textarchive.ru

Главная > Документ


Крім того, якщо діапазони значень для різних ознак сильно відрізняються один від одного, то краще для кожної з ознак застосувати власний масштаб. Тобто, для кожної з ознак можна ввести своє середньоквадратичне відхилення та розсіювання:

, ,

де ( – значення -ої ознаки на -му векторі).

Як результат отримаємо формули для нормування на "одиничну дисперсію для кожної ознаки" і "на одиничний куб":

, .

Оскільки, множина має візуальне представлення, тому для подальшої роботи ознаки необхідно перевести у числове представлення.

Висновки. В даній роботі виконані етапи збору, формалізації і попереднього аналізу вхідних даних та вихідних діагностуємих станів. Побудовані множини, що містять підмножини ознак неврологічного статусу та клінічних досліджень з метою подальшої розробки інформаційної структури медичної бази даних.

Список літератури. 1.Волошин П.В. Епідеміологія мозкового інсульту в Україні / П.В. Волошин, Т.С. Міщенко, І.В. Здесенко // Матеріали науково-практичної конференції з міжнародною участю "Діагностика, лікування, профілактика гострих та хронічних порушень мозкового кровообігу". – Харків. – 2005. – С. 74. 2.Міщенко Т.С. Стан та перспективи розвитку неврологічної служби в Україні / Т.С. Міщенко // Матеріали науково-практичної конференції "Фармакотерапія захворювань нервової системи". – Харків. – 2005. – С. 167. 3.Віничук С.М. Нервові хвороби. / С.М. Віничук, Є.Г. Дубенко, Є.Л. Мачерет. За ред. С.М. Віничука, Є.Г. Дубенка.К.: Здоров’я, 2001. – 696 с. 4.Кареліна Т.I. Медсестринство в неврології. Підручник / Т.I. Кареліна, Н.М. Касевич. –– К.: ВСВ "Медицина", 2010. – 296 с. 5.Орлов А.И. Прикладная статистика. Учебник / А.И. Орлов. – М.: Издательство "Экзамен", 2004. – 656 с. 6.Джорратано Джозеф. Экспертные системы: принципы разработки и программирование / Джозеф Джорратано, Гари Райли. – М.: ООО "И. Д. Вильямс", 2007. – 1152 с. 7.Айвазян С.А. Классификация многомерных наблюдений / С.А.Айвазян, З.И.Бежаева, О.В.Староверов.– М.: Статистика, 1974. – 240 с. 8. Дейвисон М. Многомерное шкалирование: Методы наглядного представления данных / М. Дейвисон. – М.: Финансы и статистика, 1988.

Статья представлена д.т.н., с.н.с. ДУЭП Тараненко Ю.К.

УДК 681.513:620.1

Формализация входной информации для диагностики неврологических заболеваний / Телишевская А.В., Поворознюк А.И. // Вестник НТУ "ХПИ". Тематический выпуск: Информатика и моделирование. — Харьков: НТУ "ХПИ". – 2011. – № 17. – С. 162 – 167.

В работе рассматривается проблема постановки диагноза неврологического заболевания. В качестве входных признаков рассмотрены данные лабораторных и нєйровизуальных исследований, а также неврологический статус. В результате построено множество, которое содержит подмножества признаков по лабораторным и клиническим исследованиям, которые проведены в Каменец-Подольской городской больнице № 1. Табл.: 1. Библиогр.: 8 назв.

Ключевые слова: диагностика, признак, формализация, неврологические заболевания, клинические исследования.

UDC 681.513:620.1

Formalization of entrance information is for diagnostics of neurological diseases / Telishevskaya A.V., Povoroznyuk A.I. // Herald of the National Technical University "KhPI". Subject issue: Information Science and Modelling. – Kharkov: NTU "KhPI". – 2011. – №. 17. – P. 162 – 167.

