Бесплатный автореферат и диссертация по биологии на тему

Интеллектуальная система исследования свойств сенсорного внимания для решения задач прогнозирования и ранней диагностики психосоматических заболеваний

ВАК РФ 03.01.09, Математическая биология, биоинформатика

Автореферат диссертации по теме "Интеллектуальная система исследования свойств сенсорного внимания для решения задач прогнозирования и ранней диагностики психосоматических заболеваний"

На правах рукописи

005061835

Конева Лариса Викторовна

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА ИССЛЕДОВАНИЯ СВОЙСТВ СЕНСОРНОГО ВНИМАНИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ И РАННЕЙ ДИАГНОСТИКИ ПСИХОСОМАТИЧЕСКИХ ЗАБОЛЕВАНИЙ

Специальность 03.01.09 - Математическая биология, биоинформатика

(медицинские науки)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата медицинских наук

Курск-2013

13 |,,лн 2013

005061835

Работа выполнена в Юго-Западном государственном университете на кафедре биомедицинской инженерии

Научный руководитель: доктор медицинских наук

Новиков Алексей Викторович

Официальные оппоненты: Шульга Леонид Васильевич

доктор медицинских наук, профессор, Юго-Западный государственный университет, профессор кафедры охраны труда и окружающей среды

Березников Александр Игоревич, кандидат медицинских наук, Курский государственный медицинский университет, ассистент кафедры офтальмологии

Ведущая организация: Белгородский государственный национальный исследовательский университет

Защита диссертации состоится «21» июня 2013 года в 15 часов на заседании диссертационного совета Д 212.105.08 при Юго-Западном государственном университете по адресу: 305040, г. Курск, ул. 50 лет Октября, 94 (конференц-зал).

С диссертацией можно ознакомиться в библиотеке Юго-Западного государственного университета

Автореферат разослан <г20» мая 2013 г.

Ученый секретарь диссертационного совета Д 212.105.08

Снопков Владимир Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Одной из важных проблем современного здравоохранения является повышение качества обслуживания населения, включая пациентов, страдающих такими социально значимыми заболеваниями, как психосоматические.

Значительного снижения риска этого класса заболеваний можно достичь посредством организации профилактических мероприятий с охватом широких слоев населения. Важнейшей составляющей профилактической работы является прогнозирование и ранняя диагностика исследуемого класса заболеваний, позволяющая формировать рациональные схемы лечебно-оздоровительных мероприятий.

Одним из основных требований к организации массовых обследований населения является высокая пропускная способность кабинетов и минимизация затрат на обследование при приемлемой точности принятия медицинских решений.

Многочисленные исследования показали, что удовлетворение перечисленных противоречивых требований может быть достигнуто при использовании современных информационных и интеллектуальных технологий, использующих адекватный математический аппарат моделирования процессов принятия решений.

Анализ литературных данных и собственные исследования позволяют сделать вывод о том, что достаточно надежным индикатором возможности появления и развития психосоматических заболеваний являются нарушения в работе сенсорных систем человека, в частности, его сенсорного внимания. Однако эти исследования носят предварительный характер и не доведены до практической реализации в виде интеллектуальных систем поддержки принятия решений врачей-специалистов, что не позволяет их использовать в клинической медицине.

Таким образом, актуальность данного исследования заключается в необходимости повышения качества прогнозирования и ранней диагностики психосоматических заболеваний путем использования в качестве одного из ведущих предикторов психосоматических заболеваний показателей сенсорного внимания человека с привлечением современных математических методов, информационных и интеллектуальных технологий.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы (государственный контракт № П705 от 12 августа 2009 г., номер госрегистрации 01200962672) по проблеме «Прогнозирование функционального состояния сердечно-сосудистой системы человека на основе многомерного спектрального анализа данных мониторинга акустических и электрофизиологических процессов жизнедеятельности, осуществляемого посредством микроминиатюрных датчиков и мобильных средств связи» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка методов и математических моделей, повышающих эффективность процессов принятия решений при прогнозировании и ранней диагностике психосоматических заболеваний, основанных на компьютерном анализа свойств сенсорного внимания.

