автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Синтез электроэнцефалографических информационно-измерительных систем с переменной структурой

На правах рукописи

АКУЛОВ Леонид Геннадьевич

СИНТЕЗ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКИХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ С ПЕРЕМЕННОЙ СТРУКТУРОЙ

05.11.16 - Информационно-измерительные и управляющие системы (в машиностроении) 05.11.17- Приборы, системы и изделия медицинского назначения

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

21 НОЯ 2013

00553®'°-

Волгоград - 2013

005538793

Работа выполнена на кафедре «Вычислительная техника» в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Волгоградский государственный технический университет» (ФГБОУ ВПО «ВолгГТУ»),

Научный руководитель: доктор технических наук, профессор

Муха Юрий Петрович

Официальные оппоненты: Нестеров Владимир Николаевич

доктор технических наук, профессор, ОАО «Самарский электромеханический завод», заместитель генерального директора по науке;

Антонюк Евгений Михайлович

доктор технических наук, профессор, ФГБОУ ВПО СПбГЭТУ «ЛЭТИ» кафедра «Информационно-измерительных систем и технологий», профессор.

Ведущая организация ФГАОУ ВПО «Южный федеральный

университет», г. Ростов-на-Дону.

Защита диссертации состоится «10» декабря 2013 года в 14 часов на заседании диссертационного совета Д 212.028.05 при Волгоградском государственном техническом университете по адресу: 400005, г. Волгоград, пр. Ленина, 28, ауд. 209.

С диссертацией можно ознакомиться в библиотеке Волгоградского государственного технического университета.

Автореферат разослан ноября 2013 г.

Ученый секретарь диссертационного совета

Авдеюк Оксана Алексеевна

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

В настоящее время в машиностроении, медицине, промышленности, и иных отраслях приходится сталкиваться с возрастающей сложностью объектов оперативного контроля. Возникает задача многоканальной регистрации и обработки колоссального объема данных и принятия оперативного решения по ним. Это ведет к ужесточению требований к информационно-измерительным системам (ИИС). Возникают большие, постоянно возрастающие объемы методов и средств для измерения и анализа сложных объектов. Ориентация в этом массиве затруднена в силу слабой структурированности его элементов; четко не определены законы добавления, корректировки и удаления элементов. Оперативное ужесточение требований к ИИС ведет либо к полной замене ИИС, либо существенной модификации (что требует привлечения временных, финансовых и иных ресурсов).

Примером сложной системы, требующей построения сложной ИИС является головной мозг человека. Требуется большое количество биотехнических моделей мозга и систем измерения его состояний. Синтез ИИС должен проводиться с использованием однозначных и воспроизводимых условий эксперимента (биоэлектрическая активность, состояние пациента технологические условия измерения). Это возможно эффективно провести, используя методы имитационного моделирования для синтеза ИИС.

Задачи при проведении измерительных экспериментов, связанных с анализом сложных объектов (головной мозг) постоянно меняются (особенно в научных исследованиях). Современной тенденцией развития ИИС, в общем, и биомедицинской техники для поддержки электроэнцефалографических (ЭЭГ) -исследований, в частности, является усложнение алгоритмов обработки полученной информации как на этапе сбора, так и на этапе анализа и интерпретации. Скорость изменения структуры ИИС не соответствует запросам изменения качества и количества требуемых на выходе значений.

Актуальна задача выработки единого подхода к процессу синтеза биомедицинских информационно-измерительных систем (ИИС), основанных на методе регистрации и анализа электрических потенциалов мозга. Концептуально решение задачи предлагается основывать на выделении базовой структуры совокупности преобразующих операций, названной модельным ядром электроэнцефалографической системы. При этом осуществляется описание её основных структурных элементов с целью унификации процессов синтеза методов и средств, упрощения использования существующими методами и средствами, как их разработчиками, так и пользователями. Это позволит формализовать и упростить процесс оперативного усовершенствования существующих ЭЭГ ИИС, являющихся сложными системами (требующими для их синтеза и анализа предварительной декомпозиции на составляющие).

Разработка системы компьютерной поддержки ЭЭГ-измерений, основанной на единой модели процесса зарождения, трансформации, съема и интерпретации сигналов позволяет оперативно осуществлять гибкую настройку функционала соответствующих систем в зависимости от конкретных задач исследования (в области диагностики, терапии и биоуправления). Построение моделей измерительных уравнений позволяет определять принятые измерительные про-

цедуры, что дает возможность решать задачи метрологического обеспечения БТС в целом, а не только отдельно их чисто инструментальной части.

Степень разработанности темы. Ввиду отсутствия целостности при рассмотрении процесса синтеза технического решения поддержки ЭЭГ-исследований вопросы построения систем для поддержки оперативного синтеза не рассматриваются. Современное решение проблемы системности основывается на понятии биотехнических систем (БТС), то есть особого класса технических систем, представляющих совокупность биологических и технических элементов, связанных между собой в едином контуре управления. БТС рассматривается Ахутиным В.М., Попечителевым Е.П., Кореневским А.Н. и др. Понятие БТС можно расширить, если положить, что часть измерительных преобразований будет выполнять сам биологический объект. При этом осуществляется принцип «навязывания» структуры. Наличие структуры позволяет ставить задачу метрологического синтеза и дает вариант её решения. Описанный подход получил название «биоинструментальный» и в настоящее время эта теория активно развивается на кафедре Вычислительной техники ВолгГТУ под руководством Мухи Ю.П. Этот подход позволяет решать задачи в рамках теории метрологического анализа и синтеза, разрабатываемого, в частности, Цветковым Э.И. Проблема многоканальности биомедицинских ИИС освещена в работах Литовкина Р.В. Кроме того, общие вопросы синтеза ИИС разрабатывались, Новоселовым О.Н., Фоминым А.Ф., Заико А.И. и д.р., но без привлечения современного объектно-модульного подхода. В настоящее время большую популярность получили системы компьютерного моделирования, такие как Lab View и MATLAB, позволяющие моделировать сложные модульные ИИС. Однако эти системы являются закрытыми и не поддерживают идеологию метрологического синтеза биоинструментальных ИИС; расширение функционала, в частности, для ЭЭГ ИИС в разных системах лишено универсальности.

Целью работы является разработка системы для поддержки оперативного синтеза электроэнцефалографических ИИС в условиях возрастающего объема измерительной информации.

Задачи работы:

1. Систематизировать базовые методы и средства, применяемые при построении ИИС для поддержки электроэнцефалографических исследований с составлением их иерархии на основе формализации процесса формирования биоэлектрической активности головного мозга с использованием достижений современной физиологии и биофизики и выделением проблем при регистрации и интерпретации электроэнцефалографических данных;

2. Формализовать метод оперативного синтеза ЭЭГ ИИС, с разработкой метода формирования его базовой структуры и установлением порядка добавления, изменения и удаления элементов, а также порядка их взаимодействия;

3. Применить метод синтеза ЭЭГ ИИС для формализации преобразователей конкретных информационно-измерительных потоков, возникающих в типовых ЭЭГ ИИС с созданием ее модельного прототипа средствами современных языков программирования высокого уровня;

4. Используя модельный прототип ЭЭГ ИИС, создать программный модуль для поиска метода оперативной фильтрации многоканальных ЭЭГ-сигналов, устраняющую артефакты на электроэнцефалограммах;

5. Применить разработанный метод для создания программного комплекса генерации биоэлектрической активности и модуля постобработки данных в ЭЭГ ИИС с апробацией спроектированных и запрограммированных фильтров.

Объект исследования. Информационно-измерительные системы для исследования биоэлектрической активности мозга человека.

Предмет исследования. Процесс синтеза сложных ИИС для электроэнцефалографических измерений с возможностью их оперативной модификации при возрастающем объеме данных измерений и ужесточения условий их получения.

Основные методы исследования. Для решения поставленных задач были использованы методы теории функциональных систем в биологии и медицине, методы биомедицинского анализа электроэнцефалографических сигналов, системного анализа, структурные методы проектирования систем, теория множеств, теория категорий и функторов, методы объектно-ориентированного моделирования (ООМ) и программирования (ООП), математические методы анализа временных рядов, методы цифровой обработки сигналов, методы имитационного моделирования, методы оптимизации.

Основные положения, выносимые на защиту:

1. Принцип построения ИИС, базирующийся на математической теории категорий, функторов, принципах объектно-ориентированного моделирования с выделением базовой структуры преобразующих измерительных операций, представленной структурно-иерархической объектной моделью, позволяет формализовать оперативный синтез ИСС в рамках структурно-аналитического подхода с возможностью добавления, изменения и удаления функций в составе ИИС с разработкой модельного и программного прототипа ИИС.

2. Типовые структурные модели измерительных ситуаций электроэнцефалографического исследования, адаптированные для включения в модельное ядро биотехнической ЭЭГ ИИС, формализуют инструментальную часть ИИС и применимы для синтеза ЭЭГ ИИС и испытания ее опытных образцов методом имитационного моделирования.

