Содержание к диссертации
Введение
1. Контроль состояния организма и прогнозирование медицинских рисков на основе исследования информативных признаков аномальных зон электропроводности кожи человека 11
1.1 Актуальность оценки медицинского риска 11
1.2 Количественная оценка хирургического риска 13
1.3 Исследование БАТ для прогнозирования медицинского риска и оценки функционального состояния организма 16
1.3.1 Анализ физиологических и морфологических особенностей биоактивных точек 16
1.3.2 Методы исследования биоактивных точек для прогнозирования медицинского риска и оценки функционального состояния организма 19
1.4 Компьютерная диагностика аномальных зон 28
1.4.1 Биоимпедансная поличастотная спектрометрия 29
1.4.2 Биофункциональная органометрия 32
1.4.3 Рофэс-диагностика 34
1.5 Анализ конструкций электродов для исследования БАТ 35
1.6 Цели и задачи исследования 40
2. Динамические модели импеданса биоматериалов в зонах аномальной электропроводности 42
2.1 Исследование импеданса биоматериалов в зонах аномальной электропроводности при циклических воздействиях токами различнойполярности 42
2.2 Модель двухпроходной вольтамперной характеристики БАТ 47
2.3 Модель четырехпроходной вольтамперной характеристики БАТ 57
2.4 Метод формирования пространства информативных признаков для классификации функционального состояния человека на основе многопроходной вольтамперной характеристики БАТ 62
2.5 Выводы второго раздела 64
3. Разработка программно-аппаратного комплекса для исследования электропроводности биоматериалов в экспериментах in vivo 66
3.1 Описание функциональной и аппаратной части программно-аппаратного комплекса 66
3.2 Модульная структура программной части ПАК 72
3.3 Принцип работы ПАК 76
3.3.1 Режим «Поиск БАТ» 76
3.3.2 Режим построения ВАХ 79
3.4 Выводы третьего раздела 88
4. Экспериментальные исследования средств прогнозирования риска послеоперационных осложнений на основе динамических моделейбиоимпеданса в аномальных зонах электропроводности 89
4.1 Интеллектуальная система для прогнозирования медицинского риска 89
4.2 Определение функционального состояния организма с помощью интеллектуальной системы для определения медицинского риска 93
4.2.1 Получение экспериментальных данных 95
4.2.2 Сравнительный анализ экспериментальных данных 105
4.3 Экспериментальная проверка на примере прогнозирования операционного риска 115
4.4 Выводы четвертого раздела 125
Заключение 126
Список литературы 1
- Исследование БАТ для прогнозирования медицинского риска и оценки функционального состояния организма
- Модель четырехпроходной вольтамперной характеристики БАТ
- Модульная структура программной части ПАК
- Определение функционального состояния организма с помощью интеллектуальной системы для определения медицинского риска
Введение к работе
Актуальность работы. Любой риск уменьшения продолжительности жизни, ухудшения здоровья человека является медицинским риском. Диагностика медицинского риска необходима для профилактики болезни и ее лечения. Самым распространенным видом медицинского риска, который требует точной и обязательной диагностики, является оперативный (хирургический) риск.
В настоящее время определения хирургического риска применяются интегральные шкалы-системы. Использование такого рода диагностики не всегда являются точным и достаточно оперативным, так как для получения более точных результативных данных приходится тратить много времени на разнообразную статистическую обработку, подбор математического аппарата, создание и длительную проверку математических моделей.
В условиях хирургического вмешательства организм больного претерпевает многогранную перестройку во всех органах, тканях и системах, поэтому контроль над этими процессами требует не только комплекса общеизвестных диагностических и прогностических мероприятий, но и создания новых методологических подходов, которые позволили бы выявлять и анализировать начальные информационные изменения в структуре взаимодействия отдельных функциональных систем. Для достижения этих целей может быть использована методология биоимпедансных исследований в аномальных зонах электропроводности – биоактивных точках (БАТ). БАТ изменяют свои физические свойства, в частности, биоимпеданс, в зависимости от состояния органов и систем организма, функционально связанных с определенной БАТ или группой БАТ.
