алгоритма дискриминации в рассмотренном классе с учетом обучающей выборки, размерности пространства признаков в описании объекта, требуемой достоверности оценок качества дискриминации на этапе обучения, и осуществить достаточно простой переход к ее программной модели.
Практические результаты. Разработанная методика рационального синтеза непараметрических алгоритмов дискриминации реализована в виде комплекса программ "КОРН", что позволило автоматизировать основные этапы синтеза алгоритма дискриминации при ОВД. Применение разработанной программой модели методики рационального синтеза позволило значительно (минимум в 2 раза) снизить затраты на разработку программ дискриминации, что обеспечивается возможностью прямого вычисления характеристических параметров алгоритмов в отличие от известных переборных схем построения алгоритма дискриминации. Возможность вычисления достоверности оценок качества дискриминации на этапе обучения позволила упростить процедуры контроля построенных дискриминаторов. Разработанный комплекс программ "КОРН" использован для решения задач практического здравоохранения. Результаты, полученные на основе теоретических положений и методических обобщений диссертации, внедрены в ряде научно-исследовательских медицинских институтов и учреждениях практического здравоохранения.
Апробация результатов работы. Основные научные и практические результаты работы докладывались на Третьей Всесоюзной конференции по биологической и медицинской кибернетике (Сухуми, 1978г.), Второй Всесоюзной научно-технической конференции "Проблемы техники в медицине" (Тольятти, 1981 г.), ІУ Всесоюзном симпозиуме по проблемам управления (г.Орджоникидзе, 1981 г.), Третьей Всесоюзной научно-технической конференции "Проблемы техники в медицине" (Томск, 1983г.), Научно-технической конференции (с участием иностранных ученых) "Метрологическое обеспечение измерений в медицине и биологии"(Таллин, 1983г.), Республиканской конференции "Кибернетика в биологии и медицине" (Киев, 1979г.), Научно-технических конференциях "Повышение эффективности автоматизированных систем управления" (Москва, 1981, 1983 гг.), Научно-технических конференциях ШФЙ (1979, 1981, 1983 гг.), научных семинарах кафедры 29 МИФИ.
Публикации по теме диссертации. Основное содержание диссертации отражено в 8 печатных работах и 8 научных отчетах.
Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения и приложений. Основное содержание работы изложено на 150 страницах, приложения на 40 страницах, список литературы содержит 131 наименование отечественных и зарубежных источников.
В первой главе дан анализ основных направлений работ по автоматизации обработки данных в медицине. Проводится обзор существующих методов распознавания, как одного из средств обработки данных для принятия клинических решений, рассматриваются современные алгоритмические и программные средства для построения дискриминаторов с учетом СБД. Анализируются основные трудности практической реализации непараметрических методов дискриминации. Формулируется постановка задач, решаемых в диссертации. Определяется понятие уровня априорной неопределенности задачи дискриминации и выбор модели класса алгоритмов дискриминации на основе априорной информации, содержащейся в обучающей выборке.
Во второй главе диссертации исследуются методы синтеза непараметрических алгоритмов дискриминации на основе статистической модели класса непараметрических алгоритмов, базирующейся на восстановлении неизвестных статистик выборки методом Парзена-Розен - 10 блатта. Определяются параметры алгоритмических процедур, подлежащие вычислению для синтеза алгоритма и его реализации. Анализируется структура критерия для выбора и оптимизации параметров рассматриваемого класса непараметрических методов. Доказывается ряд утверждений о статистических свойствах оценок качества дискриминации при СБД. Определяются аналитические выражения для вычисления параметров алгоритмов дискриминации и уровня неопределенности каждого из методов в рассматриваемом классе, достоверности оценок качества .дискриминации при ОВД по результатам обучения. Приводятся результаты экспериментальных исследований исследуемого класса непараметрических методов в сравнении с ранее известными процедурами переборного типа.
В третьей главе на основе проведенного аналитического исследования непараметрических методов дискриминации строится методика рационального синтеза алгоритмов дискриминации при ОВД. Последовательно рассматриваются отдельные этапы рационального синтеза непараметрических дискриминаторов с учетом типа шкал измерения признаков в описании исследуемого процесса, объема обучающей выборки, размерности пространства признаков, достоверности оценок качества дискриминации. Излагается подход к оценке затрат на реализацию синтезируемых алгоритмов дискриминации, дается их сравнение с известными алгоритмами дискриминации при СЦЦ. Обсуждаются вопросы контроля качества синтезированного алгоритма, статистических свойств процедур контроля и их реализация.
В четвертой главе,как примеры практического применения полученных в диссертации результатов, описаны решения следующих задач: разработка дискриминаторов для прогнозирования исхода заболевания инфарктом миокарда по данным лабораторно-цитохимических исследований, разработка дискриминаторов для оценки эффективности лечения эпилепсии у детей, разработка процедур принятия решения и элементов методики проведения обследования пациентов в автоматизированной системе обработки информации (АСОИ) "Медпрофилактика".
В приложениях к диссертации представлены основные методические материалы по применению разработанных дискршлинаторов для принятия клиничесішх решений при прогнозировании заболеваний инфарктом миокарда, оценки эффективности лечения эпилепсии, профилактическом обследовании по выявлению групп риска ИБО с использованием АСОИ "Медпрофилактика", а также аннотация к комплексу программ "КОРН" и документы, подтверждающие внедрение результатов диссертационной работы.
