автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Исследование и разработка автоматизированной системы формирования диагностических заключений по сцинтиграммам печени на основе их описания

ВВЭДЕНИЕ

1. ПОСТАНОВКА ЗАДАЧИ РАЗРАБОТКИ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ФОРМИРОВАНИЯ ДИАГНОСТИЧЕСКИХ ЗАКЛЮЧЕНИЙ ПО СЦИНТИГРАММАМ ПЕЧЕНИ

1.1. Состояние проблемы построения автоматизированной системы формирования диагностических заключений . ^

1.2. Унификация формы медицинского заключения по сцинтиграммам печени

1.3. Исследование возможностей применения методов классификации контурных изображений к задаче автоматизированного описания сцинтиграмм . со

1.4. Постановка задачи .:.^б

Выводы

2. ИССЛЕДОВАНИЕ СВОЙСТВ ЯЗЫКОВЫХ КОНСТРУКЦИЙ С ЦЕЛЬЮ ИХ ПРИМЕНЕНИЯ ДЛЯ АВТОМАТИЗИРОВАННОГО ОПИСАНИЯ ФОРШ КОНТУРНЫХ ОБЪЕКТОВ

2.1. Анализ типов итерационных выражений для описания формы контурных объектов

2.2. Исследование формально-грамматических свойств цепочек, принадлежащих множествам и ¿

2.3. Исследование формально-грамматических свойств цепочек множеств ¿/з

2.4. Анализ свойств цепочек, принадлежащих множествам и ¿/5

2.5. Вероятностные свойства цепочек итерационных множеств

Выводы

3. ОБОСНОВАНИЕ И РАЗРАБОТКА МЕТОДИКИ АВТОМАТИЗИРОВАННОГО

ФОРМИРОВАНИЯ ДИАГНОСТИЧЕСКИХ ЗАКЛЮЧЕНИЙ ПО СЦИНТИ

ГРАММАМ ПЕЧЕНИ

3.1. Разработка алгоритма восстановления регулярных выражений для описания формы контурных объектов

3.2. Оценка качества работы структурного анализатора контурных объектов .???.

3.3. Методика построения структурного анализатора формы контурных объектов .}??.

Выводы

4. РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ФОРМИРОВАНИЯ ДИАГНОСТИЧЕСКИХ ЗАКЛЮЧЕНИЙ

ПО СЦИНТИГРАММАМ ПЕЧЕНИ .I??.

4.1. Автоматизированная система формирования диагностических заключений по сцинтиграммам печени

4.2. Специальное математическое обеспечение формирования заключений по медицинским параметрам сцинтиграмм печени .??}.

4.3. Методика автоматизированного формирования диагностических заключений по сцинтиграммам печени ,.161.

4.4. Экспериментальное исследование автоматизированной системы формирования диагностического заключения по сцинтиграммам печени на основе их описания

Выводы

Научно-техническая революция вызывает коренные преобразования во всех отраслях производства и оказывает существенное воздействие на все стороны общественной жизни. Это в полной мере относится и к службам здравоохранения.

Внедрение вычислительной техники и автоматизированных систем переработки информации в медицинскую и клиническую практику позволит так перераспределить функции между человеком и машиной и организовать их совместное взаимодействие, чтобы обеспечить повышение качества и сокращение стоимости и сроков постановки диагноза, существенно изменить характер труда врача и среднего медицинского персонала.

По данным Всемирной организации здравоохранения рак, как причина смертности людей, занимает второе место после болезней сердца. Лечение больных злокачественными опухолями является одной из наиболее актуальных и трудных проблем современной медицины, при этом успех лечения во многом определяется правильной исвоевременной диагностикой. Однимииз наиболее перспективных методов обнаружения злокачественных образований являются методы радиоизотопной диагностики, в частности сцинтиграфии печени. Методы радиоизотопной сцинтиграфии печени позволяют получить с минимальной опасностью для пациента значительную информацию о состоянии органа на основании изучения картин распределения радиоизотопного иддикатора, представляющих собой полутоновые изображения.

Актуальность проблемы.

Несмотря на то, что радиоизотопные методы исследования нашли широкое применение в медицинской практике, до настоящего времени наиболыпое распространение получила интерпретация сцинтиграглм печени, основанная на визуальном анализе. При этом целый ряд субъективных и объективных факторов вызывает 30$ ошибок при классификации врачом сцинтиграмм печени класса "норма" и 6,5$ ошибок при классификации сцинтиграглм класса "патология". Наличие субъективного фактора приводит к необходимости автоматизации процесса формирования диагностических заключений.

Существующие системы автоматизированной обработки сцинтиграглм печени либо осуществляют улучшение визуального восприятия либо рассматривают некоторые частные вопросы принятия диагностических решений. И то и другое уже не удовлетворяет медицинским требованиям. Процесс формирования диагностического заключения врачом включает описание целого ряда медицинских признаков сцинтиграмм печени, классификацию каждого признака в отдельности и формирование общего вывода о состоянии органа. Всвязи с этим актуальной является задача автоматизации процесса формирования полного медицинского заключения.

