автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Метод и алгоритмы интерпретации и классификации тональных аудиограмм на основе обработки субъективной информации

005006897

Миловидов Андрей Александрович

МЕТОД И АЛГОРИТМЫ ИНТЕРПРЕТАЦИИ И КЛАССИФИКАЦИИ ТОНАЛЬНЫХ АУДИОГРАММ НА ОСНОВЕ ОБРАБОТКИ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Специальности:

05.13.01 - Системный анализ, управление и обработка информации 05.11.17 - Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

1 2 Я Н В 2012

005006897

На правах рукописи

Мнловндов Андрей Александрович

МЕТОД И АЛГОРИТМЫ ИНТЕРПРЕТАЦИИ И КЛАССИФИКАЦИИ ТОНАЛЬНЫХ АУДИОГРАММ НА ОСНОВЕ ОБРАБОТКИ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Специальности:

05.13.01 - Системный анализ, управление и обработка информации 05.11.17 - Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

Работа выполнена в Тверском государственном техническом университете.

Научный руководитель -

доктор технических наук, профессор Филатова Наталья Николаевна Официальные оппоненты:

доктор технических наук, профессор Жулев Владимир Иванович, кандидат технических наук, доцент Виноградов Геннадий Павлович

Ведущая организация - Тамбовский государственный технический университет

Защита диссертации состоится " 26 " января 2012 г. в 14 часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.262.04 в Тверском государственном техническом университете (адрес: 170026, г. Тверь, наб. А. Никитина, 22, ауд. Ц-208).

С диссертацией можно ознакомиться в библиотеке Тверского государственного технического университета (адрес: 170023 г. Тверь, пр. Ленина, 25).

Автореферат разослан " 23 " декабря 2011 г.

Ученый секретарь диссертационного совета д.т.н., профессор

Филатова Н.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Развитие компьютерных технологий и микропроцессорной техники привело к тому, что в большинстве автоматизированных систем в качестве основной формы представления результатов измерений и расчетов используют различные графики и диаграммы.

Результаты мониторинга, исследования, прогнозирования и т.п. регистрируются и автоматически обрабатываются. Однако в большинстве случаев всегда предусматривается и графическая интерпретация временного или порядкового ряда, что позволяет выполнять визуальный контроль и принятие решений с использованием качественной и субъективной информации в сложных ситуациях (управления, диагностики, оценки состояния и т.д.).

Человек легко справляется с качественной оценкой метрических характеристик, однако при рассмотрении более сложных топологических отношений (формы, характера взаиморасположения нескольких ломаных линий и т.д.) различие в их оценках у разных экспертов может быть значительным, что будет влиять на результат принятия решений.

Для снижения влияния субъективности на оценки качественных признаков можно использовать алгоритмы принятия решений и методы мягких вычислений, основанные на идее нечетких множеств, предложенных в работах Л. Заде. Проблема создания средств, унифицирующих качественные оценки отдельных характеристик, решалась в работах Л.С. Берштейна, И.З. Батыршина, Н.Г. Малышева, А.Б. Боженюка, Д.Дюбуа, Michiori Nakata, Henri Prade и других исследователей. В задачах медицинской диагностики способы оценки нечетких, качественных признаков формы зашумленного контура рассматривались в работах В.И. Гловы и И.В. Аникина, которые осуществили их верификацию на результатах анализа УЗИ - изображений.

Следует отметить, что все решения, основанные на применении лингвистических переменных, базируются на использовании функций принадлежности, отражающих субъективные представления эксперта. Таким образом, снижая влияние субъективности врача на принятие диагностического решения, мы вносим в процедуру интерпретации симптомов дополнительные субъективные оценки эксперта. Очевидно, только сократив объем экспертной информации (т.е. число функций принадлежности), необходимый для построения качественных оценок, можно получить эффективные средства вербальной интерпретации графических зависимостей и процедуры распознавания / классификации объектов с нечетко выраженными признаками.

Задача этого типа возникает при создании приборов для исследования слуха;, тональных аудиометров, позволяющих регистрировать пороги слышимости на основе информации о восприятии тональных сигналов, которую вводит пациент. Одна из особенностей этих приборов заключается в представлении результатов субъективного оценивания слуховой функции в виде двух ломаных линий, так называемых пороговых кривых (кривых порогов слышимости). На

основе качественных оценок их формы и положения врач формулирует диагностическую гипотезу, и тем самым определяет направление дальнейших исследований для постановки диагноза. Учитывая, что эта информация основана на субъективных оценках узлов ломаных линий (субъективность пациента) и на субъективной интерпретации вида графических зависимостей (субъективность врача), возможны ошибки в выдвижении первой диагностической гипотезы, что приведет к увеличению временных затрат на исследование и постановку диагноза.

Вопросы автоматического анализа отдельных типов тональных аудио-грамм рассматривались в работах О.М. Григорьевой и Н.А, Мандил (классификация аудиограмм с использованием экспертной информации для качественного оценивания топологических признаков их компонентов), а также в работе Р.П. Бондаренко (алгоритм регрессионного анализа данных тональных аудио-грамм). Найденные решения включают значительное число эмпирических коэффициентов или большое число функций принадлежности (для пороговых точек и для всех качественных характеристик кривых), что снижает их универсальность и затрудняет настройку на другие выборки.

Таким образом, возникает актуальная научная задача создания метода оценки различных качественных характеристик аудиограмм основанного на обработки субъективной и неточной информации только о величине порогов слышимости.

Целью работы является повышение точности и обоснованности решений, принимаемых при интерпретации аудиограмм и формировании диагностических гипотез.

Для достижения цели необходимо решить следующие задачи:

1. Выполнить анализ связей между компонентами биотехнической системы, возникающих в процессе тональных аудиометрических исследований органов слуха, оценить влияние субъективной информации на принятие решений в процессе интерпретации результатов и управления исследованием.

2. Разработать модель интерпретаций порогов слышимости на отдельных частотах в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.

3. Разработать метод и алгоритм формирования лингвистических интерпретаций топологических характеристик кривых порогов слышимости (КПС) с использованием только функций принадлежности, введенных для качественных оценок ординат их узловых точек.

4. Разработать алгоритм построения классификационных правил, разделяющих нечеткие графики по заданному признаку.

5. Разработать программный комплекс, решающий задачи интеллектуальной поддержки при принятии решений по управлению процессом формирования диагностического заключения (количественной и качественной оценки результатов тональных исследований органов слуха, классификации аудиограмм, и др.).

Объект исследования: методы и алгоритмы для исследования слуха.

