автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Методы адаптации систем диагностики патологии по ЭКГ-сигналам на основе алгоритмов распознавания

АКАДЕМИЯ НАУК БЕЛАРУСИ ИНСТИТУТ ТЕХНИЧЕСКОЙ КИБЕРНЕТИКИ

о

С ;

г

с\,

УДК 681. 327. 12

НГУЕН Т X А Н Ь ТУНГ

-1-ТОДЫ АДАПТАЦИИ СИСТЕМ ДИАГНОСТИКИ ПАТОЛОГИИ ПО СИГНАЛАМ НА ОСНОВЕ АЛГОРИТМОВ РАСПОЗНАВАНИЯ

05.13.: Применение вычислительной техники, натемати-•ского моделирования и математических методов -зучньпс исследованиях

АВТОРЕ *К PAT

диссертации на соисканю ученой степени кандидата технических наук

МИНСК 1995

Работа выполнена на кафедре математического обеспечения АСУ Белорусского Государственного Университета.

Научный руководитель - кандидат физико-математических

наук, доцент Краснопрошин B.D.

Официальные оппоненты - действительный член БИА, НЛИПТ,

IEE, IE3E, доктор технических наук, профессор Абламейко C.B.

- кандидат техническихнаук, . • старший научный сотрудник,

академик МАИ Парамонов H. II.

Оппонирующая организация - Белорусский государственный

университет информатики и радиоэлектроники.

Зашита состоится "01" февраля 1996 года в 14 час. 30 мин. на заседания Совета по защите диссертации Д 01.04.01 в Институте технической кибернетике АН Беларусн по адресу 220012, г. Минск, ул. Сурганова, 6.

•С диссертацией можно ознакомиться в библиотеке Института технической кибернетики АН Беларусн.

Автореферат разослан "30" декабря 1995 года.

Ученый секретарь Совета по защите диссертация доктор технических наук

Ç/y^^^ П. Н. Бибило

<чгГ> /

/

СЕ0ЛЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность тепы диссертации.

Задача: диагностика патология сердца по ЭХГ-сэпгалан является слабофориалазованной с точна эранзя иатекатнии. Для ао резонна требуется нотрадициошмЯ подход, осиааанкый на яспольяовапяя натомэтячэсняя модолэЛ я мотодов. прэдпатных зш>ш:1 я саврэ>!он.-яызс информационных тэхмолога!!. Оря построения алгоритмов решэняя шлряко прзненягэтся, з частности, ¡юзоЗшяа достаиеная а областях цифровой обработки сггналоа я распознаваияя образов. Ограиячзнность разработаигалх зягэрятяов заключается э том, что она ораантяроааш :га гзпр-.эдолозла:'! тяп лансалс, свлзаштыЯ с узкимя услоэяяия работы диагко-зтзчозхнх еястои. Когда проасходит смола тягюа даиьих, эта аягоратиы становятся неработоспособными. Поэтому актуальпаЗ яэ-яйотся проблема расазроияя дяапззшт прллаязяостя дязгяэстгпзсаях састои, работахаах э условзях скзоэноЭ аэтояатазацза I от яолучеяяя. сягиала до выдача розуатта). С эттзЗ цаяыэ аспользуятся раз адаптпазаш йроцодурн г ¡а осаозо аяалаэа янфорнацяя, заложенной в самом сигнала. Однако, яэ стлэстэуот единого подхода и роаэнзк» проблалы, я эта прсцояуры часто гризадят и грудаомкяи зычисланяян. .

3 ластоягцэо арапя плроко развиваются мате.чатэтзскяэ методу, которые поаэолявт работать с ет^вршя авалдомя знэзгаяма такими, как экспортные знаяяя 1 саодоиая о среда. 3 дассартапяатюЗ работа яссладуэтс'я воакозаовть яспольаоэапяя танах мэтояоз цля роаэиля качостээшгаЯ задача эярадэлэилд услоэвй фужедаоияроа аш я алгорятяоо а гиЗора рззэпяя.

Эта проблэна хало язучака. 52о уса.отггаэ ртагэазэ яоам ззузятъ основоЗ для создания лотолявктуальгасг дзагиосззчэсиах сзстэн з •. аозйоякогть» адаптация к эхозяоЗ азЗоряагдяа.

Саяэь рааота е зфуяшз иаучагди зрсграатааа, т^иаяя.

Дисгэртацзониая работа яалаотвя совтааыоЗ часть» иучвяс ясслодовапяЯ по планово"! гасбзодяотпоЗ тэиэ "Разработка иатэдоэ я аягорвтноэ раза пая задач оптзяязэцая яяфоризцяэпЕыа иияс . распознавании абразоэ -я обработка ястэстпэ к::э- язь-коз о 3 апфвр-ипцвя как иодулой янтвллехтуаяыплх азтоматазнрозанЕЫХ систая" (Гос. рогястрацля И- 01920001348), ст,:яо?;дэмоЗ кафедрой натека-

тмческого обеспечения АСУ Белгосуниверсхтета. Она также соответствует государственной каучно-исследовательской программе НИК электроники и информатики (СРВ) по теме "Применение микропроцессорной техники в разных областях народного хозяйства".

Цель я задачи исследования.

