автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Автоматизированная система медицинской диагностики

005006852

ЧУ

Горбунова Татьяна Игоревна

АВТОМАТИЗИРОВАННАЯ СИСТЕМА МЕДИЦИНСКОЙ ДИАГНОСТИКИ

Специальность 05.11.17 - Приборы, системы и изделия медицинского назначения

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

1 2 ЯН В 2012

Тула 2011

005006852

Работа выполнена в ФГБОУ ВПО «Тульский государственный университет»

Защита состоится «07» февраля 2012 г. в 14 час. 00 мин. на заседании диссертационного совета Д 212.271.07 при ФГБОУ ВПО «Тульский государственный университет» (300012, г.Тула, проспект Ленина, 92, 9-101)

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Тульский государственный университет».

Автореферат разослан « Л » декабря 2011 г.

Научный руководитель: доктор технических наук, профессор

Токарев Вячеслав Леонидович

Официальные оппоненты: доктор технических наук, профессор

Макаров Николай Николаевич

кандидат технических наук Орлов Сергей Владимирович

Ведущая организация:

ФГБОУ ВПО «Юго-Западный государственный университет», г.Курск

Учёный секретарь диссертационного совета

Данилкин Ф.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследований. При постановке диагноза врачу приходится обрабатывать большой массив медико-биологической информации: данные обследований и наблюдений, индивидуальные особенности каждого больного (наследственность, реакция на негативные воздействия, перенесенные заболевания) и др. Вместе с тем возрастание информационной нагрузки приводит к физической и психологической усталости врача, ошибкам при выборе и проведении лечения или затягиванию процесса постановки точного диагноза. Однако известно, что постановка точного диагноза на более ранних сроках развития заболевания и, соответственно, начала лечения позволяет избежать осложнений, которые могут нанести дополнительный вред организму пациента.

Поэтому очевидно, что в настоящее время имеется тенденция к возрастанию числа разрабатываемых диагностических медицинских информационных систем (МИС). Однако большинство современных систем является узко специализированным. Кроме того, для поддержки их работоспособности требуется привлечение специалиста, владеющего знаниями в информационных технологиях, из-за необходимости создания и пополнения сложной базы знаний. Данные факторы существенно ограничивают массовое использование подобных систем.

В связи с этим разработка легко настраиваемой системы, направленной на повышение точности и оперативности получения диагностического решения, является актуальной и востребованной на рынке современных медицинских технологий.

Объектом исследования являются автоматизированные системы медицинской диагностики (АСМД).

Предметом исследования являются методы и алгоритмы теории принятия решений.

Целью диссертационной работы является повышение точности и оперативности постановки диагноза пациенту с помощью автоматизированных систем медицинской диагностики за счет использования большого массива медико-биологической информации, обрабатываемого системой по алгоритмам и методам, основанным на теории принятия решений.

Для достижения указанной цели в диссертации решаются следующие задачи:

1. Формализация и постановка задач медицинской диагностики.

2. Разработка критериев и метода построения математической модели пациента на основе априорной и ретроспективной информации и создание на их основе базы знаний АСМД.

3. Разработка метода и алгоритмов диагностики заболевания пациента на основе медико-биологической информации о текущем состоянии здоровья и моделей, хранимых в базе знаний.

4. Исследование эффективности разработанных методов и алгоритмов медицинской диагностики путем компьютерного моделирования.

5. Разработка и построение на основе предложенных методов АСМД заболеваний конкретной категории для исследования точности и оперативности получения диагностических решений в практических условиях.

Методы исследований. В основу исследований положены методы представления и обработки данных и знаний, математической логики, дискретной математики, теории принятия и обеспечения рациональности решений.

Научная новизна диссертационной работы состоит в следующем:

1. Формализована задача медицинской диагностики, что позволило построить многоуровневую модель возможных состояний пациента для поддержки процесса диагностирования.

2. Предложен метод построения многоуровневой математической модели, в которой каждый следующий уровень отличается разрешающей способностью процесса диагностирования.

3. Предложен метод построения настраиваемой модели пациента по априорной и апостериорной информации.

4. Разработан алгоритм поиска диагноза, использующий многоуровневую модель и решающее правило разветвления на основе анализа значений степеней достоверности возможного состояния пациента.

Достоверность научных результатов подтверждена корректным использованием применяемого математического аппарата, результатами моделирования и экспериментальными исследованиями.

Практическая значимость. Применение предложенных методов и алгоритмов позволяет:

1. Создать АСМД для диагностики конкретной категории заболеваний, отличающуюся повышенной объективностью за счет использования базы знаний, хранящей модели состояния здоровья пациентов, и точностью принятия диагностических решений за счет того, что они применяются на основе математических методов.

2. Автоматизировать процесс создания базы знаний, что обеспечит упрощение процедуры создания АСМД без привлечения дополнительных посредников (инженеров-когнитологов).

3. Повысить оперативность принятия диагностических решений за счет того, что многоуровневая математическая модель лингвистического типа содержит всю необходимую медико-биологическую информацию, необходимую для диагностики заболевания.

4. Построить АСМД различных категорий заболеваний с использованием разработанного программного обеспечения для принятия диагностических решений.

5. Создать базу знаний, не только содержащую большой массив медико-биологической информации, характеризующей состояние конкретного пациента, но и постоянно пополняемую новыми знаниями о состоянии его здоровья.

Реализация и внедрение результатов диссертационной работы. Разработана автоматизированная система медицинской диагностики заболеваний печени, которая внедрена в практическое использование в Медицинский институт ФГБОУ ВПО «Тульский государственный университет». Теоретические результаты работы используются в учебных курсах и дипломном проектировании на кафедре ЭВМ Тульского государственного университета.

Положения, выносимые на защиту. На защиту выносятся следующие результаты диссертационной работы:

1. Алгоритм диагностики текущего состояния пациента на основе многоуровневой модели.

