автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка математической модели и алгоритмов определения функционального состояния биологических объектов

На правах рукописи

СЕНКЕВИЧ Юрий Игоревич

РАЗРАБОТКА МАТЕМАТИЧЕСКОЙ МОДЕЛИ И АЛГОРИТМОВ ОПРЕДЕЛЕНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ

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

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 1998

Работа выполнена в Санкт-Петербургском институте информатики и автоматизации РАН

Научный руководитель Официальные оппонент:

к.ф.-м.н. Павловский В.Ф. д.т.н., профессор Александров В.Е кф.-м.н. Погорелый П. А.

Ведущая организация: Северо-западный заочный политехнически институт.

Защита состоится «02» июня 1998 года в 11 часов на засел диссертационного совета Д003.62.01 при Санкт-Петербург инстшуте информатики и автоматизации РАН по адресу: 19! Санкт-Петербург, 14-я линия, д39.

С диссертацией можно ознакомиться в библиотеке О Петербургского института информатики и автоматизации РАН

Автореферат разослан. «30» апреля 1998 г.

Ученый секретарь диссертационного совета

Копыльцов

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Разработка компьютерных автоматизированных систем медицинской и биологической диагностики является важным прикладным разделом современных научных исследований. Такие исследования основываются на поиске эффективных математических моделей, отражающих различные стороны гомеостаза, и алгоритмов, направленных на вычисление разного рода функциональных показателей (Амосов Н.М. 1982). На протяжении трех последних десятилетий в медицине и биологии проводились научные исследования, которые позволили установить, что у человека и животных существует определенная связь функционального состояния (ФС) с показателями, полученными в ходе электрофизиологических измерений (электрокардиограмма, электроэнцефалограмма и т.п.). Под ФС понимают некоторое клиническое заключение о текущей фазе гомеостаза, которое осуществляется на основе симптоматических и клинических показателей. Современный уровень развития вычислительных средств, с одной стороны, и разрабатываемые новые алгоритмы обработки данных, с другой стороны, открывают перспективу развития экспресс методов диагностики состояния здоровья. Эти методы могут быть реализованы как автоматизированные системы, позволяющие наблюдать динамику изменения ФС биологического объекта в ходе эксперимента или в практической медицине - осуществлять мониторинг ФС в реальном времени. Интерес к разработке эффективных алгоритмов выделения информации из биологических сигналов постоянно возрастает с появлением новых фактов, указывающих на связь данных электрофизиологических измерений не только с функционированием организма в целом, но и со специфической изменчивостью полученных показателей, связанной с конкретным заболеванием (Часнык В.Г. 1994). Эти факты указывают на возможность разработки автоматизированных систем дифференциальной диагностики. Сложность построения такого рода систем связана с тем, что электрофизиологические сигналы нестационарны. Известные в настоящее время алгоритмы обработки данных в условиях нестационарных сигналов не позволяют получить достаточно устойчивой совокупности признаков, которая могла бы использоваться в диагностических системах для распознавания и оценки ФС биологических объектов.

Актуальность темы обусловлена необходимостью создания автоматизированных средств экспресс контроля ФС биологических объектов.

Цель работы. Целью диссертационной работы, является разработка алгоритмов и программ оценки функционального состояния биологического объекта по данным кардиоритмограмм. Задачи работы.

1 .Обоснование и разработка модели связи ритмической деятельности сердца с изменениями функционального состояния биологического объекта.

2.Разработка алгоритма выделения примитивов из электрокардиограммы для синтаксического анализа ритмической деятельности сердца.

3.Разработка алгоритма синтаксического анализа ритмической деятельности сердца.

4.Разработка алгоритма оперативной оценки функционального состояния биологического объекта на основе энтропийно-синтаксического анализа ритмической деятельности сердца.

