автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Модели, алгоритмы и технические средства исследования и автоматического анализа дыхательных шумов

На правах рукописи

Аль-Нажжар Номан Каид Абдулла

МОДЕЛИ, АЛГОРИТМЫ И ТЕХНИЧЕСКИЕ СРЕДСТВА ИССЛЕДОВАНИЯ И АВТОМАТИЧЕСКОГО АНАЛИЗА ДЫХАТЕЛЬНЫХ ШУМОВ

Специальность 05 1117 - Приборы, системы и изделия

медицинского назначения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

--— ^«¿37

Санкт-Петербург - 2007

003158237

Работа выполнена в государственном образовательном учреждении высшего профессионального образования "Тверской государственный технический университет"

Научный руководитель -

доктор технических наук, профессор Филатова Н Н

Официальные оппоненты

доктор технических наук, профессор Аббакумов К Е кандидат технических наук, доцент Матвеев Ю Н

Ведущая организация - ФГУП "Межрегиональный центр эргономических исследований и разработок"

Защита состоится «J/ 2007 г в часов на заседании

диссертационного совета Д 212 23<Г06 Санкт-Петербургского государственного электротехнического университета "ЛЭТИ" им В И Ульянова (Ленина) по адресу 197376, Санкт-Петербург, ул Проф Попова, 5

С диссертацией можно ознакомиться в библиотеке университета Автореферат разослан " /4" >оо7 г

Ученый секретарь диссертационного совета

Юлдашев 3 М

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Аускультативные исследования органов дыхания, основанные на сравнительной оценке звуков дыхания в симметричных точках корпуса биообъекта, являются наиболее широко применяемым не ин-вазивным методом начального обследования пациента Метод отличает дешевизна технических средств и субъективный характер, как восприятия, так и интерпретации акустической информации и выделения аускультативных признаков В последние годы метод получил новый импульс к развитию, в связи с появлением электронных стетоскопов, обеспечивающих улучшенные метрологические характеристики канала проведения звука и регистрацию дыхательных шумов Однако в вопросах анализа и интерпретации результатов исследований существенных улучшений не произошло Результат решения задачи выделения диагностических признаков, как и раньше, носит субъективный характер и определяется индивидуальными особенностями слуха врача и его личным опытом Добавление фонограммы носит скорее иллюстративный характер и практически требует от медицинских специалистов создания новых признаков (не акустических, а визуальных)

Следует отметить, что в современном обществе наметилась положительная тенденция к формированию нового стереотипа поведения, основанного на личной ответственности человека за свое здоровье Это ведет к возрастанию спроса на регулярные услуги, связанные с быстрой оценкой физического состояния человека Для проведения массовых обследований необходимы новые алгоритмические и программные средств, максимально ориентированные на применение ВТ, специализированных БД, а также новые средства автоматического анализа результатов исследований

Работы в области компьютерного анализа дыхательных шумов осуществляются, как в России, так и за рубежом Большой вклад в это направление внесли исследования Вовк И В , Малышева В С , G Wodicka, V Gross, А Dittmar, Hans Pasterkamp, S Kraman и др Однако выполненные исследования носят поисковый характер и полученных результатов пока не достаточно для создания блока автоматического анализа и распознавания аускультативных признаков

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

- отсутствием моделей и эффективных алгоритмов автоматического выделения аускультативных признаков, позволяющих ускорить процесс ис-слелования органов дыхания и повысить точность распознавания патологии,

- существующими тенденциям общества и потребностями отрасли,

- возможностями компьютерных технологий и современных методов обработки информации

Цели и задачи работы.

Целью работы является создание моделей, алгоритмов и технических средств регистрации и автоматического анализа бронхо-легочных шумов для диагностики органов дыхания

Задачи исследования Для достижения поставленной цели в диссертации необходимо решить следующие задачи

1 Провести функционально-структурный анализ биотехнических систем исследования органов дыхания, использующих в качестве исходной информации дыхательные шумы Определить основные направления развития компьютерных технологий в области аускультативных методик исследования органов дыхания

2 Разработать блочно-функциональную модель канала регистрации анализа аускультативных признаков, решить вопросы технической реализации канала Разработать методические рекомендации для применения канала и создать БД образцов звуков дыхания (ЗД), иллюстрирующую проявление аускультативных признаков при заболеваниях бронхо - легочной системы

3 Исследовать записи дыхательных шумов (ДШ) в норме и при наличии патологий органов дыхания с целью выявления отличительных количественных признаков в их свойствах

4 Разработать настраиваемую информационную модель паттерна ДШ на основе многомерной системы признаков и их нечетких аналогов

5 Разработать метод и алгоритм автоматического распознавания звуков, связанных с патологиями органов дыхания, и дыхательных шумов, относящихся к классу норма, с автоматической оценкой степени истинности выводимого заключения

6. Разработать предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога", выполнить экспериментальную проверку новых моделей и алгоритмов

Методы исследования. В работе использовались методы теории вероятностей и математической статистики, теории нечетких множеств, методы кластерного анализа и теории биотехнических систем

Новые научные результаты:

1 Информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, правила их оценивания и правила настройки параметров

2 Формулы для оценок спектральных признаков, как функций, харак-

теризующих распределение энергии на пяти заданных интервалах частот, в которых наблюдаются аускультативные феномены

3 Метод оценивания длительности задержки после выдоха, основанный на анализе характера изменений среднего квадратического отклонения амплитуды акустической волны, определяемого с помощью скользящего расчетного окна

4 Метод генерации лингвистических оценок участков спектра ДШ и фаз дыхательного цикла на основе формирования нечетких высказываний, определяющих характерные свойства дыхательных шумов

5 Нечеткий алгоритм автоматического анализа и распознавания ДШ из класса "норма" и из класса "патологии", обеспечивающий оценку степени истинности выводимого заключения

Практическую ценность работы составляют:

1 Блочно-функциональная модель, техническая реализация компьютерного канала регистрации ДШ и методические рекомендации для его проектирования Методика создания БД паттернов ДШ

2 Модели и алгоритм автоматического анализа ДШ, расширяющие средства автоматизированной аускультации и повышающие точность выводов при массовых обследованиях

3 Состав и функции основных компонентов системы "АРМ - врача пульмонолога", а также результаты испытания программного модуля АДС "Анализ дыхательных сигналов"

Внедрение результатов.