Цель работы.

Целью данной работы является исследование и разработка методов и программных средств автоматизации процесса формирования полного медицинского заключения и разработка на базе типового набора технических средств радиоизотопной диагностики автоматизированной системы формирования диагностических заключений по сцин-тиграммам печени (АСФДЗ). Результаты функционирования системы должны отвечать выработанным медицинским требованиям как по перечню параметров, так и по качеству формируемых заключений. При этом увеличение времени, затрачиваемого на обследование одного пациента, обусловленное формированием заключения, не должно приводить к уменьшению пропускной способности отделений радиоизотопной диагностики.

Научная новизна.

Всвязи с поставленной задачей автором были впервые разработаны :

- методика автоматизированного формирования диагностических заключений по сцинтиграммам печени, удовлетворяющая всем заданным медицинским требованиям;

- методы предварительной обработки сцинтиграмм печени и методы автоматического описания всех вошедших в медицинские требования параметров сцинтиграмм;

- метод определения класса грамматик, в котором следует искать решение задачи классификации формы изображения печени;

- метод анализа цепочек стохастических регулярных множеств специального вида и исследование возможности применения аппарата стохастических грамматик для описания контурных объектов на изображениях, в частности для описания контура изображения печени;

- алгоритм структурного анализатора, методика построения оптимального при заданных ограничениях структурного анализатора, метод оценки качества анализатора с учетом длин обучающих выборок, показана применимость разработанных методик для анализа формы изображения печени.

Впервые было проведено экспериментальное исследование методики формирования диагностических заключений по сцинтиграммам печени.

Практическая ценность работы.

В соответствии с предложенной автором методикой формирования диагностических заключений по сцинтиграммам печени на базе типового набора технических средств радиоизотопной диагностики разработана АСФДЗ. Разработан и отлажен комплекс программ специального математического обеспечения АСФДЗ, состоящий из 27 программных мо,дулей, общим объемом 3300 операторов языка Фортран.

Разработанная система позволяет повысить качество принимаемого диагностического решения о состоянии печени до уровня высококвалифицированного врача за счет исключения влияния субъективного фактора и улучшить условия и организацию труда врача, что приводит к сокращению времени постановки диагноза и к увеличению пропускной способности отделений радиоизотопной диагностики.

Реализация результатов работы.

Разработанная автоматизированная система формирования диагностических заключений по сцинтиграммам печени внедрена в лаборатории радиоизотопной .диагностики (ЛРИД) ВОНЦ АМН СССР и находится в опытной клинической эксплуатации, что подтверждается актом о передаче и актом о внедрении АСФДЗ в ЛРИД ВОНЦ АМН СССР.

В диссертации автор защищает непосредственно им полученные новые теоретические результаты.

1. Методику автоматизированного формирования диагностических заключений по сцинтиграммам печени.

2. Метод определения класса грамматик, в котором следует искать решение задачи анализа формы изображения печени.

3. Метод анализа формально-грамматических свойств цепочек стохастических регулярных множеств, утверждения и теоремы, позволяющие находить образующие итерационных выражений, распознавать объекты итерационных множеств и дополнений к ним; определять число шагов, необходимое для распознавания.

4. Метод анализа вероятностных свойств цепочек итерационных множеств, позволяющий производить разбиение цепочек сложного контурного объекта на совокупность подцепочек, каждую из которых можно описать итерационным выражением заданного вида.

5. Алгоритм структурного анализатора, алгоритм вычисления функции качества анализатора, методику построения оптимального при заданных огранчениях структурного анализатора, применимость разработанной методики для решения задачи анализа формы изображений печени.

Апробация работы.

Материалы диссертации докладывались на:

- I Всесоюзной конференции "Автоматизированные системы обработки изображений (АСОИд-81), г.Москва, 1981г.;

- У1 Всесоюзной конференции "Измерение в медицине и их метрологическое обеспечение", г.Москва, 1981г.;

- П Всесоюзной научно-технической конференции "Проблемы техники в медицине", г.Тольятти, 1981г.;

- Всесоюзной конференции "Проблемы разработки и производства технических средств для оснащения радиодиагностических центров", г.Москва, 1981г.;

- региональной конференции "Обработка изображений и дистанционные исследования", г.Новосибирск, 1981г.;

- секции радиоизотопной диагностики Московского научного общества рентгенологов и радиологов, 1983г.;

- школе по радиоизотопной диагностике, г.Москва, 1983г.;

- 29,30 научных конференциях преподавателей, сотрудников и студентов МИФИ; 1981, 1983г.;

- сессии отделения ядерной физики АН СССР, 1982г;

- научных семинарах в ЛРИД ВОЩ АМН СССР, 1981г., 1982г.;

- научном семинаре каф. АСУ МИФИ, 1981г.

