<<
>>

ВВЕДЕНИЕ

Актуальность темы исследования. Β настоящее время практикующим врачам для повышения качества и уровня лечения необходимо иметь возможность работы с обширным объемом знаний, которые хранятся в информационных базах данных.

Однако такое огромное количество информации обработать самостоятельно без использования специализированного программного обеспечения, которое значительно повышает эффективность выбора методик лечения заболеваний человека.

Β современной медицине одним из первостепенных и основополагающих направлений в области диагностики является разработка средств обработки данных, получаемых с помощью специализированных биотехнических комплексов, в том числе компьютерной томографии. Введение в клиническую практику

компьютерной томографии значительно повысило качество и эффективность лучевого исследования внутренних органов человека. Однако возможности высокоразрешающей и спиральной компьютерной томографии не в полной мере используются в современной медицине. Объективная оценка состояния органов человека возможна лишь у больных с тяжелой и в ряде случаев среднетяжелой формой заболевания. Точная диагностика поражения органов со средней или легкой формой крайне сложна вследствие того, что очаги заболевания не имеют явных структурных изменений, которые врач-диагност может определить человеческим глазом. Β то же время возможности современной вычислительной техники позволяют проводить тонкий анализ рентгеновских снимков компьютерного томографа на основе баз знаний с вероятностью, превышающей 99% (Carl-Magnus

Состояние проблемы. Теоретическим и практическим вопросом использования данных аппаратных комплексов диагностики в процессе лечения

хронический заболеваний посвящены работы таких авторов, как Бурковский Β.

Л., Кореневский Η. Α., Подвальный С. Л., Α. Крижевский, И. Суцкевер и Д. Хинтон, Иващук Ο. Α., Филист С. Α., Белов С. П., Еременко Β. Τ.

Вместе с тем данные машинной диагностики не используются в полном объеме в условиях хронических заболеваний легких. По данным ВОЗ на январь 2017 года от хронической обструктивной болезни легких в 2015 г. умерли 3,2 млн. человек, а от рака легких (наряду с раком трахеи и бронхов) - 1,7 млн. человек. Поэтому задача разработки программных средств обнаружения паталогических изменений на первых стадиях по данным мультиспиральных компьютерных томографов и их дальнейшая интеграция в рамках единого комплекса диагностики и лечения пульмонологических заболеваний имеет важное практическое значение. Это обуславливает необходимость проведения дополнительных исследований в области создания биотехнических систем, интегрирующих в себя программно-аппаратные средства диагностики и лечения хронических и острых заболеваний легких, реализующих средства интеллектуализации процессов принятия врачебных решений.

Β этой связи актуальность темы диссертационной работы продиктована высокой практической значимостью проведении исследований, связанных с разработкой биотехнических систем, базирующихся на средствах интеллектуализации процессов высокоточной диагностики и выбора рациональной тактики лечения легочных заболеваний.

Научно-технической задачей исследования является разработка алгоритма диагностики заболеваний легких, повышающего эффективность и качество принятия врачебных решений при диагностике и лечении пульмонологических заболеваний.

Диссертация выполнена в соответствии с основным научным направлением ФГБОУ ВПО «Воронежский государственный технический университет»

«Вычислительные комплексы и проблемно-ориентированные системы

управления».

Цель и задачи исследования. Целью диссертационной работы является повышение эффективности и качества принятия врачебных решений в рамках биотехнической системы диагностики и лечения пульмонологических заболеваний на основе разработки средств интеллектуализации процессов обработки данных компьютерной томографии и проблемно-ориентированной базы знаний.

Для достижения поставленной цели необходимо решение следующих задач:

- разработка функциональных компонентов биотехнической системы диагностики и лечения пульмонологических заболеваний на основе интеллектуализации процессов обработки данных компьютерной томографии и объектно-ориентированной базы знаний;

- разработка объектно-ориентированный базы знаний, включающей продукционные альтернативные модели принятия решений по выбору рациональной тактики ведения пульмонологических больных;

- разработка алгоритма цифровой обработки снимков компьютерного томографа;

- разработка алгоритма интеллектуализации процесса обработки снимков компьютерного томографа, как основы для принятия врачебных решений по диагностике заболеваний легких;

- разработка алгоритма обучения сверточной нейросетевой модели обработки данных компьютерной томографии;

- разработка алгоритма диагностики заболеваний легких на основе нейросетевой модели ANFIS, предназначенной для анализа данных лабораторных исследований;

- разработка программного обеспечения процедур интеллектуализации принятия решений в рамках биотехнической системы диагностики и лечения пульмонологических заболеваний.

