Содержание к диссертации
Введение
1 Особенности исследования ПЭС биообъекта 12
1.1 Общая характеристика задач и объекта исследования 13
1.2 Систематизация методов исследования ПЭС 16
1.3 Параметры, определяющие ПЭС биообъекта 21
1.4 Систематизация математических моделей биообъекта 27
1.5 Анализ методов идентификации математических моделей 33
1.6 Анализ методов принятия решений при интерпретации параметров ПЭС биообъекта 41
Выводы по главе 50
2 Обработка первичной измерительной информации в СППР ОАВП на основании анализа ПЭС биопроб 52
2.1 Разработка математической модели ПЭС биожидкости 53
2.2 Анализ алгоритмов адаптивной идентификации 62
2.3 Определение оптимального тестового воздействия 68
2.4 Компенсация систематической погрешности измерений параметров ПЭС с помощью методов редукции 74
2.5 Формирование обобщенного показателя активности протекания воспалительного процесса 79
Выводы по главе 84
3 Экспериментальное определение оптимальных условий измерения параметров ПЭС биообъекта 86
3.1 Оценка эффективности применения тестовых сигналов различного типа 87
3.2 Исследование алгоритмов адаптивной идентификации параметров линейной динамической модели биообъекта 92
3.3 Проверка электрических моделей ПЭС на адекватность и определение требуемых значений параметров дискретизации 98
3.4 Исследование модели ДЭС 105
3.5 Анализ передаточных функций ПЭС биопроб и построение решающей функции СППР ОАВП 111
Выводы по главе 123
4 Реализация СППР ОАВП на основании анализа ПЭС биообъекта 125
4.1 Обобщенная структура СППР ОАВП на основании анализа ПЭС биообъекта 126
4.2 Разработка датчиков для исследования ПЭС биожидкостей 129
4.3 Реализация аналогового тракта СППР ОАВП на основании анализа ПЭС биообъекта 134
4.4 Реализация программной части СППР ОАВП на основании анализа ПЭС биообъекта 139
Выводы по главе 142
Заключение 143
Приложение А. Акты о внедрении результатов диссертационной работы 144
Библиографический список 146
- Общая характеристика задач и объекта исследования
- Разработка математической модели ПЭС биожидкости
- Оценка эффективности применения тестовых сигналов различного типа
- Разработка датчиков для исследования ПЭС биожидкостей
Введение к работе
Актуальность работы. Эффективность лечения и предупрежде
ние осложнений воспалительных процессов во многом связаны не толь
ко с возможностью их надежного выявления на ранних стадиях, но и с
возможностью регистрации активности их протекания в динамике. Это
необходимо для получения прогноза дальнейшего течения заболевания
и выбора оптимальной тактики лечения. В настоящее время для иссле
дования воспалительных процессов используются рентгенологические и
биохимические методы, а так же методы рентгеновской и MP томогра
фии, предоставляющие значительную информацию о характере патоло
гического процесса. Однако применение этих методов отнимает значи
тельное время и сопряжено с воздействием вредных факторов на орга
низм, что не позволяет их использовать с высокой периодичностью и
сильно затрудняет исследование воспалительного процесса в динамике.
В этом отношении, перспективным является применение диагностиче
ских методов, основанных на исследовании пассивных электрических
свойств биообъекта (ПЭС). Общие достоинства этих методов за-
ключаются в абсолютной безвредности для организма, быстроте и оперативности применения, а также сравнительно низкой себестоимости.
Понятие пассивные электрические свойства включает в себя множество характеристик, определяющих электрическую реакцию объекта на воздействие внешнего электрического тока. Пассивные электрические свойства биообъекта заключают в себе значительный объем полезной информации, однако ее полное использование для постановки диагноза сталкивается с серьезными затруднениями. Из-за отсутствия четкой взаимосвязи с физиологическими параметрами биообъекта, представляющими интерес в плане постановки диагноза, параметры ПЭС биообъекта несут в себе значительную неопределенность. Увели-
чение числа принимаемых во внимание параметров неизбежно приводит к возникновению противоречий в процессе принятия диагностических решений. Вместе с этим, в силу особенностей мышления человек не в состоянии оперировать большим количеством параметров, что особенно ярко проявляется в условиях недостатка времени, типичных для большинства задач медицинской диагностики. Поэтому на практике обычно используется только малая часть полезной информации, заключенная в нескольких наиболее информативных параметрах ПЭС.
