Неінвазивні оптико електронні прилади та системи діагностики мікроциркуляції периферійного кровообігу (стр. 4 из 8)
Розроблено математичну модель класифікації d-вимірних образів
по L класах 
(рис. 4), де належність Z класу 
визначається за максимумом функцій 
у системі дискримінантних функцій 
вигляду, (5)де
– вагові коефіцієнти і пороги класифікатора відповідно, 
, 
.Запропоновано структурну схема класифікатора, що містить аналізатор кодів спектра (АС), пристрій обчислення вектора ознак (ПОВО) та цифровий фільтр обчислення дискримінантних функцій, який, в свою чергу,складається з блоків вагових коефіцієнтів, суматорів зважених ознак образу і блока вибору максимуму дискримінантних функцій.
У даному випадку образи БС мають двовимірний характер, тобто ,(6)
де
– смуга частот; 
– частота максимуму спектра [8]. В результаті в АС виконується аналіз спектра 
дискретних частот 
виборок випадкового процесу 
, дискретизованого з періодом Т, де 
, 
, 
.У третьому розділі запропоновано принципи реалізаціїбіооко-процесорної оптико-електронної системи для комплексного діагностування периферійного кровонаповнення.Визначено її сутність і ряд ознак.
Визначення 1. Оптико-електронна біооко-процесорна система комплексного діагностування —проблемно-орієнтована експертна система з базами знань та системою логічного виводу і розвитку сучасного інтерфейсу,що реєструє інформацію у вигляді відбитого розсіювального світлового потоку та виділяє певні ознаки біооб'єкту та опрацьовує виділені ознаки і визначає рішення автоматично або за участю експерта.
Визначення 2.Сукупність виділених ознак характеризують такі складові:
1. Просторові - x,y,z, де z - глибина зорової сцени.
2. Розподіл інтенсивності світлового потоку І(r,s)(7)
де rζG, n - поверхневий вектор нормалi до ¶G, S (r,s) - це розподiл свiтла, що падає на ¶G, та R - це оператор вiдбиття.
3. Спектральна -
(визначає процеси проходження оптичного випромінювання у залежності коефіцієнта абсолютної передачі T та дифузного відбиття R)4. Теплова - Т (розподіл теплового випромінюванняв координатах x,y,z).
Визначення 3.Фрагментом зображення оптико-електронної біооко-процесорної системи комплексного діагностування є частина зображення розмірністю n x m, де nÎN, mÎM.
Визначення4. Фрагмент зображення характеризується спектром зв’язності W-зображенняде
- елемент зображення фрагменту з координатами i,j та зв’язністю n. Спектр зв’язності поточного зображення 
знаходиться в межах0£ £ 
.Визначення5. ОбразомF (aij) зображенняє підмножина точок aij, що приймають одиничне значення і мають міру зв'язності.
Запропоновано структуру біооко-процесорної оптико-електронної системи комплексного діагностування (Патент № 52616 UA),яку наведено на рис. 3.
Основними компонентами оптико-електронної системи (рис. 5) є блок 7 проектування зображень; оптичний затвор 8; фотоелектричний перетворювач 9, виконаний у вигляді матриці розміром M x M фотоприймальних комірок 10; перетворювач параметрів зображення в тривалості часових інтервалів 11; аналізатор інформації, що надійшла, 12; блок синтезатора-генератора ознак 13, виконаний у вигляді ієрархічного з'єднання N функціонально-інтегральних синтезаторів 14, з'єднаних між собою за допомогою ліній світлової волоконно-оптичної комутації; блок перекомутації 15; формувач ключової логіко-часової функції 16; блок динамічної пам'яті еталонних логіко-часових функцій із системою формування бази еталонних знань і вибору зразків еталонів 17; схема порівняння 18, аналізатор неспівпадання сигналів 19.
