Разработка метода и алгоритмов автоматического распознавания стадий сна и построения гипнограммы

Разработка метода и алгоритмов автоматического распознавания стадий сна и построения гипнограммы

Автор: Захаров, Евгений Сергеевич

Шифр специальности: 05.13.17

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Таганрог

Количество страниц: 168 с. ил.

Артикул: 4115373

Автор: Захаров, Евгений Сергеевич

Стоимость: 250 руб.

Разработка метода и алгоритмов автоматического распознавания стадий сна и построения гипнограммы  Разработка метода и алгоритмов автоматического распознавания стадий сна и построения гипнограммы 

ВВЕДЕНИЕ.
ГЛАВА 1 СОВРЕМЕННОЕ СОСТОЯНИЕ ТЕОРЕТИЧЕСКОГО И АППАРАТНОГО ОБЕСПЕЧЕНИЯ ИССЛЕДОВАНИЙ СНА
1.1. Исторические предпосылки н сущность задачи исследовании сна.
1.2. Типы сигналов и характеристики регистрируемых физиологических показателей.
1.2.1. Электроэнцефалограмма
1.2.2. Движения глаз электроокулограмма, ЭОГ
1.2.3. Мышечная активность электромиограмма, ЭМГ
1.2.4. Электрокардиограмма
1.2.5. Дыхание
1.2.6. Кожногальваническая реакция.
1.2.7. Уровень содержания кислорода в крови
1.3. Оборудование, применяемое для проведения нолисомнографичсских исследований
1.3.1. Обшнс сведения.
1.3.2. Каналы ЭЭГ, ЭМГ, ЭОГ и ЭКГ.
1.3.3. Канал рекурсии дыхания.
1.3.4. Канал положения тела.
1.3.5. Диктофон.
1.3.6. Регистрация данных, временная разметка записи
1.3.7. Измерение амплитудновременных п спектральных параметров ЭЭГсигнала.
1.3.8. Программное обеспечение
1.4. Расчетные физиологические показа тели, применяемые для решения задачи
распознавания стадий сна
1.5. Классификация стадий сна согласно стандарту
1.5.1. Стадия бодрствования .
1.5.2. Первая стадия спа 1.
1.5.3. Вторая стадия сна 2.
1.5.4. Третья стадия сна 3.
1.5.5. Четвертая стадия спа
1.5.6. Стадия .
1.5.7. Сочетание стадии и других стадий сна.
1.5.8. Время движения.
1.5.9. ЭЭГактипации
1.5 Сводная таблица признаков стадий сна.
1.6. Выводы .
ГЛАВА 2 МЕТОДЫ РАСПОЗНАВАНИЯ СТАДИЙ СНА И ПОСТРОЕНИЯ ГИПНОГРАММЫ.
2.1. Анализ задачи классификации стадий сна и построения гнпногряммм
2.2. Обзор литературы по вопросам задачи распознавания стадий сна и построения гппиограммы
2.3. Общие принципы работы, классификация и базовые подходы, применяемые для
распознавания данных многопарамстрической диагностической системы
2.3.1. Использование методов кластерного анализа для решения задач классификации.
2.3.2. Применение корреляционного анализа для решения задач классификации
2.3.3. Нсйросетевой подход к решению задачи распознавания стадий сна.
2.4. Использование аппарата нечткой логики для решения задач классификации
2.5. Методы обработки данных, получаемых с помошыо многопарамстрической
диагностической системы
2.5.1. Методы математической обработки электроэнцефалограмм
2.5.2. Применение периодометрического анализа для исследования распределения значений размаха амплитуд сигналов ЭЭГ к поиска специфических графоэлементов
2.6. Выводы
ГЛАВА 3 РЕШЕНИЕ ЗАДАЧИ АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ СТАДИЙ СНА И ПОСТРОЕНИЯ ГИПНОГРАММЫ
3.1. Сущность предлагаемого метода автоматического распознавания стадий сна и
построения гппиограммы
3.2. Обучение и дообучение на статлетических данных
3. Распознавание стадии сна и верификация полученной гппиограммы.
3.4. Представление функций принадлежности с помошыо сплайнов
3.5. Задание стандартов построения гппиограммы с распознаванием
3.6. Полный алгоритм автоматического распознавания стадий сна н построения гиннограммы
3.7. Выводы
ГЛАВА 4 РАЗРАБОТКА ПРОГРАММНОЙ МОДЕЛИ.
4.1. Структурная схема реализации алгоритма работы системы автоматического
распознавания стадий сна и построения гипнограммы
4.2Структурные схемы программы.
4.3. Особенности программной реализации.
4.3.1. Структура классов
4.3.2. Структуры данных.
4.3.3. Пользовательский интерфейс.
4.4. Реализация метода автоматического построения гипнограммы в состапе программноаппаратного диагностического комплекса Энцефалап .
4.5. Выводы . .
ГЛАВА 5 РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
5.1. Методика проведения экспериментальных исследований
5.2. Распознавание по полному набору вторичных показателей
5.3. Распознавание с обучением но одному исследованию.
5.4. Распознавание по выборочному набору вторичных показателей
5.5. Исследование влияния логического вывода на достоверность распознавания
5.6. Исследование влияния способа оценки расстояния в пространстве признаков на
достоверность распознавания
5.7. Исследование влияния на достоверность распознавании индивидуальных особенностей
экспертов и состава выборки исходных статистических данных
5.8. Распознавание с использованием максимального набора вторичных показателей
5.9. Эксперименты сданными из базы i.
5.9.1. Общая информация
5.9.2. Обучение и распознавание на одном файле.
5.9.3. Исследование 0.
5.9.4. Исследование с0.
