автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Исследование вопросов построения интегрированной экспертной системы для интерпретации электроэнцефалограмм на основе структурной модели ЭЭГ-сигнала

санкт-петербургский

государственный электротехнический университет

Х&--Ш1-:—

} I

А НИ ¿С., На правах рукоииси

Савайя Халед Джозеф

исследование вопросов построения интегрированной экспертной системы для интерпретации электроэнцефалограмм на основе структурной модели ээг-сигнала.

Специальность: 05.13.16 - Применение вычислительной техники, математического моделирования и математических методов в научных асследованиях

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 1994

Работа выполнена в Санкт-Петербургском государственном электротехническом университете.

Научный руководитель кандидат технических наук профессор

ТИМОХИН В.И.

Официальные оппоненты: доктор технических наук профессор НЕМИРНО Л.П, Кандидат технических наук ТИТОВ М.С.

'Ведущая организация - Санкт-Петербургский государственный технический университет

Защита диссертации состоится "-—"—- 1994 г.

в /£> часов на заседании спецализированного совета К 063.36.12 Санкт-Петербургского государственного электротехнического университета по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 6.

С диссертацией можно ознакомиться в библиотеке университета,

_ „ „ ^игг/Тг?___

Автореферат разослан "-"--1994 г.

Ученый секретарь специализированного совета

Балакин В.Н.

ОБШАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Методы искусственного интеллекта в последнее время нашли широкое применение при создании прикладных систем обработки, интерпретации и распознавать сигналов. Применение этих методов имеет большие перспективы при создании медицинских диагностических систем, ориентированы! на задачи автоматического анализа и интерпретации биологических сигналов.

Среди всех биологических сигналов можно выделить большой класс сигналов, для которых' содержащаяся в них информация заключена в .структурных элементах формы сигнала и йх амплитудно-временных параметрах. Это, например,

электрокардиограмма (ЭКГ), фонокардиограмма (ФКГ). реограмма (РГ), пневмограмма (ПГ), гастрограмма (ГГ), электромиограмма (ЭМГ), электроэнцефалограмма (ЭЭГ).

В практических приложениях для целей автоматического анализа таких сигналов необходимо обеспечить синтаксическую обработку наряду.с обработкой" числовой информации.

Из перечисленных выше сигналов монно выделять ЭЭГ-сигнал как обладающий следующими свойствами: он отражает электрическую активность одного из важнейших органов человека - головного мозга; он наиболее изучен с точки зрения зависимостей между видом сигнала и определенными представлениями анатомии, физиологии и клиники;, информация, содержащаяся в каждой конкретной ЭЭГ, весьма обильна и может быть использована для раскрытия механизмов высшей нервной деятельности, при проведении нейропсихологических исследований, для диагностических целей в клинической практике. В многочисленных случаях, когда у больных отсутствуют грубые, очаговые поражения нервной системы, заключения, выносимые специалистами на основании данных электроэнцефалографии, играют большую роль, являясь одним из наиболее адекватны:-: методов изучения функционального состояния мозга.

Вышеизложенное позволяет говорить об обоснованности

проведения исследования в области автоматического анализа ЭЗГ.

В настоящее время имеется ряд отечественных и зарубежных разработок систем автоматического анализа ЭЭГ. Все они ориентированы в основном но решение задача анализа ЭЭГ сигнала: выделение характерных признаков, составление описательного заключения, отличаясь при этом жЭсткой структурой обработки данных, отсутствием возмокности адаптации алгоритмов обработки в процессе эксплуатации системы.

В связи с этим является актуальной проблема создания нового поколения автоматизированных систем обработки ЭЭГ-сигналов, основанных на концепциях обработки знаний и имеющих такие возмокности как:

определение и прогнозирование состояния объекта исследования путем формализации процесса интерпретации ЭЭГ опытным специалистом с использованием структурных особенностей ЭЭГ сигнала;

- возможность адаптация в процессе эксплуатации;

- возможность объяснения принятого решения на языке понятном специалисту.

Указанные задачи могут Сыть решены путбм создания специализированной экспертной системы(ЭС), обеспечивающей решения этих задач.