Методы исследований. Теоретические исследования основаны на применении математического аппарата нелинейных динамических систем, элементов матричной алгебры и алгоритмов распознавания образов. Для экспресс диагностики функциональных состояний биологических объектов был разработан алгоритм энтропийно-синтаксического анализа биологических сигналов. Эти исследования проводились с использованием разработанной модели и алгоритмов на универсальных и персональных ЭВМ в средах MathCad v.4.0, 6.0Plus, MS-Exel v.5.0, MathLab v.4.0. Практические исследования проводились на животных и в клинике с использованием специально разработанных программ в средах HP-UNIX, Borland С-н- v.3.0., MS-Visual С++ v.4.1 pro. Научная новизна. В процессе решения поставленных задач получены следующие новые научные результаты, выносимые на защиту:

1. Модель связи параметров ритмической деятельности сердца с изменениями функционального состояния биологического объекта.

2.Алгоритм выделения примитивов из электрокардиограммы для синтаксического анализа ритмической деятельности сердца.

3. Алгоритм синтаксического анализа кардиоритмограмм.

4. Алгоритм оценки функционального состояния биологического объекта по данным энтропийно-синтаксического анализа кардиоритмограмм. Практическая значимость работы. Разработаны и программно реализованы алгоритмы реального времени для оценки функционального состояния человека и животных, а также для проведения экспресс-диагностики состояний нормы и патологии.

Реализацня и внедрение. Научные результаты работы внедрены: -в биомедицинский компьютерный комплекс анализа результатов коррекции функционального состояния методом биологической обратной связи Центра подготовки водолазов (г. Ломоносов) для прогнозирования устойчивости организма водолазов к функциональным нагрузкам; -в действующем макете распознавания изменений функционального состояния животных, который был разработан и апробирован в НИИ гриппа РАН;

-в разработанных программно-аппаратных лабораторных установках для решения задач анализа биомедицинской информации 172 НИЦ МО РФ.

-в действующий макет гидроакустической станции в целях классификации нелинейных гидроакустических сигналов энтропийно-синтаксическим методом, который был создан в Санкт-Петербургском филиале НИЦ "Кристалл" НПО "Волна".

Апробация работы. Основные результаты диссертационной работы докладывались на:

-Всероссийский семинар "Медицина-93". Санкт-Петербург, 1993 г. -Международной конференции "Региональная информатика -94" .

Санкт-Петербург, 1994 г. -Международной конференции "Конверсионные технологии в гидроакустике" . Санкт-Петербург, 1994 г. -Программные реализации экспонировались на Международной выставке "Больница 94" (Санкт-Петербург, ЛЕНЭКСПО-1994 г) -Международной конференции "Региональная информатика -95".

Санкт-Петербург, 1995 г. -Международной конференции "Региональная информатика -96".

Санкт-Петербург, 1996 г. -Конференции по информационно-психологической безопасности -97".

Санкт-Петербург, 1997г. Публикации. По теме диссертации опубликовано 9 научных работ. Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы из 76 наименований. Объем работы составляет 150 страниц основного текста, из них 36 рисунков, 8 таблиц, приложение на 6 листах.

СОДЕРЖАНИЕ РАБОТЫ

Во введении содержится обоснование актуальности темы диссертации, сформулированы основные научные результаты выносимые на защиту, а также практическая ценность полученных результатов. В первой главе оценивается современное состояние исследуемой проблемы, методов и алгоритмов обработки электрофизиологических сигналов. Дается обоснование постановки задачи, конкретизируется подход к ее решению.

В разделе 1.1. представлено описание практических результатов указывающих на проявление связи ФС с электрофизиологическими сигналами. В частности показано, что для определения как самих ФС, так и их изменчивости широко используется кардиоритмограмма сердца (КРГ)- совокупность последовательно измеренных интервалов времени между Р или К- зубцами сигнала электрокардиограммы.

