WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     || 2 | 3 |
1

На правах рукописи

Айисси Гиасинт Анисет КОМПЬЮТЕРНАЯ ДИАГНОСТИКА ХРОНИЧЕСКИХ ГАСТРИТОВ НА ОСНОВЕ АЛГОРИТМОВ СИСТЕМЫ КЛАССИФИКАЦИИ Специальность: 05.11.17 – Приборы, системы и изделия медицинского назначения

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург – 2009 2

Работа выполнена в Тверском государственном техническом университете.

Научный руководитель – кандидат технических наук, профессор Матвеев Юрий Николаевич.

Официальные оппоненты:

доктор технических наук, профессор Дмитриев Геннадий Андреевич;

доктор биологических наук, профессор Суворов Николай Борисович.

Ведущая организация – Федеральное государственное унитарное предприятие «Научно-исследовательский институт информационных технологий» (ФГУП НИИ ИТ)

Защита диссертации состоится “” _ 2009 г. в часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.238.09 Санкт-Петербургского государственного электротехнического университета “ЛЭТИ” имени В. И. Ульянова (Ленина) по адресу:

197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан “” 2009 г.

Учный секретарь совета по защите докторских и кандидатских диссертаций К.Н. Болсунов 3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В современных социально-экономических условиях проблема заболеваемости желудка была и остается одной из ведущих в общей структуре заболеваемости желудочно-кишечного тракта.

Данные мировой статистики свидетельствуют о широкой распространенности хронического гастрита и язвенной болезни среди взрослого населения всех стран. Согласно отчету Министерства здравоохранения и социального развития РФ в последние годы контингент больных с впервые выявленной язвенной болезнью возрос с 18 до 26%.

Результаты диспансерного наблюдения за больными с соответствующей патологией показывают, что заболеваемость в среднем по стране составляет около 10%o и не имеет тенденции к уменьшению. Летальность по причине язвенной болезни за последние годы увеличилась в 1,6 раза.

Сложность диагностирования заболеваний желудочно-кишечного тракта (ЖКТ), особенно на ранних стадиях развития болезни, настоятельно требует разработки новых подходов в разрешении этой проблемы. Суть этих новых подходов заключается в разработке новых аппаратных диагностических средств, позволяющих получать более информативные данные, характеризующие стадии заболеваний, а так же алгоритмов и программных средств математической обработки этих данных с целью принятия оптимального решения в выработке достоверного диагноза заболевания.

Несмотря на большое количество работ по разработке новых интегрированных медицинских информационных систем, дальнейшее развитие и совершенствование методов диагностики различных заболеваний на разных стадиях их развития продолжает оставаться особенно актуальным и требует своего дальнейшего развития.

Целью данной работы является повышение эффективности автоматизированной диагностики применительно к заболеваниям ЖКТ на ранних стадиях их развития, путм разработки новых методов классификации, основанных на современных компьютерных технологиях обработки экспертной информации.

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

- Анализ особенностей диагностики заболеваний желудочнокишечного тракта (ЖКТ).

- Исследование возможностей применения методов кластерного анализа для решения задач классификации заболеваний ЖКТ.

- Разработка математической модели заболеваний ЖКТ и автоматизированных методов обработки их характеристик, позволяющих осуществлять распознавание различных заболеваний и стадий их развития.

- Разработка алгоритма классификации многомерных объектов на заданное число классов.

- Разработка программного обеспечения для автоматизированной диагностики заболеваний ЖКТ и оценка эффективности предложенных решений.

Предметом исследования является автоматизированная обработка экспертных оценок заболеваний ЖКТ на различных стадиях их развития.

Методы исследований. В основу исследований положены методы системного анализа, распознавания образов, математической статистики и теории вероятностей, теории принятия решений и кластерного анализа.

Научные положения, выносимые на защиту 1. Алгоритм построения начальных эталонов для каждого класса базируется на определении наиболее удалнных друг то друга признаков.

2. Итерационный алгоритм классификации объектов, оставшихся в исходном множестве после определения эталона, осуществляет коррекцию начального эталона по минимуму внутригрупповой суммы квадратов отклонений.

3. Разработанная математическая модель и алгоритм классификации многомерных объектов позволяют эффективно решать задачу диагностики хронических гастритов на ранних стадиях их развития.