The problem of raising of diagnosis of neurological disease is considered in work. As source signs were considered the laboratory and neyrovisual research, and also neurological status. As a result built plural, which contains subsets of signs for by laboratory and clinical research, what are conducted in Kamenec-Podol'skoy a city hospital № 1. Tabl.: 1. Refs.: 8 titles.

Key words: diagnostics, sign, formalization, neurological diseases, clinical researches.

Поступила в редакцию 29.03.2011

УДК 61.007+004.932.72

А.Е. ФИЛАТОВА, к.т.н., доц. НТУ "ХПИ", Харьков

НЕЛИНЕЙНАЯ ФИЛЬТРАЦИЯ БИОМЕДИЦИНСКИХ СИГНАЛОВ С ЛОКАЛЬНО СОСРЕДОТОЧЕННЫМИ ПРИЗНАКАМИ В ЗАДАЧЕ СТРУКТУРНОЙ ИДЕНТИФИКАЦИИ

В работе рассматривается задача структурной идентификации биомедицинских сигналов (БС) с локально сосредоточенными признаками (ЛСП) с помощью нелинейного фильтра. Рассмотрены модели полезного сигнала с ЛСП, а также методы преобразования БС с ЛСП на основе моделей полезного сигнала. Предложен обобщенный метод нелинейной фильтрации БС с ЛСП. Ил.: 3. Библиогр.: 8 назв.

Ключевые слова: структурная идентификация, биомедицинский сигнал, локально сосредоточенные признаки, нелинейный фильтр, модель полезного сигнала.

Постановка проблемы. Проектирование компьютерных диагностических систем (КДС) оценки состояния сердца и сердечно-сосудистой системы с целью повышения эффективности диагностики сердечно-сосудистых заболеваний является актуальной задачей медицинской кибернетики. В [1, 2] были выделены основные этапы обработки БС с ЛСП в КДС. Рассматриваемые БС с ЛСП – это квазипериодические сигналы сложной формы, состоящие из периодически чередующихся структурных элементов (СЭ). СЭ – это небольшие фрагменты интервала наблюдения БС с ЛСП, несущие информацию о состоянии объекта. В качестве примера такого сигнала можно привести ЭКГ. Традиционно диагностическими признаками ЭКГ являются амплитудно-временные параметры СЭ. Например, основные признаки ишемической болезни сердца сосредоточены на S-T интервале и зубце T [3 – 6]. Одним из ответственных и трудно формализуемых этапов обработки БС с ЛСП является этап структурной идентификации (СИ), которая заключается в выделении на фоне помех СЭ. Эту задачу можно решить с помощью нелинейного фильтра (НФ), в основу которого положена модель полезного сигнала (МПС). Задача НФ – на основе множества моделей структурных элементов БС с ЛСП найти некоторое преобразование, в результате которого может быть получен сигнал, обладающий заданными характеристиками.

Анализ литературы. В [1, 4 – 8] рассмотрены различные модели полезного сигнала, каждая из которых в соответствие с некоторым критерием наилучшим образом описывает СЭ.

МПС-1: представление БС в виде решетчатой функции времени , где – частота квантования БС. Это наиболее простая модель. В МПС-1 не учитываются особенности БС с ЛСП [4].

МПС-2: модели разложения БС по базисным функциям , где – базисные функции; – координаты или спектр БС в базисе . В МПС-2 могут использоваться как ортогональные функции, так и неортогональные функции (например, вейвлеты) [7, 8].

МПС-3: представление периода БС в виде функции, кусочно заданной на периоде T последовательностью фрагментов

МПС-3 учитывает тот факт, что рассматриваемые БС имеют ЛСП, поэтому производится кусочная аппроксимация сигнала, т.е. на каждом временном отрезке задается своя аппроксимирующая функция, характеризующая СЭ [5, 6].

МПС-4: структурно-лингвистические модели представления периода БС , , , где S – цепочка символов (слово); B – алфавит названий фрагментов [1, 5].