Система экспонировалась на ВДНХ СССР в павильонах "Атомная энергия" и "Здравоохранение". Экспозиция "Автоматизированный анализ сцинтиграмм печени в онкологии" на выставке в павильоне "Здравоохранение" в 1983 г. была удостоина бронзовой медали.

Публикации.

По результатам .диссертационной работы было опубликовано 6 печатных работ. Результаты исследований отражены в 3 отчетах о НИР.

Структура работы.

Данная диссертация состоит из введения, четырех глав, заключения и приложения.

Выводы

1. В результате проведенных автором исследований разработана методика автоматизированного формирования диагностических заключений по сцинтиграммам печени.

2. По разработанной методике для типового набора технических средств отделений радиоизотопной диагностики разработан комплекс алгоритмов специального математического обеспечения системы формирования диагностических заключений по сцинтиграммам печени. Для реализации алгоритмов был разработан и отлажен комплекс программ, состоящий из 27 программных модулей, общим объемом 1770 операторов языка Фортран. Объем программного комплекса для настройки параметров системы формирования диагностических заключений составляет 1530 операторов языка Фортран.

3. С целью проверки качества работы автоматизированной системы формирования диагностических заключений по сцинтиграммам печени и принятия решения о целесообразности ее использования в клинической практике ЛРИД ВОНЦ ЖН СССР были проведены опытные клинические испытания на материале из 415 сцинтиграмм. Время формирования и распечатки одного заключения составило 3 мин. Время необходимое для настройки параметров системы на выборке из 100 сцинтиграмм не превышает 15 глин, (на ЭВМ типа РДР-И/34).

4. Результаты опытной клинической эксплуатации показали, что качество машинной диагностики сцинтиграмм передней проекции находится на уровне высококвалифицированного врача, при этом применение системы в клинической практике позволяет улучшить организацию работы и условия труда врача-радиолога.

5. Экспериментальное исследование алгоритмов структурного анализатора на массиве реальных сцинтиграмм подтвердило правильность теоретических исследований автора. Верхняя граница доверительного интервала оценки ошибки анализатора составила 0.3, при доверительной вероятности 0.95. Вероятность правильного распознавания формы изображения печени на контрольной выборке (315 сцинтиграмм) составила 0.84.

Достоинством структурного анализатора является простота его реализации. Объем программы структурного анализатора составил 270 операторов языка Фортрана. Время анализа формы изображения печени с требуемым качеством составляет на ЭВМ РДР-П/34 менее I мин.

6. Экспериментальное исследование автоматизированной системы формирования диагностических заключений по сцинтиграммам показало, что система удовлетворяет всем заданным медицинским требованиям.

ЗАКЛЮЧЕНИЕ

В диссертации были решены следующие задачи.

1. Разработанные структура и состав автоматизированной системы формирования диагностических заключений по сцинтиграммам печени позволили реализовать весь перечень медицинских требований и производить декомпозицию системы.

2. На основании анализа состояния проблемы обработки и классификации изображений было показано, что при разработке автоматизированной системы формирования диагностических заключений наиболее важной, но недостаточно исследованной, является задача классификации формы изображения печени, что вызвало необходимость сосредоточить основное внимание на решении этой задачи.

3. Показано, что для решения задачи классификации формы изображения печени целесообразно применять структурный подход.

4. Проведенные исследования позволили сделать вывод, что восстановление грамматики для классификации формы изображения печени нельзя осуществлять в классах автоматных и контекстносво-бодных грамматик. Для решения поставленной задачи следует использовать анализатор, разбивающий контур сложного объекта на участки (длины участков запоминаются)^ каждый из которых соответствует одному итерационному стохастическому выражению.

5. Проведен анализ типов итерационных выражений, что позволило выделить те из них, которые могут встретиться при решении задачи классификации формы изображений печени.

6. Разработан метод исследования формально-грамматических свойств цепочек итерационных множеств определенного вида. На его основании доказаны утверждения, позволяющие находить образующие итерационных выражений; распознавать цепочки итерационных множеств и дополнений к ним; определять число шагов в алгоритме, необходимое для распознавания. На основании проведенных исследований в двухсимвольном и трехсимвольном алфавитах составлены таблицы, ставящие в соответствие свойствам цепочек их итерационные выражения.

7. Проведено исследование вероятностных свойств цепочек различных итерационных множеств. Показано, что средняя по множеству цепочек вероятность появления на произвольной позиции любой возможной комбинации терминальных элементов постоянна и не зависит от номера позиции. Это позволяет осуществлять разбиение цепочек, описывающих сложный объект, на подцепочки, каждая из которых может быть описана одним итерационным выражением.

8. Для распознавания цепочек итерационных множеств со степенью вложенности больше двух и дополнений к ним предложена модель статистического классификатора. Проведено сравнение затрат по объему памяти, необходимой для хранения параметров структурных и статистических классификаторов формы контурных объектов. Для реализации структурного анализатора требуется память почти в 200 раз меньшая, чем для статистического классификатора.