Для достижения поставленной цели в работе решаются следующие задачи:

- исследование взаимосвязи показателей внимания с различными системами и психофизиологическими свойствами организма, позволяющей обосновать использование этих показателей для прогнозирования и ранней диагностики психосоматических заболеваний;

- формирование совокупности факторов риска, учитывающих свойства сенсорного внимания, предназначенной для прогнозирования и ранней диагностики психосоматических заболеваний, и выбор метода синтеза решающих правил для диагностики и профилактики этих заболеваний в сформированном пространстве информативных признаков;

- получение гибридных нечетких математических моделей прогнозирования и ранней диагностики психосоматических заболеваний на примерах патологии сердечнососудистой системы и желудочно-кишечного тракта;

- разработка информационного и алгоритмического обеспечения интеллектуальной системы поддержки принятия решений, ориентированной на решение выбранного класса задач;

- анализ эффективности применения предложенных методов и средств в клинических условиях с использованием аппарата математической статистики и теории распознавания образов и разработка рекомендаций по их практическому применению.

Объект исследования. Пациенты, нуждающиеся в диагностике и лечении психосоматических заболеваний.

Предмет исследования. Методы, модели и алгоритмы прогнозирования и ранней диагностики психосоматических заболеваний.

Методы исследований. В работе использовались методы теории биотехнических систем медицинского назначения, системного анализа, математической статистики, теории нечетких нейронных сетей и распознавания образов, основ физиологии и рефлексологии, методы экспертного оценивания и клинико-лабораторные исследования.

Содержание диссертации соответствует п. 8 - «Математические модели, численные методы и программные средства применительно к процессам получения, накопления, обработки и систематизации биологических и медицинских данных и знаний», п. 10 - «Интеллектуальные системы анализа и прогнозирования свойств биологических объектов на основе специализированных баз и банков данных и знаний (в т.ч. полнотекстовых)» и п. 12 - «Решение задач медицинской диагностики, прогнозирования исходов заболеваний, оценки эффективности медицинских вмешательств и технологий с помощью математического аппарата и вычислительных алгоритмов» паспорта специальности 03.01.09 - Математическая биология, биоинформатика (медицинские науки).

Научная новизна результатов работы:

математические модели взаимосвязи показателей внимания человека с его психофизиологическими характеристиками, отличающиеся учетом многофакторного нелинейного характера взаимодействия систем и подсистем организма, позволяющие исследовать информативность выбранных показателей по отношению к психосоматическим заболеваниям;

математические модели принятия решений по прогнозированию выбранного класса заболеваний, отличающиеся тем, что задача прогнозирования рассматривается как задача классификации с оценкой уверенности перехода из класса здоровых людей в класс больных психосоматическими заболеваниями, позволяющие обеспечивать требуемое качество прогнозирования при приемлемых временных и аппаратных затратах;

математические модели ранней диагностики заболеваний, отличающиеся комбинированным использованием функций принадлежности к исследуемым классам состояний в сочетании с итерационными правилами нечеткого вывода и позволяющие обеспечивать высокую степень уверенности в принимаемых решениях в условиях неполного и нечеткого представления исходных данных;

- информационно-алгоритмическое обеспечение интеллектуальной системы врача, поддерживающей решение задач прогнозирования и ранней диагностики больных, страдающих психосоматическими заболеваниями, позволяющей учитывать индивидуальные особенности организма человека и формировать научно обоснованные схемы рационального ведения пациентов с исследуемым классом заболеваний.

Практическая значимость н результаты внедрення. Разработанные математические модели и алгоритмы составили основу построения интеллектуальной системы поддержки принятия решений врача, использование которой в медицинской практике позволяет повысить качество прогнозирования и ранней диагностики психосоматических заболеваний и сформировать рациональные схемы ведения пациентов с исследуемой патологией.

Результаты работы внедрены в учебный процесс Юго-Западного государственного университета при подготовке специалистов 200402 «Инженерное дело в медико-биологической практике» (дисциплина «Автоматизация обработки экспериментальных данных») и используются в клинической практике Муниципального учреждения здравоохранения городской клинической больницы скорой медицинской помощи г. Курска, что подтверждено соответствующими актами.