В разделе 1.2. представлен уровень теоретических исследований ФС с использованием данных электрофизиологических измерений. Известны модели, которые описывают функциональные связи системы кровообращения с другими системами организма. Примерами наиболее известных моделей могут служить: модель общей регуляции кровообращения Гайтона, модель регуляции гемодинамики человека Бенекена и де Вита, модель системы кровообращения Н.М.Амосова. Названные модели отличает большое число накладываемых ограничений и параметров (от 50-130), что делает исследование свойств таких моделей задачей большой сложности, а их поведение трудно предсказуемым. Построение алгоритмов распознавания ФС биологических объектов практически затруднено из-за необозримости признакового пространства, связанного с огромным числом комбинаций взаимосвязанных параметров. Особый интерес представляют модели с использованием нелинейных дифференциальных уравнений, поскольку огромное число взаимно влияющих связей у живых организмов превращают его в нелинейный динамический механизм (Л.Гласс, М.Мэки 1991), в том числе модели на базе дифференциальных уравнений с отклоняющимся аргументом (В.Ф.Павловский 1994). Наиболее общее описание множества ФС биологического объекта может быть представлено как система с N возможными состояниями потенциальной поверхности (поле аттракторов) Б-мерного пространства, где М, О -счетные множества. Сложность анализа такой модели заключается в их громоздкости и сильной зависимости от начальных условий. Большое практическое приложение имеет известная модель традиционной китайской медицины У-син (пять

движений), которая нашла свое подтверждение с позиций современной дафохимии и физиологии. Достоинством этой модели является простота 1 ясность ее физиологической интерпретации, а недостатком - отсутствие адекватной математической модели.

Известны методы идентификации ФС по данным КРГ с примене-тем алгоритмов спектрального оценивания. Нестационарность исходного сигнала (КРГ) не позволяет корректно использовать систему ортого-(альных разложений и получить устойчивую систему признаков в моменты пребывания биологического объекта в определенном ФС, что сущест-¡енно снижает эффективность внедрения таких алгоритмов обработки и шализа данных в системы дифференциальной диагностики. Названные фичины снижения эффективности в равной степени относятся к регрес-:ионному, корреляционному и статистическому методам анализа КРГ.

Оценка известных моделей зависимости электрофизиологических юказателей от изменения ФС биологического объекта указывает на Зна-[ительные трудности разработки на их основе практических алгоритмов >ешения задачи дифференциальной диагностики в системах реального |ремени. Решение проблемы целесообразно искать в разработке матема--ической модели с малым числом зависимых параметров, имитирующих >лектрофизиологические сигналы (например, сигнал кардиоритмограм-ш). Модель должна отражать функцию реакции основных жизнеобеспе-[ивающих органов, определяющих конкретное ФС биологического объ-:кта.

В практике обработки электрофизиологических измерений извест-1Ы факты наблюдения фрагментов сигнала, например - волны различных юрядков в кардиоритмограмме или так называемых «веретен» в элек-роэнцефалограмме, которые указывают на определенную структуриро-:анность анализируемых данных. Обнаруживаемые структуры непосред-твенно связаны с ФС биологического объекта. Исследуя эти структуры, южно построить эффективные алгоритмы выделения информативных [ризнаков, связанных с ФС биологического объекта.

Во второй главе проведено физиологическое обоснование и разработана математическая модель зависимости параметров ритмической дея-ельности сердца от изменения ФС биологического объекта. Показаны труктурные особенности формирования КРГ.

Раздел 2.1. посвящен описанию процесса гомеостаза, определяю-цего ФС биологического объекта, где центральное место занимает систе-т кровообращения. Сердце выполняет главную насосную функцию в истеме кровообращения, чем достигается регулирование поступления и ттока крови ко всем органам с частотой сокращений в пределах 40-е-60

ударов в минуту, которая изменяется под воздействием сигнала ЦНС. Управление частотой сердечных сокращений осуществляется центральной нервной системой ЦНС через нейрогуморальный механизм. Сердце имеет свой «генератор возбуждения» - синусный узел, Каждый из жизненно важных органов, имеет свой жизненный цикл Г,. Обозначим эти органы как подсистемы с номерами Активная фаза цикла каж-