9. Получены аналитические выражения для ошибок распознавания и дискриминантных функций, соответствующие выбранным видам итерационных выражений. Разработан алгоритм вычисления функции качества структурного анализатора контурных объектов. Проведено исследование свойств функции качества в зависимости от типов грамматик и их параметров, что позволило разработать алгоритм построения структурного анализатора формы контурных объектов, осуществляющий направленный перебор грамматик и обеспечивающий достижение решения, оптимального, при заданных ограничениях.

10. Разработана методика построения структурного анализатора контурных объектов и показана применимость этой методики для решения задачи анализа формы изображений печени.

11. Полученный в результате применения разработанной методики структурный анализатор задается последовательностями из итерационных выражений со степенью вложенности i . Алгоритм распознавания с помощью такого анализатора представляет собой проверку принадлежности объекта некоторому классу в соответствии с небольшим числом линейных решающих правил.

12. Разработана методика автоматизированного формирования диагностических заключений по сцинтиграммам печени, включающая предварительную обработку сцинтиграмм, автоматическое определение и классификацию размеров изображений печени и селезенки, смещения изображения печени, анализ формы изображения печени, определение степени внепеченочного захвата и формирование общего вывода о состоянии органа.

13. По разработанной методике для типового набора технических средств отделений радиоизотопной диагностики разработан и отлажен комплекс алгоритмов и программ специального математического обеспечения системы формирования диагностических заключений по сцинтиграммам печени. Программный комплекс включает 27 модулей общим объемом 3300 операторов языка Фортран.

14. С целью проверки качества функционирования АСФДЗ были проведены опытные клинические испытания системы в Л РИД ВОНГД

АМН СССР на материале из 415 сцинтиграмм. Время формирования одного заключения на ЭВМ РДР-П/34 составило 3 мин. Время, необходимое для настройки параметров системы на выборке из 100 сцинтиграмм не превышает 15 мин. Результаты опытной клинической эксплуатации показали, что качество машинной диагностики сцинтиграмм передней проекции находится на уровне высококвалифицированного врача, при этом применение системы в клинической практике позволяет улучшить организацию и условия труда врача-радиолога.

15. Экспериментальное исследование алгоритмов структурного анализатора на массиве реальных сцинтиграмм подтвердило правильность теоретических исследований автора. Вероятность правильного распознавания формы изображения печени составила 0.84.

Достоинством анализатора является простота его реализации. Объем программ классификации формы изображения печени составил 270 операторов языка Фортран. Время анализа формы изображения печени с требуемым качеством составляет на ЭВМ типа РДР-П/34 менее I глин.

16. Экспериментальное исследование АСФДЗ показало, что система удовлетворяет всем заданным медицинским требованиям.

1. Челышев М.М. Исследование некоторых вопросов построения распознающих систем для решения задач медицинской диагностики по материалам радиоизотопного сканирования. Диссертация на соискание ученой степени кандидата технических наук. М.: 1976, 234 с.

2. Видюков В.И. Методы объективизации сцинтиграмм печени. -Автореферат диссертации на соискание ученой степени кандидата биологических наук. М.: 1977, 20 с.

3. Oberhausen Е., Newmann K.J., ochiffer W. Method for adinsting the Auger camera. Med. Radioisotope Scintigraphy. Proc.Symp. Salzburg, 1968, 1, IAEA, Vienna,1969, 14-5 p.

4. Зубовский Г.А., Павлов В.Г. и др. Влияние фактора динамической нерезкости на скеннографическую информацию. Мед. радиология, 1970, 6, 41 - 49с.

5. Kraisler J.К., Vollert J.M., Harper P.V. The diagnostic 'v^ilue of hipatic pliability as assessed from inspiration and expiration views on the gamma-camera. Radiology,1970, 97/2, 323-326 p.

6. Macintyre W.J., Reiali A.M., Christie J.H., Gott F.3., Houser T.3. Technigues for visualisation of internal organs by ал automatic radioisotope scanning system. -Int.J.Appl.Radiat.Isotopes, 1958, 3, 193 P

7. Brown D.Vi. Digital computer analysis and display of the radioisotope scan. J.Hue.Med., 1964, 5, 802-807 p.

8. Brown D.W., Kirch D.R. Computer processing of radioisotope scaus using the Fourier and other transformations. J.

9. Nucl.Med., 1971, 12, 287-291 p.

10. Barber D.C., Mallard J.P. Data processing of radioisotope images for optimum smoothing. Physics Med.Bid., 1971, 16, 635-644 p.

11. Macintype W.J. Advauces in data-processing techniques. Medical Radioisotope Scintigraphy. Proc.Symp.Monte-Carlo, 1972, 1, IAEA, Vienna, 1973, 421-442 p.

12. Pizer S.M., Vetter H.G. The problems of display in the visualisation of.radioisotope distributions. J.Nucl. Med., 1966, 7, 773-777 p.