Одной из форм представления ПЭС является частотная зависимость импеданса. В настоящее время именно импедансометрия используется в биомедицинских исследованиях. А.Ф. Калашник предложил использовать импедансометрию для прогнозирования нагноения ран. В работе А.В. Давыдова предприняты попытки увеличения диагностической ценности импедансометрического метода при диагностике острого синусита за счет использования в качестве информативного признака "коэффициент активного сопротивления" (КАС), представляющий собой отношение активных низкочастотных и высокочастотных сопротивлений воспаленной биологической ткани.
Несмотря на отдельные успехи, реальная диагностическая ценность методов исследования ПЭС биообъекта в настоящее время остается слишком низкой, и результаты таких исследований являются малодостоверными. Это связано с тем, что информативность отдельных параметров импеданса биообъекта является сравнительно невысокой, а их связь с интересующими физиологическими параметрами биообъекта - сильно опосредованной. Низкая информативность импедансных параметров связана с присутствием в результатах реальных измерений значительной доли погрешностей, как случайного, так и систематического характера. Отсутствие четкой взаимосвязи между измеряемыми параметрами импеданса и физиологическими параметрами биообъекта, вы-
зывает серьезные затруднения, вязанные с интерпретацией результатов измерений.
В настоящее время методики биоимпедансных исследований разработаны достаточно хорошо и существенное повышение информативности результатов исследований ПЭС биообъекта может быть достигнуто только за счёт использования других, более адекватных, способов представления ПЭС биообъекта и построения на их основе новых способов получения и обработки первичной измерительной информации о ПЭС. Причём достижение реального положительного эффекта в плане повышения качества постановки диагноза за счет увеличения числа измеряемых параметров, становится возможным, только при использовании автоматизированных систем поддержки принятия решений (СППР), позволяющих в условиях дефицита времени, на основании множества параметров ПЭС, давать четкие рекомендации по принятию оптимальных диагностических решений. Создание таких систем на основе методов исследования ПЭС является особенно актуальным, так как является единственным путем существенного повышения диагностической ценности и расширения области практического применения этих методов.
Работа выполнена в соответствии с внутренним грантом Пензенской государственной технологической академии за 2008г. на тему «Информационно-измерительная система для исследования и контроля пассивных электрических свойств биообъекта» по направлению «Наука -шаг в будущее».
Цель работы. Разработка системы поддержки принятия решений врача - хирурга, позволяющей повысить достоверность оценки активности протекания воспалительного процесса на основании данных о ПЭС отбираемых биопроб.
Для достижения поставленной цели необходимо решить следующие задачи:
- разработать адекватную математическую модель ПЭС биообъекта и эффективный метод её идентификации при наличии посторонних шумов;
-разработать методы компенсации случайной и систематической погрешностей измерения параметров ПЭС биообъекта;
разработать специализированные алгоритмы принятия диагностических решений по оценке активности воспаления на основании параметров ПЭС биопроб, отбираемых в процессе лечения;
реализовать СППР по оценке активности воспалительного процесса на основании данных о ПЭС отбираемых биопроб.
Методы исследований. При решении поставленных задач использовались методы системного анализа, методы математического моделирования, методы принятия решений, методы адаптивной идентификации линейных систем, методы деконволюции сигналов, методы редукции измерений, численные методы, методы статистики многомерных данных, нейросетевые методы, методы линейной оптимизации, методы электрохимического анализа.
Научная новизна работы. В диссертационной работе получены следующие результаты, характеризующиеся научной новизной:
двухуровневая иерархическая модель ПЭС биообъекта, отличающаяся наличием второго уровня иерархии, выполняющего функции компенсации влияния дестабилизирующих факторов и интерпретации результатов измерений параметров ПЭС биообъекта, позволяющая организовать эффективную процедуру обработки первичной измерительной информации.