Предмет исследования: методы и алгоритмы анализа и классификации графиков, представленных ломаными линиями, узлы которых заданы точками с точными значениями координат по оси абсцисс и субъективными оценками ординат (на примере тональных аудиограмм).

Методы исследования. В работе использовались методы системного анализа, теории нечетких множеств, методы кластерного анализа, эволюционного моделирования, классификации с учителем.

Новые научные результаты:

1. Методика построения индексной шкалы, позволяющей для каждого элемента нечеткого множества и соответствующего терма лингвистической переменной генерировать числовую оценку с использованием индекса терма и функции принадлежности. Введены определения качественных оценок убывающих, возрастающих и ровных отрезков с использованием значений индексной шкалы.

2. Методика формирования качественного описания направления всех возможных отрезков, которые можно построить на узловых точках КПС в виде квадратной матрицы, строки и столбцы которой определяют номер начальной и конечной точки соответствующего отрезка, а ее элемент представляет наименование (или другую характеристику) нечеткого множества, к которому принадлежит отрезок.

3. Метод оценки нечетких, иерархически связанных топологических признаков, позволяющий создавать вербальные интерпретации аудиограмм с учетом нечетких оценок потерь слышимости на отдельных частотах. Метод отличается использованием трех взаимосвязанных шкал (базовой, лингвистической и индексной) для оценки ординат узловых точек. Разработан алгоритм оценки качественных топологических признаков аудиограмм.

4. Алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых. Экспертные функции принадлежности задаются только для оценки порогов слышимости. Вычисляемые функции принадлежности определяются правилами соответствия значений индексной шкалы и термов (нечетких множеств), характеризующих топологические свойства кривых.

Практическую ценность работы составляют:

1. Алгоритм формирования лингвистических интерпретаций топологических характеристик аудиограмм, построенных с помощью субъективных методов оценки порогов слышимости,

2. Методика автоматического построения лингвистических интерпретаций тональных аудиограмм, которая может быть распространена на графические зависимости произвольного вида.

3. Методика и алгоритм автоматического построения классификационных правил, позволившая создать набор правил диагностики видов нарушений слу-

ха, обеспечивающая точность классификации не менее 95%.

4. Программный комплекс, реализующий разработанные метод и алгоритмы.

Внедрение резу льтатов работы.

Результаты диссертационной работы, включающие программный комплекс "Анализ и классификация тональных аудиограмм" и методическое обеспечение к нему, переданы для использования в Областную центральную клиническую больницу г. Твери. Модели, алгоритмы и созданное программное обеспечение внедрены в учебный процесс кафедры АТП Тверского государственного технического университета для студентов специальности 200401 «Биотехнические и медицинские аппараты и системы» и магистрантов направления 200300 «Биомедицинская инженерия».

Апробация работы. Основные результаты работы докладывались на научных конференциях: научных сессиях МИФИ-2008, 2010 гг.; третьей Всероссийской научной конференции "Нечеткие системы и мягкие вычисления, 2009 г.; Международном конгрессе по интеллектуальным системам и информационным технологиям 18&1Т' 10, 2010 г.; на 12-ой национальной конференции по искусственному интеллекту с международным участием (КИИ-2010), 2010 г.

Основные положения, выносимые на защиту:

1. Результат анализа направления отрезков, составляющих ломаную линию (КПС), можно представлять в виде диагонали квадратной матрицы, каждый элемент которой определяет нечеткие множества, к которым принадлежит отрезок, начинающийся в ¡-ой точке и заканчивающийся в j-oй точке.

2. Модель аудиограммы можно представить, как совокупность описания двух ломаных линий, каждая из которых задана отрезками с нечеткими оценками ординат.

3.Для формирования качественных оценок топологических характеристик ломаных линий, узлы которых заданы по субъективным оценкам ординат, можно использовать функции принадлежности двух типов. Экспертные функции принадлежности отображают соответствие принятых среди специалистов качественных оценок порогов некоторым ограничениям на диапазон изменения потерь слышимости. Вычисляемые функции принадлежности определяются по специальным правилам и устанавливают соответствие между значениями индексной шкалы и термами, характеризующими свойства кривых.

Публикации. Результаты, отражающие основное содержание диссертационной работы, изложены в десяти публикациях, одна из которых - в изданиях, входящих в список рекомендованный ВАК. Имеется свидетельство о регистрации программы для ЭВМ.

Структура и объем работы. Работа состоит из введения, четырех глав, заключения, библиографического списка из 112 наименований и изложена на 151 страницах машинописного текста, включает 55 рисунков, 20 таблиц и 2 приложения.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность, научная новизна и практическая значимость диссертационной работы; перечислены положения, выносимые на защиту; сформулированы основные цели, задачи исследования, перечислены методы их решения. Кратко излагается содержание диссертации.

В первой главе выполнен анализ системных связей, возникающих в процессе тональных аудиометрических исследований органов слуха, указаны особенности информационных процессов взаимодействия пациента и врача, и их влияния на принятие решений при выборе диагностической гипотезы.

Выполнена качественная оценка влияния субъективной информации на принятие решений в ходе управления функциональными исследованием органов слуха. Отмечается, что аудиометрические исследования позволяют определить локализацию патологии по отделам органа слуха.

Результаты тональной аудиометрии представляются в виде графика с двумя ломаными линиями, характеризующими пороги слышимости по воздушному (П2) и костному (П1) проведениям (рис.1).

Частота [Гц] Д™ ВСеХ Т0ЧеК графиков значения координат по ОХ являются точными оце-

ками частоты испытательного сигнала, а значения координат по ОУ - субъективными оценками потерь слышимости, определяемы-ми со слов пациента. Рис.1. Тональная аудиограмма при патологии органов слуха

Очевидно, точность интерпретации результатов тональной аудиометрии повысится, если графики, построенные по усредненным оценкам ординат узловых точек, дополнить специальной моделью аудиограммы, учитывающую влияние субъективности в оценке ординат узловых точек пороговых кривых.

Интерпретация результатов тональной пороговой аудиометрии оказывает влияние на точность формулирования первой диагностической гипотезы, и следовательно, на суммарные временные затраты на исследование и постановку окончательного диагноза.

Показано, что выделение типов аудиограмм в настоящее время выполняется на описательном уровне с использованием нечетких вербальных характеристик.

Обоснована эффективность применения нечетких множеств и лингвистических переменных для задач классификации и распознавания аудиограмм.

Сформулированы цель и основные задачи исследования.

