автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка советующей системы формирования электроэнцефалографического заключения на основе синтаксически управляемого перевода

Т^^рогсц^ государственный радиотехнический университет

О 9 ФЕВ 1!"

На правах рукописи

САХАРОВ Вадим Леонидович

РАЗРАБОТКА СОВЕТУЮЩЕЙ СИСТЕМЫ ФОРМИРОВАНИЯ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКОГО ЗАКЛЮЧЕНИЯ НА ОСНОВЕ СИНТАКСИЧЕСКИ УПРАВЛЯЕМОГО ПЕРЕВОДА

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

исследованиях 05.11.17. - Медицинские приборы и системы

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Таганрог 1998

Работа выполнена в Таганрогском государственном радиотехническом

университете

Научный руководитель - доктор технических наук, профессор

В.Г. Захаревнч

Научный консультант - кандидат технических наук, доцент

С.А. Синютин

Официальные оппоненты:

Доктор технических наук, профессор Галустов Г.Г., ТРТУ, г. Таганрог

Кандидат технических наук, начальник сектора Черчаго А .Я., ОКБ "Ритм", г. Таганрог

Ведущая организация - НИИ Связи, г. Таганрог

Защита состоится "_"_ 1998 г. в_часов на заседаниг

диссертационного совета Д 063.13.02 Таганрогского государственного радиотехнического университета.

Адрес: 347928; ГСП 17 а, г. Таганрог Ростовской области, пер. Некрасовский 44.

С диссертацией можно ознакомиться в библиотеке университета. Автореферат разослан "._''_1998 г.

Ученый секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одним из основных факторов нормального существования и деятельности человека является его здоровье. Издавна медицине уделялось одно из основных мест в общественной жизни. Сама медицина, как и другие области науки, развивается достаточно стремительно, предъявляя более новые требования к изучению, диагностике и лечению различных заболеваний. Постоянно появляются новые методики и направления в этой области. Учитывая то, что неотъемлемой частью медицинской диагностики является анализ и оценка различного рода сигналов, так или иначе получаемых с паци-:нта, важным шагом стало использование персональных компьютеров и специализированных микропроцессорных систем для реализации современных методов, основанных на применении сложных математических алгоритмов обработки и представления медицинских сигналов. Параллельно с этим, важным аспектом развития компьютерной медицинской техники является упрощение труда врача при проведении рутинных методик, трудоемких расчетов. Все действия по распознаванию отдельных феноменов в биосигналах, расчету основных параметров, сравнению полученных результатов с нормативными эффективно реализуются с помощью компьютера. Развитие таких подходов приводит к созданию различного рода систем экспертной оценки, от подсистем эаспознавания и расчета основных параметров различных медицинских феноменов в регистрируемом сигнале, до попыток реализации советующих систем три формировании заключения о состоянии здоровья./1-10,12/

Среди большого числа видов диагностики одно из важнейших мест занимает анализ биопотенциалов .мозга человека, иначе электроэнцефалограммы (ЭЭГ). ЭЭГ представляет собой сложный колебательный электриче-;кий процесс, который может быть зарегистрирован при расположении элек-гродов на мозге или на поверхности скальпа, и является результатом электри-юской суммации и фильтрации элементарных процессов, протекающих в ней-эонах головного мозга.

Широко распространенная и используемая методика визуальной оценки биоэлектрической активности мозга человека оказалась малоэффективной три изучении отражений в ЭЭГ функциональных изменений и выявления корреляций ЭЭГ и функций мозга. Внедрение математики и теории обработки лггналов в медицине дало скачок в развитии учения о биоэлектрических провесах в мозге человека. Прогресс в этой области требует разработки новых »ффективных алгоритмов автоматизированной обработки и представления ЭЭГ. В результате их совокупного применения получается набор цифровых характеристик сигнала, на основании которого формируется текстовое описа-ше ЭЭГ. обычно состоящее из стандартного набора фраз, а также заключение, относящее данную ЭЭГ либо к варианту нормы, либо к какому-либо патологи-гсекому классу. Таким образом, возникает задача создания советующей экс-

пертной системы, для которой входной информацией является сама ЭЭГ, результатом ее работы - заключение о состоянии здоровья.