Цель» диссертационной работы является разработка математических . м программных средств, которые позволяют на основе существующих технологий создать диагностические системы со свойством адаптируемости к изменениям входной информации.

Для достижения поставленной цели необходимо решить следующие задачи.

1. Провести анализ природы информации к исследование технологии обработки сигналов с целью выявления мест, чувствительных к изменениям входной информации.

2, Разработать схему адаптации диагностических систем к смене типов входных данных.

'3. Исследовать возможность решения задачи фильтрации в условиях изменяющейся среды порождения информации. 4. Решить задачу диагностики (интерпретации сигналов) в условиях влияния среды получения сигналов.

' Методы исследования.

В работе применяются методы теории цифровой обработки сигналов, теории распознавания образов, методы искусственного интеллекта', алгебры логики и техника программирования на микрокомпьютере.

Научная новизна полученных результатов. Научная новизна работы заключается в следующем :

- предложен новый подход к адаптации диагностических систем к изменению входной информации на основе анализа и формализации состояния среды получения сигналов;

- разработан аффективный метод выбора фильтра, адаптирующегося к состоянию Среды на основе схемы концептуальной кластеризации и распознавания образов;

- разработан оригжн.ьныв иетоД Диагностики в условиях влияния среды получения сигналов на основе коллектива алгоритмов распознавания, соответствующих однородном 'классам состояний среды;

- разработан аппаратно-программный комплекс для решения задача диагностики патология сорта в условиях изменяющейся среды.

Практическая значимость полученных результате».

Разработанные в диссертации алгоритмы аяотосы могут служить основой для построения интеллектуальных систем автоматизированного анализа информации. Они могут быть использованы в соответствующих НИИ для проведения дальнейших научных доследований. Теоретические результаты, получеяша в диссертации, частично использованы при создании систем автоматической обработки длительной записи ЭКГ-сигналов для больницы советско-вьетнамской дружбы (г.Ханой) а больницы Тяонгньят ) г.-Хопинин) - Они, .также, внедрены. л. учебный. процесс в Белорусском государственном университете для чтения специальных курсов студентам.

Основные положения, вьэгосаныа на заапггу :

- подход к адаптации диагностических систем к изменение входной информации на основе анализа я формализация состояния среды получения сигналов;

алгоритм концептуальной кластеризации для определения классов состояний сроды, согласованных с априорными знаниями о сроде, а метод выбора фильтра на основе распознавания текущего состояния среды;

- алгоритм кластеризации состояний среды на лянямальпоо число однородных классов, сэотвьт'ствуюаих областям компетентности алгоритмов распознавания (длзгпостлкя);

- методика построения обобщенного описания классов па основа псоидобулеаых функций я во реализация, ориентированная на предметную задачу. Алгоритм распознавания областей компетентности на основа полученных описаний классов;

- аппаратно-программный комплекс для резаная задача диагностики патологии сердца в условиях пэмезшзядэЗся среды.

Все основные результаты диссертационной работы получены автором самостоятельно.

Апробация результатов диссертации.

По теме диссертация опубликовано 3 научных работ. Основные положения диссертационной работы докладывались на

6-ой конференция математиков Белорусски (г. Гродно, 1992); на 4-ой конференции Вьетнама по Радиоэлектронике, (г.Ханов, 1992); на научно-технической конференции стран СНГ "Распознавание образов к анализ изображений" (РОАИ-ЭЗ) (г. Минск. 1993); на 4-ой ' межгосударственной конференция творческой молодежи *Инфорнатнка-94" (г.Минск. 1994); на республиканской научно-методической конференции, посвященной 25-лет,и» факультета прикладной математики я информатики Болгосуниверсятета (г. Минск, 19951; • •

■ Структура и объен диссертации.

Диссертация состоят я? введения, общей характеристики работы, четырех глав, выводов, наложенных на 96 страницах машинописноготекрта я содержащих 6 рисунков. Список использованных источников состоят яз 82 наименований. Объем приложения 4 страницы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель я задачи, а также основные научные положения к результаты, выносимые на г ¡пакту, приведена аннотация глав диссертации.

Первая глава посвящена проблеме диагностики патология по ЭКГ-схгналам ■ условяях Систем сквозной автоматязацяи. Здесь рассматривается решение задачи диагностики на основе распознавания образов, дается краткое описание этапов цикла обработки сигналов. (аналогово-цифрового преобразования, цифровой предварительной обработки, извлечения характеристик я распознавания для выработки диагностических заключен*). Отмечена неоднородность информации как характерная особенность пря решения яанной задачи в рамках систем сквозной автоматизация (от получения сигнала до выдачи результата), работавших с потоком информации. Пря анализе природы ннфорнадяж установлен? влияние среды получения сигналов на информационное содержание последних. Исходя из этого, причина неоднородности жиформацяя заключается в изменчивости в широком диапазоне состояний данной среды. Предложен подход к решению

задачи в условиях неоднородности информации на основе выделения я распознавания типов данных. Пр» этом введено понятие типа данных, обусловленного предположениями, положенными в основу построения нласса. алгоритмов решения, причем речь идет о смене типов, когда эти предположения не соответствуют реальным условиям. Общее'определение типа данных представляется следующим образом.