Результаты исследований, включающие программное и методическое обеспечение модуля АДС -"Анализ дыхательных сигналов", БД с образцами звуков дыхания классов норма и отдельных патологий, а также техническую документацию на устройство регистрации и анализа дыхательных шумов, переданы в ФГУП МЦЭИР г Тверь На базе разработанного технического, информационного и методического обеспечения создан лабораторный стенд, используемый в учебном процессе Тверского государственного технического университета

Апробация результатов работы. Научные и практические результаты диссертационной работы докладывались и обсуждались в 2004-2007 годах на НТК преподавателей и сотрудников ТГТУ, на научно-технической конференции "Биотехнические, медицинские и экологические системы и комплексы, Биомедситемы-2006", Рязань, на НТК "Информационные и управленческие технологии в медицине" Пенза, 2007

Научные положения, выносимые на защиту:

1 Вне зависимости от вида патологии, а также при ее отсутствии гра-

фики изменения оценок среднего квадратического отклонения интенсивности дыхательного шума, найденные по отсчетам временного ряда, ограниченным скользящим окном, правильно отражают характер дыхательного цикла

2 Оценки спектральных признаков и длины задержки после выдоха с помощью ограниченного множества лингвистических переменных позволяют выделить признаки ЗД, характерные для случаев заболевания бронхо-легочной системы и для случаев отсутствия патологий

3 Методика построения описания паттерна ДШ на основе признаков, отображающих характер изменения спектра мощности в наиболее характерных диапазонах частот и оценки длительности задержки после выдоха

Публикации. По теме диссертации опубликовано 6 научных работ, из них - 3 статьи (1 статья, опубликованная в ведущих рецензируемых научных журналах и изданиях, определенных ВАК), 2 работы - в трудах всероссийских научно-технических конференций, 1 свидетельство на полезную модель

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 114 наименований, и 10-ти приложений Основная часть работы изложена на 150 страницах машинописного текста Работа содержит 99 рисунков и 32 таблицы

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и задачи исследований, приводится краткое содержание работы по главам

В первой главе диссертации выполнен функционально-структурный анализ биотехнических систем исследования органов дыхания, использующих в качестве основной информации звуки дыхания

Источником слабых акустических шумов, которые определяются как звуки дыхания (ЗД), являются трахея, бронхи и легкие Показано, что

- источник ЗД следует рассматривать как распределенный объект, находящийся в замкнутом корпусе, ткани которого влияют на прохождение акустической волны,

- характер звуков дыхания меняется по мере изменения положения приемника на корпусе источника, а также в зависимости от состояния тканей источника,

- установлено существование нескольких частотных диапазонов для индивидуальных проявлений аускультативных признаков

Анализ литературных источников показывает, что частотный диапазон аускультативных признаков очень широк, границы частотных интервалов,

отмеченные для отдельных видов аускультативных феноменов, пересекаются

F = UF„ F4^F„ F4^F2¡ F2=F21uFn ¡-i

Где Fl= 180 - 360 Гц, F21 = 360 - 720 Гц, F22 = 720 - 1500 Гц, F3= 1500 - 5000 Гц, F4= 180 - 720 Гц, F5= 5000 - 12000 Гц

Информация, получаемая в ходе выслушивания ЗД, имеет субъективный характер, определяемый поведением пациента, личным опытом врача, а также индивидуальными особенностями его слухового анализатора Анализ методических аспектов исследования ДШ приводит к выводам

- аускультация как метод исследования органов дыхания является достаточно продуктивной, т к. обладает рядом полезных экономико-социальных свойств,

- классическая методика аускультации для интерпретации звуков дыхания использует качественные, вербальные характеристики (например, звонкий, глухой, поверхностный и т.д ), которые могут не согласовываться с акустическими свойствами звуковой волны,

- метод нуждается в усилении отдельных операций, с целью снижения уровня субъективных оценок результатов и построения процедур автоматической оценки аускультативных признаков

Совершенствование инструментальной части рассматриваемой БТС на базе различных моделей электронных стетоскопов приводит к улучшению метрологических характеристик канала проведения звука, позволяет решить вопрос регистрации ДШ на жестком носителе, а также осуществлять визуализацию на ЖК мониторе фонограммы, однако позиция врача при этом не меняется врач, как и в классической схеме, осуществляет сравнение, распознавание и выделение аускультативного феномена Аускультация с помощью электронного стетоскопа может расширить возможности скрининговых методик исследования органов дыхания Однако для этого необходимо создание специализированного программного обеспечения, автоматизирующего функции интерпретации результатов исследования Для решения этого комплекса задач необходимо формирование системы вычисляемых признаков, позволяющих отделять ДШ класса нормы от патологий, а также алгоритмическое и программное обеспечение для автоматического распознавания классов ДТП

Проведенный анализ специализированных компьютерных комплексов (рентгенографии, бронхофонографии, пневмофонографии и др ), показал, что в области исследования органов дыхания технически решены задачи регистрации результатов как визуальных, так и функциональных исследований в виде унифицированных структур данных Это делает возможным ставить задачу интеграции этих данных в рамках единой системы, одним из вариантов

которой может стать АРМ врача - пульмонолога Приведена архитектура АРМ и описаны функции подсистем исследования и диагностики органов дыхания

Показано, что как для создания математического обеспечения АРМ-пульманолога, так и для разработки ПО поддержки скрининговых исследований с помощью электронного стетоскопа необходимо создание моделей и алгоритмов эффективной обработки акустической информации, позволяющие ускорить процесс исследования и повысить точность локализации патологии

Обоснована цель диссертационной работы и сформулированы основные задачи исследования

Во второй главе диссертации рассмотрены вопросы исследования дыхательных шумов классов "норма" и "изменения дыхания"

Анализ существующих коллекций дыхательных шумов (ДШ) показал, что они различаются основными параметрами записи частотой квантования по уровню и по времени, длительностью, методикой обработки, а также форматами сохранения По каждому аускультативному феномену в коллекции обычно присутствует одна запись, что затрудняет оценку характеристик классов аускультативных феноменов Показано, что для решения проблемы автоматического анализа ЗД необходимо создать архив унифицированных записей паттернов (образцов) звуков дыхания и методику его расширения

Обоснована система требований к параметрам модели паттерна ДШ частота дискретизации 11()00< f < 32000-^что позволяет регистрировать ау-скультативные феномены в низкочастотном (до 5500 Гц) и высокочастотном (до 13000 Гц) диапазонах, разрядность аналого-цифрового преобразования акустической волны - 16 бит, что позволяет анализировать акустическую волну с амплитудой менее 20 дБ, длительность паттерна 1,5сек <Т< 20 сек, что удовлетворяет акустические требования к регистрации широкополосного шума и физиологические требования к регистрации отдельных фаз дыхательных циклов Для выделения области информативных признаков, характеризующих тембровую окраску звуков дыхания, разработаны и исследованы варианта цифровых фильтров Баттерворта 6-ого порядка и два фильтра FFT, имитирующие эффекты стетоскопической и фонендоскопической приставок

Разработана методика формирования экспериментальной выборки ДШ, создано множество паттернов без патологий ("норма"), включающее 74 образца, и множество "патологии", включающее 104 записи ДШ при заболеваниях бронхитом или пневмонией

На основе исследования экспериментальной выборки ДШ с помощью непараметрических критериев серий и инверсий доказано, что путем выделения отдельных участков паттернов, можно получить реализации по свойствам

не противоречащие гипотезе о локальной стационарности временного ряда При таком подходе допустимо применять методику оценивания осредненного спектра мощности по малым временным интервалам (не более 0 02 - 0 6 сек) Для его расчета использован алгоритм на основе быстрого преобразования Фурье с использованием расчетного окна Хемминга

Проведены исследования влияния не стационарности ДТП на точность определения спектральной характеристики при анализе интервалов длительностью до 20 сек Рассмотрено влияние параметров интервала А1 (его величины, локализации по отношению к началу ряда и по отношению к фазам дыхательного цикла на вид 5Х (/,?,) Экспериментально доказано, что график осредненного спектра мощности, рассчитанного по отдельной фазе ДЦ, правильно отражает факт проявление аускультативного признака, однако абсолютное значение приращения функции ^ (/) меньше, чем аналогичная оценка, найденная по спектру, рассчитанному по участку локализации признака На основании результатов экспериментов сделан вывод, что если интервал наблюдения аускультативного признака не превышает интервала, на котором рассчитывается спектр мощности (А¡А<Т), то получаемая характеристика ^(/.Г) будет правильно воспроизводить общий характер распределения энергии по частотам