Состояние вопроса и научная новизна. Элементы цифровой обра ботки ЭЭГ с помощью спектральных, корреляционных и других методов пред ставлены в работах B.C. Рус и нова, О.М. Гриндель, JI.P. Зенкова, М.А. Pohkii на, В.Д. Жуковского. Однако во всех этих работах отсутствуют четкие крите рии, по которым, применяя рассматриваемые методы обработки сигнала, моя но было бы с высокой степенью уверенности отнести анализируемую ЭЭГ патологическим классам или охарактеризовать ее как "нормальную". Это моя но объяснить нестационарностью энцефалографического сигнала./13-17/

Проведенные в диссертационной работе исследования позволили сдс лать некоторые выводы. К ним в первую очередь следует отнести то, что пп роко используемые методы обработки ЭЭГ, в большинстве своем, не учитыв; ют ее биологический генез, а рассматривают ее как некий колебательный прс цесс и, как следствие, получаемые таким образом результаты не всегда удовлс творяют пользователя. Во-вторых, тот факт, что ЭЭГ представляет собой интс гральную оценку электрофизиологической деятельности миллиардов элемс! тарных источников, к тому же отфильтрованной естественными костнс тканевыми распределенными фильтрами, позволяет сказать, что использов; ние рядов Фурье, корреляционного анализа для обработки ЭЭГ можно рас сматривать только как более удобное в некоторых случаях изображение той и ЭЭГ и не более. То есть применение таких методов, пользуясь теорией фо{ мальных языков, можно определить как трансляцию исходной последоватсл! ности, описывающей ЭЭГ. в набор неформализованных параметров./16,1" Фактически, это можно считать первым этапом компиляции в создаваемо экспертной системе, - лексическим анализом. Получаемые в результате обр; ботки параметры можно считать символами определенного алфавита. Польз} ясь далее теорией формальных языков, экспериментально было получено, чп определив, с помощью экспертной оценки, зависимости между некоторым видами патологий и наборами символов такого алфавита, можно построю ряд грамматических правил, результатом применения которьк будут фраз описания и заключения по ЭЭГ. Входными данными для такой грамматик являются результаты работы алгоритмов цифровой обработки. Цель работы и задачи исследования. Целью работы является разработ* советующей системы формирования заключения по результатам энцефалогр; фического обследования, рассмотрение методов представления и распознав; ния элементов ЭЭГ человека с помощью теории формальных языков и прили нения алгоритмов цифровой обработки сигналов. Основные отличительнь особенности предлагаемой системы следующие:

• использование методов комплексной обработки сигнала как более инфо] мативных форм представления и анализа ЭЭГ;

• применение структурно-лингвистического метода для распознавания отдельных феноменов ЭЭГ;

• использование теории построения компиляторов формальных языков при реализации предлагаемой системы.

Для достижения поставленной цели решаются следующие основные

задачи:

1. выбор и анализ значимых методов математической обработки из числа рассматриваемых для представления ЭЭГ в виде последовательности символов, являющимися входными для работы грамматических правил;

2. разработка и выбор алгоритмов обработки ЭЭГ для получения основных расчетных параметров, а также- их программная реализация в виде отдельных процедур;

3. построение контекстно-независимой атрибутной грамматики для распознавания основных видов патологий на ЭЭГ и правил для атрибутов нетерминалов, входящих в грамматику;

4. реализация блоков лексического, синтаксического и семантического анализа для оценки ЭЭГ с точки зрения рассматриваемых патологий;

5. практическая реализация предложенных методов и алгоритмов в ввде элек-троэнцефалографическон системы.

Новые научные результаты.

1. Определены основные этапы реализации советующей системы формирования электроэнцефалографического заключения;

2. Разработана атрибутная транслирующая грамматика для реализации советующей системы формирования заключения по ЭЭГ. Построены лексический, синтаксический и семантический анализаторы системы;

3. Разработана, построена и исследована программная модель эффективного цифрового режекторного фильтра реального времени для подавления синфазной сетевой помехи;

4. Разработаны и программно реализованы алгоритмы цифровой обработки ЭЭГ - алгоритм картирования, необходимый для визуального представления ЭЭГ и алгоритм определения генерализованной активности. Исследованы и адаптированы для обработки ЭЭГ алгоритмы спектрального и корреляционного анализа, используемые на этапе лексического анализа;

5. Предложен метод распознавания патологических феноменов - спайков, пиков, медленных волн, комплексов пик-медленная волна - на основе модифицированного структурно-лингвистического метода.

