Метод и алгоритмы интерпретации и классификации тональных аудиограмм на основе обработки субъективной информации тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Миловидов, Андрей Александрович

• Миловидов, Андрей Александрович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Миловидов, Андрей Александрович

СОДЕРЖАНИЕ

СПИСОК СОКРАЩЕНИЙ

ВВЕДЕНИЕ

ЕЛАВА 1. ТОНАЛЬНЫЕ АУДИОЕРАММЫ, КАК ИСТОЧНИК 19 СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

ЕЕ Общая характеристика технического обеспечения субъективных методик исследования слуха

1.2. Интерпретация результатов тональной пороговой аудиометрии

ЕЗ Анализ системных связей при реализации методик субъективной тональной аудиометрии

Е4. Оценка качественных признаков по аудиограмме

1.5.Постановка задач диссертации

Выводы к главе 1

ЕЛАВА 2. АВТОМАТИЧЕСКИЙ АНАЛИЗ И ИНТЕРПРЕТАЦИЯ ТОНАЛЬНОЙ АУДИОЕРАММЫ

2.Е Модель тональной аудиограммы на основе лингвистических оценок порогов слышимости

2. Е Е Основные характеристики аудиограммы

2. Е2. Нечеткая оценка потерь слышимости на отдельной частоте

2.2 Общая характеристика топологических свойств кривой порогов слышимости

2.2. Е Свойства пороговых кривых, как дискретных функций частоты

2.2.2. Нечеткая ломаная линия, как элемент аудиограммы

2.2.3. Задача распознавания плоских кривых

2.3. Алгоритм определения топологических свойств кривых порогов слышимости, основанный на лингвистических оценках ординат узловых точек 63 2.4 Матрица отрезков, как способ описания кривой порогов слышимости

и всех вариантов ее построения

2.4Л. Представление лингвистических оценок потерь слышимости

по индексной шкале

2.4.2. Нечеткая оценка направления отрезков и кривой порогов слышимости

2.5. Разработка алгоритма оценки нечетких характеристик формы

2.6. Алгоритм оценки положения кривых порогов слышимости

на поле аудиограммы

2.7. Модель аудиограммы, построенная с использованием только качественных признаков 86 Выводы к главе 2 89 Глава 3. АВТОМАТИЧЕСКИЙ АНАЛИЗ СУР ДО ЛОГИЧЕСКИХ 91 АРХИВОВ И ГЕНЕРАЦИЯ ГИПОТЕЗ НОВЫХ ДИАГНОСТИЧЕСКИХ ПРАВИЛ

3.1. Диагностическая гипотеза и ее значение для процесса 91 автоматического формирования диагностического заключения

3.2. Модель продукционного правила с оценками нечетких переменных по индексной шкале

3.3 Исследование обучающей выборки аудио грамм с использованием новой системы признаков

3.3.1 Форма пороговых кривых

3.3.2 Направление пороговых кривых

3.3.3 Расстояние до нулевой линии

3.3.4 Расстояние между пороговыми кривыми: костно-воздушный интервал

3.4 Разработка алгоритма классификации аудиограмм

3.4.1 Выбор метода классификации

3.4.2 Построение грубой классификации

3.4.3 Коррекция параметров классификации

3.4.4 Исследование алгоритмов 122 Выводы к главе 3 126 ГЛАВА 4. ПРОГРАМНЫЙ КОМПЛЕКС ДЛЯ ИНТЕРПРЕТАЦИИ

АУДИОГРАММ И ЛОГИЧЕСКОГО ВЫВОДА

4.1. Описание программного комплекса 127 4Л. Е Структура программного комплекса 127 4.1.2. Ввод данных и работа с таблицами аудиограмм 130 4Л .3. Обработка наборов аудиограмм 133 4Л .3. Вывод информации 139 4Л .4. Формирование нового набора правил

4.2. Основные результаты реализации алгоритмов 144 Выводы к главе 4 145 ЗАКЛЮЧЕНИЕ 146 СПИСОК ЛИТЕРАТУРЫ 147 ПРИЛОЖЕНИЯ 155 ТАБЛИЦА 1. ИСХОДНАЯ ВЫБОРКА АУДИОЕРАММ

СПИСОК СОКРАЩЕНИЙ.

кпс- кривая(ые) порогов слышимости.

ТО- техническое обеспечение.

пс- потери слуха.

вп- воздушное проведение.

кп- костное проведение.

нзп- нарушение звукопроведения.

нсм- нарушение смешанного типа.

нзв- нарушение звуковосприятия.

вк- воздушная кривая (КПС).

кк- костная кривая (КПС).

КВИ- костно-воздушный интервал.

БТС - биотехническая система.

ктс- комплекс технических средств.

лп- лингвистическая переменная.

ФП- функция принадлежности.

чп- числовое представление (лингвистической переменной).

нл- нечеткая ломаная.

КМА - качественная модель аудиограммы.

ПР- принятие решений

ЛПР- лицо, принимающее решение.

БЗ- база знаний.

дг- диагностическая гипотеза.

ов- обучающая выборка.

ЕА- генетический алгоритм.

БД- база данных.

СУБД- система управления базами данных.