"Данные считаются однородными' (относящимися к одному типу) относительно технологии решений конкретной предметной задачи, если на основе данной технологии Можно получить алгоритм, обеспечивающий для них заданное качество".

В рамках данного подхода Выделена• основная проблема выбора алгоритма в зависимости от типа данных -входного сигнала, решение которой является основой для адаптации диагностических систем к изнонению входной информации. Разработана общая схема решения данной проблемы на основе анализа и формализации состояния среды. В этой схеме типы данных соответствуют классам однородных состояний среды. Тогда гягг данных рассматриваемого сигнала можно определить путем установления принадлежности состояния среды его получения к соответствующему классу.

Среду условно можно разделить на две основные компоненты. Первая связана с внешними воздействиями (разными видами понех и артефактов как биологического, так и технического происхождения). Вторая обусловлена факторами, которые характеризуют особенность организма пациента в составляют так называемый контекст получения сигнала. В результате исследования влияния указанных компонент среды на цикл обработки сигналов установлена, что в данном цикле чувствительными к изменению . входйоО информации; являются процедуры фильтрации (основная процедура цифровой предобработка) и распознавания (для диагностики}.

Во втором и третьем параграфах данной главы обсуждены методы решения отмеченных подзадач. Для каждого случая конкретизируется понятие типа данных и его . соотношение 'о средой. В результате этого сделан вывод о том, Что в таких случаях существует разбиение состояний среды на классы, соответствующие типам данных, однородным относительно

-Б

технологии решении задачи. В последнем параграфе главы описана методология выделоник типов данных нз. основе исследования среда методами классификации и распознавания образов. Обсуждевд разные- модели кластеризация (концептуальная кластеризация и кластеризация с внешней целью), которые могут быть применены для этой цели в зависимости от способа задания априорных зканив о среде.

Таким образок, основные результаты, полученные в первой главе, заключаются в следующая :

- на основе, анализа природы информация ж ясследования влияния среды на информационноесодержание сигнала в цикле обработки установлены места, чувст-лтельные к смене типов дактес. Конкретизировано понятие тяпа данных для каждого случая я его соотношение со средой;

- предложен подход к решению задачи на. основе выделения типов данных, соответствующих класса» однородных состояний среди, к на основе выбора необходимых алгорктков обработки!

- предложена методология выделения типов данных на основе исследования среды методами классификации я распознаваний образов.

Вторая глава посвящона ревенив задачи фильтрации ЭКГ-сигналов в условиях жзменяющейся среды порождения инфоркгцяи» □остановка задачи дается в первом параграфе главы. Предложен подход к ее ревеии», реализующий принцип дискретной адаптации к сиене типов состояний среди. В данной подходе основной яваяетсс проблема выбора алгоритма фильтрации в зависимости от состояния средьг. Данную проблему предлагается решать на основе теории распознавания образов.

В связи с этим, во втором параграфе приводится возможным способ формального описания состояния среды на основе морфологической структуры .обрабатываемых сигналов. При этом измеряемые сигнаяы используются ■ в качестве носителей информации о среде. Их: можно представить некоторых набором признаков (х|.хг....х )* при х( е П1 - (••• '.д(в Ь

где каждыЁ признак означает один параметр морфологической структуры сигнала; п-■. множество его допустимых значений, которое можно разбить на определенное число градаций. Таким

образом, на языке градаций каждое состояние • среды можно записать в виде :

сэав) я. (дл4дг, -«д^, где д^ в Пк (к • цп)с

1 Для формализации классов' состояний' средыпредложена общая схема концептуальной кластеризации, основными элементами которой является:

-формирование предпонятий на основе , апрхорных знаний: о > среде; .'. '

- построение структур, характеризующих классы;

- получения кластеров, согласованных с априорными знаниями-' о среде.

реализация данной схемы изложена в последующих параграфах главы. Первый -вопрос рассматривается : в параграфе 2.3.< Выделяются два зтапа его решения.. Вначале на основе априорных знаний о среде генерируются сигналы как примеры различных классов. Затем, анализируя полученные примеры, выделяют характерные свойства* этих классов. ' Предложен алгоритм выделения свойств класса .как сочетание! признаков'" (с фиксированными' значениями), часто: встречающихся в описаниях примеров. Формально каждое из таких свойств р можно записать в виде: ,

оэс(р) - 1д[,д'2,... где д^ « {н - л7п) х

здесь п' • п у (д.. .,}, а д„, ., трактуется как неза-к к * *

висимость'свойства р от' значения признака из Пк- *

в параграфе 2.4 решается вопрос построения структур,

характеризующих классы, по заданным предлонятиям и при

неизвестной границе между классами. Сформулирована следующая

задача.

Пусть задано I

множество объектов Э, элементы которого принадлежат Ь непересекающимся классам. Причем разделение объектов множества Э по' классам заранее неизвестно; ^ множество центральных объектов (ядер) классов А « { а.} ) гдй' "а ев- ядро л.-го класса; '

- множество предпонятий Е - {С^} (игТь), где С^- (Ри) _ совокупность характерных свойств 1-го класса;

-ß-

- алфаек? градаций :

GRAD = П, х П, х ... х G

»2 А

кг. язйкс Kftropoco. зйппсзно; описаний объектов к характерные

свойсте kiiegcqb, адорь П - { 3. — ,д. } - об-

К * X <С2 litt

к

ласть йспустккы* ай'ачеЦиЕ (градаций) к-ro признака.