Исследование спектров мощности файлов с образцами звуков дыхания из множеств "норма" и "патологии" показывают, что эта информация может использоваться как разделительный признак только для случаев с ярко выраженными аускультативными признаками Периодограммы ЗД пациентов, находящихся на этапе долечивания, имеют визуально очень малые различия с соответствующими графиками из класса "норма"

Исследования паттернов ДШ зарегистрированных при заболеваниях органов дыхания показали, что спектры мощности вдоха и выдоха могут существенно различаться Доказана целесообразность осуществлять расчет спектров мощности на участках локализованных по фазам дыхательного цикла

Решена задача разработки метода оценки длительности фаз дыхательного цикла на основе автоматического анализа фонограммы Новый алгоритм позволяет совместить оценку спектральной плотности и временных параметров ДЦ в одном расчетном цикле В качестве косвенного признака, изменение которого совпадает с характером изменения амплитуды дыхательного шума Х(1:), используется среднее квадратическое отклонение ^ (г!) (рис 1) Показано, что точность выделения фаз дыхательного цикла зависит от размеров расчетного окна При изменении этого параметра в 8 раз разброс в оценке границ ДЦ может достигать 20% Однако, если паттерн включает не менее 10 дыха-

тельных циклов, ошибка в оценке границ ДЦ уменьшается до 5-8%

ского отклонения Sx (iL), зарегистрированы у пациента с диагнозом бронхиальная астма

В третьей главе диссертации рассматриваются вопросы создания математического и алгоритмического обеспечения задачи автоматического распознавания принадлежности образца /ГШ классу норма или патологии

Для решения таких задач необходимо создать описание объекта распознавания набором дискретных признаков Показано, что для формирования описания паттерна ДШ необходимо два подмножества признаков Y1 (спектральных) и Y2 (характеризующих фазы ДЦ) Признаки из подмножества Y1 должны отображать характер изменения сечения спектра мощности в наиболее характерных диапазонах частот А признаки из подмножества Y2 должны отображать основные параметры фаз дыхательного цикла Для формирования множества спектральных признаков необходимо выполнить переход от непрерывной функции Sx(f,T = const) к описанию этих свойств с помощью набора дискретных признаков Для сокращения числа признаков предлагается использовать описания спектров мощности с помощью интервальных оценок Предложена общая формула для расчета оценок спектральных признаков, как функций <p(f,), характеризующих распределение энергии на выделенном интервале частот

/шахО-;) <// -/maxj> J ~ /max j ~~ /шах (j-I)'

pi

De,>0, L, = /«(M)' 7 = p, допустимо (3j)DeJ <0 (2) где j - номер признака (соответствует номеру частотного интервала), ^ -число частот на j - ом интервале, N - мощность множества ss(f><\ i - номер шага по частоте, ^^и-п. максимальная частота на (j-1) интервале (правая граница (j-l)-oro интервала), р - число признаков, ^^ - функция, характеризующая распределение энергии Haj-ом интервале частот

Введено 5 признаков {Yl = {y2,y3,y4,y5,y6}) ь соответствии с известными из литературы интервалами частот, в которых наблюдаются аускультатив-ные признаки у3 - признак, вычисляемый на интервале < / - 200Гц j ^ _ на

200</<300Гц, у4 - на 300</<700П, ys - на 700<f< 1400Гц, у6 - на 300 < f <400Гц

Для формирования элементов подмножества признаков Y1 предложено несколько формул оценки функции

<p(f,) = ss(f,) (3)

<p(f,) = SS(f,)*S;', (4)

1=1

rtf,) = lSS(f,)-SS(f,)) (5)

<p(f,) = (.ss(fl)-ss(fp))*s;,1 (6)

Признаки вида (1-3) вычисляются простым сложением ординат графика спектра мощности Признаки на основе ^^ вида (4) аналогичны, но позволяют в последствии говорить о вкладе определенного участка в общий спектр в процентах или относительных единицах

Для характеристики фаз ДЦ предложено включить в Y2 длительность задержки ДЦ у, е Y2

Переход в пространство дискретных признаков позволяет применять методы визуализации многомерных данных и формировать интегрированные графические интерпретации результатов аускультативных исследований, выполненных в различных точках корпуса пациента (рис 2)

Графические интерпретации результатов аускультативных исследований, выполненных с интервалом несколько дней, могут в лаконичной форме иллюстрировать картину развития заболевания, успешность лечебных мероприятий На рисунке 3 показано распределение оценок признаков (у4 -ys) у больного пневмонией Четко выделившиеся классы соответствуют двум множествам паттернов ДШ, зарегистрированных с недельным интервалом Кластер с более высокими оценками признаков соответствует дыхательным шу-

мам, зарегистрированным на начальном этапе лечения Для расчета оценок признаков использовались формулы (1-3)

УА-1)..... С

Ci * *

5300 4900 4500 4100 3700 3300

1200

1800 2000 22

Рис 2 Распределение признака

Оъ)

для

4-х симметричных точек аускультации при заболевании пневмония

Рис 3 Распределение оценок признаков (у4~у5) у больного пневмонией, два множества паттернов ДШ, зарегистрированных с недельным интервалом_

Создана обобщенная информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, характеризующих две группы свойств звуков дыхания, правила оценивания отдельных групп признаков и правила настройки размерности модели

Для решения задачи классификации паттернов ЗД выбраны иерархические алгоритмы кластерного анализа Для каждого паттерна были найдены оценки интегральных признаков Y= (уь уб) В качестве программно-инструментального средства использовались программа анализа данных StatGraphics Plus for Windows и MatLab 6 1

Созданы формализованные правила формирования рабочей и контрольной выборок ДШ, включающие допущение о возможности рассматривать ЗД одного пациента при регистрации их в разных точках, в качестве отдельных объектов Показано, что для отделения объектов класса "норма" от объектов класса Патологии необходимо построить алгоритм последовательного анализа объектов сначала по признаку а затем по спектральным признакам Созданный алгоритм анализа описаний ДШ позволяет получить 8% -ую ошибку в распознавании патологий и 10% - ую ошибку в распознавании объектов из класса "норма"

Результаты кластерного анализа на различных по объему и составу выборках приводят к выводу, что рассматриваемые точные количественные признаки не позволяют выделять без ошибок объекты классов "норма" и "патологии" Учитывая влияние индивидуальных особенностей человека, а также случайных факторов, которые могут существенно изменить количественные оценки ЗД и связанных с ними признаков, сделан вывод о необходимости перехода от точных количественных признаков к их нечетким аналогам

Для описания характера звуков дыхания предложено 6 лингвистиче-

ских переменных характеризующих длительность задержки в ДЦ и выделение энергии на интервалах частот 10</<200Гц, 200</<300Гц, 300</<700ГЦ, 700</<1400Гц , 300</<400Гц соответственно

Учитывая, что пять из шести лингвистических переменных интерпретируют физически аналогичные характеристики, введено два варианта терм-множеств Для построения лингвистической шкалы первой переменной "Длительность задержки ДЦ" введено 4 терма т„- Очень Малая (ОМ), '[„- Малая (М), Т13- Средняя (Ср), Ти- Большая (Б) В совокупности они образуют терм-множество ЛП1= {ТП,Т12,Т13,Т14} Терм-множество для любой из оставшихся пяти лингвистических переменных создается в виде тройки <Т, - Малая оценка ЛЦ,, Т12 - Средняя оценка ЛЦ, Т:] - Большая оценка ЛЦ> (7)