дой подсистемы сопровождается наибольшим объемом поступления к ней крови. Изменение объема крови осуществляется через запрос к ЦНС, который можно представить в виде нарастания амплитуды сигнала возбуждения формируемого подсистемой организма в активной фазе. По окончании активной фазы подсистемы организма, амплитуда сигнала воздействия понижается до минимума (фаза релаксации). Биологические циклы подсистем организма синхронизированы во времени и кратны периоду суток (Т = 24 часа -суточная активность). Сигналы воздействия каждой из подсистем Д зависимы между собой через некоторый общий ресурс системы кровообращения в целом Я и поэтому активная фаза каждой из подсистем забирает на себя его часть, снижая транспорт крови к другим подсистемам организма. Изложенные факты можно представить в виде схемы на рис.1. ЦНС контролирует процесс коррекции распределения ресурса Л путем изменения приоритетов подсистем Wi (например - управляя гладкой мускулатурой кровеносных сосудов),

Рис.1. Блок-схема физиологической интерпретации математической

модели.

переводя организм в целом в новую фазу определенного ФС. Реакция кровеносной системы на сигнал возбуждения проявляется нелинейно, как функция а, и с определенным запаздыванием гв из-за известной инерции прохождения крови по сосудам. Объем крови проходящий через сердце за одно сокращение практически постоянен, поэтому объем крови циркулирующий через организм в единицу времени пропорционален частоте сердечных сокращений. Блок-схема, представленная на рис. 1, отражает связь ФС биологического объекта с ритмической деятельностью сердца.

В разделе 2.2. представлена математическая модель связи параметров ритмической деятельности сердца с изменениями ФС биологического объекта.

Т0 +«

/V

( N

а

IгГ> ■/,(?,)

£Я 0 <а <1

О < Л < 1

(1)

где Я- коэффициент, характеризующий производительность насосной функции сердца; Тг период собственных колебаний синусного узла сердца; а- нелинейная функция; (V/ - 1-й весовой коэффициент определяющий приоритет подсистемы организма в Я-том устойчивом состоянии; /¡(Т)- I- я функция возмущающего воздействия подсистемы с периодом Т(-Тс/т и т=1,2...к Тс= 24 часа; гй - время запаздывания реакции (инерция) системы; /V- число подсистем формирующих воздействие; Я - ресурс системы кровообращения; Р((-т) - сигнал возбуждения, с учетом инерции системы кровообращения.

Математическая модель (1) имитирует программу выполнения биологических циклов N подсистем организма с определенным набором весовых коэффициентов И^, обуславливающих их приоритеты в 5-том ФС в условиях ограниченности ресурса Я. В момент изменения ФС под воздействием внешних и/или внутренних факторов, ЦНС перераспределяет систему приоритетов транспорта крови, изменяя весовые коэффициенты IV]... таким образом, чтобы обеспечить устойчивость системы в целом в новом ФС. Если же возникает нарушение функционирования какой-то из подсистем организма, то это приводит к изменению его

биологического ритма и изменение кровоснабжения больного органа. Это вызовет реакцию ЦНС на перераспределение ресурса и перехода его в некоторое патологическое ФС. Изменение коэффициентов определенным образом изменяет сигнал возбуждения который на практике наблюдается как КРГ. Поведение модели полностью задается вектором весовых коэффициентов 1У(Х>. Устойчивость модели обеспечивается вторым слагаемым, физически интерпретируемым как отрицательная обратная связь. В ФС, которое характеризуется как нормальное, модель работает по определенной программе переключения по множеству векторов {Ц*®}. В патологическом ФС выполняется некоторая «нестандартная» программа переключения с использованием нового вектора что отражается в изменении поведения функции Р(0, а на практике - на изменении огибающей КРГ. Учитывая отмеченную ранее кратную цикличность функций возбуждения и, используя известный из математики факт, что сумма кратных периодических колебаний есть также периодическое колебание, можно ожидать, что Р(0 есть функция, связанная со сложным периодическим колебанием, которое порождается суперпозицией связанных по периоду суточной активности функций возбуждения у] подсистем организма. Тогда, можно предложить метод распознавания ФС по обнаруживаемому характерному периодическому процессу в КРГ.