Введение диссертации (часть автореферата) на тему «Метод и алгоритмы интерпретации и классификации тональных аудиограмм на основе обработки субъективной информации»

ВВЕДЕНИЕ

Слуховой анализатор (слуховая сенсорная система) - второй по значению диктантный анализатор человека, играющий крайне важную роль не только как составляющая первой сигнальной системы, но и как основное звено в развитии второй сигнальной системы. В последние десятилетия возросли требования к методам и техническим средствам, применяемым для исследования состояния органов слуха в связи с увеличением:

- числа факторов риска, способствующих развитию патологий слухового анализатора,

- общей продолжительности жизни, что автоматически ставит задачу повышения ее качества,

- новыми общественными стереотипами, основанными на идеях личной ответственности человека за свое физическое состояние. Следствием этой социальной модели является значительный интерес населения к методам и техническим средствам для самооценки физического состояния.

В Российской Федерации в настоящее время насчитывается около 600 тыс. только детей и подростков с нарушением слуха. По прогнозам ВОЗ в ближайшем десятилетии в развитых странах численность населения с социально значимыми дефектами слуха возрастет на 21%.

Приведенные факты свидетельствуют о насущной необходимости общества в эффективных средствах диагностики и лечения органов слуха.

Развитие компьютерных технологий и микропроцессорной техники привело к тому, что в большинстве автоматизированных систем в качестве основной формы представления результатов измерений и расчетов используют различные графики и диаграммы. Результаты мониторинга, исследования, прогнозирования и т.п. регистрируются и автоматически обрабатываются. Однако в большинстве случаев всегда предусматривается и графическая интерпретация временного или порядкового ряда, что позволяет выполнять визуальный контроль и принятие решений с использованием

качественной h субъективной информации в сложных ситуациях (управления, диагностики, оценки состояния и т.д.). Человек легко справляется с качественной оценкой метрических характеристик, однако при рассмотрении более сложных топологических отношений (формы, характера взаиморасположения нескольких ломаных линий и т.д.) различие в их оценках у разных экспертов может быть значительным, что будет влиять на результат принятия решений.

Для снижения влияния субъективности на оценки качественных признаков можно использовать алгоритмы принятия решений и методы мягких вычислений, основанные на идее нечетких множеств, предложенных в работах JL Заде. Проблема создания средств, унифицирующих качественные оценки отдельных характеристик, решалась в работах Н.Г. Малышева, JI.C. Берштейна, И.З. Батыршина, А.Б. Боженюка, Н.Г. Ярушкиной, Д.Дюбуа, Michiori Nakata, Henri Prade и др. В задачах медицинской диагностики способы оценки нечетких, качественных признаков формы зашумленного контура рассматривались в работах В.И. Гловы и И.В. Аникина, которые осуществили их верификацию на результатах анализа УЗИ-изображений.

Вопросы автоматического анализа отдельных типов тональных аудиограмм рассматривались в работах О.М. Григорьевой, H.H. Филатовой, H.A. Мандил, Бондаренко Р.П.

Следует отметить, что все решения, основанные на применении лингвистических переменных, базируются на использовании функций принадлежности, отражающих субъективные представления эксперта. Таким образом, снижая влияние субъективности врача на принятие диагностического решения, мы вносим в процедуру интерпретации симптомов дополнительные субъективные оценки эксперта. Очевидно, только сократив объем экспертной информации (т.е. число функций принадлежности), необходимый для построения качественных оценок, можно получить эффективные средства вербальной интерпретации

графических зависимостей и процедуры распознавания / классификации объектов с нечетко выраженными признаками.

Задача этого типа возникает при создании приборов для исследования слуха: тональных аудиометров, позволяющих регистрировать пороги слышимости на основе информации о восприятии тональных сигналов, которую вводит пациент. Одна из особенностей этих приборов заключается в представлении результатов субъективного оценивания слуховой функции в виде двух ломаных линий, так называемых пороговых кривых (кривых порогов слышимости). На основе качественных оценок их формы и положения врач формулирует диагностическую гипотезу, и тем самым определяет направление дальнейших исследований для постановки диагноза. Учитывая, что эта информация основана на субъективных оценках узлов ломаных линий (субъективность пациента) и на субъективной интерпретации вида графических зависимостей (субъективность врача), возможны ошибки в выдвижении первой диагностической гипотезы, что приведет к увеличению временных затрат на исследование и диагностику.

В существующих в настоящее время аудиометрах полностью автоматизированы функции проведения тональных исследований, но остается не решенной задача интерпретации их результатов.

Приведенные факты позволяют сделать вывод об актуальности темы диссертации, которая определяется:

- отсутствием у современных аудиометров функции построения вербальных интерпретаций результатов тональных исследований;

- сложностью задания большого числа функций принадлежности для алгоритмов качественной оценки топологических характеристик графиков, представленных ломаными построенными по узловым точкам, ординаты которых имеют приблизительные (субъективные) оценки;

- массовым характером применения методик субъективной тональной аудиометрии, в связи с ростом потенциально опасных факторов, ведущих к увеличению групп населения с социально значимыми дефектами слуха.

Целью работы является повышение точности и обоснованности решений, принимаемых при интерпретации аудиограмм и формировании диагностических гипотез.

Для достижения цели необходимо решить следующие задачи:

Выполнить анализ связей между компонентами биотехнической системы, возникающих в процессе тональных аудиометрических исследований органов слуха, оценить влияние субъективной информации на принятие решений в процессе интерпретации результатов и управления исследованием.

Разработать модель интерпретаций порогов слышимости на отдельных частотах в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.

Разработать метод и алгоритм формирования лингвистических интерпретаций топологических характеристик кривых порогов слышимости (КПС) с использованием только функций принадлежности, введенных для качественных оценок ординат их узловых точек.

Разработать алгоритм построения классификационных правил, разделяющих нечеткие графики по заданному признаку.