Практическая ценность работы. Разработанные в диссертации алгоритмы и методы позволяют разрабатывать портативные электроэнцефалографические системы, основные их аппаратные узлы и блоки, а также программное обеспечение, позволяющее производить представление, обработку энцефалограмм, визуализацию результатов обработки, расчет основных параметров и формирование элсктроэнцефалографичсского заключения.

Основные положения, выносимые на защиту.

1. Рассмотрение задачи анализа ЭЭГ с помощью методов цифровой обработки сигналов и возможности построения автоматизированной экспертной системы на основе результатов такой обработки.

2. Модель цифрового режекторного фильтра реального времени, разработанного для подавления синфазной составляющей в электроэнцефалографическом сигнале.

3. Метод распознавания патологических феноменов на ЭЭГ на основе их структурно-лингвистического представления.

4. Принцип построения автоматизированной системы формирования заключения по ЭЭГ, основанный на элементах теории формальных языков.

5. Результаты практической реализацйи электроэнцефалографической системы в виде аппаратно-программного комплекса, содержащего экспертную систему формирования заключения.

Внедрение результатов работы. Полученные в работе результаты внедрены при разработке аппаратно-программного электроэнцефалографического комплекса "Компакт-нейро" научно-медицинской фирмы "НейроТех". В данный момент система успешно эксплуатируется в ряде медицинских учреждений страны.

Апробация работы. Основные результаты диссертационной работы были представлены и обсуждались на следующих конференциях:

Международной конференции "Combio' 96" (Шопрон. Венгрия, 1996);

VII Всероссийских туполевских чтениях (Казань, 1996):

Всероссийская научная конференция студентов и аспирантов. Радиоэлектроника. микроэлектроника, системы связи и управления (Таганрог, 1997):

Региональной конференции студентов, аспирантов и молодых специалистов Северного Кавказа "Методы и средства цифровой обработки сигналов" (Таганрог, 1993);

Республиканской научно-технической конференции "Биомедицинские приборы и системы" (Рязань, 1994);

II и III Всероссийской научной конференции "Техническая кибернетика, радиоэлектроника и системы управления" (Таганрог, 1994, 1996);

I региональной научно-практической конференции по проблемам курортов КМВ (Пятигорск, 1994);

Международном симпозиуме "Природа и человек: взаимодействие и безопасность жизнедеятельности" (Таганрог. 1996);

ХХХХ - XXXXII научно технических конференциях профессорско-преподавательского состава Таганрогского радиотехнического университета (Таганрог 1995-1997).

Практические результаты работы демонстрировались на следующих специализированных выставках:

"Медицина для Вас" (г. Москва, июнь 1996);

"Медицина 96", "Медицина 97" (г. Ростов-на-Дону);

"Медицина 97" (г. Пятигорск).

Публикации. По теме диссертации опубликовано 17 печатных работ.

Структура и объем диссертации. Основное содержание работы изложено на 151 странице текста, с иллюстрациями. Диссертация состоит из четырех разделов, введения, заключения, списка цитированной литературы из 81 наименований на 6 страницах и пяти приложений.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, научная и практическая новизна, кратко излагаются основные положения работы и описываются задачи, решаемые в работе.

К первом разделе диссертационной работы представлено описание метода диагностики с помощью электроэнцефалографии. Описываются техника регистрации ЭЭГ, характеристики энцефалографического сигнала, его физиологические особенности. Рассматриваются общие принципы построения современных электроэнцефалографических систем, в том числе отдельно аппаратная и программная части.

Большое внимание уделено описанию артефактов, возникающих при регистрации ЭЭГ и методам борьбы с ними. Приводятся рекомендации по их устранению./10,12,14/

Поскольку ЭЭГ очень низкоамплитудный процесс, одной из самых сложных задач при ее регистрации является подавление наводок переменного тока, постоянно имеющих место везде, где есть электрическая сеть. Частично сетевая помеха уменьшается благодаря дифференциальным усилителям на входе. Но для получения качественной ЭЭГ этого оказывается недостаточно. Для устранения этой помехи необходимо применять режек+орные фильтры. Организация такого фильтра аппаратно имеет минусы в том, что, во-первых, усложняется и удорожается схема элекгроэнцефалографа, во-вторых, частота сети не строго постоянна, поэтому нельзя использовать высокодобротные аппаратные фильтры с частотой режекщщ 50Гц.