В процессе измерения электропроводности БАТ на соответствующие органы и системы оказываются тестовые воздействия слабыми зондирующими токами. Поэтому измеряя электропроводность БАТ или группы БАТ имеется возможность контролировать не только текущее состояние биообъекта, но и прогнозировать его состояние в будущем.
Таким образом, актуальность данного исследования определяется необходимостью улучшения показателей качества прогнозирования риска оперативного вмешательства посредством биоимпедансных исследований в аномальных зонах электропроводности.
Степень разработанности темы исследования. С развитием компьютерных технологий предпринимаются попытки внедрения программированного прогнозирования в медицинскую практику (М.М. Батюшин, Ю.Л. Шевченко). Использование при этом информации, полученной посредством био-импедансных исследований in vivo (на живой ткани) в аномальных зонах проводимости, позволяет построить неинвазивные прогностические системы, основанные на экспериментах, обладающие высокой оперативностью и не требующие сложных медико-биологических исследований (программно-аппаратный комплекс РОФЕС, биоимпедансный анализатор АВС-01 и т.п.).
Исходя из требований корректности, измерение биоимпеданса должно
удовлетворять двум условиям: сохранению морфологической интактности и
сохранению функционального состояния объекта исследования. Эти
требования противоречат требованию диагностической эффективности,
которая повышается за счет увеличения объема информации, снимаемой с
отдельной БАТ, с последующим использованием различных сочетаний
методов обработки полученной информации. Объем информации с БАТ
может быть увеличен посредством исследования вольтамперной
характеристики в БАТ (Мухаммед Авад Али, Н.Е. Нехаенко). Однако сам процесс получения вольтамперных характеристик является трудоемким процессом, требует высокой квалификации оператора и не позволяет обеспечить одинаковые условия измерения от координаты к координате вольтамперной характеристики.
Поэтому научно-технической задачей исследования является разработка методов прогнозирования медицинского риска, основанных на автоматизации процесса биоимпедансных исследований БАТ и математических моделях, позволяющих формировать пространства информативных признаков для классификации медицинского риска.
Цель работы. Повышение качества прогнозирования медицинского риска на основе методов и моделей интеллектуальной поддержки биоимпе-дансных исследований в аномальных зонах электропроводности.
Для достижения поставленной цели необходимо решить следующие задачи:
- создать модели электрической проводимости биоматериала в био
активных точках при циклических воздействиях на них токами различной
полярности и амплитуды;
разработать метод формирования пространства информативных признаков, предназначенного для классификаторов функционального состояния биоматериала в экспериментах in vivo;
разработать программно-аппаратный комплекс для экспериментального исследования вольтамперных характеристик БАТ и контроля динамических свойств биоимпеданса в экспериментах in vivo;
- разработать интеллектуальную систему для определения медицин
ского риска на основе исследования динамических свойств биоимпеданса в
экспериментах in vivo;
- провести апробацию предложенных методов интеллектуальной
поддержки прогнозирования медицинских рисков на репрезентативных кон
трольных выборках на примере прогнозирования риска послеоперационных
осложнений урологических больных.
Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- феноменологическая функциональная модель двухпроходной
реверсивной вольтамперной характеристики БАТ, позволяющая определить
факторы, влияющие на электропроводность биоматериала в аномальных зо
нах;
модель реверсивной вольтамперной характеристики БАТ, отличающаяся учетом эволюции электрической проводимости биоматериала в аномальных зонах, вызванной зондирующим током, позволяющая построить пространство информативных признаков для классификации функционального состояния организма;
метод формирования пространства информативных признаков, основанный на анализе реверсивных вольтамперных характеристик БАТ, отличающийся контролем динамических свойств электрической проводимости биоматериала в экспериментах in vivo, предназначенный для классификации функционального состояния человека;
программно-аппаратный комплекс, включающий ПЭВМ, устройство сбора данных L-CARD, устройство связи с объектом, комплект электродов и комплект программных модулей, отличающийся функциональной возможностью контроля динамики биоимпеданса, обусловленной воздействием на биообъект зондирующего тока, позволяющий формировать пространство информативных признаков для классификации функционального состояния органов и систем человека;
интеллектуальная система прогнозирования медицинского риска, отличающаяся тремя режимами функционирования, обеспечивающих формирования базы данных, базы знаний и текущий контроль медицинского риска, позволяющая прогнозировать оперативный риск с диагностической эффективностью до 90%.