3. Применение в алгоритмах цифровой обработки электроэнцефалографических данных методов дискретной вейвлет-фильтрации позволяет улучшить показатели диагностики состояний головного мозга в оперативном масштабе времени при наличии помех в регистрируемых данных.

Научная новизна работы. В диссертации получены следующие результаты, характеризующиеся научной новизной:

1. Разработан принцип построения новых образцов ИИС, сокращающий временные затраты на их модификацию за счет сочетания теории метрологического синтеза, как математической формализации процесса создания ИИС, и объектно-ориентированного моделирования с теорией межмодульного взаимодействия.

2. Формализован процесс синтеза ИИС на основе выделения базовой структуры преобразующих операций, применительно для ЭЭГ измерений, обозначенной модельным ядром ИИС, позволяющим совершенствовать существующие и создавать новые образцы ИИС, улучшать их технические и эксплуатационные характеристики быстрее и качественнее чем существующие разрозненные инженерные методики.

3. Создан метод информационного обеспечения процесса синтеза ЭЭГ ИИС на основе формализации биотехнической системы, основанный на иерархическом представлении этапов формирования, трансформации, съема и интерпретации биоэлектрических сигналов мозга, позволяющий моделировать измерительные каналы ЭЭГ ИИС для оперативного выделения диагностических параметров при анализе состояний головного мозга.

4. Осуществлен синтез быстрых методов преобразования больших объемов электроэнцефалографических данных для оперативной диагностики состояний головного мозга, на основе дискретного вейвлет-преобразования, включенного в состав ЭЭГ ИИС, в отличие от применяющихся методов, не справляющихся с оперативной обработкой.

Практическая значимость заключается в следующем:

1.При помощи универсального языка моделирования (ЦМЬ) осуществлен синтез прототипа базовых измерительных модулей биотехнической ЭЭГ ИИС. Средствами языка программирования высокого уровня создано программное обеспечение для поддержки метрологического синтеза на основе структурного состава ИИС.

2. Составлено техническое описание системы, реализующей конкретную модель каналов ЭЭГ ИИС с применением операции наследования от базовых измерительных модулей модельного ядра ЭЭГ ИИС: основные функции, порядок их взаимодействия, форматы данных на входах и выходах, что необходимо для реализации ЭЭГ ИИС.

3. Создан программный модуль обработки и анализа биоэлектрических сигналов для оперативной диагностики состояний головного мозга с применением фильтра, основанного на дискретном вейвлет-преобразовании.

4. Создан программный модуль-генератор цифровых данных биоэлектрической активности организма (электроэнцефалограмм, электрокардиограмм, вызванных потенциалов, сигналов кожно-гальванической реакции) с учетом индустриальных и биологических помех, артефактов и различных условий измерений.

5. Осуществлен синтез аппаратного модуля ЭЭГ ИИС на современной элементной электронной базе с применением алгоритмов быстрой обработки сигналов в программном коде.

Реализация научно-технических результатов. Результаты работы использованы в госбюджетной НИР в соответствие с темами: № 31-53/429-04 «Разработка методов синтеза сложных измерительных систем на базе нейронных сетей»; № 31-53/145-09; № 31-53/435-12 «Проектирование сложных измерительных комплексов» выполняемых на кафедре «Вычислительная техника» ВолгГТУ по плану Минобрнауки РФ. Отдельные результаты получены при финансовой поддержке Минобрнауки РФ в рамках программы ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., мероприятие 1.4, соглашение от 14.11.2012 г. № 14.А18.21.2081. Теоретические и практические результаты внедрены в учебный процесс ВолгГТУв дисциплинах «Технические методы диагностических исследований и лечебных воздействий» и «Основы медицинских измерений». Результаты работы включены в учебный план подготовки студентов по направлению «Биотехнические системы и технологии» Волгоградского государственного медицинского университета.

Достоверность результатов исследования обусловлена корректностью математических выводов, строгой аналитической аргументацией полученных теоретических положений с использованием физических законов, достаточным количеством результатов, коррелирующих с экспериментальными и литературными данными.

Апробация результатов. Результаты исследований докладывались на научных семинарах кафедры Вычислительная техника ВолгГТУ (Волгоград 2005-2012); ежегодных внутривузовских конференциях ВолгГТУ (Волгоград 2005-2012); международных конференциях «Информационные технологии в образовании, технике и медицине»(Волгоград 2006, 2009); 7-й международной науч.-техн. конф. «Измерение, контроль, информатизация (ИКИ-2006)» (Барнаул 2006); II и III Всероссийских конференциях с международным участием «Новые информационные технологии в медицине» (Волгоград 2007, 2008); I, IV и V научных конференциях «Системный анализ в медицине (САМ)» (Благовещенск, 2007, 2010, 2011); Ежегодной всероссийской научной школе-семинаре «Методы компьютерной диагностики в биологии и медицине» (Саратов 2008); XII межвузовской конференции студентов и молодых ученых г. Волгограда и Волгоградской области (Волгоград 2007); XV международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва 2009); 15-м Российском симпозиуме с международным участием «Миллиметровые волны в медицине и биологии» (Москва 2009); VI международной научно-технической конференции «Актуальные вопросы теоретической и прикладной биофизики, физики и химии. БФФХ-2010»(Севастополь 2010); I и III Всероссийских научных школах для молодежи «Нейробиология и новые подходы к искусственному интеллекту и к науке о мозге» (Таганрог 2010, 2012); Всероссийской научной школе «Нейротехноло-гии 2010. Биоэкономика, основанная на знаниях: политика инновационного пути развития биотехнологии. БиоН-2010» (п. Бекасово Московской обл., 2010); X Международной научно-технической конференции «Распознавание - 2012», (Курск 2012); I и II МНПК «Инновационные информационные технологии» (г.Прага, Чехия 2012, 2013); XII Всероссийской научно-технической конференции «Медицинские информационные системы МИС-2012» (Таганрог 2012).

Соответствие паспорту специальности 05.11.16 - по п. 1 «Научное обоснование перспективных информационно-измерительных и управляющих систем, систем их контроля, испытаний и метрологического обеспечения, повышение эффективности существующих систем», п.4 «Методы и системы программного и информационного обеспечения процессов отработки и испытаний образцов информационно-измерительных и управляющих систем», п. 6 «Исследование возможностей и путей совершенствования существующих и создания новых элементов, частей, образцов информационно-измерительных и управляющих систем, улучшение их технических, эксплуатационных, экономических и эргономических характеристик, разработка новых принципов построения и технических решений». 05.11.17: п1.: «Исследование, разработка и создание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства восстановления нарушенной поливариантной системы, представление которой возможно математической, физико- и биотехнической, механической моделью,

а также энергетической, физико- химической, химической, электрохимической моделью и т.д.»

Публикации Основные результаты исследования представлены в 39 работах, из них: 15 статей в изданиях, рекомендованных ВАК РФ; 3 свидетельства о регистрации программ для ЭВМ.

Личный вклад автора. Основные научные результаты и рекомендации, содержащиеся в диссертационной работе и публикациях, получены автором самостоятельно и под руководством научного руководителя Мухи Ю.П. (работы [1]-[3],[5], [7]-[10],[12],[15]). В работах [4], [6],[7], [11], [14] разрабатывалась теоретическая база и осуществлялся расчет моделей. В [17] и [18] — программирование и выбор моделей и их параметров. В [19] — создание программной части, в [25], [26], [29], [30], [38], [39] - разработка метода синтеза ИИС, [28], [35] - постановка задачи синтеза ИИС, [33], [34], [36] - программирование прототипов моделей ИИС.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, литературы (192 источника), включает 153 страницы основного текста, 67 рисунков, 6 таблиц и 6 приложений на 47 страницах, содержащих детальное описание модели ядра ЭЭГ ИИС, исходные тексты программ, математические модели типовых измерительных преобразований ЭЭГ ИИС.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность, определены цель и задачи диссертации, сформулированы положения, выносимые на защиту, показана научная и практическая ценность работы.

В первой главе рассмотрены вопросы формализации синтеза электроэнцефалографических информационно-измерительных систем. Проведен анализ современных методов и средств моделирования ЭЭГ ИИС. Выяснено, что основная проблема синтеза ЭЭГ ИИС, заключается в ресурсоемкости этапов апробации опытных образцов ИИС, поскольку требует, как правило, полного перепроектирования ИИС. Как следствие, возникает задача оперативного синтеза, то есть выбор технических решений ИИС без реального создания ее промежуточных образцов. Для внесения оперативности в процесс синтеза ЭЭГ ИИС требуется серьезная модификация существующих методов. В основе модификации лежит идея имитационного моделирования с составлением подробных моделей ЭЭГ ИИС с последующим их программированием.

Существующие программные средства для проектирования ИИС лишены средств упорядоченного формата для хранения данных. Наиболее подходящим для задач оперативного синтеза ЭЭГ ИИС в этом случае можно считать метод метрологического синтеза Э.И. Цветкова с введением базовой иерархической структуры моделей измерительных блоков (модельного ядра ЭЭГ ИИС). Сами математические модели, следует формально представлять согласно принципам объектно-ориентированного моделирования, поскольку в этом случае достаточно просто реализуется их программное представление, а следственно естественным образом решается задача оперативного синтеза ИИС.