МПС-5: представление БС в виде множества объектов в пространстве параметров, где – объект, заданный координатами ; – вектор параметров. Причем , где , – классы, содержащие СЭ заданного типа и все остальные объекты. В МПС-5 учитываются некоторые особенности МПС-3 (БС рассматривается как множество объектов) и МПС-4 (при описании объектов используются параметры кусочно-заданных аппроксимирующих функций) [1].

На основе рассмотренных моделей можно выделить следующие методы преобразования БС с ЛСП: контурный анализ (МПС-2); преобразование Фурье (МПС-2); вейвлет преобразование (МПС-2); структурное преобразование сигнала на основе грамматического разбора (МПС-3); преобразование в фазовое пространство (МПС-4); преобразование в адаптивное пространство параметров аппроксимирующих функций (МПС-5).

Традиционные эвристические алгоритмы структурной идентификации БС с ЛСП относятся к методам контурного анализа. В основе методов данной группы лежат априорные сведения о структуре обрабатываемого сигнала. Поэтому основными недостатками таких методов являются их сложность и плохая адаптация для сигналов, имеющих нетипичную структуру [2 – 4].

Преобразование Фурье лежит в основе спектрального анализа БС с ЛСП. Преобразование Фурье не позволяет локализовать во времени частотные компоненты, поэтому может использоваться для стационарных сигналов. Однако БС с ЛСП не являются стационарными. Попыткой учесть временную характеристику сигнала является оконное преобразование Фурье. При этом ухудшается разрешающая способность по частоте. При увеличении ширины окна улучшается разрешающая способность по частоте, но теряется разрешение по времени, и наоборот. Для преодоления этого недостатка в последнее время используется вейвлет преобразование. Основным недостатком этого метода является вычислительная сложность алгоритмов преобразования. Кроме того, в МПС-2, которые лежат в основе этих преобразований, не учитываются особенности БС с ЛСП [7, 8].

Особый интерес для решения поставленной задачи имеют преобразования, основанные на МПС-4 и МПС-5.

Цель статьи – разработка обобщенного метода нелинейной фильтрации БС с ЛСП с учетом моделей и методов преобразования полезного сигнала БС с ЛСП для решения задачи структурной идентификации при проектировании компьютерных диагностических кардиологических систем.

Структурная идентификация сигнала с помощью метода преобразования БС с ЛСП в фазовое пространство. Пусть имеется выборка искаженных дискретных реализаций (). Каждая выборка соответствует одному циклу квазипериодического БС с ЛСП. Методами численного дифференцирования получены производные в каждой k-й точке m-й реализации (). В результате получаем M последовательностей (фазовых траекторий) ,, где – нормированный вектор, координаты , которого вычисляются по следующим выражениям:

, .

После преобразования сигнала в фазовое пространство фазовые траектории по соответствующему алгоритму усредняются, и выделяется опорная траектория. По эталонной траектории строится эталонный цикл во временной области. В результате структурная идентификация выполняется не на исходном сигнале, а на полученном известными эвристическими методами эталонном фрагменте. Если обрабатываемый сигнал имеет нетипичные циклы, то в фазовом пространстве выделяется не одна, а несколько опорных траекторий, по каждой из которых стоится эталонный сигнал во временной области.

Структурная идентификация сигнала с помощью метода преобразования в адаптированное пространство параметров аппроксимирующих функций (АППАФ). Пусть каждый объект описан вектором амплитуд точек исходного сигнала , принадлежащих этому СЭ, где – длина . Тогда в АППАФ объект будет описан вектором , где , – значение опорной функции, заданной на участке, ограниченном опорными точками; – длина , причем (рис. 1).

Рис. 1. Пример описания СЭ в АППАФ

В качестве опорных функций могут выступать разделенные разности первого и второго порядков, коэффициенты аппроксимирующих полиномов различных порядков и т. д. Адаптивным пространство является в силу того, что количество координат этого пространства, вид опорной функции и другие параметры преобразования выбираются на основании выбранного класса СЭ. Т.е. параметры преобразования как бы "подстраиваются" под искомые СЭ.