Учитывая специфику построения электроэнцефалографических систем, в диссертационной работе предложен вариант эффективного и простого алгоритма фильтрации реального времени. Основная идея, лежащая в основе предлагаемой модели, в том, что используется частота дискретизации 200Гц, ровно в 4 раза большая, чем частота наводок переменного тока. Помеха представляется в квадратурах. Блок-схема алгоритма представлена на рис. 1. Схема фильтрации синусной и косинусной составляющих представляет собой абсолютный астатический контур первого порядка с интегратором в обратной связи.

СОЗ

Рис. 1. Схема системы адаптивной фильтрации сетевой помехи.

Тот факт, что частота дискретизации ровно в 4 раза больше частоты помехи, дает следующий эффект. На один период синусоиды или косинусоиды в 50 Гц приходится четыре отсчета оцифрованного сигнала. Если первый отсчет будет находиться в нулевой точке, где значение косинуса равно -1, а значение сину са

- 0, то возникает ситуация когда в каждой последующей точке этого периода одна из составляющих будет равна 0. В первой точке СОБЮ, во второй

- С05=-1, 5Ш=0, в третьей, С08=0, 5Ш=-1. Поэтому результат фильтрации в каждый момент времени оказывается равным результату обработки либо синусной, либо косинусной составляющей. В диссертационной работе приведена АЧХ фильтра, которая показывает, что сигнал передается без искажений во всей полосе частот, кроме -50+1 Гц. Передаточная функция полученной системы имеет вид:

15 13 3 7

= к(1-

+ 7. 4 - г 4 +г 2 -г 2) + (г 4 -г 4)(к-1).

(к + (1-к)г_1 -г 2)(1 + г 4 2 4)

к(1-г'' 4 -г 4

5 1

1А-1 11

1 +7~~а-г'л) + (г'2 -г'2)

1

1

(к-(1 + +2 2)(1 + г 4 2 +г 4)

Далее в работе представляются особенности программной реализации электроэнцефалографической системы. Рассматривается разработанный алгоритм построения топокартограмм ЭЭГ, отличие которого от известных

лгорнтмов в том, что его последовательность действий не зависит от изменена схемы размещения датчиков на голове.

В конце раздела описаны основные проблемы построения экспертных истем для медицинских целей. На основе литературного обзора проведена равнителъная оценка особенностей построения систем формирования заклю-ення в кардиографии и энцефалографии с выделением основных сложностей втоматизированной интерпретации энцефалограмм.

Во втором разделе рассмотрены и выделены отличительные черты атологачных энцефалограмм с дифференциацией по возрастам. На основании рачебного анализа ЭЭГ сформулированы основные задачи ее автоматизиро-анной обработки. К ним относятся:

. Выделение ритмов, с определением параметров каждого ритма. К параметрам ритмов следует отнести среднюю амплитуду, эффективную частоту, частотный спектр ритма, преобладание по зонам, степень модуляции, ам-ютпудную и частотную аснмметргао между полушариями и зонами. . Идентификация феноменов. Наиболее важное значение имеют спайки, комплекс пик-медленная волна, генерализованные и одиночные острые волны, генерализованная медленноволновая активность. При этом важно определять параметры феноменов, их длительности и длительности их серий, амплитуду, степень генерализации. . Информация о наличии или отсутствии корреляции в отведениях. Определение с помощью автокорреляционной функции доминирующего периодического процесса, его устойчивости, средней частоты и выраженности, а с помощью кросскорреляцйонной функции - степени сходства или связи двух ЭЭГ.

. Определение реакции усваиваемости или активации ритма при наличии внешней периодической стимуляции при помощи корреляционных функций, функций когерентности.