2. Метод и алгоритмы построения настраиваемой модели пациента на основе априорной и апостериорной информации с помощью предложенных критериев.

3. Алгоритм формирования базы знаний, включающей многоуровневую модель.

4. Структура АСМД, основанная на предложенной базе знаний.

Апробация работы. Основные результаты работы докладывались на

Международных и Всероссийских научно-технических конференциях, совещаниях и семинарах: 1. XXXV Гагаринские чтения. Международная молодежная научная конференция, Москва, 2009г. 2. Интеллектуальные и информационные системы. Всероссийская научно-техническая конференция, ТулГу, Тула, 2009г. 3. Актуальные проблемы аппаратно-программного и информационного обеспечения науки, образования, культуры и бизнеса. II Международная научно-практическая Интернет-конференция, Москва, 2009г. 4. Актуальные вопросы развития современной науки, техники и технологий. II Всероссийская научно-практическая (заочная) конференция. Москва, 2010г. 5. XXXVI Гагаринские чтения. Международная молодежная научная конференция, Москва, 2010г. 6. Актуальные вопросы современной техники и технологии. III Международная научная заочная конференция, Липецк, 2011г. 7. Информационные технологии. 46 научно-практическая конференция профессорско-преподавательского состава ТулГУ, Тула, 2010г. 8. Интеллектуальные и информационные системы. Всероссийская научно-техническая конференция, ТулГу, Тула, 2011г.

Публикации. По теме диссертационного исследования опубликовано 15 научных работ, в том числе 4, рекомендованных ВАК РФ.

Структура и объем работы. Диссертационная работа изложена на 132 страницах, включает 11 таблиц и 16 рисунков. Состоит из введения, четырех глав, заключения, списка литературы из 108 наименований и 4 приложений.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность разработки АСМД, сформулированы цели и задачи исследования, отмечены научная новизна и практическая значимость диссертационной работы.

В первой главе произведен анализ научных работ, посвященных проблеме создания систем поддержки принятия решений (СППР) медицинской диагностики. Рассмотрены факторы, осложняющие процедуру постановки диагностического решения: разнотипность информативных переменных, недоступность некоторых из них для непосредственных измерений или оценок значений, иерархичность (иногда многосвязность) структуры объекта. Показано, что использование математических методов (построение на основе ретроспективной информации приближенной математической модели изменения состояния здоровья пациента, синтез решений на её основе и др.) может повысить точность и объективность принимаемых диагностических решений.

Предложено использовать многоуровневую процедуру для получения диагностического решения, которую можно представить в виде дерева в следующем виде:

где Ст - функция, отображающая зависимость состояния верхнего уровня от совокупности состояний нижнего уровня; птЛ - число состояний многоуровневой

модели на<-т-1)-ом уровне; э(т)(к) - состояние объекта на т-ож уровне в к -ый момент времени.

Описание каждого уровня, множество которых составляет многоуровневую диагностическую модель, представляется в следующем виде:

(2)

Ук=Н{5к)+хк, (3)

^ хк еХ, уке У, у^. еУ,м>ке Ж, где ц - состояние объекта диагностики (состояние здоровья пациента) в к -й момент времени; хк, ук - вектор входных и выходных переменных, доступный для наблюдений и измерений; , #(•) - модели описания состояния объекта диагностики; )ик - переменная, характеризующая остаточную неопределенность объекта; \к - переменная, характеризующая погрешность измерений или оцениваний; 5, X , )', IV , V - множество значений соответствующих переменных.

Сформулирована задача диагностики как задача оценивания значений зк по информации, содержащейся в измерениях или оценках переменных ук и хк, причем на каждом уровне свой набор переменных {х} и {у} . Предполагается, что получаемые оценки состояния должны соответствовать требованию р(зк,%) < £, где метрика р(-) представляет собой показатель близости между реальным значением ¡к и значением $к, полученным с помощью модели, е - допустимая величина ошибки в метрике р(-). Использование метрики возможно только в том случае, когда состояния, в которых может находиться объект диагностики, упорядочены по какому-то заранее заданному признаку. Предлагается упорядочивать состояния объекта по степени риска заболеваний на здоровье пациента или по времени лечения, необходимого для его полного выздоровления.

Показано, что АСМД должна иметь два режима работы: режим построения математических моделей (режим обучения), в котором происходит накопление медико-биологической информации о пациенте в базе знаний, и режим диагностики (рабочий режим), в котором происходит медицинская диагностика текущего состояния пациента на основе построенных моделей.

Предложенный подход к построению базы знаний АСМД включает в себя: 1. Метод автоматизированного построения математической модели объекта определенной предметной области. При этом модели строятся в режиме обучения АСМД и отвечают следующим требованиям: 1) адекватно отображают состояния

объекта в среде разнотипной информации; 2) являются многоуровневыми, причем число уровней должно соответствовать числу уровней состояний объекта в данной предметной области; 3) связывают состояния объекта со значениями внешних переменных, доступных для измерений или оценки.

2. Метод диагностики состояния объекта на основе использования математических моделей. Процедура диагностики запускается в рабочем режиме АСМД и отвечает следующим требованиям: 1) использует медико-биологическую информацию, полученную в результате измерений переменных объекта, зафиксированных в различных шкалах; 2) в зависимости от возможностей получения информации использует: только модель [<"(■) при наличии информации в основном о входных переменных, только модель Я(-) при наличии информации о

выходных переменных, либо обе модели.

Учитывая вышеизложенные требования к моделям, предложено строить их логико-лингвистического (или лингвистического) типа, оперирующих с так называемыми лингвистическими переменными (ЛП). Это позволит моделям оперировать с переменными, зафиксированными в различных шкалах. Модели (2) и (3) в лингвистическом виде можно представить следующим образом:

М^'ОПм.М-а^еА^А, </убД (4)

у=1/=1 '

'у

М2 : цл (зк)-> П Ръ1я (Я, Ът е (5)

т=1

где п - число входных переменных; а,. , Ь]т - } -й терм / -го входной и т -й выходной переменных; 1Х , 1у- число конъюнкций, определенных на значениях входных и выходных переменных; ^ - } -ый терм, соответствующий к -му состоянию системы; В - множество термов ЛП «Состояние пациента»; рс(г) -обозначение функции принадлежности (ФП) значения переменной г терму с.