Поскольку тенденция в области построения ЭЭГ ИИС сегодня направляется в сторону увеличения каналов, увеличение длительности мониторирова-ния, увеличения частот дискретизации и разрядности данных, то для их оперативной обработки стандартных методов становится недостаточно. Необходима

оперативная обработка больших объемов «сырых» данных, удалять которые не принято в силу их потенциальной диагностической значимости. Типичные задачи обработки больших данных могут занимать от нескольких часов до суток, что усложняет процессы диагностики. Решение задач эффективного синтеза ЭЭГ ИИС приводит к улучшению диагностических показателей методов анализа многочасовых многоканальных записей полисомнограмм со сверхточным картированием, мониторинг биоэлектрической активности мозга по типу хол-теровского метода в электрокардиографии. При этом объемы необработанных данных при высокой разрядности АЦП, высоких частотах дискретизации и большой многоканальности измерений (128 и выше) при многочасовой записи составляют десятки, а порой и сотни гигабайт хранимой информации.

Анализ измерительных ситуаций исследования биопотенциалов мозга человека позволил сформулировать требования, предъявляемые к ЭЭГ ИИС, важнейшим из которых является возрастающая многоканальность и оперативность принятия решений при больших объемах получаемых данных в условиях наличия помех инструментальной и физиологической природы.

Вторая глава посвящена формализации объектного метрологического синтеза ЭЭГ ИИС.

В основу формализации положен метод метрологического синтеза Э.И. Цветкова. Он базируется на составлении априорных знаний о системе с последующим их отображением в последовательность процедур, решающих поставленную измерительную задачу. Применительно к синтезу ИИС:

Измеряемой величиной является ДОЕЕО , которая представляет собой множество шкальных значений как упорядоченных, так и неупорядоченных (диагнозов или иных показателей, достаточных для принятия решения субъектом измерения). F — функциональная связь между входным воздействием у и измеряемой величиной Я; ММу - модель входного воздействия; ММу - модель условий измерений; Р — предъявленные требования и наложенные ограничения; {ММ^У" - совокупность измерительных модулей, представляющих измерительный ресурс; Ь1у[() -5-й возможный алгоритм измерений - число возможных алгоритмов измерений); [Ь^] = -возможные алгоритмы измерения.

Осуществлена формализация множества математических моделей категорий измерительных блоков как базовая структура измерительных преобразователей, служащих прототипом при построении ЭЭГ ИИС. Этот набор получил название модельного ядра ЭЭГ ИИС. Набор получен как общее пересечение множества типовых схем ИИС для исследования биопотенциалов мозга, пред-ставимых в виде информационно-измерительного канала.

Далее выработана процедура синтеза ИИС на основе объектно-ориентированного подхода. Применение принципов ООМ (ООП) позволяет воспользоваться его ключевыми свойствами: инкапсуляцией, наследованием и

(1)

полиморфизмом. Для ИИС введено понятие операций композиции «||», иерархии наследования «-<», передачи «transm», соединения ив»,и агрегации «<[[». Выработана семиуровневая структура проектирования, показывающая взаимодействие между различными блоками. Для уровней, справедливо:

Щ <\\{TZ2 <\\(Щ ^|(7Z4 <\\{TZ5 A\{TZ6 <1172,))))). (2)

Символ «7)>означает категорную сущность формализма, то есть тип данных в терминах ООП и ООМ). Здесь:TZl - категория всей системы; TZ2- категория базового измерительного блока; TZ3 - категория базового измерительного подблока (обобщенный источник); TZ4 - категория структуры подблока (обобщенный вход, выход, состояние); TZ5 — уровень детализации направления (для входа и выхода); TZ6 - уровень в сложно-структурированных блоках (для блоков со многими источниками); TZ1 - уровень значений на входах и выходах.

Осуществлено определение основных методов для связи компонент при передаче информации от одного блока к последующему. Сформирован математический аппарат для синтеза межблочных интерфейсов в рамках объектно-ориентированного моделирования. Осуществлен синтез базовых алгоритмов работы межблочного взаимодействия, отличающийся двунаправленным обменом информации при ее передаче от блока к блоку.

На основе биотехнического описания сущности информационных процессов, происходящих в ЭЭГ ИИС, получена ее максимальная по числу элементов устойчивая структура базовых преобразующих операций, формализующая детальное модельное ядро ЭЭГ ИИС. Структура, с одной стороны, позволяет не вводить циклы на измерительном графе, а с другой, максимально подробно описать процессы передачи информации внутри ИИС.

Категории, описывающие модули модельного ядра, находятся на уровне 7Z2. Для категории 7Z2 сформирован следующий состав:

TZ2 = lJTZ2\" = iTSchaos>TSdet>TEN>TPFhs>TSPhsl>TSURF> 1 (з) I b=i \TCONN ,TPhCh, TExtraCh, TMUX ,TMK ,TPostMK\

Здесь введены следующие категории TEN - окружающая среда; TPPhS -психо-физиологическое состояние биообъекта; TSphsl - множество физиологических источников, которые задают физические поля биообъекта; TSURF оператор трансформации полей источников при прохождении сигнала от этих источников к поверхности биообъекта (к точке съема измерительной системой); TCONN- пространственное демультиплексирование (способы контакта датчиков с биологическим объектом); TPhCh - множество каналов физиологических измерений; TExtraCh - система дополнительных каналов; TMUX- мультиплексор; ТМК- процессорный блок предобработки сигнала; TPostMK- блок постобработки и анализа; множества операторов рождения входных сигналов, соответственно, детерминированных (rsdet) и хаотических {TSchaos).

Это позволило формализовать структуру программных модулей информационного прототипа ЭЭГ в виде UML диаграмм (рисунок 1) программ на языке программирования высокого уровня.

Таким образом, становится возможным сформулировать общую последовательность формализации оперативного синтеза ЭЭГ ИИС на основе модельного ядра ЭЭГ ИИС:

1. Выбор базовых информационных потоков, формализующих интересующие информационные процессы в ИИС и объекте исследования.

2. Декомпозиция математических моделей преобразователей информационных потоков по модулям модельного ядра ЭЭГ ИИС.

3. Объектная формализация каждого из модулей модельного ядра ЭЭГ ИИС с агрегацией и композицией полученных функций каждого из каналов в единый модуль с соблюдением межмодульного интерфейсного соответствия.

4. Загрузка модулей в программную систему оперативного синтеза.

5. Варьирование параметров заданных блоков или их комбинаций с целью установления такого их сочетания, при котором выполняется условие оптимума целевого параметра или попадание его в заданные границы.

6. Фиксирование полученных параметров и, в случае необходимости, варьирование параметров других блоков с последующей фиксацией результатов в виде модели ИИС, по которой возможен ее материальный синтез.

Третья глава посвящена синтезу системы для выбора схемы оптимальной фильтрации в ЭЭГ ИИС.

Общая схема синтеза ЭЭГ ИИС показана на рисунке 2, в основе которой лежит имитационное моделирование ИИС. На рисунке 2 сверху показана укрупненная ИИС, состоящая из объекта исследования ОИ, генерирующего как полезные, так и сигналы помех, аппаратной части ИИС и модуля программной постобработки. Ниже обозначена модельная часть ЭЭГ ИИС с соответствующими моделями модулей (ММ) с подключенными к ним базами знаний о моделях. Для ММ0И база формализуется моделями сигналов входных воздействий, и их суперпозицией. ММАЧИИС полагается в данном случае достаточной для передачи сигналов без их трансформации. А модель диагностического модуля-постобработчика ММРШ с подключенной базой фильтров формализует методы фильтрации. Задачей имитационного моделирования ставится получение

, С_Р01ШК

т.

|-Р с_ми»

\\

I \ \ \

\ \

\ \ \ ^

\ \

, С_8рЬ»|

& ЦоРР^

Л/

! \ / I

I У I / I........../XI/

! """ I

I / I / ! / : / ; / ! '

\ ¡/ \1/

Рисунок 1 — иМЬ диаграмма модельного ядра ЭЭГ ИИС

параметров фильтра таким образом, чтобы отношение сигнал/шум на выходе было максимальным, при необходимой скорости преобразования.

Получается формализация априорных знаний метрологического синтеза:

A3 = (ММ0И, ММАЧ, MMFüt, Ртр) -> {Lsy (О}'!,, (4)

Ртр = {тР!1, —> min, ДЯ ä 2%} — предъявленные требования и наложенные ограничения (rFilt- характерное время фильтрации); \LsYj (7)} * =LS -возможные алгоритмы измерения.

