Комп’ютерні технології у дослідженні та діагностиці патологій органів дихання
Публікаційна активність
Наступний номер на сайті
Комп'ютерні технології у дослідженні та діагностиці патологій органів дихання
У сучасній медицині вдосконалення методів діагностики складає основі застосування комп'ютерних технологій. Традиційним підходом є оцифрування електрофізіологічних сигналів біооб'єкта з подальшим обробленням даних за допомогою різних статистичних методів. Діагностика захворювань органів дихання, як та інших фізіологічних систем, спирається на дані інструментальних досліджень, які на етапі поділяються на дві групи.
Функціональні дослідження органів дихання виконуються за допомогою акустичних методів та пристроїв. Це менш численна група технічних засобів, проте до неї входять найпоширеніші в медичній практиці вимірювальні засоби: фонендоскопи, стетоскопи та стетофонендоскопи. Лікар, вислуховуючи слабкий акустичний сигнал, здійснює уявне порівняння його з деякими звуками, характерними для окремих патологій, і приймає рішення про близькість сигналу, що сприймається, до одного з класів. Точність вирішення зазначених завдань залежить від індивідуальних характеристик слуху лікаря, а також від його досвіду та особистої бази даних з акустичними прикладами прецедентів різних бронхо-легеневих патологій. Відсутність у традиційного фонендоскопа засобів реєстрації дихального сигналу (ДС) на зовнішньому носії створювало об'єктивні труднощі як щодо оцінки якості отриманих ДС, і у точності їх інтерпретацій. З появою електронного фонендоскопа, а також різних реалізацій цифрових каналів реєстрації ДС на базі стаціонарних персональних комп'ютерів, ця проблема відійшла в минуле.
наНа сучасному етапі стає актуальним завдання автоматизації комплексного аналізу результатів візуальних та функціональних досліджень органів дихання. Одним із варіантів її вирішення може стати система підтримки прийняття діагностичного рішення, яка є спеціалізованим АРМ лікарем-пульмонологом. До складу АРМ входять підсистеми досліджень та діагностики патологій органів дихання. Підсистема досліджень може бути інтегрована із рентгенологічними апаратно-програмними комплексами. До її складу входять модуль первинного аналізу графічних об'єктів (рентгенологічних знімків) та модуль аналізу дихальних сигналів. Вибір відповідних файлів здійснюється із записів бази даних з історіями хвороб. В результаті роботи цих модулів виділяються безлічі характеристик, які дозволяють сформувати опис стану пацієнта у вигляді двох наборів первинних ознак. Залежно від джерела отримання (зображення або акустичний сигнал) відповідний набір ознак зберігається в базах даних графічних зображень або дихальних сигналів. За допомогою модуля лінгвістичного інтерпретатора для лікаря формуються вербальні описи симптомів, виявлених за знімками та записами дихальних сигналів.
У діагностичній підсистемі, що включає модулі нечіткого та детермінованого логічного висновку та бази знань діагнозів та моделей захворювань, формується діагностичний висновок про стан органів дихання.
Розробка цієї програмної системи пов'язана з використанням спеціальних моделей та алгоритмів обробки графічної та акустичної інформації. В даний час питання аналізу плоских зображень досить добре опрацьовані, проте завдання автоматичного аналізу слабких акустичних низькочастотних сигналів вирішеноне повністю. Відсутні надійні ознаки, що дозволяють розділяти класи норм та патологій. Вдалі рішення у цій галузі можуть призвести до створення нових методик дослідження органів дихання та автоматичної оцінки діагностичних ознак.
Завдання автоматичного комп'ютерного аналізу дихальних шумів досить обговорюється у літературі. Всі запропоновані способи можна розділити на дві групи: рішення, що стосуються обробки єдиного сигналу, що представляє фрагмент тимчасового ряду, зареєстрованого в одній точці аускультації, та методики, орієнтовані на обробку двох і більше сигналів, які реєструються паралельно різних точках корпусу пацієнта.