Во второй главе рассмотрены задачи автоматического анализа и интерпретации пороговых кривых, как элементов тональных аудиограмм, на основе моделей и методов нечетких множеств и приближенных вычислений.

В работах H.A. Мандил, выполненных на кафедре АТП Тверского государственного технического университета, было предложено для формирования описания аудиограммы использовать три лингвистических переменных.

Исследования, проведенные в рамках рассматриваемой диссертации, доказывают возможность сокращения пространства описаний до двух лингвистических переменных. Для построения нечетких оценок ординат узловых точек графиков введены лингвистические переменные двух типов: потери слуха на

частоте по воздушному проведению (РУ,) и по костному проведению (pKj): --(< пате >, {ТР...,}, М(Т)) (1)

Л),

Где: {ТР..Ч} - терм-множество с вербальными оценками потерь слышимости на ¡-ой частоте, М(Т) - нечеткие подмножества универсального множества оценок потерь слышимости [-10,110].

При таких допущениях можно построить нечеткую модель порогов слышимости в виде двух множеств: нечетких оценок потерь слышимости по воздуху (Л/Г)и по кости (Ж). Элементами множеств являются точки с точной количественной оценкой координаты по оси ОХ и вербальной оценкой координаты ОУ найденной по лингвистической шкале. Для построения лингвистических описаний порогов слышимости создан специальный шаблон терм-множества ТР..., = (<отсутствуют (Г,) > + <малые (Тг) > + <средние(Тг)> + <большие (Г4)> +

< очень большие (Г5)+ < глухота (Т6) >) и построены 6 функций принадлежностей.

Каждая аудиограмма в нечетких шкалах будет представлять собой упорядоченное множество троек вида

(/„(^/гагД^/ТТ,)), /= 1...ЛГ; (2)

где /, - исследуемая частота, ТХ - терм-множество для КПС по воздуху с максимальным коэффициентом уверенности ¡1ТХ, ТУ - терм-множество для КПС по воздуху с максимальным коэффициентом уверенности \1„ .Фактически, каждый кортеж (тройка) описывает 2 точки на аудиограмме - КПС по воздуху и по кости. Дополнительные параметры (например, костно-воздушный интервал) могут вычисляться, исходя из множества данных кортежей.

Используя шаблон (2) можно получить модель интерпретаций порогов слышимости на отдельных частотах по воздушному или костному проведениям в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.

Объединив традиционную форму представления (рис.1) и шаблон (2) получим модель аудиограммы, как совокупность описания двух ломаных линий,

каждая из которых задана отрезками с нечеткими оценками ординат. Для представления одной кривой порогов слышимости необходимо (N-1) элементарных отрезков с координатами

тхк IТХк)) (начало) и (/(+1 / ГЛ^)) (конец), ¡' = 1,.. ../V-1. (3) С учетом (3) каждую кривую порогов слышимости можно рассматривать как нечеткую ломаную линию, а тональную аудиограмму - как совокупность двух нечетких ломаных. Основными топологическими характеристиками отрезка являются длина и направление. Для нечеткой оценки направления отрезка (№>) эксперты используют понятия Ю1 - убывающий, ТОг-ровный, ТО ¡-возрастающий, усиливая или ослабляя эти свойства модальностями. Сформулированы правила, позволяющие выполнить переход к вербальным оценкам направления отрезка (N1') на основе только нечетких оценок ординат его концов.

если у, еТУк и еТУ„, то = /ТО} если у, е7Уя и ум <=ТУк, то № = /Щ,

(4)

Где: у], ум - оценки ординат начала и конца отрезка по базовой шкале (в дБ), к, т- индексы термов, соответствующих нечетким множествам, включающим У}>Ум-

Предположим, что к = ш, тогда ординаты концов отрезка принадлежат одному нечеткому множеству (у,,ум еТУк). Известно, что для функции принадлежности симметричной формы можно выделить два подмножества (ТУк,ТУк), используя участки слева и справа от цк =1. Тогда, если у1 е ТУк,у^, е ГУк~, то оценка у] по лингвистической шкале будет некоторым преувеличением, а соответствующая ум - даст преуменьшение оценки ординаты (рис.2,3).

Ига' i

т% ГУ, тгт

А А А ?

V-Л / „д / \ / л

' ;Х л X Л /! \ /\

/ 1 V ! V \

%

ТХы Гй™ 7Г*,

1гл / //А/ л/ М/ш \

/ ж

/ А!

Рис.3. Отрезок принадлежит нечеткому мно-

резка, принадлежащего нечеткому множеству Же°ТВУ <>'бивающнс>. ОРД™ концов при-<возпдстатотпие>_ к<гп У кадлежат одному нечеткому множеству ГК,

Рис.2. Ординаты начала У) и конца у ¡^ от-надлежащего нечеткому <возрастающие>, к<т.

Такие результаты получаются вследствие применения правила фази-объединения нечетких множеств: У} и У; ¡ТУк_,, если рк > цкЛ

Примем допущение о возможном уменьшении интерпретации оценки у} и увеличении интерпретации оценки у^,, тогда: У] 6 А-, !ТУк_„ емм /т¥ы и НР=рщ ¡ТО,, цщ = +ры. (5) Если ординаты концов отрезка принадлежат левому подмножеству УрУщ еП7, т.е. существует преувеличение в оценках у1 и тогда по (5) обе ординаты перейдут в правое подмножество предшествующего терма У]. Ум е "7-1 (рис.2). Тогда,

если МР = ^1ТОг,

если АчО^сЯыО^х0 № = рщ/ТО,

если уРу^еЩ и ЫР = цщ1Т01, (6)

если ^+10'/)<а+10'/+1),то Ш}=^/Т03.

если = , то отрезок ровный Л'?, = ГОг, ц„н = 1.

Оценка функции принадлежности отрезка множеству ТО, (1=1,2) определяется как Цщ =\цк-рт\ .

Предположим, что ¡-ый отрезок является убывающим. Если начало отрезка использовать как центр окружности, а его конец перемещать против часовой стрелки, отрезок последовательно будет переходить из нечеткого множества ТО ¡(убывающие) в ТО ¡(ровные) , а затем в ТО ¡(возрастающие) . Если рассматривать только нормализованные функции принадлежности, имеющие одну общую точку глпрщ = ъ (например, 2=0.5), то каждый отрезок будет

принадлежать двум нечетким множествам. Если Щ = /ищ /ТО,, то Щ = рТОг /Т02,

Если Щ = мщ ПО,, то Щ = /Т02, рщ =

Набор правил (7) можно применять также для аппроксимации отдельных участков кривых отрезками, связывающими произвольные точки.