Біооко-процесорна оптико-електронна система для розпізнавання біомедичних зображень з виділенням ознак дозволяє функціонально інтегрувати довільну кількість різних логіко-часових величин, тобто синтезувати на виході функціонально-інтегральну ознаку Fл, виходячи з формули. Після оброблення інформації на виході одержують сукупність неявно виражених ознак, здатних докладно і достовірно описувати аналізоване зображення. Ці дії пропонується виразити за допомогою формули (Патент № 2178915 РФ) (8)
де Fл- приведена інтегрована кількісно-якісна логіко-часова функція;
– оператор узагальненого інтегрування отриманого кількісного результату паралельних вхідних змінних з ознаками фізичних розмірностей і виділених неявно виражених ознак;n - кількість входів; аі- інформація на і-ому вході; 
– оператор впливу ознак на вихідну функцію і один на одного; m – кількість синтезованих ознак; pj – змінна, що характеризує фізичний зміст ознаки зображення.Запропоновано архітектуру побудови оптико-електронної системи для діагностики периферійного кровонаповнення (рис. 6), що містить з’єднані послідовно генератор імпульсів 1 та джерело світла 2, три перетворювача 3-5, три інтегруючих підсилювача 6-8, входи яких з’єднані відповідно з виходами перетворювачів 3-5, обчислювач 9, який містить з’єднані послідовно мультиплексор 10, аналогово-цифровий перетворювач 11, процесор 12.
У четвертому розділі розглянуто основні етапи оброблення фотоплетизмографічних сигналів, а також основні методи оброблення біосигналів. Для більш повного використання апріорної інформації про характер вимірювальних сигналів запропоновано використання різних методів фільтрації(метод найменших квадратів,медіанна фільтрація).
Основними етапами оброблення у часовій зоні для біосигналів, форма яких має деяку стійку структуру, є: фільтрація; кускова апроксимація; сегментація за часовими властивостями сигналів; виділення характерних точок сигналу (екстремумів, точок перегину, точок перетину базової лінії та ін.); обчислення за характерними точками різноманітних похідних параметрів, в тому числі й ознак форми; статистичний аналіз послідовності класифікованих фрагментів; структурний аналіз.
Фільтрування проводиться за рахунок використання наближення по методу найменших квадратів. Цей алгоритм реалізує нерекурсивний фільтр нижніх частот шляхом апроксимації значень відліків у вхідній послідовності за допомогою параболічного степеневого ряду (9)
де p (nT + kT) – значенняпараболи для кожногозп’ятизначень k (-2, -1,0,1,2).
Змінні s0 (nT), s1 (nT) та s2 (nT) треба визначити для наближення параболою кожної з п’яти вхідних точок даних.
Наближення досягається шляхом знаходження параболи (коефіцієнтів s0, s1 та s2), яка найкращим чином апроксимує п’ять точок даних, що оцінюється за найменшою квадратичною похибкою. Ця похибка є.(10)
Як підсумок можна записати систему рівнянь: (11)
Для підвищення достовірності оброблення фотоплетизмографічних сигналів в розроблених не інвазивних оптико-електронних системах та приладах використовувався метод фільтраціїі з застосуванням таких виразів: (12), (13)
Враховуючи той факт, що під час проведення клінічних досліджень доволі часто потрібно використовувати не тільки чіткі цифрові критерії, але й певні лінгвістичні характеристики змін показників (термів), проводився аналіз частини з них за допомогою математичного апарату нечіткої логіки. Вперше отримано математичні моделі діагностики гемодинамічних показників, які враховують порушення периферійного кровообігу в хребетно-рухомих сегментах у відповідності з експертною базою даних, яку представлено у вигляді нейромережі (рис. 7), що дозволяє діагностувати стан як периферійних судин, так і окремих органів організму людини шляхом оброблення фотоплетизмографічної інформації.
Застосування математичного апарату нечіткої логіки може бути важливим у випадках необхідності визначення ймовірності взаємозв’язку патологічних станів, які мають різні клінічні характеристики. Для прикладу, нижче наведено дослідження імовірності виникнення захворювань серця при патології сегментів шийного і грудного відділів хребта. Ступінь порушень у хребтових сегментах записано з правого (П) і лівого (Л) боку за допомогою коефіцієнтів симетрії мікроциркуляторних процесів по відношенню до еталона. Необхідно зазначити, що величини коефіцієнта симетрії 0,85 – 1,0 відповідають нормальній мікроциркуляції, а коефіцієнт 0,25 – 0,1 вказує на значні патологічні зміни показників гемодинаміки в хребтових сегментах.