Например, на основе (7) для второй лингвистической переменной формируется терм-множество ЛП2 {(7^=Малое выделение энергии на интервале частот 10 </ <200Гц), (^=Среднее выделение энергии на интервале частот Ю</ <200Гц^ Т23 =£ольшое выделение энергии на интервале частот 10 < / < 200Гцу^

Для перехода от значений базовых переменных к соответ-

ствующим значениям ЛП1 построены специальные функции принадлежности Предложены правила фазификации, позволяющие получить лингвистические интерпретации спектров ЗД и фаз дыхательного цикла

На основе предложенных лингвистических переменных, экспертной информации и интерпретации результатов кластерного анализа с использованием лингвистических оценок признаков сформированы нечеткие высказывания, определяющие характерные признаки звуков дыхания, наблюдавшихся при отсутствии и наличии заболеваний органов дыхания На их основе составлено пять правил, которые позволяют распознавать описания ДТП из класса "норма" и из класса "патологии" (табл )

Таблица

N Нечеткие высказывания, определяющие характерные признаки звуков дыхания Наименование класса

1 (ЛП,=М1 ЛП,=ОМ)&ЛП3=М & ЛП4=М & ЛП5=М = £>„ "норма"

2 ЛП,=Б & ЛП3 =М & ЛП, =М & (ЛП2 =М ' ЛП2=Ср Ь2 = £>2; "патологий'

3 ->(ЛП1 =М) 1 -> (ЛП1= ОМ) Ь3 = И и "патологии"

4 (ЛП1 =Б)' (ЛП1=Ср) & (ЛПЗ= Ср ' ЛПЗ= Б) = О л "патологии"

5 ((ЛП4=Ср)' (ЛП4=Б)) & (ЛП5 = Ср ' ЛП5 = Б) Ь} = О^ "патологии"

Степень истинности высказываний, соответствующих посылкам правил, при анализе паттерна Yg определяется выражениями вида Hf = mm{max(KTn),ft(Tl2)),n{T31), KT4l),n(Tsl)}

ц" = mm {msx(/x(T2,), /л(Т22 )Хц(Ты), ^Т3,),ц(Т41)}

^ =max{(l-M(T„W-M(Tn))} (8)

ц" = mm {max(ju(Tl4 ),fi(T13)), max(/i(T32), /л(Т33))}

M" = гаш{гаах{ц{Т42), ii(T43)),msx.(/i(T52), /л(Т,3))}

Решением задачи распознавания класса будет четкое высказывание (наименование класса - LJ =Оа,цщ = max fiPR), которое является заключением в правиле с максимальным значением цек

Разработан алгоритм распознавания звуков дыхания из класса норма, основанный на нечеткой классификации ДШ и позволяющий оценивать степень истинности выводимого заключения (рис 4)

В четвертой главе диссертации рассмотрены аппаратные и программные средства регистрации и анализа ДШ Предложена блочно-функциональная модель канала регистрации дыхательных шумов, включающая пять компонентов приемник и преобразователь акустических сигналов, согласующий усилитель, АЦП и блок обработки цифрового кода На основе модели разработан вариант технической реализации канала регистрации ДШ на базе персонального компьютера Предлагаемое устройство защищено свидетельством на полезную модель Созданный вариант компьютерного канала позволяет сохранять на магнитном носителе записи дыхательных шумов и воспроизводить их с уровнем громкости 40 - 60 дБ Проведены испытания устройства в условиях стационара и разработана методика проведения ау-скультативных исследований с его применением Разработана методика создания БД образцов звуков дыхания, определены правила актуализации БД

Предложен вариант архитектуры программного обеспечения АРМ пульмонолога. Определены функции основных модулей программной системы Разработано ПО модуля АДС -"Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД на жестком диске ПК в файлах формата ASCII, просматривать на экране фонограмму, по выборке отсчетов ЗД выполнять расчет статистических характеристик и на их основе оценок признаков (уь у„), настройку параметров расчетных окон, вывод на экран и в файл графиков Для оценки признаков (уь Уб) вводится понятие расчетного окна В процедурах оценки характеристик s](Lt),xmm{Lt) оно является скользящим В начале расчетного цикла левая граница окна совмещается с началом временного ряда Правая граница расчетного окна устанавливается в

соответствии с настроечным параметром (а=512, 1024, 2048 - длина окна) По точкам ВР, ограниченным окном, выполняется расчет за"

тем окно перемещается вправо на свою длину Ь так, что его новая левая граница совпадала со старой правой границей и все операции повторяются Графики изменения характеристик ДШ при переходе от одного расчетного к другому регистрируются в текстовом файле На основе характера изменения ,5^(7.,) выделяются границы дыхательных циклов, находятся оценки задержек после выдохов

Рис 4 Блок-схема алгоритма распознавания класса ДШ

ЗАКЛЮЧЕНИЕ

1) Построена обобщенная схема биотехнической системы автоматической аускультации органов дыхания (БТС_АА) Определены требования к техническим характеристикам компьютерного канала регистрации звуков дыхания и сформулированы направления применения компьютерных технологий для эффективной реализации БТС_АА

2) Создан вариант компьютерного канала регистрации звуков дыхания на магнитном носителе Разработаны методические рекомендации для его проектирования и проведения аускультатавных исследований с применением нового устройства Разработана методика создания и актуализации БД образцов звуков дыхания Создана БД с образцами записей ДТП

3) Обоснована система требований к параметрам модели паттерна ДШ и устройству для его записи, которые удовлетворяют ограничениям на регистрацию широкополосного шума и физиологическим требования к регистрации отдельных фаз дыхательных циклов

4) Создана обобщенная информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, характеризующих две группы свойств звуков дыхания, правила оценивания отдельных групп признаков и правила настройки размерности модели

5) Разработан метод оценивания длительности задержки после выдоха путем анализа характера изменений среднего квадратического отклонения амплитуды акустической волны, определяемого с помощью скользящего расчетного окна

6) Предложена общая формула для расчета оценок спектральных признаков, как функций q>{ft), характеризующих распределение энергии на выделенном интервале частот Введено 5 спектральных признаков в соответствии с известными из литературы интервалами частот, в которых наблюдаются ау-скультативные феномены Предложено несколько формул оценки функции (pif,), позволяющих создавать описания ДШ с помощью функции спектральной плотности и различных ее линейных преобразований Для характеристики фаз дыхательного цикла предложено включить в состав признаков длительность задержки после выдоха

7) Проведены исследования методами кластерного анализа смешенной выборки паттернов ДШ, которые показали наличие пересечений отдельных классов в сформированном признаковом пространстве Сделан вывод о необходимости перехода от точных количественных признаков к их нечетким аналогам

8) Для описания ДШ предложено 6 лингвистических переменных характеризующих длительность задержки и выделение энергии на фиксированных интервалах частот Для всех лингвистических переменных сформированы терм-множества и построены функции принадлежностей Предложены правила фазификации, позволяющие получить лингвистические интерпретации спектров ДШ и задержек после выдохов Создана нечеткая модель паттерна дыхательного шума

9) Сформированы нечеткие высказывания, определяющие характерные признаки ДШ Созданы нечеткие модели классов ДШ "норма" и "патологии"

10) Разработан алгоритм распознавания ДШ из класса "норма" и из класса "патологии", позволяющий оценивать степень истинности выводимого заключения Ошибка распознавания объектов из класса "норма" - менее 3%