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 11 Международных, Всероссийских и региональных конференциях и симпозиумах: «Механизмы интеграции функций в норме и при психосоматических расстройствах» (Курск 2005), «Закономерности интеграции физиологических функций в норме и их дезин-

теграции в патологии» (Курск 2007), «Потенциал личности: комплексная проблема» (Тамбов 2007), научной конференции молодых учёных - медиков (Курск 2008), сессии Центрально - Чернозёмного научного центра РАМН (Курск 2008), «Дружининские чтения» (Сочи 2008), «Потенциал личности: комплексная проблема» (Тамбов 2008), «Физиология адаптации» (Волгоград 2008), конференции молодых учёных (Воронеж 2009), «Инновационные медицинские технологии» (Москва 2013), «Актуальные вопросы в научной работе и образовательной деятельности» (Тамбов 2013), докладывались на научно-технических семинарах кафедры биомедицинской инженерии Юго-Западного государственного университета (Курск 2011 - 2013 гг.).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 18 печатных работ, в том числе 5 статей в рецензируемых научных журналах.

Личный вклад автора. Все выносимые на защиту научные положения разработаны соискателем лично. В научных работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1, 11, 16] соискателем предложены математические модели прогнозирования психосоматических заболеваний, использующие показатели состояния внимания; в [7, 8, 9, 12, 13, 14, 17] автором исследованы модели влияния и характеристики связи показателей сенсорного внимания и вегетативной нервной системы; в [2, 3] соискатель предложил информационно-алгоритмическое обеспечение для интеллектуальной системы оценки уровня психоэмоционального напряжения по показателям внимания человека; в [4, 5, 10, 11, 15] автор предложил способы контроля психоэмоционального и поведенческого статуса человека по предикторам свойств внимания.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 134 отечественных и 11 зарубежных наименований. Работа изложена на 151 странице машинописного текста, содержит 30 рисунков и 35 таблиц.

Основные положения, выносимые на защиту

1. Статистические модели, связывающие показатели зрительного внимания с показателями вегетативной активности организма.

2. Гибридные математические модели, предназначенные для формирования интеллектуальных систем поддержки принятия решений по прогнозированию и ранней диагностике психосоматических заболеваний.

3. Информационно-алгоритмическое обеспечение интеллектуальной системы по поддержке решений по прогнозированию и ранней диагностики психосоматических заболеваний.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цели и задачи работы, ее научная новизна и практическая значимость, выбраны методы исследования, сформулированы задачи исследования, приведены сведения об апробации, внедрении результатов работы и публикациях.

В первой главе на основе обзора литературы проанализированы современные подходы к решению задач прогнозирования состояния здоровья человека, включая оценки рисков психосоматических заболеваний с учетом параметров сенсорного внимания, показано, что улучшение качества решения выбранного класса задач можно достичь, используя современные информационные технологии и методологию системного анализа, включая нечеткую логику принятия решений. Обоснован выбор соответствующего математического аппарата.

Показано, что свойства внимания могут характеризовать психическое и психофизиологическое состояние в целом и могут быть использованы как индикаторы при решении задач прогнозирования и ранней диагностики психосоматических заболеваний. Проанализированы различные методические и технические средства, используемые для оценки параметров внимания, и обоснован выбор соответствующих технических средств для использования в диссертационном исследовании. Рассмотрены вопросы математического обеспечения для выбранных в работе задач. В заключении главы определены цель и основные задачи исследования.

Во второй главе исследуются взаимосвязи показателей внимания с различными психофизиологическими свойствами организма с помощью методов математической статистики, корреляционного, спектрального и факторного анализа, теории распознавания образов и нечеткой логики принятия решений.

В результате проведенных исследований были изучены структура и факторы, определяющие показатели сенсорного внимания человека, и получены математические модели взаимосвязи характеристик зрительного внимания с электрокартикальной активностью центральной нервной системы, с вегетативной активацией, психоэмоцианальным напряжением и утомлением.

Результаты факторного анализа данных комплексного исследования свойств произвольного зрительного внимания студентов медуниверситета представлены в таб. 1.

Эксперимент показал, что показатели изученных свойств зрительного внимания определяются тремя ортогональными факторами. Первый фактор включает с равными нагрузками объем и распределяемость внимания. Второй фактор включил концентрированность (-0,76) и устойчивость (0,75) внимания. Фактор отражает способность ограничивать сенсорный вход, подавляя иррелевантный фон и сосредотачиваясь на релевантной для психической деятельности информации (концентрированность). Третий фактор включал переключаемость внимания, т.е. отражал степень гибкости - ригидности в изменениях по ходу деятельности направленности сенсорных входов.

