Содержание к диссертации
Введение
1 Методы и системы поддержки принятия диагностических решений на основе анализа электрического сопротивления в биоактивных точках 10
1.1 Хронический пиелонефрит у беременных и методы его диагностики 10
1.2 Физиологические и морфологические особенности биоматериала в области биоактивных точек 13
1.3 информационное значение акупунктурных точек 16
1.4 Методы исследования и анализа биологически активных точек 19
1.5 Теоретические аспекты объединения диагностических решений на основе вероятностных моделей классификации при анализе групп биоактивных точек 30
1.6 Цели и задачи исследования 39
2. Исследование вольтамепрных характеристик биоматериалов в аномальных зонах электропрповодности в экспериментах in vivo 41
2.1 Структурно-функциональные модели электропроводности биоматериала в экспериментах in vivo 41
2.2 Факторный анализ вольтамперных характеристик биоактивных точек 51
2.3 Разработка метода исследования электрических характеристик биоактивных точек 61
2.4 Выводы второго раздела 66
3. Многоагентная гибридная сетевая структура на основе вероятностных нейронных сетей и нечеткой логики принятия решений 68
3.1.Структурно-функциональные решения многоагентной системы на основе вероятностных нейронных сетей 68
3.2 Исследование архитектуры вероятностной нейронной сети 72
3.3 Сетевая структура PNN-FNN - типа для многоагентных систем диагностики заболеваний по энергетическому состоянию БАТ 76
3.5 Многоагентные классификаторы с группированием факторов риска пиелонефрита в дифференциальной диагностике 84
3.6 Выводы третьего раздела 88
4 Биотехническая система биоимпедансных исследований для диагностики пиелонефрита 90
4.1 Структурно-функциональня схема биотехнической системы 90
4.2 Алгоритм работы мобильного устройства в режиме мониторинга биоимпеданса и алгоритм обмена данными с ЭВМ 94
4.3 Пример решения диагностической задачи с помощью биотехнической системы 101
4.4 Выводы четвертого раздела 111
Заключение 113
Список обозначений и сокращений 115
Список литературы 116
- Физиологические и морфологические особенности биоматериала в области биоактивных точек
- Факторный анализ вольтамперных характеристик биоактивных точек
- Многоагентные классификаторы с группированием факторов риска пиелонефрита в дифференциальной диагностике
- Пример решения диагностической задачи с помощью биотехнической системы
Введение к работе
Актуальность работы. Пиелонефрит является наиболее частым заболеванием почек во всех возрастных группах и занимает второе место среди экстрагенитальных заболеваний у беременных после патологии сердечно-сосудистой системы. Заболеваемость пиелонефритом беременных за последние двадцать лет возросла в 5 раз. Пиелонефрит оказывает отрицательное воздействие на репродуктивную функцию женщины, осложняет течение беременности и родов у 2-10% женщин, что проявляется развитием гестозов, невынашивания, рождением незрелых детей, повышенной частоте послеродовых ренальных и экстра-ренальных осложнений.
Диагностика пиелонефрита при беременности представляет значительные трудности, так как применение многих эффективных методов диагностики во время беременности ограничено. Особенно это касается рентгенологического и ультразвукового обследований. Инструментальные методы диагностики пиелонефрита при беременности также опасны ввиду анатомических изменений, связанных с вынашиванием плода. Поэтому актуальным является развитие мобильных технологий диагностики, не связанных с проблемами транспортабельности беременной и не подвергающих риску их здоровье и здоровье вынашиваемого ребенка.
Одним из направлений развития мобильных технологий такого плана являются биоимпедансные исследования аномальных зон электропроводности – биоактивных точек (БАТ). Однако большой разброс результатов измерений, обусловленный индивидуальными особенностями организма, не связанными с патологией, а также направленность метода не на диагностику патологии органов и систем организма, а на патологию меридиана, что вступает в противоречие с методологией диагностики и лечения, принятой в европейской классической медицине, не позволяет использовать его в широкой клинической практике. Следовательно, исследования, направленные на совершенствования мобильных систем на основе контроля электропроводности БАТ являются актуальными.
