Исследование и разработка методов оценивания контролируемых параметров сигналов в автоматизированных кардиологических диагностических комплексах

• Автор: Горбунова, Елена Викторовна
• Шифр специальности: 05.11.13
• Научная степень: Кандидатская
• Год защиты: 1999
• Место защиты: Барнаул
• Количество страниц: 146 с.

СОДЕРЖАНИЕ
Введение
1. ОБЩАЯ ХАРАКТЕРИСТКА ПРОБЛЕМЫ И ОСНОВНЫЕ
НАПРАВЛЕНИЯ ЕЕ РЕШЕНИЯ
1Л Обзор существующих тенденций развития медицинской аппаратуры
функциональной диагностики сердечно-сосудистых заболеваний
1.1Л Краткий обзор кардиологической диагностической аппаратуры
1Л .2 Краткий обзор реографической диагностической аппаратуры
1 Л.З Краткий обзор спирометрической диагностической аппаратуры
1.2 Обзор существующих тенденций развития методов программной обработки регистрируемого сигнала
1.2.1 Обзор методов предварительной обработки сигнала
1.2.2 Обзор методов выделения параметров сигнала
1.3 Краткий обзор существующих методов диагностики заболеваний
1.4 Выбор и обоснование направления исследований
Выводы
2. ИССЛЕДОВАНИЕ МЕТОДОВ ОЦЕНИВАНИЯ ПАРАМЕТРОВ РЕГИСТРИРУЕМЫХ СИГНАЛОВ
2.1 Разработка и исследование математических моделей сигналов
2.1.1 Разработка и исследование математической модели кардиологического сигнала
2.1.2 Разработка и исследование математической модели реографического сигнала
2.1.3 Разработка и исследование математической модели спирометрического сигнала
2.2 Выделение структурных параметров сигналов различной физиологической природы
2.3 Исследование возможности использования метода потенциальных функций для определения областей кластеризации пространства структурных параметров
2.4 Применение метода обратного распространения ошибки для нейросетей при диагностике различных заболеваний сердечно-сосудистой
системы на основе задаваемых паттернов активности ЭКГ
Выводы
3. АЛГОРИТМИЧЕСКАЯ РЕАЛИЗАЦИЯ МЕТОДОВ ОЦЕНИВАНИЯ ПАРАМЕТРОВ
3.1 Исследование метрологических характеристик метода программного восстановления кардиологического сигнала
3.2 Метод выделения параметров кардиологического сигнала при наличии ярко выраженных патологий
3.3 Выделение характерных особенностей рео-сигналов
3.4 Метод нейтрализации искажений спирометрических сигналов
3.5 Построение обучающей выборки для метода потенциальных функций
3.6 Построение обучающей выборки для метода обратного
распространения ошибки нейросетей
Выводы
4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РАЗРАБОТАННЫХ МЕТОДОВ 01ДЕНИВАНИЯ СИГНАЛОВ И ИХ ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ
4.1 Описание общей структуры и функциональной схемы комплекса ЭФКР
4.2 Рассмотрение программной реализации методов выделения и обработки регистрируемых сигналов различной физиологической природы
4.2.1 Программная реализация обработки кардио - сигналов
4.2.2 Программная реализация обработки рео - сигналов
4.2.3 Программная реализация обработки спирометрических сигналов123
4.3 Экспериментальная проверка алгоритмов формирования
диагностических заключений
Выводы
Заключение
Список литературы
Приложение

Для представления знаний в интеллектуальных системах наиболее часто применяют правила продукции и фреймов [32]. Несколько реже встречаются семантические сети и различные вариации на «сетевую» тему - коннектионистские, нейронные сети [33], сети логического вывода [34],и другие методы, а также способы, основанные на логике предикатов [35].
Человек по сравнению с интеллектуальной системой обладает гигантскими знаниями. Ограничения, существующие на допустимые размеры баз знаний систем, во многом определяют то, что компьютерные технологии применяются для решения достаточно узкого круга задач и не покрывают ряда областей, где успешно работают люди. Проблемы, связанные с размерами, возникают не вследствие трудности сохранения в памяти ЭВМ огромного количества данных — в этом компьютер не уступает человеку, а в сложности эффективной обработки больших баз знаний: быстрой выборки необходимых правил (ассоциативного мышления), как можно более раннего сужения пространства решений (интуиции), быстрого пополнения с обновлением знаний и т.п.
С другой стороны, построение интеллектуальной системы, способной сравниться по результатам работы с человеком хотя бы в узкой предметной области, представляет собой длительный и трудоемкий процесс. На создание, например, системы МУСТЫ, специализирующейся на диагностике бактеримии и менингита, ушло более 50 человеко-лет. Эта система создавалась в крупном исследовательском центре - в Стаифорд-ском университете[36]. Поэтому для первичной диагностики рациональнее было бы использовать программную систему, реализующую работу более простых методов взамен сложной экспертной системы, требующей для своей разработки больших человеческих затрат, а по качеству работы уступающей сложной экспертной системе всего на 10-15%[61].