11) Разработаны предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога" Разработаны фрагменты ПО модуля АДС "Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД файлах формата ASCII, просматривать на экране фонограмму, по выборке отсчетов звуков дыхания выполнять расчет основных характеристик временного ряда и оценок выделенных признаков ДШ

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Аль-Нажжар Н К, Филатова Н Н Задача распознавания патологий на основе цифрового анализа акустических сигналов // Сборник научных трудов, Компьютерные технологии в управлении, медицине, образовании ТГТУ, Тверь, 2006, С 97-100

2 Аль-Нажжар Н К, Филатова НН К вопросу регистрации бронхо-легочных шумов // Сборник научных трудов, Компьютерные технологии в управлении, медицине, образовании ТГТУ, Тверь, 2006, С 101-104

3 Аль-Нажжар Н К Компьютерный анализ дыхательных шумов // Сборник трудов всероссийской НТК "Биотехнические, медицинские и экологические системы и комплексы, Биомедситемы-2006", Рязань, РГРТУ, 2006

4 Филатова Н Н, Аль-Нажжар Н К Компьютерные технологии в исследовании и диагностике патологий органов дыхания/ТПрограммные продукты и системы N1,2007 С 42-44

5 Филатова Н Н, Аль-Нажжар Н К Устройство регистрации и анализ дыхательных шумов // Полезная модель - Регистрационный № 2007113453 -Входящий № 014605, Федеральный институт промышленной собственности, М, 2007, С 14-18

6 Филатова НН, Аль-Нажжар Н К, Вальдес АР Автоматизированная поддержка принятия диагностического решения при исследовании органов дыхания // Сборник трудов НТК Информационные и управленческие технологии в медицине Пенза, ПГТА, 2007

Подписано в печать 11 09 07 Формат 60*84 1/16 Бумага офсетная Печать офсетная Печ л 1,0 Тираж 100 экз Заказ 93

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ" 197376, С -Петербург, ул Проф Попова, 5

ВВЕДЕНИЕ

ГЛАВА 1. АКУСТИЧЕСКИЕ МЕТОДЫ ИССЛЕДОВАНИЯ ОРГАНОВ

ДЫХАНИЯ

1.1 .Анализ объекта исследования

1.1.1. Источники дыхательных шумов

1.1.2. Звуки дыхания, как объект исследования

1.2. Аускультация, как методическая основа исследования органов дыхания

1.3. Технические устройства для восприятия звуков дыхания

1.4. Компьютерные технологии в исследовании звуков дыхания

1.5. Постановка задач диссертации 49 Выводы к главе

ГЛАВА 2. ИССЛЕДОВАНИЕ КЛАССОВ ДЫХАТЕЛЬНЫХ ШУМОВ

2.1. Задача формирования экспериментальных выборок паттернов ДТП

2.1.1. Оцифровка звуков дыхания: параметры дискретизации

2.1.2. Размер паттерна

2.1.3. Нормализация записей звуков дыхания

2.1.4. Фильтрация записей звуков дыхания

2.2. Исследование дыхательного шума, как случайного процесса

2.2.1. Оценка основных статистических характеристик

2.2.2. Спектральный анализ звуков дыхания

2.3. Способ оценки длительности фаз дыхательного цикла

Выводы к главе

ГЛАВА 3. МОДЕЛИ И АЛГОРИТМЫ РАСПОЗНАВАНИЯ КЛАССОВ

ДЫХАТЕЛЬНЫХ ШУМОВ

3.1. Построение информационной модели дыхательных шумов

3.1.1. Признаки, характеризующие особенности спектра мощности

3.1.2. Признаки, характеризующие изменение фаз дыхательного цикла

3.2. Методы классификации объектов

3.3. Кластерный анализ паттернов звуков дыхания

3.3.1. Выделение классов "норма" и "патологии" на множестве ДЦ

3.3.2. Выделение классов "норма" и "патологии" на множестве описаний спектров звуков дыхания

3.4. Классификация паттернов ДШ на основе нечетких признаков

3.4.1.Построение нечеткой модели паттерна ДШ: формирование системы нечетких признаков

3.4.2. Классификация ДШ на основе нечетких признаков. Алгоритм распознавания паттернов дыхательных шумов

Выводы к главе 3 ^

ГЛАВА 4. ТЕХНИЧЕСКИЕ И ПРОГРАММНЫЕ СРЕДСТВА РЕГИСТРАЦИИ И АНАЛИЗА ДШ

4.1.Техническая реализация компьютерного канала регистрации ДШ

4.1.1. Блочно-функциональная модель канала

4.1.2. Схема устройства регистрации и анализа дыхательных шумов

4.1.3. Методические рекомендации для проектирования КРЗ дыхания 4.2. Испытание.компьютерного канала регистрации звуков дыхания

4.3 Методика создания БД образцов звуков дыхания

4.4 Программный модуль анализа образцов звуков дыхания Выводы к главе

Аускультативные исследования органов дыхания, основанные на сравнительной оценке непроизвольных звуков дыхания в симметричных точках корпуса биообъекта, являются наиболее широко применяемым не инвазивным методом начального обследования пациента. Метод отличает дешевизна технических средств и субъективный характер, как восприятия, так и интерпретации акустической информации и выделения аускультативных признаков. В последние годы метод получил новый импульс к развитию, в связи с появлением электронных стетоскопов, обеспечивающих улучшенные метрологические характеристики канала проведения звука и регистрацию дыхательных шумов. Однако в вопросах анализа и интерпретации результатов исследований существенных улучшений не произошло. Результат решения задачи выделения диагностических признаков, как и раньше, носит субъективный характер и определяется индивидуальными особенностями слуха врача и его личным опытом. Добавление фонограммы носит скорее иллюстративный характер и практически требует от медицинских специалистов создания новых признаков (не акустических, а визуальных).

Следует отметить, что в современном обществе наметилась положительная тенденция к формированию нового стереотипа поведения, основанного на личной ответственности человека за свое здоровье. Это ведет к возрастанию спроса на регулярные услуги, связанные с быстрой оценкой физического состояния человека. Для проведения массовых обследований необходимы новые алгоритмические и программные средств, максимально ориентированные на применение ВТ, специализированных БД, а также новые средства автоматического анализа результатов исследований.

Работы в области компьютерного анализа дыхательных шумов осуществляются, как в России, так и за рубежом. Большой вклад в это направление внесли исследования Вовк И.В., Малышева B.C., G. Wodicka, V. Gross, A. Dittmar, Hans Pasterkamp, Steve's. Kraman и др. Однако выполненные исследования носят поисковый характер и полученных результатов пока не достаточно для создания автоматического анализатора аускультативных признаков.

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

- отсутствием моделей и эффективных алгоритмов автоматического выделения аускультативных признаков, позволяющих ускорить процесс исследования органов дыхания и повысить точность распознавания патологии;

- существующими тенденциям общества и потребностями отрасли,

- возможностями компьютерных технологий и современных методов обработки информации.

Целью работы является создание моделей, алгоритмов и технических средств регистрации и автоматического анализа бронхо-легочных шумов для диагностики заболеваний органов дыхания.

Задачи исследования. Для достижения поставленной цели в диссертации необходимо решить следующие задачи:

Провести функционально-структурный анализ биотехнических систем диагностики патологий органов дыхания, использующих в качестве основной информации - слабые акустические сигналы. Определить основные направления развития компьютерных технологий в области аускультативных методик исследования органов дыхания.