Режим диагностики начинается со сбора значений входных и выходных переменных, с которыми связано состояние объекта, и перевода полученных значений в шкалу термов ЛП. Для этого должны быть вначале определены ФП значений термов (нечетким множествам) соответствующих ЛП.

Показано, что предлагаемый подход позволит решить все поставленные в

диссертации задачи.

Вторая глава посвящена разработке метода и алгоритмов построения лингвистических моделей: модели состояния здоровья пациента (4), диагностической (5) и многоуровневой моделей; а также способа их автоматизации. Приведены возможные способы решения задачи автоматизации, сделан и теоретически обоснован выбор наиболее рациональных из них.

Показано, что для построения лингвистических моделей требуется определенный объем априорной информации и обучающей выборки данных, содержащей апостериорные данные о возможных состояниях объекта диагностики. Предлагаемая процедура построения лингвистических моделей состоит из двух этапов: начального и настроечного.

На начальном этапе формируется многоуровневая лингвистическая модель первого приближения вида (1). Суть этого этапа заключается в следующем.

1. На основе априорной информации определяются: входные и выходные переменные, шкалы, в которых они могут быть получены, а также переменные состояния и множество значений, которые могут принимать эти переменные.

2. Все входные и выходные переменные представляются в виде лингвистических с помощью процедуры 0(Х,У,5) . Для этого происходит первоначальное формирование ФП термов соответствующей ЛП, число которых задается-разработчиком АСМД (в роли которого может выступать врач) для каждой ЛП исходя из априорных сведений.

3. Так как ФП, построенные на значениях базовой переменной могут пересекаться, то предлагается сформировать две матрицы = К (*,-)! Г] и

МЦп+\)хЫ С*/')!^] Ддя каждой переменной (где N - число наблюдений

(число строк), Т) - ? -й терм из множества термов Т соответствующей ЛП, У = {у\,уг,---,уы) ~ множество значений выходных переменных), значениями элементов которых являются значения соответствующего терма или двух соседних термов, которые приняла ЛП.

4. На основе матриц Му и М2 формируется матрица

из условия:

М<£> = тахЦ^ (*,)} (*,)]} е = 1'->я' и =

Каждая строка матрицы М^ представляет собой импликацию:

(" Л

1,(х,у) = \ла1 = 1.....М

1,=1 ;

5. Происходит формирование подуровней многоуровневой модели на основе информации об их взаимодействии, полученной из базы данных (БД), а также мнения разработчика АСМД.

6. Если экспериментальная выборка данных не содержит достаточного объема информации;" необходимой для формирования подуровней, допустимо привлечение дополнительной входной информации.

7. Для каждой строки 1} (х, у) матрицы М^ вычисляется значение

настроечного критерия (информационной меры соответствия) проектируемой модели, который предложено вычислять на основе дивергенции Кульбака и её дисперсии:

(6)

где д^ , др - оценки вероятностей различения и неразличения конъюнкцией п

с ¡~ = л аъ модели выходного терма Ъ,. ^ /=1 ' 3

В результате проведенных вычислений настроечного критерия получается набор конъюнкций, который представляет собой первое приближение выстраиваемой модели.

8. Степень соответствия сформированной модели и реального объекта диагностики оценивается на основе тестового критерия:

N

N т" «=1/=1

т

, /л=р{ьл] 7л=р(ьл\ (7)

где ¡1(5) - показатель устойчивости оценок критерия; f^ , - расстояния заданной метрике р(.) действительного Ь

- параметр

регуляризации

о

оцениваемого Ъц терма выходной модели, предназначенный для

переменной; см

повышения её обусловленности; т" - количество термов выходной переменной.

Если тестовый критерий (7) не превышает заданную величину различения модели и реального объекта а, то делается вывод о корректном представлении лингвистической модели.

В противном случае запускается настроечный этап построения многоуровневой лингвистической модели, целью которого является достижение глобального минимума значения тестового критерия (7). Влияние на настройку параметров лингвистической модели могут оказать: дополнительная информация, полученная от исследуемого объекта; изменение условия формирования матрицы М из матриц М\ и М2 (элементу матрицы М, ранее принимавшему значение из матрицы Л/[ , присваивается новое значение из матрицы М-1 ); изменение параметров термов ЛП (изменение как количества термов, так и изменение распределения ФП переменных по термам).

Настройка параметров термов ЛП представляет собой итерационную процедуру 1*1 . Решено использовать трапециевидную форму представления функции принадлежности с постоянным углом наклона боковых сторон (рис. 1), т.е.

л,М .. П_ а\ П . .а2 1

<Р2

Рис. 1. Представление ФП в трапециевидном виде Сформулирована задача определения параметров у, и , обеспечивающих достижение глобального минимума значения критерия (7) модели (4), (5), т.е. решить задачу многомерной глобальной минимизации:

^Ш\М{Ф,Т))->тт. (8)

Для решения задачи (8) предложено использовать метод наискорейшего спуска.

Итерационная процедура построения многоуровневой модели заканчивается на шаге, когда информационный критерий (7) удовлетворяет следующему неравенству: J(eм)<a■ilS\m), где а - допустимая ошибка, являющаяся

функцией числа возможных состояний на т-уровне. В результате работы итерационной процедуры Г<1 формируется эталонная матрица М , содержащая взаимоотношение набора конъюнкций ФП входных переменных с состоянием объекта на каждом из подуровней многоуровневой модели.

Адекватность работы приближенной модели проверяется по контрольной выборке данных путем сравнения оценок, получаемых разными моделями: оценки состояния, получаемые моделью процесса (2), сравниваются с оценками, получаемыми с помощью модели процесса (3), и наоборот.