Для СИ сигнала строится функция дифференциации расстояний вида (ФДР) , где – расстояние между эталоном и объектом в АППАФ, основанное на идее потенциальных функций. Расстояние вычисляется по следующему выражению

,

где , – координаты в АППАФ объектов и соответственно.

Принадлежность объекта к классам или определяется из анализа значений локальных минимумов ФДР:

где – адаптивный порог, который может учитывать как статические, так и динамические значения параметров сигнала.

Обобщенный метод нелинейной фильтрации. Анализ рассмотренных методов позволил выделить однотипные этапы при структурной идентификации БС с ЛСП. В результате предложена схема структурной идентификации, изображенная на рис. 2.

Рис. 2. Схема структурной идентификации БС с ЛСП на основе нелинейного фильтра

Преобразование 1-го уровня – это один из методов преобразования БС с ЛСП на основе моделей полезного сигнала с учетом вектора параметров в вектор . Например, переход в фазовое пространство или адаптивное пространство параметров аппроксимирующих функций.

Преобразование 2-го уровня – получение новой функции во временной области , на основании анализа которой с помощью соответствующего решающего правила выполняется структурная идентификация. В первом из рассмотренных методов в качестве преобразования 2-го уровня выступает этап синтеза эталонного фрагмента сигнала; во втором методе – построение функции дифференциации расстояний. Преобразование вместе с решающим правилом являются основой нелинейного фильтра.

Т.к. адекватность определенной МПС для каждого СЭ различна, то при проектировании НФ предлагается объединять частные решающие правила (ЧРП) в коллектив решающих правил (КРП) (рис. 3).

Рис. 3. Обобщенная схема структурной идентификации БС с ЛСП на основе нелинейного фильтра

Такой подход позволяет учитывать все сильные стороны преобразований, основанных на различных МПС. А это, в свою очередь, повышает качество структурной идентификации БС с ЛСП.

Выводы. Анализ моделей полезного сигнала и методов преобразования БС с ЛСП позволил выделить однотипные этапы при структурной идентификации БС с ЛСП, в результате чего на основе нелинейного фильтра предложена обобщенная схема структурной идентификации БС с ЛСП, которая позволила учесть достоинства основных методов преобразования БС с ЛСП.

Список литературы: 1.Філатова Г.Є. Структурна ідентифікація сигналів у кардіологічних системах: дис. канд. техн. наук: 05.11.17 / Філатова Ганна Євгенівна. – Харків, 2002. – 177 с. 2.Абакумов В.Г. Біомедичні сигнали. Генезис, обробка, моніторинг. Навчальний посібник / В.Г.Абакумов, О.І. Рибін, Й. Сватош. – К.: Нора-прінт, 2001. – 516 с. 3. Мурашко В.В. Электрокардиография: Учебное пособие / В.В. Мурашко, А.В. Струтынский. – М.: МЕДпресс, Элиста: Джангар, 1998. – 313 с. 4. Вычислительные системы и автоматическая диагностика заболеваний сердца / Под ред. Ц. Касереса, Л. Дрейфуса. – М.: Мир, 1974. – 504 с. 5.Файнзільберг Л.С. Методи та інструментальні засоби оцінювання стану об'єктів за сигналами з локально зосередженими ознаками: автореф. дис. на здобуття наук. ступеня доктора техн. наук: спец. 05.13.06 "Автоматизовані системи управління та прогресивні інформаційні технології" / Л.С. Файнзільберг. – К., 2004. – 35 с. 6.Файнзильберг Л.С. ФАЗАГРАФ® – эффективная информационная технология обработки ЭКГ в задаче скрининга ишемической болезни сердца / Файнзильберг Л.С. // Клиническая информатика и телемедицина. – 2010. – Т. 6. – Вып. 7. – С. 22-30. 7. Айфичер Э. Цифровая обработка сигналов: Практический подход / Э. Айфичер, Б. Джервис – М.: Издательский дом "Вильямс", 2004. – 992 с. 8. Сергиенко А.Б. Цифровая обработка сигналов: Учебное пособие / А.Б. Сергиенко.– СПб.: Питер, 2006. – 752 с.