Соответствие диссертации паспорту специальности.

Π. 9 Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических объектов.

Π. 12 Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации.

Π. 13 Методы получения, анализа и обработки экспертной информации.

Научная новизна. На защиту выносятся следующие результаты диссертации, отличающиеся научной новизной:

- с позиции системной методологии предложены функциональные компоненты биотехнической системы диагностики и лечения пульмонологических заболеваний, отличающиеся реализацией средств интеллектуализации процессов обработки данных компьютерной томографии и объектно-ориентированной базы знаний;

- разработана объектно-ориентированная база знаний, отличающаяся реализацией объектов, позволящих определять вид терапевтического воздействия и объектов, определяющих схему лечения (по устанавливаемым дозам и времени приема лекарственных средств), а также отличающаяся продукционными моделями формирования альтернативных вариантов принятия решений;

- разработан алгоритм диагностики заболеваний легких, отличающийся использованием гибридной нейросетевой модели и анализа данных лабораторных исследований;

- предложен алгоритм цифровой обработки снимков компьютерного томографа, отличающийся реализацией возможностей сверточной нейронной сети, позволяющий оказывать помощь в формировании и принятии врачебных решений;

- разработан алгоритм обучения сверточной нейронной сети, отличающейся реализацией средств повышения оперативности процесса обучения.

Теоретическая и практическая значимость работы. Предложенные в работе алгоритмы цифровой обработки рентгеновских снимков и диагностики заболеваний легких, а также средства их информационной поддержки реализованы в виде специального программного комплекса, ориентированного на реализацию в рамках действующих клинических систем.

Разработанное программное обеспечение диагностики и выбора тактики лечения заболеваний легких на основе интеграции программно-аппаратного комплекса компьютерной томографии и объектно-ориентированной базы знаний может быть использовано как в медицинских учреждениях, так и при проведении научных исследований, а также в учебном процессе.

Реализация результатов работы для решения задач дифференциальной диагностики легочных заболеваний позволяет значительно повысить эффективность диагностических мероприятий.

Реализация и внедрение результатов работы. Теоретические результаты диссертационной работы внедрены в учебный процесс на кафедре «Электропривода, автоматики и управления в технических системах» ФГБОУ высшего образования Воронежского государственного технического университета, Материалы работы в виде компонентов биотехнического комплекса диагностики и лечения заболеваний легких на основе алгоритмов цифровой обработки результатов компьютерной томографии используются в работе пульмонологического отделения Воронежской областной клинической больницы №1, а также в рамках программного обеспечения аппаратного комплекса диагностики урологических заболеваний в Воронежской городской клинической больнице скорой медицинской помощи №10 в качестве модуля цифровой обработки снимков компьютерной томографии.

Методология и методы исследования. Для решения поставленных задач использовались методы: теории биотехнических систем медицинского назначения, теория распознавания образов, теории системного анализа, математического моделирования, теория построения объектно-ориентированных баз данных и знаний, теория нейронных сетей. Программное средство было разработано в среде Місгозой Visual Studb C# с использованием крупнейший библиотеки машинного распознавания образов EMGU CV.

Положения, выносимые на защиту.

1. Экспертный алгоритм обеспечивает оперативный анализ данных объектно­ориентированной базы знаний с формированием информации о медицинских препаратах в рамках медикаментозной схемы лечения.

2. Нейросетевая модель анализа данных лабораторных исследований обеспечивает подготовку заключения о необходимости медикаментозного лечения.

3. Алгоритм диагностики заболеваний легких, базирующийся на сверточной нейронной сети, позволяет осуществлять оперативный анализ данных ΚΤ легких и предполагает определение количественной оценки вероятности возможности легочного заболевания.

Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость аналогичным результатам, полученным другими исследователями в области интеллектуальных систем медицинского назначения. Результаты

экспериментальных исследований решающих правил по диагностике легочных заболеваний согласуются с ранее опубликованными экспериментальными данными по теме диссертации. Результаты исследования показали, что предлагаемые модели и информационные технологии могут быть рекомендованы для прогнозирования оперативных медицинских рисков. Основные положения и научные результаты диссертации докладывались и обсуждались на следующих конференциях,

семинарах и совещаниях: IV Международная конференция «Современные методы прикладной математики, теории управления и компьютерных технологий» (ПМТУКТ-2016), XIII Международная научно-техническая конференция «Оптико­электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (РАСПОЗНАВАНИЕ - 2017), X Международная конференция «Современные методы прикладной математики, теории управления и компьютерных технологий» (ПМТУКТ-2017), XIV

МЕЖДУНАРОДНАЯ НАУЧНО-ТЕХНИЧЕСКАЯ КОНФЕРЕНЦИЯ «Оптико­электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (РАСПОЗНАВАНИЕ — 2018), научно­методических семинарах кафедры электропривода, автоматики и управления в технических системах Воронежского государственного технического университета (2012-2018 гг).

Публикации. По материалам диссертации опубликовано 12 научных работ, в том числе одна в SCOPUS, три - в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежит: в [3, 4] анализ объектно­ориентированных СУБД медицинских систем; [1, 2, 7, 8, 9, 10, 11] алгоритмы цифровой обработки рентгеновских снимков компьютерного томографа; [6] модели принятия решений по выбору рациональной тактики лечения больных.

Патенты. В ходе работы над диссертацией был получен патент на экспертную систему диагностики и лечения заболеваний легких.

Структура и объем работы. Диссертация состоит из введения, четырех глав с выводами, заключения, приложения и списка литературы из 152 наименований. Основная часть работы изложена на 150 страницах, содержит 43 рисунка и 15 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, сформулированы цель и задачи исследования, изложены основные научные положения, определена практическая значимость, приведены сведения об апробации и внедрении работы.

В первой главе представлены результаты анализа современных биотехнических систем диагностики и комплексного лечения патологических заболеваний. Приведены основные методы построения программных комплексов, повышающих эффективность проведения мероприятий по повышению качества медицинской помощи и услуг.

Приведен обзор математических методов принятия врачебных решений в условиях лечения легочных заболеваний. Разработана базовая структура биотехнической системы, а также информационного взаимодействия ее структурных компонентов в рамках аппаратного и программного комплексов.

Отмечена практическая важность методов диагностики заболеваний легких на основе моделей нейросетевого анализа данных лабораторных исследований.

С критических позиций рассмотрены методы построения объектно­ориентированных и объектно-реляционных баз знаний на основе моделей представления знаний, проблемной области и поставленной задачи.

Произведен обзор типичных пульмонологических заболеваний. Отмечены особенности методов диагностики пневмонии, гипоксии, гистоплазмоза, бронхиальной астмы, в качестве основных методов рассмотрены ультразвуковое исследование и компьютерная томография.

На основании проведенного анализа проблематики процессов диагностики и принятия решений в пульмонологической области сформулированы цели и задачи диссертационного исследования.

Во второй главе рассмотрены вопросы, посвященные разработке проблемно­ориентированной базы знаний принятия врачебных решений. В ходе произведенного анализа были разработаны следующие информационные модели: модель пациента, модель медико-лабораторных исследований, модель диагностических исследований, модель цифровой обработки рентгеновских снимков, модель принятия врачебных решений, модель ведения тактики лечения.

Знания об объекте пульмонологии предлагается систематизировать в виде продукционной базы знаний.

Разработанная информационная система обеспечивает: ввод, редактирование и хранение данных о современных медицинских препаратах; ввод, редактирование и хранение данных о пациентах; ввод, редактирование и хранение цифровых моделей рентгеновских снимков; диагностику легочного заболевания у пациента на основе соответствующих симптомов; просмотр истории болезни пациента; проверку эф­фективности назначенного метода лечения.