Теоретическая и практическая значимость работы состоит в том, что разработанные методы, модели, алгоритмы, программно-аппаратный комплекс и соответствующее программное обеспечение составили основу построения системы поддержки принятия решений по классификации медицинского риска, опытная эксплуатация элементов которой позволяет рекомендовать е к использованию при планировании хирургических операций и послеоперационному ведению больных.
Работа выполнена в рамках Федеральной целевой программы «Науч
ные и научно-педагогические кадры инновационной России по проблеме
«Гибридные информационные технологии для ранней диагностики инфек
ционных и онкологических заболеваний на основе многочастотной импедан-
сометрии биоматериалов» и в соответствии с научным направлением Юго-
Западного государственного университета «Разработка медико-
экологических информационных технологий».
Результаты работы внедрены в учебном процессе Юго-Западного государственного университета при подготовке студентов по направлению 12.04.04 – «Биотехнические системы и технологии». Опытный образец алгоритмического и программного обеспечения, реализующий методы и модели прогнозирования медицинского риска, разработанные в диссертационной работе, прошел испытания в клинической практике Областного бюджетного учреждения здравоохранения Курской городской клинической больницы скорой медицинской помощи г. Курска.
Методология и методы исследования. Для решения поставленных задач использовались методы: теории биотехнических систем медицинского назначения, математической статистики, теории управления, теории линейных электрических цепей, математического моделирования. Для сбора данных использован модуль быстродействующего АЦП с USB 2.0 интерфейсом - E20-10 производства ЗАО «L-Card». Программное средство было разработано в среде C++ Builder 6 с использованием библиотек L-Card (Lisbari и LCome).
Положения, выносимые на защиту. 1. Модели реверсивной вольтам-перной характеристики БАТ позволяют построить пространство информативных признаков для классификации функционального состояния органов и систем человека. 2. Метод формирования пространства информативных признаков, основанный на анализе динамических свойств электрической проводимости биоматериала, позволяет построить классификаторы для контроля функционального состояния органов и систем человека. 3. Программно-аппаратный комплекс, предназначенный для контроля динамики биоимпеданса, позволяет формировать пространство информативных признаков для классификации медицинского риска. 4. Интеллектуальная система прогнозирования медицинского риска, позволяет прогнозировать оперативный риск с диагностической эффективностью до 90%.
Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость аналогичным результатам, полученным другими исследователями в области биоимпедансометрии и интеллектуальных систем медицинского назначения. Результаты экспериментальных исследований решающих правил по прогнозированию медицинского риска согласуются с ранее опубликованными экспериментальными данными по теме диссертации. Результаты исследования показали, что предлагаемые модели и информационные технологии могут быть рекомендованы для прогнозирования оперативных медицинских рисков.
Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 17 Международных, Всероссийских и региональных конференциях и симпозиумах: «Физика и радиоэлектроника в медицине и экологии» (Владимир – Суздаль – 2014, 2016), «Materials of I International scientific and practical conference, “Sience and Education”» (Belgorod – Sheffield - 2014), «Научный взгляд на современный этап развития общественных, технических, гуманитарных и естественных наук. Актуальные проблемы» (Санкт – Петербург – 2014), «Современные биоинженерные и ядерно-физические технологии в медицине» (Саратов – 2014), «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте» (Новороссийск – 2014, 2015, 2016), «Proceedings of the International Scientific and Practical Conference "Methodology of modern research» (Dubai – 2015), «Инновационные взгляды научной молодежи 2015» (Одесса – 2015), «Оптико – электронные
приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск – 2015), «Информационные системы и технологии» (Орел – 2015), «Актуальные направления научных исследований XXI века: Теория и практика» (Воронеж - 2015), «Современные методы прикладной математики, теория управления и компьютерных техно-логий(ПМТУКТ-2015)» (Воронеж - 2015), «Искусственный интеллект в решении актуальных социальных и экономических проблем ХХI века» (Пермь – 2016), «Концепция устойчивого развития науки третьего тысячелетия» (Санкт – Петербург – 2016), «Интеллектуальные информационные системы» (Воронеж – 2016), на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2013, 2014, 2015, 2016, 2017).