Степень разработанности темы исследования. Одними из наиболее популярных методик исследований феномена электропроводности БАТ является методика Е. Накатани и методика Р. Фоля. Система Риодораку Е. Накатани основана на регистрации сопротивления кожи постоянному электрическому току 24 репрезентативных точек 12 меридианов, что весьма затруднительно выполнить вне стационара. По методике Р. Фоля в БАТ проводится измерение потенциала реакции тела или его отдельных органов на ток, которым воздействуют на точку. Но этот метод предполагает наличие субъективного контроля давления электрода на поверхность кожи, что не позволяют использовать его в мобильных системах диагностики. Этим обусловлена разработка большого числа приборов и методик, основанных на измерении биоимпеданса. Исходя из требований корректности, измерение биоимпеданса должно удовлетворять как минимум двум условиям: сохранению морфологической интактности и сохранению функционального состояния объекта исследования. Эти требования противоречат с требованиями диагностической эффективности, которая может быть повышена за счет увеличения объема информации, снимаемой с отдельной БАТ, с последующим использованием различных сочетаний методов обработки полученной информации и нейросетевого моделирования. Это можно осуществить посредством изучения вольтамперной характеристики в БАТ. Стандартной методики исследования вольтамперной характеристики не разработано, поэтому данные различных авторов не совпадают вследствие использования аппаратуры с различными параметрами, что снижает диагностическую эффективность этого метода.
Таким образом, научно-технической задачей исследования является повышение диагностической эффективности мобильных систем, основанных на исследования вольтамперных характеристик БАТ посредством интеллектуальных технологий.
Цель работы. Разработка мобильной биотехнической системы анализа вольтамперных характеристик биоактивных точек, обеспечивающей повышение качества диагностики пиелонефрита у беременных женщин.
Для достижения поставленной цели необходимо решить следующие задачи:
- разработать структурно-функциональную модель электрической проводимости биоматериала в аномальных зонах (в области точек акупунктуры);
- разработать метод формирования пространства информативных признаков, предназначенного для классификаторов функционального состояния биоматериала;
- разработать мобильную биотехническую систему диагностики пиелонефрита у беременных женщин;
- провести апробацию предложенных методов и средств диагностики пиелонефрита у беременных женщин на репрезентативных контрольных выборках.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
структурно-функциональная модель электропроводности биоматериалов в аномальных зонах, основанная на гипотезах обратимого пробоя диэлектрика и «ответной реакции биоматериала» и выполненная в виде последовательно соединенных настраиваемых диодно-резистивных ячеек, позволяющая прогнозировать электропроводность биоматериала в зависимости от частоты и величины тока зондирования;
метод формирования пространства информативных признаков, предназначенного для классификаторов функционального состояния биоматериала, заключающийся в регистрации вольтамперных характеристик биоткани в биоактивных точках парных меридианов, позволяющий путем аппроксимации каждой из полученных вольтамперных характеристик полиномом седьмого порядка использовать коэффициенты полученных полиномов в качестве входного вектора для нейронной сети, обученной на принятие диагностических решений по выделенным классам заболеваний;
структура гибридной нейронной сети с макрослоями для многоальтернативной классификации биоматериалов, содержащая три макрослоя, первый из которых состоит из модулей вероятностных трехслойных нейронных сетей, второй и третий макрослой – из модулей двухслойных нечетких нейронных сетей, причем количество модулей в макрослоях равно числу дифференцируемых классов заболеваний, позволяющая определить субъективные вероятности принадлежности входного вектора к выделяемым классам;
мобильная биотехническая система, содержащая мобильный блок и ЭВМ, позволяющая осуществлять акции в виде токовых воздействий на пациента и контролировать реакции пациента на эти воздействия, как врачу-терапевту, так и самому пациенту, с последующей передачей данных на ЭВМ для их анализа и принятия решений.
