Содержание к диссертации
Введение
ГЛАВА 1. Функционально-структурный анализ биотехнических систем диагностики патологий слухового восприятия
1.1. Биотехнические системы исследования слуха 16
1.1.1 .Структура объекта функциональных исследований... 16
1.1.2. Показатели, характеризующие состояние слуха человека 17
1.1.3. Классификация биотехнических кето дик исследования слуха 21
1.1.4. Обобщенная схема реализации субъективных БТМ. 28
1.2. Компьютерные технологии в субъективных БТМ исследования слуха 33
1.3. Проблемы автоматической диагностики патологий органов слуха 40
1.4. Постановка задач диссертации 48
Выводы к главе 1 54
ГЛАВА 2. Классификация тональных аудиограмм методами кластерного анализа 56
2.1. Постановка задачи автоматического построения классификатора тональных аудиограмм 56
2.2. Исследование модели индивидуальных порогов слуха 60
2.3. Методы классификации объектов, заданных дискретными детерминированными признаками 65
2.4.Классификация аудиограмм на основе субъективных оценок потерь слуха 70
2.4.1. Построение классов Норма и Нарушения слуха 72
2.4.2. Построение классов Нарушения звукопроведения и Нарушения звуковосприятия 76
Выводы к главе 2 89
Глава 3. Автоматическая диагностика нарушений слуха 91
3.1. Задача повышения точности оценки порогов слуха 92
3.2. .Автоматическая интерпретация результатов тональной аудиометрии 99
3.2.1. Количественные признаки, характеризующие состояния слуха 99
3.2.2. Формирование системы нечетких признаков для описания тональных аудиограмм . 101
3.3. Классификация аудиограмм на основе нечетких признаков. Нечеткая модель выбора класса аудиограмм 118
Выводы к главе 3 122
ГЛАВА 4. Компоненты информационно - программного 124 обеспечения системы диагностики нарушений слуха
4.1. Архитектура программной системы 124
4.2. Разработка базы знаний для автоматической диагностики патологий звукового восприятия 129
4.3. Управление процессом диагностики 138
4.4. Разработка программного модуля лингвистического интерпретатора результатов субъективной аудиометрии 145
Выводы к главе 4 147
Заключение 148
Список литературы 150
Приложения 158
- Компьютерные технологии в субъективных БТМ исследования слуха
- Методы классификации объектов, заданных дискретными детерминированными признаками
- Формирование системы нечетких признаков для описания тональных аудиограмм
- Разработка базы знаний для автоматической диагностики патологий звукового восприятия
Введение к работе
Слуховой анализатор (слуховая сенсорная система) - второй по значению диктантный анализатор человека, играющий крайне важную роль не только как составляющая первой сигнальной системы, но и как основное звено в развитии второй сигнальной системы. В последние десятилетия возросли требования к методам и техническим средствам, применяемым для исследования состояния органов слуха в связи с увеличением:
числа факторов риска, способствующих развитию патологий слухового анализатора,
общей продолжительности жизни, что автоматически ставит задачу повышения ее качества,
новыми общественными стереотипами, основанными на идеях личной ответственности человека за свое физическое состояние. Следствием этой социальной модели является значительный интерес населения к методам и техническим средствам для самооценки физического состояния.
В Российской Федерации в настоящее время насчитывается около 600 тыс. только детей и подростков с нарушением слуха. По прогнозам ВОЗ в ближайшем десятилетии в развитых странах численность населения с социально значимыми дефектами слуха возрастет на 21%.
Приведенные факты свидетельствуют о насущной необходимости общества в эффективных средствах диагностики и лечения органов слуха.
Одним из наиболее актуальных вопросов современной аудиологии является совершенствование методов диагностики нарушений слуха. Успехи в этом направлении, прежде всего, определяются своевременностью постановки диагноза, эффективностью лечения и реабилитации больных.
Основные задачи, решаемые в процессе диагностики заболеваний органов слуха, включают:
1) определение вида нарушения слуха: определяется звукопроводящий или звуковоспринимающий аппарат поврежден и на каком участке;
2) определение вида заболевания органов слуха: распознавание диагностической ситуации на множестве близких по некоторому симптому-комплексу классов заболеваний.