В работе также представлен алгоритм диагностики заболеваний легких на основе данных лабораторного анализа. Требуется оценка исследований мочи, крови, плевральной жидкости и биохимии. В результате возникает задача классификации, которая состоит в отнесении объекта, заданного вектором информативных признаков в виде результатов анализов, к одному из классов: «Необходимо лечение с помощью лекарственных препаратов» или «Медикаментозное лечение не требуется». Данную задачу можно решить за счет реализации нейронечетких моделей, относящихся к классу гибридных систем, построение которых осуществляется на базе нечеткой логики, нейронных сетей и генетического алгоритма. Для ее обучения необходимо учитывать большое количество параметров и накопительный объем информации, что приводит к усложнению построения модели.

Обучение гибридной нейронной сети происходило методом обратного распространения ошибки. Задача разработанной сети заключается в определении необходимости применения лекарственных препаратов.

Третья глава посвящена интеллектуализации процесса распознавания вида легочных патологий на основе данных биотехнической системы компьютерной томографии. Предложена сверточная нейросетевая модель процесса распознавания и алгоритм цифровой обработки снимков компьютерного томографа.

Сложность алгоритма заключается в том, что не существует универсального подхода для выбора типа и структуры нейронной сети. В рамках экспертной системы предлагается использовать сверточную нейронную сеть.

Искусственная нейронная сеть обучалась с помощью алгоритма обратного распространения ошибки [86], [87], [88]. В ходе исследования было выявлено, что рост числа нейронов в скрытом слое значительно увеличивает количество итераций, которые необходимы для обучения искусственной нейронной сети [89], [90].

Алгоритм сверточной нейронной сети Chexnet, который разработали ученые из Стэнфордского университета, локализует патологии, идентифицируя их с помощью карт активации класса, которые выделяют области на снимке наиболее важные для классификации конкретных патологий [68]. Возникла идея его адапта­ции под более современные рентгеновские снимки органов - снимки компьютерной томографии, которые получают с помощью сложного программно-технического комплекса, имеющего сверхчувствительные детекторы для регистрации рент­геновского излучения, рентгеновские излучатели, обширный пакет программного обеспечения, позволяющий получить снимки с высоким пространственным разре­шением.

За основу был взят алгоритм сверточной сети Densenet, глубина которого составляет 201 слой. В него были внесены изменения в виде применения функции активации ReLU (сокращение от англ. reetilied linear unit), которая позволяет

существенно ускорить процесс обучения и одновременно с этим значительно упростить вычисления (за счёт простоты самой функции). По состоянию на 2017 год эта функция и её модификации (Ne)isy ReLU, Leaky ReLU и другие) являются наиболее часто используемой функцией активации в глубоких нейросетях, в частности свёрточных.

Диагностика легочных заболеваний является задачей бинарной классификации рентгеновских снимков, где на вход подается изображение легких X, а на выходе бинарные значения Уe , которые указывают на отсутствие или

наличие заболевания соответственно.

Реструктурированная базовая сверточная нейронная сеть Densenet-201 представляет собой свернутую нейронную сеть на 201 слой, которая получает снимок ΚΤ легких и выводит вероятность легочного заболевания с тепловой картой, локализующей области изображения, наиболее показательные для пневмонии. Обу­чение сети происходило на современном наборе снимков SIMBA, который включа­ет в себя 20 000 документированных снимков, содержащих детальную

медицинскую информацию о каждом из них, в том числе описание заболевания с указанием очага на снимке. Использовались методы глубокого обучения и bateh погшаІі/аЇіоп для оптимизации разрабатываемой сверочной нейронной сети.

