автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Интеллектуализация процесса диагностики венозных заболеваний

005049577

На правах рукописи

Веденяпин Дмитрий Александрович

Интеллектуализация процесса диагностики венозных заболеваний

05.13.01-Системный анализ, управление и обработка информации (промышленность)

Автореферат диссертации на соискание ученой степени кандидата технических наук

1 4 ФЕВ 2013

Волгоград-2013

005049577

Работа выполнена на кафедре «Компьютерные науки и экспериментальная математика» Волгоградского государственного университета.

Научный руководитель доктор физико-математических наук, профессор

Лосев Александр Георгиевич.

Официальные оппоненты Сперанский Дмитрий Васильевич

доктор технических наук, профессор кафедры «Высшая и прикладная математика» Российская открытая академия транспорта Московского государственного университета путей сообщений

Кравец Алла Григорьевна

доктор технических наук, профессор кафедры «Системы автоматизированного проектирования и поискового конструирования» Волгоградского государственного технического университета.

Ведущая организация Южно-Уральский государственный

университет.

Защита состоится «28» февраля 2013 г. в 15:30 на заседании диссертационного совета Д212.028.04 при Волгоградском государственном техническом университете по адресу: 400005, г. Волгоград, пр. Ленина 28, ауд. 209.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан января 2013 г.

Ученый секретарь Водопьянов Валентин Иванович

диссертационного совета

Общая характеристика работы

Актуальность темы. Заболевания вен нижних конечностей представляют собой медицинскую и социальную проблему чрезвычайной важности. По данным разных авторов,признаки заболеваний в той или иной степени выраженности имеют до 90% женщин и до 65% мужчин из числа жителей развитых стран. Большое исследование, выполненное в 1999 году в Эдинбурге, показало наличие варикозно расширенных вен нижних конечностей у 40% женщин и 32% мужчин. Эпидемиологическое исследование, проведенное в Москве, показало, что 67% женщин и 50% мужчин имеют хронические заболевания вен нижних конечностей. Аналогичная ситуация наблюдается и в других регионах. Ряд симптомов, характерных для данного типа заболеваний, существенно снижают качество жизни и социально-профессиональную активность больных, утрачивается привычное ощущение «здорового благополучия». При этом специалистов, которые могли бы правильно диагностировать данные заболевания, не хватает, а специалистов, оснащенных современным оборудованием, еще меньше.

На протяжении многих лет руки были единственным инструментом врача припервичном обследовании пациента. Применение в клинической практике на протяжении продолжительного времени достаточно высокоинформативных методов (ультразвуковое дуплексное сканирование, авторадиография, электронная и контактная микроскопия, рентгенологические методы)в силу ряда объективных и субъективных причинне решило проблему ранней диагностики и динамического контроля над течением венозных заболеваний.Одной из основных причин этого является недостаток априорной информации, приводящий к тому, что принятие решений врачом осуществляется в условиях целого ряда неопределенностей.

Актуальность данной работы.Одним из средств повышения эффективности диагностики является автоматизация и интеллектуализация обработки данных с использованием информационных технологий как средства, позволяющего принять во внимание значительное количество диагностических признаков. При данном подходе минимизируются ошибки, связанные с субъективными факторами, такими, как усталость врача, недооценка значимости

отдельных симптомов и т.д.Указанные выше проблемы можно решить созданием интеллектуального аппаратно-программного комплекса диагностики венозных заболеваний. Его функционирование может быть основано на данных комбинированной термометрии. Под термином «комбинированная термометрия» понимается биофизический метод неинвазивного исследования, основанный на измерении внутренних и поверхностных температур тканей по интенсивности их теплового излучения в микроволновом (РТ) и инфракрасном (ИК) диапазоне.

Согласно существующим представлениям, изменение температуры ткани предшествует структурным изменениям, которые обнаруживаются при общепринятых методах исследования. Поэтому термометрия представляет особый интерес для ранней диагностики.

Применение математических методов решения указанной задачи позволяет создать интеллектуальную составляющую комплекса и значительно повысить качество диагностики венозных заболеваний.

Работа выполнена при финансовой поддержке Министерства образования и науки РФ по ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (госконтракт № 16.513.11.3067).

Актуальность темы для решения прикладных задач подтверждается потребностью в разработке специализированных экспертных систем.

Целью диссертационной работыявляется повышение качества диагностики заболевания вен нижних конечностей по данным комбинированной термометрии.

Задачами диссертационной работы являются:

1. исследование особенностей данных, полученных методом комбинированной термометрии;

2. разработка алгоритмов решения задач диагностики венозных заболеваний нижних конечностей с помощью нейронных сетей;

3. разработка способа получения входных параметров нейронных сетей, инвариантных к внешним условиям;

4. реализация и апробация предложенных в работе алгоритмов и методик в виде интеллектуального аппаратно-программного диагностического комплекса венозных заболеваний.