Теоретическая и практическая значимость работы состоит в том, что изложена идея моделирования вольтамперных характеристик биоактивных точек, основанная на гипотезе обратимого пробоя диэлектрика, позволяющая осуществлять выбор пространства информативных признаков для мобильных многоагентных систем диагностики пиелонефрита. Разработанные метод, модели и алгоритмы составили основу мобильного устройства для диагностики пилонефрита у беременных женщин. Применение предложенного в диссертации метода и средств анализа биоматериалов позволяет использовать неинвазивные методы в программах скрининговой диагностики социально значимых заболеваний.
Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы (государственный контракт № П424 от 12 мая 2010 г.) по проблеме «Гибридные информационные технологии для ранней диагностики инфекционных и онкологических заболеваний на основе многочастотной импедансометрии биоматериалов» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».
Результаты работ внедрены в учебном процессе Юго-Западного государственного университета при подготовке специалистов 200401 – «Биотехнические и медицинские аппараты и системы» и используются в клинической практике Муниципального учреждения здравоохранения городской клинической больницы скорой медицинской помощи г. Курска.
Методология и методы исследования. Для решения поставленных задач использовались методы: теории биотехнических систем медицинского назначения, теории линейных электрических цепей, математического моделирования, нечеткой логики, нейросетевых технологий. При разработке нейросетевых модуля принятия решений в качестве инструментария использовался Matlab 8.0 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.
Положения, выносимые на защиту. 1. Структурно-функциональная модель электропроводности биоматериалов в аномальных зонах, выполненная в виде последовательно соединенных настраиваемых диодно-резистивных ячеек, позволяющая учитывать диэлектрические свойства биоматериалов и реакцию систем организма на зондирующий ток. 2. Метод формирования пространства информативных признаков, основанный на исследовании вольтамперных характеристик биоактивных точек. 3. Структура гибридной нейронной сети с макрослоями позволяющая осуществлять дифференциальную диагностику пиелонефрита. 4. Мобильная биотехническая система на основе многоагентной схемы принятия решений для диагностики пиелонефрита у беременных женщин.
Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям акупунктурной диагностики и нейросетевого моделирования, а так же аналогичным результатам, полученным другими исследователями. Метод и алгоритмы исследования вольтамперных характеристик БАТ построены на теории нелинейных электрических цепей и теории управления в биотехнических системах и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.
Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 11 Международных, Всероссийских и региональных конференциях и симпозиумах: «Медико-экологические информационные технологии» (Курск - 2010, 2012, 2013); «Биотехнические, медицинские и экологические системы и комплексы» (Рязань - 2009, 2012); «Информационные технологии и компьютерные системы для медицины» (Маврикий – 2012); «Теория и практика системного анализа» (Белгород - 2012); «БИОЛОГИЯ - НАУКА XXI ВЕКА» (Пущино - 2013); «Информационно-измерительные диагностические и управляющие системы. Диагностика – 2013» (Курск - 2013); «Медицинская кибернетика и междисциплинарная подготовка специалистов для медицины» (Томск – 2013), «Актуальные вопросы биомедицинской инженерии» (Саратов – 2013), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2009, 2010, 2012, 2013, 2014).
Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и библиографического списка, включающего 101 источник. Работа изложена на 126 страницах машинописного текста, содержит 40 рисунка и 8 таблиц.
Физиологические и морфологические особенности биоматериала в области биоактивных точек
По данным литературы, в настоящее время прослеживается неуклонный рост числа инфекционно-воспалительных заболеваний мочевыводящих путей, в том числе пиелонефрита, который встречается у 15—20% лиц молодого возраста [6, 25]. Он занимает лидирующее место в структуре заболеваний почек во всех возрастных группах — от новорожденных до долгожителей. Особенно актуальна эта проблема с позиций современного акушерства и перинатологии, так как чаще всего заболевание проявляется или возникает впервые во время беременности, обусловливая осложненное течение гестационного процесса и высокую заболеваемость новорожденных при наличии этой патологии у матери [6, 41].