Результатом работы подсистемы моделирования в режиме обучения является сформированная многоуровневая диагностическая модель. Показано, что все основные этапы построения моделей выполняются в автоматическом режиме.

Третья глава посвящена разработке метода и алгоритмов диагностики текущего состояния пациента на основе построенной многоуровневой диагностической модели.

Отмечается, что принятие диагностических решений в АСМД доступно в рабочем режиме на основе сформированных моделей. Так как согласно международной классификации болезней МКБ-10, все заболевания можно разделить на три уровня, то предлагается использовать трехуровневую модель для описания всех возможных состояний пациента.

Процедура работы АСМД в режиме диагностики выглядит следующим образом:

1. Все информативные входные переменные, значения которых получены в данный момент времени с объекта, записываются в множество ^ = »*»»->*Мх}> где Л'* " число входных переменных, воздействующих на

объект.

2. Все входные переменные X переводятся в шкалу термов соответствующих лингвистических переменных с помощью процедуры

3. Из базы знаний извлекается информация о возможных состояниях объекта диагностики, переход в которые возможен на первом уровне, и

формируется матрица = {у^^,...,^}, где 5® - /ре состояние объекта на первом уровне.

4. Из модели системы М выделяются строки 1^{х,у), описывающие набор состояний объекта

5. Проводится анализ входных переменных, воздействующих на объект в текущий момент времени, с данными, хранимыми в базе знаний в качестве эталонных. Формируется матрица В , отражающая степень принадлежности (достоверности) всех возможных состояний объекта данному уровню:

6. Состояние с максимальным значением степени принадлежности в принимается в качестве искомого состояния объекта на первом уровне:

= тах(д<1> (^сштеиг )>■•■>/^(1) (*ситп

В случае, если существует несколько состояний с одинаковым максимальным значением степени достоверности, врачу предлагается указать дополнительную информацию о пациенте, характеризующую его текущее состояние, и производится перерасчет степеней достоверности возможного состояния объекта на данном уровне. В дальнейшем оценивании состояния системы второго уровня будут

учитываться только те состояния, в которые возможен переход из ^.

7. В случае необходимости запрашивается дополнительная входная информация об объекте, являющаяся специфичной для или для состояний объекта второго уровня. Дополнительная информация представляется в виде функций принадлежностей термам соответствующих ЛП на основе процедуры ©(^,7,5).

8. Процедура оценивания состояния объекта второго уровня аналогична процедуре первого: формируется матрица = , содержащая

набор состояний второго уровня, в которые допустим переход из .

9. Из модели системы М выделяются строки 1^2\х,у) , описывающие

набор состояний объекта и формируется матрица

10. Состояние объекта с максимальным значением степени принадлежности

принимается как искомое состояние объекта второго уровня яр^.

11. Аналогичная процедура определения проводится для оценивания состояния объекта третьего уровня , который является последним в многоуровневой модели. Таким образом, можно утверждать, что на данном шаге определено искомое состояние объекта. На основе оценки текущего состояния объекта врач может принимать диагностическое решение о мерах воздействия на пациента с целью его лечения.

12. Текущее найденное состояние объекта записывается в базу знаний. В дальнейшем эта информация может быть использована для уточнения состояния объекта или в качестве предыстории для оперативности принятия диагностических решений.

Показано, что вся процедура выполняется автоматически и способна использовать ту информацию, которая является доступной для врача.

Четвертая глава посвящена созданию и исследованию АСМД.

Основной задачей разработки АСМД является создание определенного набора программных модулей, позволяющих пользователю, обладающему достоверной выборкой экспериментальных данных, построить АСМД в области, в которой эти экспериментальные данные были получены, и использовать ее в медицинской диагностике.

Процедуру работы проектируемой АСМД в режиме обучения представлена в следующем виде:

1. В АСМД загружаются априорная медико-биологическая информация конкретной предметной области и экспериментальная выборка данных.

2. Из экспериментальной выборки данных системой формируется обучающая и контрольная выборки данных.

3. Запускается процедура формирования базы знаний с использованием обучающей выборки данных:

- в автоматическом режиме на основе имеющейся априорной информации все значения разнотипных переменных представляются в единой шкале термов соответствующих ЛП. Процесс формирования термов также может проходить и в интерактивном режиме - разработчик АСМД способен влиять на количество термов ЛП и способ их разбиения;

- выполняется процедура построения лингвистической модели подсистемой моделирования АСМД. Врач (или разработчик системы) способен влиять на процесс построения модели путем изменения параметров построения. Процедурой выстраивается многоуровневая модель в соответствии с (1);

- процесс построения модели продолжается до тех пор, пока модель не достигнет требуемого качества (оценивается по значению выводимого критерия (7)) или пока врач не остановит процесс построения.

4. На основе контрольной выборки данных проверяется адекватность построенной модели.

После окончательного формирования базы знаний АСМД может быть использована в рабочем режиме, который выглядит следующим образом:

1. Врач ставит задачу: вводит рабочий массив медико-биологической информации, полученной от пациента, и результаты лабораторных и инструментальных исследований.

2. АСМД проверяет достоверность и полноту введенных данных, обращается к модели объекта и запускает процедуру медицинской диагностики.

3. Врачу выводится полученное диагностическое решение и вычисленное значение степени достоверности.

4. В случае если врача не удовлетворяет полученное значение степени достоверности, он уточняет входные данные или вводит дополнительную информацию и вновь запускает процедуру диагностики состояния.

Общая структура АСМД представлена на рис. 2.

Рис. 2. Структура АСМД

В режиме обучения задействованы модули: инициализации начальных параметров, представления переменных в виде ЛП, построения моделей, запроса дополнительной информации, корректировки термов ФП, проверки адекватности модели объекту, формирования иерархичной структуры, а также БД и БЗ. В рабочем режиме задействованы модули: инициализации начальных параметров, представления переменных в виде ЛП, проверки полноты данных, оценивания состояния, а также БД и БЗ.