Результаты распознавания принадлежности отрезков, составляющих ломаную линию, одному из нечетких множеств можно представить в виде элементов квадратной матрицы Мыг = [(ц(аг)/Тт)у]шп.

Каждый элемент матрицы представляет наименование (или другую характеристику) нечеткого множества, к которому принадлежит отрезок, начинающийся в 1-ой точке и заканчивающийся в .¡-ой точке (рис.4).

Интерпретация отрезков, связывающих узлы ломаной линии, складывается из элементов, образующих диагональ правее главной. Так как матрица содержит описание всех отрезков, которые можно построить на заданном множестве узловых точек, то ее можно рассматривать не только как описание ломаной линии, но и как описания различных вариантов ее сглаживания. На основе анализа матрицы отрезков определяется направление всей ломаной линии.

и

г 2 3 А 5 6 7 8

1 \1УО \л/о •ло «Ю \мо

2 N0 ч Ч \мо Хо №/0 \л/о \Л/0 \мо

3 4 N0 N0 N0 Ч ^ «ю Яоу N0

N0 N0 ч Ноу >ю N0 N0

5 N0 N0 N0 йоу ч N0 >Ю N0

б N0 N0 N0 И/О ч N01 мр

7 N0 N0 \л/о \л/о \л/о ^ч N0

8 N0 N0 \М0 \л/о \ЛЮ ч

Волаляшнй Нисходящий

участок ч. учас го^

(а)

Пороговая кривы

Рис.4. Матрица, интерпретаций отрезков (а) пороговой кривой (б)

Переход в лингвистическую шкалу создает вычислительные трудности в оценке топологических характеристик, основанных на вычислении арифметических (алгебраических) отношений. Успешное решение можно получить путем развития идеи иерархии измерительных шкап, которая позволяет построить переход от лингвистической шкалы наименований к новой шкале, позволяющей создавать числовые представления для отдельных элементов нечетких множеств. Для перехода от терм-множества ТУ к новой "индексной" шкале предлагается преобразование лингвистической оценки потерь слышимости на отдельной частоте в число с плавающей запятой по правилу:

^(ук) = ЫТ1+мТы{ук) (8)

ТжУУ](Ук)- числовое представление лингвистической оценки потерь слышимости (^{ук) = ШТ: - индекс терма, нечеткое множество которого пересекается с левым расширением нечеткого множества соответствующего терму Тм> Мт,_,(Ук)- степень соответствия оценки (}'к) потерь слуха нечеткому множеству Тм.

Необходимо отметить, что для нормированных функций принадлежности при переходе в индексную шкалу в числовом представлении №,(ук)сохраняется вся информация из лингвистической шкалы. Первое нечеткое множество представлено индексом своего терма, а соответствующая оценка функции принадлежности определяется из соотношения =1-/^+1. Второй терм определяется простым увеличением на единицу параметра Ш%, а функция принадлежности этому нечеткому множеству включена в виде дробной части в °ЧенкУ 1У;(Ук). Предложен также алгоритм обратного преобразования числового представления в ЛП. Построение индексной шкалы позволило создать метод формирования лингвистических интерпретаций топологических характеристик пороговых кривых с использованием только функций принадлежности, введенных доя качественных оценок ординат их узловых точек. Основные положения метода определяются следующими правилами и соотношениями.

Переход в индексную шкалу позволяет упростить правила оценки направ-

ления отрезков. Матрицу отрезков можно модифицировать, задавая в качестве каждого элемента (ту) значением ^то,], которое принадлежит отрезку начинающийся в >ой точке и заканчивающийся в .(-ой точке. Матрица М_п позволяет применять шаблонные схемы для определения признаков формы.

Мп = [ти]\ тц = 0 ти = Ж(ТО) = ЩГ,) -ЖЦ)

> 9

Кривая порогов слышимости является ломаной линией, поэтому для нечеткой оценки ее формы можно ограничиться тремя понятиями: РО] - выпуклая БОз - вогнутая, пилообразная (близкая к ровной, монотонная). Ломаная

линия минимального размера включает два отрезка, которые могут иметь как одно, так и разное направление. Рассмотрим ломаную из двух отрезков (А -первый и В - второй). Для оценки признаков ее формы будем использовать оценки наклона отрезков, найденные по индексной шкале:

РР = ГОГ (выпуклая), если ¡У(ТОА)-ЩТОв)>(), БР=РОг (слабо пилообразная, почти гладкая), если ЩТОА) = ЩГОг), (9)

РР = Т03 (вогнутая), если ЩТОА)-ЩТОе)<().

Условия (9) основаны на расчете числового представления лингвистического признака формы. Соответствие формы ломаной (формы КПС) одному из нечетких множеств устанавливается правилами:

если \У(Ю) > 1 = IV (РО), если Г(Н?)< 1 (ю)

цЮъ = 1, если IV(КО) й-1 = -IV(РО), если ¡¥(ГО)>-\ (ц)

Мго, =1 -^го,> если ЩКО)>0, ^ =1 -Мго,, если ТГ(РО)< О,

^=1, если ЩГ01) = ЩР03) = 0 ( }

Предлагаемые формулы (9-12) позволяют получать оценки формы отдельных участков пороговых кривых, ограниченных тремя последовательными испытательными частотами. Для оценки формы всей пороговой кривой, состоящей более чем из трех точек, используется сглаживание некоторых участков ломаной. Выделение этих участков осуществляется помощью матрицы наклона отрезков М_п. Предложены правила вычисления оценки расстояния пороговой кривой от оси абсцисс и расстояния между двумя пороговыми кривыми (костно-воздушный интервал) на основе использования лингвистических оценок потерь слышимости и их представления по индексной шкале.

Разработан алгоритм формирования лингвистических интерпретаций топологических характеристик пороговых кривых, который позволяет построить качественную модель аудиограммы, отличительной особенностью которой является использование двух типов функций принадлежности: экспертных и вычисляемых.

Экспертные функции принадлежности отображают соответствие принятых среди специалистов качественных оценок порогов слышимости некоторым ограничениям на их диапазон изменения.

Функции принадлежности второго типа определяются по специальным

правилам и устанавливают соответствие между значениями индексной шкалы и термами, характеризующими топологические свойства кривых.

В третьей главе рассматриваются особенности задач анализа архивов ау-диограмм и генерации гипотез новых классификационных правил.

