| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Главная страница » Энциклопедия строителя содержание: [стр.Введение] [стр.1] [стр.2] [стр.3] страница - 2 алгоритмов распознавания Предлагаемый спектральный подход классификации данных МЭГ протестирован на клинических записях, содержащих аномальную активности, связанную с болезнью Паркинсона. В качестве обучающей выборки использовались записи МЭГ, в моменты времени которых, присутствовала патология. Выбор записей производился на основе визуального анализа и с использованием контрольных записей миограмм (кривых тремора, снимаемых с конечностей испытуемого пациента). Также формировалась выборка записей, в которой спонтанная аномальная активность отсутствовала. -500 h -100Q- -160* T900G 79900 »000 Рис. 1 61004 На рис. 1 приводится записи МЭГ по одному каналу на некотором временном отрезке, точка 1 - соответствует паркинсонической активности, точка 2 - сигналу в норме. Вдоль оси абсцисс -время, ординат - значение МИ. Для исключения влияния изменений значения модуля магнитной индукции на картину распределения МИ по поверхности черепной коробки проводилась нормализация записей масштабированием. Заключающаяся в приведении всех значений МИ в каналах записей МЭГ к усредненному абсолютному значению по каналам. Нормализованные значения МИ BJorm (ti) в каналах записи определяются выражением: -и jorm \ г /\ г/ (18) _ k=0 где - B1 (ti) исходные значения МИ в канале J в момент времени t. В дальнейшем изложении все операции с сигналами будут проводиться в нормализованном представлении и индекс norm будет опускаться. Для нормализованных данных далее осуществлялась процедура идентификации всех имеющихся записей на принадлежность их к классу записей с патологической активностью. При этом использовались спектральные признаки пространственного распределения МЭГ с учетом предложенных выше (выражения (15) - (18)) критериев информативности. Контроль результатов классификации производился на основе прямого сопоставления абсолютных значений функции МИ с набором эталонных распределений в обучающей выборке. Формально принадлежность сигнала заданному классу определялась неравенством: 147 YI B1 -BJt,i I< Ast,(19) J=0 для всех i , где i - номер записи Bs t,i обучающей выборке, B - оцениваемое распределение МИ. 147 147 a ^ = max YIbik - bJM I,-(20) st - max y ^Jt,k BJt,i k ,1 J=0 "диаметр" обучающей выборки. Для рассматриваемых данных объем обучающей выборки эталонных распознаваний МИ с патологической активностью составлял 20 записей BJt k, i — k — 20,0 - J — 147 - номер канала. При исследовании реальных данных пациента с диагнозом болезни Паркинсона составляющих около (300000) записей МЭГ, длительностью сеанса 10 минут было выявлено 19651 моментов времени удовлетворяющих условию (19) и принадлежащих классу сигналов с патологической активностью. Далее осуществлялась процедура разложения сигнала МИ по базису сферических функций, результатом которого явился массив сферических гармоник. Гармоники для 20 записей из пар выборок с присутствием активности и в ее отсутствии представлены на рис. 2 и представляет собой косинус Фурье - разложение функции распределения магнитного поля по поверхности головы. Значок стрелка определяет гармоники для записей МЭГ с наличием активности, ромб -при отсутствии спонтанной активности, вдоль оси ординат отложен номер гармоники, а вдоль оси абсцисс - значение гармоники. Щ-!-[-\-1 -12QQ_I_1_I_I 0£Ю16 N 2D Рис. 2 Следующим этапом явилась непосредственно процедура спектральной классификации записей МЭГ на основе прецедентной информации, содержащейся в обучающей выборке. В качестве правил, классифицирующих записи МЭГ, были использованы, как было указано выше, несколько вариантов. На рис. 3 и 4 представлен результат классификации записей. Когда классифицирующим условием принадлежности записей одной группе было число случаев совпадения гармоник в обучающей и анализируемой выборках в пределах некоторой заданной погрешности. При этом число совпадений должно превышать некоторую пороговую величину (16). Вдоль оси ординат представлены номера каналов, по оси абсцисс - значения МИ в этих каналах. О 20 40 « М 1» 120 140 Рис. 3 На рис. 4 показана валидность V данного метода выбора классифицирующих признаков в зависимости от задаваемой погрешности а при фиксированной пороговой величине L и на рис. 5 зависимость от L при фиксированной погрешности а. Пороговая величина L и погрешность а залдаются выражением (16). Валидность V определяется отношением числа правильно распознанных распределений МИ к общему числу записей найденных алгоритмом. Рис. 4
Рис. 5 На рисунке 6 представлен результат классификации записей по заранее выбранным наиболее информативным гармоникам. Процедура основана на том, что предварительно выделенные наиболее представительные признаки должны лежать в пределах заданного интервала среднего значения признака для обучающей выборки. Наиболее информативный признак также должен удовлетворять условию максимальности отношения среднего значения к дисперсии (14). Рис. 6 На рис. 7 представлена валидность V метода в зависимости от числа используемых процедурой признаков N из общего числа информативных гармоник (см. (15). содержание: [стр.Введение] [стр.1] [стр.2] [стр.3] |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
© ЗАО "ЛэндМэн" |