Публикации. Основные результаты диссертационного исследования отражены в 27 научных работах, из них 5 статей в ведущих рецензируемых научных журналах и три свидетельства о регистрации программы.
Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и библиографического списка, включающего 99 отечественных и 22 зарубежных наименований. Работа изложена на 141 странице машинописного текста, содержит 58 рисунков и 19 таблиц.
Исследование БАТ для прогнозирования медицинского риска и оценки функционального состояния организма
Биологически активные точки — это особые зоны на поверхности кожи, многие из которых обнаруживают более слабое по сравнению с окружающими их участками кожного покрова электрическое сопротивление. Проанализировав отечественные и зарубежные исследования различных свойств биоактивных точек можно сказать о возможности получения от этих точек диагностической информации. Электропунктурная диагностика, обладая широкими возможностями, имеет ряд существенных преимуществ перед традиционными диагностическими приемами: 1) Благодаря доступности кожных покровов и относительной простоте обследования представляется возможным получить объективную информацию о состоянии практически всех функциональных систем организма в короткий срок, это очень важно, например, при профилактических осмотрах, когда есть ограничения по времени и необходимость осмотра значительного числа людей. 2) При электропунктурном обследовании нет необходимости в инструментальном воздействии на какой-либо больной орган, что иногда оказывает травмирующее действие. 3) При оценке эффективности лечебных мероприятий эта методика может выступать дополнительным критерием диагностики, например, в тех случаях, когда изменение клинической картины еще не видно.
Несмотря на эти преимущества в настоящее время нет единых методических подходов к изучению электропунктурной диагностики, так же мало изучена методика определения параметров, которые необходимо получать с точек и какие точки следует оценивать. Недостатки методов исследования электрических параметров биоактивных точек, так же большая зависимость изменения этих параметров от различных факторов не позволяют с необходимой достоверностью говорить о состоянии какого-либо органа по данным измерения параметров только одной соответствующей точки.
Жизнь любого организма тесно связана с окружающей средой, в силу открытости биологических систем, постоянного обмена между ними и окружающей средой материей, энергией и информацией. Для отображения живого организма изнутри, для контроля за функционированием различных систем организма используют технические и кибернетические аппараты [6, 95]. Уникальность кожного покрова не только в свойстве кожи выступать регулятором разнообразных физиологических функций, но и в том, что она является местом, которое содержит огромное количество датчиков, несущих тончайшую информацию обо всех процессах происходящих во внутренних органах и их состоянии. Этими датчиками являются биологически активные точки (БАТ) [6, 8, 95]. На физическую реальность БАТ указывает наличие в области расположения точки ряда контрастно отличимых физических особенностей, поддающихся количественному измерению, к ним относятся: - высокая болевая реакция (низкий порог чувствительности); - высокая локальная температура, повышенное "кожное" дыхание (хорошее усвоение кислорода на уровне точек); - относительно низкое электрическое сопротивление (20...250 кОм) (высокая электрическая проводимость); - большая электрическая емкость (0,1...1,0 мкФ), высокий электрический потенциал (до 350 мВ). Систему таких точек можно рассматривать как биоэнергетическую и информационную систему, в которой выделенные зоны аномальной биологической активности являются определенным механизмом в функциональной системе адаптивной регуляции. Полагается, что БАТ организуют не только информационную связь организма со средой обитания, но и энергетическую, благодаря изменению интенсивности и направления энерго- и теплообмена [8]. Некоторыми исследователями биологические точки описываются как материальный субстрат для реализации внутренних информативных процессов, а именно регуляторных функций организма (интегральная совокупность гомеостатических, психологических, адаптивных и т.п. механизмов регуляции) [57].