13. Pizer S.M. , "Vetter H.G. Processing radioisotope scan. -J.Nucl. Med., 1969, 10, 150-154 p.13» Tauxe V;.ri. 100-level smoothed scientiscaus processed and produced by a digital computer. J.Nucl. Med., 1968, vol. 9, 2, 58-63 p.

14. Jordau K., Geiser S. Data Display in scintigraphy bymeans of high-speed electrostatic digital protter and special computer averaging techniques. Medical Radioisotope Scintigraphy. Proc.Symp. Monte-Carlo, 1972, 1, IAEA, Vienna, 1973, 635-652 p.

15. Iinuma T.A. , Nagai T., Fukuda N. Digital data processing and display in radioisotope scan data by photographic and dimensional computer techniques. Medical Radioisotope Scintigraphy. Proc.Symp. Salzburg, 1968, IAEA, Vienna, 1969, 715-721. p.

16. Iinuma T.A., Nagai T. Image restoration in radioisotope imaging systems. Physics.Med. Biol., 1967, 12,501-508 p.

17. Budinger T.F. Clinical and research quantitative nuclear medicine system. Medical Radioisotope Scientigraphy,1972, Proc. Symp. Monte-Carlo, 1972, IAEA, Vienna,1973, 501-555 P.

18. Adams R., Braun E.J., Finney G. Computer processing of image data with color-coder isocount contour display. J.Nucl. Med., 1970, 11, 380 p.

19. Keyers W.T., Barber D.C. Quantitative Multi level Display of Radioisotope Scan Data via a Small Digital Computer. - Phys. Med. Biol., 1973, 18, 1, 133-137 p.

20. Игнатьев У.В., Серебрянный Э.Г. и др. Идентификация онкологических поражений на сцинтиграммах. Мед.радиология, 1970, I, 43-44с.

21. Серебрянный Э.Г. Метод объективной оценки сцинтиграмм. -Мед.радиология, 1969, 7, 44-45с.

22. Бялик Г.й., Телевидение. Л.:Лениздат, I960, 324с. 23« Дмоховский В.В. Основы рентгенотехники. - М.:Медгиз,1.60, 351с.

23. Зусманович В.М. Свет и цвет в телевидении. М.^Е.: Энергия, 1964, 208с.

24. Kilikovvsky J. Adaptive visual signal preprocessor witha finitl number of states. IEEE Trans. Systems Science and Cybernatics, 33C-2, 1966, 96-99 p.

25. Grassman E.g., Horgan J.D. , Meade R. C. ^Quantitative Analysis of liver scan data as an Aid to diagnosis. -Radiology, 1970, 95, 517-523 P

26. Fujii 3. , Kaneda Y. ARI image processing system for diagnosis of liver diseases. Radiology, 1978, 81, 455-469 p.

27. Snaider J., Erjavec M., Kernel G. Data Processing in liver scintigraphy. Medical Radioisotope Scintigraphy, 1972, IAEA, Vienna, 1973, VII, 97-108 p.

28. Меиер В.П.,Калантаров К.Д.,Элькинд э.Ю. Выявление очагов анамалъного накопления радиоактивности на сцинтиграммах с помощью ЭВМ.-Мед.радиология,1974,4,57-65с.

29. Павлов В.Г. Расчет достоверности регистрации очаговых поражений внутренних органов.- Медицинская радиология, 1975, П,69-72с.

30. Вайрадян A.C.Челышев М.М. и др. Применение перцептронных алгоритмов для решения одной задачи радиоизотопной диагностики.- Мед.радиология,1972,8,33-38с.

31. Айзерман М.А.»Браверман Э.М.»Розоноэр JI.M. Метод потенциальных функций в теории обучения машин.- М.:Наука, 1970, 383с.

32. Дорофеюк A.A. Обучение машин распознаванию образов без поощрения.- Вопросы технической кибернетики.- М.:Наука, 19бб,Ю2-115с.

33. Башкиров O.A.»Браверман Э.М.,Мучник И.В. Алгоритмы ооуче-ния машин распознаванию зрительных образов, основанныена использовании потенциальных функций.- Автоматика и телемеханика,1977,II,84-91с.

34. Браверман Э.М. Метод потенциальных функций и задачи обуче ния машин распознаванию образов без учителя.- Автоматика и телемеханика,1966,10,100-121с.

35. Вайрадян A.C.Виноградов В.А.,Золотухина Е.Б. и др. Система автоматизированной дискриминации сцинтиграмм печени на заданное число классов.- Медицинская радиология,1982, 11,61-ббс.

36. Евдонин С.Е.,Костылев В.А. и др. Метод автоматизированной двоичной дискриминации сцинтиграмм печени.- Медицинская радиология,1979,12,57-62с.

37. Pujii о., Kaneda Y. A study on computerised differential diagnosis of diffuse liver diseases by pattern characterization. Radiology, 1979, 34, 290-294 p.