Сформулированы основные требования, которым должен отвечать интерфейс АСМД: ]) возможность загрузки базы знаний из внешнего источника; 2) возможность пополнения базы знаний как из внешнего источника данных, так и посредством специального диалога пополнения данных; 3) графическое/визуальное представление сформированных термов ЛП, этапов формирования модели и др.

Основные модули АСМД реализованы на языке С# с использованием технологии .NET. В качестве интегрированной,-среды разработки предложено использовать Microsoft Visual Studio 2010 Express.

Для оценки работоспособности предложенных методов и алгоритмов была построена АСМД заболеваний печени - АСМД ЗП. На основании выборки данных, сформированной из медицинских карт больных разных лет, построена модель состояния здоровья пациента (4), в которой каждый терм aß входной ЛП

представляет собой / -ое значение h -го фактора состояния здоровья пациента, а терм dp ЛП - наименование р -го заболевания. Также была построена лингвистическая диагностическая модель (5), в которой каждый терм brq - входная ЛП описывает г-й результат q-ro лабораторного анализа. Итерационная процедура построения каждой из моделей закончилась, когда тестовый критерий (7) достиг

минимального значения, вычисленного с использованием контрольной выборке данных.

В АСМД ЗП определена выходная лингвистическая переменная «Состояние пациента», измеряемая в шкале наименований, в виде следующих термов (12 термов): «Гепатит А», «Гепатит В», «Гепатит С», «Персистирующий хронический гепатит», «Активный хронический гепатит» и др. Пространство входных информативных переменных для модели состояния здоровья пациента определено следующими ЛП (13 шт.): «Возраст», «Пол», «Наличие детей» и др. Пространство входных переменных для диагностической модели определено следующими ЛП (32 шт.): «Уровень аспартатаминотрансфереза», «Анализ' крови на НВв-антиген», «Билирубин: общий» и др.

На рис. 3 приведен сравнительный анализ разработанной АСМД ЗП с существующими МИС, позволяющими осуществить медицинскую диагностику заболеваний печени.

С ПНР ЗП 1гтЪМед — • ':!.>.<, -«ФОБОС

Рис. 3. Сравнение разработанной АСМД с существующими МИС: а) изменение времени проведения диагностики и б) изменение точности определения диагноза в зависимости от объема обрабатываемой информации

Проверка точности АСМД ЗП проверялась на основе сравнения диагноза, полученного с использованием системы и поставленного квалифицированным специалистом. Тестирование разработанной АСМД ЗП показало, что точность постановки диагноза системой составила 97%. Кроме этого, за счет того, про процесс диагностики заболевания автоматизирован, время постановки окончательного диагноза с использованием АСМД ЗП сократилось в среднем на 55%. Это позволило сократить срок постановки окончательного диагноза в среднем на 4 дня.

В заключении сформулированы основные результаты и выводы по работе.

В приложения вынесены исходные данные для формирования модели состояния здоровья пациента для АСМД ЗП, акты об использовании результатов диссертационного исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ 1. Разработан метод построения лингвистических моделей, позволяющих адекватно отображать объект диагностики, а также метод построения многоуровневой модели, описывающей все возможные состояния пациента.

2. Разработан алгоритм выработки диагностических решений на основе использования модели состояния здоровья пациента, что позволило повысить точность и объективность медицинской диагностики.

3. Разработан алгоритм построения базы знаний в автоматическом режиме, что позволило сократить время настройки АСМД определенной категории заболеваний.

4. Разработана структура АСМД на основе предложенных методов и алгоритмов, которая позволяет существенно упростить процесс создания СППР задач медицинской диагностики. „„,

5. Создано программное обеспечение, реализующее СППР задач медицинской диагностики одной из категорий заболеваний и включающее лингвистическую модель состояния здоровья пациента, позволяющую учитывать ряд дополнительных факторов, влияющих на здоровье пациента.

6. На основе экспериментальных исследований подтверждена эффективность предложенных методов и алгоритмов.

7. Результаты диссертационной работы внедрены в практическое использование в Медицинский институт ФГБОУ ВПО «Тульский государственный университет» и в учебный процесс кафедры «Электронные вычислительные машины» Тульского государственного университета.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Горбунова Т.И., Токарев В.Л. Выбор оптимального метода оценивания ситуации в задаче принятия решений // Известия ТулГУ. Технические науки. Вып. 4. Ч. 1 Тула: Изд-во ТулГУ, 2009, с. 176-180

2. Горбунова Т.И. Компьютерная поддержка принятия решений в медицинской диагностике // В мире научных открытий. Красноярск: НИЦ, 2010. №4(10), часть 11, с. 30-33

3. Горбунова Т.И., Токарев В.Л. Построение многоуровневой модели, направленной на поддержку принятия решений задач диагностики // Известия ТулГУ: Технические науки. Вып. 6. Ч. 2 Тула: Изд-во ТулГУ, 2011, с. 104-110

4. Горбунова Т.И. Интеллектуальная система поддержки принятия решений в медицинской диагностике // В мире научных открытий. Красноярск: НИЦ, 2011. №8 (20), с. 130-135

5. Горбунова Т.Н., Токарев В.Л. Оценивание ситуации в задаче принятия решений // XXXV ГАГАРИНСКИЕ ЧТЕНИЯ. Научные труды Международной молодежной научной конференции в 8 томах. Москва, 7-10 апреля 2009 г. М.: МАТИ, 2010. Т.4, с. 14

6. Горбунова Т.И., Токарев В.Л. Оценивание ситуации в задаче поддержки принятия решений // Интеллектуальные и информационные системы: Материалы Всероссийской научно-технической конференции/ Тульский государственный университет. - Тула, 2009. - с.16-17

7. Горбунова Т.Н. Оценивание ситуации в задаче принятия решений // ЗНАНИЯ - ОНТОЛОГИИ - ТЕОРИИ: Материалы Всероссийской конференции с международным участием «Знания - Онтологии - Теории» (30HT-09). -Новосибирск, 2009. Т.1. с. 145-149