алгоритмы редукции измерений параметров ПЭС биообъекта, позволяющие скомпенсировать систематическую погрешность измерений, обусловленную несовершенством и нестабильностью характеристик ап-
паратной части системы поддержки принятия решений по оценке активности воспалительного процесса (СППР АОВП) в реальном времени.
специализированные алгоритмы принятия решений по оценке активности воспаления, отличающиеся использованием в качестве информативных признаков коэффициентов многочленов числителя и знаменателя передаточной функции ПЭС биопроб и позволяющие повысить достоверность оценки активности воспаления.
система адаптивной идентификации, отличающаяся сочетанием полигармонического сигнала с идеальной автокорреляционной функцией (АКФ), линейной модели ПЭС биообъекта с бесконечной импульсной характеристикой (БИХ) и градиентного алгоритма наименьших средних квадратов (НСК), обеспечивающая, при минимальной вычислительной сложности, быструю сходимость и точную оценку высокоинформативных параметров ПЭС биообъекта.
Практическая значимость и результаты внедрения. Разработанные методики модели и алгоритмы позволяют повысить достоверность оценки активности воспалительного процесса и дают возможность прогнозирования дальнейшей динамики его протекания, на основании анализа ПЭС биопроб, что в свою очередь позволяет своевременно определить наиболее эффективную тактику лечения и сократить период пребывания больных в стационаре.
Результаты работы внедрены в учебный процесс Пензенской государственной технологической академии при подготовке специалистов по направлению 200401 - "Биотехнические и медицинские аппараты и системы", а так же используются в учебном процессе ГДО ДПО «Пензенский институт усовершенствования врачей Росздрава».
Апробация результатов работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, симпозиумах и форумах: Междунар. симп. «Надежность и ка-
чество» (Пенза, 2002); XIII научных чтениях памяти академика Н.Н. Бурденко (Пенза, 2002); XI Междунар. симп. «Мониторинг, аудит и информационное обеспечение в системах медико-экологической безопасности» (Испания, Коста Дуарада, 2002); V междунар. конф. «Радиоэлектроника в медицине» (Москва, 2003); Междунар. конф. «Измерительные и информационные технологии в охране здоровья» (Санкт-Петербург, 2007); Междунар. НТК «Современные информационные технологии» (Пенза, 2007); XIV Междунар. НТК «Радиоэлектроника, электротехника и энергетика» (Москва, 2008); XI Междунар. НТК «Медико-экологические информационные технологии - 2008» (Курск, 2008); Междунар. НТК «Методы, средства и технологии получения и обработки измерительной информации» (Пенза, 2008); XXXIV Междунар. конференции и дискуссионного клуба «Информационные технологии в науке социологии экономике и бизнесе IT+SE'08» (Крым, Ялта - Гурзуф, 2008).
Основные положения, выносимые на защиту.
Двухуровневая иерархическая модель ПЭС биообъекта, позволяющая организовать эффективную процедуру обработки первичной измерительной информации, получаемой в процессе исследования ПЭС биообъекта.
Алгоритмы редукции измерений параметров ПЭС биообъекта, позволяющие скомпенсировать систематическую погрешность измерений, обусловленную несовершенством и нестабильностью характеристик аппаратной части системы поддержки принятия решений по оценке активности воспалительного процесса (СППР АОВП) в реальном времени.
Специализированные алгоритмы принятия диагностических решений по оценки активности воспалительного процесса на основании анализа ПЭС отбираемых биопроб, позволяющие повысить досто-
верность оценки активности воспаления за счёт использования множества параметров ПЭС. 4. Система адаптивной идентификации модели ПЭС биообъекта, позволяющая при минимальной вычислительной сложности достичь быстрой сходимости адаптивного процесса и высокой точности оценок высокоинформативных параметров ПЭС биообъекта. Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 20 печатных работ.
Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [5] лично автором проведен сравнительный анализ эффективности применения нейронных сетей различного типа при распознавании биообъекта, в [4,6,9] - лично автором проведено усовершенствование конструкции четырехэлектродных датчиков и проведен анализ областей его практического применения, в [8] - лично автором проведены исследования по улучшению воспроизводимости параметров ПЭС, в [10] - лично автором установлена теоретическая взаимосвязь ПЭС ДЭС с химическим составом электролита, в [11,16] - лично автором проведен анализ методов адаптивной идентификации и преимуществ их использования при исследовании ПЭС биообъекта, в [2,17,19] - лично автором разработана система сбора данных и алгоритмы обработки первичной измерительной информации, в [20] -лично автором проведен анализ методов принятия решений и разработаны нейросетевые алгоритмы построения решающей функции СППР.
Структура и объем работы. Диссертация состоит из введения, 4 глав, выводов по главам, заключения, библиографического списка использованной литературы и приложения. Основная часть работы изложена на 145 страницах, включая 51 рисунок, 84 формулы, 11 таблиц. Библиографический список содержит 107 наименований источников.
Общая характеристика задач и объекта исследования
Гнойные плевриты являются вторичными заболеваниями, чаще они осложняют воспалительные заболевания мягких тканей - крупозную или постгриппозную пневмонию. Различают пара - и метапневмониче-ские гнойные плевриты. Парапневмонические плевриты осложняют пневмонию в момент ее разгара, а метапневмонические или постпневмонические плевриты возникают после разрешения пневмонии. Метапневмонические плевриты встречаются чаще, при них чаще развивается серозно-гнойная или гнойная экссудация [2-4].
Эффективность лечения и предупреждение осложнений воспалительных процессов во многом связаны не только с возможностью их надежного выявления на ранних стадиях, но и с возможностью регистрации динамики их протекания [5, 6]. В настоящее время для исследования воспалительных процессов используются рентгенологические и биохимические методы, а также методы рентгеновской и MP томографии, предоставляющие значительную информацию о характере патологического процесса. Однако применение этих методов отнимает значительное время и сопряжено с воздействием вредных факторов на организм, что не позволяет их использовать с высокой периодичностью и сильно затрудняет исследование воспалительного процесса в динамике. Методы исследования ПЭС, благодаря безопасности и оперативности применения, этом отношении более предпочтительны, однако в настоящее время они малоинформативны (во многом это связано с плохой воспроизводимостью измерений, особенно при использовании поляризующихся электродов).
Основные стадии течения воспаления связаны с изменением импеданса тканей [7]. На альтернативной стадии происходит снижение импеданса, обусловленное преобладанием вазодилатации; затем импедане увеличивается за счет набухания клеток и уменьшения межклеточных пространств; затем импеданс снова уменьшается вследствие стаза крови, повышения осмотического и онкотического давления тканевой жидкости, экссудацией жидкой части крови и лимфы с увеличением объема межклеточных промежутков. На пролиферативной стадии воспаления происходит полное восстановление импеданса.
А.Ф. Калашник предложил использовать импедансометрию для прогнозирования нагноения ран [8]. Автором выявлено, что при благоприятном течении раневого процесса снижения импеданса не наблюдается, а в период, предшествующий нагноению раны, импеданс уменьшается. Значительный разброс параметров импеданса автор объясняет наличием факторов, от которых зависит характер течения раневого процесса: состояние кровообращения в области раны, ионного соотношения, отека тканей, наличие нежизнеспособных тканей и гематомы.
В работе А.В. Давыдова [7], при диагностике острого синусита в качестве информативного признака использовался "коэффициент активного сопротивления" (КАС), представляющий собой отношение активных низкочастотных (измеренных на частоте 500 Гц) сопротивлений слизистой оболочки нижней носовой раковины и кончика языка. У здоровых лиц КАС составляет 0.98±0.02, значение КАС равное 0.75 с одинаковой частотой встречается у больных и здоровых лиц (точка разделения). Чувствительность метода составила 97%, а специфичность - 95%. В качестве референтного теста использовался рентгенологический метод, для которого эти показатели приняты за 100%.