Разработать программный комплекс, решающий задачи интеллектуальной поддержки при принятии решений по управлению процессом формирования диагностического заключения (количественной и качественной оценки результатов тональных исследований органов слуха, классификации аудиограмм, и др.).

Методы исследования. В работе использовались методы системного анализа, теории нечетких множеств, методы кластерного анализа, эволюционного моделирования, классификации с учителем.

Новые научные результаты:

Предложена новая индексная шкала и методика ее построения, позволяющая для каждого элемента нечеткого множества и соответствующего терма лингвистической переменной генерировать

числовую оценку с использованием индекса терма и функции принадлежности. Введены определения качественных оценок убывающих, возрастающих и ровных отрезков с использованием значений индексной шкалы.

Предложено качественные оценки направления отрезков, составляющих кривую порогов (КПС) слышимости, представлять в виде квадратной матрицы, которая позволяет описывать с помощью оценок по индексной шкале не только отрезки, образующие КПС, но и все варианты ломаных, которые можно построить на этих узловых точках. Введены определения выпуклой, вогнутой и гладкой формы кривой порогов слышимости с использованием значений индексной шкалы и матрицы наклона отрезков.

Разработан новый метод оценки нечетких, иерархически связанных топологических признаков, позволяющий создавать вербальные интерпретации аудиограмм с учетом нечетких оценок потерь слышимости на отдельных частотах. Метод отличается использованием трех взаимосвязанных шкал (базовой, лингвистической и индексной) для оценки ординат узловых точек. Разработан алгоритм оценки качественных топологических признаков аудиограмм.

Разработан новый алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых. Экспертные функции принадлежности задаются только для оценки порогов слышимости. Вычисляемые функции принадлежности определяются правилами соответствия значений индексной шкалы и термов, характеризующих топологические свойства кривых. Новый метод и алгоритм позволяют уменьшить количество задаваемых (экспертных функций) принадлежности на 70%.

Практическую ценность работы составляют:

Алгоритм формирования лингвистических интерпретаций топологических характеристик аудиограмм, построенных с помощью субъективных методов оценки порогов слышимости. Методика

автоматического построения лингвистических интерпретаций тональных аудиограмм, которая может быть распространена на графические зависимости произвольного вида. Методика и алгоритм автоматического построения классификационных правил, позволившая создать набор правил диагностики видов нарушений слуха, обеспечивающая точность классификации не менее 95%. Программное обеспечение, реализующее разработанные метод и алгоритмы.

Внедрение результатов работы. Результаты диссертационной работы, включающие программный комплекс "Анализ и классификация тональных аудиограмм" и методическое обеспечение к нему, переданы для использования в Областную центральную клиническую больницу г. Твери. Результаты исследований в виде теоретических моделей, методик и алгоритмов переданы в ООО Нефтегазгеофизика (170033, Тверь, ул.Терещенко, 5/25). Модели, алгоритмы и созданное программное обеспечение внедрены в учебный процесс кафедры АТП Тверского государственного технического университета для студентов специальности 200401 «Биотехнические и медицинские аппараты и системы» и магистрантов направления 200300 «Биомедицинская инженерия».

Апробация работы. Основные результаты работы докладывались на научных конференциях: научных сессиях МИФИ-2008, 2010 гг.; третьей Всероссийской научной конференции "Нечеткие системы и мягкие вычисления, 2009 г.; Международном конгрессе по интеллектуальным системам и информационным технологиям 18&1Т'10, 2010 г.; на 12-ой национальной конференции по искусственному интеллекту с международным участием (КИИ-2010), 2010 г.

Основные положения, выносимые на защиту:

1. Результат анализа направления нечетких отрезков, составляющих ломаную линию, можно представлять в виде квадратной матрицы, каждый элемент которой определяет нечеткие множества, к которым принадлежит отрезок, начинающийся в 1-ой точке и заканчивающийся в ]-ой точке.

2. Модель аудиограммы можно представить, как совокупность описания двух ломаных линий, каждая из которых задана отрезками с нечеткими оценками ординат.

3.Для формирования качественных оценок топологических характеристик ломаных линий, узлы которых заданы приблизительными (субъективными) оценками своих ординат, можно использовать функции принадлежности двух типов. Экспертные функции принадлежности отображают соответствие принятых среди специалистов качественных оценок порогов некоторым ограничениям на диапазон изменения потерь слышимости. Вычисляемые функции принадлежности определяются по специальным правилам и устанавливают соответствие между значениями индексной шкалы и термами, характеризующими топологические свойства кривых.

Публикации. Результаты, отражающие основное содержание диссертационной работы, изложены в десяти публикациях, одна из которых -в изданиях, входящих в список рекомендованный ВАК. Имеется свидетельство о регистрации программы для ЭВМ. Список публикаций и других материалов приведен ниже.

• Филатова H.H., Миловидов A.A. Программный комплекс для лингвистической интерпретации графических зависимостей с нечеткими координатами // Программные продукты и системы, 2011, N 3. С. 110-114. Личный вклад: разработан и описан программный комплекс для лингвистической интерпретации графических зависимостей с нечеткими координатами.

• Григорьева О.М., Миловидов A.A. Автоматическая интерпретация субъективных оценок порогов слуха Материалы XX Всероссийской научно-технической конференции "Биотехнические, медицинские и экологические системы и комплексы" (БИОМЕДСИСТЕМЫ -2007). -Рязань, 2007. Личный вклад: программная реализация алгоритма.

• Миловидов A.A., Филатова H.H. К вопросу определения признаков

формы в нечетких шкалах Вестник ТГТУ, вып. 14, 2009, С.3-6. Личный вклад: разработан алгоритм нечеткой оценки формы.

