Содержание к диссертации
Введение
ГЛАВА 1. Современное состояние вопроса и задачи исследования 13
1.1. Анализ состояния условий и охраны труда работников энергетики 13
1.1.1. Состояние условий труда работников 13
1.1.2. Профессиональные болезни органов дыхания 20
1.2. Мониторинг профессионального здоровья 24
1.3. Методы исследования дыхательной функции 29
1.3.1. Функциональная диагностика системы дыхания 29
1.3.2. Акустические методы диагностики системы дыхания 31
1.2.1. Компьютерные технологии в исследовании шумов дыхания 36
1.4. Методы и алгоритмы обработки и классификации дыхательных шумов 42
Выводы к главе 1 47
ГЛАВА 2. Теоретические основы метода акустической диагностики для оценки влияния вредных производственных факторов 52
2.1. Обоснование метода акустической диагностики дыхательных шумов. 52
2.1.1. Процесс шумообразования при дыхании 52
2.1.2. Движение газа в воздухоносных путях 56
2.2. Математический аппарат обработки акустического сигнала 64
2.2.1. Анализ акустических сигналов на основе метода БПФ 64
2.2.2. Математический аппарат логистической регрессии 71
2.3. Математический аппарат построения нейронных сетей для задач классификации дыхательных шумов 75
2.3.1. Модель технического нейрона 76
2.3.3. Архитектура и настройка нейронной сети 82
2.3.4. Выбор нейронной сети для практического применения 84
2.4. Выбор классификатора качества нейронной сети 86
Выводы к главе 2 94
ГЛАВА 3. Общая характеристика структуры метода оценки влияния вредных производственных факторов 96
3.1. Теоретические основы аппаратно — программного метода 96
3.1.1. Основы бронхофонографии 96
3.1.2. Блочно-функциональная модель аппаратного обеспечения 99
3.1.3. Программное обеспечение аппаратно - программного метода оценки воздействия вредных производственных факторов 102
3.1.4. Протокол и процедура регистрации паттерна дыхания 103
3.2. Экспериментальное определение влияния размеров и формы загубника на количественную и качественную информацию о регистрируемых паттернах дыхания 108
3.2.1. Экспериментальная регистрация паттернов дыхания 108
3.2.2. Оценка воспроизводимости параметров 112
3.2.3. Сравнительный анализ паттернов дыхания, зарегистрированных при разных типах загубников 116
Выводы к главе 3 119
ГЛАВА 4. Компьютерная система классификации паттернов дыхания с применением КДК «паттерн» и искусственных нейронных сетей 122
4.1. Основы построения компьютерной системы оценки воздействия вредных производственных факторов на персонал 122
4.1.1. Классификация паттернов дыхания на основе искусственных нейронных сетей 123
4.1.2. Выбор практической нейросетевой модели для анализа паттернов дыхания 126
4.1.3. Алгоритм получения оценки с помощью многослойной нейронной сети 131
4.1.4. Оценка качества работы предложенной модели компьютерной системы оценки воздействия вредных производственных факторов (КСОВ) 138
4.2. Алгоритм оценки влияния условий труда на здоровье работающих... 141
4.2.1. Количественная оценка профессионального риска возникновения новых случаев заболеваний по нозологической форме «болезни органов дыхания» 141
4.2.2. Алгоритм оценки относительного риска возникновения новых заболеваний по нозологической форме «болезни органов дыхания» 149
4.3. Выводы к главе 4 160
Заключение 162
Список литературы 166
- Компьютерные технологии в исследовании шумов дыхания
- Выбор нейронной сети для практического применения
- Сравнительный анализ паттернов дыхания, зарегистрированных при разных типах загубников
- Количественная оценка профессионального риска возникновения новых случаев заболеваний по нозологической форме «болезни органов дыхания»
Введение к работе
Актуальность проблемы. Наиболее выраженному неблагоприятному воздействию человек, прежде всего, подвергается при профессиональной деятельности, связанной с вредными условиями труда. В рабочей зоне могут создаваться уровни концентраций вредных веществ намного большие, чем просто в окружающей среде, влияние которых может неблагоприятно отразиться на состоянии здоровья, репродуктивной функции и потомстве. В современных социально-экономических условиях проблема сохранения здоровья работающего населения является основой социальной политики государства [1]. Конституцией РФ и трудовым законодательством предусмотрены права работника на безопасные условия труда, получение информации о существующем риске повреждения здоровья и обязанность работодателя обеспечить безопасность работников и информировать их о существующем риске повреждения здоровья на рабочем месте, а также проводить мероприятия по сохранению и укреплению здоровья работающих.
