Введение к работе
Актуальность темы. Методы искусственного интеллекта в последнее время нашли широкое применение при создании прикладных систем обработки, интерпретации и распознавания сигналов. Применение этих методов имеет большие перспективы при создании медицинских диагностических систем, ориентированы! на задачи автоматического анализа и интерпретации биологических сигналов.
Среди всех биологических сигналов можно выделить большой класс сигналов, для которых' содержащаяся в них информация заключена в .структурных элементах формы сигнала и их амплитудно-временных параметрах. Это, например, электрокардиограмма (ЭКГ), фонокардиограмма (ФКГ), реограмма (РГ), пневмограмма (ПГ), гастрограмма (ГГ), электромиограмма (ЭМГ), электроэнцефалограмма (ЭЭГ).
В практических приложениях для целей автоматического анализа таких сигналов необходимо обеспечить синтаксическую обработку наряду.с обработкой" числовой информации.
Из перечисленных выше сигналов монно видалить ЭЭГ-сигнал как обладающий следующими свойствами: он отражает электрическую активность одного из важнейших органов человека - головного мозга; он наиболее изучен с точки зрения зависимостей между видом сигнала и определенными представлениями анатомии, физиологии и клиники;, информация, содержащаяся в каждой конкретной ЭЭГ, весьма обильна и может быть использована для раскрытия механизмов высшей Нервной деятельности, при проведении нейропсихологических исследований, для диагностических целей в клинической практике. В многочисленных случаях, когда у больных отсутствуют грубые, очаговые поражения нервной системы, заключения, выносимые специалистами на основании данных электроэнцефалографии, играют большую роль, являясь одним из наиболее адекватны:-: методов изучения функционального состояния мозга.
Вышеизложенное позволяет говорить об обоснованности
проведения исследования в области автоматического анализа ЭЭГ.
В настоящее время имеется ряд отечественных и зарубежных разработок систем автоматического анализа ЭЭГ. Все они ориентированы в основном но решение задача анализа ЭЭГ сигнала: выделение характерных признаков, составление описательного заключения, отличаясь при этом жЭсткой структурой обработки данных, отсутствием возмокности адаптации алгоритмов обработки в процессе эксплуатации системы.
В связи с этим является актуальной проблема создания нового поколения автоматизированных систем обработки ЭЭГ-сигяалов, основанных на концепциях обработки знаний и имеющих такие возмокности как:
определение и прогнозирование ; состояния объекта исследования путбм формализации процесса интерпретации ЭЭГ опытным специалистом с использованием структурных особенностей ЭЭГ сигнала;
возможность адаптация в процессе эксплуатации;
возможность объяснения принятого решения на языке понятном специалисту.
Указанные задачи могут быть решены путбм создания специализированной экспертной системы(ЭС), обеспечивающей решения этих задач.
Цель и задачи диссертационной работы: Целью работы явеляется исследование вопросов построения интегрированной экспертной системы для интерпретации электроэнцефалограмм на осново структурной модели ЭЭГ-сигнала.
Для достижения этой цели решались следующие задачи:
Разработка метода анализа ЭЭГ на основе структурного подхода с использованием структурной модели ' ЭЭГ в форме втрисутной контекстно-свободной грамматики.
Разработка многоуровневой модели прин тия решений в ЭО интерпретации ЭЭГ,
Разработка метода построения синтаксического анализатора на основе исаользоадняя многоуровневых автоматов.
- Разработка архитектуры а программного обеспечения
прототипа ЭО для интерпретации ЭЭГ на базе ПЭВМ.
Методы исследования; В диссертационной работе использовались аппарат теории цифровой обработки сигналов, теории синтаксического анализа, теории систем с искусственным интеллектом и распознавания образов.
Научная новизна работы заключается в следующем.
I. Разработан новый подход к автоматическому анализу ЭЭГ сигналов с использованием структурной модели, основанной на формализации процесса врачебной интерпретации ЭЭГ специалистом,
2'. Предложен язык описания ЭЗГ-феноменов в виде атрибутной контекстно-свободной грамматики.
3.. Разработаны принципы декомпозиции базы знаний и многоуровневая* модель принятия решений в экспертной системе интерпретации ЭЭГ;
Практическая ценность работы заключается в следующем:
1. Разработаны конкретные алгоритмы формирования
классификационных признаков ЭЭГ.
2. Разработана база знаний экспертной системы интерпретации
ЭЭГ.
3. Разработаны аппаратная поддержка и программное
обеспечение интегрированной экспертной системы.
Внедрение результатов' работа: Результаты диссертационной работы использовались-в ходе выполнения научно-исследовательской работу ГР2/М0-8 в І99І-І993гг,, а такав в учебном процессе на кафедра Математического Обеспечения и применения ЭВМ Санкт-Петербурского государственного электротехнического университета.
Апробация раооты:. основные положения и результаты диссертационной работы докладывались на международном семинаре "Информатика в медицине" "ЬЙКРОРМЕЩ 91я в Риге 1991 г. и на научно- практических конференциях ЛЭТ-Л имени В.И.Улянова [Ленина) в Г99І-І993гг. -
Пубдикацш по теме диссертации: основные результаты диссертационной работ" отражены в опубликованы! 4 печатних работах.
Структура и об-ьеы работы: Диссертациошшя работа состоит из введения, четырех глав/ заключения, 2 приложения, списка литературы , включающего 5Q наименований. Основная часть работы изложена на 140 страницах машинного текста. Работа содеркит 21 рисунк, 7 таблиц.