• Филатова H.H., Миловидов A.A. Построение качественных характеристик аудиометрических кривых на основе нечетких оценок порогов слышимости Волгоград, Труды III Всерос.НК "Нечеткие системы и мягкие вычисления " НСМВ-2009.С.22-29. Личный вклад: разработан алгоритм нечеткого определения качественных характеристик кривых.

• Филатова H.H., Миловидов A.A. Диагностика нарушений слуха на основе нечетких правил классификации аудиограмм Волгоград, Труды III Всерос.НК "Нечеткие системы и мягкие вычисления " НСМВ-2009.С.35-38. Личный вклад: разработан алгоритм нечеткого определения формы кривых.

• Миловидов A.A., Филатова Н. Н. Свидетельство на программу Лингвистический интерпретатор тональных аудиограмм Программа для ЭВМ № 2009612454. Личный вклад: разработка программы для ЭВМ.

• Григорьева О.М., Миловидов A.A. Автоматическая интерпретация субъективных оценок порогов слуха // Научная сессия МИФИ-2008. Т. 12. - С. 47-49. Личный вклад: программно реализован алгоритм нечеткой оценки потерь слуха на отдельной частоте.

• Филатова H.H., Миловидов A.A. Автоматический анализ топологических характеристик аудиограмм // Международная НТК «Интеллектуальные системы» (AIS'10). Труды конференции. М., Физматлит, Т.З, С. 122-129. Личный вклад: разработан и описан программный комплекс для автоматического анализа топологических характеристик аудиограмм.

• Филатова H.H., Миловидов A.A. Нечеткая модель аудиограммы и ее применение в интеллектуальной системе диагностики // Сборник трудов 12 национальной конференции по искусственному интеллекту (КИИ 2010) -Т.З, -М: 2010. Личный вклад: разработана нечеткая модель аудиограммы, программно реализовано ее построение.

• Миловидов A.A., Филатова H.H. Об одном алгоритме распознавания

класса // Труды научной сессии МИФИ-2009: секция Информатика и управление,- М: 2010. Личный вклад: разработан алгоритм классификации.

Структура и объем работы. Структура диссертации определена поставленными целями и последовательностью решения поставленных задач. Работа состоит из введения, четырех глав, заключения, библиографического списка и приложений. Работа содержит 176 страниц машинописного текста, 61 рисунок, 21 таблицу, 2 приложения, 1 таблицу с выборкой аудиограмм. Список использованной литературы включает 112 наименований.

Во введении обосновывается актуальность, научная новизна и практическая значимость диссертационной работы; перечислены положения, выносимые на защиту; сформулированы основные цели, задачи исследования, перечислены методы их решения. Кратко излагается содержание диссертации.

В первой главе выполнен анализ системных связей, возникающих в процессе тональных аудиометрических исследований органов слуха, указаны особенности информационных процессов взаимодействия пациента и врача, и их влияния на принятие решений при выборе диагностической гипотезы.

Выполнена качественная оценка влияние субъективной информации на принятие решений в ходе управления функциональным исследованием органов слуха. Отмечается, что аудиометрические исследования позволяют определить локализацию патологии по отделам органа слуха.

Результаты тональной аудиометрии представляются в виде графика с двумя ломаными линиями, характеризующими субъективные оценки порогов слышимости по воздушному и костному проведениям.

Интерпретация результатов тональной пороговой аудиометрии оказывает влияние на точность формулирования первой диагностической гипотезы, и следовательно, на суммарные временные затраты на исследование и постановку окончательного диагноза. Показано, что выделение типов аудиограмм в настоящее время выполняется на

описательном уровне с использованием нечетких вербальных характеристик.

Рассмотрены способы оценки различных субъективных признаков человеком, а также влияние психологических факторов на этот процесс. Показана эффективность применения нечетких множеств и лингвистических переменных для задач классификации и распознавания графических образов.

Обоснована цель и сформулированы основные задачи исследования.

Во второй главе рассмотрены задачи автоматического анализа и интерпретации пороговых кривых, как элементов тональных аудиограмм, на основе моделей и методов нечетких множеств и приближенных вычислений.

Исследования, проведенные в рамках рассматриваемой диссертации, доказывают возможность сокращения пространства описаний до двух лингвистических переменных.

При таких допущениях можно построить нечеткую модель порогов слышимости в виде двух множеств: нечетких оценок потерь слышимости по воздуху (М¥) и по кости (МК). Для построения лингвистических описаний порогов слышимости создан специальный шаблон терм-множества и построены 6 функций принадлежностей.

Используя шаблон можно получить модель интерпретаций порогов слышимости на отдельных частотах по воздушному или костному проведениям в пространстве нечетких признаков, функции принадлежности для которых формирует эксперт.

Объединение традиционной формы представления и шаблона позволило получить модель аудиограммы, как совокупность описания двух ломаных линий, каждая из которых задана отрезками с нечеткими оценками ординат. Каждую кривую порогов слышимости можно рассматривать как нечеткую ломаную линию, а тональную аудиограмму - как совокупность двух нечетких ломаных.

Предложена новая индексная шкала и методика ее построения, позволяющая для каждого элемента нечеткого множества и соответствующего терма лингвистической переменной генерировать

числовую оценку с использованием индекса терма и функции принадлежности. Введены определения качественных оценок убывающих, возрастающих и ровных отрезков с использованием значений индексной шкалы.