В третьей главе даны определения основных понятий энтропийно-синтаксического анализа (ЭСА), описаны алгоритмы ЭСА. В разделе 3.1. даны основные определения ЭСА. Базовым понятием ЭСА является матрица отношений. Если имеется некоторая упорядоченная последовательность данных {X}, то матрица отношений имеет вид

>(ЛМ)1

гт

гт

'(ЛЧДОЧ) '(«Ч)«

'м/Н) гт

^ \,Ухк,хт\хк> хт [0,Уд:Л)л:т | хк < хт

(2)

Полезным свойством матрицы отношений (2) является ее нечувствительность к линейным преобразованиям исходных данных {X}.

Матрица отношений (2) определяет относительное положение значения измеряемой величины для каждого ¿-го члена в числовом ряду/А"/. Размер матрицы N характеризует глубииу устанавливаемой связи между группой последовательно взятых членов ряда. На. первом этапе ЭСА осуществляется поиск некоторых однотипных конструкций (примитивов), которые проявляются в обрабатываемой последовательности данных. Поиск примитивов выполняется путем сравнения матриц отношений. Исходной конструкцией служит матрица отношений размером N больше или равным т, построенная для первых т отсчетов обрабатываемой последовательности данных. Данная матрица отношений сравнивается с подобной матрицей отношений, построенной для той же последовательности данных, начиная с т+1 отсчета. В качестве критерия отбора матриц отношений как символов сообщения выбран показатель , равный сумме совпадений парного сравнения элементов векторов или матриц отношений, имеющих одинаковые индексы. Если Я и V есть матрицы отношений, то

где символ <8> обозначает операцию проверки на логическое совпадение

[(7, V г фу

Представленный критерий (3) выражает нормированное к длине вектора и размерности матрицы количество совпадений показателей отношений соответственно. Правило принятия решения о полном или частичном совпадении векторов и/или матриц выглядит следующим образом: () = 1 - полное совпадение; ()> Л- частичное совпадение; ()< Л- несовпадение. Значение Я подбирается опытным путем в зависимости от конкретной задачи. Процедура повторяется в цикле до момента, когда сравнение матриц перестанет удовлетворять критерию (3). В этот момент принимается решение об обнаружении символа алфавита. Набор всех выделенных символов, соответствующих обнаруженным повторяющимся в сообщении матрицам отношений, назван алфавитом сообщения. Сообщение, переписанное в символах алфавита, получило название текста сообщения. Обнаруживаемые в ходе анализа текста сообщения устойчивые сочетания символов названы словами. Совокупность всех обнаруженных слов - словарь сообщения.

Работа системы ЭСА начинается со снятия ЭКГ, которая заводится в компьютер через стандартные порты ввода/вывода, или загрузки ЭКГ из файла. Определенная функция системы выделяет из ЭКГ сигнал кардиоритмограммы. На следующем этапе определенная функция системы выделяет экстремальные значения КРГ. Дальнейшая обработка и анализ полученной последовательности осуществляется по специальным алгоритмам.

В разделе 3.2. представлен алгоритм выделения примитивов из электрокардиограммы для синтаксического анализа ритмической деятельности сердца предназначен для выделения символов алфавита. Используется свойство матрицы отношений: если а и А два последовательно измеренных значения экстремумов КРГ, а А и В - соответствующие матрицы отношений, построенные для этих значений, то справедливо следующее выражение

Я = £хЛх£г + Я<//>> (5)

где ^-матрица, при умножении на которую слева, достигается сдвиг всех столбцов вправо. 5Г - транспонированная матрица Б, при умножении на которую справа, достигается сдвиг всех строк вниз; В<11>-матрица, получаемая из матрицы В, путем обнуления всех значений кроме первого столбца и первой строки.