Таблица 1

Результаты факторного анализа показателей свойств произвольного

Свойства внимания Факторы

I II III

Переключаемость -0,01 0,00 0,93

Концентрированность -0,00 -0,76 -0,28

Устойчивость 0,07 0,75 -0,29

Объем 0,86 0,04 -0,06

Распределяемость 0,86 0,03 0,04

Ехр1.Уаг 1,47 1,14 1,03

Ргр. ТоП 0,29 0,23 0,21

Примечание: Фактор I - механизм контроля широты сенсорного входа; Фактор II -отражает способность ограничивать сенсорный вход; Фактор III - отражает степень гибкости - ригидности в изменениях по ходу деятельности направленности сенсорных входов.

Раздельный факторный анализ свойств произвольного зрительного внимания мужчин и женщин принёс однотипные результаты в обеих группах.

Таким образом, факторный анализ показал, что различные свойства зрительного внимания выполняют различные функции контроля текущей деятельности и связаны с различными механизмами (факторами). Выделялись факторы, контролирующие: 1) широту сенсорного входа (объем, рас-пределяемость); 2) ограничение сенсорного входа (концентрированность) и связанный с ним показатель стабильности функционирования данного механизма (устойчивость); 3) гибкость изменений направленности сенсорного входа.

Оценка вегетативной активации в данной работе осуществлялась на основе комплексного изучения ряда физиологических систем. Исследовались регуляции сердечного ритма (кардиоинтервалография), центральной гемодинамики (интегральная реография тела), мозгового кровообращения (реоэнцефалография). На первом этапе нами был проведён корреляционный анализ полученных данных по Спирмену.

Полученные результаты корреляционного анализа оказались малоинформативными, и не позволили чётко определить зависимости выраженности свойств внимания от степени выраженности активации вегетативной нервной системы. Для этой цели наиболее эффективным оказалось использовать вариант дисперсионного анализа с опорой на непараметрический, двухвыборочный Р — критерий Фишера.

Анализ полученных результатов, фрагмент которых представлен в табл.2, свидетельствует о том, что контрастные градации произвольного зрительного внимания (высокая - низкая) оказывают достоверное влияние на дисперсии целого ряда показателей вегетативной активации. При этом высокие — низкие значения свойств произвольного внимания проявлялись на фо-

не разных паттернов (сочетаний, композиций) показателей вегетативной активации.

Таблица 2

Показатели кардиоинтервалографии при контрастных характеристиках

свойств произвольного зрительного внимания

КИГР Свойства внимания

Устойчивость Концентрированность Переключаемость

Высокая Низкая Низкая Высокая Высокая Низкая

чсс Среднее 76,60 67,78 70,73 70,47 72,46 76,88

Дисперсия 226,71 117,44 40,62 113,76 124,27 240,70

Р 1,93 0,36* 0,52

ИН Среднее 212,62 80,92 136,44 173,19 111,58 266,38

Дисперсия 86892,11 2759,83 16149,86 75434,40 10914,75 147502,00

р 31,48*** 0,21** 0,07***

Total Среднее 847,20 1570,33 1155,18 1231,24 1050,00 768,50

Дисперсия 288533,96 2387865,25 953740,36 1443844,19 603560,83 384816,29

р 0,12*** 0,66 1,57

VLF Среднее 282,50 475,33 361,73 443,53 283,54 240,38

Дисперсия 39234,28 272696,00 109129,62 638903,14 57762,94 33627,13

р 0,14*** 0,17*** 1,72

LF Среднее 237,50 465,00 350,00 336,71 387,62 275,75

Дисперсия 22508,06 212301,00 41060,40 75936,35 79552,42 65491,93

р 0,11*** 0,54 1,21

HF Среднее 327,40 630,00 443,27 451,06 378,62 252,13

Дисперсия 111133,82 679192,75 353536,82 253154,31 127820,26 79778,98

р 0,16** 1,40 1,60

LF/HF Среднее 1,27 1,25 2,47 1,50 2,27 1,43

Дисперсия 0,56 1,16 11,92 2,80 9,54 1,60

р 0,48 4,26** 5,97**

Примечание: п=118 *р<0,05; **р<0,01;*** р<0,001; ИН — индекс напряжения ре-гуляторных систем (стресс индекс); Total — мощность колебаний RR интервалов; VLF — мощность очень медленных колебаний RR интервалов; LF — мощность медленных колебаний RR интервалов; HF — мощность быстрых колебаний RR интервалов; LF/HF (степень централизации) — баланс симпатических и парасимпатических влияний.