Методы исследования. Решение поставленных задач потребовало привлечения методов статистической обработки данных, распознавания образов, системного анализа, нейронных сетей. Программное обеспечение разработано с использованием положений объектно-ориентированного проектирования.

Достоверность и обоснованность результатов. Обоснованность и адекватность результатов работы подтверждается их апробацией и результатами внедрения в Волгоградском флебологическом центре профессора Ларина С.И.

Научная новизна полученных результатов, выносимых на защиту, заключается в следующем:

• обоснована целесообразность и эффективность применения аппарата искусственных нейронных сетей в диагностике венозных заболеваний по данным комбинированной термометрии;

• разработан алгоритм классификатора на основе нейронных сетей, учитывающий нюансы данных комбинированной термометрии и специфику медицинской диагностики;

• создан интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний.

Практическая значимость работы:

1. Разработан интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний.

2. Предложенная методика построения нейронных систем может использоваться при решении задач диагностики других заболеваний на основе данных комбинированной термометрии.

3. Разработанный комплекс обладает лучшими характеристиками по сравнению с аналогами.

4. Созданный интеллектуальныйаппаратно-программный комплекс может служить прототипом системы, диагностирующей целый ряд заболеваний по данным комбинированной термометрии.

Основные положения и результаты, выносимые на защиту:

1. Метод подбора входных параметров нейронных сетей, предназначенных для решения задач диагностики по данным комбинированной термометрии.

2. Способ создания архитектуры нейронных сетей, предназначенных для дифференциальной диагностики.

3. Реализованный на основе разработанных методик и алгоритмов интеллектуальный экспертный комплекс.

Внедрение.

1. Интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний по данным комбинированной термометрии внедрен в Волгоградском флебологическом центре профессора Ларина С.И.

2. Работа выполнена при финансовой поддержке Министерства образования и науки РФ по ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (госконтракт № 16.513.11.3067).

Апробация работы.Основные положения диссертации докладывались и обсуждались на Всероссийской школе-семинаре «Методы компьютерной диагностики в биологии и медицине - 2007» (Саратов, 2007 г.), X Всероссийской конференции «Биомеханика 2010» (Саратов, 2010 г.),Международной научно-практической конференции «Управление большими системами» (Москва, 2011), XXV Международной научной конференции математических методов в технике и технологиях (Волгоград,2012 г.), XI Всероссийской научно-технической конференции «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2012 г.), региональных конференциях молодых исследователей Волгоградской области (Волгоград, 2010-2012 гг.); конференциях профессорско-преподавательского состава ВолГУ (Волгоград, 2009-2012 гг.), научных семинарах ВолГУ и ВолГТУ.

Личный вклад автора. Выбор направления исследования определялся совместно с научным руководителем. Результаты получены автором лично. Анализ и интерпретация результатов осуществлялись совместно с научным руководителем.

Публикации.По материалам диссертационной работы опубликовано 10 печатных работ, две из которых в изданиях из списка ВАК РФ.

Объем и структура работы. Диссертация изложена на 154 страницах машинописного текста, содержит 8 таблиц, 43 рисунка и состоит из введения, 3 глав, заключения, списка использованной литературы, включающего 112 наименований и 4 приложений.

Основное содержание работы.

Во введении обосновывается актуальность работы, дается краткая характеристика темы, формулируются цель и задачи исследования, представлены основные научные результаты, выносимые на защиту.

В первой главе «Комбинированная термометрия» описана методика комбинированной термометрии, физические принципы, лежащие в ее основе, и диагностические признаки.В течение последних лет разрабатывается методика обследования нижних конечностей с помощью комбинированной термометрии. Обследование пациентов проводится посредством последовательного измерения кожной (ИК) температуры и глубокой микроволновой термометрии (РТ) в 12 симметричных точках, расположенных по задней поверхности обеих голеней пациента, в положении пациента «лежа на животе» и «стоя». Точки измерения были выбраны следующим образом (см. Рисунок 1).

«&«*«« э

Рисунок1. Расположение точек на голени пациента

'12

Рисунок2. Термокарта голени пациента

Первые три точки расположены на вершине латеральнойголовки икроножной мышцы (1), в подколенной ямке (2), на вершине медиальной головки икроножной мышцы (3). Второй ряд точек расположен по центру латеральной головки икроножной мышцы (4), между головками икроножной мышцы (5) и по центру медиальной головки икроножной мышцы (6). Третий ряд точек расположен в нижней части икроножной мышцы латерально (7), в центре (8) и медиально (9). Последние точки измерения температуры находятся на

наружной стороне ахиллова сухожилия в области латеральной лодыжки (10), по центру ахиллова сухожилия (11) и по его внутренней поверхности в области медиальной лодыжки (12).

