|
ЗАКЛЮЧЕНИЕ В диссертационной работе рассмотрен комплекс теоретических и практических вопросов связанных с предварительной обработкой сигналов ЭЭГ, а также связанных с построением признаковых пространств в автоматизированных системах диагностики медико-биологических сигналов. Основную научную и практическую значимость имеют результаты исследование возможности стационаризации ЭЭГ сигналов и удаления артефактов и переходных процессов, а также оптимизации временных и просиранственных параметров медицинских диагностических систем. При этом получены следующие основные результаты: 1. На основе анализа прогнозных моделей ЭЭГ процессов разработан алгоритм сегментации электроэнцефалографических сигналов, с целью их стационаризации и устранения артефактов и переходных процессов. 2. Разработана методика построения признаковых пространств на основе модифицированного метода стохастического кодирования сигналов. Позволяющая в ряде случаев улучшить результаты решения задачи диагностики, по сравнению с часто используемым непараметрическим алгоритмом по методу к ближайших соседей. Исследованы возможности формирования признаков с использованием различных опорных случайных процессов. Предложена методика выбора статистических характеристик опорных процессов. 3. Разработан алгоритм непараметрической классификации медикобиологических сигналов формирования признаков с использованием метода стохастического кодирования. Разработаны математические модели алгоритмов. Определены показатели качества и сложности разработанных алгоритмов при их реализации. Показано, что сложность алгоритма на основе стохастического кодирования на порядок ниже чем с использованием алгоритма по методу к ближайших соседей. 4. Получены зависимости основных показателей качества разработанных алгоритмов от времени обучения и распознавания и размерности признакового пространства, позволяющие оптимизировать временные и пространственные параметры систем медицинской диагностики. 136 |
7 женерной реализации, близкой к оптимальной, и гарантирующих заданные показатели качества. Все это и явилось причиной появления настоящей работы. Цель работы. Разработать набор эффективных признаков, используемых в устройствах классификации МБС. Исследовать возможности оптимизации временных и пространственных параметров классификаторов МБС, на основе разработанных признаков. Решение поставленной задачи проводится в несколько этапов. 1. Определение моделей сигналов ЭКГЭЭГи ЭМГ-исследований и элементов диагностических систем. 2. Выбор критерия эффективности признаков, используемых в классификаторах МБС. 3. Разработка алгоритма формирования классификационных признаков на основе метода стохастического кодирования сигналов. 4. Исследование влияния времени обучения и распознавания и размерности признакового пространства на показатели эффективности классификатора. 5. Исследование показателей качества и сложности разработанных алгоритмов при решении задач распознавания в составе компьютерных диагностических систем. 6. Экспериментальное исследование показателей качества разработанных алгоритмов при классификации сигналов ЭЭГ-исследований. Актуальность. В известных работах недостаточно внимания уделено эффективным алгоритмам распознавания медико-биологических сигналов, обладающие возможностью инженерной реализации, и учитывающие ограничения на время обучения, принятие решений и величину затрат на оборудование, в связи с чем разработка таких алгоритмов считается актуальной. Научная новизна. В работе получен ряд новых результатов, которые сводятся к следующему: 1. Предложены цифровые модели медико-биологических сигналов, позволяющие с минимальными вычислительными затратами определять эффективность систем диагностики МБС. 2. Разработаны два алгоритма формирования признаков с использованием метода стохастического кодирования медико-биологических сигналов, обеспечивающих минимум ошибки распознавания (максимум достоверности) в условиях большого количества диагностируемых классов. 3. Получены зависимости показателей эффективности классификатора МБС от времени обучения и распознавания, от вида опорных распределений и размерности признакового пространства. 4. Для разработанных алгоритмов формирования признаков вычислены оценки показателей качества и сложности. 5. Определены условия целесообразности использования предложенных алгоритмов в компьютерных системах диагностики МБС. Практическая ценность. Результаты работы представлены в виде программ непараметрической обработки шумоподобных сигналов на ЭВМ. Результаты, полученные в работе, были использованы при разработке медицинских при 145 ЗАКЛЮЧЕНИЕ В диссертационной работе рассмотрен комплекс теоретических и практических вопросов, связанных с построением признаковых пространств в автоматизированных системах диагностики медико-биологических сигналов. Основную научную и практическую значимость имеют результаты исследования возможности оптимизации временных и пространственных параметров медицинских диагностических систем. При этом получены следующие основные результаты: 1. На основе анализа существующих методов формирования признаковых пространств при классификации сигналов показано, что существует возможность улучшать качество работы автоматизированных диагностических систем за счет нелинейного преобразования исходных пространств сигналов, которое обеспечивает сокращение избыточности описания исходных сигналов и сокращение временных и аппаратурных затрат при решении задач классификации медикобиологических сигналов. 2. Разработана методика построения признаковых пространств на основе модифицированного метода стохастического кодирования сигналов. Исследованы возможности формирования признаков с использованием различных опорных распределений случайных процессов. Установлено, что максимальной разделяющей способностью обладают признаки, построенные на основе опорных процессов, имеющих плотности распределения вероятностей, совпадающие с распределением исследуемых сигналов. 3. Разработаны два алгоритма непараметрической классификации медикобиологических сигналов на основе формирования признаковых пространств по методу стохастического кодирования. Разработаны математические и цифровые модели этих алгоритмов. Определены показатели качества и сложности разработанных алгоритмов при их реализации на микропроцессорных системах в условиях решения задачи классификации медико-биологических сигналов. 4. Получены зависимости основных показателей качества разработанных алгоритмов от времени обучения и распознавания и размерности признакового пространства, позволяющие оптимизировать временные и пространственные параметры систем медицинской диагностики. Установлено, что при критически низких объемах обучающих выборок наиболее эффективным является использование опорных процессов с коррелированными отсчетами; при увеличении времени обучения целесообразно использовать опорные процессы с некоррелированными отсчетами. 5. Проведено экспериментальное исследование показателей качества разработанных алгоритмов. Использование разработанных методов для классификации электроэнцефалограмм позволило выявить ЭЭГ-показатели, позволяющие достоверно различать классы электроэнцефалограмм, соответствующие различнымI функциональным состояниям головного мозга пациентов. Экспериментальная проверка работы алгоритмов при решении задачи классификации случайных процессов с выхода физического генератора показала возможность применения разработанных моделей классификаторов в различных технических системах для классификации шумоподобных сигналов. 6. Научные и практические результаты, полученные в диссертации, внедрены на ряде предприятий при создании медицинских приборов УЗИ с топографическим картированием с целью выделения информативных признаков патологических состояний; при разработке аппаратуры измерения статистических характеристик морского волнения для решения задач классификации сигналов. |