Предложено качественные оценки направления отрезков, составляющих кривую порогов (КПС) слышимости, представлять в виде квадратной матрицы, которая позволяет описывать с помощью оценок по индексной шкале не только отрезки, образующие КПС, но и все варианты ломаных, которые можно построить на этих узловых точках. Введены определения выпуклой, вогнутой и гладкой формы кривой порогов слышимости с использованием значений индексной шкалы и матрицы наклона отрезков.

Разработан новый метод оценки нечетких, иерархически связанных топологических признаков, позволяющий создавать вербальные интерпретации аудиограмм с учетом нечетких оценок потерь слышимости на отдельных частотах. Метод отличается использованием трех взаимосвязанных шкал (базовой, лингвистической и индексной) для оценки ординат узловых точек. Разработан алгоритм оценки качественных топологических признаков аудиограмм.

В третьей главе рассматриваются особенности задач анализа архивов аудиограмм и генерации гипотез новых классификационных правил.

Сформулировано определение диагностической гипотезы и требования к процедурам ее генерации и распознавания. Процедура распознавания должна позволять оценивать степень близости гипотезы к диагностическому заключению, а в качестве посылки включать описание класса аудиограмм с близкими диагностическими признаками. Предложена новая модель продукционного правила с оценками нечетких переменных по индексной шкале для классификации аудиограмм. Для оценки истинности высказываний в посылках продукций разработаны правила оценки результатов операций сравнения по индексной шкале.

Выполнены исследования экспериментальных выборок аудиограмм:

выборки из 438 аудиограмм с различными видами нарушений слышимости и выборки из 156 аудиограмм при различных заболеваниях органов слуха. Выполнен анализ свойств выборок с использованием топологических признаков с оценками их по мягким шкалам. Полученные лингвистические интерпретации оценки формы, направления, а также взаиморасположения пороговых кривых и нулевой линии совпадают с вербальными описаниями их топологических свойств в медицинской литературе [24-26, 30, 34-36].

Разработан алгоритм генерации классификационных правил на основе анализа выборки описаний аудиограмм качественными признаками. В основу алгоритма положены идеи индуктивных методов обучения с учителем и фасетный метод классификации. На этапе обучения сначала создается грубая классификация, которая затем корректируется с помощью генетического алгоритма. Посылки правил грубой классификации представляют собой конъюнктивные высказывания, определяющие условия локализации каждого

нечеткого признака Wn в границах соответствующих диапазону его изменения на обучающей выборке. Коррекция начального варианта классификационных правил основана на дополнении каждого литерала соответствующим параметром из множества Del= {delta Jr }, устанавливающим допустимые границы пересечения диапазонов значений признаков ( deltaj (W^Wj)).

Предложенный в работе вариант генетического алгоритма позволяет решать задачи подбора настраиваемых параметров Del = {delta Jr }, уточнять границы классов, а также выявлять объекты - артефакты.

Проведенные эксперименты показали, что для обучающей выборки аудиограмм (более 400) алгоритм сходится, уменьшая ошибку классификации до 4,1%.

В четвертой главе описывается программное обеспечение, реализующее предложенные алгоритмы. Программа написана на языке С# и предназначена для выполнения в среде .NET Framework 2.0 и выше. Программный комплекс

позволяет оценивать ряд традиционных количественных характеристик аудиограммы, а также качественные оценки порогов слышимости и топологических характеристик аудиограммы. Приведены результаты исследования программного комплекса в режиме построения классификатора (режим обучения) и в рабочем режиме анализа отдельных аудиограмм. Начальная ошибка классификации на выборке из 438 аудиограмм с различными нарушениями слуха составляет 25%, коррекция параметров правил генетическим алгоритмом снижает ошибку классификации до 4%. При классификации аудиограмм с нарушениями звуковосприятия ошибки первого рода - 5 графиков, ошибки второго рода - 12 графиков; для класса нарушений звукопроведения ошибки первого рода - 0, ошибки второго рода - 2 графика.

Верификация БЗ проведена на примерах историй болезней из архивов Тверской областной больницы.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Миловидов, Андрей Александрович

ВЫВОДЫ К 4 ГЛАВЕ

1. Разработан программный комплекс для интерпретации тональных аудиограмм и логического вывода на основе набора продукционных правил. Реализовано несколько способов вода данных для их последующего анализа.

2. Разработан текстовый формат набора продукционных правил для удобства редактирования их экспертом. Разработан графический модуль редактирования функций принадлежности.

3. Разработан модуль построения набора диагностических правил с помощью обучающей выборки аудиограмм, содержащей столбец с принадлежностью аудиограмм к классу нарушения или заболеванию. Для выборки, не содержащей ошибок, процент распознавания меньше 4%. Модуль распознавания подходит для выявления ошибок экспертов.

ЗАКЛЮЧЕНИЕ.

1. Разработана нечеткая модель интерпретации порогов слышимости на отдельных частотах, которая представляет отображение ординат аудиограммы в лингвистической шкале.

2. Разработан метод и алгоритм формирования лингвистических интерпретаций топологических характеристик пороговых кривых, которые получены на основе субъективных оценок координат узловых точек.

3. Разработан алгоритм построения классификационных правил, разделяющих нечеткие графики в соответствии с разделительным признаком. Разработан новый алгоритм классификации аудиограмм, отличающийся использованием двух типов функций принадлежности: экспертных и вычисляемых и позволяющий уменьшить количество задаваемых (экспертных) функций принадлежности на 50%.

4. Создан набор классификационных правил аудиограмм характерных для различных нарушений слуха, ошибка классификации - 4,1%. Получен набор правил классификации аудиограмм, характерных для заболеваний: болезнь Меньера, неврит, отосклероз. Ошибка классификации составила 1,65%.