Достигается эффект сокращения числа элементарных операций на каждую с № до 2N+J, где ^-размерность матрицы отношений. Матрицы отношений составляются для каждой экстремальной точки КРГ и сравниваются друг с другом на предмет совпадения по критерию (3). Если критерию (3) удовлетворяется, то принимается решение об обнаружении нового символа.

В разделе 3.3. представлен алгоритм синтаксического анализа кардиоритмограмм - предназначен для определение устойчивого ФС биологического объекта и его разновидностей. Алгоритм начинается с вычисления двух параметров: построения гистограммы распределения всех символов, и вероятности поступления новых символов алфавита Р. С помощью гистограммы описывается статический образ состояния системы в случае ее нахождения в некотором стационарном состоянии. С помощью второго параметра осуществляется контроль над изменчивостью состояния. Из представленной модели определенное функциональное состояние характеризуется конечным алфавитом {А}. Тогда, при попадании системы в стационарное состояние плотность вероятности р обнаружения новых символов стремится к нулю.

Если по каким-то причинам плотность вероятности р увеличивается, то это указывает на неустойчивое состояние системы. Для этого вычисляется оценка скорости производства новых символов

АП =-—-- > (6)

А/

где индексы К и К+1 обозначают два последовательных измерения приращения числа появления новых символов ЛМ. Если ЛП > 0, то это означает, что система выходит из устойчивого состояния и процесс наблюдения за изменением скорости поступления символов продолжается. Иначе - система входит в устойчивое состояние и запускается программа построения статического образа ФС. Исходная последовательность экстремальных значений КРГ переписывается в терминах алфавита, в результате чего создается текст сообщения. С этого момента начинается выявление словаря сообщения. Алфавит сообщения, гистограмма распределения символов алфавита и словарь сообщения совместно составляют набор параметров, характеризующий некоторый обобщенный образ ФС биологического объекта.

В разделе 3.4. представлен алгоритм оценки функционального состояния биологического объекта по данным энтропийно-синтаксического анализа кардиоритмограмм. Для количественной оценки изменчивости алфавита при переходах от состояния к состоянию была выбрана оценка степени статического перекрытия алфавитов двух смежных состояний

(7)

если а! Фа'

к т

где АЬАГ _/ и / алфавиты, соответствующие ] и / ФС организма по данным КРГ; Л^/У,- размерность (количество символов) А} и А, алфавитов; (¿¡с к-й символ алфавита А,; а'т- т-й символ алфавита А-, .Для качественной оценки перехода организма биологического объекта в определенное ФС разработан показатель относительной значимости ФС:

р =—

/ ЛГ-1

1=0

где Р} - относительная частота появления символов в)- м ФС; N - количество символов обнаруженных в у- м ФС; г - абсолютная частота появления символа. Показатель (8) представляет оценку энтропии алфавита сообщения в /"- м ФС. Рассчитывая такие показатели для каждого из возможных состояний биологического объекта, можно создать классы для каждого из них в норме и патологии.

Разработанные алгоритмы позволяют на этапе обучения создать определенный набор образов возможных ФС изучаемого биологического объекта, а в режиме его переходы в ФС нормы и патологии. Задача распознавания осуществляется путем сравнения полученных алфавитов и словарей классов ФС с соответствующими показателями анализируемой КРГ в соответствии с критериями (7) и (8).

В разделе 3.5. на псевдослучайных последовательностях было показано, что описываемые алгоритмы анализа позволяют выделить структурные особенности сигналов, в то время как спектральные, корреляционные и статистические методы обработки сигналов в силу своего интегрального характера неприспособленны к выделению таких особенностей сигналов.

Основным достоинством разработанных алгоритмов ЭСА является устойчивость признаков, полученных из электрофизиологических сигналов, для одного и того же ФС биологического объекта.