В связи с отсутствие зависимостей между потерями слышимости на разных частотах наблюдается большое разнообразие форм и других характеристик пороговых кривых. Учитывая, что эта информация оказывает большое влияние на процесс формирования первой диагностической гипотезы, не однократно предпринимались попытки ее систематизации. Создан альбом аудиограмм, включающий графики пороговых кривых и описания более 300 случаев различных заболеваний органов слуха, имеется упоминание о формировании интервальных шаблонов. Перечисленные решения ориентированы на ручные методы анализа и принятия решений. Учитывая, что в последние годы активно формируются сурдологические архивы на магнитных носителях, необходимо создание методики и алгоритмов автоматического построения, классификационных правил, систематизирующих пороговые кривые в соответствии с выдвинутыми разделительными признаками (вид нарушений, стадия нарушений, вид заболевания). Классификаторы аудиограмм будут способствовать более точному распознаванию прецедентов, близких к диагностируемому случаю, что в свою очередь повысит точность первичной диагностической гипотезы и сократит время исследования.

Сформулировано определение диагностической гипотезы и требования к процедурам ее генерации и распознавания. Процедура распознавания должна позволять оценивать степень близости гипотезы к диагностическому заключению, а в качестве посылки включать описание класса аудиограмм с близкими диагностическими признаками.

Предложена новая модель продукционного правила с оценками нечетких переменных по индексной шкале для классификации аудиограмм. Для оценки истинности высказываний в посылках продукций разработаны правила вычисления результатов операций сравнения по индексной шкале.

Выполнены исследования экспериментальных выборок аудиограмм: выборки из 438 аудиограмм с различными видами нарушений слышимости и выборки из 156 аудиограмм при различных заболеваниях органов слуха.

Выполнен анализ свойств выборок с использованием топологических признаков с оценками их по мягким шкалам. Полученные лингвистические интерпретации оценки формы, направления, а также взаиморасположения пороговых кривых и нулевой линии совпадают с вербальными описаниями их топологических свойств экспертами [Коломейченко А.И., Ермалаев В.Г., Альтман Я.А.].

Разработан алгоритм генерации классификационных правил на основе анализа выборки описаний аудиограмм качественными признаками. В основу алгоритма положены идеи индуктивных методов обучения с учителем и фасет-ный метод классификации.

На этапе обучения сначала создается грубая классификация, которая затем

корректируется с помощью генетического алгоритма. Посылки правил грубой классификации представляют собой конъюнктивные высказывания, определяющие условия локализации каждого нечеткого признака Wrt в границах соответствующих диапазону его изменения на обучающей выборке:

(Wrt >min WrJ)л(JVrt <шахЖ/)л...(Гг+, , >minWri„)л(fFr+KI <шахГ/+к)-»Ь; (13) где wr ,Wrl- множество значений r-ого признака и его i-oe значение по индексной шкале, max(IV/J, min (Ж/J - границы диапазона r-ого признака для Lj - го класса аудиограмм.

Коррекция начального варианта классификационных правил основана на дополнении каждого литерала соответствующим параметром из множества Del={delta'r}, устанавливающим допустимые границы пересечения диапазонов значений признаков ( delta1, (Wr ,Wj)).

Предложенный в работе вариант генетического алгоритма позволяет решать задачи подбора настраиваемых параметров Del={delta1,}, уточнять границы классов, а также выявлять объекты - артефакты. Проведенные эксперименты показали, что для обучающей выборки аудиограмм (более 400) алгоритм сходится, уменьшая ошибку классификации до 4,1%.

В четвертой главе описывается программное обеспечение, реализующее предложенные алгоритмы. Программа написана на языке С# и предназначена для выполнения в среде .NET Framework 2.0 и выше. Описаны все компоненты программного комплекса (рис.5), варианты его запуска и способы встраивания в другие программы, а также предпочтительный формат текстового файла для загрузки набора аудиограмм.

Программный комплекс позволяет оценивать ряд традиционных количественных характеристик аудиограммы, которые используются врачами (степень потерь слуха, процент потерь на одно и оба уха, слуховой индекс, границы выпадания, отсутствие звуков на частоте(ах), укорочение проводимости на часто-те(ах)), а также качественные оценки порогов слышимости и топологических характеристик аудиограммы.

В режиме обучения автоматически формируется набор правил, определяющих классы аудиограмм в соответствии с заданным разделительным признаком (вид нарушений слуха, заболевание).

Приведены результаты исследования программного комплекса в режиме обучения и в рабочем режиме анализа отдельных аудиограмм.

Начальная ошибка классификации на выборке из 438 аудиограмм с различными нарушениями слуха составляет 25%, коррекция параметров правил генетическим алгоритмом снижает ошибку классификации до 4%.

При классификации аудиограмм с нарушениями звуковосприятия ошибки первого рода - 5 трафиков, ошибки второго рода - 12 графиков; для класса нарушений звукопроведения ошибки первого рода - 0, ошибки второго рода - 2 графика.

СШ^1 ,—

Таблица БД *

аудиограмм аудиограмм

к

ПкфйШ*Й гомлгж

Отьфзжа-то и хряшт дашх

Мэдэть Мса/т,

фафшвшэ

ЬЫВОД* виьпи

д»ж радо*ирм»«мфр№М и.

прякаамыюсм г

Модуль странен ля результате сценок

Мвдупь отображения

резупыгтавоценог;

* =

I МВДЛЬЛ!ТО«С№10Ь«6ОЛЯ

Молуль аишза набора правил

Модул» редакторами ия набора лраоил

Рис. 5. Структурная схема программного комплекса.

ЗАКЛЮЧЕНИЕ

1. Разработана нечеткая модель интерпретации порогов слышимости на отдельных частотах, которая представляет отображение ординат аудиограммы в лингвистической шкале.

2. Разработан метод и алгоритм формирования лингвистических интерпретаций топологических характеристик пороговых кривых, которые получены на основе субъективных оценок координат узловых точек.

3. Разработан алгоритм построения классификационных правил, разделяющих нечеткие графики в соответствии с разделительным признаком. Разработан новый алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых и позволяющий уменьшить количество задаваемых (экспертных) функций принадлежности на 50%.

4. Создан набор классификационных правил аудиохрамм характерных для различных нарушений слуха, ошибка классификации - 4,1%. Получен набор правил классификации аудиограмм, характерных для заболеваний: болезнь

Меньера, неврит, отосклероз. Ошибка классификации составила 1,65%.

5. Разработан программный комплекс, решающий основные задачи количественной и качественной оценки результатов тональных исследований органов слуха, задачу классификации аудиограмм и построение вербальных интерпретаций диагностически значимых характеристик пороговых кривых и всей аудиохраммы в целом, а также задачу генерации классификационных правил.