За последнее десятилетие санитарно-эпидемиологическая ситуация в Российской Федерации сопровождается ухудшением основных показателей здоровья населения [2]. За этот период зарегистрировано свыше 120 тыс. больных с впервые установленным диагнозом профессионального заболевания. При этом 97% случаев пришлось на хронические заболевания, влекущие ограничения профессиональной трудоспособности [1]. При этом в России в структуре причин смертности среди профессиональных заболеваний бронхо-легочная патология (пневмокониозы, хронические бронхиты) занимает одно из ведущих мест [1,3]. Это обусловлено тем, что до настоящего времени на предприятиях многих отраслей экономики велико число производственных процессов, сопровождающихся образованием пыли, промышленных аэрозолей фиброгенного, токсического, раздражающего и сенсибилизирующего действия, а органы дыхания относятся к основным путям попадания вредных веществ в организм в виде паров, газов и пыли.
Энергетическая отрасль характеризуется неблагоприятными условиями труда. По данным Росстата, в Российской Федерации в 2008 г. в производстве и распределении электроэнергии — 28,0 % работников были заняты на работах с вредными и опасными условиями труда. Удельный вес работающих в условиях, не отвечающих санитарно-гигиеническим требованиям, составил по основным видам деятельности (добыча полезных ископаемых, обрабатывающие производства, производство и распределение электроэнергии, газа и воды, строительство, транспорт, связь) — 21,9 %.
Неудовлетворительное состояние условий труда, длительное воздействие вредных производственных факторов на организм работающих явилось основной причиной формирования у работающих профессиональной патологии.
Внедрение новой техники, автоматизация ряда производственных.процессов, а также рационализация трудовых операций позволили в последние годы улучшить условия труда на предприятиях энергетики, снизить уровень общей и профессиональной заболеваемости [2]. Однако полностью исключить влияние неблагоприятных факторов на предприятиях энергетики пока не удается. Условия труда на предприятиях энергетики во многом определяются составом воздуха рабочей зоны, который содержит вредные вещества, выделяющиеся в результате технологических процессов. Воздействие на рабочих энергетической отрасли целого ряда малоисследованных факторов: выхлопные газы, сажа, смазочные масла, то есть сложной многокомпонентной смеси, усугубляет степень вредности уже изученных производственных факторов (пыль, шум, вибрация и др.) и во многом может определять особенности клинических проявлений профессиональных заболеваний органов дыхания [4].
Социально-экономическая значимость профессиональной патологии органов дыхания велика в силу того, что она поражает, как правило, лиц трудоспособного возраста. Так, средний возраст и стаж работы в неблагоприятных условиях больных, с впервые установленным диагнозом «пылевой бронхит», составляет 46,4 и 21,6 года соответственно.
Часто профессиональная заболеваемость вообще не выявляется, или диагностируются только явно выраженные ее формы, нередко приводящие к инвалидности. Это происходит оттого, что предварительные и периодические медицинские осмотры проводятся не всегда качественно. Прогнозирование же заболеваемости на производстве не осуществляется в силу того, что нет соответствующего методического, аппаратного и программного обеспечения.
Оценка воздействия вредных веществ на организм человека и разработка на ее основе мер оптимизации условий труда и профилактики профзаболеваний в настоящее время становятся приоритетными.
В связи с этим проблема профилактики и своевременной диагностики заболеваний органов дыхания имеет большое значение [5]. Использование профилактических осмотров различных видов [6], профессиональный отбор также могут сыграть положительную роль.
С внедрением в практику массовых диагностических экспресс-обследований в последние годы стало возможным значительное повышение эффективности первичного выявления различных отклонений в состоянии здоровья, функционального статуса организма. Однако, многие тесты инва-зивны, трудоемки, основаны на использовании дорогостоящей техники. В выездных условиях необходимо использование методических приемов, воспроизводимых на базе передвижных лабораторий и несущих информацию интегрального характера.
Поэтому для снижения риска профессиональных заболеваний и сохранения здоровья персонала разработка системы, позволяющей оценивать состояние здоровья персонала, занятого на работах с вредными условиями труда, является весьма актуальной. Такая система должна включать научно-методическое, медико - техническое, математическое, аппаратно - программное, обеспечение контроля за состоянием здоровья персонала, находящегося в зонах действия вредных производственных фактов.