Цель и задачи диссертационной работы: Целью работы явеляется исследование вопросов построения интегрированной экспертной системы для интерпретации электроэнцефалограмм на основе структурной модели ЭЭГ-сигнала.

Для достижения этой цели решались следующие задачи:

- Разработка метода анализа ЭЭГ на основе структурного подхода с использованием структурной модели ' ЭЭГ в форме втрисутной контекстно-свободной грамматики.

- Разработка многоуровневой модели прин тия решений в -Э0 интерпретация ЭЭГ.

- Разработка метода построения синтаксического анализатора на основе использования многоуровневых автоматов.

- РззреОотха архитектуры а программного обеспечения

прототипа 90 для интерпретации ЭЭГ на базе ПЭВМ.

Методы исследования; В диссертационной работе использовались аппарат теории цифровой обработки сигналов, теории синтаксического анализа, теории систем с искусственным интеллектом и распознавания образов.

Научная новизна работы заключается в следующем.

I. Разработан новый подход к автоматическому анализу ЭЭГ сигналов с использованием структурной модели, основанной на формализации процесса врачебной интерпретации ЭЭГ специалистом,

2'. Предложен язык описания ЗЭГ-феноменов в виде атрибутной контекстно-свободной грамматики.

3.. Разработаны принципы декомпозиции базы знаний и многоуровневая" модель принятия решений в 8кспертной системе интерпретации ЭЭГ;

Практическая ценность работы заключается в следующем:

1. Разработаны конкретные алгоритмы формирования {слассификационных признаков ЭЭГ.

2. Разработана база знаний экспертной системы интерпретации

ЭЭГ.

3. Разработаны аппаратная поддержка и программное обеспечение интегрированной экспертной системы.

Внедрение результатов' работа: Результаты диссертационной работа использовались-в ходе выполнения научно-исследовательской работа ГР2/М0-8 в 1991-1993гг., а также в учебном процессе на кафедре Математического Обеспечения и применения ЭВМ Санкт-Петербурского государственного электротехнического университета.

Апробация раооты:. основные положения и результаты диссертационной работы докладывались на международном семинаре "Информатика в медицине" "ИШЮРМВД 91я в Риге 1991 г. и на научно- практических конференциях ЛЭТ-Л имени В.И.Улянова [Ленина) в 1991-1993гг. ^

Публикации по теиа диссертации: Основные результаты диссертационной работ" отражены в Ьпублпсованых 4 печатных работах.

Структура и объйы работы: Диссертациошшя работа состоит из введения, четырех глав/ заключения, 2 приложения, списка литературы , включающего 50 наименований. Основная часть работы изложена на 140 страницах машинного текста. Работа содеркит 21 рисунк, 7 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы .цель и основные задачи исследования.

В первой главе приведён обзор существующего положения в области разработки экспертных систем, а таку/; методов и средств автоматической обработки и интерпретации ЭЭГ-сигналов. Анализируя возмогзюсть существующих систем автоматического анализа ЭЭГ сигналов было отмечено, что большинство из них имеют определенные недостатки, к которым можно отнести:

- ориентация только на задачу; обработки ЭЭГ и выделение первичных признаков с использованием фиксированных алгоритмов}

отсутствие возможности получения диагностический заключений о характера заболевания;

пассивный характер взаимодействия пользователя с

системой;

- отсутствие возможности накопления в системе знаний на основе использования врачебного опыта.

Рассмотрение указанных недостатков приводит к выводу о необходимости создания нового поколения интеллектуализированных систем обработки ц интерпретации ЭЭГ. Эти системы могут строиться с использованием принципов ЭС. При этом экспертные системы такого класса должны носить интегрированный характер, включая в себя функции получения я первичной обработки ЭЭГ - информации, накопления знаний и принятая решений на основе информации, хранящейся в базе знаний и полученной в. процессе первичной обработки ЭЭГ, элементы баз данных для создания архивов данных обследований, а также иметь развитую систему объяснений.

Вторая глава посвящена разработке метода , структурного

описания ЭЭГ и вы до летя его феноменов(признаков).