5. Разработан программный комплекс, решающий основные задачи количественной и качественной оценки результатов тональных исследований органов слуха, задачу классификации аудиограмм и построение вербальных интерпретаций диагностически значимых характеристик пороговых кривых и всей аудиограммы в целом, а также задачу генерации классификационных правил.

Список литературы диссертационного исследования кандидат технических наук Миловидов, Андрей Александрович, 2011 год

СПИСОК ЛИТЕРАТУРЫ.

1. http://www.dealmed.ru/audiometry.html (дата обращения 11.12.2011)

2. http://www.rosmed.ru/catalog/12/ (дата обращения 11.12.2011)

3. http://www.melfon.ru/forspecialists/equipment/audiometrs.php (дата обращения 11.12.2011)

4. http://www.ayдиoмeтpы.pф/(дата обращения 12.12.2011)

5. http://www.biomedilen.ru/(дата обращения 12.12.2011)

6. http://surdology.ru/professionals/equipment/audiometers.html (дата обращения 12.12.2011)

7. http://www.interacoustics.com (дата обращения 13.12.2011)

8. http://www.medafarm.ru/php/content.php?id=28960 (дата обращения 13.12.2011)

9. http://medoborud.ru/php/content.php?id=741 (дата обращения 13.12.2011)

10. http://medtexst.ru/anesthesiology.html?page=shop.product_details&flypage:=flyp age_new.tpl&product_id= 1562&category_id=5 81 &т ап и 1вс1игег_1 ё^ 102 (дата обращения 13.12.2011)

11. http://medoborud.ru/php/content.php?group=726 (дата обращения 13.12.2011)

12. http://www.dezprima.ru/tl/15.htm (дата обращения 14.12.2011)

13. http://www.audiologyonline.ru/articles/?action=article&id=9 (дата обращения 14.12.2011)

14. http://www.interacoustics.com/com_en/Pages/Product/Audiometers/PcbasedAudi ometers.htm (дата обращения 14.12.2011)

15. http://www.dealmed.ru/lor_kombajny.html (дата обращения 14.12.2011)

16. Ьйр://теёоЬоги<1.ги/рЬр/соп1еп1.рЬр?^оир=766 (дата обращения 15.12.2011)

17. ГОСТ 12.1.037-82

18. http://www.dealmed.ru/audiometry.html (дата обращения 15.12.2011)

19. http://catalog.mpomed.ru/firms/11027.html (дата обращения 15.12.2011)

20. http://www.inmedico.com/?area=audiometers&PHPSESSID=dddcdb9b25a8al5e 435bf6d4d8e3e518 (дата обращения 16.12.2011)

21. http://www.inmedico.com/?area=aud_diagnostic&PHPSESSID=dddcdb9b25a8al 5e435bf6d4d8e3e518#usb300b (дата обращения 16.12.2011)

22. http://www.otometrics.com/hearing-assessment/audiometers/astera.aspx (дата обращения 16.12.2011)

23. http://www.interacoustics.com/com_en/Pages/Product/Audiometers/ClinicalAudi ometers.htm (дата обращения 16.12.2011)

24. 10. Коломийченко А.И., Шейнман Н.С. Тональные аудиограммы М., 1970

25. Ермолаев В.Г., Левин А.Л. Практическая аудиология. Ленинградское отделение «Медицина», 1969.-240с.

26. Слуховая система/Ред. Я. А. Альтман.— Л.: Наука, 1990. — 620 с.

27. Нисрин Абу Мандил. Система диагностики нарушений слуха : диссертация ... кандидата технических наук : 05.11.17.- Тверь, 2006.- 165 е.: ил.

28. Григорьева О.М. Модели и алгоритмы дифференциальной диагностики органов слуха, основанные на обработке субъективной информации. Автореферат. Тверь, ТГТУ. 2004

29. Аникин И.В. методы, нечеткие алгоритмы и модели в задачах распознавания визуальной информации с привлечением человеко-машинных информационных технологий. Автореферат. Казань, КГТУ, 2001.

30. Богоутдинов Шамиль Рафекович. Алгоритмы нечеткой логики при интерпретации геолого-геофизических данных : дис. ... канд. физ.-мат. наук : 25.00.10 Москва, 2007 139 с. РГБ ОД, 61:07-1/676

31. http://matlab.exponenta.ru/fuzzylogic/bookl/Lphp (дата обращения 14.12.2011)

32. http://www.medocenka.ru/ispolzovanie-nechetkoy-neyrosetevoy-modeli-dlya-differentsialnoy-diagnostiki-podtipov-tranzitornyih-ish-1039-8.html (дата обращения 14.12.2011)

33. ГОСТ 4.312-85

34. В.Ф. Ундриц, Я.С. Темкин, Л.В. Нейман. Руководство по клинической аудиологии. М., Медицинская литература. 1962.324с.

35. Быстшановская Т. Клиническая аудиология Варшава 1965, 240 с

36. Сагалович Б. М., Пальчун В. Т. Болезнь Меньера. М., 1999. 525 с.

37. В.П.Руденко, Д.М.Малинский Подготовка тональных аудиограмм для обработки на ЭВМ и статистический анализ полученных результатов//Вестник оториноларингологии, 1977 №4, с.38-42

38. Крюков А.И., Федорова O.K., Антонян Р.Г. и др. Клинические аспекты болезни Меньера. М., 2006. 240 с.