Научная новизна.

1. Разработана новая методика построения формальной математической модели заболеваний ЖКТ на базе показателей гистологического состояния слизистой оболочки желудка, экспертных оценок, позволяющая осуществлять распознавание различных видов гастритов и стадий их развития.

2. Предложен новый подход к решению задачи определения границ кластера, путм определения наиболее удаленных друг от друга объектов.

3. Предложен новый подход двухэтапной классификации многомерных объектов, заключающийся в следующем: на первом этапе формируются начальные эталоны для каждого класса, с помощью определения наиболее удаленных друг от друга объектов, на втором этапе происходит классификация оставшихся элементов исходного множества по принципу “сравнение с эталоном ”. При этом после отнесения объекта к какому-либо классу изменяется и эталон данного класса.

Практическая значимость заключается в том, что:

1. Разработанная методика построения формальной математической модели диагностики заболеваний ЖКТ позволила предложить алгоритмы классификации заболеваний ЖКТ на ранних стадиях.

2. Результаты работы могут быть использованы в медицинских клиниках и стационарах, а также преподавателями, аспирантами и студентами медицинских учебных заведений.

3. Результаты экспериментальных исследований, подтверждающие достоверность предложенных методики алгоритма.

Внедрение результатов Разработанное в диссертационной работе инструментальное средство используется в составе АРМ – ЖКТ на кафедре факультетской терапии Тверской государственной медицинской академии.

Апробация работы Научные и практические результаты диссертационной работы докладывались и обсуждались в 2006-2008 годах на научно-техническом семинаре преподавателей и сотрудников Тверского Государственного Технического Университета (5 сообщений), на конференциях “Молодые ученые Верхневолжью”, на научно-технических конференциях “Математические методы и информационные технологии в экономике, социологии и образовании”. Пенза, 2007,2008 гг.

Публикации. Основное содержание диссертационной работы изложено в 6 публикациях, в том числе и в изданиях, утвержденных ВАК РФ для публикации. Получено свидетельство о регистрации программного средства.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы, одно приложение. Основная часть работы вложена на 159 страницах машинописного текста, содержит рисунков и 4 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, дается характеристика работы, приводится краткое содержание работы по главам.

В первой главе диссертации рассмотрены общие положения и особенности заболеваний желудочно-кишечного тракта конкретно гастритов.

Кратко изложены основные различия гастритов и их проявления.

Рассматриваются методы диагностики гастритов. Приведены классификации гастритов. Особое внимание уделено методике разработанной кафедрой факультетской терапии Тверской Государственной Медицинской Академии (ТГМА), позволяющей классифицировать стадии развития заболеваний ЖКТ по результатам гистологического состояния слизистой оболочки желудка.

По этой методике, для классификации был выделен ряд качественных показателей (признаков) морфологического состояния слизистой оболочки желудка, значения которых выставлялись экспертами по четырехбальной шкале 0v1v2v3. Методика классификации, предложенная кафедрой, заключается в вычислении индекса состояния слизистой оболочки желудка (ИССОЖ), который находится как сумма значений всех индексов:

ИССОЖ=ИСПЭ+ИСЖЯ+ИАЖЖ+ИОВП+ИХВП+ П-ИМ+С-ИМ+В-ИМ Данная методика позволила исследователям выделить три стадии развития гастритов:

здоровое состояние (ИССОЖ=1.00 0.36 балла) период ремиссии (ИССОЖ=31.50 0.56 балла) период обострения (ИССОЖ=45.46 0.80 балла) ИССОЖ – индекс состояния слизистой оболочки желудка;

ИСПЭ – индекс состояния покровного эпителия;

ИСЖЯ – индекс состояния желудочных ямок;

ИАЖЖ – индекс атрофии желудочных желез;

ИСЖЭ – индекс состояния железистого эпителия;

ИОВП – индекс острого воспалительного процесса;

ИХВП – индекс хронического воспалительного процесса;

П-ИМ – периваскулярный индекс микроциркуляции;

С-ИМ – сосудистый индекс микроциркуляции;

В-ИМ – внутрисосудистый индекс микроциркуляции Во второй главе диссертации проводится функциональноструктурный анализ предметной области исследований. Объектом исследования в данной работе является классификация и распознавание образов.

