Формирование эффективного набора информативных признаков при классификации реографических данных

Формирование эффективного набора информативных признаков при классификации реографических данных

Автор: Батутина, Вера Мстиславовна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2002

Место защиты: Красноярск

Количество страниц: 122 с. ил

Артикул: 2320789

Автор: Батутина, Вера Мстиславовна

Стоимость: 250 руб.

Формирование эффективного набора информативных признаков при классификации реографических данных  Формирование эффективного набора информативных признаков при классификации реографических данных 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ МЕТОДОВ ПОСТРОЕНИЯ МОДЕЛЕЙ СЛОЖНЫХ ФИЗИЧЕСКИХ СИСТЕМ
1.1. Общие свойства сложных физических систем
1.1.1. Задачи, решаемые при исследовании сложных физических систем, и используемые при этом методы
1.1.2. Области компетентности различных методов
1.2. Методы исследования временных рядов
1.2.1. Анализ функции тренда
1.2.2. Анализ периодической составляющей
1.2.3. Анализ случайной составляющей
1.2.4. Вейвлетанализ
1.3. Применение нейросетей для обработки биомедицинских сигналов
1.4. Применение современных методов анализа временных рядов
для обработки биомедицинских сигналов
1.5. Выводы ГЛАВА 2. ПОСТРОЕНИЕ НЕЙРОСЕТЕВЫХ КЛАССИФИКАТОРОВ
НА ОСНОВЕ ФИЗИОЛОГИЧЕСКИХ ПАРАМЕТРОВ РЕОГРАМ
2.1. Исследование внутримозгового и внутриглазного крово тока методом рсографии
2.1.1. Анализ реографической кривой
2.1.2. Визуальный анализ
2.1.3. Численный анализ реозаписей
2.2.Таблицы данных
2.3. Визуализация данных
2.4. Построение нейросетсвого классификатора
2.4.1. Решение задач нейронными сетями
2.4.2. Обучение нейронных сетей
2.4.3. Входные сигналы сети
2.4.4. Построение моделей
2.5. Выводы
ГЛАВА 3. ОБРАБОТКА РЕОГРАММ МЕТОДАМИ СПЕКТРАЛЬНОЙ И НЕЙРОСЕТЕВОЙ ТЕХНОЛОГИЙ
3.1 Анализ реограмм на основе дискретного преобразования Фурье
3.1.1 Дискретное преобразование Фурье
3.1.2 Устранение дыхательного паттерна
3.1.3 Шаги алгоритма предварительной обработки реограмм
3.2. Формирование таблицы и предварительный анализ данных
3.3. Построение нейросетевых классификаторов на базе коэффициентов Фурьепреобразования реограмм
3.4. Анализ устойчивости процедуры определения признаков
3.5Выводы
ГЛАВА 4. ИСПОЛЬЗОВАНИЕ ВЕЙВЛЕТПРЕОБРАЗОВАНИЯ
ДЛЯ ОБРАБОТКИ РЕОГРАММ
4.1. Непрерывное и дискретное вейвлетпреобразование
реограмм
4.2. Исследование возможности использования вейвлеткоэффициентов реограмм для построения классификационных моделей
4.3. Выводы
ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ
ЛИТЕРАТУРА


Нейроинформатика и ее приложения» (Красноярск, ИВМ, ), международном научном семинаре «Инновационные технологии - » (Красноярск, ), конференции молодых ученых посвященной -летию ИВТ СО РАН (Новосибирск, ), международной научно-технической конференции «Измерение, контроль, информатизация» (Барнаул, ), XII Международном офтальмологическом симпозиуме «Одесса - Генуя» (Черновцы, ). Публикации. По теме диссертации опубликовано работ. Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, содержит рисунок и 7 таблиц. Список литературы по теме диссертации содержит 3 ссылок на отечественные и зарубежные источники. Общий объем работы - 0 страниц. Работа выполнена в Красноярском государственном техническом университете в рамках ФЦП «Интеграция» № А и комплексной темы МИР Красноярской государственной медицинской академии по целевой программе «Охрана зрения населения Красноярского края». Основное содержание работы. В первой главе сформулированы задачи моделирования сложных физических систем. Рассмотрены их основные свойства и особенности, приведена классификация методов описания сложных физических систем. Выделены основные звенья структуры информационного обеспечения исследования сложных биомедицинских систем. Показаны преимущества использования нейросетсвых алгоритмов для моделирования их процессов. Дан краткий обзор методов исследования временных рядов. Вторая глава посвящена описанию проведенного эксперимента по реографическому исследованию. Приведены методы анализа реографической волны, традиционно используемые в медицинской практике, с помощью которых были сформированы векторы информативных признаков реограмм. Описано построение классификационных моделей при помощи обучаемых с учителем нейронных сетей. Приведены результаты работы моделей на имеющихся экспериментальных данных, а также результаты применения метода визуализации и метода локальных статистик к имеющемуся массиву данных. В третьей и четвертой главах исследована возможность использования соответственно дискретного преобразования Фурье и вейвлет анализа для предобработки реограмм и формирования набора информативных признаков для создания и обучения нейросетевых классификаторов диагностики первичной открытоугольной глаукомы. Проведен сравнительный анализ результатов использования этих методов и традиционно используемого в медицине. В заключении формулируются основные результаты работы. В настоящей главе формулируются задачи моделирования сложных физических систем. Рассматриваются их основные свойства и особенности. Анализируются существующие методы и средства системного анализа физических процессов, приводится классификация методов описания сложных физических систем. Показаны преимущества использования ней-росетсвых алгоритмов для моделирования процессов медикобиологических систем. Под сложной физической системой (СФС) [см. Выделим основные свойства сложных физических систем. Уникальность. СФС часто могут быть уникалыю-неповторимыми. В то же время составляющие их подсистемы могут рассматриваться как типовые. Уникальным является количество и виды взаимодействия этих подсистем. Отсутствие строгой формализуемости и единственности глобальных целей существования. Открытость и динамичность. Неопределенность. Неопределенность может быть вызвана стохастическим характером сред в силу их гетерогенности и анизотропности, а также множеством других факторов таких как: неполнота знаний о природе физико-химических процессов, несовершенство технических средств измерения и управления, наличие субъективного фактора, несовершенство математических описаний процесса. На первом этапе СФС изучается как объект системного анализа с целью получения теоретических знаний об объекте. Для этого необходимо проведение экспериментов с целью изучения различных процессов, определяющих поведение СФС. В результате должны быть намечены наиболее эффективные подходы к процессам сбора и обработки семантической и количественной информации, а также основные направления формирования системы знаний о данном объекте. Выявляются организационные мероприятия, которые необходимы для управляющих воздействий на СФС и изменения процессов сбора и обработки информации. На втором этапе осуществляется решение задач количественного и семантического анализа. Основа программно-технического инструментария для лица, принимающего решение (ЛИР), разрабатывается на третьем этапе.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.336, запросов: 244