На кафедре Автоматизации технологических процессов Тверского государственного технического университета в 2001-05 годах была разработана концепция автоматизированной системы исследования органов слуха и компьютерные варианты методик аудиометрических исследований. Однако, задачи автоматической интерпретации результатов функциональных исследований и определения видов нарушений слуха решены не полностью. Для их решения необходимо расширение диагностических функций системы.
Цели и задачи работы.
Целью работы является создания моделей, алгоритмов и программных средств для автоматизированной диагностики нарушений слуха и связанных с этим патологий слухового анализатора.
Для достижения поставленной цели в диссертации необходимо решить следующие задачи:
Компьютерные технологии в субъективных БТМ исследования слуха
Анализ схем БТС исследования слуха (рис. 1.3-1.8) позволяет выделить четыре направления разработок специализированных аппаратно-программных средств для реализации аудиометрических методик: 1) Автоматизация управлением исследованиями слуха (компьютерное управление); 2) Регистрация (и предварительная обработка) реакций пациента на акустические стимулы; 3) Создание цифрового (компьютерного) варианта канала формирования акустического стимула; 4) Обработка результатов исследований, формирование диагностического заключения по результатам исследований. На современном этапе имеются образцы отдельных успешных решений в каждой выделенной группе. В субъективной аудиометрии первые два направления начали реализовы-ваться еще в конце 90-ых годов 20-ого века. В настоящее время можно считать традиционными технические решения, обеспечивающие связь генератора (аудиометра) с компьютером (ПК), передачу на ПК результатов исследования (ау-диограмм), связь с базой данных (БД) пациента. Наиболее характерным примером является система Siemens Unity System.1 Она представляет собой аппаратно-программный комплекс, ориентированный на платформу Wintel PC (компьютер с Intel-совместимым процессором, работающий под ОС Windows). Программная часть комплекса - Windows-совместимый пакет CONNEXX. С его помощью производится управление любым компонентом системы, а также взаимодействие между компонентами. Например, данные, полученные по результатам аудиометрии, могут быть использованы для подбора и настройки слухового аппарата. Программное обеспечение позволяет также вести карты пациентов, сохраняя в них результаты обследований и другую необходимую информацию. Возможна модернизация программной или аппаратной части системы в случае появления новых требований. Представляет интерес отечественная разработка - специализированный аппаратно-программный комплекс "Аудиометр МБН - Дэльфа". Прибор выполняет все функции обычного клинического аудиометра (пороговая тональная ау-диометрия воздушной и костной проводимости - ручная и автоматическая, маскировка, над пороговые тесты) Область применения комплекса: клиническая взрослая и детская аудиоми-етрия, игровая аудиометрия без специальных приставок, речевая аудиометрия. Отличительными особенностями аудиометрического комплекса "МБН-Дэльфа" является: интерфейс на русском языке, речевые таблицы записаны в памяти, внешних источников не требуется), база данных (ФИО пациента, дата, графики аудиограмм и диагноз), автоматический поиск пациента в базе данных, просмотр прежних результатов (графиков аудиограмм и диагноза). ручная и автоматическая регулировка частоты и уровня сигнала, возможность маскировки, над пороговые тесты. следующим шагом в решении общей задачи автоматизации и управления исследованиями можно считать реализацию в аудиометрах режима автоматической реализации субъективной методики тональных исследований (аудиометры АА-02 (РФ), АС-30 фирмы "Interacoustics", Дания). Основные функции автоматического аудиометра АА-02 можно разделить на две группы: 1) Функции поддержки субъективных исследований слуха: определение порогов слышимости тональных сигналов по воздушному и костному звукопроведению, применение маскирующего шума (узкополосный и широкополосный), режим надпороговых тестов (SISI, ДП по Luscher, дискомфорта, распада тона); 2) Сервисные функции автоматизации методик исследования: режимы работы при определении порогов слуха: автоматизированный и ручной, программирование процедуры обследования в автоматизированном режиме, воспроизведение результатов обследования на индикаторе, индикация текущих параметров