Аппаратная часть ИИС Программная постобработка

•

ММ0и ММ A4 ИИС ММн,

База знаний с моделями 1 .f \

внешних воздействий

Рисунок 2 концептуальная схема синтеза ЭЭГ ИИС с получением моделей фильтров на основе каскадного ДВП

ММои рассматриваются как модели входных воздействий, которые являются базой для построения фильтров, т.к. моделируют полезные сигналы и сигналы помех. Смешение полезных сигналов и сигналов помех дает возможность имитации получаемых системой «сырых» данных, которые далее фильтруются. Поскольку вид полезных сигналов известен, то появляется возможность оценки качества проводимой фильтрации. Это и есть базовых информационные потоков, формализующих интересующие информационные процессы в объекте исследования, указанные п.1 в методике оперативного синтеза ИИС.

Сам синтез формализован как наследование категорий Здесь

индекс у означает номер модуля в составе модельного ядра ЭЭГ ИИС, в соответствии с (3). А гег номер реализации в порядке наследования от базового модуля с реализацией ге О.

Для этого в базовой объектно-ориентированной модели сформирована последовательность наследования измерительных блоков. Появляется множеством параллельных измерительных каналов. Сам измерительный канал представляет собой, по сути, модель ИИС в сборе, что эквивалентно уровню Т2\. Каналы обозначены как сЬ(Г21 .Синтез осуществляется последовательно от уровня 727 до 721. Итак, для уровня .

Для каналов ЭЭГ ИИС получены модели формирования сигналов, разнесенные по модулям модельного ядра ЭЭГ ИИС: 1) артефакты физиологической природы (ЭКГ и ЭОГ); 2) артефакты нефизиологической природы (помеха 50 Гц и случайный шум); 3) сигнал ЭЭГ со стандартными ритмами (несколько видов альфа-ритма и параксизмальной активности); 4) сигналы стандартного вызванного ответа; 5) сигналы изменения контакта кожа-электрод.

Описание модулей доведено до конкретных функций и описаний типов преобразуемых ими величин (как на входе, так и на выходе). На основе общего описания модулей осуществлено их описание на языке ЦМЬ и созданы программные модули, формирующие значения сигналов на выходе моделей. Адекватность моделей формирования и трансформации сигналов в биоинструментальной части при различных измерительных условиях согласуется с полученными данными при реальных испытаниях электроэнцефалографического оборудования и данных из литературных источников.

Для приведенных примеров работы взаимосвязанных функций блоков с детерминированными и хаотичными источниками построены соответствующие ЦМЬ диаграммы. Для примера приведены ЦМЬ-диаграммы реализации модуля (рисунок 3) то есть 5722ге1 и класса, формализующего сигнал ЭКГ в его составе на основе стандартного ГС^БТ комплекса (рисунок 4).

ТтуЯрЫНфЩРготРРЫЧЧи*

»РОЙвТргерог««» 0: АоМ >Е»ро1«Раг«п» Е(1Р 0: <М ►ЕРЯН**р9п»»Р»Г1лч 0 • Яе* >С*ро1^>гашЕЕС 0; Аоя ►АтеЯИуви» а: Яви >АЯСм1мнп&оповоп( о: Лв« ►Т»тр1МКлпев: мде

1 ТтуЯрЫНпрыФптекЧшкп

•еоа519п«: Ам1 •РОМТУмИвР«тп» 0: ЮМ

гнуарпшняри^шг^рпф ПвубрММтСРтгёМ

♦У»1и«: ТгтуврЬ*|1пр<Л?го'лРРЬ*\'|>1И •У*М: Тту8рЬЛпри1РгшчБ№Л1и«

и

•1при(Ргал\РР»18: ТгпуЗрЛ»*181ЛЯгоггРР(!» НпМ? готЕИ: ТтуврНаНгеисРгетЕК 1при» гвтва«: ТяуаримтриУгатбД«

»1лрЛ: 7т,8рЛ»11лрд( ►ОифШ: Т(и(ог»дг«»а

'бич: Ттуар»«16М> »••ЮиЦшп/МмО

«ООО

■Ронаттоло

•РОЯ8ТК|»«г()

€ЙС*итпг1д0

ДОРМчиРвтМпдО

<АЙЯГ|у№нМвМО

-НЬувтм опг»11ибоп0

АЬу*пС1ро1«ЯеГ1Т1пд<)

ТмуЗрИаНприГюяам

ТтуСХ отратта*

ИприЛвтМв»: ТтуеКР|при(ГппЯМ ■¡прцУпзя^рЬ!; Т«тсг»ум1лр«1У'отРР*1»

^ОШриТвбШР: ТтубиДР^ршРгатВдЫ |

: Тту£Кб1лрЛ Л: ТгпуЕКООчИри» ■«*»!»: Ттуексаьг*

Р

0«<РЬ»»»«гётХО: »уК

Пя

Свтаевтми « «там влоч $ЦЯР

Рисунок 3- Структура класса, Рисунок 4- Структура класса,

формализующего блок 5р>и1 формализующего сигнал ЭКГ

В четвертой главе рассмотрена оптимизация модуля ММКК ЭЭГ ИИС по критерию уменьшения вычислительной сложности алгоритмических операций. Измерительные преобразования при синтезе ИИС помещаются в составе блока С_МК (рисунок 1), уровня 122.Экономичные схемы преобразования сигналов позволяют произвести их включение в состав ЭЭГ ИИС как объектных моделей^ наследуемых от прототипа модельного ядра: пТ22,.2 ^ пГ22„1 ^ иТ22г,^ где 1 ,Г22„, __ неоптимизированный блок, пТ2Тл -оптимизированный.

В качестве базиса для фильтрации большого объема данных выбирается оригинальный подход, основанный на прямом и обратном дискретном вейвлет-

преобразовании (ДВП). В рамках моделирования рассматриваются ортогональные вейвлеты: Добеши, койфлеты и симплеты. Исследуемый фильтр задается параметрами у, = \УауеЫате }, где N - ширина окна пре-

образования; Л^ауе - порядок вейвлета; - глубина уровня декомпозиции;

Мгао- число обнуляемых компонент; WaveName— базовый вейвлет. Таким образом, алгоритмическая схема синтеза фильтра на основе ДВП будет соответствовать изображению на рисунке 5, где изображен процесс выбора фильтров и их характеристик. Здесь под Рг понимается условие достижения оптимума (5). Н} - у'-й фильтр из множества доступных для анализа фильтров Н. Был написан соответствующий набор программных модулей, генерирующих тестовые сигналы и осуществляющие подбор параметров фильтров.

Рисунок 5 - Алгоритм поиска оптимального Рисунок 6- Сигналы участвующие в фильт-фильтра, построенного на ДВП рации (помеха 50 Гц, низкочастотная помеха,

полезный сигнал ЭЭГ, сигнально-шумовая смесь)

На примере удаления низкочастотной (НЧ) и высокочастотных (ВЧ) составляющих для тестовых сигналов ЭКГ и ЭЭГ синтезированы соответствующие фильтры.

Рассмотрим синтез полосового фильтра для ЭЭГ на основе ДВП. Эталонный сигнал 4ео (0 аддитивно смешаем с НЧ и ВЧ помехами, соответственно,

?ideal (Л и ?ideal

noiselsoline V / J noiseS

(0 ■ SEEGnoise (0 - ^EEG M + ^noiselsoline (0

Параметры фильтра при экстремальном значении функционала:

уп = argmin

N-1 к=0

ideal

wave Yi °EEGnoise

sample

) ^EEG (^'^sample))

(5)

H s'

wave/, EEGnoise

ise ' ^sample ) j

В результате можно получить параметры полосовых фильтров для вейв-летов Добеши, симплетов и койфлетов:

Г, = {К,., = 4, = 2, А^иауе0ес = 6,\VaveName = 'ОЬ>1 }, (6)

Г, = = 4, Л^го = 2, Л^ате0ес = 6,\VaveName = (7)

Г, = {^е = 2, = 2, Л^аус0сс = 6, WaveName = 'Со//' } (8)

Аналогично для ФНЧ. Вид функционалов показан на рисунках 7и8.

Рисунок 7- Функционал для ФНЧ, Рисунок 8- Функционал для полосового

построенного на вейвлетахДобеши фильтра, построенного на вейвлетахДобеши

Рисунок 9 - Семейство АЧХ полосового Рисунок 10- Семейство АЧХ полосового филь-фильтра, построенного на вейвлетахДобеши тра, основанного на ДВП с койфлет-базисом

На рисунке 9 приведены семейства АЧХ полосовых фильтров ДВП в зависимости от порядка вейвлета. Порядок влияет на длину дискретного фильтра, соответствующего вейвлету. Для вейвлетов Добеши и симплетов Кауетнеп = 2Л^ауе> ДЛЯ КОЙфлеТОВ Л^щ^ = 6А^ауе .

Для полосовых фильтров выигрыш от использования фильтров ДВП по сравнению с КИХ-фильтрами, основанных на вейвлетах Добеши и симплетов:

Ь- __^ИЯКИЬеп_

™рг1т' С"***-1 1 'чвр-1 1 V (9)

V. (=0 (=//„„

для фильтров, основанных на койфлетах ( Л^тпи1е11 - длина фильтра КИХ):

к

м

ШЮчПЬеп

¡тргГпУ

- /

Проведенное моделирование позволило создать прототип аппаратно-программного модуля ЭЭГ ИИС с применением соответствующих принципов в рамках подхода метрологического синтеза с применением средств современной микроэлектронной базы (рисунок 11). Для модуля постобработки был написан программный модуль для оперативной фильтрации многоканальных данных на основе ДВП (рисунок 12).