Як показали дослідження, застосування методів аналізу часових рядів для єдиного ДС дозволяє досить просто вирішувати основне завдання – поділ класів норми та патології. Для вирішення цього завдання проведено експерименти з реєстрації ДС у 85 пацієнтів. Створено дві колекції звукових зразків: “Норма” із зразками ДС, зареєстрованими у пацієнтів із органами дихання без патологій, “Зміни дихання” із зразками ДС, зареєстрованими у пацієнтів із різними захворюваннями органів дихання.
Підготовка колекції до математичного аналізу здійснювалася на основі спеціальної методики вирівнювання зразків, яка включала 5 послідовних кроків: нормалізація зразка ДС, оцінка спектральної густини сигналу, виділення верхньої межі фільтрації, фільтрація шуму, виділення ділянки фіксованої довжини без сторонніх шумів. Довжина ділянки ДС є фіксованою константою всім записів. Сформована змішана вибірка включала 45 зразків “Норма” та 40 записів із класу “Зміни дихання”. Враховуючи, що низка характеристик ДС залежить від точки аускультації, кожназ вибірок розбита на дві (реєстрація здійснювалася на спині та на грудях пацієнта відповідно до типових точок).
У ході вислуховування пацієнта лікар зазвичай оцінює ряд характеристик: інтенсивність ДС, співвідношення фаз дихання (вдиху та видиху), величину ділянок розслаблення, локалізацію та характер дихальних шумів, характер дихання тощо.
Проведені дослідження показують, що побудова ознак, що розділяють, на основі лише інтервальних оцінок частотних діапазонів з окремими видами дихальних шумів не дасть впевненого вирішення завдання поділу класів. Вирішення зазначеної задачі можна отримати на основі досліджень характеристик інтенсивного ДС та співвідношення фаз дихання, які можна виконати за допомогою програмного комплексу АДС (“Аналіз дихальних сигналів”), розробленого у Тверському державному технічному університеті. Комплекс АДС входить до складу АРМ лікаря-пульмонолога та дозволяє здійснювати:
-
- попередню обробку (фільтрацію високих та низьких частот, посилення та нормалізацію ДС);
- Висновок графіка динамічного процесу зміни інтенсивності ДС у часі (див. рис.);
- Розрахунок енергетичного спектру та формування його графіка;
- оцінки довжини розрахункового вікна (L) та набору інтегральних характеристик (ІнХ);
- Формування графіків зміни елементів множини ІнХ.
До складу множини ІнХ включені такі показники: . Всі елементи ІнХ оцінюються по множині точок відповідного часового ряду (ВР), що виділяється за допомогою так званого розрахункового вікна (L). Ліва межа вікна поєднувалася з початком ВР, а права встановлювалася відповідно до настроювального параметра. За допомогою виділених точок ВР були оцінкиосновні статистичні характеристики, потім вікно переміщалося вправо на довжину L так, що його нова ліва межа збігалася зі старою правою кордоном, і операції повторювалися.
Проведені дослідження показали, що на основі елементів ІнХ можна побудувати набір ознак, які дозволяють здійснювати автоматичне виділення меж та параметрів дихального циклу, а також здійснювати ідентифікацію таких характеристик дихання як час найбільшої затримки. Як видно з малюнка, характер тимчасового ряду, що ілюструє зміну інтенсивності ДС на тимчасовому інтервалі, збігається з характером зміни ознаки, що обчислюється.
Отримані результати дозволили сформулювати продукційні правила автоматичної діагностики порушень параметрів дихального циклу, які можуть бути покладені в основу алгоритму автоматичної діагностики патологій органів дихання. Створений алгоритм аналізу ДС дозволяє відокремлювати записи із нормальним диханням від записів шумів за наявності різних патологій органів дихання. Помилка у розпізнаванні становить трохи більше 10%.