сигнала и ответов обследуемого, звуковая сигнализация о завершении процесса обследования в автоматизированном режиме и режиме надпороговых тестов, Вывод результатов обследования на ПК или термопринтер. v / Основные технические характеристики аудиометра АА-02: Погрешность установки частоты ± 1 % Погрешность установки уровня прослушивания ± 3 дБ на частотах от 125 до 4000 Гц и ± 5 дБ на частотах 6000 и 8000 Гц; Минимальный уровень прослушивания (-10 дБ); Ступень изменения уровня прослушивания 5 дБ; Погрешность разности уровней прослушивания для двух соседних ступеней ( ± 1 дБ); Ослабление тонального сигнала при его выключении, не менее 95 дБ; Время нарастания и спада тонального сигнала Одной из новых функций современных аудиометров является поддержка режима тренировки пациента, необходимого для любой субъективной методики исследования функциональной системы человека. В автоматическом аудиометре АА-02 тренировка проводится с целью научить обследуемого правильно нажимать кнопку ОТВЕТ (правильным считается нажатие во время звучания тона в телефоне). В этом случае можно провести дополнительный инструктаж и запустить повторно программу тренировки. При повторной неудаче тренировки рекомендуется перейти на ручной режим обследования. Если обследуемый отвечает и даёт три правильных ответа подряд, аудиометр автоматически перейдёт к определению порогов слуха.
В автоматизированном режиме максимальный уровень прослушивания сигнала 95 дБ. Значения частоты (Гц) и уровня прослушивания (дБ) высвечиваются на индикаторе. Полученные в ходе обследования значения порогов автоматически фиксируются в памяти аудиометра. При завершении программы определения порогов по воздушной про-водимости в аудиометре раздается звуковой сигнал и аудиометр автоматически переходит в режим воспроизведения. На индикаторе появляются результаты обследования, например:
Методы классификации объектов, заданных дискретными детерминированными признаками
Основываясь на данных клинических наблюдений можно сформулировать ряд дополнительных требования к классификатору аудиограмм: -требование четкого выделения любого из основных четырех классов -Норма, Нарушения слуха, НЗП, НЗВ, - отсутствие ограничений на максимальное число классов, -необходимо, чтобы каждый класс объединял аудиограммы, характерные для локализации патологии в определенном отделе органов слуха. Для выполнения основных (табл. 2.3) и дополнительных требований необходимо использовать иерархические процедуры кластерного анализа. Они позволяют, с помощью построения дерева, опирающегося на выборку объектов, представить родовидовые связи между отдельными группами внутри исследуемой совокупности объектов. Такая структура позволяет уточнить представление о возможном числе классов. Существуют два вида процедур иерархической классификации. Агломера-тивные процедуры основаны на последовательном объединении объектов в подмножества возрастающего объема до тех пор, пока вся классифицируемая выборка не объединится в одно множество. Дивизивные процедуры основаны на последовательном разделении исходной выборки объектов до тех пор, пока количество классов не станет равным количеству объектов. Результатом классификации и в том и в другом случае будет иерархическое дерево. На точность получаемого классификатора оказывают влияние два основных фактора: - объем и состав обучающей выборки; - информативность признаков, использованных для описания объектов. Важно, чтобы обучающая выборка была представительной, т.е. достоверно отражала структуру генеральной совокупности объектов. В общем случае, чем больше объем обучающей выборки, тем больше вероятность того, что ее струк- ; тура отражает структуру генеральной совокупности. Однако, назвать опреде- ; ленное число обучающих объектов, необходимых и достаточных для успешно- І го обучения невозможно [37]. В эмпирических таблицах (обучающих выборках) могут встречаться пропуски - неизвестные значения признаков. В [34] приведены два вида алгоритмов для заполнения пробелов в таблицах данных - ZET и WANGA (работает с разнотипными данными). В основе эти алгоритмов лежат три предположения: - гипотеза избыточности (избыточность проявляется в наличии похожих между собой объектов и зависящих друг от друга свойств); - гипотеза локальной компактности (для предсказания пропущенного элемента by нужно использовать часть таблицы, состоящую из элементов строк, похожих на строку і, и элементов столбцов, похожих на столбец].); - гипотеза линейных зависимостей (из всех видов зависимостей между столбцами/строками используется только линейная зависимость). При анализе аудиограмм из архива Областной клинической больницы г.