Введение к работе
Актуальность темы. Развитие компьютерных технологий и микропроцессорной техники привело к тому, что в большинстве автоматизированных систем в качестве основной формы представления результатов измерений и расчетов используют различные графики и диаграммы.
Результаты мониторинга, исследования, прогнозирования и т.п. регистрируются и автоматически обрабатываются. Однако в большинстве случаев всегда предусматривается и графическая интерпретация временного или порядкового ряда, что позволяет выполнять визуальный контроль и принятие решений с использованием качественной и субъективной информации в сложных ситуациях (управления, диагностики, оценки состояния и т.д.).
Человек легко справляется с качественной оценкой метрических характеристик, однако при рассмотрении более сложных топологических отношений (формы, характера взаиморасположения нескольких ломаных линий и т.д.) различие в их оценках у разных экспертов может быть значительным, что будет влиять на результат принятия решений.
Для снижения влияния субъективности на оценки качественных признаков можно использовать алгоритмы принятия решений и методы мягких вычислений, основанные на идее нечетких множеств, предложенных в работах Л. Заде. Проблема создания средств, унифицирующих качественные оценки отдельных характеристик, решалась в работах Л.С. Берштейна, И.З. Батыршина, Н.Г. Малышева, А.Б. Боженюка, Д.Дюбуа, Michiori Nakata, Henri Prade и других исследователей. В задачах медицинской диагностики способы оценки нечетких, качественных признаков формы зашумленного контура рассматривались в работах В.И. Гловы и И.В. Аникина, которые осуществили их верификацию на результатах анализа УЗИ - изображений.
Следует отметить, что все решения, основанные на применении лингвистических переменных, базируются на использовании функций принадлежности, отражающих субъективные представления эксперта. Таким образом, снижая влияние субъективности врача на принятие диагностического решения, мы вносим в процедуру интерпретации симптомов дополнительные субъективные оценки эксперта. Очевидно, только сократив объем экспертной информации (т.е. число функций принадлежности), необходимый для построения качественных оценок, можно получить эффективные средства вербальной интерпретации графических зависимостей и процедуры распознавания / классификации объектов с нечетко выраженными признаками.
Задача этого типа возникает при создании приборов для исследования слуха: тональных аудиометров, позволяющих регистрировать пороги слышимости на основе информации о восприятии тональных сигналов, которую вводит пациент. Одна из особенностей этих приборов заключается в представлении результатов субъективного оценивания слуховой функции в виде двух ломаных линий, так называемых пороговых кривых (кривых порогов слышимости). На основе качественных оценок их формы и положения врач формулирует диагностическую гипотезу, и тем самым определяет направление дальнейших исследований для постановки диагноза. Учитывая, что эта информация основана на субъективных оценках узлов ломаных линий (субъективность пациента) и на субъективной интерпретации вида графических зависимостей (субъективность врача), возможны ошибки в выдвижении первой диагностической гипотезы, что приведет к увеличению временных затрат на исследование и постановку диагноза.
Вопросы автоматического анализа отдельных типов тональных аудиограмм рассматривались в работах О.М. Григорьевой и Н.А. Мандил (классификация аудиограмм с использованием экспертной информации для качественного оценивания топологических признаков их компонентов), а также в работе Р.П. Бондаренко (алгоритм регрессионного анализа данных тональных аудиограмм). Найденные решения включают значительное число эмпирических коэффициентов или большое число функций принадлежности (для пороговых точек и для всех качественных характеристик кривых), что снижает их универсальность и затрудняет настройку на другие выборки.
Таким образом, возникает актуальная научная задача создания метода оценки различных качественных характеристик аудиограмм основанного на обработки субъективной и неточной информации только о величине порогов слышимости.
Целью работы является повышение точности и обоснованности решений, принимаемых при интерпретации аудиограмм и формировании диагностических гипотез.
Для достижения цели необходимо решить следующие задачи:
-
Выполнить анализ связей между компонентами биотехнической системы, возникающих в процессе тональных аудиометрических исследований органов слуха, оценить влияние субъективной информации на принятие решений в процессе интерпретации результатов и управления исследованием.
-
Разработать модель интерпретаций порогов слышимости на отдельных частотах в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.
-
Разработать метод и алгоритм формирования лингвистических интерпретаций топологических характеристик кривых порогов слышимости (КПС) с использованием только функций принадлежности, введенных для качественных оценок ординат их узловых точек.
-
Разработать алгоритм построения классификационных правил, разделяющих нечеткие графики по заданному признаку.
-
Разработать программный комплекс, решающий задачи интеллектуальной поддержки при принятии решений по управлению процессом формирования диагностического заключения (количественной и качественной оценки результатов тональных исследований органов слуха, классификации аудиограмм, и др.).