2.Разработать блочно-функциональную модель канала измерения и регистрации аускультативных признаков и решить вопросы ее технической реализации.

3.Разработать методику автоматизированной аускультации и создать БД образцов звуков дыхания, иллюстрирующую проявление аускультативных признаков при заболеваниях бронхо-легочной системы.

4. Исследовать записи дыхательных шумов в норме и при наличии патологий органов дыхания с целью выявления отличительных количественных признаков в свойствах акустической волны.

5. Сформировать систему признаков для автоматического распознавания дыхательных шумов, наблюдающихся при патологиях органов дыхания, и дыхательных шумов, относящихся к классу норма.

6. Разработать на основе нечеткой классификации ДШ метод и алгоритм автоматического распознавания звуков, связанных с патологиями органов дыхания и дыхательных шумов, относящихся к классу норма.

7. Разработать предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога".

Методы исследования. В работе использовались методы теории вероятностей и математической статистики, теории нечетких множеств, методы кластерного анализа, теории биотехнических и экспертных систем.

Новые научные результаты:

1. Функциональные требования и структура обобщенной схемы биотехнической системы автоматической аускультации органов дыхания (БТСАА);

2. Обобщенная информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, характеризующих две группы свойств звуков дыхания, правила оценивания отдельных групп признаков и правила настройки размерности модели.

3. Формулы для построения расчетных соотношений для оценок спектральных признаков, как функций, характеризующих распределение энергии на интервалах частот, в которых наблюдаются аускультативные феномены.

4. Метод оценки длительности фаз дыхательного цикла, позволяющий совместить оценку спектральной плотности и временных параметров ДЦ в одном расчетном цикле. В качестве косвенного признака используется среднее квадратическое отклонение уровня дыхательного шума, которое рассчитывается с помощью скользящего расчетного окна.

5. Метод генерации лингвистических оценок участков спектра ДШ и фаз дыхательного цикла на основе формирования нечетких высказываний, определяющих характерные свойства дыхательных шумов в классах норма и патологии.

Практическая ценность работы заключается в том, что разработано:

1. Алгоритм распознавания ДШ из класса "норма" и из класса "патологии", позволяющий оценивать степень истинности выводимого заключения.

2. Алгоритмическое и программное обеспечение модуля АДС -"Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД на жестком диске ПК и автоматический анализ дыхательных шумов;

3. Предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога".

4. Устройстве регистрации звуков дыхания, позволяющее регистрировать на магнитном носителе записи дыхательных шумов и воспроизводить их с уровнем громкости 40 - 60 дБ.

Внедрение результатов.

Результаты исследований, включающие программное и методическое обеспечение модуля АДС -"Анализ дыхательных сигналов", БД с образцами звуков дыхания классов норма и отдельных патологий, а также техническую документацию на устройство регистрации и анализа дыхательных шумов, переданы в ФГУП МЦЭИР г.Тверь. На базе разработанного технического, информационного и методического обеспечения создан учебный стенд, используемый в учебном процессе Тверского государственного технического университета.

Апробация результатов работы.

Научные и практические результаты диссертационной работы докладывались и обсуждались в 2004-2007 годах на НТК преподавателей и сотрудников ТГТУ, на научно-технической конференции "Биотехнические, медицинские и экологические системы и комплексы, Биомедситемы-2006", Рязань, на НТК "Информационные и управленческие технологии в медицине". Пенза, 2007.

Публикации. По теме диссертации опубликовано 6 печатных работ, из них 3 статьи, 2 работы в трудах всероссийских научно-технических конференций и 1 свидетельство на полезную модель.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы и приложения. Основное содер

ВЫВОДЫ к главе 4.

1. Предложена блочно-функциональная модель канала регистрации дыхательных шумов, включающая пять компонентов: приемник и преобразователь акустических сигналов, согласующий усилитель, АЦП и блок обработки и регистрации цифрового кода.

2. На основе модели разработана схема устройства регистрации ДШ на базе персонального компьютера. Созданный вариант технической реализации компьютерного канала регистрации звуков дыхания позволяет регистрировать на магнитном носителе ДШ и воспроизводить их с уровнем громкости 40 - 60 дБ. Разработаны методические рекомендации для проектирования канала.

3. Проведены испытания КРЗ дыхания в условиях стационара. Разработана методика проведения аускультативных исследований с применением нового устройства.

4.Разработана методика создания БД образцов звуков дыхания, определены правила актуализации БД.

5. Разработано ПО модуля АДС -"Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД на жестком диске ПК в файлах формата ASCI, просматривать на экране фонограмму, по выборке отсчетов ЗД выполнять расчет автокорреляционной функции (R(X)), выборочного среднеквадра-тического отклонения, оценок признаков (у 1, упб), настройку параметров расчетных окон, вывод на экран и в файл графиков: X(t), R(tay), CKO(L), yi=f (yj).

ЗАКЛЮЧЕНИЕ

1).Построена обобщенная схема биотехнической системы автоматической аускультации органов дыхания (БТСАА). Определены требования к техническим характеристикам компьютерного канала регистрации звуков дыхания и сформулированы направления применения компьютерных технологий для эффективной реализации БТСАА.

2) Создан вариант компьютерного канала регистрации звуков дыхания, позволяющий регистрировать на магнитном носителе записи дыхательных шумов и воспроизводить их с уровнем громкости 40 - 60 дБ. Разработаны методические рекомендации для проектирования канала и проведения аускультативных исследований с применением нового устройства. Разработана методика создания и актуализации БД образцов звуков дыхания. Создана БД с образцами записей ДШ.

3) Обоснована система требований к параметрам модели паттерна ДШ и устройству для его регистрации, которые удовлетворяют ограничениям на регистрацию широкополосного шума и физиологическим требования к регистрации отдельных фаз дыхательных циклов.

4) Разработан метод оценки длительности фаз дыхательного цикла, позволяющий совместить оценку спектральной плотности и временных параметров

ДЦ в одном расчетном цикле. В качестве косвенного признака используется среднее квадратическое отклонение амплитуды дыхательного шума, которое рассчитывается с помощью скользящего расчетного окна.

5) Создана обобщенная информационная модель паттерна дыхательного шума, включающая многомерную систему признаков, характеризующих две группы свойств звуков дыхания, правила оценивания отдельных групп признаков и правила настройки размерности модели.

6) Предложена общая формула для расчета оценок спектральных признаков, как функций^'), характеризующих распределение энергии на выделенных интервалах частот. Введено 5 спектральных признаков в соответствии с известными из литературы интервалами частот, в которых наблюдаются ау-скультативные феномены. Предложено несколько формул оценки функции позволяющих создавать описания ДШ с помощью функции спектральной плотности и различных ее линейных преобразований. Для характеристики фаз дыхательного цикла предложено включить в состав признаков длительность задержки после выдоха.

7) Проведены исследования методами кластерного анализа смешенной выборки паттернов ДШ, которые показали наличие пересечений отдельных классов в сформированном признаковом пространстве. Сделан вывод о необходимости перехода от точных количественных признаков к их нечетким аналогам.

8) Для описания ДШ предложено 6 лингвистических переменных характеризующих длительность задержки и выделение энергии на фиксированных интервалах частот. Для всех лингвистических переменных сформированы терм-множества и построены функции принадлежностей. Предложены правила фа-зификации, позволяющие получить лингвистические интерпретации спектров ДШ и фаз дыхательного цикла. Создана нечеткая модель паттерна дыхательного шума. Сформированы высказывания, определяющие нечеткие модели классов ДШ "норма" и "патологии".