39. http://www.stereohead.ru/index.php?name=Pages&op=page&pid=326 (дата обращения 16.12.2011)

40. http://www.azimut.su/catalog/med_equip/equipment/workplace-lor-azimut.html (дата обращения 16.12.2011)

41. http://medoborud.ru/php/content.php?id=735 (дата обращения 16.12.2011)

42. http://www.audiometr.ru/datahtx/as216.shtml (дата обращения 16.12.2011)

43. Заде JT. Понятие лингвистической переменной и его применение к принятию приближенных решений. Серия: Математика. Новое в зарубежной науке № 3. М. Мир, 1976г. 168 с.

44. Малышев Н.Г., Берштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР - М.:Энергоатомиздат, 1991. - С. 136.

45. Миловидов A.A., Филатова H.H. Программный комплекс для лингвистической интерпретации графических зависимостей с нечеткими координатами // Программные продукты и системы N 3. С. 110-114.

46. Большая советская энциклопедия. — М.: Советская энциклопедия. 1969— 1978.

47. Григорьева О.М., Миловидов A.A. Автоматическая интерпретация субъективных оценок порогов слуха // Материалы XX Всерос. НТК "Биотехнические, медицинские и экологические системы и комплексы" (Биомедсистемы -2007). - Рязань, 2007. РГРТУ. С. 145-151.

48. Миловидов A.A., Филатова H.H. К вопросу определения признаков формы в нечетких шкалах // Вестник Тверского государственного технического университета, Тверь: ТГТУ, 2009. Вып. 14, С.3-6.

49. Миловидов A.A., Филатова H.H., Построение качественных характеристик

аудиометрических кривых на основе нечетких оценок порогов слышимости // Труды III Всерос. НТК "Нечеткие системы и мягкие вычисления" НСМВ-

2009. Волгоград: ВГТУ, 2009. С.22-29.

50. Филатова H.H., Миловидов A.A. Диагностика нарушений слуха на основе нечетких правил классификации аудиограмм // Труды МНТК "Информационные технологии в образовании, технике и медицине". Волгоград: ВГТУ, 2009. С. 35-38.

51. Е.А.Башкирова, Т.В. Истомина, Е.А. Мельникова Применение кластерного анализа для обработки аудиограмм// Актуальные проблемы науки и образования. Труды международного юбилейного симпозиума АСПНО-2003 Пенза, стр.354-357.

52. Миловидов A.A., Филатова H.H. Автоматический анализ топологических характеристик аудиограмм // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT'10». - М.:, Физматлит,

2010. Т.З. С.122-129.

53. Миловидов A.A., Филатова H.H. Нечеткая модель аудиограммы и ее применение в интеллектуальной системе диагностики // 12 национальная конференция по искусственному интеллекту (КИИ 2010): Труды конференции. - М:, Физматлит. 2010. Т.2. С.374-379.

54. Миловидов A.A., Филатова H.H. Об одном алгоритме распознавания класса // Труды научной сессии МИФИ-2009. М:, МИФИ. 2010. Т.5. С.47-49.

55. Беранек Л., Акустические измерения, пер. с англ., М., 1952

56. Гонсалес Р., Вудс Р Гонсалес Цифровая обработка изображений, Москва: Техносфера, 2005 - 1072 с.

57. Руленкова Л.И., Смирнова О.И. Аудиология и слухопротезирование. - М., 2003

58. Савелов A.A. Плоские кривые: Справочное руководство. - М.: Государственное издательство физико-математической литературы, 1960.

59. . Борисов А.Н., Алексеев A.B., Меркурьев Г.В. и др. Обработка нечеткой информации в системах принятия решений. - М., Радио и связь, 1989.

60. Аверкин А. H., Батыршин И. 3., Блишун А. Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта. - М., Наука, 1986.

61. Кофман А. Введение в теорию нечетких множеств. - М., Радио и связь, 1982.

62. Алексеев A.B. Проблемы разработки математического обеспечения выполнения нечетких алгоритмов. - В сб.: Модели выбора альтернатив в нечеткой среде.-Рига, 1984, с. 79-82.

63. Кандель А., Байатт У.Дж. Нечеткие множества, нечеткая алгебра, нечеткая статистика. Труды американского общества инженеров-радиоэлектроников, т. 66, 1978, N12, с.37-61.

64. Кофман А. Введение в теорию нечетких множеств. М: Радио и связь, 1982, 432с.

65. Нидал Фуад Наджар Автоматизированная система для аудиометрических исследований слуха. Автореферат. С.-Петербург, ЛЭТИ. 2001.

66. Нейман Л.В. Слуховая функция у тугоухих и глухонемых детей. - М., 1961.

67. Lakhmi С. Jain; N.M. Martin Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications. — CRC Press, CRC Press LLC, 1998

68. Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы: Учебное пособие - 2-е изд.. - М: Физматлит, 2006. - 320 с.

69. Круглов В. В. Дли М. И. Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. М.: Физматлит, 2001. 221с

70. Д. Рутковская, М. Пилинський, Л. Рутковский Нейронные сети, генетические алгоритмы и нечеткие системы, М.: 2006.

71. С# и платформа .NET. Библиотека программиста. — СПб. : Питер, 2004. — 796 с. : ил.

72. Вагин В. Н., Головина Е. Ю., Загорянская А. А., Фомина М. В. Достоверный и правдоподобный вывод в интеллектуальных системах / Под ред. В.Н. Вагина, Д.А. Поспелова. — М.: ФИЗМАТЛИТ, 2004. — 704 с.