5.9.5. Исследование 0.
5.9.6. Исследование е0.
5.9.7. Исследование 0.
5.9.8. Исследование 0.
5.9.9. Исследование 7I.
5.9 Исследование .
5.9 Обучение на всех, распознавание всех
5.9 Обучение на всех, распознавание каждого.
5.9 Обучение на каждом, распознавание каждого.
5 Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Алгоритм обучения на основе статистических данных, отличающийся использованием принципов кластерною анализа для описания в многомерном пространстве распределений значений признаков с целью построения нечтких функций принадлежности, и алгоритм распознавания па основе элементов нечткой логики, отличающийся возможностью обеспечения высокого уровня достоверности построения гипнограммы и равномерности значений достоверности распознавания отдельных стадий. Алгоритм дообучения на вновь полученных статистических данных, состоящий в коррекции вида функций принадлежности и отличающийся малыми вычислительными затратами. Методика и алгоритмизация аппроксимации функции принадлежности с помощью сплайна на основе дельтапреобразований второго порядка, отличающаяся возможностью обеспечения заданной точности аппроксимации и обеспечивающая низкую вычислительную трудомкость и высокое быстродействие при решении задачи распознавания. Эффективность разработанного метода и алгоритмов обусловливается тем, что на основе экспериментов было получено подтверждение высокой достоверности результатов распознавания . Практическая ценность. Предложенные метод и алгоритмы имеют значимость для решения практической задачи распознавания стадий сна либо других психофизиологических состояний, которые могут быть описаны конечным числом вычисляемых показателей. Особый интерес представляет использование полученных результатов в составе программнометодического обеспечения программноаппаратного диагностического комплекса Энцефалан 1 производства ООО НПКФ Медиком МТД. Это обеспечивает расширение спектра возможностей по применению комплекса в области исследований сна и, как следствие, повышает научную и практическую ценность этого оборудования. Кроме того, использование предлагаемого метода в арсенале возможностей по обработке физиологических данных значительно облегчает и ускоряет работу экспертов в автоматизированном режиме. Низкая требовательность алгоритма к вычислительным ресурсам, а также гибкость и простота адаптации к различным требованиям обусловливают его широкие возможности с практической точки зрения. Реализация и внедрение результатов работы. Технологическом институте Южного федерального университета в г. Технологическом институте Южного федерального университета в г. Таганроге ТТИ ЮФУ на кафедре Элекгрогидроакустической и медицинской техники при подготовке студентов по специальностям Биотехнические и медицинские аппараты и системы направления Биомедицинская инженерия, в дисциплинах Моделирование биологических процессов и систем и Управление в медицинских и биологических системах. Использование результатов работы подтверждено актами об использовании. Апробация работы. Основные результаты работы докладывались и обсуждались на 5ой международной конференции Практикующий врач Италия, г. Южного научного центра РАН г. РостовнаДону, 9 апреля, й год, ой студенческой конференции ТРТУ г. Таганрог, марта, й год, ой студенческой конференции ТРТУ г. Таганрог, марта, й год, ой студенческой научной конференции г. Таганрог, марта, й год, всероссийской научнотехнической конференции с международным участием медицинские информационные системы г. Таганрог, сентября й год. Публикации. Результаты работы были представлены в публикациях, из них 4 статьи в ведущих реферируемых изданиях, рекомендованных ВАК, 2 статьи в прочих изданиях, 5 тезисов докладов. Структура н объем работы. Диссертация состоит из введения, 5и глав, заключения, списка литературы и 4х приложений. Материалы работы изложены на 8 страницах машинописного текста, содержат таблицу, рисунка, библиографических источника, страниц приложений, 1 акт о внедрении и 2 акта об использовании в учебном процессе. Во введен и н описаны основные положения, выносимые на защиту. В первой главе описывается предметная область, даются базовые определения из области психофизиологии и сомнографии. Во второй главе формулируется постановка задачи и приводится обзор известных методов решения задачи распознавания стадий сна и построения гипнограммы из открытых литературных источников. В третьей главе осуществляется синтез метода распознавания стадий сна и построения гипнограммы. В четвртой главе описывается программная реализация разработанного метода. В пятой главе описываются исследования и эксперименты, подтверждающие работоспособность разработанного метода. В заключении подводится итог проделанной работе, делаются выводы и определяются пути дальнейшего развития.

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: 0.194, запросов: 244