К наиболее частым осложнениям беременности при пиелонефрите относятся невынашивание, гестоз, анемия, плацентарная недостаточность, хроническая гипоксия плода и/или задержка его внутриутробного развития [6, 25]. Наличие пиелонефрита также осложняет течение родов и послеродового периода. Установлено, что у рожениц с данной патологией достоверно чаще встречаются преждевременное или раннее излитие околоплодных вод, острая интранатальная гипоксия плода, нарушения сократительной активности матки, процессов отделения и выделения последа [25]. После родов в 2—3 раза возрастает риск возникновения гнойно-воспалительных процессов в мочеполовых органах. Пиелонефрит неблагоприятно влияет на состояние плода и новорожденного, являясь источником внутриутробного инфицирования и обеспечивая развитие плацентарной недостаточности [6, 25, 41, 59]. Это диктует необходимость пристального внимания исследователей к проблеме пиелонефрита у беременных женщин. Среди клинико-лабораторных исследований ведущими в диагностике пиелонефрита являются клинические и биохимические анализы крови и мочи. В общем анализе крови выявляются лейкоцитоз, нейтрофильный сдвиг лейкоцитарной формулы влево за счет увеличения количества палочкоядерных форм, ускорение СОЭ. Вышеуказанные изменения выражены в период обострения хронического пиелонефрита. С течением заболевания часто развивается гипохромная анемия. В 35—40% случаев выявляется лимфопения (число лимфоцитов менее 18%), причем как в стадии обострения, так и в стадии ремиссии болезни, что свидетельствует о наличии иммунодефицита у пациенток данной группы. При исследовании мочи могут выявляться пиурия, бактериурия, протеинурия и микрогематурия. Считается, что критерием инфицирования мочевых путей является рост более чем 105 колоний в 1 мл мочи, но у беременных женщин с симптомами мочевой инфекции и лейкоцитурией обнаружение меньшего числа колоний (103—104) бактерий, являющихся основными возбудителями заболевания, также имеет диагностическое значение [6].
Следует отметить, что во время беременности, даже в период обострения хронического пиелонефрита, наблюдается стертая клиническая картина заболевания: с незначительными жалобами или даже с полным их отсутствием со стороны пациентки, с минимальными отклонениями от нормы в лабораторных данных.
Состояние беременности у женщин, страдающих хроническим пиелонефритом, существенно ограничивает использование информативных диагностических исследований вследствие возможного тератогенного действия большинства из них на плод. В частности, по очень строгим показаниям у этой группы пациенток выполняются радиоизотопные, рентгенологические исследования, компьютерная томография. Основным методом, позволяющим оценить морфологию мочевыводящих путей у беременных, является ультразвуковое сканирование [6]. Кроме основных клинических и лабораторных методов диагностики пиелонефрита существуют разнообразные дополнительные методы исследования, позволяющие прямо или косвенно оценить функциональное состояние почек, степень выраженности патологического процесса, характер и интенсивность влияния инфекции мочевыводящих путей на другие органы и системы. В последние десятилетия научные поиски ориентированы на диагностические методы, не только способные оказать помощь в постановке правильного диагноза, но и предоставляющие возможность прогнозирования различных осложнений беременности у пациенток, страдающих хроническим пиелонефритом. Это весьма актуально, так как у беременных данной группы отмечается высокая частота осложнений гестационного процесса без тенденции к снижению.
Другим методом, который также дает возможность оценить функцию почки по состоянию почечного кровотока, является допплерометрия [6]. В результате проведенных исследований установлено, что у беременных, страдающих хроническим пиелонефритом, имеется снижение интенсивности почечного кровотока, начиная с 4—16 нед. гестации. Степень снижения находится в прямой корреляционной зависимости от давности заболевания, характера его течения, распространенности патологического процесса (односторонний или двусторонний).