Оценка психоэмоционального напряжения (ПЭН) (класс со,,) и утомления (класс й)у) по показателям внимания осуществлялась в двумерном пространстве Ф = У, х У2, где У, = X¡ + Х2;

Y2 = Х3; Хх = ПВ- ПВ0; Х2=КВ- КВ0; ХЪ=УВ- УВ0\ ПВ, KB и УВ - текущие значения показателей переключаемости, концентрированное™ и устойчивости внимания; ПВ0, КВ0, УВ0 - значения показателей ПВ, KB и УВ, измеренные в состоянии спокойного бодрствования.

По двум координатам текущий уровень ПЭН определяется выражением:

YPT = min|Y//(y¡), YH(Y2)], (1)

где YH{YX) и YH(Y2) - эмпирические функциональные зависимости (функции принадлежности) уровня ПЭН от Y1 и Y2.

Для оценки длительного уровня ПЭН была введена дополнительная временная функция вида:

0, если X < 1 год;

0,8, если лет,

где / - длительность стабильного ПЭН по наблюдению обследуемого уточненного экспериментатором в ходе собеседования.

С учетом УРВ(() уровень длительного ПЭН определяется выражением:

Таким образом, в ходе проведенных исследований было установлено, что по показателям переключаемости, концентрированное™ и устойчивости внимания надёжно определяются уровни психоэмоционального напряжения и утомления, что позволяет получить количественные характеристики информативных признаков для решения задач прогнозирования и ранней диагностики психосоматических заболеваний.

В третьей главе производится обоснование выбора математического аппарата исследований и синтез комбинированных нечетких решающих правил для прогнозирования и ранней диагностики психосоматических заболеваний.

В задачах прогнозирования возникновения психосоматических заболеваний выделялись пары классов: заболевание I наступит через фиксированное время Т0 (класс т(); через время Т0 заболевание ( не возникает (класс

ы0). Исследовались два типа заболеваний ((. = с,ж): со" - прогноз по заболеванию сердечно - сосудистой системы (ССС); прогноз по заболеванию желудочно-кишечного тракта (ЖКТ). В качестве прогностических моделей ССС исследовались прогностические модели ишемической болезни сердца (ИБС). В качестве прогностических моделей заболеваний ЖКТ исследовались прогностические модели язвенной болезни желудка (ЯБЖ).

В задачах ранней диагностики выделяются классы: соа- класс людей, не имеющие заболеваний сердечнососудистой системы и (или) желудочно-кишечного тракта; сорс- класс пациентов с ранней стадией заболеваний ССС, а/ж - класс пациентов с ранней стадией заболевания ЖКТ. В качестве моделей ранней диагностики ССС исследовались модели, диагностирующие стенокардию напряжения. В качестве моделей ранней диагностики ЖКТ исследовались модели, диагностирующие ЯБЖ.

1ЗД =

1,6(/ - I)2/16, если 1год ^ I <2,5 года; 0,8 —1,6(/ - 5)2 /16, если 2,5года 2 I <5 лет;

(2)

(3)

(4)

В качестве информативных признаков использовались показатели, характеризующие состояние зрительного внимания; признаки, традиционно используемые в медицинской практике, получаемые методами опроса, осмотра и общепринятыми лабораторными исследованиями; показатели, характеризующие энергетическое состояние биологически активных точек, связанных с ССС и ЖКТ.

В ходе проведенных исследований было установлено, что между исследуемыми классами состояний не существует четко определяемой границы, а исходные признаки не всегда удается получить в течение заданного времени. Кроме того, некоторые из признаков получают с большой долей субъективизма (данные опросов и осмотров).

В этих условиях в качестве основного математического аппарата исследования была выбрана нечеткая логика принятия решений в ее модификации применительно к задачам классификации, к которым могут быть отнесены и задачи, решаемые в данном диссертационном исследовании. С формальной точки зрения для решения исследуемых в работе задач необходимо построить нечеткие решающие правила для распознания пар классов состояний пациентов: со0 -&><" / со0 -т''к; шп -а>'('.; <я0-сорж.