Рисунок 11 - Внешний вид прототипа Рисунок 12- Окно с исходными и обработанными аппаратной части ЭЭГ ИИС данными программы для вейвлет-фильтрации

Практические значения выигрыша от использования полосовых фильтров на основе ДВП в базисе койфлетов и симплетов по сравнению с фильтрами, основанными на конечных импульсных характеристиках (КИХ) при уровне подавления помехи 40 дБ приведены в таблице 1. Фильтры на основе вейвлетов Добеши имеют характеристики, аналогичные с симплетами.

При этом первая часть отражает скрининг-тест 1 канал, 1 час записи (объем данных 160 Мб). Часть 2 показывает время на анализ полисомнограммы 256 каналов, 12 часов (объем данных 50 Гб).

_ _ ___Таблица 1

Размер данных 1 2

Вид фильтра КИХ БЬ, 8тр1 КЖ КИХ БЬ, 8нпр1 Ко1£

Порядок фильтра 350 4 2 350 4 2

Число элементарных операций умножения 1,9-109 1,7-108 .2,6-Ю8 5,8-1012 5,3-10" 8 • 1011

Оценочное время на преобразование. 60 с 5с 8 с 48 ч 4,5 ч 6,5 ч

Следует учитывать, что реальное время работы алгоритма затрачивает несколько тактов на ассемблерные операции и часть ресурсов на сервисы операционной системы и работу фоновых программ. Таким образом, видно, что

при числе каналов равном 256, оценочное время, затрачиваемое на простую фильтрацию данных составит 48 часов, что при длительности мониторинга не позволяет даже вести фильтрацию в реальном масштабе времени, не говоря про оперативность принятия решения специалистом. Использование фильтров на основе ДВП, в среднем, сокращает время обработки на порядок, что упрощает работу с данными медика-эксперта, вводя оперативность в принимаемые им решения.

ЗАКЛЮЧЕНИЕ

Основные результаты, полученные в работе, состоят в следующем:

1. Выявлена основная проблема синтеза ЭЭГ ИИС, заключающееся в ресурсо-емкости этапов апробации опытных образцов ИИС. Предложена модификация этапов материально-технического создания ИИС и ее тестирования на пациентах в итерационном алгоритме синтеза ИИС путем замены этих этапов имитационным моделированием.

2. Выделено модельное ядро ЭЭГ ИИС на основе трех обобщенных формализуемых классов: биоинструментальной модели, инструментальной модели измерительных каналов и обработчика-анализатора полученных данных. Каждый из классов расширен соответствующими подклассами, в итоге общее число классов доведено до 12. Разработан метод синтеза ЭЭГ ИИС на основе применения объектно-ориентированного подхода и проведения имитационного моделирования ИИС с использованием модельного ядра ЭЭГ ИИС.

3. Формализованы и описаны на ЦМЬ модели типичных инструментальных измерительных каналов ЭЭГ ИИС. На основе этих моделей реализованы прототипы программных модулей. Проведена формализация межблочных (интерфейсных) связей ИИС на основе принципов метрологического синтеза с выделением семиуровневой структуры блоков ядра ИИС для использования объектно-ориентированного подхода при модификации ЭЭГ ИИС.

4. Формализованы алгоритмы цифровой обработки элекгроэнцефалографиче-ских данных для включения их в модель обработчика-анализатора. Созданы программные модули этих алгоритмов: типичных цифровых фильтров и дискретного прямого и обратного вейвлет-преобразования. Имитационное моделирование ЭЭГ ИИС позволило отфильтровать сильные артефакты (движение глаз, движение головы, смещение электродов и изменение КГР) и помехи (индустриальные помехи) при длительном мобильном мониторинге ЭЭГ в оперативном масштабе времени. В результате были получены оптимальные параметры фильтров и вейвлет-преобразователя. При этом фильтры на основе ДВП обеспечивают преимущества по ускорению фильтрации от 5 до 10 раз по сравнению с фильтрами КИХ при сохранении заданного отношения сигнал/помеха.

5. Метод синтеза ЭЭГ ИИС позволил изготовить опытный образец аппаратно-программного комплекса с микропрограммным кодом разработанного обработчика-анализатора подавления артефактов и помех для проверки на практике качества синтеза ИИС. Испытания опытного образца комплекса в реальных условиях на испытуемых показали значительное улучшение измеренных данных по сравнению с предыдущими моделями ИИС и достаточными для построения следующего поколения ЭЭГ ИИС сверхточного картирования активности мозга и внесения оперативности в процесс диагностики на его основе. Применение при стационарном мониторинге ЭЭГ, с существенно большим количеством каналов измерения (до 256) и большей частотой дискретизации АЦП (от 1.5 кГц) фильтров на основе ДВП, обеспечивает: а) достаточный показатель производительности обработчика-анализатора при работе диагностики в оперативном времени с использованием ИИС на основе среднего класса микро-

контроллеров и персональных компьютеров; б) существенное уменьшение времени синтеза ЭЭГ ИИС с помощью имитационного моделирования при включении в модель статистического диагностического анализатора.

Основные результаты исследования отражены в следующих публикациях: Публикации в изданиях, рекомендованных ВАК РФ

1. Муха, Ю.П. Модель измерительного уравнения при исследовании биопотенциалов организмам примере электроэнцефалографии / Ю.П. Муха, Л.Г. Акулов // Известия СП6ГЭТУ "ЛЭТИ". Серия "Биотехнические системы в медицине и экологии". - 2006. - Вып.2. - С. 80-89.

2. Акулов, Л.Г. Адаптивные методы в электроэнцефалографических измерениях / Л.Г. Акулов, Ю.П. Муха//Биомедицинские технологии и радиоэлектроника,- 2007.- №5.- С. 45-51.

3. Акулов, Л.Г. Методы обработки электроэнцефалографических данных / Л.Г. Акулов, Ю.П. Муха // Известия ВолгГТУ. Серия "Электроника, измерительная техника, радиотехника и связь": межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2008. - Вып. 2, № 4. - С. 66-69.

4. Акулов, Л.Г. Метрологический подход к оценке структурной сложности системы исследования биопотенциалов мозга / Л.Г. Акулов, Р.В. Литовкин // Биомедицинская радиоэлектроника. - 2009. - № 4. - С. 42-50.

5. Акулов, Л.Г. Алгоритмические особенности представления электрофизиологических временных рядов в базисе функций Габора / Л.Г. Акулов, И.А. Тарасова, Ю.П. Муха // Биомедицинская радиоэлектроника. - 2010. - № 6. - С. 31-37.

6. Угаров, К.К. Кластеризация электроэнцефалографических сигналов / К.К. Угаров, Л.Г. Акулов, Р.В. Литовкин // Информатика и системы управления. - 2010. - № 2. - С. 149-151.

7. Акулов, Л.Г. Метод опорных векторов в задачах выявления состояний биологических систем / Л.Г. Акулов, Д.С. Харин, Ю.П. Муха // Информатика и системы управления. - 2010. - № 2. - С. 103-105.

8. Муха, Ю.П. Принцип системной организации эксперимента для исследования динамики функциональных систем в биологии и медицине / Ю.П. Муха, Л.Г. Акулов, В.Ю. Наумов // Биомедицинская радиоэлектроника. - 2010. - № 6. - С. 43-52.

9. Акулов, Л.Г. Вейвлет-фильтрация в полианализаторах реального масштаба времени / Л.Г. Акулов, Р.В. Литовкин, Ю.П. Муха И Биомедицинская радиоэлектроника. - 2011. - № 6. -С. 33-40.

10. Муха, Ю.П. Объектно-ориентированное моделирование при синтезе сложных систем / Ю.П. Муха, Л.Г. Акулов, И.А. Тарасова // Известия Юго-Западного гос. ун-та. Серия "Управление, вычислительная техника, информатика. Медицинское приборостроение". -2012.-№1,-С. 7-15.

11. Ерохин, A.B. Электронное устройство для эффективного воздействия на сенсорные системы человека / A.B. Ерохин, Л.Г. Акулов // Изв. ВолгГТУ. Серия «Электроника, измерительная техника, радиотехника и связь». Вып. 6 :межвуз. сб. науч. ст. / ВолгГТУ. - Волгоград, 2012.6. - С. 78-81.

12. Акулов, Л.Г. Применение объектно-ориентированного моделирования для синтеза электроэнцефалографических измерительных систем / Л.Г. Акулов, Ю.П. Муха // Известия Юго-Западного гос. ун-та. Серия "Управление, вычислительная техника, информатика. Медицинское приборостроение". - 2012. - № 1. - С. 47-53.

13. Акулов, Л.Г. Математическое моделирование в медицинских измерениях / Л.Г. Акулов // Известия ЮФУ. Серия: Технические науки. - 2012. - № 9. - С. 56-61.