Проведенные исследования центральной гемодинамики у пациенток данной группы выявили наличие серьезных нарушений, наиболее выраженных у женщин с вторичным хроническим пиелонефритом: гипокинетический тип кровообращения, достоверное снижение минутного и ударного объемов крови, снижение показателей, характеризующих работу левого желудочка, уменьшение ЧСС, повышение общего периферического сосудистого сопротивления.
Таким образом, анализ методов диагностики пиелонефрита у беременных показывает, что, несмотря на большой выбор методов и средств диагностики этого заболевания, в настоящее время нет мобильных и достаточно эффективных методов диагностики этого заболевания, у беременных женщин, позволяющих оперативно и неинвазивно провести диагностику этого заболевания в условиях ограниченности использования лучевой нагрузки и инструментальных исследований и маскированием воспалительных процессов физиологическим состоянием организма, что заставляет искать новые методы и подходы к диагностике этого заболевания.
Факторный анализ вольтамперных характеристик биоактивных точек
В диагностике многих заболеваний значительный интерес представляют параметры состава тканей отдельных регионов, оказывающие значительное влияние на их электрические характеристики. Особый интерес вызывают исследования электрической проводимости в аномальных зонах - БАТ. Анализ отечественных и зарубежных исследований различных свойств БАТ, проведенный в первом разделе, указывает на возможность получения от этих точек диагностической информации.
Однако информация, снимаемая с БАТ в виде электрической проводимости на постоянном или переменном токе, не обладает достаточной робастностью и не позволяет построить адекватные решающие правила, позволяющие обеспечить приемлемые показатели диагностической эффективности при принятии диагностических решений. В целях улучшения показателей качества диагностики прибегают к увеличению объема информации, снимаемой с БАТ. Это достигается путем: а) увеличения числа анализируемых БАТ, б) увеличения числа частот зондирующего тока, на котором определяется полное электрическое сопротивление в области БАТ, в) изменением энергетических характеристик источника возбуждающего тока.
Остановимся более подробно на последнем способе.
Структурно-функциональные модели электропроводности биоматериала в экспериментах in vivo Если электрическое сопротивление линейно, то есть определяется согласно закону Ома, то изменение энергетических характеристик источника возбуждающего тока не приведет к получению дополнительной информации.
Однако эксперименты показывают, что это сопротивление носит нелинейный характер и зависит от приложенного напряжения [3, 6, 40]. Поэтому одним из путей увеличения объема информации, снимаемой с БАТ, является исследование ее вольтамперной характеристики с последующим получением ее характерных точек, координаты которых могут быть использованы для построения пространства информативных признаков в классифицирующих моделях. Для определения этих характерных точек необходима модель вольтамперной характеристики БАТ.
Модель вольтамперной характеристики может быть построена либо на основе феноменологического подхода, в основе которого лежит математическая или гомеостатическая модель описания экспериментально полученных данных об объекте исследования, либо на основе эвристического подхода, когда в основе построения модели используется знание эксперта о функционировании объекта исследования. Таким образом, имеется возможность построения двух видов параметрических моделей.
При моделировании вольтамперной характеристики БАТ используем гибридный подход, сущность которого заключается в том, что на первом этапе строится функциональная модель, которая интегрирует знания эксперта о функционировании объекта исследования, а на втором этапе строится математическая модель, согласующая процесс функционирования модели и экспериментальные данные, получаемые при исследовании реальных объектов.
В основе функциональной модели электрической проводимости БАТ положена гипотеза об обратимом пробое диэлектрика и гипотеза «ответной реакции БАТ».