9) Разработан алгоритм распознавания ДШ из класса "норма" и из класса "патологии", позволяющий оценивать степень истинности выводимого заключения. Ошибка распознавания объектов из класса "норма" - менее 3%.

10) Разработаны предложения по составу и функциям основных компонентов программной системы "АРМ - врача пульмонолога". Разработаны фрагменты ПО модуля АДС "Анализ дыхательных сигналов", позволяющего осуществлять регистрацию ЗД файлах формата ASCI, просматривать на экране фонограмму, по выборке отсчетов звуков дыхания выполнять расчет основных характеристик временного ряда и оценок выделенных признаков ДШ.

1. Зотов A.A., Курыгин А.Г. ,Методика пропедевтики аускультации легких, Ярославль, 1997г,125с.

2. Пропедевтика в таблицах http://corncoolio.narod.ru/

3. Kandaswamya A., Sathish Kumarb С., Neural classification of lung sounds using wavelet coefficients// Computers in Biology and Medicine №3, Индия 2003.

4. Водолазский Jl. А., Замотаев И. П., Магазаник Н. А., Голиков В. А., Методика оценки акустических свойств приборов для аускультации. // Мед. Техника № 5 1979,С Л 7—20

5. Методика обследования, Грудная клетка и лёгкие.http://www.medtrust.ru/pls/biblioteka/books/klinobsled/gl8/metodikaobsledovanija. ru

6. Аускультация и гипертоническая болезнь.ЬИр.7/п^1с^ега1.сот.ги/ра§е10-88-l.html

7. Ричард Лайонс Цифровая обработка сигналов.- М, Бином- Пресср, 2006 -656с.

8. Сахаров В.Л. Методы и средства анализа медикобиологической информации, Учебно-методическое пособие. Таганрог, ТГРЕЦ. 2002

9. Бендат Дж, Пирсол А. Прикладной анализ случайных данных. М., Мир, 1989.-540с.i

10. Смирнов Д.В., Логутенко О.И. Аппаратные средства мультимедиа. Аудиосистема ПС, СПб. Изд.,Питер, 1999-3 84с

11. Первичный осмотр и сердечно-легочная реанимация // www.bashmed.ru/rean/rescueratetable.html

12. Джефф Партика, Adobe Audition 1.5 для Windows, HT Пресс, 2006-216с.

13. Сергиенко А.Б. Цифровая обработка сигналов. СПб., Изд.Питер, 2002 -608 с.

14. What is the Fast Fourier Transform //IEEE Trans, on Audio and Electroacoustics №2,1967, p.45-55.

15. Вентцель Е.С. Теория вероятностей. М., Наука, 1969. 575с. 16. Архив записи //www.umanitoba.ca/faculties/medicine/ILSA/sounds/ralrepos.html. ^ 17 Институт Национальной академии наук Украины, Институту гидромеханики //www.hydromech.kiev.ua.

16. Реакламная информация // www.stethographics.com.

17. Martin Kompis, Hans Pasterkamp. Acoustic Imaging of the Human// Chest; American College of Chest Physicians,.2001 ;C 1309-1321

18. Шрюфер E., Цифровая обработка сигналов. Киев, 1992. -294с.

19. Богнера Р ,Констандинидиса. А, Введение в цифровую фильтрацию. М., Мир, 1976-216с.

20. Хоровиц П., Хилл У., Искусство схемотехники. М.,Мир, 2003 704с.

21. Вовк И.В. и Семенов В.Ю.Автоматическое обнаружение и распознавание ^ сухих хрипов на основе анализа их автокорреляционной функции // Акустический вестник, НАН Украина- Киев ISSN 1028 -7507. 2005. Том 8, №3. С 17 -23

22. Hans Pasterkamp, Steve's. Kraman, and George'r. Wodicka. Respiratory Sounds Advances Beyond the Stethoscope // Purdue University -Indiana., Volume 156,№ 3, 1997,P 974-987.

23. Katila, R., P. Piirila, K. Kallio, E. Paajanen, T. Rosqvist, and A. R. Sovijarvi. Original waveform of lung sound crackles: a case study of the effect of high-pass filtration. //J. Appl. Physio.№71, 1991: P 2173-2177

24. Auditory Detection of Simulated Crackles in Breath Sounds.// American College of Chest Physicians CHEST №119, USA 2001, P 1886-1892

25. Omar ALGhamdi, Medical Informatics. Computerized Lung Sounds Analysis using Lab VIEW™ //http://www.osalghamdi.com

26. Volker Gross, Anke Dittmar, Thomas Penzel, Frank Schüttler, and Peter Wiehert. The Relationship between Normal Lung Sounds, Age, and Gender. Department of Medicine, Philipps-University, Marburg, Germany // Am. J. Respir.

27. Г Crit. Care Med., Volume 162, № 3, 2000,peg 905-909

28. Analysis of Tracheal Sounds During Forced Exhalation in Asthma Patients and Normal Subjects.//American College of Chest Physiciansb J .Chest. №116-1999; peg 633-638.

29. Рекламная информация. American College of Chest Physiciansb J .Chest. // http://www.chestjournal.org

30. Рекламная информация. American journal of Respiratory Critical Care Medicine// .http://ajrccm.atsjournals.org.

31. Хайкин С. Карри Б.У., Кеслер С.Б. Способы кодирования на основе анализа временных параметров // Спектральный анализ радиолокационных мешающих отражений методом максимальной энтропии. ТИИЭР, №9, 1982,1. С51-62.

32. Филатова H.H., Н. Абу-Мандил, Григорьева О.М. Нечеткие классификаторы для автоматической диагностики нарушений слуха // Труды Всероссийской научной конференции "Нечеткие системы и мягкие вычисления", М., Физматлит, 2006, С.375-382.

33. Рекламная информация.// http://www.rale.ca/

34. Рекламная информация//Ьир://НЬ.сритз.edu.cn/jiepou/tupu/atlas/www.vh.org /navigation/vh/topics/adultpatientlungsandbreathing.html

35. Блашкин.И.И. Вопросы конструирования и производства стетофонендо-скопов // Мед. Техника № 4, 1979- С 45-46.

36. Самоучитель по Adoby Audition 1.5 Петеленых Р.Ю

37. Сидоров И.Н., Димитров A.A. Микрофоны и телефоны. Радио и связь- М. 1993-155стр.40.http://audio.pricehouse.ru/goods. 14.1307.html 41 .Документация по микрофону МИНОР 05

38. Справочное руководство по звуковой схемотехнике / Шкритек П. Мир,1991.

39. Операционные усилители. Бронина Б. H., М, Мир, 1982-512с

40. Интегральные микросхемы и их зарубежные аналоги: Справочник. Нефе-k дов А. В.М.,ИП РадиоСофт, 1999 640с

41. Документация по двухканальному усилителю К548УН1А

42. Filatova N.N., Strelnikov I.N.,Grigorieva О.М. Bodrin A.V., Kalugniy M.V. The intelligent system of the hearing investigation // Informational Journal "Information Theories & Applications" 2003 Vol. 10. Number 3 P.336-340.

43. Боровик И. Простой усилитель звуковой частоты на микросхеме К548УН1А //РАДИО. №8,1983 С41-42.