В четвертой главе представлены прикладные аспекты применения энтропийно-синтаксического анализа. Описаны эксперименты и дана интерпретация ФС, исходя из анализа кардиоритмограмм практически здоровых людей и людей, больных язвенной болезнью желудка, экспресс диагностики изменения ФС крыс при гипоксической гипоксии, оценки ФС операторов при тестировании методом кардиологической обратной связи

Начиная с 1991 г. на базе НИИ гриппа РАМН проводились серии экспериментов с целью поиска и установления отличительных признаков ЭЭГ и ЭКГ для оценки изменения функционального состояния животных в условиях воздействия гипоксической гипоксии.

Использование для этой цели известных методов спектральной и статистической обработки сигналов также не дало практических результатов из-за выявленной нестационарности, указывающей на участие в регуля-торных механизмах адаптации животных выраженной нелинейности. Применение в ходе экспериментов энтропийно-синтак-сического анализа сигналов позволило выявить ряд устойчивых структур ЭКГ и ЭЭГ, которые соответствовали установившемуся ФС животных. С каждым ФС ассоциировался определенный набор символов алфавита. Для количественной оценки изменчивости алфавита при переходах от состояния к состоянию была выбрана оценка степени статистического перекрытия алфавитов двух смежных состояний по критерию вида (7). Для качественной оценки изменчивости ФС был выбран энтропийный показатель превышения относительной значимости ФС, который рассчитывался по формуле (8). На рис. 2 представлены результаты проведенных экспериментов. Как можно видеть из представленных графиков, наблюдается сложная динамика алфавитов. Выделяются два специфических участка ФС крыс на высотах от 2 до 4 км и от 7 до 9 км. На высоте 3 км у крыс наблюдается включение резервов организма. Далее система способна противостоять внешнему воздействию до высоты 7 км.

Значения коэффициентов в %

2

6

о п риведенная размерность алфавитов

—□— К о эф ф и м и е н т стати че с ко го перекрытия алфавитов —А— Ко эффициент динамического перекрытия алфавитов

10

Высотный эквивалент (км)

Рис.2. Изменчивость алфавитов сообщений у крыс при гипоксической гипоксии.

Система перестраивается на некотором предельном состоянии и включает критические резервы организма на новом функциональном уровне.

о

4

8

В описанных экспериментах присутствовало ограничение, связанное с трудностью контроля начальных условий эксперимента. В этой связи полезной оказалась практика эксперимента с обратной связью.

В 1992 г. совместно с Институтом экспериментальной медицины АМН РФ проводится серия опытов по оценке изменений ФС операторов после дозированной нагрузки при тестировании их по методу биологической обратной связи с использованием ритмических показателей сердечной деятельности. В основе проводимых опытов было использовано представление об адаптационных механизмах организма, как системы взаимодействия ритмоводителей сердца на различных функциональных уровнях. Основная сущность метода состоит в использовании кардиологической обратной связи для тренинга адаптивных реакций на уровне сознания и подсознания. Оператору предъявляется графический тест (обычно в виде синусоиды определенного периода). Одновременно на этот же графический тест проецируется кардиоритмограмма оператора, и через устройство ввода сигналов транслируется в вычислительное устройство, которое рассчитывает ее параметры и отображает их вместе с графическим гестом на экране монитора. Задача оператора состоит в том, чтобы волевым усилием изменять частоту сердечных сокращений таким образом, чтобы получаемая кардиоритмограмма по возможности повторяла кривую графического теста. Периоды графического теста выбирались близкими к периоду собственных дыхательных волн оператора, а затем варьировались в пределах половины того же периода. Анализ результатов оценки изменения ФС осуществлялся одновременно по показателям, разработанным ИЭМ на базе матриц вероятностных переходов статистических показателей выделенных ритмов, и энтропийно-синтаксическим методом. Результаты анализа показали, что в проведенных исследованиях возникают переходы в системе регуляции сердечной деятельности с одного уровня управления на другой. Эти переходы были обнаружены только с помощью критериев, применяемых в алгоритме энтропийно-синтаксического анализа (формулы 3, 8). Обнаруженное явление полностью укладывается в модельные представления поведения нелинейных динамических систем. Результаты адаптивного изменения ритмической картины после сеанса биологической обратной связи являются примером функциональных изменений организма при переходе от одного уровня управления к другому в результате принудительного изменения вектора параметров модели (2) (в обнаруженном случае - на частоте и амплитуде собственных дыхательных волн оператора).