В соответствии с этими двумя гипотезами электрическое сопротивление в БАТ состоит из двух составляющих: цепочки последовательно соединенных участков, имеющих свойства диэлектрика с обратимым пробоем, и двух омических сопротивлений, которые образуют делитель, осуществляющий функции обратной связи (отрицательной) для моделирования отрицательного сопротивления, соответствующего «ответной реакции БАТ». Для моделирования этих участков используем диодно-резистивные ячейки двух типов, схемы электрические принципиальные которых показаны на рисунке 2.1, а и б. На рисунке 2.1, в показана модель вольтамперной характеристика диода, используемого в этих цепочках [20, 38, 68].
В соответствии с первой гипотезой по мере роста напряжения на БАТ начинают открываться диоды в ячейках (обратимый пробой диэлектрика), что приводит к росту тока в БАТ. В соответствии со второй гипотезой, по мере нарастания тока в БАТ, в биообъекте включается обратная связь, которая стремится уменьшить последствия роста прилагаемого к биоматериалу напряжения, то есть снизить ток через биообъект. Этот эффект моделируется путем включения в электрическую цепь биоматериала управляемого источника напряжения, напряжение на выходе которого имеет противоположенную полярность относительно приложенного к биоматериалу напряжения.
Сама модель электрического сопротивления в БАТ, построенная на основе гибридного подхода, показана на рисунке 2.3. В этой модели используются три диодно-резистивные ячейки типа рисунок 2.1, а и две диодно-резистивные ячейки типа рисунок 2.1, б с различными значениями напряжения отпирания диода Vf. Омическое (линейное) сопротивление БАТ моделируют два резистора: R4 и R5. Модель отрицательного сопротивления реализована на операционном усилителе DA1. Если диоды VD1-VD6 и VD7-VD10 выключены, то обратная связь отсутствует и потенциал на выходе DA1 3 = 0, а ток в БАТ определяют в основном резисторы R1-R3
Многоагентные классификаторы с группированием факторов риска пиелонефрита в дифференциальной диагностике
Слой суммирования имеет по одному элементу для каждого класса из учебного множества данных. К любому элементу слоя суммирования идут связи только от элементов слоя образцов, принадлежащих соответствующему классу. Весовые значения связей, идущих от элементов слоя образцов к элементам слоя суммирования, фиксируются равными 1. Элемент слоя суммирования просто суммирует выходные значения элементов слоя образцов. Эта сумма дает оценку значения функции плотности распределения вероятностей для совокупности экземпляров соответствующего класса. Выходной элемент представляет собой дискриминатор пороговой величины, указывающий элемент слоя суммирования с максимальным значением активности (т.е. указывает класс, к которому принадлежит неизвестный экземпляр).
Для сети PNN не требуется обучения в том смысле, какое требуется для сетей с обратным распространением ошибок, так как все параметры сети PNN (число элементов и значения весов) определяются непосредственно учебными данными (обучающей выборкой).
Процедура для использования сети PNN является относительно простой. Архитектура сети определяется структурой обучающей выборки: - число входных элементов равно числу информативных признаков; - число элементов слоя образцов равно числу учебных образцов; - число элементов слоя суммирования равно числу классов. Первый слой весовых значений определяется учебными образцами.
Для второго слоя все значения устанавливаются равными единице. Весовые значения конечного слоя устанавливаются так, чтобы на выходе распознавался элемент слоя суммирования с наибольшим значением активности. Для элементов слоя образцов необходимо выбрать подходящую функцию активности. Как правило, используется ядро Гаусса в виде, показанном в выражении вначале. Значение задает ширину функции активности. Значение оказывается очень важным, поэтому чаще всего оно подбирается в результате эксперимента.
После того как сеть построена, неизвестный экземпляр можно подать на вход сети, и в результате прямого прохода через сеть выходной слой укажет класс, к которому, вероятнее всего, принадлежит образец.