Твери обнаружились пробелы в данных, обусловленные тем, что применяемый для исследования пациентов аудиометр имеет ограничения на воспроизведение звуков больших интенсивностей как по костному, так и по воздушному проведению. Таким образом, в исходных данных существует целая группа объектов с неизвестными значениями потерь слуха, для которой невозможно использовать алгоритм ZET. В [33] предложен алгоритм заполнения неизвестных значений аудиограмм путем присвоения им значений интенсивностей, выходящих за пределы возможностей аудиометра, на величину методической ошибки. Выбор информативной системы признаков для описания объектов производиться обычно в два этапа [15]: -на основе опыта и интуиции эксперта формируется список признаков в первом приближении, - затем исходная система признаков проверяется на достаточность и необ ходимость. Процедуры построения системы признаков пытались формализовать. В [15] описано несколько эвристических алгоритмов, позволяющих выбрать наиболее информативные признаки из имеющихся: - методы последовательного сокращения (алгоритм Del) и последовательного добавления признаков (алгоритм Add), - метод случайного поиска с адаптацией и - метод направленного таксономического поиска признаков. Рекомендации по оценке информативности признаков даются в [20]. В [21] изложена итерационная процедура выбора рабочего словаря признаков с помощью критерия информативности. Проблема оценки информативности признаков обычно возникает при сравнении разнородных характеристик объекта. При разработке классификатора аудиограмм все признаки (SPr_l ,2,3,4) однородны и представляют собой пороги слуха или их линейные и нелинейные комбинации. 2.4. Классификация аудиограмм на основе субъективных оценок потерь слуха В качестве рабочей (обучающей) выборки использованы фрагменты историй болезней с аудиограммами и поставленными диагнозами из архива Областной клинической больницы г.Твери. Объем эмпирической выборки (V) составил 450 объекта, включая 256 случаев нарушения звуковосприятия, 162 случая смешанного нарушения, 8 случаев нарушения звукопроведения и 24 примера нормального состояния слуха. Только 6% аудиограмм содержат оценки потерь слуха на всех частотах. 94% составляют аудиограммы с частично неизвестными значениями потерь слуха как воздушного, так и костного проведения (рис.2.6.). В описании результатов аудиометрических исследований такие факты определяются, как " выключение проводимости звуков в (например,125, 8000) щ". Наличие null-значений связано с тем, что интенсивности звуков, которые может слышать пациент, выходят за пределы шкалы измерений использованного аудиометра. Null-значения были заменены на максимальные значения диапазонов аудиометра воздушного (110 дБ) и костного (80 дБ) проведения. Введем обозначения: VH - множество аудиограмм пациентов с нормальным слухом; (УЗП, V3B, VCM) - множество аудиограмм пациентов с нарушениями зву-копроведения, звуковосприятия, смешанными; rl, г2 - количество частот, на которых измеряют потери слуха по воздушному и костному проведениям; DAV, DAK - диапазон интенсивностей тональных сигналов по воздуху и по кости;
Формирование системы нечетких признаков для описания тональных аудиограмм
Проблемы повышения эффективности и качества диагностики заболеваний органов слуха, повышения качества обслуживания пациентов успешно решаются в рамках интеллектуальной системы исследования и диагностики органов слуха (ИСИДОС), ориентированной на комплексную поддержку деятельности врачей сурдологического и ЛОР-отделений. Разработка системы преследовала цели: реализации автоматической и интерактивной схем диагностики заболеваний органов слуха; поддержки функциональных исследований (тональной пороговой и речевой аудиометрии); интерпретации результатов тональной пороговой аудиометрии, с автоматическим формированием заключений о типе нарушения слуха; автоматического составления плана исследования пациента в зависимости от выявленных во время опроса и осмотра симптомов Реализация поставленных целей осуществляется с помощью отдельных подсистем: информационной, исследований слуха, экспертно-диагностическои и подсистемы планирования. Информационная подсистема осуществляет автоматизированное ведение истории болезни пациента, автоматическое формирование отчетных документов, предоставление справочной информации по темам (нозологическая форма, схемы лечения, лекарственные препараты и т.