Адаптационный тренинг может быть представлен как сознательная периодическая стимуляция биологических осцилляторов ритмоводителей сердца. Сознательная стимуляция происходит по закону колебаний близкому, к дыхательной синусовой аритмии. Это явление связано с модуляцией частоты сердечных сокращений принудительным дыханием, что подтверждает существованием сложной физиологической связи между этими двумя ритмами. Представленные факты и были положены в основу представленной в данной работе математической модели (1).

В заключении изложены основные научные и практические результаты, полученные в диссертационной работе.

В приложении содержатся разработанные структурная схема спецпроцессора быстрого энтропийно-синтаксического анализа, акты внедрения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ

1 .Разработана математическая модель связи параметров ритмической деятельности сердца с изменениями функционального состояния биологического объекта для решения задач экспресс диагностики ФС в биологии и медицине. Дано физиологическое обоснование построения модели.

2.Разработан быстрый алгоритм выделения примитивов из электрокардиограммы для синтаксического анализа ритмической деятельности сердца. Обоснован критерий отбора символов алфавита.

3.Разработан алгоритм синтаксического анализа ритмической деятельности сердца для определения показателей функционального состояния биологического объекта. Дана физиологическая интерпретация результатов синтаксического анализа. Определен критерий корректного получения информации о функциональном состоянии биологического объекта из электрофизиологических сигналов в рамках теории нелинейных динамических систем. Разработана процедура обучения распознаванию ФС в норме и патологии по данным синтаксического анализа ритмической деятельности сердца.

4.Разработан алгоритм оперативной оценки функционального состояния биологического объекта на основе энтропийно-синтаксического анализа ритмической деятельности сердца для контроля жизнедеятельности организма в норме и патологии. Обоснованы и сформулированы и критерии оценки функционального состояния биологического объекта по данным энтропийно-синтаксического анализа для целей дифференциальной диагностики.

5.По результатам диссертационной работы создана программно-аппаратная система оценки функционального состояния биологического объекта по данным электрофизиологических исследований ритмической деятельности сердца.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ИССЕРТАЦИИ

1. Сенкевич Ю.И. К вопросу об информационном подходе к выявлению патологий в медицине.// Региональная информатика -94 / Тез. док. 3-й Междунар. конф. - Санкт-Петербург: 1994,- ч.1- С. 172-173

2. Сенкевич Ю.И., Хоришко А.И. Коррекция функционального состояния оператора методом биологической обратной связи с оперативной оценкой ее эффективности.// Конверсионные технологии гидроакустики / Тез. док. 1-й Междунар. конф. - Санкт-Петербург: 1994,- секц.5 - С.5-6

3.Сенкевич Ю.И. Выявление информационной значимости биосигналов.//Проблемы оценки и прогнозирования здоровья военнослужащих в условиях современной военной реформы /Тез. док. науч.практич.конф. -Военно-Медицинская Академия, Санкт-Петербург: 1995. - С.105-106

4. Сенкевич Ю.И. Метод идентификации состояния нелинейных динамических систем и пример его применения в медицине .// Региональная информатика -95 / Тез. док. 4-й Междунар. конф. - Санкт-Петербург: 1995 -с.204.

5. А.В.Яшин, Ю.И.Сенкевич. Устройство обеспечения информационной поддержки систем с использованием ориентации в пространстве. // Региональная информатика -96 / Тез. док. 5-й Междунар. конф. - Санкт-Петербург: 1996 - с.114-115.

6. Сенкевич Ю.И. Применение энтропийно-синтаксического анализа для определения изменчивости функциональных состояний биологических объектов. // Конференции по информационно-психологической без-опасности -97" - Санкт-Петербург, 1997г. с.