Требуй 1ся построить шЧ<зР структур Tt ,Т},... .Т^ . поз в о-. ваклучвйк (в сгегсле зздакшж преДпоияткй) образок рай-двяЕх ь cfiVe кты на. классам.

1! работе рассмотрены структуры признаков (FS-структурь:/, которые на областях допустимых значений признаков задайте/: со* БОкупнссхью нойохорй1х ограмьчоягй. На языке градаций (с по-мояьв алфавКта GRAD) описание FS-структура можно записать в сводующвК вк£е:

п

DSCOT) =lXJ"ni £ GRAB , где

"Ii (£ П t - области зкачежй» окрсдэпЕемьге структурой Т для 1-го признака. Формулы ' для оценки качества искомого наборе FS-структур определяются по совокупности следующих факторов : физическая кнтерпргн вцкк (степень еогкасовашшстк с предпонкгкг.кк!. разделимость и покрылаокастъ. Для ергыггзгя цаборес структур предлагается применить следующий кевйЕПврс-ващы£ крвтври£ качества.

Qt « <х^,в ,At> (l = 1,2,3 ),

где т4 - оценке, отражающие отдельные аспекты качества набора структур;

в- пороги толерантности;

й t - псфанотры, указывающие в какую сторону кдет сре.ккспио (А' • 1 означает сравнекка в порядке возрасгашга, а ■ Д ' г -I - сравнение в порядке убывалее).

Продло&он нетод построения FS-структуры на сечасве обобщения описания отдельного объекта класса. При этом и&сдедо ао-нятке д е с кр к н в на i ¡г гслх к максимально обобщенных FS-csрукхур.

Пусть имеется FS-структура Т(, получоиная путей otöGissKsa описания «дра at. Дбозначвк через Ut - ое покрытие ко »шоиест-ву S (разумеется, что тогда а е Ut). '

Структура Т называете»: дескриквнанткоб, -всяк икоет кесто соотношение

-э-

ü n ( A \ jn(}) « '4 .

Дискрининантная структура T нЬзййавтся чаксняаяьно обобщонноЯ, пели не сутестпуяг пругаЯ йи'с^р^м'знаятйоз} Структуры такой, что U(c U¡s S , г-да Ut ,tTJ - покрытая íio мнонвст-зу 5 структур т к 'Г •сочхйвтстй'аяно.

Далоо а даняпк •■параграфа опасаи иэтв.а •вийэпёааЛ\'дя"пйран*~ маяттас я максачаяъиа fffioí&^müac структур. •.* .»¡р^дйозэтол.айгврахм получения на. й аггчор» набора -ES-fctpy н*/Р» зГайлучшйта а сиислэ заданного критерия Qr

В параграфа 2. 8. jiaccнатрава^^х ft •сйвдутеяхя задача ковдвп-туалъной клаатаркааця».

Пусть задано нио&еатзороаз^йхиобьвктла ¡5 • .{.з}, ярая* ставлямцхх ti качествен«» атлячаю^Шся!; хажду ceSbf) классов. - дпряорньго уяаяяя о-классах; задаются че^з ийд*«»рт9о- • 'я^адг-яонятяЯ Е - {с^ , Ct - tp,3} ) - KspaWepjSjo

свойства, отражайте ф^зяТачгку.»} ЯнтврпрЪтаяяа) Х^гоигей&са. Требуется з сэотчотствлк. с указшийпГй. классами раабзть множество S на неппрвсвхакцяаая группы, наксхк.вльво согласо-ванньтэ с задашязми ngeияопятя'якя.

Лакну» задачу предлагается решать по емка хаток» даика-чосних ядер, который оеЛозан ив одпазраиэкнон яспояьаованая дяух функций. Одна нз нях. фуикцяя прягваааапяя, управляет процессом лрисоо.яянзния Обьоктов к лдду (зрозуяьтата которого получается раабяоняа мноааствз обьектоз) j другая, • фушцыя признаков - процессом выбора ядер. Лроцэсс класгвразаппи состоит 3J иторатнллои лрхмояэихя указам»»« фуикцаи так, чтобы иа каждой его иаго окрэдоля-ть нанлучшага а задашгвк шсяо разбиение к ядра.

Пусть V * {Р,,P„¿•...PL} раабяаняо аноаостаа S na L классов, прячах Р г. S - ян'ожастяо ' прохояуточшх ярэдстайятаяоЗ i-ro «пасса. Яноаюстао ядер обозначим чпроа а « {а »а,, • -»а } . Пусть ок,з с P¡ - обьоггш, прнаадлэаадао i-ку классу. Сходство между пяпя оврэдалявтея на основа sapaaispm для данного класса саоЗста аз С . Для эго оцэнкя 'лспользуотся бя-яарнов расстоялла, :<отороо ложно опрэдэлять как яоэффяцлзпт Такимото ;

N

к I

Ив ,8 ,С ) *-- ЛРЯ'6 ,8 «.Р,.„

■ > 1 ' ' N» N -X. ' ' '

. где.ЛГ - .) - число свойств из С(, которыми обладает вк ;

Ы^ - в^,С1) - число свойств н. С|( которыми обладает 8( ; .. число общих свойств из С^, которыми - обладают оба

. объекта вк> "в, -.'Л "•■

Тогда меру сходства ядра и соответствующего класса; определим по формуле:.

