Основні методи цифрової обробки та аналізу даних у БЕС функціональної діагностики

Процеси обробки та аналізу даних у БЕС є складовими частинами процесу розпізнавання стану пацієнта. Розпізнавання можна розглядати як задачу перетворення вхідної інформації, в якості якої розглядаються деякі параметри, ознаки об'єктів, що підлягають розпізнаванню, у вихідну інформацію, що представляє собою висновок про те, до якого класу належить об'єкт розпізнавання. При цьому клас являє собою деяку сукупність (підмножину) об'єктів, що володіють близькими властивостями. В якості ознак при розпізнаванні у БЕС можуть виступати показники пацієнта, наприклад, лабораторні дані, дані інструментальних досліджень, скарги пацієнта і т.д. Прикладом класів можуть служити захворювання. Кінцевою метою аналізу біомедичних сигналів є класифікація даного сигналу з метою віднесення його до однієї з кількох відомих категорій та отримання діагностичного рішення, яке відноситься до стану пацієнта.

Загальному процесу обробки сигналів у БЕС функціональної діагностики притаманна наступна структурна схема (рис. 9.1).

Рис. 9.1. Структурна схема процесу обробки сигналів у БЕС

функціональної діагностики

Основними етапами процесу обробки сигналів у БЕС є:

- попередня обробка;
- аналіз;
- класифікація.

Вхідні дані, що в загальному випадку реєструються з пацієнта та підлягають подальшому аналізу, подаються на вхід системи і піддаються попередній обробці з метою їх перетворення в необхідний для наступного етапу вигляд. Метою попередньої обробки є придушення шумових складових досліджуваного біомедичного сигналу. При кодуванні інформації для передачі каналом зв'язку попередня обробка включає також стиснення-відновлення даних.

На етапі аналізу створюється формальний опис біомедичного сигналу пацієнта, який називається образом сигналу. Образ несе в собі інформацію, яка є найбільш істотною з точки зору якості прийняття рішення при класифікації. Крім того, створення формального опису пов'язано з процедурою подальшої редукції даних, яка на відміну від стиснення даних в процесі попередньої обробки грунтується не на надмірності інформації, а на оцінці корисності інформації для правильної класифікації. Це етап виділення з усієї множини ознак найбільш інформативних, характерних для певного захворювання ознак. При цьому, необхідно користуватися наступними правилами:
1) виконувати вибір величин з мінімальною дисперсією усередині класу для того, щоб їх розподіли не накладалися один на інший;
2) вибирати величини з максимальними відстанями між класами (навіть якщо їх дисперсії однакові, то класифікація не викличе труднощів).

Ознакові змінні або ознаки можуть описувати як кількісні так і якісні характеристики сигналів. Після того як були отримані інформативні ознаки, можна представити вектор ознак у формі

.

Коли величини x_i є числами, вектор x є точкою в n-вимірному евклідовому просторі. Очікується, що вектори схожих об'єктів формують кластери. Для ефективної класифікації образів необхідні такі ознаки, які можуть дати такі набори або кластери, що не перетинаються у просторі ознак (рис. 9.2). Ця обставина підкреслює важливість правильного вибору процедур попередньої обробки і виділення ознак.

Далі на основі правила прийняття діагностичного рішення формується відповідь класифікатора, наприклад, системою видається назва хвороби. Крім описаних вище етапів розпізнавання образів у БЕС може передбачати етап навчання системи. Метою навчання системи є формування в її пам'яті набору відомостей, необхідних для розпізнавання класів вхідних даних.

Рис. 9.2. Два кластери, що відповідають класам C₁ та C₂ і не перетинаються у двовимірному просторі ознак. Множина образів, що належать одному класу, відповідає сукупності точок, розсіяних в деякій області. Для випадку двох класів (C₁ та C₂) вектори образів мають вигляд X=[x₁, x₂], а кожен вектор образу можна вважати точкою двовимірного простору

Під класифікацією розуміють процедуру віднесення сигналів до певних сукупностей, образи яких мають загальні властивості. Такі сукупності називаються класами, а пристрої (програми), за допомогою яких виконується віднесення сигналів до класів ─ класифікаторами (рис. 9.3). Класифікатор має n входів (для кожної ознаки свій вхід) і єдиний вихід, на якому за правилом рішення d(X) виникає сигнал ω_j, рівень якого відповідає одному з K класів.

Рис. 9.3. Схема класифікатора

Проблема класифікації образів полягає у визначенні оптимальних границь або у розробці процедур прийняття рішення для віднесення даних до різних класів образів з використанням векторів ознак.

Розглянемо більш детально на прикладах етапи попередньої обробки, аналізу та класифікації сигналів у БЕС.