В работе было отмечено, что существующие метода автоматического анализа ЭЭГ группируются вокруг двух общих методологических подходов: дискриминантнога,(или геометрического) и структурного, называемого также лингвистическим или синтаксическим.

Согласно первому подходу на распознаваемом объекте производится количественная оценка его характерных свойств, называемых признаками. Каждый объект представляется при этом вектором признаков, а распознавание осуществляется посредством разделения всего пространства признаков на непересекающиеся области. Метода количественной оценки ЭЭГ в виде измерения мощности спектральной плотности, авто- и кросскорреляционнкх функций, функций когерентности, стали уже традиционными. в этой области. Однако опыт работы показал, что традиционные, методы математического анализа ЭЭГ извлекают не всю информацию, которая содержится в записях колебаний биопотенциалов. Это обстоятельство способствовало развитию для этих целей методов структурного анализа ЭЭГ

При структурном подходе каждый объект описывается как композиция своих составляющая, называемо: подобразами и примитивами (простейшими подобразами). Распознавание каждого объекта в этом случае_ осуществляется посредством, грамматического разбора его .структурного описания в соответствии с заданным множеством синтаксических правил. Применительно к ЭЭГ вопросы применения структурного метода разработаны довольно слабо. Отсутствие серьбзных исследовании в области применения структурных методов анализа ЭЭГ привело к необходимости проведения самостоятельной разработки методов анализа ЭЭГ с использованием структурного подхода

В этой главе работы было отмечено, что биологические сигналы представляют собой временные ряди и всегда могут быть представлены конкатенацией своих фрагментов. На основании этого факта, в работе был использован структурный метод в качеств© инструмента описания сигналов на ограниченном временном

интервале. Для структурного описания формы сигнала использовались примитивы, ИМоющие достаточно общий характер, с помощью Которых ЭЭ11 сигнал описывается через положительные и отрицательные полуволны и представляет^ в виде последовательности пикой различной длительности и амплитуды. Представление сигнала иосродсТйом композиции указанных примитивов обладает инвариантностью по отношению к предметной области а может быть эффективно использовано в ситуациях, когда априорная модель сиг-Нала отсутствует, либо й качестве предварительного шага перед анализом более нУсаКого уровня.

В отличие от рассмоТрёИННХ традиционных систем в настоящей работе предлагается МроИТЬ иерархическую ШДЙЛЬ интерпретации ЭЭГ, й Которой имеются два ОсйайШ. распознавания

феноменов ЭЭГ:

- система интерпретации базовых ф§йойенов ЭЗГк т.е. волн.

- система классификаций этих волн И ШЧИсЛения Их атрибутов, описание структурной модели ЭЭГ задается в форме атрибутной

контекстйо-сйобоДНой грамматики С2.

02 = А, Р. ЭЭГ).

где Уп ~ набор Нетерминальных символов! Уг- набор терШШальных символов} .л - набор атрибутов символов} Р - набор продукций* ЭЭГ - начальный символ*

Кавдый символ языка 1.(02) состоит ИЗ Двух частей: структурной И семантической. Структурнай часть определяет символ в терминах набора примитивов й операций их объединения, семантическая час?ь - это чисЛЬВйй характеристики (атрибуты) символа. Все атрибуты нетерминальных символов делятся на наследуемые и синтезируемые, что . определяет правила их вычисления.

' Каждая продукция связана с предикатом, аргументами которого являются атрибуты символов входящих в данную продукцию. При распознавании правило грамматики может быть применено только в том случае, если зна .ение связаного с ним предиката "истина". Для

. Т -

'удобства записи продукции и связаного с ним предиката, последний, формально, рассматривается как синтезируемый атрибут. Правила вычисления предиката записываются аналогично правилам вычисления атрибутов - йод соответствующей продукцией.

Запись ЗЭГ может содержать до четырех эпох: ЗЭГ-покоя, ЭЭГ при наличии стимуляции (свет, звук)г и отдельно для записи ЭЭГ при гипервентиляции и ЭЭГ после гипервентиляции. Фиксируется общее время сеанса записи ЭЭГ и длительность каждой эпохи.