Каждая аномальная зона обладает существенной связью с определенным органом или системой органов, именно это дает возможность рассматривать БАТ как каналы информации о состоянии организма [91], «аппарат для согласования экзогенных и эндогенных биоритмов», именно такая характеристика дается системе акупунктурных точек ряде исследований. Таким образом, можно сказать, что организация процессов жизнедеятельности организма в биосистемах происходит по единому ритмическому принципу, в свою очередь синхронизация биоритмов и их согласование с геофизическими и космическими ритмами осуществляется под воздействием весьма слабых электромагнитных полей, также можно сделать вывод о том, что система БАТ - это третья независимая система регуляции организма, которая обладает возможностью передавать информацию системам организма об изменении внешних электромагнитных полей, образующих самим организмом, и через которую происходит согласование экзогенных ритмов биосферы, характеризующихся периодическими колебаниями магнитосферы и электросферы и эндогенных ритмов организма [21, 95]. Что еще раз подчеркивает тот факт, что состояние точек акупунктуры находится в непосредственной связи с состоянием организма в целом, а именно морфологические и физиологические исследования обосновывают связь точек меридиана с соответствующей ему системой органов [15, 22, 41].
Модель четырехпроходной вольтамперной характеристики БАТ
В ходе моделирования вольтамперной характеристики БАТ будем использовать гибридный подход, сущность данного подхода в том, что на первом этапе строится функциональная модель, интегрирующая знания эксперта о функционировании объекта исследования, на втором этапе строится математическая модель, которая согласует процесс функционирования модели и экспериментальные данные, получаемые в ходе исследования реальных объектов. В основу функциональной модели электрической проводимости БАТ положены гипотеза об обратимом и не обратимом пробое диэлектрика и гипотеза «ответной реакции БАТ».
В соответствии с первой гипотезой по мере роста напряжения на БАТ пробиваются диодные структуры в диэлектрике биоматериала (обратимый пробой диэлектрика), что приводит к росту тока в БАТ [35, 53, 55, 108]. Если эквивалентную схему биоматериала представить электрической принципиальной схемой на рисунке 2.5, то в качестве модели разрушающейся под действием электрического поля диэлектрической структуры выступают сопротивления диодов VD1…VD6, входящие в последовательно соединенных диодно-резистивные ячейки, в которых резисторы закорачиваются открывающимися диодами по мере роста приложенного напряжения [54].
В соответствии со второй гипотезой, по ходу нарастания тока в БАТ, в биообъекте появляется обратная связь, стремящаяся уменьшить последствия возрастания прилагаемого к биоматериалу напряжения, то есть уменьшить ток через биообъект. Этот эффект можно смоделировать включением в электрическую цепь биоматериала управляемого источника напряжения, напряжение на выходе которого имеет противоположенную полярность относительно приложенного к биоматериалу напряжения. Согласно второму закона Кирхгофа можем записать: E = I бо-Rx+ Ібо R 2 + Ібо -R 6+U 4= I бо\Rx +R 2+ R 6)+ u4 (2-4) где Е- напряжение, приложенное к биоматериалу, 1бо- ток через биообъект (биоматериал).
Вольтамперная характеристика рисунок 2.3 имеет ярко выраженный нелинейный характер, акцентированный в области высоких напряжений. Для моделирования нелинейности будем полагать, что напряжение на биоматериале Uбо зависит от тока через биоматериал 1бо. Полагаем, что сопротивление Ri (рисунок 2.6) зависит от тока в биоматериале 1бо и по мере его роста (по мере пробоя диодов VD1…VD5 или VD2…VD6 рисунок 2.5) уменьшается по экспоненциальному закону согласно выражению Rl=Rl0-Qxp(-a-I бо ), (2.5) где R10 - сопротивление R} при Ібо=0, а - эмпирически подбираемый коэффициент модели. Модель электрического сопротивления в БАТ, построенная на основе гибридного подхода, показана на рисунке 2.6.