38. Касаткин Ю.Н. Сцинтиграфическая семиотика диффузных и очаговых поражений печени^ (Применение сцинтилляционной гамма-камеры в клинической диагностике). Автореферат диссертации на соискание ученой степени доктора медицинских наук. М.: 1975, 34 с.

39. Зубовский Г.А. Гаммасцинтиграфия. М.: Медицина, 1978, 251 с.

40. Зубовский Г.А., Павлов В.Г. Скенирование внутренних органов. М.: Медицина, 1973, 168 с.

41. Фу К. Структурные методы в распознавании образов. М.:1. Мир, 1977, 319 с.

42. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1974, 415 с.

43. Ту Дж., ГонсалесР. Принципы распознавания образов. М.: Мир, 1978, 411 с.

44. Дуда Р., Харт П. Распознавание образов и анализ сцен.- М.: Мир, 1976, 511 с.

45. Фу К. Последовательные методы в распознавании образов и обучении машин. М.: Наука, 1971, 255 с.

46. Галушкин А.И. Синтез многослойных систем распознавания образов. М.: Энергия, 1974, 367 с.

47. Минский М., Пейперт С. Персептроны. М.: Мир, 1971,261 с.

48. Дорофегок А.А. Алгоритмы автоматической классификации (обзор). Автоматика и телемеханика, 1971, 12, 78-ПЗс.

49. Классификация и кластер. / под ред. Вэн Райзина Дж.- М.: Мир, 1980, 389 с.51* Генчи X., Мори К., Ватанабе С. и др. Распознавание рукописных цифр при автоматической сортировке писем. -ТИИЭР, 1968, 56,8 12 с.

50. Lee Н.С., Fy K.S. A stochastic syntax analysis procedure and its application to pattern classification. IEEE Trans,Computers, C-21, 1972, 660-666 p.

51. Автоматический анализ сложных изображений./ под ред. Э.М.Бравермана. М.: Мир, 1969, 308 с.

52. Anderson R.H. Syntax-Derected recognition of handprinted two-dimensional mathematics. Appl. Phys., Haward Univ., Cambridge, Massachusetts, 1968.55» Syntactic pattern recognition, applications. /Ed. K.S.Fy- New York: Springer, 1977»

53. T.Pavliolis. Structural pattern recognition. New York: Springer, 1977'

54. Хомский H. Три модели описания языка. Кибернетический сборник, 1961, 2, 237-266 с.

55. Хомский Н. О некоторых формальных свойствах грамматик.- Кибернетический сборник, 1962, 5, 279-312 с.

56. Хомский Н., Миллер Д. Язык с конечным числом состояний.- Кибернетический сборник, 1962, 4, 231-255 с.во. Хомский Н. Формальные свойства грамматик. Кибернетический сборник. Новая серия, 1966, 2, 121-230 с.

57. Fy K.S. Syntactic pattern recognition and stochastic languages. In: Frontiers of pattern recognition /ed.

58. S.Watanabe. Iiew York, 1972.

59. РозенкращД. Программные грамматики и классы формальных языков. Сборник переводов по вопросам информационнойтеории и практики, № 16, М., ВИНИТИ, 1970.

60. Ахо А. Индексные грамматики расширение контекстно-свободных грамматик. - В сб.: Языки и автоматы. - М.:Мир,1975.

61. Shav; А.С. The formal description and parsing of puctures, Rep. SLAC-84, Stanford Linear Accelerator Center, Stanford Univ., Stanford, California, 1968.

62. Shaw A.C. A formal picture description scheme as a basis for picture processing system. Information and Control, 14, 1969, 9-52 p.

63. Fu K.S., Bhargava 3.K. Tree systems for syntactic pattern recognition. IEEE Trans, Comput, С 22, 1973,1087-1099 Р

64. Doner J.E. Tree acceptors and some of their applications. J. Comput. System Sci., 1970, 4.

65. Rounds W.C. Mappings and grammars on trees. J. Math. System Theory, 1970, 4, 257-287 p.69» Pfalts J.L., Rosenfeld A. WeB grammars. - Proc.Int. Joint Conf. Artificial Intelligence 1st. - Washington, 1969, 609-619 P.

66. Pfalts J.L. WeB grammars and picture discription. -Comput. Sci.Center, Univ. of Maryland, 1970, 70-138 p.

67. Montanari G.V. Separable Graphs, Planar Graphs and V/eB-grammars. Comput. Sci. Center, Univ. of Maryland,1969, 69-96 p.

68. Павлидис Т. Иерархические методы в структурном распознавании образов. ТИИЭР, 1979, 67, 39-49 с.

69. Шлезингер М.И. Синтаксический анализ зрительных сигналов в условиях помех. Кибернетика, 1976, 4, II3-I30 с.

70. Feder J. Plex languages. Information Sci., 1971, 3, 225-241 p.-75» Feder J. Languages of encoded line patterns. Information and Control, 1968, 13, 230-244 p.