Данное здесь представление сети PNN требует вычисления евклидового расстояния от неизвестного экземпляра до всех учебных образцов элементы входного вектора; cij – центр радиальной базисной функции. Чем ближе друг к другу отдельные элементы векторов xi и ci , тем меньше евклидово расстояние d(ci ,xi ) и тем выше сходство между векторами xi и ci . Если все входные векторы имеют единичную длину, то функция активности для элемента слоя образцов может быть представлена в форме, содержащей более удобную для использования сумму произведений:
Сети PNN могут быть более сложными, чем представленная здесь сеть. Например, для каждого входного признака можно использовать разные значения . Таким образом, оказывается возможным в значительной степени контролировать форму классификационной поверхности, соответствующей учебным образцам.
Сети PNN очень удобно использовать для классификации. Они быстро обучаются, допускают наличие ошибочных данных и обеспечивают полезные результаты даже на малых наборах учебных данных. Но сети PNN оказываются весьма требовательными в отношении ресурсов. Решение некоторых проблем требует сотен и даже тысяч учебных образцов, в результате чего классификация каждого неизвестного экземпляра потребует немало времени. Однако необходимо помнить, что если сеть реализована в виде аппаратных средств, то вычисления чаще всего выполняются параллельно.
Ввиду малых объемов выборок, которые могут быть получены в результате медицинских исследований, сеть PNN целесообразно использовать в медицинских приложениях.
Сеть PNN не является столь общей, как некоторые другие нейронные сети. Так, в своей базовой форме сеть PNN ограничивается задачами классификации, в отличие от многослойной сети с прямой связью и обратным распространением ошибок, которая может моделировать отображение общего вида. Тем не менее, классификация требуется во многих задачах, а классификацию сети PNN выполняют очень хорошо. 3.3 Сетевая структура PNN-FNN - типа для многоагентных систем диагностики заболеваний по энергетическому состоянию БАТ
В процессе диагностики пиелонефрита у беременных женщин возникает необходимость в оценке вероятностей альтернативных гипотез, которые выражается либо в баллах, либо в процентах. При этом эксперт имеет возможность оценить апостериорную вероятность нулевой гипотезы на фоне известных апостериорных вероятностей альтернативных гипотез. Сравнение таких вероятностей дает ценную информацию при управлении, как профилактическими мероприятиями, так и диагностическими исследованиями.
Для реализации предложенной структуры целесообразно использовать вероятностные нейронные сети (PNN). В основу классификации в сети PNN лежит метод Байеса. Идея состоит в том, что для каждого образца можно принять решение на основе выбора наиболее вероятного класса из тех, которым мог бы принадлежать этот образец. Такое решение требует оценки функции плотности вероятностей для каждого класса. Эта оценка получается в результате обучения сети. Формальным правилом является то, что класс с наиболее плотным распределением в области неизвестного экземпляра будет иметь преимущество по сравнению с другими классами. Точно так же будет иметь преимущество и класс с высокой априорной вероятностью или высокой ценой ошибки классификации
Пример решения диагностической задачи с помощью биотехнической системы
Текущее F для всех восьми коэффициентов больше критического при уровне значимости =0,05. То есть при этом уровне значимости нулевая гипотеза может быть отвергнута. При более низком значении нулевая гипотеза может быть принята.
Для оценки эффективности предложенных методов, алгоритмов и средств интеллектуальной поддержки диагностики пиелонефрита у беременных женщин использовались данные, полученные в лечебных учреждениях г. Курска и
Курской области, а также результаты обследования студентов и сотрудников Юго-Западного университета (ЮЗГУ).
В исследование были включены как находящиеся на лечении женщины всех возрастов, так и здоровые с относительно стабильным (вне обострения) состоянием здоровья и с установленным диагнозом основного заболевания на основании результатов стационарного обследования до периода проведения апробации технологии. Обучающие и контрольные выборки формировались на основе экспертных оценок специалистов урологического отделения Больницы скорой медицинской помощи г. Курска.