44. Электронные наборы и модули. Рекламная информация// http://www.masterkit.ru

45. Физиология дыхания, Уэст Дж.М, Мир, 1988-200с

46. Абросимов В.Н. Нарушения регуляции дыхания. М.,Медицина, 1990-248с.

47. Бреслав И.С. Паттерны дыхания. Д.: Наука, 1984. 206 с.- 53. Козырев О.А. Богачев P.C. использование математического анализа ритмадыхания для определения вегетативного тонуса // Вестник аритмологии №11, 1999- С23-25.

48. Рекламная информация.// http://www.medcom.ru/mpa/riester

49. CTeT0CK0n.RU (2004 101 620А),2005.

50. Тараканов В.В., Симкин Б.Э., Заявка на полезную модель, Электронный CTeTOCKon.RU (95106292 AI), 1996.

51. Каменский A.M., Заявка на патент, Комбинированный стетоскоп. RU (2050829 С1),1995.

52. Андреев A.A., Ковнер Л.Г., Лещинский Л.А., Заявка на патент, Датчик электронного стетоскопа. RU (92012827 С1).1995.

53. Агафонов В.Г., Заявка на патент, Микрофон электронного стетоскопа RU (92007750 А), 1995.

54. Симкин Б.Э.Патент, Электронный стетоскоп.RU (95118747А), 1997.

55. Антонов A.B., Заявка на патент, Многоканальный электронный стетоскоп RU (2001134729 А), 2003.

56. Касоев С.Г., Заявка на изобретение, Помехозащищенный акустический датчик для стетоскопа, RU (2071726). 1997.

57. Поляков В.Е., Потапов А.И., Заявка па патент, Фонендоскоп- стетоскоп электронный, RU (2173538).2001. j 68. Андреев A.A., Лещинский Л.А. Заявка на патент, Электронный стетофонедоскоп, RU (2000100384 А).2001.

58. Реакламная информация. Стетофонендоскоп HiTechMedico Steth D // http://www.hitechmedico.ru/product7.html

59. Рекламная информация. Стетофонендоскоп электронный СЭ-01// http://www.donland.ru/content/info.asp?partId=77&infoId=9591&topicFolderIdz=l 21&topiclnfold=0

60. Филатова H.H., Аль-Нажжар Н.,К вопросу регистрации бронхолегочных шумов // Сборник научных трудов, Компьютерные технологии в управлении, медицине, образовании ТГТУ, Тверь, 2006, С. 101-104

61. MATLAB 6.5 SP1/7 +SIMULINK 5/6. Основы применения. //Дьяконов В.П.М, СОЛОН-Пресс, 2005-800с.

62. Charbonneau G., Ademovic Е. and other, Basic techniques for respiratorysound analysis//Eur. Respir Rev 2000- P625-635

63. Вотчал Б. Е., Водолазский JI. А., Голиков В.А, Акустические характеристики стетофонндоскопов и их измерение.// Мед. Техника, № 2 1971,С. 17— 21

64. Гринченко В.Т., Крижановский В.В., Крижановский В.В.,Компьютерная система для экспрессанализа и классификации звуков дыхания.// Внедрения и разработки, Институт гидромеханики ПАН Украины, Киев №1-2/2003,С 3031.

65. Андерсон Т.В. Введение в многомерный статистический анализ М.:Физматгиз, 1963.

66. Леман Э. Проверка статистических гипотез. М.: Наука, 1979

67. Нидал Фуад Наджжар "Автоматизированная система для аудиометриче-ских исследований слуха" //диссертация на соискание уч. степени к.т.н., 05.11.17, Тверь.-2001.

68. Платонов А.Е. Статистический анализ в медицине. -Л.:Наука, 2000.-С.148.

69. Интеллектуальный анализ данных методы и средства М.: Финансы и статистика, 2001.-С.51.

70. Коханер Д. И др. Численные методы и программное обеспечение-М: Наука, 1998.-С.564.

71. Ларичев О.И. Наука и искусство принятия решений- I Гаука, 1979. С.251.

72. Попечителев Е.П., Романов С.В., Анализ численных данных в биотехнических системах. Л.,Наука, 1985.-С.148.

73. Окулов Е.Д. Программирование в алгоритмах- М, Наука, 2002. С.341.

74. Литтл Р.Дж. А., Рубин Д.Б. Статистический анализ данных с пропусками -М.: Финансы и статистика, 1991. -С.280.

75. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных- М.: Радио и связь, 1983. С.376.

76. Ларичев О.И., Мошкова Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. С.470.

77. Тюрин Ю.Н., Макаров A.A. Статистический анализ данных на компьютере.-М.:Нука, 1998.-С.450.

78. Кобринский Б.А. Автоматизированные диагностические и информационно-аналитические системы в педиатрии //Российский медицинский журнал Т.7 №4 1999 (www.rmj.ru)

79. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М.: Наука, 1996

80. Кобринский В.С.Подходы к отображению субъективно-нечетких представлений эксперта и пользователя в интеллектуальных системах // Програм. прод. и системы (ППС) 1995, 4, С.30-32.

81. Бонгард М.М. Проблемы узнавания. М.: Наука, 1967.

82. Вапник В.Н. Теория распознавания образов. М.: Наука, 1974.

83. Дюран Б. Кластерный анализ. М. Статистика. 1977.

84. Гельфанд И.И. и др. Структурная организация данных и знаний в задачах медицинской диагностики и прогнозирования // ВК. Задачи мед. диагн. с точки зрения врача. М. АН СССР С. 5-64

85. Мандель И.Д. Кластерный анализ.-М.Финансы и статистика. 1988.-176с.

86. Дюк В., Самойленко A.DataMining: учебный курс.-СПб:Питер, 2001.-368с

87. Статистические методы для ЭВМ/Под ред. К.Энслейна, Э.Рэлстона:Пер. с англ.-М.:Наука. Гл.ред.физ-мат.лит.,1986.-464е.

88. Загоруйко Н.Г. Прикладные методы анализа данных и знаний.-Новосибирск: Изд-во Ин-та математики, 1999.-270с.

89. Биотехнические системы / Под ред В.М. Ахутина

90. Г.Р. Рубинштейн Туберкулез легких. М.: Медгиз. 1948.

91. Малышев Н.Г., Берштейн J1.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР М.: Энергоатомиздаг, 1991. -136с.

92. Ю5.Филатова Н. Н., Аль-Нажжар Н.К. Устройство регистрации и анализ дыхательных шумов RU, Заявка. № 2007113453/22. (014605), 2007.106. http://www.3m-spb.ru "Стетофонендоскопы ЗМ Литтманн (Littmann)".

93. Ю.В. Кулаков, JIM. Молдованова, В.И. Коренбаум. Возможности билатеральной бронхофонографи и в диагностике патологического очага в легком // Pacific Medical Journal, 2005, No. 1, p. 37-40

94. Тагильцев A.A., Кулаков Ю.В. // Патент СССР №1777560. Заявл. 15.11.1989г.; опубл. 23.11.1992 г.

95. Марселлус Д. Программирование экспертных систем на Турбо Прологе -М.: Финансы и статистика, 1994. 256с.

96. Paciej R.,Vyshedskiy A., Baña D., Murphy R.//Thorax.-2004.-Vol.59.- P. 177.

97. Е.Б. Павлинова, Н.Г. Худенко, Т.Н. Сафонова Бронхофонография как новый метод диагностики Бронхообструктивного синдрома у детей // Мать и дитя в Кузбассе. N4. 2006. С.29-32.ч.