После анализа информации о температурных полях голени, в частности с помощью термокарт (см., например, Рисунок2), врач ставит диагноз пациенту.

В результате исследований, которые проводились в течение последних нескольких лет, формировалась база данных пациентов. На ее основе с помощью экспертных оценок и статистического анализа была создана обучающая выборка, разделенная на группу голенейздоровых пациентов (Норма) и группу больных. Группа больных, в свою очередь, была разбита на 4 подгруппы голеней с диагнозами: варикозная болезнь (ВБ), посттромботическая болезнь (ПТБ), острый венозный тромбоз (ОВТ), здоровые голени больных пациентов (Норма-2).

На основе анализа знаний экспертов и в результате статистической обработки данных, были найдены наборы функций, описывающие наличие аномально горячих и аномально холодных зон, степень симметрии температурных полей и т.д.

Например, глубинные (РТ) и поверхностные (ИК) температуры по' медиальной и латеральной поверхности голеней у здоровых пациентов распределяются симметрично относительно центральной оси голени, т.е. латерально-медиальный градиент не выявляется. У больных это наблюдается далеко не всегда.Или другой пример:у здоровых пациентов чаще всего вторая точка является самой горячей среди всех 12 точек голени. У больных же это выполнено реже.

В работе сформированы несколько групп таких функций, из которых в дальнейшем выбирались наиболее эффективные для работы нейронных сетей. Также в первой главе проведен анализ источников, описывающих различные внешние факторы, влияющие на термометрические измерения. В результате было принято решение об использовании инвариантных к изменениям температуры окружающей среды температурных данных голеней пациентов. Температурные данные были приведены к температуре окружающей среды 22°С посредством линейной регрессии (искомые прямые строятся с помощью метода наименьших квадратов).

Рисунок 3. Разброс температур во второй точке голени в положении ИК стоя и прямая, найденная методом МНК. Ось X -£окр ср, ось У - £голени в точке.

Например, для температуры второй точки голени в ИК диапазоне в положении «стоя», следует использовать формулу:

4 =а2(22-4) + 4 (1)

где 149 - первоначальная температура окружающей среды,4 - исходная температура второй точки 1-й голени, а а2 = 0,61 (см. Ошибка! Неизвестный аргумент ключа.).

На приведенном рисунке (Ошибка! Неизвестный аргумент ключа.) изображен разброс температур во второй точке голени пациента, считанных ИК-датчиком в положении стоя. Искомая прямая построена с помощью метода наименьших квадратов, где по оси X отложена температура окружающей среды, а по оси У отложена температура голени пациента в точке.

Вторая глава «Программная часть программно-аппаратного интеллектуального комплекса» описывает программную часть экспертной интеллектуальной системы.Целью интеллектуального аппаратно-программного диагностического комплекса венозных - заболеваний (далее - ИАПДКВЗ) является автоматизация поддержки ( принятия решений врача в диагностикевенозных заболеваний нижних

конечностей с помощью данных комбинированной термометрии. Комплекспредназначен для решения следующих задач:

1) осуществление первичной диагностики пациента (комплекс предполагает возможность ее проведения даже средним медицинским персоналом);

2) проведение дифференциальной диагностики с постановкой и обоснованием конкретного диагноза на основе имеющейся информации.

Достижение цели и решение поставленных задач позволит:

• уменьшить затраты времени, требующегося на постановку диагноза;

• повысить качество постановки диагноза, так как система будет обосновывать предлагаемое решение, и указывать на выявленные диагностические признаки;

• повысить эффективность медицинских обследований.

ИАПДКВЗ

Аппаратная Программная

часть часть

Компонент управления в РТМ-диапазоне

Модуль формирования заключения

Модуль «Журнал пациентов»

Компонент формирования предварительного диагноза

Компонент диагностики методом, основанным на близости

Компонент диагностики методом нейронных сетей

Компонент диагностик, основанный на

близости температурных полей

Рисунок 4. Структура ИАПДКВЗ

ИАПДКВЗ (Рисунок 4) состоит из аппаратной (устройство РТМ-01-РЭС) и программной части. Программная часть интеллектуальной системы ИАПДКВЗ представляет собой совокупность автоматизированных рабочих мест (АРМ), доступных для использования на одной ПЭВМ в режиме разделения времени и работающих в едином формате данных.

В состав системы ИАПДКВЗ входят следующие автоматизированные рабочие места:

• АРМ «Медсестра»;

• АРМ «Врач».

Информационный обмен между компонентамиэкспертной интеллектуальной системы ИАПДКВЗ делится на две части:

• взаимодействие модулей и компонентов внутри программной части ИАПДКВЗ;

• взаимодействие компонентов управления измерениями в ИК- и в РТ-диапазонах программной части с аппаратной частью.