Сложности, возникающие при исследовании ПЭС, во многом связаны с особенностями самого биообъекта, определяющего физиологическую норму возбуждающего тока, при которой сохраняется целостность объекта как биосистемы [9]. Нестационарность биообъекта накладывает ограничения на длительность проведения измерений, а так же определяет временные рамки, в которых их результаты имеют практическую ценность.
В целом, с точки зрения теории измерений, биологические объекты очень сложны [9]. Связь между измеряемыми биофизическими величинами и интересующими медико-биологическими характеристиками неоднозначна и зачастую не прослеживается. Это связано с множеством различных форм патологий и их сочетаний, вариабельностью свойств биообъекта вследствие физико-анатомических особенностей организма и влияния возраста, пола, состояния здоровья. Задача исследования сильно осложняется наличием ответной, индивидуальной реакции живого организма на внешнее воздействие током.
В настоящее время практически отсутствует единство биофизических измерений и их унификация. Разнотипность приборов, применяемых при исследованиях и сложность воспроизведения условий эксперимента, делает результаты отдельных исследований практически невоспроизводимыми и неповторимыми. Сложность измерения параметров биообъекта в значительной степени связана так же с отсутствием эталонов и образцовых средств поверки измерительных приборов, а так же с отсутствием сравнительной метрологической оценки информативности, достоверности и точности биофизических измерений [1].
Разработка математической модели ПЭС биожидкости
С помощью методов, основанных на предположениях о классе решающих функций (эволюционных и градиентных), можно строить диагностические модели высокой сложности и получать практически приемлемые результаты. Достижение практических целей, в данном случае, не сопутствует извлечению новых знаний из-за фиксированной формы решающих функций.
Логические методы распознавания образов базируются на аппарате алгебры логики и позволяют оперировать информацией, заключенной не только в отдельных признаках, но и в сочетаниях значений признаков. В этих методах значения какого-либо признака рассматриваются как элементарные события [53]. Группа логических методов разнообразна и включает методы различной сложности и глубины анализа. В целом они являются достаточно трудоемким, поскольку при отборе конъюнкций необходим полный перебор. Поэтому такие хорошо работают при небольших размерностях пространства признаков и только на мощных компьютерах.
Лингвистические методы распознавания образов основаны на использовании специальных грамматик порождающих языки, с помощью которых может описываться совокупность свойств распознаваемых объектов [57]. Для различных классов объектов выделяются непроизводные (атомарные) элементы (подобразы, признаки) и возможные отношения между ними. Грамматикой называют правила построения объектов из этих непроизводных элементов [57]. Путем синтаксического анализа объекта устанавливается его синтаксическая "правильность" или, что эквивалентно, - может ли некоторая фиксированная грамматика (описывающая класс) породить имеющееся описание объекта. Задача восстановления (определения) грамматик по некоторому множеству высказываний (предложений - описаний объектов), порождающих данный язык, является трудно формализуемой.
Для решения реальных задач из группы методов интенсионального направления практическую ценность представляют параметрические методы и методы, основанные на предложениях о виде решающих функций. Применение параметрических методов в реальных задачах связано с наложением сильных ограничений на структуру данных, которые приводят к линейным диагностическим моделям с очень приблизительными оценками их параметров. Использование методов, основанных на предположениях о виде решающих функций, из-за высокой размерности пространства признаков, так же часто приводит к необходимости линейных моделей. Однако такие модели адекватны только простым геометрическим конфигурациям областей пространства признаков, в которые отображаются объекты разных диагностических классов. При более сложных распределениях эти модели принципиально не могут отражать многие особенности структуры экспериментальных данных. В реальных условиях применение линейных моделей позволяет фиксировать только "грубые" закономерности экспериментальной информации.
Необходимо отметить возможность перехода от экстенсионального знания к интенсиональному на стадии создания и подтверждения эффективности формального алгоритма распознавания. Это достигается путем изучения геометрической структуры данных.
Показателями качества алгоритма [53] распознавания являются либо собственно ошибка классификации, либо связанные с ней некоторые функции потерь. При этом различают условную вероятность ошибочной классификации, ожидаемую ошибку алгоритма классификации на выборке заданного объема и асимптотическую ожидаемую ошибку классификации. Функции потерь разделяют на функцию средних потерь, функцию ожидаемых потерь и эмпирическую функцию средних потерь.