На основании анализа известных методов обработки сигналов, а такте, основываясь на знаниях эксперта, были проанализированы особенности рименения методов математической обработки ЭЭГ. Было выявлено, что ^пользование спектральных и корреляционных методов можно считать пере-одом от одной формы отображения информации к другой, более удобной, омпактной и информативной. При этом в работе была проведена сравнитель-ая оценка применения для решения задачи перекодировки трех методов воз-:ожного представления ЭЭГ - спектрально-корреляционного, авторегресснон-ого и турн-амплитудного анализа. При этом анализировались такие особенно-ги обработки и представления как объем результирующих данных, врачебное эсприятие и понимание результатов обработки, возможность визуального редставления результатов обработки и полнота оценки процесса. (См. рис.2)

Рис.2. Эффективность применения спектрально-корреляционных методов

обработки ЭЭГ.

В процессе изучения этого вопроса был также проведен анализ извес ных алгор!ггмов обработки и представления ЭЭГ, таких как спектральн плотность, рассмотрение кросскорреляционной и автокорреляционной фуя ции. Рассмотрены числовые величины, характеризующие корреляционн: функции. Для автокорреляционной - это средняя частота (средний перио периодических колесаняй, периодичность процесса, устойчивость периодик Для кросскорреляционной - степень кросскорреляционной связи и времени! сдвиг максимума кросскорреляционной функции.

Были выявлены особенности применения спектральной плотности д анализа ЭЭГ. Проведенный в диссертации анализ позволяет сказать, что пре почтительнее является прямое вычисление интеграла, а не использование а горктмов дискретного, преобразовании Фурье. Принимая во внимание то, ч исходный сигнал представляет собой последовательность дискретных отсч тов, то для нахождения интеграла от произведения необходимо получить ан литическое выражение этой зависимости. Для этого целесообразно использ вать методы аппроксимации функций различными способами, например, ш роко известным методом наименьших квадратов (МНК). К сожалению, анал реальных ЭЭГ привел к заключению, что одной "универсальной" функци обойтись не удастся, поскольку очень велика вариабельность корреляциоши функций ЭЭГ. В работе был проведен анализ базы данных из 80 ЭЭГ и выя лены основные формы корреляционных функций. Анализ вариантов фо{ автокорреляционных функций привел к необходимости искать алпроксимащ' ■ ее в виде двух возможных форм:

• аддитивная форма представления ;

• мультипликативная форма представления.

Обхций алгоритм аппроксимации автокорреляционной функции состоит последовательности этапов: '

1. Определение формы представления автокорреляциошюй функции;

2. Аппроксимация медленно меняющейся компоненты;

3. Компенсация медленно меняющейся компоненты;

4. Выбор типа аппроксимации для быстроменяющейся компоненты;

-11>. Аппроксимация быстро меняющейся компоненты.

3 диссертационной работе доказано, что для аппроксимации медленно ме-[яющейся компоненты целесообразно использовать сплайн-функцию, а для )ыстро меняющейся - метод наименьших квадратов тригонометрическими голиномами.

В диссертации были разработаны алгоритмы, с помощью которых юзможно определение некоторых параметров ЭЭГ, выделение отдельных (собенностей сигнала. К ним относятся алгоритм определения степени моду-шрованности альфа-ритма с помощью построения огибающей нативного сиг-шла и дальнейшей аппроксимации тригонометрическими полиномами и алго-штм идентификации генерализованной активности. Особо выделен структур-го-лингвистический метод нахождения феноменов в электроэнцефалографиче-:ком сигнале. Его смысл в том, что все возможные феномены представляются шбо каким-нибудь символом, либо цепочкой символов. Далее, разложив фо-ювую ЭЭГ в последовательность символов того же алфавита, нужно только щентифицировать символьную цепочку, характеризующую патологический феномен. При идентификации происходит сравнительный анализ символьной юследовательносги. характеризующей феномен, со всеми участками ЭЭГ. В :лучае нахождения идентичности анализируемого участка с образцом, он при-пшается за феномен, и анализ проводится далее. Для более эффективной ра-юты такого метода перед его использованием рекомендуется провести сегмен-ацию участка предполагаемого нахождения феномена с учетом его амплитуд--1ых и частотных' показателей. Для доказательства эффективности применения гтруктурно-лингвистического метода распознавания патологических феноме-гов на ЭЭГ была проведена сравнительная оценка его с применяемыми для опознавания образов в медицинских сигналах пороговым методом, методом, дафровой фильтрации и сравнения с образцом.

