Проверяемый текст
Цымбал, Владимир Георгиевич; Разработка и исследование методов формирования признаковых пространств в медицинских диагностических системах (Диссертация 1999)
[стр. 11]

11 1.
АНАЛИЗ ИЗВЕСТНЫХ МЕТОДОВ ФОРМИРОВАНИЯ РЕШАЮЩИХ ПРАВИЛ В ЗАДАЧАХ МЕДИЦИНСКОЙДИАГНОСТИКИ.
1.1.
Постановка задачи выборамодели сигналов, получаемых при функционально-диагностических
исследованиях 1.1.1.
Для того, чтобы сформулировать задачу выбора моделей исследуемых
сигналов, прежде всего необходимо рассмотреть виды сигналов, получаемых при функционально-диагностических исследованиях, определить их качественные и количественные характеристики.
А также необходимо ограничить область рассмотрения медико-биологических сигналов кругом определенных методов функционально-диагностических исследований.
Всю совокупность различного рода сигналов, характерных для тех или иных методов функциональных клинических исследований, можно разделить на две большие группы: детерминированные и стохастические (рис.1 .1 ,
[61]).
Классификация типовых сигналов функционально-диагностических исследований Рис.

1.1.
Детерминированные сигналы представляют собой некоторые функции времени, вид которых задан, а конкретные параметры, определяющие однозначно форму этих сигналов, неизвестны.
Например x(t) = A
sin(со0t + ф).
Амплитуда А, фаза ф и частота со0 априори неизвестны.
Стохастическими называются процессы, развитие которых во времени или пространстве подчиняются вероятностным законам.
Из большого числа различных классификаций стохастических сигналов целесообразно выделить классификацию, в которой содержатся лишь те разновидности сигналов,
[стр. 20]

20 наблюдения, снятого с исследуемого объекта.
Подробнее вопросы унифицированного представления разнотипных данных можно найти в [2, с.
330].
В блоке автоматической диагностики с использованием выбранного конкретного набора признаков, характеризующих данную диагностическую задачу, производится анализ структуры данных и построение решающего правила.
При этом используется информация, полученная на основе анализа имеющегося вектора измерений (система обучена).
Для того, чтобы система была достаточно гибкой, в схеме предусмотрено взаимодействие человека с устройством автоматической диагностики.
Уровень взаимодействия (степень гибкости системы) зависит от задач, решаемых с использованием данной системы.
Он может иметь различные значения: от минимального, когда решается задача обнаружения четко описанного и формализованного симптома (участие человека сводится к простому контролированию работы системы), до максимального, когда система используется в процессе научных исследований, и алгоритмы ее функционирования могут корректироваться на любом этапе работы.
В качестве промежуточного значения уровня взаимодействия может рассматриваться случай решения задачи диагностики с использованием визуализации данных и задействованием образного мышления человека-оператора для построения разделяющих поверхностей между диагностическими классами, имеющими сложную форму [68].
Классификатор реализует функцию порогового устройства, относящего входной вектор-признак к одному из известных классов на основе сравнения положения этого вектора с разделяющей поверхностью в пространстве признаков.
В этом же блоке полученное решение формализуется в виде диагностического заключения, которое должен подтвердить или не подтвердить исследователь.
Вид исполнительного устройства может быть различен.
В качестве примеров можно привести следующие: устройство индикации (печати) заключительного диагноза, на основании которого исследователь может прекратить эксперимент или продолжить его в скорректированном виде, устройство накопления или передачи информации, устройство автоматической коррекции параметров датчиков и т.д.
1.3.
Постановка задачи выбора модели сигналов, получаемых при функци
нально-диагностических исследованиях 1.3.1.
Для того, чтобы сформулировать задачу выбора моделей исследу
мых сигналов, прежде всего необходимо рассмотреть виды сигналов, получаемых при функционально-диагностических исследованиях, определить их качественные и количественные характеристики.
А также необходимо ограничить область рассмотрения медико-биологических сигналов кругом определенных методов функционально-диагностических исследований.
Всю совокупность различного рода сигналов, характерных для тех или иных методов функциональных клинических исследований, можно разделить на две большие группы: детерминированные и стохастические (рис.
1.5)
[39].


[стр.,21]

21 Классификация типовых сигналов функционально-диагностических исследований Рис.
1.5.
Детерминированные сигналы представляют собой некоторые функции времени, вид которых задан, а конкретные параметры, определяющие однозначно форму этих сигналов, неизвестны.
Например x(t) = A
sin(со01+ ф).
Амплитуда А, фаза ф и частота ю0априори неизвестны.
Стохастическими называются процессы, развитие которых во времени или пространстве подчиняются вероятностным законам.
Из большого числа различных классификаций стохастических сигналов целесообразно выделить классификацию, в которой содержатся лишь те разновидности сигналов,
представители которых встречаются в функционально-диагностических исследованиях или полезны как достаточно удобная математическая модель, с необходимой точностью адекватная реальным процессам.
С этих позиций все стохастические сигналы разделяют на три группы [17]: случайные (скалярные) процессы; векторные случайные процессы; случайные поля.
Случайный (скалярный) процесс X(t) есть функция одного аргумента t (обычно функция времени), причем для каждого фиксированного t значение X(t) является некоторой случайной величиной.
В зависимости от конкретных особенностей из всей совокупности процессов X(t) выделяют: чисто случайный процесс (процесс типа "белого" шума); линейный случайный процесс, который можно интерпретировать как результат прохождения чисто случайного процесса через линейную динамическую систему;

[Back]