14. Акулов, Л.Г. Структурное проектирование информационно-измерительных систем для исследования биопотенциалов / Л.Г. Акулов, Р.Ю. Будко, В.Ю. Вишневецкий, B.C. Ледяева // Инженерный вестник Дона. - 2012. Т. 23. Ks 4-2. С. 23.

15. Акулов, Л.Г. Модели ядра биоинструментальных измерительных каналов в электрофизиологии / Л.Г. Акулов, Ю.П. Муха, В.Ю. Наумов // Нейрокомпьютеры: разработка, применение. - 2013. - № 4. - С. 39-47.

Свидетельства о праве интеллектуальной собственности

16. Свид. о гос. регистрации программы для ЭВМ №2012618590 от 21 сент. 2012 г. РФ, МПК [нет]. Прототип ядра элекгроэнцефалографической информационно-измерительной системы/Л.Г. Акулов; ВолгГТУ. - 2012.

17. Свид. о гос. регистрации программы для ЭВМ №2012618671 от 24 сент. 2012 г. РФ, МПК [нет]. Система оценки метрологической сложности по структуре для информационно-измерительных систем/ Л .Г. Акулов, Ю.П. Муха; ВолгГТУ. - 2012.

18. Свид. о гос. регистрации программы для ЭВМ №2012618589 от 21 сент. 2012 г. РФ, МПК [нет]. Система реального времени для очистки высокочастотных и низкочастотных шумовых составляющих электрофизиологических временных рядов на основе дискретного вейвлет-преобразования/ Р.В. Литовкин, Л.Г. Акулов, Ю.П. Муха; ВолгГТУ. - 2012.

Прочие издания

19. Аппаратно-программный комплекс для регистрации и анализа биоэлектрических потенциалов человека / Р.В. Лиговкии, М.П. Иванов, Л.Г. Акулов, С.А. Русаков // Информационные технологии в образовании, технике и медицине: матер, междунар. конф., Волгоград, 23-26 октября 2006 г. / ВолгГТУ и др. - Волгоград, 2006. - С. 208-209.

20. Акулов, Л.Г. Синтез измерительного уравнения элекгроэнцефалографа на основе блочно-функционального распределения с последующей оптимизацией по алгоритму Бержа / Л.Г. Акулов // Измерение, контроль, информатизация (ИКИ-2006): матер. 7-й Междунар. на-уч.-техн. конф., г.Барнаул, 1-2 июня 2006 г. / Алтайский гос. техн. ун-т им. И.И.Ползунова и др. - Барнаул, 2006. - С. 152-154.

21. Акулов, Л.Г. Методы статистического разделения электрофизиологических сигналов / Л.Г. Акулов // Бюллетень Волгоградского научного центра РАМН и Администрации Волгоградской области. - 2007. - №3. - С. 42.

22. Акулов, Л.Г. Операционный подход к проблеме идентификации источников активностей в электрофизиологии / Л.Г. Акулов // Информатика и системы управления: приложение к журналу: [матер, науч. конф. "Системный анализ в медицине (САМ 2007)"]. - 2007. - №1. -С. 63-64.

23. Акулов, Л.Г. Подавление артефактов ЭЭГ как задача системной идентификации / Л.Г. Акулов // Методы компьютерной диагностики в биологии и медицине - 2008: матер, ежегод. всерос. науч. шк.-семинара, 3-5 июля 2008 г. / Саратовский гос. ун-т им. Н.Г. Чернышевского. - Саратов, 2008. - С. 68-72.

24. Акулов, Л.Г. Применимость вызванных потенциалов для восстановления передаточной характеристики мозг-электрод / Л.Г. Акулов // Бюллетень Волгоградского научного центра РАМН. - 2008. - № 3. - С. 39.

25. Акулов, Л.Г. Спектрально-корреляционный метод разделения сигналов / Л.Г. Акулов, И.В. Сафонов, Ю.П. Муха // XII региональная конференция молодых исследователей Вол-гогр. обл., г. Волгоград, 13-16 нояб. 2007 г.: тез. докл. / ВолгГТУ [и др.]; - Волгоград, 2008. -С. 207-208.

26. Акулов, Л.Г. Метрологические критерии качества в синтезе измерительной медицинской техники / Л.Г. Акулов, Ю.П. Муха // Радиоэлектроника, электротехника и энергетика: тез. докл. XV междунар. н.-т. конф. студ. и аспир., 26-27 февр. 2009 г. / Московский энергетический ин-т (техн. ун-т) [и др.]. - М., 2009. - Т. 1. - С. 227-228.

27. Акулов, Л.Г. Представление электроэнцефалограмм в базисе функций Габора / Л.Г. Акулов // Информационные технологии в образовании, технике и медицине : матер, междунар. конф., 21-24 сент. 2009 / ВолгГТУ [и др.]. - Волгоград, 2009. - С. 104.

28. Муха, Ю.П. Принцип системной организации эксперимента для исследования динамики функциональных систем в биологии и медицине / Ю.П. Муха, Л.Г. Акулов, В.Ю. Наумов // Миллиметровые волны в медицине и биологии : сб. тр. 15 Рос. симпозиума с междунар. участием, Москва, 25-27 мая 2009 г. / ЗАО Медико-техническая ассоциация "КВЧ" Ги др.1 -М„ 2009. - С. 82-85.

29. Акулов, Л.Г. Алгоритмы частотно-временной локализации событий в электроэнцефалографии / Л.Г. Акулов, Ю.П. Муха, И.А. Тарасова // Актуальные вопросы теоретической и прикладной биофизики, физики и химии. БФФХ-2010 : матер. VI междунар. науч.-техн.

конф., г. Севастополь, 26-30 апр. 2010 г. В 2 т. Т. 2. Биофизика и биофизическая медицина / Севастоп. нац. техн. ун-т [и др.].- Севастополь, 2010.- С. 249-252.

30. Насвит, Д.А. Система устранения артефактов электромиограммы в процессе электроэнцефалографических исследований [Электронный ресурс] / Д.А. Насвит, Л.Г. Акулов, И.А. Тарасова//Учёные заметки ТОГУ : электрон, науч. издание.-2010.-Т. 1,№ 1. -С. 123-126.

31. Акулов, Л.Г. Система компьютерной поддержки проектирования информационно-измерительных электроэнцефалографических комплексов с высокими метрологическими характеристиками / Л.Г. Акулов // Нейробиология и новые подходы к искусственному интеллекту и к науке о мозге : тез. тр. всерос. науч. школы для молодёжи (Таганрог, 20-22 окт.

2010 г.) / Технологический ин-т Южного федерального ун-та [и др.]. - Таганрог, 2010. - С. 285-289.

32. Акулов, Л.Г. Методика моделирования и метрологической оценки электроэнцефалографических измерений / Л.Г. Акулов //Нейротехнологии 2010. Биоэкономика, основанная на знаниях: политика инновационного пути развития биотехнологии: сб. докл. всерос. науч. шк., (п. Бекасово Московская обл., 24-29 сент. 2010 г.) / Российская высш. шк. постдипломного образования в области HefipoHayKBHoH.EuropeanComission TEMPUS, Московский гос. ун-т им. М. В. Ломоносова [и др.].- Бекасово (МО), 2010.- С. 3.

33. Акулов, Л.Г. Оптимизация структурных моделей биомедицинских измерительных систем и электроэнцефалография / Л.Г. Акулов, Ю.П. Муха, И.А. Тарасова // Системный анализ в медицине (САМ 2011) : матер. V междунар. науч. конф., г. Благовещенск, 25-26 мая

2011 г. / ДВО РАН, Амурский гос. ун-т [и др.]. - Благовещенск, 2011. - С. 99-102.

34. Применение ускоренных алгоритмов преобразования временных рядов в полианализаторах / Л.Г. Акулов, Ю.П. Муха, Р.В. Литовкин, И.А. Тарасова // Системный анализ в медицине (САМ 2011) : матер. V междунар. науч. конф., г. Благовещенск, 25-26 мая 2011 г. / ДВО РАН, Амурский гос. ун-т [и др.]. - Благовещенск, 2011. - С. 65-67.

35. Бычков, В.В. Модель альфа-ритма/ В.В. Бычков, Л.Г. Акулов, Ю.П. Му-ха//Нейробиология и новые подходы к искусственному интеллекту и к науке о мозге: тез. тр. 3-й всерос. науч. шк. для молодёжи, 28-29 июня 2012 г. / ЮФУ [и др.]. - Ростов н/Д, 2012. -С. 134-138.

36. Акулов, Л.Г. Моделирование систем исследования биопотенциалов мозга / Л.Г. Акулов, Ю.П. Муха // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2012 : сб. матер. X междунар. науч.-техн. конф., Курск, 15-17 мая 2012 г. / Центр информ. технологий и проектирования РАН, ФГБОУ ВПО "Юзо-Западный гос. ун-т". - Курск, 2012. - С. 283-284.