Схема алгоритма построения модели согласно уравнениям (2.1-2.9) представлена на рисунке 2.7. Параметры функциональной модели электропроводности биоматериала в зонах БАТ согласно рисунку 2.6 вводятся в блоке 1 рисунок 2.7. В данной модели нелинейные свойства электропроводности биоматериала определяются уравнением (2.5). Специфическая особенность этой модели состоит в том, что сопротивление биоткани определяется исходя из текущего значения тока. Так как дискретная модель в принципе не может реализовать такой зависимости, то в представленном на рисунке 2.7 алгоритме вводятся параметры текущего значения тока через биоткань, которые определены идентификатором I+бо, и предшествующие значения тока через биоткань, которые определены идентификатором I-бо. После определения текущих значений токов осуществляется вывод предшествующих значений токов и последующая замена предшествующих значений на текущие (блоки 7-9, 14-16 и 21-23). Вольтамперная характеристика БАТ строится для 60 точек: 30 точек для прямого прохода и 30 точек для обратного прохода, что соответствует изменению напряжения на электродах от -15 В до +15 В с шагом 1В. Напряжение сначала изменяем от 0 В до +15 В с шагом 1 В, затем от +15 В до -15 В с шагом -1 В, и далее от -15 В до 0 В с шагом 1 В. Таким образом, двухпроходная вольтамперная характеристика строится в три этапа. Каждый этап осуществляется посредством реализации соответствующего циклического процесса: блок 3 – первый этап, блок 10 – второй этап, блок 17 – третий этап. Так как точка вольтамперной характеристики с координатами (0, 0) выводится дважды, то алгоритм должен вывести не 60, а 61-ну точку. Поэтому схема алгоритма содержит блок 24, который выводит последнюю точку вольтамперной характеристики под номером 60, хотя это 61-я точка.
Модульная структура программной части ПАК
При старте работы система производит настройку необходимых параметров: - определение модуля L-Card; - установка начальных параметров работы модуля L-Card; - определение скорости работы USB; - определение подключенного на модуле устройства АЦП; - передачу в модуль параметров работы АЦП; - определение подключенного на модуле устройства ЦАП; - передачу в модуль параметров работы ЦАП; - настройка параметров корректировки смещения;
Интерфейс основного окна представлен на рисунке 3.8 (а,б), под а) изображен начальный интерфейс, открывающийся при запуске программы, выбор первого режима работы («Поиск БАТ») открывает следующую вкладку, позволяющую работать с выбранным режимом, при выборе следующих двух режимов основное окно расширяется для выбора пользователем вида зондирующего тока, как изображено на рисунке 3.8 б), после выбора вида тока, в зависимости от выбранного режима работы («Исследование ВАХ в БАТ») открываются следующие вкладки, позволяющие работать с выбранным режимом. Рисунок 3.8 а) – Основное диалоговое окно программы: начальный интерфейс, открывающийся при запуске программы Рисунок 3.8 б) – Основное диалоговое окно программы: расширенный интерфейс, открывающийся в зависимости от выбранного режима работы («Исследование ВАХ в БАТ») Программный продукт реализует основные функции посредством следующих модулей: модуль SynchroMain - главный модуль программного продукта предназначен для организации интерфейса работы всех трех режимов, ввода начальных параметров, для просмотра полученных в ходе выполнения экспериментов данных (отображение которых реализуется в виде графиков), для анализа и интерпретации полученных данных, через него осуществляется передача управления в другие модули программного продукта. Также в данном модуле осуществляется связь с модулем L-Card настройка и проверка устройства для дальнейшей работы с ним. В этом модуле организована синхронизация работы АЦП и ЦАП модуля L-Card Е20-10; Программное средство было разработано в среде C++ Builder 6 с использованием библиотек L-Card (Lisbari и LCome). Схема взаимодействия модулей представлена на рисунке 3.9. Synchro Main TCheckT read Lisbari LCOM Synchro Thread Рисунок 3.9 – Структура взаимодействия модулей Для устранения погрешности получаемых измерений в начале работы необходимо произвести калибровку УСО, которая выполняется следующим образом: на щуп (активный электрод) диаметром 3 мм через ЦАП L-Card подаются нулевое напряжение и с помощью АЦП L-Card измеряется значение силы тока (100 отсчетов). Алгоритм процесса калибровки изображен на рисунке 3.10.