В последние годы метод акустической диагностики системы дыхания получил новый импульс к развитию, в связи с появлением электронных фонендоскопов, обеспечивающих улучшенные метрологические характеристики канала регистрации дыхательных шумов. Однако в вопросах анализа и интерпретации результатов исследований существенных улучшений не произошло. Результат решения задачи выделения диагностических признаков, как и раньше, носит субъективный характер и определяется индивидуальными особенностями слуха врача и его личным опытом. Добавление фонограммы носит скорее иллюстративный характер и практически требует от медицинских специалистов создания новых признаков (не акустических, а визуальных) [7].
Работы в области компьютерного анализа дыхательных шумов осуществляются, как в России, так и за рубежом. Большой вклад в это направление внесли исследования B.C. Малышева, СЮ. Каганова, С.Н. Ардашниковой, В.Ф. Полухина, Н.А. Геппе, А.К. Макарова, В. Коренбаума, В. Т. Гринченко, И.В. Вовк, А.К., G. Wodicka, V. Gross, A. Dittmar, Hans Pasteikamp, Steve's. Kraman и др. Результаты этих исследований сформировали основу для дальнейшей работы по созданию автоматического анализатора акустических феноменов.
В последние 10-15 лет проблеме оценки профессиональных рисков в медицине труда уделяется большое внимание [8, 9, 10]. Оценка профессио- нального риска в настоящее время является основополагающим механизмом при обосновании, разработки управленческих решений по его минимизации в вопросах сохранения здоровья работающего персонала.
Несмотря на важность проблемы, имеются лишь единичные исследования по оценке риска профессиональных заболеваний персонала энергетических предприятий. Крайне мало данных по углубленному анализу результатов предварительных и периодических медицинских осмотров как основы доказательной базы профессионального риска. Поэтому требуется дальнейшая проработка и совершенствование методических основ, принципов и критериев оценки риска, оценки реальной интегральной - профессиональной и экологической нагрузки на работников, а также прогнозирования и управления риском ущерба здоровью.
В этой связи возникает необходимость в разработке новых диагностических систем, которые способны устанавливать влияние условий труда на ранних этапах, быть достаточно информативными, малотрудоемкими и экономически доступными для предприятий энергетики.
Вышеизложенное послужило основанием для выбора темы диссертационной работы и обусловило ее актуальность.
Цель и задачи исследования.
Цель исследования - разработка научных основ аппаратно - программного метода оценки влияния на персонал вредных производственных факторов (пылей, газовых смесей, аэрозолей) в энергетике и разработка алгоритма оценки профессионального риска, направленных на совершенствование условий и охраны труда.
Задачи исследования. Для достижения поставленной цели необходимо решить следующие задачи:
1. Провести сравнительный анализ технических методов регистрации специфических акустических феноменов респираторного цикла человека. Выявить ограничения в применении существующих подходов и методов регистрации.
Разработать новую методику регистрации специфического акустического феномена - паттерна дыхания, предназначенную для проведения сравнительного анализа и получения соответствующих количественных оценок.
Провести экспериментальную регистрацию и анализ паттернов дыхания у работников по разработанной методике, с учетом особенностей производственного процесса.
Разработать методику обработки результатов анализа паттернов на основе искусственных нейронных сетей для классификации дыхательных шумов по установленным критериям «норма» или «патология».
Разработать на основе методики регистрации паттерна дыхания алгоритм оценки профессионального риска возникновения болезней органов дыхания для совершенствования условий и охраны труда, профилактических мероприятий и выработки управленческих решений.
Методы исследования. В работе использовался аппарат математической статистики, спектрального анализа, искусственных нейронных сетей.
Научная новизна полученных результатов. В диссертационной работе сформулированы и обоснованы следующие результаты, обладающие научной новизной:
Разработана модель канала измерения и регистрации дыхательных шумов на основе анализа спектральных характеристик, предложена ее техническая реализация.
Впервые разработана методика классификационной оценки результатов регистрации специфического акустического феномена на основе искусственных нейронных сетей. Проведена оценка чувствительности, специфичности и информативности разработанной методики оценки влияния вредных производственных факторов и определены показания к использованию.
Практическое значение полученных результатов. Разработанные теоретические основы метода оценки влияния вредных производственных факторов позволяют проводить экспресс-обследования работников, устанавливать нарушения функций внешнего дыхания.
Для практического применения метода предложена конфигурация ап-паратно — программного комплекса.
Разработан набор показателей, предназначенный для регистрации паттерна дыхания с помощью аппаратно — программного комплекса при обследовании лиц, подвергающихся воздействию различных вредных производственных факторов (пылей, газовых смесей, аэрозолей и др.).