10080

60' 40' 20'

Найдено

Ошибки

Скорость

□ Пороговый ¡ЗФильтрация

□ Сравнение

□ Структурный

Рис.3. Эффективность применения структурно-лингвистического метода.

Эффективность оценивалась по вероятности правильной идентифика-ши, вероятности ошибок и скорости распознавания.

1 третьем разделе на основании знаний эксперта, рассматривается вид вра-¡ебного заключения по анализу ЭЭГ. с точки зрения автоматизации его форми-юванпя. В данной ¡заботе предлагается один из подходов к автоматизиро-

ванному формированию такой отчетной формы. В его основе лежит теори. формальных языков, основной идеей которой является трансляция из одно1 формы представления данных в другую, или из одного алфавита в другой. I электроэнцефалографии последовательность отсчетов сигнала можно считат; определенной формой представления данных, преобразования которой позво ляют персти к общепринятой форме заключения. Этот процесс можно назват: компиляцией. В теории построения компиляторов отмечаются три стадии лексический анализ, синтаксический анализ и семантический анализ. Приме нение методов математической обработки для ЭЭГ и получения в результат ряда параметров, характеризующих сигнал, можно считать лексическим ана лизом. Эти параметры можно считать набором неформализованных лексем которые далее нужно формализовать и перевести на язык словесного описанл ЭЭГ. Эти действия выполняются на этапах синтаксического и семантической анализа.

В диссертационной работе рассматриваются основные положат теории формальных языков, которые используются при дальнейшем процесс построения компилятора. Вводятся понятия алфавита, языка, нетерминальной и терминального символа, контекстно-свободной грамматики, атрибутно) грамматики. На основании рассмотренных особенностей реализуется бло: синтаксического анализатора в виде последовательности грамматических пра вил отдельно для блока описания и блока формирования заключения.

Заключительным этапом трансляции является семантический анализ результатом которого можно считать последовательность фраз описания 1 заключения по ЭЭГ. Семантический анализ реализуется благодаря написании правил вывода для атрибутов грамматики. Атрибуты присваиваются все? нетерминальным символам. Входными данными для грамматики являютс результаты применения алгоритмов обработки ЭЭГ, описанные во второ? разделе. В результате применения атрибутных правил получается последова тельность фраз, характеризующих ЭЭГ. В диссертации рассматривается воз можность использования атрибута "нечеткость" для каждого нетерминальног символа, позволяющего ускорить процесс вывода р получать несколько вари антов фраз заключения с различной степенью достоверности.

Далее доказывается эффективность применения атрибутных грамма тик для решения поставленной задачи по сравнению с методом продукций контекстно-свободных грамматик.(См. рис.4) Анализ проводился по 5 критс риям. Под регулярностью в данном случае понимается использование в рамка одного метода правил сходного вида. Структурность означает возможност построения общего дерева вывода илй связанных деревьев и единственно! обхода его. Расширяемость подразумевает возможность безболезненно добав лять в имеющуюся структуру дополнительные правила вывода. Визуализация возможность просмотра хода автоматизированного вывода.

Регуярность Структурность Эффективность Расширяемость Визуализация

Рис.4. Эффективность применения атрибутных грамматик.

В конце раздела приводится оценка вероятности верного автоматизированного обнаружения патологий на ЭЭГ по сравнению с мнениями трех экспертов. Полученные результаты варьируются от 0.75 до 0.95.

В четвертом разделе представлена практическая реализация результатов диссертационной работы в виде элекгроэнцефалографической системы "Компакт-нейро"./11/ Система предназначена для проведения рутинных (по общепринятым методикам) и углубленных исследований (в том числе по современным методикам, которые описаны в данной работе) биоэлектрической активности головного мозга по произвольно выбираемым протоколам обследования, и представляет собой аппаратно-программный комплекс, работающий на персональных компьютерах типа 1ВМ РС с процессором не ниже 486БХ. Запись производится по 16-ти стандартным отведениям в реальном времени, в режиме мониторинга. Рассматриваются основные схемотехнические особенности построения системы, ее преимущества по сравнению с известными. Большое внимание уделено элекробезопасности системы. Представлена подсистема сопряжения с персональным компьютером, где реализован оригинальный, защищенный от сбоев, протокол обмена данными между аппаратурой и компьютером.