№

8. Горбунова Т.И., Токарев В.Л. Использование метода распознавания образов для оценивания ситуации в задаче принятия решений // Актуальные проблемы аппаратно-программного и информационного обеспечения науки, образования, культуры и бизнеса: Сборник научных трудов по материалам П Международной научно-практической Интернет-конференции. - М.: МГУПИ, 2009. - с. 42-44

9. Горбунова Т. И. Оценивание состояния системы в задаче принятия решений // Актуальные вопросы развития современной науки, техники и технологий. Материалы П Всероссийской научно-практической (заочной) конференции. - М.: Издательско-полиграфический комплекс НИИРРР, 2010 - с. 160

10. Горбунова Т.И. Оценивание состояния сложной системы для компьютерной поддержки принятия решений // XXXVI ГАГАРИНСКИЕ ЧТЕНИЯ. Научные труды Международной молодежной научной конференции в 8 томах. Москва, 8-10 апреля 2010 г. М.: МАТИ, 2010. Т.4, с. 12-14

-11. Горбунова Т.И. Интеллектуальная система поддержки принятия решений в медицинской диагностике // Вестник Тульского государственного университета. Серия: Проблемы управления электротехническими объектами. Выпуск 5. - Тула,

2010, с. 310-312

12. Горбунова Т.И. Оценивание состояния системы в медицинской диагностике // Инновационные наукоемкие технологии: теория, эксперимент и практические результаты. Тезисы докладов Всероссийской научно-практической конференции. - Тула: Изд-во ТулГу, 2010. - с. 35-36

13. Горбунова Т.И. Компьютерная поддержка принятия решений // Актуальные вопросы современной техники и технологии: Сборник докладов Ш-й Международной научной заочной конференции. В 2-х ч. Ч. 1. Липецк, 2011, с. 20-22

14. Горбунова Т.И., Токарев В.Л. Подход к построению модели медицинской диагностики состояния пациента повышенной точности // Компьютерная биология -

2011. Материалы Международной научно-технической конференции. - Пущино, 20И.-С. 14-16

15. Горбунова Т.И. О подходе определения состояния системы для поддержки принятия решений задач диагностики // Интеллектуальные и информационные системы: Материалы Всероссийской научно-технической конференции/ Тульский государственный университет. - Тула: Изд-во ТулГу, 2011. -с. 36-38

Изд. лиц. ЛР №020300от 12.02.97. Подписано в печать 23.12.2011 г. Формат бумаги 60x84 '/,6 .Бумага офсетная. Усл. печ.л.0,9 Уч.-изд.л. 0,8 Тираж 100 экз. Заказ 067 Тульский государственный университет 300012, г. Тула, пр. Ленина, 92 Отпечатано в Издательстве ТулГУ 300012, г. Тула, пр. Ленина, 95

61 12-5/1591

МИНОБРНАУКИ РОССИИ

ФГБОУ ВПО «Тульский государственный университет»

АВТОМАТИЗИРОВАННАЯ СИСТЕМА МЕДИЦИНСКОЙ ДИАГНОСТИКИ

Специальность 05.11.17 - Приборы, системы и изделия медицинского назначения

ДИССЕРТАЦИЯ на соискание ученой степени кандидата технических наук

На правах рукописи

Горбунова Татьяна Игоревна

Научный руководитель -д.т.н., проф. Токарев В.Л.

Тула 2011

СОДЕРЖАНИЕ

ВВЕДЕНИЕ......................................................................................................5

ГЛАВА 1 ПОСТАНОВКА ЗАДАЧИ МЕДИЦИНСКОЙ ДИАГНОСТИКИ...................................................................................................10

1.1 Особенности медицинской диагностики......................................10

1.2 Существующие методы диагностики заболеваний.....................12

1.3 Методы представления знаний......................................................20

1.4 Предлагаемый подход для решения задачи медицинской диагностики........................................................................................................24

1.5 Формализация задачи медицинской диагностики.......................27

1.6 Постановка задачи исследования..................................................29

1.7 Анализ математических моделей описания состояний объекта диагностирования..............................................................................................30

1.8 Представление лингвистических моделей для описания текущего состояния объекта диагностики......................................................34

1.9 Анализ методов формирования функции принадлежности.......36

Выводы по главе 1.....................................................................................40

ГЛАВА 2 ПОСТРОЕНИЕ МОДЕЛЕЙ ОБЪЕКТА ДИАГНОСТИКИ... 42

2.1 Задача построения лингвистических моделей.............................42

2.2 Задача получения информативных переменных..........................43

2.3 Задача выбора критериев для построения моделей.....................48

2.4 Приведение значений информативных переменных к шкале термов ЛП...........................................................................................................51

2.5 Построение трехуровневой модели...............................................52

2.6 Предлагаемый метод построения моделей...................................55

2.7 Достижение адекватности модели реальному объекту диагностики........................................................................................................57

2.7.1 Способы достижения адекватности модели объекту диагностики....................................................................................................57

2.7.2 Постановка задачи формирования и настройки параметров термов ЛП ..........................................................................58

2.7.3 Исследование возможных способов решения и выбор оптимального.................................................................................................59

2.8 Режим построения моделей АСМД...............................................64

2.9 Экспериментальные исследования предложенных методов построения моделей..........................................................................................65

Выводы по главе 2.....................................................................................72

ГЛАВА 3 РАЗРАБОТКА ПРОЦЕДУРЫ ДИАГНОСТИКИ...................73

3.1 Режим диагностики АСМД............................................................73

3.2 Методика диагностики состояния пациента с использованием трехуровневой модели......................................................................................74

3.3 Процедура работы АСМД в режиме диагностики.......................78

3.3.1 Способы диагностики текущего состояния пациента............78

3.3.2 Алгоритм диагностики состояния объекта на основе модели состояния здоровья пациента.......................................................................79