71. Shaw A.C. A formal picture description scheme as a basis for picture processing system. Information and Control, 1969, 14-, 9-52 p.77* Ota P.A. Mosaic grammars. Pattern Recognition, 1975, vol. 7, 1-2, 61-65 p.

72. Gold E.M. Language identification in the limit. Information and Control, 1967, 10, 447-474 p.79' Crespi-Reghizzi 3. An effective model for grammar inference. IFIP Cong.,Yugoslavia, 1971«

73. Pao T.W. A solution of the Syntactical Induction -Inferece Problem for a Non-Trivial Subset of Context-Free Languages. Moore School of Elec. Eng., 1969*

74. Stanford Univ., Stanford, California, 196787» Biermann A.W., Feldman J.A. On the Synthesis of finite -state acceptors, Stanford Artificial Intelligence Pro j. Memo. AIM-114, Stanford Univ., Stanford, California, 1970.

75. Biermann A.W., Feldman J.A. On the Synthesis of finite-state machines from samples of their behavior. IEEE Trans. Computers, C-21, 1972, 592-597 p.

76. Lee H.C., Fy U.S. Stochastic Linguistics for pattern recognition. Tech. Rep. TR-EE 72-17, School of Elec. Eng., Purdue Univ., Lafayette, Indiana, 1972.

77. Horning J.J. A study of grammatical inference. Tech. Rep. No CS-139, Comput. Sci.Dept., Stanford Univ., California, 1969.91» Horning J.J. A procedure for grammatical inference. -IFIP Congr., Yugoslavia, 1971'

78. Фихтенгольц Г.М. Основы математического анализа, т. I.

79. М.: Физматгиз, 1968, 440 с.

80. Freeman Н. On the encoding of arbitrary geometric configurations. IEEE Trans. Electron. Comput., EC-10, 1961, 260-268 p.99» Freeman H. On the digital-computer classification of geometric line patterns. Proc.Nat. Electron,Conf., 1962, 18, 312-324 p.

81. Гросс M. Лаптен А. Теория формальных грамматик. M.: Мир., 1971, 294 с.

82. Bach Е. An introduction to transformation grammars. -New York; Holt, 1964.

83. Ю2. Гольданский В.И., Куценко А.В., Подгорицкий М.И. Статистика отсчетов при регистрации ядерных частиц. М.: Физматгиз,1959,411с»

84. Ахо А. Ульман Дж. Теория синтаксического анализа, перевода и компиляции, т. I. Синтаксический анализ. М.: Мир, 1978, 612 с.

85. Распознавание образов и обработка изображений. ТИИЭР, 1979, 67, 211 с.

86. Крамер Г. Математические методы статистики. М.: Мир, 1975, 648 с.

87. JI06. Лбов Г.С., Манохин А.Н. Об оценке качества решающего правила на основе малой обучающей выборки. Вычислительныесистемы, 1973, 55, 98-107 с.

88. Хинда А.Я. Математические методы теории массового обслуживания. Труды Матем. ин-та им. В.А.Стеклова,т. 49, 1955, 123 с.

89. Lee Н.С., Fu K.S. Stochastic linguistics for picture recognition. Rep. TR-EE 72-77, School of Elec.Eng., Purdue Univ., Indiana, 1972.

90. Вентцель E.C. Теория вероятностей. M.: Наука, 1969,576 с.

91. Цыпкин Я.З. Основы теории обучающих машин. М.: Наука, 1970, 251 с.

92. Феллер В. Введение в теорию вероятностейиее приложения, т. I. М.: Мир, 1964, 498 с.

93. Christensen М., Rodbre P. The diagnostic value of liver scientigraphy to disclose metastases in patients with suspected or proven gastrointestinal cancer. Danish

94. Medical Bulletin, vol. 29, 4, 1982, 206-208 p.

95. Вопросы автоматизации построения медицинских заключений по сцинтиграммам печени: Отчет/МИФИ; руков. работы Вай-радян А.С.; исп. Илюхина Е.И. и др., № темы 0.69.02 Н7, № гос.регистрации 79031455. М., 1981. - 88с.

96. Разработка и применение адаптивных алгоритмов в системе для автоматизированной обработки данных: Отчет/МИФИ;рук.работ Вайрадян A.C., исп. Илюхина Е.И. и др., № темы 76-2-12/5, № гос.регистрации 80040513. М., 1981. - 105с.

97. Исследование вопросов принятия решений в сложных автоматизированных системах переработки информации: Отчет/МИФИ; рук.работ Вайрадян A.C., исп. Илюхина Е.И. и др., № темы 47-81/29, № гос.регистрации 01823028237. М., 1982. - 79с.

98. Разработка системы автоматизированной дискриминации сцинтиграмм печени: Отчет/МИФИ; рук.работ Вайрадян A.C., исп. Илюхина Е.И. и др., № темы 0.6902 Н7, № гос. регистрации . -М., 198 .1. ПР ИЛ01ЕНИЕ I1. УТВЕВДАЮ" ' 4 .