Публикации по теме диссертации

Статьи, опубликованные в изданиях, включенных в перечень ВАК:

1. Миловидов A.A., Филатова H.H. Программный комплекс для лингвистической интерпретации графических зависимостей с нечеткими координатами // Программные продукта и системы N 3. С. 110-114.

Другие статьи и материалы конференций:

2. Григорьева О.М., Миловидов A.A. Автоматическая интерпретация субъективных оценок порогов слуха // Материалы XX Всерос. НТК "Биотехнические, медицинские и экологические системы и комплексы" (Биомедсистемы -2007). - Рязань, 2007. РГРТУ. С.145-151.

3. Миловидов A.A., Филатова H.H. К вопросу определения признаков формы в нечетких шкалах // Вестник Тверского государственного технического университета, Тверь: ТГТУ, 2009. Вып. 14, С.3-6.

4. Миловидов A.A., Филатова H.H., Построение качественных характеристик ау-диометрических кривых на основе нечетких оценок порогов слышимости // Труды III Всерос. НТК "Нечеткие системы и мягкие вычисления" НСМВ-2009. Волгоград: ВГТУ, 2009. С.22-29.

5.Филатова H.H., Миловидов A.A. Диагностика нарушений слуха на основе нечетких правил классификации аудиограмм // Труды МНТК "Информационные технологии в образовании, технике и медицине". Волгоград: ВГТУ, 2009. С. 35-38.

6. Григорьева О.М., Миловидов A.A. Автоматическая интерпретация субъективных оценок порогов слуха // Научная сессия МИФИ-2008. М:, МИФИ. 2008. Т.12. С.48-49.

7. Миловидов A.A., Филатова H.H. Автоматический анализ топологических характеристик аудиограмм // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT 10». - М.:, Физматлит, 2010. Т.З. С.122-129.

8. Миловидов A.A., Филатова H.H. Нечеткая модель аудиограммы и ее применение в интеллектуальной системе диагностики //12 национальная конференция по искусственному интеллекту (КИИ 2010): Труды конференции. - М:, Физматлит. 2010. Т.2. С.374-379.

9. Миловидов A.A., Филатова H.H. Об одном алгоритме распознавания класса // Труды научной сессии МИФИ-2009. М:, МИФИ. 2010. Т.5. С.47-49.

10. Миловидов A.A., Филатова Н. Н. Свидетельство на программу «Лингвистический интерпретатор тональных аудиограмм». Программа для ЭВМ № 2009612454.

МЕТОД И АЛГОРИТМЫ ИНТЕРПРЕТАЦИИ И КЛАССИФИКАЦИИ ТОНАЛЬНЫХ АУДИОГРАММ НА ОСНОВЕ ОБРАБОТКИ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Составители: А А. Миловидов

Технический редактор А.Н. Безрукова.__

Подписано в печать 19.12.11 Тираж 100 экз. Заказ № 86 Печ.л. 1,0__Усл.печ.л. 0,93_Уч.-изд.л. 0,87

РИЦТвГТУ

61 12-5/1384

Федеральное агентство по образованию Тверской государственный технический университет

На правах рукописи

МИЛОВИДОВ АНДРЕЙ АЛЕКСАНДРОВИЧ

МЕТОД И АЛГОРИТМЫ ИНТЕРПРЕТАЦИИ И КЛАССИФИКАЦИИ ТОНАЛЬНЫХ АУДИОГРАММ НА ОСНОВЕ ОБРАБОТКИ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Специальности:

05.13.01 - Системный анализ, управление и обработка информации 05.11.17 - Приборы, системы и изделия медицинского назначения

Диссертация

на соискание ученой степени кандидата технических наук

Научный руководитель: доктор технических наук, профессор Н.Н. Филатова

Тверь 2011

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ 5

ВВЕДЕНИЕ 6

ЕЛАВА 1. ТОНАЛЬНЫЕ АУДИОЕРАММЫ, КАК ИСТОЧНИК 19 СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

ЕЕ Общая характеристика технического обеспечения субъективных методик исследования слуха 19

1.2. Интерпретация результатов тональной пороговой аудиометрии 28

ЕЗ Анализ системных связей при реализации методик субъективной тональной аудиометрии 35

Е4. Оценка качественных признаков по аудиограмме 44

1.5.Постановка задач диссертации 48

Выводы к главе 1 52

ЕЛАВА 2. АВТОМАТИЧЕСКИЙ АНАЛИЗ И ИНТЕРПРЕТАЦИЯ ТОНАЛЬНОЙ АУДИОЕРАММЫ 54

2.Е Модель тональной аудиограммы на основе лингвистических оценок порогов слышимости 54

2. Е Е Основные характеристики аудиограммы 54

2. Е2. Нечеткая оценка потерь слышимости на отдельной частоте 55

2.2 Общая характеристика топологических свойств кривой порогов слышимости 57

2.2. Е Свойства пороговых кривых, как дискретных функций частоты 57

2.2.2. Нечеткая ломаная линия, как элемент аудиограммы 61

2.2.3. Задача распознавания плоских кривых 62

2.3. Алгоритм определения топологических свойств кривых порогов слышимости, основанный на лингвистических оценках ординат узловых точек 63 2.4 Матрица отрезков, как способ описания кривой порогов слышимости

и всех вариантов ее построения 68

2.4Л. Представление лингвистических оценок потерь слышимости

по индексной шкале 68

2.4.2. Нечеткая оценка направления отрезков и кривой порогов слышимости 70

2.5. Разработка алгоритма оценки нечетких характеристик формы 75

2.6. Алгоритм оценки положения кривых порогов слышимости

на поле аудиограммы 83

2.7. Модель аудиограммы, построенная с использованием только качественных признаков 86 Выводы к главе 2 89 Глава 3. АВТОМАТИЧЕСКИЙ АНАЛИЗ СУР ДО ЛОГИЧЕСКИХ 91 АРХИВОВ И ГЕНЕРАЦИЯ ГИПОТЕЗ НОВЫХ ДИАГНОСТИЧЕСКИХ ПРАВИЛ

3.1. Диагностическая гипотеза и ее значение для процесса 91 автоматического формирования диагностического заключения

3.2. Модель продукционного правила с оценками нечетких переменных по индексной шкале 95

3.3 Исследование обучающей выборки аудио грамм с использованием новой системы признаков. 100