Отдельно рассмотрена программная часть комплекса. Ее основу составляют режимы, для реализации которых используются описанные в первом и втором разделах алгоритмы. Рассмотрены элементы интерфейса системы с пользователем, некоторые сервисные возможности. Предложен вариант базы данных, в которой пользователем закладывается протокол электроэнцефалографического обследования.

В системе реализован блок автоматизированного формирования заключения. При этом существует три вида его формирования: ручной, полуавтоматизированный и автоматизггровашшй. Ручной подразумевает выдачу таб-

лиц расчетных параметров и поле текстового редактора, где врач вручнук может набрать текст описания и заключения. Полуавтоматизированный представляет собой реализацию экспертной системы с помощью метода, представленного в третьем разделе. При формировании фраз на этапе обработки атрибутных правил происходит предложение выбранного системой варианта. Прг этом врач может либо принять этот вариант, либо выбрать другой из имеющегося списка, либо вообще пропу стить данную фразу. После полной обработки г выдачи результатов таким образом, имеется возможность, как и в ручном режиме, отредактировать с помощью встроенного текстового редактора полученные фразы или добавить недостающие по мнению врача. Последний режим ■ автоматизированный - подразумевает вывод результатов и заключения, полагаясь на экспертную систему без \ "частая врача. При этом, однако, есть возможность редактирования полученного заключения, как и в двух предыдущи.\ режимах. Наличие такой вариабельности^ режимов формирования отчетно!: формы по ЭЭГ рассчитано на врачей разного уровня квалификации, психологии и подготовки. В конце раздела в виде таблицы представлена сравнительная оценка имеющихся на Российском рынке компьютерных электроэнцефалографических систем с предлагаемой.

В заключении сформулированы основные результаты, полученные е диссертационной работе.

Основные результаты работы.

1. В диссертационной работе выполнено теоретическое и практическое рассмотрение задачи автоматизированного анализа ЭЭГ от момента регистрации до получения отчетной формы. Обоснована возможность построения совету ющей системы формирования энцефалографического заключения;

2. В качестве алгоритмической базы предложен метод автоматизированной: формирования заключения по ЭЭГ, в основе которого лежит теория формальных языков. Приведено обоснование и доказательство эффективности этого метода. Построены лексический, синтаксический и семантический анализаторы предлагаемой советующей системы.

3. В работе рассмотрен вопрос применения спектрально-корреляционных методов цифровой обработки сигнатов для получения диагностической информации по ЭЭГ. При этом определено, что в случае анализа ЭЭГ, применение алгоритмов обработки стационарных сигналов для анализа ЭЭГ можно считать переходом от одной формы отображения информации к другой, более удобной, компактной и информативной.

4. Проведен анализ известных алгоритмов обработки'ЭЭГ. а также разработан ряд новых, необходимых для автоматизированной обработки, среди которых можно выделить:

• адаптивный цифровой режекторный фильтр реального времени для эффективного подавления синфазной помехи в энцефалографическом сигнале;

• алгоритм построения топокартограмм мозга по ЭЭГ;

> алгоритм определения степени генерализованной активности на ЭЭГ;

> метод распознавания патологических феноменов на ЭЭГ на основе струк-турно-лигвистического представления сигнала.

>. Разработана и внедрена электроэнцефалографическая система, которая является практической реализацией предложенных в диссертационной работе методов и алгоритмов.

По материалам диссертации опубликованы следующие работы: I. Сахаров В.Л. Автоматизированное рабочее место врача-нейрофизиолога // Региональная конференция студентов, аспирантов и молодых специалистов Неверного Кавказа (методы и средства цифровой обработки сигналов). Таган-юг, ТРТУ, 1993. с.66-67.

!. Сахаров В.Л. Нейрофизиологическая система "Феникс" // Республиканская гаучно-техническая конференция студентов, молодых ученых и специалистов 'Биомедицинские приборы и системы", Рязань, 1994. с.24-25. 5. Сахаров В.Л., Грязин Е.А. Психофизиологическая система "Кинезис" // Республиканская научно-техническая конференция студентов, молодых ученых 1 специалистов "Бномедицинские приборы и системы", Рязань, 1994. с.25-26.