В фоновой активности выделяется четыре основных частотных диапазона: алы±>а-, бета-, тета- и дельта-активность. Каждый вид активности может быть представлен как одиночными волнами, так и многофазными колебаниями различной организации.

Пароксизмальная активность идентифицируется как пики, острые волны, вспышки и комплексы.

Элементарной единицей структурной модели ЭЭГ является волна - участок записи мевду двумя соьадниМй экстремумами одного знака. Волна характеризуется амплитудой* длительностью и формой (так называемые "врачебные признаки")»'РаспоЗйаванйе волн выполняется с помощью специальной грамматики 01 * прёДложеййоЙ в работе для определения пиковых компонент в волнообразных сигййЯаз.

Общий процесс, анализа ЭЭГ-сйгнала предложений в т>аботе заключается в следующем:

- Предобработка: для выполнения предобработки сигнала производится цифровая фильтрация ЭЭГ и удаление артефактов.

- Сегментация кривой и выделение птомитивов: На этом этапе запись ЭЭГ сигнала, заданного в дискретной форме, представляется в виде символьной цепочки №=олшг...шп-г,. в которой любой ше {/,\,С)>- множество примитивов предлагаемой грамматики 01 для распознавания пиков. В работе КС-грамматика определяется

' следующим образом:

^в{/,\.0)-терминалышй словарь,

Чп » (Щ, <паге>, <реак+>, <реак~>, <ровГ>, <пе&>,

<роз2>, <пе&?>, <гего>>- нетерминальный словарь;

~ е -

Положительный пик распознаётся данной грамматикой тогда и только тогда, когда часть цепочки и полностью сводится с помощью продукций к нетерминалу <реак*>. Такая же зависимость существует между отрицательным пиком и нетерминалом <реак~>.

Недетерминирований конечный,автомат А, распознающий пики, описан в гл. 2 в виде графа. С помощью этого автомата синтаксический анализатор анализирует входную цепочку примитивов и заканчивает первый этап анализа выделением всех пиков (отрицательных и положительных) находящихся в ней. В результате первого этапа выделяется последовательность положительных и отрицательных пиков, необходимых для дальнейшего выделения а классификации волн на основе грамматики 02т

Распознавание волн: на втором этапе с помощью грамматики С2={УП,У^,.А,Р,ЭЭГ) распознаются волны и классифицируются их' следувдим образом:

а)Волна определяется тремя последорательнами , точками .выделенными на первом этапе: пики (^.А");(1;1,Аг);(1;г,Аг) где: (^.А®*)- экстремальная точка волны, ,Аг); (гГ,АГ)~ левая и правая точка граница волны. Таким образом определяется элемент множества терминальных символов,Ч^ грамматику С2.

б) С помощью множества правил волна идентифицируется по синтезированным атрибутам: Амплитуда, Длительность, Форма. Значение каждого атрибута вычисляется .по следующим выражениям:

амплитуда:. МШАВЭи1- А.гаХДВЗ(Аг- дл)) длительность: г1;

Атрибут "форма" имеет два значенияСплавная","острая", в зависимости от коэфЗициента р = —д— , где :

А*1 + Ал

(два отсчбта),

если р>е», то форма принимает значение острая, а в противном случае плавная.

Классификация волн: После выделения волн синтаксический анализатор начинает vtx классификацию на основе признаков Pt, преду смотренных в грамматике Сг. Например для альфа-волны Ps*( 75ms$ длительность < 130ms) AND (форма ="плавная").

В результате сказанного выше сигнал преобразуется в цепочку лексем вида <тш,значение>, где тип- есть элемент множества (альфаВолна, бетаВолна, тетаВолна, дельтаВолна, остраяВолна, пик, артефакт), а значение лексемы -тройка (амплитуда, длительность, форма).

Подготовка входных данных- системы логического вывода: на этом этапе считаются INDEX и MODA каждой активности в каздом отведении:

-INDEX активности: это время существования этой активности, в процентах, относительно общего времени сеанса. - MODA активности: это наиболее часто встречающаяся амплитуда данной активности в отведении.

