Исследование методов визуализации при решении задач классификации в медицинских диагностических системах

• Автор: Мелешкин, Сергей Николаевич
• Шифр специальности: 05.11.17, 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Таганрог
• Количество страниц: 144 с. : ил.

СОДЕРЖАНИЕ

ГЛАВА 1 АНАЛИЗ ЗАДАЧИ ДИАГНОСТИКИ И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1 Задачи диагностики.

1.2 Анализ структуры автоматизированной диагностической системы

1.3 Выбор модели описания кластеров

1.4 Анализ методов распознавания изображений и построение решающих правил

1.5 Постановка задачи исследования и выбор критерия качества.

1.6 Перспективные направления визуализации и постановка задачи исследования .

Выводы по материалам первой главы

ГЛАВА 2 АНАЛИЗ МЕТОДОВ КОМПЬЮТЕРНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ В ДИАГНОСТИЧЕСКИХ СИСТЕМАХ.

2.1 Методы диагностики, использующие компьютерную обработку сиг

налов изображений
2.2 Биопотенциалы мозга механизмы возникновения и основные характеристики
2.3 Электроэнцефалография как метод исследования электрической активности головного мозга
2.4 Традиционные методы анализа ЭЭГ
2.5 Компьютерный анализ ЭЭГ. Основные направления и тенденции
2.6 Основные методы визуализация в электроэнцефалографии.
Выводы по материалам второй главы
ГЛАВА 3 ВИЗУАЛЬНЫЙ АНАЛИЗ СТРУКТУРЫ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ И ЕГО ИСПОЛЬЗОВАНИЕ ДЛЯ ПОСТРОЕНИЯ РЕШАЮЩИХ ПРАВИЛ КЛАССИФИКАЦИИ
3.1 Методика прямого формирования признаков из биомедицинских дан
ных ЭЭГ обследования
3.2 Отбор информативных признаков и анализ особенностей структуры
объектов
3.3 Снижение размерности признакового пространства биомедицинских данных методом главных компонент.
3.4 Формирование областей допустимых вероятностей на основе визуального представления данных.
3.5 Оптимизация разделяющих поверхностей и формирование решающе
го правила в задачах классификации биомедицинских данных
Выводы по материалам третьей главы
ГЛАВА 4 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ АЛГОРИТМОВ РАБОТЫ ПРЕДЛОЖЕННЫХ МЕТОДОВ.
4.1 Объект исследования.
4.2 Выбор оптимальной модели ЭЭГсигнала
4.3 Экспериментальная проверка метода формирования диаграмм рассеяния объектов в корреляционном поле главных компонент.
4.4 Экспериментальная проверка метода формирования областей допустимых вероятностей использующего визуализацию данных
4.5 Экспериментальная проверка метода собственных областей классов с разделяющими поверхностями в виде гиперсфер.
Выводы по материалам четвертой главы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Во введении обоснована актуальность проблемы, сформулированы цель и основные задачи, решаемые в диссертационной работе, основные научные положения, выносимые на защиту. Приведено краткое содержание по главам и сведения о внедрении результатов работы. В первой главе рассмотрены общая постановка задачи диагностики, се характерные особенности и структура решения. Во второй главе произведен анализ основных направлений исследований в нейрофизиологии, с использованием возможностей ЭВМ по визуальному отображению биомедицинских данных. Проанализированы методы функциональной диагностики, использующие ЭВМ. Произведен анализ электроэнцефалографии и существующих методов графического кодирования информации. Произведен анализ основных аспектов применения ЭВМ в нейрофизиологии. В третьей главе производится разработка методов анализа признаков и их ранжировки по классификационной значимости. Разработан метод визуализации и эффективного снижения размерности признакового пространства, с использованием главных компонент. Разработаны два метода классификации с учетом особенностей структуры данных. В четвертой главе проводится экспериментальное исследование разработанных методов визуализации и классификации с помощью программного пакета MATLAB. Произведена проверка методов на предмет целесообразности их применения, а также произведено сравнение разработанных методов с методом К- ближайших соседей. В заключении приводятся основные научные и практические результаты работы, а также выводы по результатам выполненных исследований. Основной целью задачи диагностики является определение принадлежности объекта исследования к одному из диагностических классов. Кроме того, задачей диагностики является выявление и локализация изменений, переводящих объект из класса «норма» в класс «патология». На практике диагностика сводится к классификации или прогнозу. С точки зрения распознавания образов диагностика имеет определенные особенности. В первую очередь это сложность и высокая вариабельность характеристик в пределах одного итого же класса для каждого исследуемого объекта. Во-вторых, объекты разных классов изначально имеют одну и ту же природу. Переход объекта из одного класса в другой может происходить под воздействием как внешних, так и внутренних факторов. Кроме того, имеет место недостаток априорных сведений о классах, что требует использования алгоритмов принятия решения в условиях неопределенности для сведения к минимуму вероятности принятия ошибочного решения. До появления вычислительной техники, постановка диагноза производилась только за счет опыта и интуиции врача. На сегодняшний день, кроме вычислительной техники и специальных алгоритмов, в арсенале врача-диагноста появились уникальные инструментальные средства. Например, компьютерная томография, позволяющая рассмотреть любой внутренний орган без причинения вреда здоровью пациента [0]. Для повышения оперативности и точности диагностики, а также для снижения требований к опыту медицинского персонала применяются автоматизированные диагностические системы (ЛДС), которые особенно эффективны при анализе и правильной интерпретации биомедицинских данных необходимых для точного медицинского заключения. Основное назначение автоматизированной диагностической системы - обработка биомедицинских данных для извлечения и представления в «визуализированном» т. В большинстве случаев, биомедицинские данные имеют вид сложный для восприятия человеком, поэтому требуют очень высокой квалификации и огромного опыта врача-диагноста. Нередки случаи, когда человеческие органы восприятия вообще не в состоянии выявить информативные признаки из потока биомедицинский данных по причине несогласованности представленных данных со свойствами человеческих органов восприятия. В последнем случае автоматизированные диагностические системы являются единственной возможностью установления правильного диагноза. Традиционная диагностическая система состоит из исследователя и объекта исследования (рисунок-1. Рисунок-1. В данной системе исследователь это человек воспринимающий информацию об объекте (пациенте) субъективно с помощью органов чувств [].