д.), а также организацию информационного обмена с другими подсистемами. Подсистема исследований слуха реализует в автоматическом (интерактивном) режиме методики оценки слухбвой функции, а также осуществляет обработку результатов исследований. Экспертно-диагностическая подсистема осуществляет автоматическое решение задач диагностики заболеваний органов слуха на основе концепции статических экспертных систем, а также может формировать предложения по плану дополнительных (общеклинических, не функциональных) исследований и других лечебных мероприятий. В диссертации решались вопросы разработки информационного, математического и программного обеспечения для отдельных модулей подсистем исследования и диагностики. Архитектура подсистемы исследования слуха может отражать два различных подхода: 1) на основе интеграции отдельных приборов, используемых для исследования слуха, с автоматизированной системой, 2) на основе компьютерной реализации всех функций приборов, использования их виртуальных аналогов. В состав подсистемы исследований входят (рис.4.1 а): - базы данных тестовых сигналов: -БД тональных эталонов, - БД речевых таблиц, - модуль генерации тестовых сигналов, - модуль управления, - модуль лингвистического интерпретатора результатов исследования. В основу модуля генерации тестовых сигналов положена разработка сотрудников кафедры АТП Тверского государственного технического университета - комплекс программ «Виртуальный аудиометр». Программный комплекс реализует субъективные методики тональной и речевой аудиометрии [14, 81, 85]. Программное обеспечение модуля позволяет осуществлять формирование и воспроизведение акустических тестовых сигналов в соответствии с отдельной методикой аудиометрии. Дополнительной функцией этого модуля является калибровка технических средств ( телефоны, микшер звуковой карты) канала воспроизведения акустического стимула. Модуль управления осуществляет реализацию методик исследования на основе одного из алгоритмов автоматической оценки характеристик слуха (например, автоматический алгоритм оценки порогов слуха на основе стабилизации дисперсии отклика), а также регистрацию результатов исследования в БД. При тональных исследованиях аудиограммы по воздушному и костному проведениям заносятся в запись истории болезней пациента в БД_П (таблица РИ_результаты исследований). Модуль лингвистического интерпретатора результатов исследования осуществляет автоматический перевод оценок характеристик из базовой шкалы в соответствующую лингвистическую. Сформированные нечеткие признаки заносятся в запись истории болезней пациента в БД_П (таблица СД_симптомы и диагноз). В состав экспертно-диагностической подсистемы необходимо включить: - базы знаний: декларативную с моделями заболеваний органов слуха (БЗ_МЗ) и продукционную с диагностическими правилами (БЗ_ДЗ), - базы данных: БД_К (дерево решений с нечетким классификатором аудио-грамм) и БД_Пд (протоколы диагностики), - модуль нечеткого логического вывода, - модуль детерминированного логического вывода, - модуль объяснений / аналогий, - модуль диалогового интерфейса с врачом.
Модуль нечеткого логического вывода осуществляет определение типа нарушений слуха с помощью нечеткого классификатора аудиограмм (БД_К) и лингвистических оценок слуха БД_П (таблица СД_симптомы и диагноз). Определяется степень истинности утверждения о типе нарушения слуха. В основу алгоритма работы модуля положены правила (3.15-3.17) и из таблицы 3.14.
В основу модуля детерминированного логического вывода может быть положен алгоритм поиска в ширину традиционный для интерпретаторов правил в статических экспертных системах. При создании прототипа диагностической подсистемы нами использован готовый интерпретатор правил Kappa PC (IntelliCorp) [44]. Модуль осуществляет анализ записи истории болезней пациента в БД_П (таблица СД_симптомы и диагноз) и поиск в базах знаний (БЗ__МЗ и БЗ_ДЗ) релевантных правил (симптомы- симптомы, симптомы - диагностическая гипотеза, диагностическая гипотеза - необходимые исследования, симптомы - диагноз). В результате логического вывода формируются: гипотезы диагноза, список необходимых функциональных исследований, окончательное диагностическое заключение.
