Методы и средства исследования
По сформированному пространству информативных признаков с учетом рекомендаций [1, 2, 3, 49, 51, 57, 60, 62] для прогнозируемых классов состояний был проведен разведочный анализ в ходе которого было установлено, что между признаками и классами высокий риск возникновения и рецидива МКБ отсутствуют достоверно установленные корреляционные, функциональные и структурные связи, что совпадает с мнением экспертов о том, что даже для простых и хорошо изученных задач практически невозможно установить четкие границы между здоровьем, пред- болезнью и болезнью.
С учетом этого согласно рекомендациям [20, 36, 37, 51, 62, 128, 129, 202, 203] наиболее адекватным математическим аппаратом является технология мягких вычислений и в частности нечеткая логика принятия решений. Используя опыт решения аналогичных задач на кафедре биомедицинской инженерии (БМИ) ЮЗГУ искомые задачи было принято рассматривать как нечеткие классификационные двухклассовые задачи [51, 77].
Пациент в течение заданного (вычисленного) времени tпереходит в прогнозируемый класс состояний - возникновение МКБ, орм - рецидив МКБ) или пациент остается в классе относительного здоровья (класс ω0).
При этом синтез прогностических решающих правил будем осуществлять используя общую методологию синтеза гибридных нечетких решающих правил, разработанную на кафедре БМИ ЮЗГУ, основные этапы которого представлены ри
сунками 2.10. и 2.11.
Подробнее описание этапов синтеза гибридных нечетких решающих правил, включая прогностические правила принятия решений приведены в работах [51, 56, 57, 62, 77].
Рисунок 2.9 - Методология синтеза нечетких решающих правил для биомедицинских интеллектуальных систем и технологий
Этап 2: под известные структуры данных предварительный выбор типов решающих правил
| 1) Есть обучающая выборка с ориентировочно установленными степенью репрезентативности и законами распределения. Возможнакорреляционная зависимость между признаками, которые собираются последовательно. Специалисты (клиницисты) затрудняются в построении признаковых функций принадлежности и (или) в выборе способов агрегации. | Последовательная секвенциальная процедура А.Вальда |
| 2) В ходе приведения разведочного анализа по изучению структуры данных с применением отображающих пространств находятся двумерные пространства с приемлемым разделением классов в отображающие пространства. Данные могут быть неполными при неизвестном законе распределений при наличии областей пересечения классов не неопределяемых учителем. Отсутствие «хороших» формализмов компенсируется клиническим мышлением | Метод динамического конструирования двумерных отображающих пространств Ф= У1 ■ У2 Нечеткое описание границ разделяемых классов |
| 3) В ходе приведения разведочного анализа выясняется возможность построения разделяющих поверхностей между классами и (или) формирования некоторых электронных структур(точки, гиперсферы, гиперпараллелепипеды и т.д.) Законы распределений могут быть не известны, данные не полны, зоны пересечений классов плохо или вовсе не определены. Недостаток формализации в описании зон пересечения компенсируется знаниями экспертов(клиническим мышлением) | Синтез разделяющих поверхностей и (или) эталонных структур Переход к функциям принадлежности с базовыми переменными по расстояниям до разделяющих поверхностей и (или) эталонных структур |
Рисунок 2.10 - Этапы синтеза гибридных нечетких решающих правил.
Рисунок 2.10 -Этапы синтеза гибридных нечетких решающих правил (Продолжение)
Этап 4. В соответствии с рекомендациями разработанными на кафедре биомедицинской инженерии ЮЗГУ производится синтез выбранных типов решающих правил.
Этап 5. Проверка качества классификации синтезированных решающих правил на контрольных выборках и (или) на экспертном уровне.
Этап 6. При наличии технических возможностей (Репрезентативная выборка, пакеты обучающих программ, наличие инженера когнитолога) производится автоматическая коррекция параметров решающих правил в сторону минимизации ошибки классификации:
Этап 7. Если при выполнении предыдущих этапов выбранные типы решающих правил не обеспечивают требуемого качества классификации организуется дополнительный разведочный анализ, в ходе которого с учетом рекомендаций п. 2 подбираются наилучшие решающие правила:
по дополнительным подпространствам;
По отдельно выделяемым подпространствам;
по областям всего пространства и подпространств информативных признаков.
Этап 8. Полученные решающие правила, в зависимости от исследуемой структуры данных и в соответствии с рекомендациями кафедры БМИ ЮЗГУ объединяются в коллективы решателей, обеспечивающих требуемое качество классификации.
Этап 9:При решении задач управления полученные прогностические и диагностические правила используют для формирования управляющих функций принадлежностей к рациональным схемам профилактики и (или)лечения.
Рисунок 2.10 - Этапы синтеза гибридных нечетких решающих правил (Продолжение)
Одной из задач, решаемых в диссертационной работе, является повышение эффективности проведенных лечебно-оздоровительных мероприятий путем прове
дения звуковой и ультразвуковой стимуляции.
Для того, чтобы перейти к собственной разработке были проведены исследования эффективности как звуковой, так и ультразвуковой частоты при профилактике и лечении МКБ.
При исследовании эффективности звуковой стимуляции исследовалась следующая аппаратура и схемы профилактики.
А1 - применение аппарата «Интрафон» с постоянной звуковой частотой 2,5 кГц;
А2 - применение аппарата АРОПАК с качающейся частотой 2-3,5 кГц;
А3 - применение аппарата АРОПАК с качающейся частотой 2-3,5 кГц, модулированной низкочастотными колебаниями 5-20 Гц;
А4 - применение аппарата АРОПАК с качающейся частотой 2-3,5 кГц, модулированной низкочастотными колебаниями на фоне приема спазмолитиков и мочегонных сборов (адреноблокаторы, НПвС, канефрон, роватинекс и др.).
Многочисленные исследования, проводимые по исследованию терапевтического эффекта ультразвуковых волн на организм человека, показали, что в основном формируется два эффекта:
1. Механическое воздействие создает эффект своеобразногомикромассажа на уровне клеток;
2. Физико-химическое воздействие приводит к появлению резонансных механических эффектов, увеличивает ионный расход молекул, меняет изоэлектрическое состояние, формирует свободные радикалы, активизирует обменные процессы, нормализует pH ткани и т.д.
Для исследования эффективности УЗТ профилактики и терапии использовался аппарат УЗТ - 1-03.У, обладающий следующими характеристиками:
Частота 880 кГц;
Режим работы непрерывный, импульсный;
Максимальная мощность УЗ колебаний 4 Вт;
Регулировка отдаваемой мощности ступенчатая;
Интенсивность ультразвуковых колебаний по ступеням, Вт/см31,0; 0,7; 0,4;
0,2; 0,05;
Частота повторения импульсов 50 и 60 Гц;
Длительность импульса мс 2; 4; 10.
Учитывая, что в ходе экспериментов было подтверждено положительное воздействие на организм пациента, страдающего МКБ как звуковой, так и ультразвуковой стимуляции было принято решение исследовать их комбинированное воздействие с разработкой соответствующего прибора.
2.3