Интеллектуальная система ИАПДКВЗ имеет следующие режимы функционирования:

• основной режим, в котором все подсистемы выполняют свои основные функции;

• профилактический режим, в котором одна или все подсистемы не выполняют своих функций. В данный режим работы система переходит в следующих случаях: возникновение необходимости модернизации аппаратно-программного комплекса; возникновение необходимости проведения технического обслуживания; выход из строя аппаратно-программного комплекса, вызванный выходом из строя элементов аппаратной или программной базы и другие аварийные ситуации.

АРМ «Медсестра» позволяет среднему медицинскому персоналу, при соответствующей специализированной подготовке, осуществлять первичную диагностику пациента, определять целесообразность направления на обследование к высококлассному специалисту. Разработанное АРМ «Врач» позволяет проводить дифференциальную диагностику с обоснованием.

Построенная логическая модель данных верифицирована в работе при помощи программного инструмента AllFusion Model Validator 7.3.

В медицинской практике традиционно используются следующие оценки качества: чувствительность, точность и специфичность. Здесь • Точность:

Qyy._ количество верных диагнозов

общее количество голеней '

(2)

Специфичность: „ _ количество верных диагнозов группы здоровых " общее количество голеней группы здоровых '

(3)

• Чувствительность:

_ количество верных диагнозов группы больных а общее количество голеней группы больных ' '

Точность диагностики комплекса определяется совокупностью экспертных модулей, дополняющих и компенсирующих недостатки друг друга. В результате тестовых проверок установлено, что в режиме первичной диагностики комплекс обеспечивает: точность - 92%, специфичность - 82%, чувствительность - 94%. В режиме дифференциальной диагностики характеристики аналогичны.

Третья глава «Интеллектуальная часть программно-аппаратного интеллектуального комплекса» посвящена рассмотрению классификатора на основе нейронных сетей.Одной из основных целей ИАПДКВЗ является первичная диагностика, т.е. классификация пациентов на группы «Норма» и «Болен». Для решения данной задачи использовалась система из нескольких экспертных компонент, одна из которыхсозданана базе нейронной сети.

При разработке нейронной сети в данной работе в качестве входных параметров предлагается использовать функции, предоставляющие высокоинформативные качественные

диагностические признаки. Наилучшим оказался следующий набор параметров:

• вектор-функция из 12 ИК температур в положении лежа (Аиклежа);

• вектор-функция, показывающая наличие обнаруживаемых при осмотре пациента болей, отека, кожных изменений, варикозного расширения вен (АЭмп);

• вектор-функция, информирующая о наличии температурных экстремумов (АЭкстр);

• вектор-функция, обеспечивающая некоторые высокоинформативные признаки диагностики (АСтат)-

В качестве системы кодирования выходных значений наилучший результат был получен в случае, если нейронная сеть имела 2 нейрона в выходном слое. Диагноз голени определялся следующим образом: пусть (хьх2) - выходной сигнал двух нейронов; если Х1>Х2, то диагноз «Норма», в противном случае - диагноз «Болен».

В задачах классификации в большинстве случаев используются многослойные полносвязные нейронные сети. В данной работе наилучшей структурой сети оказалась следующая: б нейронов в первом слое и 2 нейрона во втором (Рисунок 5).

Рисунок 5. Многослойная сеть прямого распространения.

В качестве функции активации берется сигмоидальная функция, как показавшая наилучшие результаты в ходе тестирования и наиболее популярная в задачах медицинской диагностики:

*00 = (5)

Обучение сети производилось алгоритмом обратного распространения ошибки.Критерием сходимости является следующее

правило: интенсивность изменений среднеквадратической ошибки в течение эпохи должна быть меньше 1%.

В условиях малой обучающей выборки для верификации нейронной сети было решено воспользоваться методом перекрестной проверки данных.

Оценка качества обучения нейронной сети определялась максимизацией значения у/$раБеа .Сеть обеспечивает точность диагностики 92,82%.

Другим режимом работы комплекса является АРМ «Врач». Его основной целью является классификация голеней пациентов на 4 класса «Норма2/ВБ/ПТБ/ОВТ».

Как и в предыдущем случае, в качестве входных параметров использовались функции от температуры, предоставляющие высокоинформативные качественные признаки заболеваний. Наилучший результат в ходе численных экспериментов был получен для тех же входных векторов-функций, что и описанные ранее, за исключением вектора-функции из 12 ИК температур в положении лежа.

В большинстве случаев в задачах диагностики используется одна нейронная сеть. В данной работе предлагается использовать при дифференциальной диагностике последовательно три нейронные сети (Ошибка! Неизвестный аргумент ключа.).