Статья представлена д.т.н. проф. НТУ "ХПИ" С.М. Порошиным.

УДК 61.007+004.932.72

Нелінійна фільтрація біомедицинських сигналів з локально зосередженими ознаками в задачі структурної ідентифікації/ Філатова Г.Є. // Вісник НТУ "ХПІ". Тематичний випуск: Інформатика і моделювання. – Харків: НТУ "ХПІ". – 2011. – № 17. – С. 168 – 174.

У роботі розглядається задача структурної ідентифікації біомедицинських сигналів (БС) з локально зосередженими ознаками (ЛЗО) за допомогою нелінійного фільтра. Розглянуті моделі корисного сигналу із ЛЗО, а також методи перетворення БС із ЛЗО на основі моделей корисного сигналу. Запропонований узагальнений метод нелінійної фільтрації БС із ЛЗО. Іл.: 3. Бібліогр.: 8 назв.

Ключові слова: структурна ідентифікація, біомедицинський сигнал, локально зосереджені ознаки, нелінійний фільтр, модель корисного сигналу.

UDC 61.007+004.932.72

Nonlinear filtration of biomedical signals with the locally concentrated signs in task of structural identification / Filatova A.E. // Herald of the National Technical University "KhPI". Subject issue: Information Science and Modelling. – Kharkov: NTU "KhPI". – 2011. – №. 17. – P. 168 – 174.

The task of structural identificationof biomedical signals (BS) with the locally concentrated signs (LCS) by means of nonlinear filter is examined in the work. The models of useful signal with LCS and transformation methods of BS with LCS on the basis of models of useful signal are considered. The generalized method of nonlinear filtration of BS with LCS is offered. Figs.: 3. Refs.: 8 titles.

Keywords: structural identification, biomedical signal, locally concentrated signs, nonlinear filter, model of useful signal.

Поступила в редакцию 04.04.2011

УДК 681.31+519.8

А.И. ЦВЕТКОВ, асп. Волжской государственной академии водного ранспорта, Нижний Новгород

БИКРИТЕРИАЛЬНАЯ МОДЕЛЬ ОБСЛУЖИВАНИЯ ПОТОКА ОБЪЕКТОВ В РАЗВЕТВЛЕННОЙ РАБОЧЕЙ ЗОНЕ ОБСЛУЖИВАЮЩЕГО ПРОЦЕССОРА

Рассматривается модель обслуживания детерминированного потока объектов, проходящих транзитом узловую рабочую зону обслуживающего mobile-процессора. Эффективность стратегий обслуживания оценивается по значению двух критериев. Предлагается алгоритм синтеза оптимальных по Парето стратегий обслуживания. Приводится результат численного эксперимента. Ил.: 1. Библиогр.: 7 назв.

Ключевые слова: детерминированный поток объектов, стратегия обслуживания, оптимальность по Парето.

Постановка проблемы и анализ литературы. Технология обслуживания судов на ходу при транзитном прохождении ими крупномасштабной зоны ответственности сервисного предприятия получает все большее распространение на внутреннем водном транспорте РФ. В качестве обслуживающего выступает специализированное судно, предназначенное для выполнения одного или некоторого фиксированного набора работ: материально-технического снабжения, сбора подсланиевых вод, ремонта и т.п.

Любое транзитное судно при прохождении зоны ответственности сервисного предприятия может запросить обслуживание, получить его или не быть обслуженным в зависимости от складывающейся ситуации.