Внедрение результатов. Испытания и внедрение метода, его программного и аппаратного обеспечения проводились в центре профпатологии НИИ Медицины труда РАМН, клиники им. Сеченова (г. Москва).
Публикации по теме диссертации. По теме диссертации опубликовано 7 печатных работ.
Апробация результатов диссертации. Научные и практические результаты диссертационной работы докладывались и обсуждались на международной научно-технической конференции «Биотехнические, медицинские и экологические системы и комплексы, Биомедсистемы-2009», Рязань, 2-5 декабря 2009 г.; на 39-й научно-практической конференции «Повышение эффективности электрического хозяйства потребителей в условиях ресурсных ограничений», Москва, 16-20 ноября 2009 г.; на международной выставке-конференции «Безопасность и охрана труда в энергетике SAPE 2010», Москва, 13-16 апреля 2010 г.
Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 106 наименований. Ос- новная часть работы изложена на 165 страницах машинописного текста. Работа содержит 47 рисунков и 11 таблиц.
На защиту выносятся следующие положения:
Набор информативных показателей, позволяющих эффективно устанавливать особенности спектральных характеристик специфических акустических феноменов, возникающих в респираторном цикле (дыхательных шумов).
Выбор и экспериментальная оценка элементов аппаратного комплекса, предназначенного для получения количественной оценки влияния регистрируемых параметров респираторного цикла.
Алгоритм и его программная реализация для объективной дифференциации работающих при воздействии вредных производственных факторов на соответствующие группы.
Алгоритм оценки некоторых характеристик риска, обусловленного влиянием условий труда на состояние здоровья персонала на предприятиях энергетики.
Компьютерные технологии в исследовании шумов дыхания
Начиная со второй половины XX столетия, когда стали применяться новые электронные средства и технологии для регистрации акустических сигналов, появилась возможность объективной регистрации шумов дыхания, документирования такой информации и использования новых методов ее обработки и анализа. Важное место в этом процессе занимают компьютерные системы, обеспечивающие накопление и обработку больших объемов информации, получаемой как при профилактических обследованиях, предварительных медицинских осмотрах при приеме на работу, так и при дифференциальной диагностике состояния персонала.
Акустические явления, сопровождающие функционирование какого-либо объекта, отражают сложность структуры его механических связей. Оценки текущего состояния объекта по анализу этих явлений и прогнозирование его поведения входят в задачи акустической диагностики. Публикации последних лет показывают растущий интерес к акустике дыхания во всем мире. На международном уровне, начиная с 1976 года, активную деятельность проводит международная ассоциация из изучения звуков легких - International Lung Sound Association (ILSA), которая объединяет ученых многих стран (акустиков, физиологов, медиков, инженеров). Об этом же говорит финансирование работ ученых ряда стран по стандартизации компьютерного анализа респираторных звуков, проводимых под эгидой Европейского респираторного общества. В некоторых странах в настоящий момент широко обсуждаются перспективы использования таких исследований для разработки новых неинвазивных технологий диагностики легких и делаются конкретные шаги в этом направлении, создаются аппаратные комплексы для проведения компьютерного анализа звуков дыхания, генерирующихся потоком воздуха в области трахеи. Эффективность применения акустической диагностики для выявления патологий респираторного тракта подтверждается многочисленными публикациями отечественных и зарубежных авторов [23, 26, 33-35]. Также в ряде работ рассматриваются вопросы проведения исследований некоторых акустических феноменов, сопровождающих респираторный цикл. Следует отметить достижения современных исследователей, которым принадлежат весомые достижения в изучении акустики респираторного тракта и разработке компьютерных комплексов для анализа и диагностики состояния респираторного тракта человека: B.C. Малышев, СЮ. Каганов, С.Н. Ардаш-никова, В.Ф. Полухин, Н.А. Геппе, А.К. Макаров, Л.С. Балева, В. И. Корен-баум (Россия), В. Т. Гринченко, И.В. Вовк (Украина), Р. Мерфи, С. Краман, Д. Райе (США), Г. Пастеркамп и Р. Бек (Канада), Н. Гавриели и А. Кохен (Израиль), П. Форгас (Англия), Д. Шарбоне (Франция), М. Мори и Р. Миками (Япония), А. Совийарви (Финляндия) и др.