73. Айвазян Прикладная статистика: Классификации и снижение размерности: Справ, изд. / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин; Под ред. С. А. Айвазяна.— М.: Финансы и статистика, 1989.— 607 с: ил.

74. Нечеткие экспертные системы

75. Ибрагимов В.А. Элементы нечеткой математикиМонография. - Баку, АГНА, 2010.-394 с

76. Прикладные нечеткие системы: Пер. с япон./ К. Асаи, Д. Ватада, С. Иван и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно.-М.: Мир, 1993. 368 с, ил.

77. Интеллектуальная система исследования слуха/ Бодрин A.B., Григорьева О.М., Филатова H.H. и др.// Сборник трудов Восьмой национальной конференции по ИИ "КИИ-2002", Коломна. С.600-605

78. Нидал Фуад Наджжар "Автоматизированная система для аудиометрических исследований слуха" /диссертация на соискание уч. степени к.т.н., 05.11.17, Тверь.-2001.

79. Кобринский В.С.Подходы к отображению субъективно-нечетких представлений эксперта и пользователя в интеллектуальных системах // Програм. прод. и системы (ППС) 1995, 4, С.30-32.

80. Арифов С.С., Ражабов Ф.Ф., Хасанов A.A. Аудиометрия с применением компьютерной технологии. - Вестник оториноларингологии, №1, 2001 г.

81. Базы знаний в интеллектуальных системах / Т.А. Гаврилова, В.Ф. Хорошевский - СПб: Питер, 2000 - 384 е.: ил.

82. Ранганатан Ш. Р. Классификация двоеточием. Основная классификация. Пер. с англ. / Под. ред. Т. С. Гомолицкой. М.: ГПНТБ СССР, 1970

83.Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных- М.: Радио и связь, 1983. - С.376.

84. Ларичев О.И., Мошкова Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. - С.470.

85. Нечеткие множества в моделях управления и ИИ М.: Наука, 1986. - С.311.

86. Окулов Е.Д. Программирование в алгоритмах- М: Наука, 2002. - С.341.

87. Кузнецов П.И., Пчелинцев JI.A. Последовательное обучение систем диагностики -М: Наука, 1987. - С.458.

88. Ларичев О.И. Наука и искусство принятия решений- Наука, 1979. - С.251.

89. Siemens PC Audiometric évaluation instruments. Part of the Unity System. 1998.

90. Б.А. Кобринский Автоматизированные диагностические и информационно-аналитические системы в педиатрии //Российский медицинский журнал Т.7 №4 1999 (www.rmj.ru)

91. Елисеева И.И.Группировка, корреляция, распознавание образов- М.: Финансы и статистика, 1977. - С.246.

92. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками -М.: Финансы и статистика, 1991. - С.280.

93. Алгоритмы и программы решения задач на графах и сетях- М.: Наука, 1990. - С.340.

94. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных- М.: Радио и связь, 1983. - С.376.

95. Червинская К.Р. Медицинская психодиагностика и инженерия знаний- М.: Наука, 202. - С.780.

96. Зорич.В.А. Математический анализ- М.: Наука, 2001. - С.450.

97. Коханер Д. И др. Численные методы и программное обеспечение-М: Наука, 1998.-С.564.

98. Фрумкина Р.М. О некоторых особенностях экспертного понимания (на материалах экспертных оценок психических состояний)// Вопросы кибернетики: Экспертные оценки. М.:-ПИК ВИНИТИ, 1979. С.44-56.

99. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 1987. - С.283.

100. Naumov LB., Main problems of modem medicine in diagnostics and learning. Ways to optimal solution. Anatol. Journ. Cardiol. Vol.l, Sept. 2001, 166-178

101. «Имитация тонального и речевого аудиометров»//Свидетельство об официальной регистрации программы для ЭВМ № 2003612644 от 4 декабря 2003г

102. Е.М.Харшан Алгоритм анализа аудиограмм и рационализация процесса его освоения//ЖУНГБ, 1976, №2, с. 13-16

103. Абу.-Мандил Н., Филатова H.H., Григорьева О.М. Исследование возможности применения системы признаков на основе оценки потерь слуха для автоматической диагностики// Сборник трудов науч.-технич. конференции 40-лет биотехнических систем, Санкт-Петербург, 2004, С.34-35

104. Григорьева О.М. Автоматический анализ аудиограмм// Сборник трудов всероссийской науч.-технич. конференции студентов, молодых ученых и специалистов "Биомедсистемы 2003", Рязань 2003, С. 103-104.

105. Патент 2 261 655 С2 RU

106. Поспелов Д.А. Моделирование рассуждений: Опыт анализа мыслительных актов- М.: Радио и связь, 1989. - С.200.

107. http://www.interacoustics.ru/datahtx/as208.shtml (дата обращения 16.12.2011)

108. http://www.otometrics.com/hearing-assessment/audiometers (дата обращения 16.12.2011)

109. В.И. Васильев Распознающие системы Наукова думка, 1983.-420с.

110. Разработка экспертных систем средствами интеллектуальной оболочки в среде MS Windows: Методическое руководство/ Стрельников Ю.Н., Борисов Н.А.-Тверь:ТГТУ, 1997.-40с.

111. Троелсен. Э. С# и платформа .NET. Библиотека программиста. — СПб. : Питер, 2004. —796 с. : ил.

112. Нейгел К.. Ивьен Б., Глинн Д., Скиннер М., Уотсон К. С# 2005 и платформа .NET 3.0 для профессионалов. : Пер. с англ. - М.: ООО «И.Д. Вильяме», 2008. - 1376+416(на CD) е.: ил.