Эффективность предлагаемых методов анализа проверялось путем исследования и сравнительной оценки показателей качества диагностики пиелонефрита моделями многоагентных мобильных интеллектуальных систем с различным числом агентов на нижнем уровне (с различным числом анализтруемых БАТ).
В предлагаемой работе программная реализация нейросетевых моделей решающих модулей, предложенных разделе 3, проводилось с помощью программного обеспечения «Neurowork», разработанного на кафедре биомедицинской инженерии ЮЗГУ, выполненного в среде MATLAB и FuzzyTech.
В качестве расчетных показателей качества диагностических решающих правил использовались: диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС), прогностическая значимость положительных результатов (ПЗ+), прогностическая значимость отрицательных результатов (ПЗ ), диагностическая эффективность решающего правила (ДЭ). г - номер класса исследуемого заболевания; nm - количество людей в контрольной выборке в исследуемом классе заболеваний; пЮо - количество здоровых людей в контрольной выборке; ИП - истинно положительный результат равный количеству людей класса сог правильно классифицируемых рассматриваемым правилом; ЛП - ложно положительный результат равный количеству людей класса со0 ошибочно отнесенных решающим правилом к классу сог; ЛО - ложно отрицательный результат: количество людей класса сог ошибочно отнесенных решающим правилом к классу со0; ИО - истинно отрицательный результат: количество людей класса со0 правильно классифицируемых решающим правилом.
Будем условно считать, что к 1-му классу относятся здоровые беременные и не беременные женщины, ко 2-му классу - женщины больные пиелонефритом.
В таблице 4.5 приведены результаты работы биотехнической системы, реализующей структуру рисунке 3.7, на контрольной выборке в одноагентном исполнении (в качестве БАТ использовалась точка тай-юань).
Таким образом, диагностическая чувствительность модели на контрольной выборке равняется 60%, диагностическая специфичность – 60%, диагностическая эффективность – 60%.
В таблице 4.6 приведены контрольные испытания двухагентной мобильной системы, проведенные на тех же контрольных выборках (использовались БАТ 1 меридиана Легких точка тай-юань и БАТ 2 меридиана Перикарда точка да-лин). . Таблица 4.6 - Таблица контрольных испытаний диагностики пиелонефрита на основе двухагентной мобильной системы
Таким образом, максимальная диагностическая чувствительность модели на контрольной выборке равняется 85%, диагностическая специфичность – 80%, диагностическая эффективность – 82%.
Интегральные показатели качества диагностики пиелонефрита у беременных женщин посредством разработанных методов приведены на рисунке 4.5.
Сравнительная характеристика показателей качества многоагентных мобильных систем диагностики пиелонефрита Анализ диаграмм на рисунке 4.5 показывает, что качество принятия решений растет по мере увеличения числа агентов в системе. При этом диагностическая чувствительность трехагентной модели практически не отличается от диагностической чувствительности трехагентной классифицирующеей модели, тогда как диагностическая специфичность растет на 10% при наращивании числа агентов на нижнем уровне.
Полученные сравнительные диагностические характеристики многоагентных систем диагностики пиелонефрита позволяют рекомендовать полученные технические и алгоритмические решения для практического использования в системах диагностики урологических заболеваний.
Разработан алгоритм работы микроконтроллера мобильного модуля биотехнической системы, включающий внешний и два внутренних цикла с заданным числом повторений, причем в первом вложенном цикле формируются отсчеты напряжения, поступающего на биообъект; во втором вложенном цикле оцифровываются отсчеты зондирующего напряжения и отсчеты напряжения на биообъекте, а в третьем цикле (внешнем) вычисляются квадратурные составляющие биоимпеданса, позволяющий в процессе формирования отсчетов зондирующего напряжения и отсчетов напряжения на биообъекте реализовать диалог микроконтроллера с пациентом и ЭВМ, и диалог микроконтроллера и пациента, и синхронизировать выполнения команд, поступающих от ЭВМ и ответных сигналов от микроконтроллра.