3.3.1 Форма пороговых кривых. 101

3.3.2 Направление пороговых кривых 103

3.3.3 Расстояние до нулевой линии 105

3.3.4 Расстояние между пороговыми кривыми: костно-воздушный интервал 107

3.4 Разработка алгоритма классификации аудиограмм. 109

3.4.1 Выбор метода классификации. 109

3.4.2 Построение грубой классификации 112

3.4.3 Коррекция параметров классификации 115

3.4.4 Исследование алгоритмов 122 Выводы к главе 3 126 ГЛАВА 4. ПРОГРАМНЫЙ КОМПЛЕКС ДЛЯ ИНТЕРПРЕТАЦИИ

АУДИОГРАММ И ЛОГИЧЕСКОГО ВЫВОДА 127

4.1. Описание программного комплекса 127 4Л. Е Структура программного комплекса 127 4.1.2. Ввод данных и работа с таблицами аудиограмм 130 4Л .3. Обработка наборов аудиограмм 133 4Л .3. Вывод информации 139 4Л .4. Формирование нового набора правил 140

4.2. Основные результаты реализации алгоритмов 144 Выводы к главе 4 145 ЗАКЛЮЧЕНИЕ 146 СПИСОК ЛИТЕРАТУРЫ 147 ПРИЛОЖЕНИЯ 155 ТАБЛИЦА 1. ИСХОДНАЯ ВЫБОРКА АУДИОЕРАММ 162

СПИСОК СОКРАЩЕНИЙ.

кпс- кривая(ые) порогов слышимости.

ТО- техническое обеспечение.

пс- потери слуха.

вп- воздушное проведение.

кп- костное проведение.

нзп- нарушение звукопроведения.

нсм- нарушение смешанного типа.

нзв- нарушение звуковосприятия.

вк- воздушная кривая (КПС).

кк- костная кривая (КПС).

КВИ- костно-воздушный интервал.

БТС - биотехническая система.

ктс- комплекс технических средств.

лп- лингвистическая переменная.

ФП- функция принадлежности.

чп- числовое представление (лингвистической переменной).

нл- нечеткая ломаная.

КМА - качественная модель аудиограммы.

ПР- принятие решений

ЛПР- лицо, принимающее решение.

БЗ- база знаний.

дг- диагностическая гипотеза.

ов- обучающая выборка.

ЕА- генетический алгоритм.

БД- база данных.

СУБД- система управления базами данных.

ВВЕДЕНИЕ

Слуховой анализатор (слуховая сенсорная система) - второй по значению диктантный анализатор человека, играющий крайне важную роль не только как составляющая первой сигнальной системы, но и как основное звено в развитии второй сигнальной системы. В последние десятилетия возросли требования к методам и техническим средствам, применяемым для исследования состояния органов слуха в связи с увеличением:

- числа факторов риска, способствующих развитию патологий слухового анализатора,

- общей продолжительности жизни, что автоматически ставит задачу повышения ее качества,

- новыми общественными стереотипами, основанными на идеях личной ответственности человека за свое физическое состояние. Следствием этой социальной модели является значительный интерес населения к методам и техническим средствам для самооценки физического состояния.

В Российской Федерации в настоящее время насчитывается около 600 тыс. только детей и подростков с нарушением слуха. По прогнозам ВОЗ в ближайшем десятилетии в развитых странах численность населения с социально значимыми дефектами слуха возрастет на 21%.

Приведенные факты свидетельствуют о насущной необходимости общества в эффективных средствах диагностики и лечения органов слуха.

Развитие компьютерных технологий и микропроцессорной техники привело к тому, что в большинстве автоматизированных систем в качестве основной формы представления результатов измерений и расчетов используют различные графики и диаграммы. Результаты мониторинга, исследования, прогнозирования и т.п. регистрируются и автоматически обрабатываются. Однако в большинстве случаев всегда предусматривается и графическая интерпретация временного или порядкового ряда, что позволяет выполнять визуальный контроль и принятие решений с использованием

качественной h субъективной информации в сложных ситуациях (управления, диагностики, оценки состояния и т.д.). Человек легко справляется с качественной оценкой метрических характеристик, однако при рассмотрении более сложных топологических отношений (формы, характера взаиморасположения нескольких ломаных линий и т.д.) различие в их оценках у разных экспертов может быть значительным, что будет влиять на результат принятия решений.

Для снижения влияния субъективности на оценки качественных признаков можно использовать алгоритмы принятия решений и методы мягких вычислений, основанные на идее нечетких множеств, предложенных в работах JL Заде. Проблема создания средств, унифицирующих качественные оценки отдельных характеристик, решалась в работах Н.Г. Малышева, JI.C. Берштейна, И.З. Батыршина, А.Б. Боженюка, Н.Г. Ярушкиной, Д.Дюбуа, Michiori Nakata, Henri Prade и др. В задачах медицинской диагностики способы оценки нечетких, качественных признаков формы зашумленного контура рассматривались в работах В.И. Гловы и И.В. Аникина, которые осуществили их верификацию на результатах анализа УЗИ-изображений.

Вопросы автоматического анализа отдельных типов тональных аудиограмм рассматривались в работах О.М. Григорьевой, H.H. Филатовой, H.A. Мандил, Бондаренко Р.П.

Следует отметить, что все решения, основанные на применении лингвистических переменных, базируются на использовании функций принадлежности, отражающих субъективные представления эксперта. Таким образом, снижая влияние субъективности врача на принятие диагностического решения, мы вносим в процедуру интерпретации симптомов дополнительные субъективные оценки эксперта. Очевидно, только сократив объем экспертной информации (т.е. число функций принадлежности), необходимый для построения качественных оценок, можно получить эффективные средства вербальной интерпретации

графических зависимостей и процедуры распознавания / классификации объектов с нечетко выраженными признаками.

Задача этого типа возникает при создании приборов для исследования слуха: тональных аудиометров, позволяющих регистрировать пороги слышимости на основе информации о восприятии тональных сигналов, которую вводит пациент. Одна из особенностей этих приборов заключается в представлении результатов субъективного оценивания слуховой функции в виде двух ломаных линий, так называемых пороговых кривых (кривых порогов слышимости). На основе качественных оценок их формы и положения врач формулирует диагностическую гипотезу, и тем самым определяет направление дальнейших исследований для постановки диагноза. Учитывая, что эта информация основана на субъективных оценках узлов ломаных линий (субъективность пациента) и на субъективной интерпретации вида графических зависимостей (субъективность врача), возможны ошибки в выдвижении первой диагностической гипотезы, что приведет к увеличению временных затрат на исследование и диагностику.

