Введение к работе
Актуальность темы. Многие задачи современного естаствозна-ккя и техники сводятся к распознаванию объекта и его состояния. К их числу можно отнести проблему раннего выявления заболеваний, которая может быть решена с помощью математических иетодов, основанных на распознавании образов.
Проблема раннего выявления заболеваний включает сложные, ыногсальтеркативныа задачи, значительная часть из которых касается разработки и использования формализованных иетодов распознавания и управления лечением этих заболеваний. Примером такого рода исследований является серия "Uathamatics in Medicine", издаваемая в Оксфордской университете.
В наше вреия одной из основных причин инвалидизащш и смертности и связанных с этим трудопогерь является хронические неинфекционные заболевания. На это обращается внимание и в постановлении Ш НПСС и Qi СССР "Основные направления развития охраны здоровья населения и перестройка здравоохранения в двенадцатой пятилетке и на период до 2000 года" от 27 ноября IG87 г., где отыечено, что активное, динаиическое наблщениа за эдоровьеи каждого гражданина на протяжении всей его жизни - одна из основных задач, стоящих перед здравоохранением страны.
Принятие решений в области раннего выявления и управления лечением неинфекшеонных заболеваний во многой связывается с концепцией распознавания образов и медицинскими экспертными системами. При этом существенный является исследование вопроса сочетания чисто медицинских знаний и формализованных методов в рамках рассматриваемой проблемы. Отметим, что алгоритшізация диагностики - это новый подход к диагностическому процессу, который позволяет наряду с "творчесюш" методом постановки диагноза, основанным на искусстве диагностики, использовать так называемый "коллективный" опыт.
Более того, при распознавании болезни врач располагает все увеличивавшейся объемом медицинской информации, и нередки ситуации, в которых эта информация оказывается неполной и только косвенно связанной с теы, что ему в действительности нужно знать о больной. Для того, чтобы справиться с такими объемами информации нужно использовать соответствушие математические методы с применением 3BU, Это освободит врача от необходимости заниматься рутинной работой и позволит испольвовать формализуемые методы диагностики, описываемые в виде алгоритмов.
Исследование существуюиего опыта применения методов распознавания к решению задач медицинская диагностики показывает, что задача раннего выявления заболевании является специфической задачей распознавания образов, основными особенностями которой являются ограниченность объема обучаодей выборки, наличие информативных сочетаний признаков и разнотипность признаков. Эти особенности накладывают определенные требования на применяемые методы распознавания, поскольку они лежат в существе деда. Разработка алгоритмов распознавания, позволяющих находить относительно легко интерпретируемые решающие правила с учетом указанных особенностей задачи раннего выявления заболеваний, а также применение их в современных медицинских экспертных системах является аффективный средством для снижения социальных и экономических последствий хронических наинфвкциошшх заболеваний.
Создание прикиишшлькых основ построения диагностических распознающих систем, позволяющих/строить на основе данных ограниченного объема доступные и приемлемые для врача, решающие правила с целью выявления больных на ранней стадии и оказания им квалифицированной помоем является путем для эффективного использования реальных ресурсов здравоохранения.
Цель работы - разработка математических методов, основанных
на теории распознавания образов и ориентированных для построения алгоритмов распознавания, позволяющих находить относительно легко интерпретируемые решашие правила при решении задач специального тхла, характеривущихся следущиии основными особенностями: ограниченный объемом обучающей выборки, наличием информативных сочетаний признаков и разнотипностью признаков.
Поставленная цель обуславливает решение следующих частных задач:
-
Разработка теоретических основ для построения алгоритма обучения распознаванию образов, позволяющего строить легко интерпретируемые решающие правила с учетом специфики выделенного класса задач.
-
Построение математической модели оценивания качества классификации получаемых решающих правил, предназначенной для оптимального разбиения количественных признаков на градации и разделения верифицированной выборки на обучающую и проверочнув части.
-
Исследование построенной математической модели и ее верификация путем проведения модельного эксперимента с целью определения достоверности получаемых оценок качества классификации линейных решавших правил.
-
Проверка работоспособности разработанного алгоритма распознавания и сравнение качества получаемых им результатов с результатами работы других известных алгоритмов распознавания при решении тестовой задачи в условиях ограниченности объема данных.