Ша^Р^ - — I вСа^о,^).

;, ' 'Vе г». ■■ ~ ;

где Н( - число элементов множества Р(.

На основе этой меры определим функцию критерия О :

О - Е В(а1 ,Р ) - Е — Е Л(а ,в,С) ■ »*' р, ■ ■

Тогда ядро а (при определении функции признаков д) выбивается из Р(как объект, обладающий максимальным сходством с другими объектам« класса по множеству его характерных свойств. Т.е. А - д{Р) - {а1 ,аа,. .,аи}, при а^ Р(й-»71) такие, что

Ша^^) » «их 0(в,Р(|.

функция присваивания £ определяется по набору Р8-структур -М, полученному путем обобщения описания ядер из А. Оценка сходства р(Н, а-,в) произвольного объекта ее в с ядром а( с А ■должна удовлетворять следующим условиям!'

г |>(к. а^.в) - О. если в не покрывается структурой Т.'; - если ?(М, а(,в) * р(Н,а},в), то е ;

ь ' V "- ' .

где О, - Е 0(ак#Рк|[) при Ри- Ри и {в}

■

■ Р^ - множество объектов кз в, покрываемых только

одной структурой Тк-Функция присваивания £ определяется следующим образок : Р = £(А1 - {Р,гР2.

где {( в € в :у(М,а)#з) ь р(М,а},в) VI}.

. На основе указанных функций представлен алгоритм концептуальной кластеризации для разбиения множества состояний

среды на классы в соответствии с заданными предпонятиями. В результате выполнения этого алгоритма получаются обобщенные описания классов в виде пар <Л,М>, где А - множество ядер, полученных после последней итерации, а И - набор FS-структур, полученных путем обобщения описания ядер из Л. Построена процедура распознавания текущего состояния но основе обобщенных описаний классов.

Таким образок, основные полученные во второй главе результаты заключаются в следующем:

- построено формальное описание состояния среды на основе морфологической .структуры обрабатываемых сигналов;

- разработана общая схема формализации априорных знаний о' классах состояний; . . .. <

- предложена модель концептуальной кластеризации для определения классов состояний среды, согласованных с априорными знаниями о среде. В рамках. этой модели введено понятие FS-структуры, которое позволяет реализовать принцип образования классов на основе выявленных закономерностей;

- разработан алгоритм построения обобщенных описаний классов состояний среды, ка основе которых построена процедура распознавания текущего состояния для выбора алгоритма обработки.

В третьей главе сформулирована математическая постановка задачи диагностики патологии в условиях влияния среды получения сигналов. Предложено одно из возможных eft решений на основе теории распознавания образов в классе коллектива решающих правил. В данном случае реализуется двухуровневая система распознавания. На первом уровне определяется область компетентности решающего правила, а ка втором - классификация сигналов по диагностическим категориям. Основная проблема связана с решением первой из задач. Предложен подход к выделению областей компетентности, который базируется на исследовании состояния среды методами классификация иvраспознавания образов.

.При этом искомые области компетентности соответствуют классам однородных состояний среды. И¿ходя из этого, сформулирована следующая задача.

Пусть задано :

- множество состояний среда {объектов) И ■=■ (i»í7¡<);

- дяпгносгвческйо категорая ЭС « { , 1<2, ____<Хс};

- множества сигналов St - {s} a S-(i=i7>i), азмерявмых при

каждая состояняп h( с И , {спрвдставитопяни всех катого-

«

рый К^е К ) . Ярвч.вм St л S « в я st " s •

- некоторое условно знав кно-.шствон сиг.яалоя CO_S .

1рй%етсн:

разбять множество IH на иинпмапьиоо число однородных в сньтсяэ СО_3 классов Ht таких, что у Н( = л я Н^г. Hj «= а V j*i ;

построить обобщенно® описание дпв каждого класса Н ; на основа полученных описаний построить процедуру рас-лкзлача.чад oÜ3iac,."it коип.пшшюсти.

Вопрос ктасгг-арлзацчгя состояний сроды по областях компотэнтиосга решается во ¡втором параграфа данной главы. Здесь под однородностью среды поникаегся условие прамвчниосгн алгоритмов распознавания. В дшпом случае искомые кластеры долиты представлять группы состояний, в ранках которых полученные сигналы различных диагностических категорий раздэляны.

В кроцоссе класгсрвзац-аз дли согласования с тробоааиком однородности среды аспсльзуется представление состояния среды через измеряемые сигналы.

Пусть -S £ Sj (j=iTc) - сигналы ннсжостиа £jf огнаеэдгзвся к категории К^е .к . Их сродиие оленежы обозначим через гГ4 . ' '

т. е.

Vе".,» а г- £ \ u - •

Stc Ьп

где чис«о олоавытоз'Множества S ¡

х (е) - зиа<гсш:о k-го признака сигнала о. ь

Состолпао среди h представляется в аада :

а фракция atat_d íhj, ) расстояния no:xuy сосгошгкяяк h¡ я h^ опродсляотся как среднее арифметическое значанао поронощония соотгототву&сцис сродник олекантов, т.е.:

с _ _

stat_d (h^h^ - bEt ■ si&jd <»11t»sjí5) .