Нейросеть «Норма2/: , н \ Остальные»

Рисунок бСтруктура НС для дифференциальной диагностики

Выбор последовательности сетей осуществлялся путем вычислительных экспериментов.Наилучший результат был получен для следующей последовательности: первая нейронная сеть отделяет голени с диагнозом «ВБ» от остальных. Вторая нейронная сеть отделяет голени с диагнозом «Норма2» от оставшихся голеней. Третья нейронная сеть отделяет голени с диагнозом «ПТБ» от оставшихся голеней. Оставшимся голеням автоматически ставится диагноз «ОВТ». В качестве системы кодирования выходных значений наилучший результат был получен в случае, если нейронная сеть имеет 1 нейрон в выходном слое нейронов.

Оценка качества обучения нейронной сети определялась наибольшим значением уР1Р2Р3Р4 , где Р] - доля верно диагностированных голеней группы «Норма2», Р2 - доля верно диагностированных голеней группы «ВБ», Р3 - доля верно диагностированных голеней группы «ПТБ», Р4 - доля верно диагностированных голеней группы «ОВТ». Здесь

где D¡ - количество верно диагностированных голеней ьй группы, а Ы, -общее количество голеней группы.

Наилучшей структурой нейронной сети в результате тестирования оказалась следующая: 5 нейронов в первом слое и 1 нейрон во втором. Точность диагностики составила 66,25%.

Разработанный комплекс является автоматической системой поддержки принятия диагностических решений врача. Поэтому точность дифференциальной диагностики есть точность принятия диагностических решений врачом при использования комплекса. В профессиональном режиме были получены следующие результаты: точность - 95%, специфичность - 89%, чувствительность - 98%.

Список опубликованных работ по теме диссертации:

Журналы, рекомендованные ВАК:

1. Веденяпин Д.А., Лосев А.Г. Об одной нейросетевой модели диагностики венозных заболеваний // Управление большими системами. 2012. № 39. С. 219-229.

2. Веденяпин Д.А., Лосев А.Г. Применение искусственных нейронных сетей в диагностике венозных заболеваний // Вестник новых медицинких технологий. 2012. Т. XIX. № 2. С. 241-242.

Прочие публикации:

1. Анисимова Е.В., Веденяпин Д.А., Замечник Т.В., Ларин С.И., Лосев А.Г., Черкасов A.C. Интеллектуальная система комбинированной термометрии диагностики варикозных заболеваний // Тезисы докладов X Всероссийской конференции "Биомеханика-2010". Саратов. 2010. С. 25-26.

2. Веденяпин Д.А., Замечник Т.В., Ларин С.И., Лосев А.Г., Овчаренко Н.С., Чудин Я.С. Экспертный комплекс комбинированной термометрии в диагностике венозных заболеваний // Тезисы докладов Всероссийской школы-семинара "Методы компьютерной диагностики в биологии и медицине - 2007". Саратов. 2007. С. 48-51.

3. Веденяпин Д. А., Лосев А.Г. Нейросети в диагностике венозных заболеваний // Мультиконференция управление большими системами 2011. Москва. 2011. Т. 3. С. 115-119.

4. Веденяпин Д.А., Ставров Т.А. Интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний // XXV Международная научная конференция математические методы в технике и технологиях: тез. докл. междунар. науч.-практ. конф. Волгоград. 2012.

5. Веденяпин Д.А. Использование байесовского классификатора с инвариантными признаками в диагностике венозных заболеваний // XVII региональная конференция молодых исследователей Волгоградской области. Волгоград. 2012. С. 8-

П-

6. Веденяпин Д.А. Нейросети в экспертном диагностическом комплексе комбинированной термометрии // XV конференция молодых исследователей Волгоградской области. Волгоград. 2010. С. 3.

7. Веденяпин Д.А. Разработка экспертного комплекса диагностики заболеваний нижних конечностей // Материалы научной сессии. Волгоград. 2010. Т. 6. С. 98-101.

8. Лосев А.Г., Анисимова Е.В., Веденяпин Д.А., Ставров Т.А. Интеллектуальный комплекс диагностики венозных заболеваний // Теоретические и прикладные вопросы современных информационных технологий: тез. докл. науч. конф. Улан-Удэ. 2012. С. 72-74.

Подписано в печать 25.01.2013 г. Формат 60x84/16. Бумага офсетная. Гарнитура Тайме. Усл. печ. л. 1,1. Тираж 150 экз. Заказ 24.

Издательство Волгоградского государственного университета. 400062 Волгоград, просп. Университетский, 100. E-mail: izvolgu@volsu.ru

Волгоградский государственный университет

На правах рукописи

04201357501

Веденяпин Дмитрий Александрович

Интеллектуализация процесса диагностики венозных заболеваний

05.13.01 - «Системный анализ, управление и обработка информации

(промышленность)»

Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель Д.ф.-м.н., профессор Лосев А.Г.