Анализ многочисленных публикаций по этой проблеме ([34-38] и библиография в них) позволяет убедиться, что к настоящему времени уже достигнут определенный уровень понимания особенностей генерации дыхательных шумов и выработаны общие требования к блок-схемам и составу электронной аппаратуры, с помощью которых можно достаточно эффективно (а главное объективно) регистрировать шумы дыхания человека. При этом возникает потенциальная возможность зарегистрировать даже слабые отклонения в характеристиках шумов от некоторых стандартных образов. Наличие таких отклонений и определенные их характеристики могут служить признаками заболевания респираторной системы человека, которые обнаруживаются при компьютерном анализе дыхательных шумов. Однако, одной из труднейших проблем при создании компьютерных систем диагностики респираторной системы является сильная изменчивость дыхательных шумов при изменении параметров дыхания.
Применение компьютерных технологий при реализации системы исследования органов дыхания на основе анализа аускультативных феноменов позволяют решить несколько типов задач [7]: 1) Совершенствования технических и эксплуатационных характеристик измерительного канала; 2) Расширения функциональных возможностей измерительного канала; 3) Реализации анализа дыхательных шумов и процедуры принятия решения программными средствами. Первые две задачи сводятся к совершенствованию измерительного канала и связаны с вопросами оцифровки и регистрации на ПК слабых акустических сигналов. Компьютерные технологии позволяют расширить средства поддержки специалиста, проводящего обследование путем решения вопросов регистрации дыхательных шумов и частичном решении задачи анализа и распознавания акустических феноменов, используемых при выделении симптомов заболеваний органов дыхания.
Некоторые способы построения измерительного канала приведены в работах [48-52], в которых описываются аппаратно-программные комплексы для исследования дыхательных шумов. В [7, 48] рассмотрен компьютерный комплекс для регистрации и анализа дыхательных шумов (ДШ), который включает: набор датчиков для регистрации звуков; необходимые устройства для ввода информации в компьютер; набор программ для обработки сигналов и печатающее устройство для документирования измерений. Как утверждают исследователи, они использовали разные каналы для регистрации и совместной обработки сигналов, снятых одновременно в разных точках грудной клетки и новые методы обработки одноканальной информации.
Важным компонентом любой компьютерной системы является ее программное обеспечение. В работе [48] рассматривается разработанная в Институте гидромеханики Национальной Академии наук (НАН) Украины компьютерная система регистрации и анализа шумов дыхания, предназначенная для многоканальной синхронной регистрации группой датчиков шумов дыхания, их анализа, классификации, документирования, а также формирования базы данных и ее архивов (рис. 1.7).
Выбор нейронной сети для практического применения
Выбор информативной системы признаков для описания объектов может производиться в два этапа: первоначальный состав признаков для описания объектов задается неформализованным путем, на основе опыта и интуиции эксперта [71], затем с помощью формальных методов исходная система признаков проверяется на достаточность и необходимость. В [44, 72, 73] описано несколько эвристических алгоритмов, позволяющих выбрать наиболее информативные признаки из имеющихся: методы последовательного сокращения (алгоритм Del) и добавления признаков (алгоритм Add), метод случайного поиска с адаптацией и метод направленного таксономического поиска признаков. В [61] приведены примеры автоматизированных систем анализа с рекомендациями по оценке информативности признаков.
До недавнего времени, одним из наиболее интенсивно развиваемых направлений применения искусственных нейронных сетей (ИНС), являлось использование ИНС в кардиологии. Однако, в последние время проводятся исследования [73] по применению аппарата искусственных сетей и в диагностике заболеваний органов дыхания. Становится очевидной возможность привлечения для целей анализа как понятийного, так и структурного аппарата искусственных нейронных сетей. Так, в работе [76, 77, 78] описывается нейросетевая технология экспресс - диагностирования хронического пылевого бронхита на основе данных, полученных при помощи акустического спи-роанализатора. Для диагностирования используются многослойные блочные нейронные сети с учителем.
Развитие нейросетевых методов дает возможность их использования как инструмента исследований, с помощью которого можно изучать объекты и явления.
Однако, на сегодняшний день не создана общая методология синтеза ИНС с обучением и распределенной обработкой, учитывающая все этапы обработки информации и преобразования форм ее представлениях точки зрения результирующих точностных характеристик, достоверности диагностических и прогностических результатов, а также суммарных затрат вычислительных ресурсов [79].
Для решения этой задачи необходимо решить ряд операций, среди которых необходимо выделить разработку компьютерной системы оценки воздействия вредных производственных факторов (КСОВ), которая применялась бы в системе охраны труда на основе обычных IBM-совместимых компьютерах.