Сахаров В.Л. Аппаратно-программный комплекс для реализации метода Зиологической обратной связи // Вторая всероссийская научная студенческая <онференция "Техническая кибернетика, радиоэлектроника и системы управ-тения", Таганрог, 1994. с.76-77.

5. Котляров В.В., Сахаров В.Л. Применение компьютерных автоматизирован-тых систем в электрофи зиологической диагностике и лечении неврологических юльных на санаторно-курортном этапе // Материалы первой региональной таучно-практической конференции по проблемам курортов КМВ, Пятигорск,

1994. с.63-64.

3. Котляров В.В., Сахаров В.Л. Применение метла биологической обратной :вязи для лечения нервных болезней // Медицинские информационные системы. Межведомственный тематический научный сборник Выпуск 5, Таганрог.

1995. с.56-59.

1. Котляров В.В., Сахаров В.Л. Аппаратно-программный комплекс для нссле-ювания нервно-мышечной активности // Медицинские информационные системы. Межведомственный тематический научный сборник Выпуск 5, Таганрог, 1995. с.59-62.

I. Сахаров В.Л. Автоматизированное рабочее место врача-нейрофизиолога. // Известия ТРТУ №1 1995, Таганрог, 1995. с.25.

). Сахаров В.Л. Аппаратно-программный комплекс биологической обратной ;вязи // Природа и человек: взаимодействие и безопасность жизнедеятельно-гги, Таганрог, 1996. с.39-41.

10. Сахаров В.Л. Реализация методик стимуляционной электронейромиогра-{ши в диагностике неврологических заболеваний // Третья всероссийская на-

учная студенческая конференция "Техническая кибернетика, радиоэлектроник; и системы управления", Таганрог, 1996. с.248.

11. Bulanov S.N., Kotlyarov V.V., Makarevich О.В., Sakharov V.L. PC basei electroencephalography system "Compact-neuro" // Proceeding of COMB 10 ' 96 Sopron, Hungary," 1996. c.66-69.

12. Сахаров B.JI. Применение методик электромиографии для диагностик! ряда неврологических заболеваний // VII всероссийские тулолевские чтеши студентов, Казань, 1996. с. 108.

13. Захаревич В.Г., Сахаров B.JL, Синютин С.А. Системы адаптивного распо знавания патологических феноменов при анализе ЭКГ и ЭЭГ в реальном мае штабе времени // Объектно-ориентированный анализ. Межвузовский сборник Новочеркасск, 1996. с.68-76.

14. Котляров В.В., Сахаров В. Л. Применение компьютерных автоматизиро ванных систем в электрофизиологаческой диагностике и лечении нейромотор-ных нарушений у больных с органическими поражениями центральной нерв ной системы.// Компьютерные технологии в инженерной и исследовательско$ деятельности. Сборник трудов, Таганрог, 1996, с. 173.

15. Сахаров В.Л. Автоматизированное рабочее место врача-нейрофизиолога. L Компьютерные технологии в инженерной и исследовательской деятельности Сборник трудов, Таганрог, 1996, с. 178.

16. Сахаров В. Л. Особенности оценки электроэнцефалограммы с помощыс спектральных и корреляционных методов.// 1-й международный молодежный форум "Электроника и молодежь в XXI веке". Тезисы докладов, Харьков. 1997, с. 145.

17. Сахаров В.Л. Структурно-лингвистический метод распознавания патологических феноменов на ЭЭГ. // Всероссийская научная конференция студентов и аспирантов. Радиоэлектроника, микроэлектроника, системы связи и управления, Таганрог, 1997, с. 248-249.

В работах, написанных в соавторстве, личный вклад автора состоит в следующем: в работе [3] разработка алгоритмов обработки сигнала: в работах [5,14] проведен теоретический анализ проблем внедрения автоматизированных систем в медицинскую диагностику; в работах [6, 7] - практическая реализация систем обработки и визуализации медикобиологической информации; в работе [11] выполнена программная реализация алгоритмов обработки ЭЭГ и предложен вариант разработки экспертной системы формирования заключения; в работе [13] предложен структурно-лингвистический метод распознавания патологических феноменов на ЭЭГ.

г. Таганрог, Тип ТРТУ Зак №7 Тир. 60