3.3.3 Алгоритм диагностики состояния пациента на основе диагностической модели...............................................................................81

3.3.4 Алгоритм диагностики состояния пациента на основе модели повышенной точности...................................................................................83

3.4 Экспериментальные исследования разработанных алгоритмов диагностики........................................................................................................85

3.5 Экспериментальная оценка работы АСМД в режиме диагностики........................................................................................................89

Выводы по главе 3.....................................................................................93

ГЛАВА 4 ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И ИССЛЕДОВАНИЕ АСМД.....................................................................................94

4.1 Разработка концепции и структуры АСМД.................................94

4.2 Входные данные для АСМД..........................................................98

4.3 Процедура работы АСМД..............................................................98

3

4.3.1 Процедура работы ACMД в режиме построения моделей.... 9 8

4.3.2 Процедура работы АСМД в режиме диагностики...............101

4.4 Разработка интерфейса АСМД....................................................102

4.4.1 Разработка интерфейса для разработчика системы..............102

4.4.2 Разработка интерфейса для врача...........................................104

4.5 Реализация и тестирование АСМД..............................................105

4.6 Разработка АСМД для диагностики заболеваний печени........106

4.6.1 Задача медицинской диагностики заболеваний печени......106

4.6.2 Диагностика заболеваний печени с помощью разработанной АСМД ЗП .........................................................................108

4.6.3 Формирование модели состояния здоровья пациента для

АСМД ЗП....................................................................................................114

Выводы по главе 4.......................................................................................117

ЗАКЛЮЧЕНИЕ...........................................................................................118

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ......................................122

СПИСОК ЛИТЕРАТУРЫ...........................................................................123

ПРИЛОЖЕНИЕ А........................................................................................133

ПРИЛОЖЕНИЕ Б........................................................................................136

ПРИЛОЖЕНИЕ В.......................................................................................139

ПРИЛОЖЕНИЕ Г........................................................................................143

ВВЕДЕНИЕ

Актуальность темы исследований. При постановке диагноза врачу приходится обрабатывать большой массив медико-биологической информации: данные обследований и наблюдений, индивидуальные особенности каждого больного (наследственность, реакция на негативные воздействия, перенесенные заболевания) и др. Вместе с тем возрастание информационной нагрузки приводит к физической и психологической усталости врача, ошибкам при выборе и проведении лечения или затягиванию процесса постановки точного диагноза. Однако известно, что постановка точного диагноза на более ранних сроках развития заболевания и, соответственно, начала лечения позволяет избежать осложнений, которые могут нанести дополнительный вред организму пациента.

Поэтому очевидно, что в настоящее время имеется тенденция к возрастанию числа разрабатываемых диагностических медицинских информационных систем (МИС). Однако большинство современных систем является узко специализированными. Кроме того, для поддержки их работоспособности требуется привлечение специалиста, владеющего знаниями в информационных технологиях, из-за необходимости создания и пополнения сложной базы знаний. Данные факторы существенно ограничивают массовое использование подобных систем.

В связи с этим разработка легко настраиваемой системы, направленной на повышение точности и оперативности получения диагностического решения, является актуальной и востребованной на рынке современных медицинских технологий.

Объектом исследования являются автоматизированные системы медицинской диагностики (АСМД).

Предметом исследования являются методы и алгоритмы теории принятия решений.

Целью диссертационной работы является повышение точности и оперативности постановки диагноза пациенту с помощью автоматизированных систем медицинской диагностики за счет использования большого массива медико-биологической информации, обрабатываемого системой по алгоритмам и методам, основанным на теории принятия решений.

Для достижения указанной цели в диссертации решаются следующие задачи:

1. Формализация и постановка задач медицинской диагностики.

2. Разработка критериев и метода построения математической модели пациента на основе априорной и ретроспективной информации и создание на их основе базы знаний АСМД.

3. Разработка метода и алгоритмов диагностики заболевания пациента на основе медико-биологической информации о текущем состоянии здоровья и моделей, хранимых в базе знаний.

4. Исследование эффективности разработанных методов и алгоритмов медицинской диагностики путем компьютерного моделирования.

5. Разработка и построение на основе предложенных методов АСМД заболеваний конкретной категории для исследования точности и оперативности получения диагностических решений в практических условиях.

Методы исследований. В основу исследований положены методы представления и обработки данных и знаний, математической логики, дискретной математики, теории принятия и обеспечения рациональности решений.

Научная новизна диссертационной работы состоит в следующем:

1. Формализована задача медицинской диагностики, что позволило построить многоуровневую модель возможных состояний пациента для поддержки процесса диагностирования.

2. Предложен метод построения многоуровневой математической модели, в которой каждый следующий уровень отличается разрешающей способностью процесса диагностирования.

3. Предложен метод построения настраиваемой модели пациента по априорной и апостериорной информации.

4. Разработан алгоритм поиска диагноза, использующий многоуровневую модель и решающее правило разветвления на основе анализа значений степеней достоверности возможного состояния пациента.

Достоверность научных результатов подтверждена корректным использованием применяемого математического аппарата, результатами моделирования и экспериментальными исследованиями.

Практическая значимость. Применение предложенных методов и алгоритмов позволяет:

1. Создать АСМД для диагностики конкретной категории заболеваний, отличающуюся повышенной объективностью за счет использования базы знаний, хранящей модели состояния здоровья пациентов, и точностью принятия диагностических решений за счет того, что они применяются на основе математических методов.

2. Автоматизировать процесс создания базы знаний, что обеспечит упрощение процедуры создания АСМД без привлечения дополнительных посредников (инженеров-когнитологов).

3. Повысить оперативность принятия диагностических решений за счет того, что многоуровневая математическая модель лингвистического типа содержит всю необходимую медико-биологическую информацию, необходимую для диагностики заболевания.

4. Построить АСМД различных категорий заболеваний с использованием разработанного программного обеспечения для принятия диагностических решений.