37. Акулов, Л.Г. Инструментальная часть информационно-измерительной системы исследования биопотенциалов мозга / Л.Г. Акулов // Инновационные информационные технологии : матер, первой междунар. науч.-практ. конф., г. Прага, 23-27 апр. 2012 г. / Моск. гос. инт электроники и математики (МИЭМ) [и др.]. - М., 2012. - С. 221-223.

38. Акулов, Л.Г. Ядро электроэнцефалографической информационно-измерительной системы / Л.Г. Акулов, Ю.П. Муха // Нейробиология и новые подходы к искусственному интеллекту и к науке ó мозге : тез. тр. третьей всерос. науч. шк. для молодёжи, 28-29 июня 2012 г. / ЮФУ [и др.]. - Ростов н/Д, 2012. - С. 62-65.

39. Акулов, Л.Г. Структура модуля пространственного демультиплексирования в составе ядра ЭЭГ информационно-измерительной системы / Акулов Л.Г., Наумов В.Ю. // Инновационные информационные технологии : матер, междунар. науч.-практ. конф., г. Прага, Чехия, 22-26 апр. 2013 г. В 4 т. Т. 2 / МИЭМ НИУ ВШЭ [и др.]. - М., 2013. - С. 31-33.

Подписано в печать 06.11.2013 г. Заказ № 738. Тираж 100 экз. Печ.л. 1,0 Формат 60 х 84 1/16. Бумага офсетная. Печать трафаретная.

Отпечатано в типографии ИУНЛ Волгоградского государственного технического университета. 400005, Волгоград, просп. им. В.И.Ленина, 28, корп. №7.

ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

04201455695 На правах рукописи

АКУЛОВ ЛЕОНИД ГЕННАДЬЕВИЧ

СИНТЕЗ ЭЛЕКТРОЭНЦЕФАЛОГРАФИЧЕСКИХ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНЫХ СИСТЕМ С ПЕРЕМЕННОЙ СТРУКТУРОЙ

05.11.16 - Информационно-измерительные и управляющие системы

(в машиностроении) 05.11.17 - Приборы, системы и изделия медицинского назначения

ДИССЕРТАЦИЯ

на соискание ученой степени кандидата технических наук

Научный руководитель: Доктор технических наук, Профессор Ю. П. Муха

Волгоград - 2013

СОДЕРЖАНИЕ

Введение 4

1. Обзор проблематики синтеза электроэнцефалографических информационно-измерительных систем 12

1.1 Предметная область электроэнцефалографии 12

1.1.1 Биофизика электрических процессов мозга 12

1.1.2 Проблема артефактов в электроэнцефалографии 16

1.1.3 Задачи обработки больших объемов данных 17

1.2 Сложившаяся ситуация в области построения ЭЭГ ИИС 19

1.2.1 Анализ методов и средств синтеза ЭЭГ ИИС 19

1.2.2 Качественная формализация оперативного синтеза ЭЭГ ИИС 26

1.3 Выводы по главе 30

2. Разработка объектного метрологического синтеза ЭЭГ ИИС 33

2.1 Формализация задачи метрологического синтеза ЭЭГ ИИС 33

2.2 Объектно-ориентированная модель синтеза ИИС 43

2.3 Детализация межблочного взаимодействия элементов ИИС 49

2.4 Переход от биотехничекой к биоинструментальной электрофизиологической ИИС 56

2.5 Объектно-ориентированная модель ЭЭГ ИИС 64

2.6 Формализация оперативного синтеза ЭЭГ ИИС на основе модельного ядра ЭЭГ ИИС 67

2.7 Выводы по главе 70

3. Синтез системы для выбора схемы оптимальной фильтрации в ЭЭГ

ИИС 72

3.1 Формализация системы для оперативного синтеза фильтра, ускоряющего обработку больших объемов данных 72

3.2 ООМ информационно-измерительных потоков канала биоинструментальной части ЭЭГ ИИС 73

3.2.1 Модель формирования стандартных ритмов ЭЭГ 75

3.2.2 Формирование сигналов вызванных ответов (ERP) 78

3.2.3 Модель формирования сигнала ЭКГ 80

3.2.4 Модель источника ЭОГ 81

3.2.5 Механизм формирования аддитивной Гауссовой помехи 82

Л; t< f; . N „ " < ' ' ^ *

% \ ,1V ' 1 1 » !» ' ' •

« 1 I I г " I

3.2.6 Механизм формирования сетевой помехи 50 Гц 83

3.2.7 Модель двигательной активности и контакта кожа-электрод 84

3.2.8 Температурное воздействие 85

3.3 Инструментальная часть ИИС 86

3.4 ООМ реализация отдельных модулей канала ЭЭГ ИИС 89

3.5 Программный прототип базовой системы взаимодействия модулей электроэнцефалографической ИИС. 93

3.6 Выводы по главе 97 4. Практическая оптимальная параметризация алгоритмов фильтрации электрофизиологических временных рядов и построение ИИС 99

4.1 Включение системы фильтрации в ЭЭГ ИИС 99

4.2 Устранение помех промышленных частот и дрейфа изолинии модифицированными вейвлет-фильтрами 100

4.1 Алгоритмическая схема выбора фильтра для устранения помех методом имитационного моделирования 105

4.2 Примеры фильтрации ЭКГ 106

4.3 Примеры фильтрации ЭЭГ 112

4.4 Оценка качества спроектированных фильтров 117

4.5 Этап создания опытного образца ЭЭГ ИИС 126

4.5.1 Аппаратная реализация элементов ядра ЭЭГ ИИС 126

4.5.2 Программная часть ИИС 130

4.6 Выводы по главе 132 Заключение 134 Список использованной литературы 135 Приложение А ЦМЬ-структура базовых блоков ЭЭГ ИИС 154 Приложение Б Исходный код прототипа модуля С_81ЖР 159 Приложение В Математические основы физического моделирования каналов ЭЭГ ИИС 165 Приложение Г Построение фильтров на дискретном вейвлет-преобразовании 175

I I

/4 ! } ' >

Л ,

ВВЕДЕНИЕ

Актуальность темы. В настоящее время в машиностроении, медицине, промышленности, и иных отраслях приходится сталкиваться с возрастающей сложностью объектов оперативного контроля. Возникает задача многоканальной регистрации и обработки колоссального объема данных и принятия оперативного решения по ним. Это ведет к ужесточению требований к информационно-измерительным системам (ИИС). Возникают большие, постоянно возрастающие объемы методов и средств для измерения и анализа сложных объектов. Ориентация в этом массиве затруднена в силу слабой структурированности его элементов; четко не определены законы добавления, корректировки и удаления элементов. Оперативное ужесточение требований к ИИС ведет либо к полной замене ИИС, либо существенной модификации (что требует привлечения временных, финансовых и иных ресурсов).

Примером сложной системы, требующей построения сложной ИИС является головной мозг человека. Требуется большое количество биотехнических моделей мозга и систем измерения его состояний. Синтез ИИС должен проводиться с использованием однозначных и воспроизводимых условий эксперимента (биоэлектрическая активность, состояние пациента технологические условия измерения). Это возможно эффективно провести, используя методы имитационного моделирования для синтеза ИИС.

Задачи при проведении измерительных экспериментов, связанных с анализом сложных объектов (головной мозг) постоянно меняются (особенно в научных исследованиях). Современной тенденцией развития ИИС, в общем, и биомедицинской техники для поддержки электроэнцефалографических (ЭЭГ) -исследований, в частности, является усложнение алгоритмов обработки полученной информации как на этапе сбора, так и на этапе анализа и интерпретации. Скорость изменения структуры ИИС не соответствует запросам изменения качества и количества требуемых на выходе значений.

Актуальна задача выработки единого подхода к процессу синтеза биомедицинских информационно-измерительных систем (ИИС), основанных на методе регистрации и анализа электрических потенциалов мозга. Концептуально решение задачи предлагается основывать на выделении базовой структуры совокупности преобразующих операций, названной модельным ядром электроэн-

3*4

л^/^^У^'^ги'»ил V^пн-ч у! Ч кЧ'"лМ*м 4 «ипчиЧ' ^ч^чЧ* »р« **„|> г' г л '■■¡м I' л »я V

цефалографической системы. При этом осуществляется описание её основных структурных элементов с целью унификации процессов синтеза методов и средств, упрощения использования существующими методами и средствами, как их разработчиками, так и пользователями. Это позволит формализовать и упростить процесс оперативного усовершенствования существующих ЭЭГ

ИИС, являющихся сложными системами (требующими для их синтеза и анали-

t

за предварительной декомпозиции на составляющие).

Разработка системы компьютерной поддержки ЭЭГ-измерений, основанной на единой модели процесса зарождения, трансформации, съема и интерпретации сигналов позволяет оперативно осуществлять гибкую настройку функционала соответствующих систем в зависимости от конкретных задач исследования (в области диагностики, терапии и биоуправления). Построение моделей измерительных уравнений позволяет определять принятые измерительные процедуры, что дает возможность решать задачи метрологического обеспечения БТС в целом, а не только отдельно их чисто инструментальной части.