Успешным результатом калибровки УСО считается значение силы тока около -2,2 мкА, в противном случае программа выдаст сообщение о необходимости проведения повторной калибровки. После проведения калибровки можно работать с режимами. Унифицированный интерфейс, который отображается на экране ПК, необходим для установки параметров каждого режима работы ПАК. Режимы работы выбираются соответствующим флажком. 3.3 Принцип работы ПАК 3.3.1 Режим «Поиск БАТ»
При реализации режима поиска БАТ на щуп (активный электрод) диаметром 3 мм через ЦАП L-Card подаются постоянные напряжения и с помощью АЦП L-Card измеряются изменяющиеся при этом значения силы тока (для исключения влияния помех снималось по 100 отсчетов (размер кадра) при одном и том же напряжении на активном электроде), 100 отсчетов снимается за каждый шаг дискретизации, это значение позволяет отобразить результаты более сплошной линией и на результаты эксперимента не влияет. Параметры режима поиска БАТ следующие: величина постоянного напряжения (U), которое подается на биообъект - оно задается в диапазоне от -15 В до 15 В; значение частоты дискретизации АЦП () задано по умолчанию, но может быть так же выбрано пользователем в диапазоне от 0,015 кГц - 10 МГц.
Назначение параметров, описанных выше понятно, за исключением длительности кадра «Т». В модуле Е20-10 «Т» - это пакет собранных с АЦП данных, записываемый в буферную память L-Card для дальнейшей отправки его в компьютер. Процесс отправки происходит сразу после заполнения буфера АЦП. После отправки кадра «Т» буфер очищается. Размер кадра задаётся в единицах «количество отсчётов» от 1 до 8192. В АЦП L-Card частота дискретизации fADC может быть установлена при внутреннем источнике опорного напряжения в диапазоне от 1 до 10 МГц в соответствии с выражением fADC =30/&, где k=3,4, ...30, а при внешнем источнике - может быть задано любое значение в диапазоне 1..10 МГц. Поэтому для получения меньших значений частоты дискретизации fADC используется межкадровая задержка. Данная задержка позволяет получить низкие частоты сбора данных - до 0,015 кГц, настраивается она программно, то есть в зависимости от желаемой частоты преобразования в диапазоне от 0 до 65535 периодов АЦП. В случае, когда межкадровая задержка ненулевая, по окончании цикла выборки вставляется соответствующее число холостых периодов преобразования частоты АЦП (период преобразования частоты АЦП обратно пропорционален минимально возможной задаваемой частоте без использования межкадровой задержки, т.е. 1/1МГц = 0,001 мс). Схема организации сбора данных с использованием междкадровых задержек представлена на рисунке 3.11.
Определение функционального состояния организма с помощью интеллектуальной системы для определения медицинского риска
Для оценки эффективности рассмотренных методов, алгоритмов и средств интеллектуальной поддержки прогнозирования медицинского риска пациентов использовались данные, которые были получены в лечебных учреждениях г. Курска.
Решение диагностических задач возложены на программы, хранящиеся в базе знаний интеллектуальной системы для определения медицинского риска. Определенная программа соответствует соответствующей диагностической задачи, которая загружается в память компьютера и работает в монопольном режиме.
В качестве диагностической задачи рассматривалась задача
прогнозирования риска послеоперационных осложнений при хирургическом лечении доброкачественной гиперплазии предстательной железы (ДГПЖ). Каждый пациент после госпитализации подвергался полному лабораторно клиническому исследованию, так же привлекались врачи смежных специальностей. Далее по каждому пациенту формировалось пространство информативных признаков согласно методам, разработанным во второй главе.