В существующих в настоящее время аудиометрах полностью автоматизированы функции проведения тональных исследований, но остается не решенной задача интерпретации их результатов.

Приведенные факты позволяют сделать вывод об актуальности темы диссертации, которая определяется:

- отсутствием у современных аудиометров функции построения вербальных интерпретаций результатов тональных исследований;

- сложностью задания большого числа функций принадлежности для алгоритмов качественной оценки топологических характеристик графиков, представленных ломаными построенными по узловым точкам, ординаты которых имеют приблизительные (субъективные) оценки;

- массовым характером применения методик субъективной тональной аудиометрии, в связи с ростом потенциально опасных факторов, ведущих к увеличению групп населения с социально значимыми дефектами слуха.

Целью работы является повышение точности и обоснованности решений, принимаемых при интерпретации аудиограмм и формировании диагностических гипотез.

Для достижения цели необходимо решить следующие задачи:

Выполнить анализ связей между компонентами биотехнической системы, возникающих в процессе тональных аудиометрических исследований органов слуха, оценить влияние субъективной информации на принятие решений в процессе интерпретации результатов и управления исследованием.

Разработать модель интерпретаций порогов слышимости на отдельных частотах в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.

Разработать метод и алгоритм формирования лингвистических интерпретаций топологических характеристик кривых порогов слышимости (КПС) с использованием только функций принадлежности, введенных для качественных оценок ординат их узловых точек.

Разработать алгоритм построения классификационных правил, разделяющих нечеткие графики по заданному признаку.

Разработать программный комплекс, решающий задачи интеллектуальной поддержки при принятии решений по управлению процессом формирования диагностического заключения (количественной и качественной оценки результатов тональных исследований органов слуха, классификации аудиограмм, и др.).

Методы исследования. В работе использовались методы системного анализа, теории нечетких множеств, методы кластерного анализа, эволюционного моделирования, классификации с учителем.

Новые научные результаты:

Предложена новая индексная шкала и методика ее построения, позволяющая для каждого элемента нечеткого множества и соответствующего терма лингвистической переменной генерировать

числовую оценку с использованием индекса терма и функции принадлежности. Введены определения качественных оценок убывающих, возрастающих и ровных отрезков с использованием значений индексной шкалы.

Предложено качественные оценки направления отрезков, составляющих кривую порогов (КПС) слышимости, представлять в виде квадратной матрицы, которая позволяет описывать с помощью оценок по индексной шкале не только отрезки, образующие КПС, но и все варианты ломаных, которые можно построить на этих узловых точках. Введены определения выпуклой, вогнутой и гладкой формы кривой порогов слышимости с использованием значений индексной шкалы и матрицы наклона отрезков.

Разработан новый метод оценки нечетких, иерархически связанных топологических признаков, позволяющий создавать вербальные интерпретации аудиограмм с учетом нечетких оценок потерь слышимости на отдельных частотах. Метод отличается использованием трех взаимосвязанных шкал (базовой, лингвистической и индексной) для оценки ординат узловых точек. Разработан алгоритм оценки качественных топологических признаков аудиограмм.

Разработан новый алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых. Экспертные функции принадлежности задаются только для оценки порогов слышимости. Вычисляемые функции принадлежности определяются правилами соответствия значений индексной шкалы и термов, характеризующих топологические свойства кривых. Новый метод и алгоритм позволяют уменьшить количество задаваемых (экспертных функций) принадлежности на 70%.

Практическую ценность работы составляют:

Алгоритм формирования лингвистических интерпретаций топологических характеристик аудиограмм, построенных с помощью субъективных методов оценки порогов слышимости. Методика

автоматического построения лингвистических интерпретаций тональных аудиограмм, которая может быть распространена на графические зависимости произвольного вида. Методика и алгоритм автоматического построения классификационных правил, позволившая создать набор правил диагностики видов нарушений слуха, обеспечивающая точность классификации не менее 95%. Программное обеспечение, реализующее разработанные метод и алгоритмы.

Внедрение результатов работы. Результаты диссертационной работы, включающие программный комплекс "Анализ и классификация тональных аудиограмм" и методическое обеспечение к нему, переданы для использования в Областную центральную клиническую больницу г. Твери. Результаты исследований в виде теоретических моделей, методик и алгоритмов переданы в ООО Нефтегазгеофизика (170033, Тверь, ул.Терещенко, 5/25). Модели, алгоритмы и созданное программное обеспечение внедрены в учебный процесс кафедры АТП Тверского государственного технического университета для студентов специальности 200401 «Биотехнические и медицинские аппараты и системы» и магистрантов направления 200300 «Биомедицинская инженерия».

Апробация работы. Основные результаты работы докладывались на научных конференциях: научных сессиях МИФИ-2008, 2010 гг.; третьей Всероссийской научной конференции "Нечеткие системы и мягкие вычисления, 2009 г.; Международном конгрессе по интеллектуальным системам и информационным технологиям 18&1Т'10, 2010 г.; на 12-ой национальной конференции по искусственному интеллекту с международным участием (КИИ-2010), 2010 г.

Основные положения, выносимые на защиту:

1. Результат анализа направления нечетких отрезков, составляющих ломаную линию, можно представлять в виде квадратной матрицы, каждый элемент которой определяет нечеткие множества, к которым принадлежит отрезок, начинающийся в 1-ой точке и заканчивающийся в ]-ой точке.

2. Модель аудиограммы можно представить, как совокупность описания двух ломаных линий, каждая из которых задана отрезками с нечеткими оценками ординат.

3.Для формирования качественных оценок топологических характеристик ломаных линий, узлы которых заданы приблизительными (субъективными) оценками своих ординат, можно использовать функции принадлежности двух типов. Экспертные функции принадлежности отображают соответствие принятых среди специалистов качественных оценок порогов некоторым ограничениям на диапазон изменения потерь слышимости. Вычисляемые функции принадлежности определяются по специальным правилам и устанавливают соответствие между значениями индексной шкалы и термами, характеризующими топологические свойства кривых.

Публикации. Результаты, отражающие основное содержание диссертационной работы, изложены в десяти публикациях, одна из которых -в изданиях, входящих в список рекомендованный ВАК. Имеется свидетельство о регистрации программы для ЭВМ. Список публикаций и других материалов приведен ниже.

• Филатова H.H., Миловидов A.A. Программный комплекс для лингвистической интерпретации графических зависимостей с нечеткими координатами // Программные продукты и системы, 2011, N 3. С. 110-114. Ли