Предложен алгоритм кластеризация соогопцкй ср&дч на ккнЕкальиов число; однородны» кязсось. В псклодпзк параграфе глаиь: решается вопрос распознавания облас?е£ кпиаагтггаостк. С помощь» полученных f в результата нласгерпааадя) пргкероз строятся обобщенные описанмя классов спс.гашм!, гатвм ira нх основе строится процедура распознавал кл айдасга ккппсаг.кг-ности. Рассмотрена задача: пссхровикя оцкгакяя классов, *наилучшим" образок соотьотствукцях описанплк зсдпнн->г* примеров.

.Пусть задана Ь шгасооя я нноявсхво, абьчкгов т - {ht'h2.....hk .,*-"-'l!eb где

11 2 с. - *

объекты h ,...,h являются представятзлям» i-го кяпссв;.

i - > * !i ...

Назовем зтк объекты пояоактедькымк примерами 1-го класса.* г» другие объекты яз Т - отрицательны«. Пусть' ¡¿Gbc.nu множества Т описываются набором атрибутов ) прп з^с

{o,i,a,.....rfi^-ij, где п^ - skosoctbo допустккмзс значений

(1-радацхй) атрибута z . Обозначвк 'гяроз К (í=eTi-J r.aiinecirfií длзъеикния описаний всея пояожлтедыгда ярпмерои i-го класса, а и - некоторый индекс пре}стоты.

Tpefiysrcs построить описаняя кпгссоа Dt,D2,.-.,DL> кия иаторкх значения кидокса и нхишмлькы в ekcdí моего слодукдя»

с®0тпззгвягя s

vi е ___,l} W * Dt (трабовакяв пй похтрывазкоезн);

Vs.,j е {t,z,....i.} ■« *! Hj . если (тробопйнпе но дге-

мрвотйжвчпеств), где? -» означает импликации, а 1 - отрицание .

ЕраЕСте.еяокке обобщенного опясаияя кдассов строится в KaeseSTPз так называемы,-: псводобулесых фугш{пй.

КойвчшС. проднкат Нг^х,,..,» J - от а с- П « {»л,. ,

(k»t"7ñ), гсркквкв-ккчий гкачвкно О плй 1, брагК: нагыямь mreBjHMíjqseaoS функцией.

Tarja построение ояисанкк ttsaccs В(, удозпотворяюяаго уcsóqsек ду.ясзй задач*, своди? es к' • пгяояяенЕВ преетзЬзеус до empegases» я as всюду определенной фуикцях fi(zi,sr¡,..-»s^):

ft<

1 для Rt с NT О для R0 - NT\ Rj на определена для E \ N,

» •■'•■< - -- д * T

гд'еЕ^- множество всех точек (z^ ,а V... ,2^) при z^e nk(k«i. n)

; IT - множество тбчек, соответствующих объектам множества Т

' Rj. R0 - множества точек, соответствующих положительным и отрицательным примерам 1-го класса сЬотввтственяо.

Здесь'описана 'методика построения простейшего представления псевдобулевых функций в классе формул, аналогичных дизъюнктивным нормальным формам '{'д. и. ф.), lio аналогия с методикой упрощения д. н. ф. булевых функций, предложенной Я). И. Журавлевым.

'' Лроцесс построения простейших д.н.ф. состоит из следующих этапов.

1.. Выявляются все ■ максимальные интервалы и строится сокращенная д.ы.ф.;

2. Строятся все тупиковые д.н.ф.;

3. Среди всех тупиковых д.н.ф. выделяются все простейшие Д.н.ф..

Отмечено, что основная трудность при реализации данной методики связана со сложностью перебора. Снижения сложности можно добиться путем выявления закономерностей, которые присутствуют среди объектов, входящих в один класс. Предложено решение, которое базируется на следующих основных положениях:

- генерируются максимальные интервалы, покрывающие заданную точку из''Е (обобщение описания представительного объекта);

- выбирается ,набор с минимальным числом представительных точек, на основе обобщения описания которых можно покрыть все объекты класса.

Рассмотрены различные свойства структур, характерных для рассматриваемого класса, и предложены соответствующие алгоритмы реализации данной схемы. На основе, полученных описаний классов построена процедура распознавания областей компетентности.

Таким образом, основные полученные в третьей главе результаты заключаются в следующем:

- определены условия однородности среды, основанные на раз-делямосгя диагностических категорий;

- введено понятие сигнального представления состояния среды.

которое наряд; с его стандартным описанием позволяет связать требование однородности классов состоят! с реально! возможностью регистрация последнях;

- предложен алгоритм кластеризации состояний среда на минимальное число однородных классов;

- построено обобщенное описание классов ка основе псевдобулевых функций;

- описана методика представления псевдобулевш функций простейшими формулами - аналогами д.п.ф.. в разработан алгоритм ее реализации, ориентированный кз. првдязтнуп задачу;

- построена на основе полученных описаний классов процедура распознавания области кокпетентдаств.