5. Создать базу знаний, не только содержащую большой массив

медико-биологической информации, характеризующей состояние

7

конкретного пациента, но и постоянно пополняемую новыми знаниями о состоянии его здоровья.

Реализация и внедрение результатов диссертационной работы.

Разработана автоматизированная система медицинской диагностики заболеваний печени, которая внедрена в практическое использование в Медицинский институт ФГБОУ ВПО «Тульский государственный университет». Теоретические результаты работы используются в учебных курсах и дипломном проектировании на кафедре ЭВМ Тульского государственного университета.

Положения, выносимые на защиту. На защиту выносятся следующие результаты диссертационной работы:

1. Алгоритм диагностики текущего состояния пациента на основе многоуровневой модели.

2. Метод и алгоритмы построения настраиваемой модели пациента на основе априорной и апостериорной информации с помощью предложенных критериев.

3. Алгоритм формирования базы знаний, включающей многоуровневую модель.

4. Структура АСМД, основанная на предложенной базе знаний.

Апробация работы. Основные результаты работы докладывались на

Международных и Всероссийских научно-технических конференциях,

совещаниях и семинарах: 1. XXXV Гагаринские чтения. Международная

молодежная научная конференция, Москва, 2009г. 2. Интеллектуальные и

информационные системы. Всероссийская научно-техническая конференция,

ТулГу, Тула, 2009г. 3. Актуальные проблемы аппаратно-программного и

информационного обеспечения науки, образования, культуры и бизнеса. II

Международная научно-практическая Интернет-конференция, Москва,

2009г. 4. Актуальные вопросы развития современной науки, техники и

технологий. II Всероссийская научно-практическая (заочная) конференция.

Москва, 2010г. 5. XXXVI Гагаринские чтения. Международная молодежная

8

научная конференция, Москва, 2010г. 6. Актуальные вопросы современной техники и технологии. III Международная научная заочная конференция, Липецк, 2011г. 7. Информационные технологии. 46 научно-практическая конференция профессорско-преподавательского состава ТулГУ, Тула, 2010г. 8. Интеллектуальные и информационные системы. Всероссийская научно-техническая конференция, ТулГу, Тула, 2011г.

Публикации. По теме диссертационного исследования опубликовано 15 научных работ, в том числе 4, рекомендованных ВАК РФ.

Структура и объем работы. Диссертационная работа изложена на 132 страницах, включает 11 таблиц и 16 рисунков. Состоит из введения, четырех глав, заключения, списка литературы из 108 наименований и 4 приложений.

Во введении обосновывается актуальность разработки АСМД, сформулированы цели и задачи исследования, отмечены научная новизна и практическая значимость диссертационной работы.

В первой главе произведен анализ существующих МИС, направленных на компьютерную поддержку медицинской диагностики, выявлены их достоинства и недостатки. Кроме того предложен подход к построению АСМД, направленный на решение указанных недостатков.

Вторая глава посвящена разработке и исследованию процесса построения лингвистических моделей, способа его автоматизации. Приведены возможные способы решения задачи автоматизации, сделан и теоретически обоснован выбор наиболее рациональных из них.

Третья глава посвящена разработке алгоритмов оценки текущего состояния больного на основе модели состояния здоровья пациента и диагностической модели с использованием многоуровневой базы знаний.

Четвертая глава посвящена созданию программного обеспечения для АСМД и исследованию его работоспособности.

ГЛАВА 1 ПОСТАНОВКА ЗАДАЧИ МЕДИЦИНСКОЙ ДИАГНОСТИКИ

В первой главе представлены особенности медицинской диагностики,

связанные с обработкой большого массива медико-биологической информации.

Произведен обзор диагностических методов, используемых для компьютерной поддержки медицинской диагностики. Также произведен анализ отечественных и зарубежных МИС, направленных на поддержку принятия диагностических решений. Выявлены их достоинства и недостатки. Показано, что создание АСМД является актуальной задачей как с научной, так и с практической точек зрения.

Сформулирована задача медицинской диагностики. Определены требования к методам построения моделей описания объекта диагностики, выполнение которых обеспечит достижение объективности и точности принимаемых диагностических решений.

Произведен обзор типов моделей, которые могут быть использованы для представления базы знаний. Показано, что использование моделей лингвистического типа является оптимальным для решения поставленной задачи.

Сформулирован подход к построению АСМД на основе модели состояния здоровья пациента и диагностической модели с использованием многоуровневой модели описания всех возможных заболеваний больного.

1.1 Особенности медицинской диагностики

Человек представляет собой сложный организм, в котором протекают трудные и, иногда, непредсказуемые процессы. Согласно международной классификации болезней МКБ-10 [1] в настоящее время выделяют свыше 50000 заболеваний и более миллиона симптомов, характеризующих то или иное заболевание. Поэтому очень важно, чтобы современные системы медицинской диагностики могли работать с таким большим набором данных

и, что более важно, выдавали адекватное решение поставленной задачи медицинской диагностики.

Диагностика того или иного заболевания - это сложный процесс даже для квалифицированного врача. Приходится учитывать множество различных факторов, начиная с внешних симптомов (температура тела, кашель и прочее) и заканчивая полным обследованием больного (анализ крови, рентген, томография и т.д.) [2]. Также очень важно учитывать заболевания, перенесенные больным, группу его крови, наследственность, условия и образ жизни, реакцию на негативные воздействия [3]. Учет этих факторов позволит добиться более точного диагностирования заболевания и выбрать соответствующее лечение [4]. В связи с этим период выздоровления больного будет намного сокращен и не будет нанесен дополнительный вред организму, вызванный неправильным лечением.

В роли объектов в медицинской диагностике выступают пациенты. Объект диагностики характеризуется большим набором свойств и признаков (симптомов), которые могут изменяться как под воздействием окружающей среды, так и в результате процессов, происходящих внутри самого объекта. Это делает возможным рассматривать объект диагностики как сложную систему. Можно выделить сл