По алгоритму работы ИСМР после определения базы данных информативных признаков интерпретировались нейросетевые классификаторы для определения медицинского риска. Экспериментальные исследования выполнялись в два этапа. На первом этапе с помощью ПАК снимались показания ВАХ с 4 точек на каждой руке, три точки - это точки БАТ, обладающие максимальной доступностью и четвертая – точка на руке не БАТ, исследуемая для проверки отличия показаний БАТ - не БАТ. Для каждого исследуемого были получены вольтамперные характеристики БАТ трех меридианов: меридиан сердца – С7, меридиан легких – Р9, меридиан перикарда – МС7, эти точки обладают так же высокой информативностью [54]. Топология исследуемых БАТ представлена на рисунке 4.11.
На втором этапе для определения общего состояния организма каждого испытуемого был проведен ряд тестов. Риск оценивался для четырех видов хирургических операций: чреспузырная аденомэктомия, чреспузырная аденомэктомия с предварительной эпицистостомией, трансуретральная резекция (ТУР), ТУР с предварительной эпицистостомией. Для всех этих четырех видов хирургических операций после оценки риска имеется возможность выбора оптимальной тактики лечения.
На первом этапе показатели каждого пациента были проанализированы и сформировано пространство информативных признаков для классификатора, все это описано в разделе 4.2.1 и часть экспериментальных данных отображена в таблице 4.3, таким образом, пространство информативных признаков для прогнозирования осложнений при хирургическом лечении ПЖ в случае использования одной точки составит 9 признаков (9 анализируемых во второй главе R), для 3 точек состоит из 27 признаков. Для проведения обучения классификатора были проанализированы истории болезни, хранящиеся в архиве урологического отделения ОБУЗ КГКБ СМП г. Курска. На основании полученной информации сформировано обучающее множество, включающее в себя 120 пациентов, среди которых у 62 пациентов операции проведены успешно, у 30 были отмечены различные осложнения после проведения оперативного вмешательства, 28 пациентам потребовалось дополнительное лечение. Эффективность рассмотренных методов анализа анализировалась путем исследования и сравнительной оценки показателей прогнозирования медицинского риска моделями с различным числом агентов на нижнем уровне (с различным числом анализируемых БАТ).
В предлагаемой работе программная реализация нейросетевых моделей решающих модулей, осуществлялась с помощью программного обеспечения «Neurowork», разработанного на кафедре биомедицинской инженерии ЮЗГУ, выполненного в среде MATLAB и FuzzyTech.
На основании сведений об этиологии и патогенезе исследуемого класса заболеваний и особенностей хирургического лечения ПЖ был определен набор различных возможных исходов выбранного метода лечения: С1 – успешное хирургическое лечение ПЖ; С2 – возникновение осложнений в ходе оперативного вмешательства; С3 – высокий риск послеоперационных осложнений. Исходной являлась база данных, в которой была представлена информация о каждом пациенте в виде многомерного вектора, включающего данные клинического осмотра, сопутствующие патологии, данные инструментального и лабораторного исследования.
Массив исходных данных представляет собой набор из 27 признаков, значения каждого из которых должны одновременно подаваться на входы классификатора в процессе обучения, следовательно входной слой создаваемого классификатора должен содержать 27 нейронов. Количество нейронов в результирующем слое автоматически задается равным количеству классов, представленных в обучающей выборке, поэтому варьироваться в данном случае может только внутренняя структура классификатора. Вид созданной структуры приведен на рисунке 4.12.
В качестве целевых значений выходов нейронной сети алгоритму обучения устанавливается значение «1» для выхода, соответствующего действительному классу объекта. Остальные выходы инициализируются значением «0».
В качестве расчетных показателей качества диагностических решающих правил использовались: диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС), диагностическая эффективность решающего правила (ДЭ), прогностическая значимость положительных результатов (ПЗ+), прогностическая значимость отрицательных результатов (ПЗ").
Эти показатели вычислялись по данным распределений результатов контрольных испытаний и приведены в таблице 4.12. Таблица 4.12- Таблица результатов контрольных испытаний Обследуемые Результаты срабатывания правил Всего положительные отрицательные ИП ЛО ИП+ЛО пЮо ЛП ИО ЛП+ИО Всего ИП+ЛП ЛО+ИО ИП+ЛП+ЛО+ИО где r номер класса исследуемого заболевания; пЮг - 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.