В четвертой главе рассмотрена задача построения аппаратно-программного комплекса для диагностикипатологов по ЭКГ-сигналам в условнее изморявообся среда. Сроя.кжека ояпа пз возможных реализаций комллеиса па базе персонального компьютера с дополнителными- аппаратными в програкипкяв средстЕакк. ориентированными на предметную задачу. Отксчоп в составе комплекса блок адаптация н средо, натепатячоскоВ в алгоритмической основой которого являются результаты, пояучопяио впредыдущих главах джсссртацнк. ЯашаШ блок обосяэчЕвгот квгшдексу пс си-генный уровень "интеллекта' для работы о усяссвегс сзкепсг^аЕся среди. Основные получопые в четвертой главе результаты эекяв-чаются в следующем:

- нз«осока описание архитектуры разработанного комплекса в ого основных режимов работы:

- разработан на основе результатов, получоешх в диссертации, "иптсялектуальпыЗ* блок кокплскса для ого работы в условиях изменяющейся среды;

- ггродлогепа методика реггепзя задача дпаггастскя катологсс по ЗКГ-сегнапак на разработагжеи котысопсо.

В прсяоеоиии приводятся катсрсалы о ввэдроЕвв результатов диссертационной работы.

: ШВОЕЫ-

В соответствии с поставлеппоВ цеяьв в с зад2че.иа диссср-тационной работы в процессе проведения исслэЕОЕаиий пояучесы

следуюцяе результаты.

- Разработана общая схема адаптация диагностических систем к изменению входной информация на. основе анализа и формализации состояния среды;

- В результате анализа природы информации и исследования влияния среды на информационное содержание сигнала выявлены процедуры фильтрации а распознавания как места в цикле обработки сигналов, чувствительные к изменению входной информации. Обоснована применимость разработанной схемы адаптации для каждого из случаев.

- Предложен подход н решению задачи фильтрации ЭКГ-сигналов в условиях изменяющейся среды порождения информации, который реализует принцип дискретной адаптации к смене ее классов состояний. Разработаны метод выбора алгоритма фильтрации на основе распознавания текущего состояния среды и алгоритмы для его реализации.

- Показано решение задачи диагностики патологии в условиях влияния среды получения сигналов иа основе теории распознавания в классе коллектива решающих правил. В рамках этого предложен подход к выделению областей компетентности, который базируется на исследовании состояния среды методами классификации и распознавания образов. Разработаны алгоритмы для реализации предложенного подхода.

- Разработан аппаратно-программный комплекс для решения задачи диагностики патологии па -ЭКГ-сигналам в условиях изменяющейся среды.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Kguyen Thanh Tung, Krasnoproshin V.V. Fast analysis of long time recording ECG signal based on microcomputer technique //Scientific Bulletin of Hanoi University 1992 Wt 1 .- P.18-24.

2. Краснопрошвн В.В., Нгуен Тхань Тунг. К проблеме выбора алгоритма на основе экспертных знаний //Конференция математиков Беларуси, г.Гродно, 10/1992. Тезисы докладов Гродно, 1992.- С. 82.

3. Hguyen Thanh Tung, Krasnoproshin V.V. An approach to signal processing in case of varying signal-noise medium.

//The fourth Vietnam conference on radio-electronics. Conference papers Hanoi,' 11/1992 P.319-321. ' ' ■

4. красиопрошпн В.В., Нгуен Тхань Тунг. Диагностика патологам на основе распознавания биомедицинских сигналов в условиях изменяющихся сред //Электроника и информатика, ВИЭЛИН .-г.Ханой. 10/1993 .'- С. 63-68 (на вьетнамской языка).

5. Краснопрошин В.В.. Нгуен Тхань Тунг. К проблеме выбора алгоритма диагностик* бнонедицикских сигналов на основе идентификации типов состояния среда «х "функционирования /Ред. ж. "Вестник Белорус, ун-та. Сер. 1- физ. , кат. . мех.. Нянек .- 1993 15с. дел. В ВИНИТИ »1 2U7-B93.

6. Нгуон Тхань Тунг. Проблема повышения качества обработки сигналов на основе классификация в распознавания образов //Научно-техническая конференция стран СНГ по распознаванию образов и анализу изображений.(РОДИ-93). Тезисы докладов. - Минск, 11/1993. - С. 183-184.

7. Нгуен Тхань Тунг. Алгоритмы кластеризации как средство интеллектуализация информационных систем //Актуальные про. блокы информатики ■. математическое, программное я информационное обеспечения/Материалы меядугосударственной научно-практической конференция творческой молодежи (16-20 мая 1994 г.Минск, РБ).- Нянек: Белгосуняверсятат,- 1994.-. С. 79-80.

8. Нгуен Тхань Тунг. Кетоды построения интеллектуальных систем автоматизированного анализа бионедицянскях сигналов // Матеряалы республиканской научно-методологической конференции, посвященной 25-летию факультета прикладной математики и информатики (10-14 апреля 1993 года, Нянек) Минск: Белгосуниверсятет. - 1993. - С. 79.