Степень разработанности темы. Ввиду отсутствия целостности при рассмотрении процесса синтеза технического решения поддержки ЭЭГ-исследований вопросы построения систем для поддержки оперативного синтеза не рассматриваются. Современное решение проблемы системности основывается на понятии биотехнических систем (БТС), то есть особого класса технических систем, представляющих совокупность биологических и технических элементов, связанных между собой в едином контуре управления. БТС рассматривается Ахутиным В.М., Попечителевым Е.П., Кореневским А.Н. и др. Понятие БТС можно расширить, если положить, что часть измерительных преобразований будет выполнять сам биологический объект. При этом осуществляется принцип «навязывания» структуры. Наличие структуры позволяет ставить задачу метрологического синтеза и дает вариант её решения. Описанный подход получил название «биоинструментальный» и в настоящее время эта теория активно развивается на кафедре Вычислительной техники ВолгГТУ под руководством Мухи Ю.П. Этот подход позволяет решать задачи в рамках теории метрологического анализа и синтеза, разрабатываемого, в частности, Цветковым Э.И. Проблема многоканальности биомедицинских ИИС освещена в работах Литовкина Р.В. Кроме того, общие вопросы синтеза ИИС разрабатывались, Но-

воселовым О.Н., Фоминым А.Ф., Заико А.И. и д.р., но без привлечения современного объектно-модульного подхода. В настоящее время большую популярность получили системы компьютерного моделирования, такие как Lab View и MATLAB, позволяющие моделировать сложные модульные ИИС. Однако эти системы являются закрытыми и не поддерживают идеологию метрологического синтеза биоинструментальных ИИС; расширение функционала, в частности, для ЭЭГ ИИС в разных системах лишено универсальности.

Целью работы является разработка системы для поддержки оперативного синтеза электроэнцефалографических ИИС в условиях возрастающего объема измерительной информации.

Задачи работы

1. 1. Систематизировать базовые методы и средства, применяемые при построении ИИС для поддержки электроэнцефалографических исследований с составлением их иерархии на основе формализации процесса формирования биоэлектрической активности головного мозга с использованием достижений современной физиологии и биофизики и выделением проблем при регистрации и интерпретации электроэнцефалографических данных;

2. Формализовать метод оперативного синтеза ЭЭГ ИИС, с разработкой метода формирования его базовой структуры и установлением порядка добавления, изменения и удаления элементов, а также порядка их взаимодействия;

3. Применить метод синтеза ЭЭГ ИИС для формализации преобразователей конкретных информационно-измерительных потоков, возникающих в типовых ЭЭГ ИИС с созданием ее модельного прототипа средствами современных языков программирования высокого уровня;

4. Используя модельный прототип ЭЭГ ИИС, создать программный модуль для поиска метода оперативной фильтрации многоканальных ЭЭГ-сигналов, устраняющую артефакты на электроэнцефалограммах;

5. Применить разработанный метод для создания программного комплекса генерации биоэлектрической активности и модуля постобработки данных в ЭЭГ ИИС с апробацией спроектированных и запрограммированных фильтров.

Объект исследования. Информационно-измерительные системы для исследования биоэлектрических потенциалов мозга человека.

Предмет исследования. Процесс синтеза сложных ИИС для электроэнцефалографических измерений с возможностью их оперативной модификации при возрастающем объеме данных измерений и ужесточения условий их получения.

Методы исследования. Для решения поставленных задач были использованы методы теории функциональных систем в биологии и медицине, методы биомедицинского анализа электроэнцефалографических сигналов, системного анализа, структурные методы проектирования систем, теория множеств, теория категорий и функторов, методы объектно-ориентированного моделирования (ООМ) и программирования (ООП), математические методы анализа временных рядов, методы цифровой обработки сигналов, методы имитационного моделирования, методы оптимизации.

Научная новизна

1. Разработан принцип построения новых образцов ИИС, сокращающий временные затраты на их модификацию за счет сочетания теории метрологического синтеза, как математической формализации процесса создания ИИС, и объектно-ориентированного моделирования с теорией межмодульного взаимодействия.

2. Формализован процесс синтеза ИИС на основе выделения базовой структуры преобразующих операций, применительно для ЭЭГ измерений, обозначенной модельным ядром ИИС, позволяющим совершенствовать существующие и создавать новые образцы ИИС, улучшать их технические и эксплуатационные характеристики быстрее и качественнее чем существующие разрозненные инженерные методики.

3. Создан метод информационного обеспечения процесса синтеза ЭЭГ ИИС на основе формализации биотехнической системы, основанный на иерархическом представлении этапов формирования, трансформации, съема и интерпретации биоэлектрических сигналов мозга, позволяющий моделировать измерительные каналы ЭЭГ ИИС для оперативного выделения диагностических параметров при анализе состояний головного мозга.

4. Осуществлен синтез быстрых методов преобразования больших объемов электроэнцефалографических данных для оперативной диагностики состояний головного мозга, на основе дискретного вейвлет-преобразования,

включенного в состав ЭЭГ ИИС, в отличие от применяющихся методов, не справляющихся с оперативной обработкой.

Практическая значимость

1. При помощи универсального языка моделирования (ЦМЬ) осуществлен синтез прототипа базовых измерительных модулей биотехнической ЭЭГ ИИС. Средствами языка программирования высокого уровня создано программное обеспечение для поддержки метрологического синтеза на основе структурного состава ИИС.

2. Составлено техническое описание системы, реализующей конкретную модель каналов ЭЭГ ИИС с применением операции наследования от базовых измерительных модулей модельного ядра ЭЭГ ИИС: основные функции, порядок их взаимодействия, форматы данных на входах и выходах, что необходимо для реализации ЭЭГ ИИС.

3. Создан программный модуль обработки и анализа биоэлектрических сигналов для оперативной диагностики состояний головного мозга с применением фильтра, основанного на дискретном вейвлет-преобразовании.

4. Создан программный модуль-генератор цифровых данных биоэлектрической активности организма (электроэнцефалограмм, электрокардиограмм, вызванных потенциалов, сигналов кожно-гальванической реакции) с учетом индустриальных и биологических помех, артефактов и различных условий измерений.

5. Осуществлен синтез аппаратного модуля ЭЭГ ИИС на современной элементной электронной базе с применением алгоритмов быстрой обработки сигналов в программном коде.

Достоверность результатов исследования обусловлена корректностью математических выводов, строгой аналитической аргументацией полученных теоретических положений с использованием физических законов, достаточным количеством результатов, коррелирующих с экспериментальными и литературными данными.

Положения, выносимые на защиту:

1. Принцип построения ИИС, базирующийся на математической теории категорий, функторов, принципах объектно-ориентированного моделирования с выделением базовой структуры преобразующих измерительных операций,

ИЛ IV

) * 4 'Ч М

г У

>ЛА /«V а 1 и Ч м » ?

' V (|< Р '

ГЦ

V 1 Ч1 ' V» 'и V УЛ< I

' 'ЙН', л"!*'? 1

( 1 1|Т> » ,

(1"

представленной структурно-иерархической объектной моделью, позволяет формализовать оперативный синтез ИСС в рамках структурно-аналитического подхода с возможностью добавления, изменения и удаления функций в составе ИИС с разработкой модельного и программного прототипа ИИС.

2. Типовые структурные модели измерительных ситуаций электроэнцефалографического исследования, адаптированные для включения в модельное ядро биотехнической ЭЭГ ИИС, формализуют инструментальную часть ИИС и применимы для синтеза ЭЭГ ИИС и испытания ее опытных образцов методом имитационного моделирования.

3. Применение в алгоритмах цифровой обработки электроэнцефалографических данных методов дискретной вейвлет-фильтрации позволяет улучшить показатели диагностики состояний головного мозга в оперативном масштабе времени при наличии помех в регистрируемых данных.

Реализация научно-технических результатов

Результаты работы использованы в госбюджетной НИР в соответствие с темами: № 31-53/429-04 «Разработка методов синтеза сложных измерительных систем на базе нейронных сетей»; № 31-53/145-09; № 31-53/435-12 «Проектирование сложных измерительных комплексов» выполняемых на кафедре «Вычислительная техника» ВолгГТУ по плану Минобрнауки РФ. Отдельные результаты получены при финансовой поддержке Минобрнауки РФ в рамках программы ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 гг., мероприятие 1.4, соглашение от 14.11.2012 г. № 14.А18.21.2081. Теоретические и практические результаты внедрены в учебный процесс ВолгГТУ в дисциплинах «Технические методы диагностических исследований и лечебных воздействий» и «Основы медицинских измерений». Результаты работы включены в учебный план подготовки студентов по направлению «Биотехнические системы и технологии» Волгоградского государственного медицинского университета.

Апробация результатов. Результаты исследований докладывались на научных семинарах кафедры Вычислительная техника ВолгГТУ (Волгоград 2005-2012); ежегодных внутривузовских конференциях ВолгГТУ (Волгоград 2005-2012); международных конференциях «Информационные технологии в образовании, технике и медицине» (Волгоград 2006, 2009); 7-й международной

науч.-техн. конф. «Измерение, контроль, информатизация (ИКИ-2006)» (Барнаул 2006); II и III Всероссийских конференциях с м