Для оценки выбранного показателя качества того или иного алгоритма распознавания образов применяется три основных экспериментальных способа: выборка используется одновременно как обучающая и контрольная; выборка разбивается на две части - обучающую и контрольную; из всей выборки случайным образом извлекается объект, а по оставшимся синтезируется решающее правило и производится распознавание этого объекта (процедура повторяется заданное число раз).
Первый способ дает завышенную оценку качества распознавания по сравнению с той же оценкой качества по независимым от обучения данным. Второй способ является самым простым и убедительным. Им широко пользуются, если экспериментальных данных достаточно. В то же время третий способ, называемый также методом скользящего экзамена является наиболее предпочтительным, так как дает меньшую дисперсию оценки вероятности ошибки.
Однако этот метод является и самым трудоемким, так как требует многократного построения правила распознавания. Лучше всего он подходит для экстенсиональных методов распознавания, оперирующих объектами, и позволяющими достаточно просто не включать контрольный объект в исследуемое решающее правило.
Оценка эффективности применения тестовых сигналов различного типа
В качестве обобщенной характеристики формируемого показателя активности воспаления используется эмпирический коэффициент детерминации [81, 82], определяемый как отношение дисперсии показателя обусловленной изменением активности воспаления (межгрупповой дисперсии) к его общей дисперсии. Эта характеристика может служить так же и мерой информативности формируемого показателя. Важно отметить, что эмпирический коэффициент детерминации показателя активности воспаления можно оценить в отсутствии данных рефферентных тестов, и поэтому он может использоваться в качестве критерия построения решающей функции в рамках поставленной задачи.
Простейшим способом формирования единого показателя активности воспалительного процесса является использование линейного преобразования исходного пространства признаков. В этом случае для строго функционального описания произвольной зависимости, согласно теореме Кронекера - Капелли [83] , необходимо равенство рангов основной и расширенной матриц данных, на основании которых строится решающая функция. В случае значительного превышения объемом данных размерности признакового пространства этого практически никогда не наблюдается (между тем только в этом случае становится возможным выявление закономерностей в экспериментальных данных и можно ожидать получения решающей функции с достаточной точностью объясняющей данные не участвующие в ее построении). В этом случае удается получить только приближенное решение, основанное на вычислении псевдообратных матриц, что всегда связано с потерей исходной дисперсии данных. При равенстве рангов основной и расширенной матриц (как правило, это соблюдается когда объем исходных данных равен размерности пространства признаков), потеря дисперсии данных полностью отсутствует. В случае, когда ранг расширенной матрицы на 1 больше ранга основной матрицы, потеря дисперсии данных, вызванная линеаризацией, определяется отношением минимального ненулевого собственного числа расширенной матрицы данных [81, 83] к сумме всех собственных чисел этой матрицы.
Если потеря дисперсии, связанная с линеаризацией, оказывается слишком большой (20-30% и более), то исследуемая закономерность является существенно нелинейной и не может быть описана с приемлемой точностью с помощью линейной регрессии.
В случае явно нелинейной связи исходных признаков и формируемого показателя, для обеспечения высокой детерминации, требуется предварительное расширение признакового пространства за счет применения нелинейного преобразования исходных данных [84] (точнее, для этого требуется повышение ранга основной матрицы данных, новое пространство признаков так же не должно быть избыточным).
Наиболее простой способ такого преобразования заключается в применении обобщенно - регрессионных сетей (GRNN)[85], в которых число радиальных нейронов совпадает с числом используемых данных измерений. Центры каждого из радиальных нейронов совпадают с отдельными данными измерений, за счет чего и достигается независимость формируемых признаков, а так как число нейронов в этом случае равно объему исходных данных, то совместность СЛАУ гарантируется. Недостатком сетей GRNN является высокая вычислительная сложность их реализации, так как при построении решающей функции они непосредственно используют все данные измерений.