Наиболее важным отличием предлагаемого подхода является возможность конструирования таких компьютерных систем на основе неиросетевои технологии самим специалистом по охране труда, который может передать нейронной сети свой индивидуальный опыт, опыт своих коллег, или обучать сеть на реальных данных, полученных путем наблюдений. Для построения таких систем не требуется участия специалистов-математиков и программистов, что делает создаваемые системы более дешевыми, а главное, адаптированными к конечному пользователю.
Создание КСОВ на основе ИНС, построение математических моделей имеет следующую последовательность действий, обеспечивающих получение структуры КСОВ с функцией обучения: - выбор и обоснование архитектуры (вида) исходной ИНС для решения заданных задач анализа и классификации; - настройка сети с получением в итоге неиросетевои модели в виде структуры и весов синаптических связей между его нейронами. Выводы к главе 1 1. При рассмотрении причин высокой распространенности профессиональных болезней органов дыхания, приходится констатировать, что одной из наиболее важных причин являются большие изменения факторов рабочей среды, особенно связанные с загазованностью, загрязненностью воздуха, попадающего в дыхательные пути. Обусловленные в этом случае изменения в механике дыхания приводят к возникновению специфического акустического феномена, по результатам регистрации и анализа которого получается оценка состояния здоровья человека. 2. Объективная фиксация различий в спектрах дыхательных шумов, соответствующих различным фазам дыхания, вероятно, впервые позволила четко осознать, что характер спектра дыхательных шумов зависит от времени и может существенно изменяться не только в масштабе времени, соответствующем длительности фазы дыхания, но и за более короткие временные интервалы. 3. Оценка состояния бронхолегочной системы при воздействии вредных производственных факторов может служить в качестве маркера состояния условий труда на производстве, так как регистрация каких либо отклонений в состоянии здоровья работающих, может сигнализировать о необходимости контроля опасных и вредных производственных факторов, а также за применением работающими средств индивидуальной защиты. 4. Приведенный обзор также показывает, что в настоящее время ведется интенсивный поиск информативных и в то же время достаточно простых и доступных методов, которые могут служить надежными критериями для оценки влияния факторов рабочей среды на здоровье персонала, а также для отбора лиц в профессиях, связанных с воздействием пыли и промышленных аэрозолей. 5. Одной из актуальных задач в целях объективной диагностики заболеваний респираторного тракта человека является разработка методов регистрации и анализа дыхательных шумов. К настоящему времени уже создан ряд экспериментальных систем компьютерной диагностики легочных патологий. Основным классификационным признаком, использующимся в таких системах, является, как правило, соответствие или несоответствие спектральных характеристик некоторым эталонам, характеризующим разные типы дыхания здоровых и больных людей. Наиболее близкий (в определенном смысле) к анализируемой реализации дыхательных шумов эталон и служит индикатором наличия или отсутствия той или иной легочной патологии. Однако данные методы диагностики состояния дыхательной системы требуют дорогостоящего оборудования и непосредственного участия медицинского работника при проведении обследования. А главное, трактовка результата требует длительного времени, использования дополнительных расчетов. 6. В качестве одного из направлений дальнейшего развития методов классификации дыхательных шумов следует рассматривать аппарат искусственных нейронных сетей.
Сравнительный анализ паттернов дыхания, зарегистрированных при разных типах загубников
Известно, что респираторные звуки генерируются при прохождении вдыхаемого или выдыхаемого воздуха через воздухоносные пути респираторного тракта (гортань, трахею, бронхи и бронхиолы различных калибров) в результате взаимодействия с их стенками (трения), нерегулярностями гортани и бронхиального дерева (голосовыми связками, бифуркациями бронхов), а при патологиях - дополнительно со стенозами, возникающими в результате воспалительных и опухолевых процессов, а также с инородными включениями, например, мокротой, скапливающейся в бронхах и альвеолах при заболеваниях органов дыхания. Причины генерации различных видов шумов дыхания подробно исследовались в [80-83] и ряде других работ.
При движении жидкости или газа в трубах с нерегулярностями поток при определенной скорости начинает турбулизироваться [84], возникают пульсации давления и, как следствие, генерируется шум. Гортань и бронхиальное дерево изобилуют различного рода нерегулярностями. В частности, в них имеются скачки сечения (голосовая щель и сочленения между ветвями), разветвления (бифуркации) и изменения направления ветвей [85]. Чрезвычайная сложность структуры респираторной системы человека обусловливает сложность проблемы, связанной с локализацией источников шумов дыхания.