В ходе специально проведенных исследований было установлено, что для получения достаточного для практической медицины качества прогнозирования и ранней диагностики психосоматических заболеваний по блоку признаков, включающих показатели состояние зрительного внимания, целесообразно сформировать базовые переменные, характеризующие уровень психоэмоционального напряжения (YP), уровень утомления (YU) и устойчивость внимания (УВ). Для оценки уровня психоэмоционального напряжения (ПЭН) используется математическая модель вида:

YP=FP[nB,KB,yB4<P(t)], (5)

где ПВ, KB и УВ — показатели характеризующие переключаемость, концен-трированность и устойчивость внимания, fip(t) - функция принадлежности к классу ПЭН с базовой переменной по времени нахождения в этом состоянии; F - функция агрегации составляющих модели (5).

Для оценки уровня хронического утомления YU используется модель, аналогичная (5).

С учетом того, что прогностическая информация по показателям YP, YU и УВ дополняют друг друга, общая уверенность в прогнозах по всем трем составляющим ПЭН для исследуемых классов заболеваний определяется выражениями:

КУ ? (В) = (YP) + м"(YU) + fi"(УВ) -/.if (YP)/.i''{YU) -fi"(YP) -//," (УВ) -

- fi" (YU)m'/ (УВ) + ц» (YP)M1/ (YU)ju't" (УВ) (6)

>

где (у/) - функции принадлежности с базовыми переменными fe {YP,YU,УВ] к классам заболеваний сое = с, ж) > используемые при прогнозировании

выбранных классов психосоматических заболеваний.

Анализ полученных результатов показал, что пользуясь только информацией, характеризующей состояние внимания человека, нельзя получить достоверного прогноза по выбранному классу заболеваний. Поэтому необходимы дополнительные информативные признаки, доводящие качество прогноза до практически приемлемых результатов.

В качестве таких признаков были выбраны энергетические характеристики БАТ и факторы риска, традиционно используемые в медицине, для прогнозирования риска рассматриваемого класса заболеваний.

Коэффициент уверенности КУ"Б В прогностической гипотезе по энергетическим характеристикам БАТ определялся согласно продукционным моделям, разработанным на кафедре БМИ ЮЗГУ.

Руководствуясь соображениями минимизации пространства признаков и затрат на их получение были выделены несколько групп факторов риска возникновения ИБС. По полученным функциям принадлежности по выбранным факторам риска были вычислены коэффициенты прогностической уве-

¡{УПТ (дЛ

ренности по группам традиционных факторов риска < УЧ>, где д= 1, 2...ЛГ; Л- число групп факторов риска.

Для решения задачи построения агрегаторов функций принадлежности по группам факторов риска использовалась автоматизированная система подбора наиболее эффективных комбинаций нечетких операций, построенная на основе генетического алгоритма, разработанная на кафедре БМИ ЮЗГУ. Завершением этапа агрегирования является расчет числовых показателей построенных агрегаторов (коэффициентов уверенности по группам риска и итоговых коэффициентов уверенности).

Для прогноза ИБС автоматизированная система определила следующий агрегатор по традиционным факторам риска:

КУГ = шах ку"т (?) • (7)

?=1,ЛГ

Для расчета уверенности в прогностической гипотезе ю( с учетом энергетической характеристики БАТ и традиционно используемых признаков выбрана модель агрегатора вида:

Ж? = ппп{тах^У,№,КУ'к}тт{¡СУ™,КУ™)+ КУ1* ■ КУ™} (8)

С учетом факторов риска, определяемым по показателям, характеризующим состояние внимания, риск появления и развития ИБС определялся •согласно агрегатору:

К" = КУ'С' (В) + Шс7/ [1 - КУ сп (В)]. (9)

Для наиболее часто встречающихся значений факторов риска величина Я" определяется значением 0,87, что для этого класса задач является хорошим практическим результатом.