Значительно более компактными являются радиально - базисные нейронные сети (RBFN)[85], в которых центры радиальных нейронов располагаются в центрах кластеров данных. Число нейронов при этом равно числу кластеров, т.е. значительно меньше числа исходных данных измерений. Применение RBFN не позволяет сформировать строгую функциональную зависимость, так как в этом случае число формируемых признаков значительно меньше числа используемых для построения решающей функции данных. Однако за счет оптимального расположения центров радиальных нейронов достигается минимальная потеря исходной дисперсии экспериментальных данных.
Аналогичные результаты достигаются при использовании многослойных персептронов (MLP), которые позволяют построить еще более компактную модель [85, 86], однако они являются самыми сложными в обучении, что является их самым серьезным недостатком.
Разработка датчиков для исследования ПЭС биожидкостей
Достижение высокой информативности измерений ПЭС биообъекта, на практике связано с необходимостью удовлетворения весьма жестким требованиям к точности задания токового тестового воздействия, точности измерения напряжения отклика биообъекта, а так же - к стабильности основных характеристик измерительной системы. В настоящей работе, удовлетворение этим требованиям достигается как за счет совершенствования аппаратной части, так и за счет введения в вычислительную часть дополнительной системы обработки первичной измерительной информации, реализующей процедуру редукции измерений.
В ходе практической реализации СППР ОАВП на основании ПЭС биообъекта возникают затруднения, связанные с выбором рациональной структуры, как измерительной системы, так и СППР ОАВП в целом. Решение этой задачи тесно связано с определением рационального способа формирования тестового токового сигнала на физическом уровне и оптимальных схемотехнических решений, применяемых в системе предварительного усиления и фильтрации измеряемого сигнала, а так же с разработкой оптимальной конструкции электродов и датчиков, применяемых при исследованиях ПЭС биообъекта.
Вместе с этим, практическая реализация СППР ОАВП требует решения ряда практических задач, связанных с рациональной организацией вычислительного процесса. Это относится как к предварительной обработке первичной измерительной информации (реализации алгоритмов идентификации электрической модели ПЭС биообъекта и реализации редукции измерений ПЭС), так и к интерпретации результатов измерений (программная реализация решающей функции СППР ОАВП на основании анализа ПЭС биообъекта).
Для практической реализации пригодно большое число вариантов построения СППР ОАВП на основании анализа ПЭС биообъекта. Наличие в каждом из этих вариантов большого числа схожих структурных элементов, позволяет представить их посредством обобщенной структурной схемы [95], позволяющей выделить основные элементы СППР ОАВП и их взаимосвязи, а так же определить основные требования, предъявляемые к каждому из них.
На рисунке 4.1 приведена обобщенная структурная схема предлагаемой СППР ОАВП на основе анализа ПЭС биообъекта, состоящая из семи основных структурных элементов [96]: датчика, инструментального усилителя, блока аналоговой фильтрации, генератора возбуждающего тока, аппаратного интерфейса, программной части и пользовательского интерфейса. Каждый из элементов этой схемы выполняет свою вполне определенную функцию и должен соответствовать своим, вполне определенным требованиям.
Датчик предназначен для съема биопотенциалов с заданных участков тела биообъекта, а так же для инжекции в них тока. Инструментальный усилитель предназначен для предварительного усиления измеряемых сигналов (уровень измеряемых сигналов обычно составляет не более нескольких милливольт), подавления синфазной помехи и преобразования измеряемых потенциалов в напряжение на низкоомной заземленной нагрузке. Блок аналоговой фильтрации предназначен для подавления нежелательных составляющих сигнала. Он может быть реализован в форме пассивного или активного фильтра, а так же в форме коррелятора (как например, в измерителях импеданса). Генератор возбуждающего тока предназначен для физической реализации сигнала электрического тока требуемой формы. Аппаратный интерфейс выполняет функцию сопряжения аппаратной части СППР с программной частью. Интерфейс пользователя обеспечивает взаимодействие СППР с лицом, принимающим решение (ЛПР) и включает в себя устройства ввода - вывода информации.