Разработка базы знаний для автоматической диагностики патологий звукового восприятия
Предложено дополнить архитектуру интеллектуальной системы исследования и диагностики слуха новыми модулями; лингвистическим интерпретатором и модулем нечеткого логического вывода. Определены функции модулей расширения и взаимосвязь с блоками подсистем функциональных исследований и диагностики нарушений слуха.
Разработано ПО модуля лингвистического интерпретатора, позволяющего просматривать на экране изображения аудиограмм из БД и формировать четкие (усредненные) характеристики, а также все необходимые лингвистические переменные и их ФП.
Предложена структура концептуальной модели представления знаний о симптомах заболеваний органов слуха, которая отражает не только состав информации данного фрагмента предметной области, но и источники ее получения. Разработаны модели трех видов іаболеваний (Н80, Н60.5, Н81.0).
Формализация знаний о заболеваниях органов слуха выполнена на основе объектно-ориентированного подхода. Для построения модели представления знаний о симптомах заболеваний органов слуха создано 22 класса. Иерархия классов используется для формирования декларативного компонента БЗ диагностической подсистемы. Разработано ПО, определяющее порядок означивания слотов в модели заболеваний, ввод и вывод информации в пользовательские формы. 5) Создано 106 правил диагностики заболеваний (болезнь Меньера, острый отит и отосклероз), которые образовали продукционный компонент БЗ. Правила организованы в виде трех взаимосвязанных классов: служебных, выдвижения гипотез и формирования диагностического заключения. Верификация БЗ проведена на примерах историй болезней из архивов Тверской областной больницы. 1).Построена обобщенная схема биотехнической системы исследования слуховой функции (БТС_ИСФ). Определены требования к техническим характеристикам каналов БТС_ИСФ и сформулированы направления применения компьютерных технологий для эффективной реализации БТС_ИСФ. 2) Показано, что для создания технических условий развития принципов мониторинга, профилактики функциональных нарушений слуха и ранней диагностики заболеваний слухового анализатора, необходимо совершенствовать методы и программно-технические средства автоматического управления БТС_ИСФ и интерпретации данных, полученных в ходе исследования. 3) Предложена методика автоматической оценки порогов слуха, позволяющая выравнивать ошибки в оценке точек кривой ПС. Главные преимущества методики: количественная оценка качества проведения исследований, автоматическое определение частоты повторных испытаний, полная автоматизация процедуры тональных аудиометрических исследований. 4) Созданы варианты классификаторов аудиограмм, отражающие разделение клинических случаев нарушений слуха на группы по уровню средних потерь слуха. Не явным образом в выделенных классах учитывается также величина КВИ. Исследования выделенных классов показали не стабильность их границ в пространствах признаков, основанных на оценках ПС или их линейных комбинациях. 5) Выделен новый признак для идентификации пациентов с нормальным слухом. Сформулировано обобщенное правило определения границы между классами Норма и Патология (Нарушения слуха), позволяющее настраивать алгоритм анализа аудиограмм к системе физиологических норм, предъявляемых при обследовании. 6) Создан метод генерации оценок слуха на основе формирования нечетких высказываний, определяющих характерные признаки аудиограмм, наблюдавшихся при одинаковых типах нарушений слуховой функции. Разработаны правила классификации аудиограмм на основе нечетких признаков и лингвистических переменных. Разработан алгоритм анализа типа нарушений слуха, основанный на нечеткой классификации аудиограмм и позволяющий оценивать степень истинности выводимого заключения. 7) Разработана новая версия структуры интеллектуальной системы исследования и диагностики слуха, включающая дополнительные модули: лингвистического интерпретатора и нечеткого логического вывода. Определены их функции и взаимосвязи новых модулей с блоками подсистем исследования и диагностики. Создано ПО модулей и БЗ, позволяющие определять вид нарушений слуха и генерацию диагностических гипотез о возможном виде патологии органов слуха.