Волгоград - 2013

Оглавление

Введение.....................................................................................................4

Глава 1. Комбинированная термометрия..........................................24

1.1 Физические процессы, на основе которых базируется комбинированная термометрия...............................................................24

1.2 Физиологические процессы, на основе которых базируется комбинирования термометрия.............................................34

1.3 Значимые признаки венозных заболеваний нижних конечностей...............................................................................................44

1.4 Внешние условия, влияющие на комбинированную термометрию..............................................................................................53

1.5 Заключение.....................................................................................73

Глава 2. Программная часть интеллектуального комплекса...........75

2.1 Общие сведения.............................................................................75

2.2 Цели и методология разработки системы...................................79

2.3 Основные технические решения..................................................81

2.4 Проведение экспериментальных исследований интеллектуального диагностического комплекса...............................108

2.5 Заключение...................................................................................110

Глава 3. Интеллектуальная часть экспертного комплекса............111

3.1 Нейронные сети в медицине......................................................111

3.2 Строение нейронных сетей........................................................112

3.3 Нейронная сеть-классификатор «Норма/Болен».....................125

3.4 Нейронная сеть-классификатор «Норма2/ВБ/ПТБ/ОВТ».......136

3.5 Заключение...................................................................................143

Список литературы...............................................................................145

Приложение 1. Контекстная DFD- диаграмма А-0...........................155

Приложение 2. Таблица с коэффициентами, полученными с помощью метода наименьших квадратов для каждой точки.....................166

Приложение 3. Результаты сравнения различных нейронных сетей при диагностике "Норма/Болен"....................................................................167

Приложение 4. Таблица с частотой встречи минимума или максимума в каждом положении термометра в каждом классе обучающей выборки............................................................................................................235

Введение

Актуальность темы. Заболевания вен нижних конечностей в настоящее время представляют собой медицинскую и социальную проблему чрезвычайной важности. По данным разных авторов признаки заболеваний в той или иной степени выраженности имеют до 90% женщин и до 65% мужчин из числа жителей развитых стран. Большое исследование, выполненное в 1999 году в Эдинбурге [11], показало наличие варикозно-расширенных вен нижних конечностей у 40% женщин и 32% мужчин. Эпидемиологическое исследование, проведенное в 2004 году в Москве [65], продемонстрировало, что 67% женщин и 50% мужчин имеют хронические заболевания вен нижних конечностей. Исследование, проведенное в 2008 году в другом регионе РФ - на полуострове Камчатка, показало схожую ситуацию: хронические заболевания вен нижних конечностей чаще встречались у женщин (67,5%), чем у мужчин (41,3%) [87]. Ряд симптомов, характерных для данного типа заболеваний, существенно снижают качество жизни и социально-профессиональную активность больных, утрачивается привычное ощущение «здорового благополучия». К тому же, необходимо учитывать, что в значительном числе случаев у больных развиваются осложненные формы венозной недостаточности, сопровождающиеся стойкой и длительной инвалидизацией пациентов. При этом специалистов-флебологов, которые могли бы правильно диагностировать данные заболевания - не хватает, а специалистов, оснащенных современным оборудованием - еще меньше.

В связи с вышесказанным, своевременная и точная диагностика венозных заболеваний относится к числу наиболее сложных и актуальных проблем в современной медицине. На протяжении многих лет руки были единственным инструментом врача для обследования пациента с варикозной болезнью. Впрочем, применение в клинической практике на

протяжении продолжительного времени достаточно

высокоинформативных методов (ультразвуковое дуплексное сканирование, авторадиография, электронная и контактная микроскопия, рентгенологические методы), в силу ряда объективных и субъективных причин, не решили проблему ранней диагностики и динамического контроля над течением венозных заболеваний. Одной из основных причин последнего является недостаток априорной информации, который приводит к тому, что принятие решений врачом осуществляется в условиях целого ряда неопределенностей.

Актуальность данной работы. Одним из средств повышения эффективности диагностики является автоматизация и интеллектуализация обработки диагностических данных с использованием информационных технологий как средства, позволяющего принять во внимание значительное количество диагностических признаков с учетом их значимости. При данном подходе минимизируются ошибки, связанные с субъективными факторами, такими как усталость врача, недооценка значимости отдельных симптомов и т.д.

Указанные выше проблемы можно решить созданием интеллектуального аппаратно-программного комплекса диагностики венозных заболеваний, который должен обладать невысокой ценой, простотой в применении, безопасностью, как для пациентов, так и для обслуживающего персонала. Функционирование такого комплекса вполне может быть основано на данных комбинированной термометрии. Под термином комбинированная термометрия понимается биофизический метод неинвазивного исследования, основанный на измерении внутренних и поверхностных температур тканей по интенсивности их теплового излучения в микроволновом (РТ) и инфракрасном (ИК) диапазоне и их последующей регистрации в виде числовых данных.