Шум дыхания (рис.2.2) является в общем случае нестационарным процессом, для которого характерно наличие периодической составляющей, определяющей параметры дыхательного цикла, для обработки которого может быть использован спектральный анализ [7, 87]. Дыхательный цикл определяется интервалом времени между двумя фазами цикла, например, последовательными вдохами. Для него характерно наличие нескольких последовательных фаз.
В фазе вдоха объем грудной полости увеличивается за счет поднятия ребер и опускания диафрагмы (грудобрюшной преграды), вызванные соответствующими мышечными усилиями. При этом воздух из окружающего пространства засасывается через носовое и (или) ротовое отверстия и, проходя далее через гортань и бронхиальное дерево, доставляет свежую порцию кислорода к альвеолам (конечным элементам бронхиального дерева), через стенки которых происходит газообмен в крови. Инспираторная пауза - вторая фаза дыхательного цикла, характеризуется периодом нулевого потока между концом вдоха и началом выдоха. Объем воздуха во время инспира-торной паузы не меняется. В фазе выдоха ребра опускаются, а диафрагма поднимается, в результате чего объем грудной полости уменьшается. При этом отработанный воздух, содержащий повышенное количество окиси углерода, течет по бронхиальному дереву в обратном направлении и в конечном итоге выталкивается в окружающее пространство [88]. Период покоя - четвертая фаза дыхательного цикла между концом выдоха и началом вдоха следующего дыхательного цикла, характеризуется отсутствием потока в дыхательных путях. Продолжительность этого периода очень важна для определения резервов по увеличению частоты дыхания или длительности вдоха [89, 90].
Таким образом, в носоглотке, гортани и бронхиальном дереве постоянно происходит циклическое движение воздуха, интенсивность которого можно оценить величиной расхода воздуха в единицу времени Q(t) л/с, а мышцы выполняют определенную работу.
Очевидно, что все эти элементы характеризуются, по меньшей мере, двумя параметрами: длительностью (Т;) и интенсивностью акустического сигнала на этом участке (1п), причем In=fi(t). При этом каждый из приведенных временных параметров при регистрации произвольного дыхания можно рассматривать как дискретные случайные величины, а зависимость вида In=fi(t)- как временной ряд, отражающий характер изменения случайного процесса [7]. Характер дыхательных звуков определяется: видом источника; состоянием тканей пациента; наличием патологических изменений в органах дыхания.
Дыхательный тракт человека обычно подразделяют на три области: верхние воздухоносные пути от рта и ноздрей до голосовой щели включительно, трахеобронхиальное дерево от трахеи до воздухоносных путей с диаметром порядка 0,05 см, и газообменную зону, включающую все более мелкие пути и альвеолы.
Форма канала верхних воздухоносных путей является сложной и изменчивой, поэтому данных о распределении скоростей и давлений в них немного.
На основе исследований размеров трахеобронхиального дерева предложено несколько морфометрических моделей, описывающих размеры и характер ветвления воздухоносных путей вплоть до альвеол [82]. Большинство результатов получено с помощью этих моделей в результате теоретических исследований или в результате экспериментов, выполненных на физических моделях, сконструированных в соответствии с морфометрическими моделями.
Исследованию стационарных потоков в трахеобронхиальном дереве посвящено много теоретических и экспериментальных работ (см. обзор [91]). Основными характеристиками стационарного потока являются число Рей-нольдса Re и направление потока. Оценки чисел Рейнольдса по морфометрической модели Вейбеля [85] показывают, что в трахее при спонтанном дыхании (поток 0,5 л/с) Re равно 2300, и затем снижается при перемещении вниз по трахеобронхиальному дереву до 370 (в бронхах 5-го поколения) и много меньше 1 в альвеолярных ходах. Входная длина (длина развития параболического профиля потока) L = 0,02875D Re, где D - диаметр, больше длин бронхов от трахеи до 10 поколения и параболический профиль не успевает развиться. Сложная структура потока приводит к росту диссипации энергии по сравнению с диссипацией, которая была бы при таком же потоке, при условии, что параболический профиль распределения скоростей устанавливается сразу во входном сечении каждого бронха. Предполагается, что 75% общего падения давления в ветвях с диаметром более 3 мм (т.е. от трахеи до 7 поколения) вызвано входными эффектами, т.е. отрывом потока и формированием параболического профиля. Более 80% всего перепада давления на трахеоб-ронхиальном дереве происходит в крупных воздухоносных путях до 7-го поколения [84].