99. Руководитель лаб. Радиоизотопной диаг- | ностики д.м.н.,Р.И/ j I 8 июня197§?. ,. !

100. ФОРМА АВТОМАТИЧЕСКОГО ЗАКМИЕНШ ПО СЦИНТИГРАММЕ ПЕЧЕНИот каф.29 МШИ .и.о.к.т.н^^л^/Челышев Щ/лирант Илюхина Щ/1. СОГЛАСОВАНО"от ЛРИД ОНЦ АМН СССР ст .н. с., к.м.н Сив ошинокийДД/

101. CT .Н .0 .,К.(& т.м.W. Ш/К^Коотылев В.А./ jIм.н.о. /Виноградов B.A/jврач ^/^^у /встровцев. И.В./jординатор/Рундарев А.И./| </ "г ?!

102. ФОРМА АВТОМАГИЧЕСКОГО ЗАКЛЮЧЕНИЯ Ш СЦИНТИГР АММЕ ПЕЧЕНИ

103. Автоматическое заключение будет состоять из двух частей: описания сцинтиграфического изображения и собственно закдюче-ния.

104. На телетайпе будет печататься одно из следующих выражений:1. изображение границ печени смещено вверх (вниз, влево) в см;2. изображение печени смещзно вверх в см и влево в см (вниз в см и влево в см) ;§ 3. Форма изображения печени.

105. На телетайп будут выдаваться численные значения двух размеров:1. максимальный вертикальный размер изображения селезенки ;2. максимальный горизонтальный размер изображения селезенки;

106. Во всех пунктах за исключением I будет выдаваться описательная информация о размерах, смещении, форме печени и во всех пунктах о размерах и накоплении радиоактивного препарат-та в селезенке.

107. Информация о размерах печени будет выдаваться на телетайп в виде одного из заключений:1. печень имеет нормальные размеры ;2. печень равномерно увеличена (уменьшена).

108. Информация о смещении печени:1. печень смещена вверх (вниз, влево) ;2. печень смещена вверх и влево (вниз и влево).

109. Информация о форме печени:1. печень имеет правильную форму, тип конституции;2. форма печени не соответствует типу конституции, тип конституции, тип лечени;3. печень деформирована, тип конституции.

110. Информация о размерах сеж зенки:1. сежзенка имеет нормальные размеры ;2. селезенка увеличена (уменьшена).

111. АЛГОРИТМ СТАТИСТИЧЕСКОЙ КЛАССИФИКАЦИИ ПАРАМЕТРОВ СЦИНТИГРАММ ПЕЧЕНИ

112. Для оценки качества распознавания в данной работе использовалась функция риска С ПОЗ в предположении, что цены потерь следующие: Рц '^, V

113. P(xj) вероятность появления объекта Jy- ; p(ntYscy) - вероятность отнесения объекта ¿у к Лг?-ому классу;

114. P{Xj/}n) вероятность появления объекта Ху ъ tn -ом классе.

115. Решающее правило, при этом имеет видосу) = щс> (2.2.П)где тс значение класса, для которого выражение Р(т)-Р( достигает максимальное значение.

116. Рис.2.1.П. Алгоритм обучения статистического классификаторачтобы число точек в признаковом пространстве Т удовлетворяло условию 43.23.П)

117. Исходя из этого алгоритм обучения статистического классификатора состоит из двух этапов:

118. Преобразования значений признаков в ^ , с , так чтобы число значений признака ^ равное удовлетворяло бы условию 2.3.П.

119. Построение в преобразованном пространстве оптимального по критерию минимума оценки ошибки решающего правила.

120. Алгоритм обучения статистического классификатора приведен на рис. 2.1.П.

121. Рассмотрим каждый из этапов алгоритма в отдельности.

122. На первом этапе последовательно просматриваются все признакии область значений каждого из них делится на ^ областей илиградаций, где 6и, .точки деления на градации

123. Сг ). Значение признака ^ определяется условиемесли г, < $ (с. ао, = ео)•¿к-Г х I > J. (2.4.П)

124. Точки деления на градации находятся методом полного перебора исходя из обеспечения минимума оценки ошибки распознавания по каждому признаку в отдельности.

125. На втором этапе в преобразованном пространстве строится оптимальная по критерию минимума оценки ошибки дискриминантная функция.

126. Полученное на первом этапе г -мерное пространство преобразуется в одномерное согласно правилугде ¡¡1 (I Сг) - координаты объекта X в г -мерном пространстве.

127. На рис. 2.1.П такую операцию осуществляет блок кодирования признаков.

128. Окончательное построение дискриминантной функции осуществляется согласно условию 2.1.П.

129. Алгоритм классификации объектов представлен на рис. 2.2.П.

130. Значения параметров классификаторов приведены в таблице 2.1.П.