Р Э 3 ю И э

Нгуен Тхань Тунг -

МЕТАДЫ АДАПТАЦЫ1 С1СТЭИ ДЫЯГН0СТЫК1 ПАТАЛОГИ ПА ЭКГ-С1ГНАЛАХ НА ПАДСТАВЕ АЛГАРЫТХА? РАСПАЗНАВАННЯ

Ключавыя словы : адаптация, дыягностыка, ЭКГ-с1гнал, неаднароднасць 1нфармааы1, ф1льтрацыя, хаяцэятуальная клас-тэрызацыя, распазнавання вобразау.

ДисертацыЙная работа прысвечана праблеме адалтацы! с!стэк дыягностых! па ЭКГ-с1гналах. Иэтай дысертацъи з'яуляецца распрацоука матэматычных 1 праграмных сродхау, 'як!я б даэвалял1 стаараць дынгнастычныя с!стэиы з адаптаванасцю да варункау нэаднароднасц! 1кфариацы1. Прапанаваны новы падыход да адаптации, падставай якога з'яуляецца даследванне стану асяроддэя, у як1н узн!каюць с1гиалы кетадан! клас!ф!кацы1 1 распазнавання вобразау. Абаснаваная магчымасць выкарыстання гэтага падыхода да рашэния задач ф1льтрацы! 1 дыягностык! па ЭКГ-с1гналая $ варунках змяняючагася асяроддзя. Распрацаваны зфвктыукы иэтад выбару алгоритма ф1льтрацы! на падставе капцэптуальшЗ кяастзрызацы! 1 распазнавання вобразау, а таксака арыг1ваяькы кетад дыягиостык! на падставе калоктыва алгоритма? распазнавання. Прапанаваны апаратна-праграмиы комплекс для раоэвня задачи дыягиостык! у пврал!чаных вышэй парупиах. Алгарыткы ! нот&да, як!я распрацаваны у дысергацы!, ногуць быць падставай для стварэиня. !нтэлактуальных с!стэм аутаиатызазашга акал1зу !вфармацы!. Яны таксака могуць быць выкарыстаиы у адпаэедкых НД1 для навуковых даследванняу у гэтыи напраину 1 £ ШУ для укаранания у иавучальиы працэс.

РЕЗЮМЕ Нгуен Тхань Тунг

МЕТОДЫ АДАПТАЦИИ СИСТЕМ ДИАГНОСТИКИ ПАТОЛОГИИ ПО ЭКГ-СИГНАЛАМ НА ОСНОВЕ АЛГОРЙШй РАСПОЗНАВАНИЯ

Ключевые слова : адаптация, диагностика, ЭКГ-сигнал, неоднородность информации, фильтрация. концептуальная клас-терязацяя, распознавание образов. ^

Диссертационная работа посвящена проблеме адаптации систем диагностики патологии по ЭКГ-свгНалай. Ев целью является разработка математических я программных средств, которые - позволяли бы строить диагностические системы со свойством адаптируемости к условиям неоднородности информация. Предложен новый подход к адаптация, основанный на исследовании состояния среды получения сигналов методамя классификация в распознавания образов. Обоснована применимость данного подхода к - решению задач фильтрация к дяагиостякв по ЗКГ-сягналаи, полученных в условиях изменяющейся - среды. Разработаны эффективный метод выбора алгоритма фильтрация на основе концептуальной кластеризация и распознавания образец в оригинальный метод диагностики на основе коллектива алгоритмов распознавания. Представлен аппаратно-программный комплекс решения задачи диагностики в указанных условиях. Разработанные алгоритмы и методы могут служить основой для построения интеллектуальных систем автоматизированного аналяза информации. Они также могут бытьяспользоеаны в соответствующих НИИ для проведения д&лънейщхх научных исследований в этом направлении я. в ВГЗах для внедрения в учебный процесс.

SUMMARY Uguyen Thanh Tun<>

METHODS OF ADAPTATION OF ECG-SIGNAL DIAGNOSTICS SYSTEMS ON THE BASIS OF PATTERN RECOGNITION ALGORITHMS

Xey words : adaptación, diagnostica, ECG-eignal, non-, homoganeous information, filtering, conceptual clustering, pattern recognition. *

This thesis is devoted to the problem of adaptation of ECG-signal diagnostica systems. The aim of the research is tha design of mathematical and software facilities, which enable one to build the diagnostic system capable of adapting to tha conditions of non-ho¡itogeneous information. A new approach to adaptation, which ia based on the investigation of tha state of signal receiving medium using claaaification and pattern recognition msthodo is proposed. Its applicability to resolving the problems of ECQ-eignal filtering and ECG-signal diagnostics in the case of varying medium is substantiated. An affective method to define filtering algorithm baeed on tha conceptual clustering and pattern recognition and an original diagnostics mathod on the basis of collective of recognition algorithms are developed. Jl raicrocomputer-baoad system for diagpioofcisa. in tha abova-Kanticaad conditions is presented. The propasad algorithms and stathoda could bs used 'as foundation in building intellectual oyatssia for automatized .iiiforsátioa aaalysia. Tfcajr could 'also be used in corresponding scientific rosoarcái taatitatas fox further scientific investigations and asplo'/ed in 'teaching' process in higher schools. ..

Подписано в печать 28.12.1993г.. Формат 60x84 1/16 Объем/,£ усл. пвч. л. /^¿Зуч.-изд. л. . Тираж 100 экз. Заказ N

Отпечатано на ротапринте БГУ 220080 Минск, ул. Бобруйская, 7