Количественная оценка профессионального риска возникновения новых случаев заболеваний по нозологической форме «болезни органов дыхания»
Известно, что нейрон - клетка, которая генерирует сигнал (рис. 2.11), при условии, когда суммарный сигнал из всех входящих дендритах превысит или достигнет порога срабатывания. Похожим образом работает искусственный нейрон. При объединении нейронов в сети у сетей возникают такие свойства, как способность к распознаванию образов, обучению.
Синапс является элементарной структурой и функциональным узлом между двумя нейронами (волокно аксона одного нейрона и дендрит другого). Когда импульс достигает синаптического окончания, высвобождаются определенные химические вещества, называемые нейротрансмиттерами. Ней-ротрансмиттеры диффундируют через синаптическую щель, возбуждая или затормаживая, в зависимости от типа синапса, способность нейрона-приемника генерировать электрические импульсы. Результативность синапса может настраиваться проходящими через него сигналами, так что синапсы могут обучаться в зависимости от активности процессов, в которых они участвуют. Эта зависимость от предыстории действует как процедура сохранения.
Авторы работы [42] предложили использовать бинарный пороговый элемент в качестве модели искусственного нейрона. Этот математический формирует на выходе сигнал величины 1, если эта сумма превышает определенный порог U, и наоборот - на выходе 0 — при не превышении порога U.
Обычно U рассматривается как весовой коэффициент, связанный с постоянным входом хо = 1. Положительные веса соответствуют возбуждающим связям, а отрицательные - тормозным. В [42] показано, что при соответствующим образом подобранных весах совокупность параллельно функционирующих нейронов подобного типа способна выполнять универсальные вычисления. Здесь наблюдается определенная аналогия с биологическим нейроном: передачу сигнала и взаимосвязи имитируют аксоны и дендриты, веса связей соответствуют синапсам, а пороговая функция отражает активность сомы.
Нейрон (рис. 2.12) - это составная часть нейронной сети. Он состоит из элементов трех типов. Элементы нейрона - умножители (синапсы), сумматор и нелинейный преобразователь. Синапсы осуществляют связь между нейронами, умножают входной сигнал на число, характеризующее силу связи, - вес синапса. Таким образом, каждый синапс имеет вес, который определяет, насколько соответствующий вход нейрона влияет на его состояние.
Сумматор выполняет сложение сигналов, поступающих по синаптиче-ским связям от других нейронов, и внешних входных сигналов. Нелинейный преобразователь реализует нелинейную функцию одного аргумента - выхода сумматора. Эта функция называется "функция активации" или "передаточная функция" нейрона. Нейрон в целом реализует скалярную функцию векторного аргумента.
В общем случае входной сигнал, весовые коэффициенты и значения смещения могут принимать действительные значения. Выход (у) определяется видом функции активации и может быть как действительным, так и целым. Во многих практических задачах входы, веса и смещения могут принимать лишь некоторые фиксированные значения.
Синаптические связи с положительными весами называют возбуждающими, с отрицательными весами — тормозящими [43].
Описанный вычислительный элемент можно считать упрощенной математической моделью биологических нейронов - клеток, из которых состоит нервная система человека и животных.
На входной сигнал (s) нелинейный преобразователь отвечает выходным сигналом f(s,p), который представляет из себя выход нейрона (у). Здесь р - параметр или набор параметров, от которых зависит функционирование преобразователя. Пример передаточной функции представлен на рис. 2.13.
Если сравнить выражение (2.40) с (2.31), то можно сделать вывод о целесообразности и адекватности выбранной классификационной модели.
Основное достоинство этой функции в том, что она дифференцируема на всей оси абсцисс и имеет очень простую производную:
При уменьшении параметра а сигмоид становится более пологим, вырождаясь в горизонтальную линию на уровне 0,5 при а =0. При увеличении а сигмоид все больше приближается к функции единичного скачка.
Для описания алгоритмов и устройств в нейроинформатике выработана специальная "схемотехника" [44], в которой элементарные устройства - сумматоры, синапсы, нейроны и т.п. объединяются в сети, предназначенные для решения задач. Адаптивный сумматор (рис. 2.14) вычисляет скалярное произведение вектора входного сигнала X на вектор параметров а. Адаптивным называем его из-за наличия вектора настраиваемых параметров а. Для многих задач полезно иметь неоднородную линейную функцию выходных сигналов. Ее вычисление также можно представить с помощью адаптивного сумматора, имеющего п+1 вход и получающего на 0-й вход постоянный единичный сигнал, который часто называют смещением (рис. 2.15).