В результате модифицированный алгоритм был протестирован на снимках компьютерного томографа легочных долей человека. Обучение проводилось на обработанных изображениях разрешением 224 ?224 пикселей. Объем обучающей выборки составил 15000 изображений от 50 пациентов. Обучение нейронной сети производилось методом обратного распространения ошибки, заключающийся в повороте ядра на 180 градусов и скользящем процессе сканирования сверточной карты дельт с измененными краевыми эффектами. Искусственная нейронная сеть обучалась с помощью алгоритма обратного распространения ошибки. В ходе

исследования было выявлено, что рост числа нейронов в скрытом слое значительно увеличивает количество итераций, которые необходимы для обучения искусствен­ной нейронной сети. Однако результат работы алгоритма улучшается не значитель­но.

В результате работы нейронной сети получается обработанное изображение компьютерного томографа, на которое нанесена тепловая карта с зеле- ными/желтыми/красными оттенками, указывающими на положительный прогноз заболевания и синими/фиолетовыми - если заболевание на рассматриваемом участке снимка КТ не обнаружено.

В четвертой главе на основе предложенных алгоритмов и моделей разработано программное обеспечение процедур интеллектуализации принятия решений в рамках биотехнической системы диагностики и лечения пульмонологических заболеваний.

Для проверки и тестирования экспертной системы была использована база изображений одного из медицинских учреждений Воронежа.

Разработанное программное обеспечение в рамках биотехнической системы позволяет производить диагностику заболеваний легких на основе данных лабораторного анализа и компьютерного томографирования, а также уменьшает трудоемкость принятия эффективных терапевтических решений.

<< | >>
Источник: Васильченко Владислав Алексеевич. ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРОЦЕССОВ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ В РАМКАХ БИОТЕХНИЧЕСКОЙ СИСТЕМЫ ДИАГНОСТИКИ И ЛЕЧЕНИЯ ПУЛЬМОНОЛОГИЧЕСКИХ ЗАБОЛЕВАНИЙ. Диссертация на соискание ученой степени кандидата технических наук. Воронеж - 2019. 2019

Еще по теме ВВЕДЕНИЕ:

  1. Введение анестезирующего раствора в гематому
  2. ВВЕДЕНИЕ
  3. РЕЗУЛЬТАТЫ ЛЕЧЕНИЯ БАЗАЛЬНО-КЛЕТОЧНОГО РАКА КОЖИ МЕТОДОМ ФОТОДИНАМИЧЕСКОЙ ТЕРАПИИ С ИНТЕРСТИЦИАЛЬНЫМ ВВЕДЕНИЕМ ФОТОСЕНСИБИЛИЗАТОРА
  4. Транстубарное введение лекарственных веществ
  5. 4.3. ИНТРАОКУЛЯРНОЕ ВВЕДЕНИЕ ЖИДКОСТИ И ГАЗОВ.
  6. Введение зондового питания
  7. ВВЕДЕНИЕ
  8. Глава 1. ВВЕДЕНИЕ
  9. Модели на основе введения 6-гидроксидофамина
  10. 9.1. ВЫБОР ПРЕПАРАТА, ДОЗЫ И МЕТОДЫ ВВЕДЕНИЯ
- Акушерство и гинекология - Анатомия - Андрология - Биология - Болезни уха, горла и носа - Валеология - Ветеринария - Внутренние болезни - Военно-полевая медицина - Восстановительная медицина - Гастроэнтерология и гепатология - Гематология - Геронтология, гериатрия - Гигиена и санэпидконтроль - Дерматология - Диетология - Здравоохранение - Иммунология и аллергология - Интенсивная терапия, анестезиология и реанимация - Инфекционные заболевания - Информационные технологии в медицине - История медицины - Кардиология - Клинические методы диагностики - Кожные и венерические болезни - Комплементарная медицина - Лучевая диагностика, лучевая терапия - Маммология - Медицина катастроф - Медицинская паразитология - Медицинская этика - Медицинские приборы - Медицинское право - Наследственные болезни - Неврология и нейрохирургия - Нефрология - Онкология - Организация системы здравоохранения - Оториноларингология - Офтальмология - Патофизиология - Педиатрия - Приборы медицинского назначения - Психиатрия - Психология - Пульмонология - Стоматология - Судебная медицина - Токсикология - Травматология - Фармакология и фармацевтика - Физиология - Фтизиатрия - Хирургия - Эмбриология и гистология - Эпидемиология -