Для синтеза нечетких решающих правил прогнозирования ЯБЖ на экспертном уровне были отобраны следующие дополнительные факторы риска: частота приема лекарственных средств, раздражающих слизистую

оболочку желудка (в днях) (х;); частота приема алкоголя (не менее 65 мл в пересчете на литр в календарном месяце, при однократном приеме в сутки) (х,); суточная доза никотина и его аналогов при табакокурении (ду); наследственность заболеваемости ЖКТ у близких родственников (х4); энергетический разбаланс биологически активных точек, «связанных» с заболеваниями ЖКТ (Е21, Е36, V21, V43 и VB24) (х5).

Средняя прогностическая уверенность в классе сож , рассчитываемая по формуле, аналогичной (6), составляет 0,73. Использование прогностической модели, аналогичной (8), обеспечивает уверенность в прогнозе ЯБЖ на уровне 0,83.

Расчет уверенности в ранней стадии стенокардии напряжения (класс а>р ) и ЯБЖ (класс о/ж) осуществлялся по генетическим алгоритмам с получением формул, аналогичных (6 - 8), формальной заменой верхнего индекса П на индекс Рис использованием «своих» функций принадлежности nP(x¡) при исключении из модели (6) показателя устойчивости внимания. С учетом диагностической специфики уверенности в раннем диагнозе ЯБЖ без учета и с учетом факторов риска, определяемым по показателям, характеризующим состояние внимания, имеют вид:

RDP=(3-КУРБ + 2-/^(ЯФЯ))/5; (10)

Dl = minO, (КУ''1С(В) + КОр. -min{CON{Kypx{B)),CON{RDpx ))), (11) где (ipt (ИФЩ- функция принадлежности к классу со, с базовой переменной по индексу функциональных изменений (P.M. Баевский), CON - операция концентрации нечеткого множества.

В ходе математического моделирования было установлено, что для класса тс величины уверенности, рассчитываемые по формулам (6) и (7), полученные для значений «своих» функций принадлежности, распределяются следующим образом: RDP = 0,83, Dp = 0,86.

Для класса аж эти показатели имеют следующие значения: RDpm=0,86, Di =0,93.

Полученные результаты позволяют сделать вывод о том, что предлагаемое решающие правила могут быть использованы в медицинской практике.

В четвертой главе описана структура интеллектуальной системы прогнозирования и ранней диагностики психосоматических заболеваний и алгоритм её функционирования, приводятся результаты экспериментальных исследований и практические рекомендации. В качестве психосоматических заболеваний для тестирования системы были выбраны ИБС и ЯБЖ. Обучающие и контрольные выборки формировались на основе экспертных оценок определения сердечного риска и карточек самоконтроля для пациентов, уже имеющих ССЗ.

Программное обеспечение интеллектуальной системы прогнозирования и ранней диагностики психосоматических заболеваний представлено как совокупность программных модулей, встраиваемых в универсальную оболочку СППР врачей - специалистов, разработанную на кафедре БМИ ЮЗГУ.

Обобщенная структурная схема всей СППР, включая разработанные в диссертации блоки, приведена на рис. 1.

£

МАБАТ £

врач

РПВ

ДС

БП

БРД

А У П П Р

БЛОМ

ИП

БО

БФОММ

БПТ

СУБД

БД

ПО СППР

Рис. 1. Структура интеллектуальной системы поддержки принятия решений

Согласование работы основных блоков программно - аппаратного обеспечения СППР и организации взаимодействия между ПЭВМ, пациентом и врачом осуществляется алгоритмом управления процессами принятия решений (АУППР).

Измерение показателей внимания может осуществляться в двух режимах: при не использовании автономного прибора (показатели внимания вводятся в ПВЭМ через клавиатуру и интерфейс пользователя (ИП)), и с использованием регистратора параметров внимания (РПВ), подключаемого к ПЭВМ через интерфейсы тина RS-232 или USB, которые обслуживаются программным модулем драйверы связи (ДС).

Информация об электрическом сопротивлении БАТ поступает в ПЭВМ от многоканального анализатора БАТ (МАБАТ).

Кроме данных, снимаемых с пациента специализированными аппаратными средствами, в базе данных (БД) через интерфейс пользователя (ИП) поступают данные опроса, осмотра, инструментальных исследований. Это вид данных вводится в ПЭВМ с клавиатуры в интерактивном режиме.

Процесс коррекции нечетких решающих правил, полученных в ходе экспертного синтеза с целью минимизации ошибки классификации, реализуется блоком обучения (БО).