Важно отметить, что согласно существующим представлениям, изменение температуры ткани обычно предшествует структурным изменениям, которые обнаруживаются при общепринятых методах исследования, поэтому комбинированная термометрия представляет особый интерес для ранней диагностики заболеваний.

При этом, применение математических методов решения задач диагностики, в частности, нейросетевого моделирования, позволяет создать интеллектуальную составляющую комплекса и, как следствие, значительно повысить качество диагностики венозных заболеваний.

Работа выполнена при финансовой поддержке Министерства образования и науки РФ по ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (госконтракт № 16.513.11.3067).

Актуальность темы для решения прикладных задач подтверждается потребностью в разработке специализированных диагностических систем, основанных на алгоритмах и методиках, в том числе позволяющих проводить первичную диагностику без привлечения высококвалифицированных специалистов.

Целью диссертационной работы является повышение эффективности и качества диагностики заболевания вен нижних конечностей по данным комбинированной термометрии, за счет разработки алгоритмов и методик, позволяющих снизить трудоемкость, повысить скорость и точность на этапе первичной диагностики и повторного обследования.

Задачами диссертационной работы являются:

1. исследование особенностей и возможностей данных, полученных методом комбинированной термометрии, в частности, в диагностике венозной болезни нижних конечностей.

2. разработка алгоритмов для решения задач диагностики венозных заболеваний нижних конечностей с помощью нейронных сетей.

3. разработка способа получения входных параметров нейронных сетей, инвариантных к внешним условиям.

4. реализация и апробация предложенных в работе алгоритмов и методик в виде интеллектуального аппаратно-программного диагностического комплекса венозных заболеваний.

Методы исследования. Решение поставленных задач потребовало привлечения подходов и методов статистической обработки данных, распознавания образов, системного анализа, нейронных сетей. Программное обеспечение было разработано с использованием положений объектно-ориентированного проектирования.

Достоверность и обоснованность результатов. Обоснованность и адекватность результатов работы подтверждается их апробацией и результатами внедрения в Волгоградском флебологическом центре профессора Ларина С.И.

Научная новизна полученных результатов, выносимых на защиту, заключается в следующем:

• обоснована целесообразность и эффективность применения аппарата искусственных нейронных сетей диагностики венозных заболеваний по данным комбинированной термометрии;

• разработан алгоритм классификатора на основе нейронных сетей, учитывающий нюансы данных комбинированной термометрии и специфику медицинской диагностики;

• создан интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний по данным комбинированной термометрии;

• разработаны рекомендации для построения диагностических систем, основывающихся на данных комбинированной термометрии.

Практическая значимость работы:

1. На основе предложенных алгоритмов разработан интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний. Комплекс внедрен и применяется в Волгоградском флебологическом центре профессора Ларина С.И.

2. Предложенная методика построения нейронных систем может использоваться в дальнейшем при решении задач диагностики других заболеваний на основе данных комбинированной термометрии.

3. Разработанный комплекс обладает лучшими характеристиками по сравнению с аналогами, представленными на рынке разработчиков медицинского программного обеспечения.

4. Разработана и научно обоснована совокупность методов поддержки принятия решения при диагностике заболеваний по данным комбинированной термометрии, позволяющая повысить качество диагностики.

5. Созданный интеллектуальный аппаратно-программный комплекс не только сможет помочь в решении задач практической диагностики венозных заболеваний, но и послужит прототипом для создания интеллектуальной системы, диагностирующей целый ряд заболеваний по данным комбинированной термометрии.

Основные положения и результаты, выносимые на защиту:

1. Метод подбора входных параметров нейронных сетей, предназначенных для решения задач диагностики по данным комбинированной термометрии.

2. Способ создания архитектуры нейронных сетей, предназначенных для диагностики по данным комбинированной термометрии.

3. Реализованный на основе разработанных методик и алгоритмов интеллектуальный экспертный комплекс.

Внедрение.

1. Интеллектуальный аппаратно-программный комплекс диагностики венозных заболеваний по данным комбинированной термометрии внедрен в Волгоградском флебологическом центре профессора Ларина С.И. и используется для проведения первичной диагностики и обследования вен нижних конечностей пациента.

2. Работа выполнена при финансовой поддержке Министерства образования и науки РФ по ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (госконтракт № 16.513.11.3067).

