Методы и алгоритмы принятия решений на основе морфологического анализа сложноструктурированных сигналов и нейросетевого моделирования

• Автор: Зо Зо Тун
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Курск
• Количество страниц: 130 с. : ил.

ВВДЕНИЕ
ГЛАВА 1. ОБЗОР ДОСТИЖЕНИЙ В ОБЛАСТИ ФОРМАЛИЗАЦИИ, АВТОМАТИЗАЦИИ ОБРАБОТКИ СЛОЖНОСТРУКТУРИРОВАННЫХ СИГНАЛОВ, СИСТЕМЫ АВТОМАТИЧЕСКОЙ ДИАГНОСТИКИ
1.1. Технологии нейронных сетей и нечеткой логики для поддержки принятия решений
1.1.1. Искусственные нейронные сети
1.1.1.1.Нейронная сеть прямой передачи сигнала
1.1.1.2.Нейронная сеть на основе радиальных базисных функций или радиальная базисная нейронная сеть
1.1.1.3.Радиальная базисная вероятностная нейронная сеть
1.1.2. Системы нечеткого вывода
1.1.2.1 .Создание базы знаний
1.1.2.2.Фуззификаци я
1.1.2.3.Принятие решения
1.1.2.4. Дефаззификация
1.2. Методы обработки сложноструктурированных сигналов в
автоматизированной диагностике ишемической болезни сердца
1.2.1. Системы на основе обработки цифровых сигналов
1.2.2. Системы на основе решающих правил
1.2.3. Системы на основе нечеткой логики
1.2.4. Искусственные нейросетевые системы
1.3. Цели и задачи исследования
ГЛАВА 2. МЕТОДЫ МОРФОЛОГИЧЕСКОЙ ОБРАБОТКИ СЛОЖНОСТРУКТУРИРОВАННЫХ СИГНАЛОВ В ЗАДАЧАХ
РАСПОЗНАВАНИЯ ХАРАКТЕРНЫХ ТОЧЕК КАРДИОЦИКЛА
ЭЛЕКТРОКАРИДОСИГНАЛА

2.1. Метод обработки сложноструктурированных сигналов с использованием морфологического преобразования
2.1.1. Предварительная обработка электрокардиосигналов
2.1.2. Выделение характерных точек из кардиоциклов с использованием мультимасштабного морфологического преобразования
2.1.3. Вычисление морфологических признаков из кардиоциклов электрокардиосигналов
2.2. Синтез признакового пространства для классификации кардиоциклов
2.3. Выводы второй главы
ГЛАВА 3. РАЗРАБОТКА АЛГОРИТМОВ И МОДЕЛЕЙ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ МОРФОЛОГИЧЕСКОГО АНАЛИЗА СЛОЖНОСТРУКТУРИРОВАННЫХ СИГНАЛОВ
3.1. Построение нейронных сетей для классификации ишемических кардиоциклов
3.2. Разработка системы нечеткого вывода для классификации
ишемических кардиоциклов на основании миннесотовых кодов
3.3. Структура автоматизированной системы для диагностики
ишемической болезни сердца
3.3.1. Разработка классификации кардиоциклов на основе нейронных сетей
3.3.2. Разработка классификации ишемических окон в электрокардиосигнале
3.3.3. Разработка алгоритма определения ишемических эпизодов в электрокардиосигнале
3.4. Выводы третьей главы

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СРЕДСТВА АВТОМАТИЧЕСКОЙ ДИАГНОСТИКИ ИШЕМИЧЕСКОЙ БОЛЕЗНИ
СЕРДЦА
4.1. Автоматизированная программная среда для выполнения диагностики ишемической болезни сердца
4.1.1. Программный модуль автоматизированной диагностики ишемической болезни сердца «autodiagnos»
4.1.2. Функция «blnoise»
4.1.3. Функция «morpho_opcl»
4.1.4. Функция «morpho_opr»
4.1.5. Функция «morphodetect»
4.1.6. Программный модуль системы нечеткого вывода «rusfis»
4.1.6.1 .Окно редактора системы нечеткого вывода
4.1.6.2.Окно редактора функций принадлежности
4.1.6.3.Окно редактора правил нечеткого вывода
4.1.6.4.Окно решения системы нечеткого вывода
4.1.6.5.Окно просмотра поверхности системы нечеткого вывода. 95 4.1.6.6.Окно просмотра структуры системы нечеткого вывода
4.3. Сравнительный анализ эффективности работы моделей автоматизированной диагностики ишемической болезни сердца
4.3.1. Построение базы знаний для классификации кардиоциклов
4.3.1.1.Обучение и тестирование нейронных сетей НС1 и HCl 1 ..98 4.3.1.2.0бучение и тестирование нейронных сетей НС2 и НС22.. 99 4.3.1.3.Обучение и тестирование нейронных сетей НСЗ и НСЗЗ 100 4.3.1.4.Обучение и тестирование нейронных сетей НС4 и НС44 101 4.3.1.5.0бучение и тестирование нейронных сетей НС5 и НС55 102 4.3.1.6.0бучение и тестирование нейронных сетей НС6 НС66... 103 4.3.1.7.0бучение и тестирование нейронных сетей НС7 и НС77 104 4.3.1.8.Обучение и тестирование нейронных сетей НС8 и НС88

рис.2.11. приведен алгоритм выделения характерных точек кардиоциклов ЭКС. В начале процедуры сегментирования выполняется ввод сигнла, отфильтрованного при предварительной обработке ЭКС (блок 1 на рис. 2.11).

Разность между левыми и правыми производными (п)=М}{п)- М*{п)

Абсолютное значение К (и)|
Вычисление интеграла движущего окна у(п)

Выделение Л-пиков
Расчет параметров ЧСС
Обнаружения характерных точек Р-рИ8-Т
10Координаты выделенных характерных точек

Конец
Рис. 2.11 Схема алгоритма выделения характерных точек кардиоциклов
электрокардиосигналов