Далее рассматривается синтаксический распознаватель, осуществляющий структурный анализ совокупности сигналов ЭЭГ. На основании приведенной выше грамматики, предложена модель интерпретирующей системы конечных автоматов (СКА). Модель расширена• за счет ввода механизма обработки атрибутов. Преимущество его состоит в универсальности и возможности использования на всех этапах формирования описания ЭЭГ. Распознаватель состоит из операционной' и управляющей частей. Операционный автомат состоит из четырех устройств памяти, четырех устройств выработки условий и семи ключей, и дополнен двумя устройствами памяти - таблица, атрибутов и память значений атрибутов. Вычисление значений предикатов, „ опре делящих применение правил грамматики, осуществляется специальными семантическими функциями (символами действия). Соответствующие символы действия приписаны переходам, содержащим в качестве входного состояния метку начального состояния системы и вырабатывают условие, окончательно определяющее успех или неуспех выполнения текущего перехода.

Третья глава посвящена процессу принятия решении к

представления знании при классификации ЭЭГ человека.

В этой глава предложено строить систему автоматической интерпретации ЭЭГ на основе идеологии экспертных систем, причем такая экспертная система имеет интегрированный характер. Приведена функциональная структура предлагаеммой интегрированной ЭС интерпретации ЭЭГ-сигнала. Она включает в себя подсистему(ПС) ввода и архивации сигналов, ПС консультации, ПС общения с экспертом и ПС управления. Далее в этой главе предложена иерархическая система принятия решений на основа метода групировки ЭЭГ, разработанного известным специалистом по ЭЭГ Жирмунской Е.А. Этот метод модифицирован и формализован в виде логических правил, сохраняемых в базе знаний ЭС.

В работе предлагаются следующие этапы принятия решевдй;

- формирование классификационных признаков;

- отнесение ЭЭГ к группе, к типу и к классу:.

- принятие диагностического решения.

Механизм принятия решения, предложенный- в работе»' можно описать следующим образом.

1. ЗС выбирает значения характеристик из определённого файла и заносит их в рабочую память в виде образцов "показатель-значение".

2. ( Рассматривается возможность применения правил, сформулированных на основе описанного в диссертации эвристического метода классификация, и хранящихся е базе знаний. При необходимости ЭС запрашивает дополнительную информацию от оператора. Результатом логического вывода на данном аташ является принадлежность анализируемой ЭЭГ к тройке (группа, тот, класс).

В отдельных ситуациях цепочка логического вывода может быть прервана ввиду отсутствия в Сазе знаний соответствующих правил. Тогда ЭС сообщает о недостижимости цели вывода. В этом случае следует дополнить базу знаний необходимыми правилами с помощью врача-эксперта.

3. На основе результатов, полученных на этапе 2, оценивается степень нарушения данной ЭЭГ: норма, легкая, умеренная.

значительная, грубая или очень грубая.

4. Решение выдабтся в виде таблицы где йоказашг степень нарушения и соответствующая ей вероятность. Результаты анализа ЭЭГ заносятся в специальную базу данных, содержащую историю болезни пациента.

Далее рассматриваются структура и содержимое базы знаний. В работе предлагается осуществить декомпозицию базы знаний и представить еЭ в виде набора отдельных баз знаний, что позволяет шнимизироват' время поиска решения и тем самым повысить эффективность вывода.

В четвертой гласе приводится описание архитектуры и программного обеспечения ннте'Грированой экспертной системы анализа и интерпретации электроэнцефалограмм, которое включает в себя: общее описание комплекса аппаратных средств и программ, определение функций по обработке данных, выполняемых системой в. целом, описание интерфейса системы с пользователем.

Аппаратное обеспечение системы включает в себя промышленный 16-канальный энцефалограф типа EMG и систему аналого-цифрового ввода сигналов, состоящую из набора согласующих усилителей,- НЧ фильтров, платы аналого-цифрового преобразования я сопряжения с системной шиной • ПЭВМ, устройства управления фото и фоно-стимуляторами. Система функционирует на базе ПЭВМ IBM PC АТ/286,386 и обеспечивает регистрацию 16-каналов ЭЭГ с частотой дискретизации 150 Гц.