Объект исследования: методы и алгоритмы для исследования слуха.
Предмет исследования: методы и алгоритмы анализа и классификации графиков, представленных ломаными линиями, узлы которых заданы точками с точными значениями координат по оси абсцисс и субъективными оценками ординат (на примере тональных аудиограмм).
Методы исследования. В работе использовались методы системного анализа, теории нечетких множеств, методы кластерного анализа, эволюционного моделирования, классификации с учителем.
Новые научные результаты:
-
Методика построения индексной шкалы, позволяющей для каждого элемента нечеткого множества и соответствующего терма лингвистической переменной генерировать числовую оценку с использованием индекса терма и функции принадлежности. Введены определения качественных оценок убывающих, возрастающих и ровных отрезков с использованием значений индексной шкалы.
-
Методика формирования качественного описания направления всех возможных отрезков, которые можно построить на узловых точках КПС в виде квадратной матрицы, строки и столбцы которой определяют номер начальной и конечной точки соответствующего отрезка, а ее элемент представляет наименование (или другую характеристику) нечеткого множества, к которому принадлежит отрезок.
-
Метод оценки нечетких, иерархически связанных топологических признаков, позволяющий создавать вербальные интерпретации аудиограмм с учетом нечетких оценок потерь слышимости на отдельных частотах. Метод отличается использованием трех взаимосвязанных шкал (базовой, лингвистической и индексной) для оценки ординат узловых точек. Разработан алгоритм оценки качественных топологических признаков аудиограмм.
-
Алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых. Экспертные функции принадлежности задаются только для оценки порогов слышимости. Вычисляемые функции принадлежности определяются правилами соответствия значений индексной шкалы и термов (нечетких множеств), характеризующих топологические свойства кривых.
Практическую ценность работы составляют:
-
Алгоритм формирования лингвистических интерпретаций топологических характеристик аудиограмм, построенных с помощью субъективных методов оценки порогов слышимости.
-
Методика автоматического построения лингвистических интерпретаций тональных аудиограмм, которая может быть распространена на графические зависимости произвольного вида.
-
Методика и алгоритм автоматического построения классификационных правил, позволившая создать набор правил диагностики видов нарушений слуха, обеспечивающая точность классификации не менее 95%.
-
Программный комплекс, реализующий разработанные метод и алгоритмы.
Внедрение результатов работы.
Результаты диссертационной работы, включающие программный комплекс “Анализ и классификация тональных аудиограмм” и методическое обеспечение к нему, переданы для использования в Областную центральную клиническую больницу г. Твери. Модели, алгоритмы и созданное программное обеспечение внедрены в учебный процесс кафедры АТП Тверского государственного технического университета для студентов специальности 200401 «Биотехнические и медицинские аппараты и системы» и магистрантов направления 200300 «Биомедицинская инженерия».
Апробация работы. Основные результаты работы докладывались на научных конференциях: научных сессиях МИФИ-2008, 2010 гг.; третьей Всероссийской научной конференции “Нечеткие системы и мягкие вычисления, 2009 г.; Международном конгрессе по интеллектуальным системам и информационным технологиям IS&IT’10, 2010 г.; на 12-ой национальной конференции по искусственному интеллекту с международным участием (КИИ-2010), 2010 г.
Основные положения, выносимые на защиту:
1. Результат анализа направления отрезков, составляющих ломаную линию (КПС), можно представлять в виде диагонали квадратной матрицы, каждый элемент которой определяет нечеткие множества, к которым принадлежит отрезок, начинающийся в i-ой точке и заканчивающийся в j-ой точке.
2. Модель аудиограммы можно представить, как совокупность описания двух ломаных линий, каждая из которых задана отрезками с нечеткими оценками ординат.
3.Для формирования качественных оценок топологических характеристик ломаных линий, узлы которых заданы по субъективным оценкам ординат, можно использовать функции принадлежности двух типов. Экспертные функции принадлежности отображают соответствие принятых среди специалистов качественных оценок порогов некоторым ограничениям на диапазон изменения потерь слышимости. Вычисляемые функции принадлежности определяются по специальным правилам и устанавливают соответствие между значениями индексной шкалы и термами, характеризующими свойства кривых.
Публикации. Результаты, отражающие основное содержание диссертационной работы, изложены в десяти публикациях, одна из которых – в изданиях, входящих в список рекомендованный ВАК. Имеется свидетельство о регистрации программы для ЭВМ.
Структура и объем работы. Работа состоит из введения, четырех глав, заключения, библиографического списка из 112 наименований и изложена на 151 страницах машинописного текста, включает 55 рисунков, 20 таблиц и 2 приложения.