Сегодня большие системы распознавания – это не просто автоматические устройства, предназначенные для распознавания образов.

Система распознавания включает в себя:

технические средства, предназначенные для выявления признаков объектов и измерения описывающих их параметров;

совокупность алгоритмов распознавания, преобразующих входную информацию об объектах в определенные выводы;

вычислительную технику, привлекаемую для реализации этих алгоритмов;

коллективы специалистов, осуществляющие первичную формализацию исходной априорной информации, а также как полученных апостериорных данных, так и формальных решений задачи распознавания на всех уровнях системы.

Проектирование систем распознавания требует решения целого ряда задач, начиная от группировки объектов и заканчивая оценкой эффективности работы системы. Иными словами, это достаточно сложный итеративный процесс, реализация которого сопряжена с построением постепенно уточняющейся математической или физико-математической модели проектируемой системы.

В общем смысле, распознавание представляет собой задачу преобразования входной информации, в качестве которой уместно рассматривать некоторые параметры, признаки распознаваемых образов, в выходную, представляющую собой заключение о том, к какому классу относится распознаваемый образ (объект).

Исторически сложилось так, что теория распознавания образов развивалась по двум направлениям: детерминистскому и статистическому, хотя чаще всего строго различить их не удается.

Каждый из существующих методов классификации не является универсальным, то есть может быть применим только для решения определенного класса задач. Кроме того, каждому методу присущи свои достоинства и недостатки. Стремление создать универсальный метод и преодолеть недостатки ранее разработанных – все это объясняет существование большого количества методов классификации.

Процесс классификации можно разделить на два этапа:

1. Этап разработки классификатора 2. Этап определения состояния объекта с помощью данного классификатора, т.е. этап функционирования Этап разработки классификатора схематично представлен в виде двух блоков (рис.1).

Исходная ВекторБлок Атрофический информация признак обработки Блок построения исходной классификатора классы к P {p1, p2,..., pm} X {x1, x2,...,xn} информации n m Рисунок 1. Этап разработки классификатора На вход блока обработки исходной информации поступает множество P m P {p1, p2,..., pm} признаков объекта,, которыми могут быть, например показания датчиков, тренды, результаты анализов и т.д. На выходе имеем X n X {x1, x2,...xn} X P n m вектор-признак,, причем,.

Число признаков объекта может быть довольно велико, следовательно, их обработка будет требовать больших затрат машинного времени, что непременно скажется на эффективности классификатора. Поэтому программное средство, реализующее функции данного блока, должно также корректно понижать размерность пространства измерений от нескольких тысяч, до сотен или даже десятков признаков. Следовательно, на данный блок возлагаются функции, во-первых, определения информационной значимости признаков, во-вторых, выявления взаимозависимости признаков, и, в-третьих, отбрасывания незначимых признаков. Сделать это корректно не так просто в связи с тем, что все признаки взаимосвязаны и ценность одних может меняться весьма значительно при отбрасывании других, даже несущественных признаков.

Таким образом, основными задачами блока обработки исходной информации являются:

1. определение информационной значимости признаков;

2. выявление взаимозависимости признаков;

3. корректное понижение размерности признакового пространства.

На вход блока построения классификатора поступает так называемый X n X {x1, x2,...xn} вектор-признак объекта,, который содержит только те признаки, без которых организация процесса распознавания с требуемой точностью невозможна. На выходе данного блока должно быть решение об отнесении распознаваемого объекта к определенному классу, или же, иными K, j 1, l j словами, класс распознаваемого объекта.

Таким образом, основная задача блока построения классификатора состоит в разработке структуры, позволяющей определять состояние объекта X {x1, x2,...xn} по его признакам. Данная структура может представлять собой совокупность возможных состояний объекта в виде классов, разделяющих функций, критериев и т.д. в зависимости от наличия априорной информации, типов используемых признаков и методики разработки. Важно отметить, что все признаки, подаваемые на вход данного блока, должны быть формализованы.

Рассматриваются основные методы и критерии кластеризации, их достоинства и недостатки:

- Общая внутриклассовая дисперсия m n D ji i 1 j, (1) ji где – дисперсия j-ого признака в i-том классе, n – число признаков;

Pages:     || 2 | 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»