Программное обеспечение интегрированной ЭС включает в себя следующие подсистемы(ПС):

>- ПС ввода и архивации;

- ПС предварительной обработки сигнала;

- ПС интерпретации ЭЭГ со средствами ведения Озз знаний и системой логического вывода.

Программное обеспечение разработано в среде программирования TURBO PASCAL 6.0, общий объбм разработзного ПО составляет около I Мбайт. В процессе работы программного комплекса осуществляется накопление данных ЭЭГ обследования и проведение процесса интерпретации ЭЭГ в диалоговом рехимо. Система обеспечивает

досточно быструю обработку разультатов обследования пациентов. Для полной обработки одной минута 16-каналькой записи ЭЭГ на ПЭВМ с тактовой частотой ЗЭ Мгц требуется время около 3.5 мин, Экспериментальные исследования данной системы проводились на базе отделения электроэнцефалографии больницы * 31 г. Санкт-Петербурга при обследовании больных с различными формами патологии. В работе приведено описание постановки экспериментов, результаты предварительной обработки ЭЭГ сигнала и протоколы заключений, выданных ЭО, при диагностировании в классе норма-патология. Проведенное подробное сравнение заключений, полученных опытным специалистом и экспертной системой, показало хорошее' совпадение результатов(в среднем в 90% случаев).

Заключение

В работе представлена основные подхода к разработке интегрированной ЭС интерпретации ЭЭГ. Применение структурного Подхода к описанию интерпретируемого сигнала позволило эффективно формализовать опыт специалистов и создать понятную им систему автоматического описания ЭЭГ. Применение многоуровневой модели принятия решений и ис,пользование дм её реализации технологии экспертных систем привело к создании гибкой системы, основанной на модели принятия решений врачом-специалистом. Предложенные в работе принципы построения интегрированной ЭС могут Оть положены в основу создания коммерческих систем интерпретации ЭЭГ. При этом необходимо отметить ряд направлений дальнейших исследований и разработок. Свда относятся:

1. Проведение большого объбма экспериментальных исследований-с целью тестирование заложенных в БЗ правая.

2. Модернизация БЗ системы для обеспечения возможности получения более детальных диагностических выводов.

3. Разработка портативного аппаратного комплекса для поддержки работы ЭС В нестационарных условиях, . без привязки к

штатной аппаратуре ЭЭГ исследований.

4. Разработка быстрых алгоритмов предварительного анализа ЗЭГ-сигналов с использованием сигнальных процессоров для обеспечения работы ЭС в реальном, времени.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Экспертная система для классификации ЭЭГ человека / А.В.Бадейкин , В.В.Гопленер, А.Б.Голубев, Х.Д.Савая. СПБГЭТУ.-СПБ., 1993.- Юс.- Деп. в ВИНИТИ 20.09.93 Л 2440-В93.

2. Применение методов структурного анализа для автоматической классификации ЭЭГ человека / А.В.Бадейкин, В.В.Геппенер, А.Б.Голубев, Х.Д.Савая. СПБГЭТУ.-СПБ., 1993.- 12с.- Деп. в ВИНИТИ 20.09.93 » 244I-B93.

3. Савая Х.Д., Бадейкин A.B. Экспертная система для обработки я интерпретации электроэнцефалограмм// Изв.ЛЭТИ: Сб.науч.тр./СПБГЭТУ.- СПБ., 1992;- Вып.444.- С.79-82.

4. Экспертная система для обработки и интерпретаций электроэнцефалограмм/ В.Н.Андреев, В.В.Геппенер, В.н1кафтасьев, Х.Д.Савая, В.И.Тижшш // Тез. докл. международного семинара информатика в медицине: INTORMED 91.: Рига, 17-19 дек 1991. -С.38-40.

Подл, к печ. 18.03.94. Офсетная печать. Печ.л. 1,0; Тираж 100 экз. Зэк. Я59

Формат 60x84 I/I6.. уч.-изд.л. 1,0

Ротапринт МГП "Полином" 197376, Санкт-Петербург, ул.Проф.Попова, 5