Одна из задач диспетчера сервисного предприятия (лица принимающего решения – ЛПР) заключается в выработке (и последующем обеспечении реализации) наиболее рациональной в конкретной оперативной обстановке стратегии обслуживания потока судов. В условиях интенсивного судоходства оперативная выработка таких стратегий традиционными средствами, базирующимися на субъективных оценках и ситуационных представлениях ЛПР, весьма затруднена. В то же время существенную помощь в повышении эффективности функционирования сервисного предприятия может оказать автоматизация синтеза проектов стратегий обслуживания в процессе вычислительного анализа адекватной математической модели и решения соответствующих оптимизационных задач. Отметим при этом, что регламенты диспетчерского управления устанавливают, как правило, достаточно жесткие ограничения на длительность формирования стратегий обслуживания. Очевидно, что эти ограничения должны соблюдаться и при автоматизированной технологии. В рамках проектов по её созданию удалось сформулировать [1 – 2] адекватные реальным транспортно-технологическим процессам базовые модели обслуживания, в которых понятие "mobile-процессор" было введено для обозначения обслуживающего судна; были предложены и алгоритмы синтеза стратегий обслуживания, построенные с соблюдением принципа оптимальности динамического программирования [3, 4].

Цель статьи заключается в дальнейшем развитии модельно-алгоритмического обеспечения автоматизированной технологии синтеза стратегий обслуживания путем решения в комплексе следующих задач:

1. Обобщение линейной модели [1 – 2] на практически значимый случай трехкомпонентной узловой рабочей зоны mobile-процессора.

2. Формализация бикритериального принципа оценки стратегий обслуживания; такой подход, переводя классическую постановку задачи оптимизации в разряд задач принятия решений, позволяет при оперативном планировании учитывать наряду с доходом за обслуживание также штраф за отказы в обслуживании.

3. Разработка алгоритма синтеза Парето-оптимальных [5, 6] стратегий обслуживания, конструктивно реализующего идеологию бикритериального динамического программирования [7], и его экспериментальная оценка.

Математическая модель обслуживания. Имеется n-элементный детерминированный поток объектов O(n) = {o(1), o(2), …, o(n)}, проходящих транзитом трехкомпонентную узловую рабочую зону  процессора P, предназначенного для реализации однофазного обслуживания объектов (см. рис.).



Скачать документ

Похожие документы:

  1. Государственное бюджетное города москвы «центральная универсальная

    Документ
    ... Р. С. Тенденции роста и развития электронных периодических изданий / Р. С. Гиляревский, И. А. Черный // Современное ... новых информационных технологий в деятельности Нижегородской государственной областной детской библиотеки. Свергунова Н. М. ...
  2. Государственное образовательное профессионального образования

    Документ
    ... деятельности ЗабКИПКРО………………………………………………………… 17 V. Периодические издания:…………………………………………… Научно-методический журнал «Педагогическое ... и методическим работникам.  Статистика результатов государственной (итоговой) аттестации выпускников (9-х классов в ...
  3. Государственное и муниципальное управление (3)

    Ученые записки
    ... государственных экономических, социальных, и других программ, издание и продвижение нормативно-правовых актов, реклама государственных учреждений и государственных ... ра­бот свидетельствует 5-е издание учебного пособия «Государственная и муниципаль­ная ...
  4. Государственная центральная ХАНТЫ-МАНСИЙСК

    Библиографический указатель
    ... с 1941 г. - «Ханты-Мансийск». Справочный аппарат издания включает «Указатель предприятий, учреждений и организаций ... Институт природопользования Севера (Филиал Тюменской Государственной сельскохозяйственной академии) Факультет экономики и ...
  5. Государственная центральная ХАНТЫ-МАНСИЙСК

    Библиографический указатель
    ... с 1941 г. - «Ханты-Мансийск». Справочный аппарат издания включает «Указатель предприятий, учреждений и организаций ... Институт природопользования Севера (Филиал Тюменской Государственной сельскохозяйственной академии) Факультет экономики и ...

Другие похожие документы..