-
Применение разработанного алгоритма распознавания и математической модели для решения задачи формирования групп повышенного риска заболевания на примере сахарного диабета с целью выработки относительно легко интерпретируемых правил и их последующего использования при проведении массовых профилактических осмотров населения; оценка эффективности полученных решающих
правил.
Катоды исследования. В теоретических исследованиях использован аппарат теории вероятностей, математической статистики и теории распознавания образов. Пакет програми алгоритмов обучения распознаванию образов и математической модели оценки потерь классификации разработан на СЫ ЗЕЫ.
Научная новизна. В диссертации разработаны математические методы, ориентированные на новые варианты алгоритмов распознавания образов, предназначенные для решения специфических задач, характеризующихся следущими основными свойствами: ограниченностью объема обучающей выборки, наличием информативных сочетаний признаков и разнотипностью признаков. Указанные методы основаны на сочетании принципа самоорганизации математических моделей и использовании класса логических решающих правил, в результате чего при помощи созданных алгоритмов оказывается возможным нахождение относительно легко интерпретируемых (правил оптимальной, в смысле выбранных внешних критериев, сложности в условиях ограниченной выборки.
Предложена математическая модель, позволяющая в аналитическом виде оиенить ошибки классификации байесовского линейного решающего правила для независимых мультиномиальных признаков в зависимости от объема обучающей выборки. Разработана методика использования данной модели для оптимального разбиения количественных признаков на градации и разделения верифицированной выборки на обучающую и проверочную части.
Практическая ценность состоит в разработке математических основ и вычислительных методов развития направления распознавания образов, ориентированных на определенный класс задач, включающий задачи раннего выявления заболеваний.
Применение разработанных математических методов для решения
задач раннего выявления заболевании на примере сахарного диабета, а также использование полученных решащих правил на практике в райках медицинской экспертной системы ЭДИФАР при проведении массовых профилактических осмотров населения путей диалога пациента х ЭШ показало, что благодаря использованию разработанных ыате-иатических методов удалось в допустимых пределах в два-три раза сократить время опроса пациентов на диабет, снизить нагрузку на участкового врача, улучшить качество работы по выявление больных, а также экономить примерно 80Х тех средств, которые были бы израсходованы при сплошном обследовании населения на диабет путем проведения лабораторных анализов.
Решавшие правила, получаемые при помощи разработанных алгоритмов распознавания отвечает основным требованиям, предъявляемым к методике сбора и обработке информации современными экспертными системами.
Реализация результатов работы. Результаты диссертационной работы внедрены в поликлинике ii Главного медицинского Управления АН СССР и центральной поликлинике №1 Главного врачебно-сани-тарного Управления ЧПС СССР при разработке эндокринологического блока медицинской экспертной системы, предназначенной для формирования групп повышенного риска по основным формам неинфекционных хронических заболевания: пакет программ, предназначенный для статистической обработки данных, нахождения относительно легко интерпретируемых решающих правил в условиях дефицита данных, а также опроса пациентов; принципы организации ведения диалога и построения решавших процедур.
Апробация работы. Основные результаты диссертации докладывались и обсуждались на:
- Выставках НШ-Яв ВДНХ СССР, НАУКА-89 выставочного комплекса на "Красной Пресна", иАШЮСТРОЕНИЕ-SO ВДНХ СССР (Серебряная ме-
даль ВДНХ, 1S8S г.);
XII, XIII конференции молодух ученых и специалистов МФТИ 1967-1968 гг.(Грамота аа I место, 1068 г.);
Всесоюзной иколе-совещании "Проблеми проектирования экспертных систем" (Суханове, 1868);
-XIII Международном конгрессе по проблемам сахарного диабета (Сидней, 1966);
- Всесоюзной конференции по прикладным проблемам управления
макросистемами (Кировск, 1968);
Первой конференции медицинской школы мальтийского университета | (Мальта, 1988);
Международном симпозиуме "ИЖУМАТИКА-вЭ" (Минск, 1968);
- Первой международной научно-практической конференции молодых
ученых и специалистов в области приборостроения
"ИНГЕРПРИБОР-90" (Москва, 1880).
Публикации, По теме диссертации автором опубликовано 8 печатных работ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, содержит 162 страницы машинописного текста, 22 рисунка, 10 таблиц, список литературы из 101 наименования.