Апробация работы. Основные положения диссертации докладывались и обсуждались на Всероссийской школе-семинаре «Методы компьютерной диагностики в биологии и медицине - 2007» (Саратов, 2007 г.) [44], X Всероссийской конференции по биомеханике «Биомеханика 2010» (Саратов, 2010 г.) [37], Международной научно-практической конференции «Управление большими системами» (Москва, 2011) [45], XXV Международной научной конференции математических методов в технике и технологиях (Волгоград, 2012 г.) [48], XI Всероссийской научно-технической конференции «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2012 г.) [85], региональных конференциях молодых исследователей Волгоградской области (Волгоград, 2010-2012 гг.); конференциях профессорско-преподавательского состава ВолГУ (Волгоград, 2009-2012 гг.), научных семинарах ВолГУ и ВолГТУ [49], [50], [51].

Личный вклад автора. Выбор направления исследования определялся совместно с научным руководителем. Результаты получены автором лично. Анализ и интерпретация результатов осуществлялись совместно с научным руководителем.

Публикации. По материалам диссертационной работы опубликовано 10 печатных работ, две из которых в изданиях из списка ВАК РФ [46], [47].

Объем и структура работы. Диссертация изложена на 154 страницах машинописного текста, содержит 8 таблиц, 43 рисунка и состоит из введения, 3 главы, заключение, список использованной отечественной и иностранной литературы, включающий 112 наименований.

Основное содержание работы.

Во введении обосновывается актуальность работы, дается краткая характеристика темы, формулируются цель и задачи исследования, представлены основные научные результаты, выносимые на защиту.

В первой главе «Комбинированная термометрия» описана методика комбинированной термометрии, физические принципы, лежащие в ее основе и описаны диагностические признаки.

В течение последних нескольких лет разрабатывается методика обследования нижних конечностей с помощью комбинированной термометрии (см.: [39], [61], [86]). Обследование пациентов проводится посредством последовательного измерения кожной (ИК) температуры и глубокой микроволновой термометрии (РТМ) в 12 симметричных точках, расположенных по задней поверхности обеих голеней пациента, в положении пациента «лежа на животе» и «стоя». Точки измерения были выбраны, исходя из анатомического строения голени и внутреннего кровотока ноги (Рисунок 1), следующим образом:

Рисунок 1. Схема расположения точек измерения температуры по задней поверхности голеней

Первые три точки расположены: на вершине латеральной головки икроножной мышцы (1), в подколенной ямке (2), на вершине медиальной головки икроножной мышцы (3). Второй ряд точек расположен: по центру латеральной головки икроножной мышцы (4), между головками икроножной мышцы (5), и по центру медиальной головки икроножной мышцы (6). Третий ряд точек расположен в нижней части икроножной мышцы - латерально (7), в центре (8) и медиально (9). Последние точки измерения температуры находятся на наружной стороне ахиллова сухожилия в области латеральной лодыжки (10), по центру ахиллова сухожилия (11) и по его внутренней поверхности в области медиальной лодыжки (12).

После анализа полученной информации о температурных полях голени, в частности с помощью термокарт (см., например, Рисунок 2), врач ставит диагноз пациенту и, при необходимости, направляет пациента на дальнейшее обследование более дорогостоящими и/или небезопасными методами.

■gA 23 В результате термометрических исследований,

которые проводились в течение последних нескольких лет, формировалась база данных пациентов. Со временем она менялась, пополнялась, уточнялась. На данный момент база состоит из контрольной группы здоровых и группы больных с различной патологией вен нижних конечностей. На ее основе, с помощью экспертных оценок и статистического анализа, была создана 1 : 12 обучающая выборка, которая была разделена на 2 Рисунок 2 контрольные группы - группу голеней здоровых

Термокарта пациентов (Норма) и группу больных венозной болезнью. ноги Группа больных, в свою очередь, была разбита на 4

подгруппы в зависимости от степени заболевания: варикозная болезнь (ВБ), посттромботическая болезнь (ПТБ), острый венозный тромбоз (ОВТ), здоровые голени больных пациентов (Норма-2).

На основе анализа диагностических мероприятий, проводимых врачами при диагностике различных заболеваний с помощью данных комбинированной термометрии, и в результате статистической обработки данных, были найдены наборы функций, описывающие наличие аномально горячих и аномально холодных зон, степень симметрии температурных полей и т.д. (см., например, [39], [86]).

Например, глубинные (РТ) и поверхностные (ИК) температуры по медиальной и латеральной поверхности голеней у здоровых пациентов распределяются симметрично относительно центральной оси голени в любом положении, т.е. латерально-медиальный градиент не выявляется. У больных это наблюдается далеко не всегда. При некоторых диагнозах (например, при варикозной болезни большой стадии) наличие латерапьно-медиального градиента достаточно характерно. Или другой пример: у

здоровых пациентов чаще всего вторая точка является самой горячей среди всех 12 точек голени [82]. У больных это выполнено реже.

В работе сформированы несколько групп таких функций, из к