Для уточнения расположения БАТ, используемых в работе, на теле человека, блок формирования и оценки меридианных моделей (БФОММ) выдает на экране монитора соответствующие фрагменты атласов меридиан, а для уточнения энергетического состояния меридианных структур, участвующих в формировании энергетики диагностически значимых точек, по запросу пользователя на экране монитора формируются меридианные модели различной подробности.

Расчеты параметров внимания осуществляются блоком психологического тестирования (БПТ). Этот же блок позволяет оценивать ПЭН и утомления по традиционным субъективным тестам Айзенка и Спилбергера -Ханнена.

Решение о возможности возникновения исследуемых психосоматических заболеваний принимается блоком прогноза (БП), а решении о наличии ранних стадий заболеваний - блоком ранней диагностики (БРД). Блок формирования рекомендаций по проведению лечебно-оздоровительных мероприятий (БЛОМ) составляет машинные варианты рационального ведения пациентов.

Взаимодействие всех основных программных блоков с базой данных (БД) осуществляется через систему управления базой данных (СУБД).

В базе данных (БД) хранится электронная копия медицинской карты обследуемого, в которой содержатся паспортные данные, данные о динамике развития заболеваний, данные анамнеза, результаты опросов, осмотров, экспериментальных исследований, прогностические диагностические заключения, графики изменения и т.д.

Взаимодействие всех программных модулей системы и ее взаимодействие с врачом реализуется алгоритмом управления поддержки принятия решений.

Весь алгоритм условно разбит на 4 основных блока: блок обучения, решающий задачи синтеза и коррекции нечетких решающих правил, обеспечивающих требуемое качество классификации; блок оценки параметров внимания с формированием базовых переменных для нечетких решающих правил; блок прогнозирования и ранней диагностики психосоматических заболеваний; и блок управления состоянием здоровья.

Эффективность полученных классификационных моделей проверялась на контрольных выборках с расчетом таких показателей, как диагностическая чувствительность (ДЧ), специфичность (ДС), прогностическая значимость положительных (П3+) и отрицательных (ПЗ") результатов и диагностическая эффективность (ДЭ). В качестве дополнительных критериев оценки

эффективности полученных в работе результатов использован ряд показателей, общепринятых в медицинской практике.

Результаты проверки качества прогностических моделей ИБС и ЯБЖ по годам наблюдений приведены в табл.1.

Таблица 1

ПК ^^ 2008 2009 2010 2011

ДЧс 0,78 0,85 0,87 0,88

ДЧЖ 0,75 0,81 0,9 0,93

ДСс 0,70 0,81 0,89 0,91

дсж 0,67 0,72 0,91 0,92

пз+с 0,77 0,85 0,92 0,93

пз+ж 0,73 0,77 0,92 0,93

П3"с 0,71 0,80 0,81 0,78

пзж 0,69 0,75 0,88 0,91

дэс 0,74 0,83 0,89 0,89

дэж 0,71 0,77 0,90 0,92

Анализ таблицы показывает, что практически все показатели качества прогнозирования, рассчитанные на контрольной выборке, растут по мере увеличения срока наблюдения первые три года, а на третьем и четвертом годах - стабилизируются.

Тенденции роста качества прогнозирования в зависимости от времени наблюдения хорошо иллюстрируются графиками изменения прогностической значимости положительных результатов приведенными на рис. 2. ш1

ишемическая болезнь сердца

_ язвенная болезнь желудка

2008 2009 2010 2011

I, г

Рис. 2. Графики изменения показателя П3+ в зависимости от времени наблюдения

Анализ приведённых графиков показывает, что наиболее надёжные прогнозы получаются в перспективе на три-четыре года после проведения обследований. На этом интервале хорошо согласуются данные контрольных испытаний и мнения экспертов о надёжности полученных решающих правил.

Данные на трехлетний срок прогнозирования использовались для оценки прогностической эффективности показателей внимания в нечетких решающих правилах. Для этого рассчитываются показатели качества срабатывания прогностических решающих правил на трехлетний период по всем исследуемым классам заболеваний без использования показателей внимания (правила П1) и их использованием (правила П2). Результаты, полученные на контрольной выборке при прогнозировании ИБС и ЯБЖ, приведены в табл. 2.

Таблица 2

Характеристика качества работы прогностических решающих правил

класс правило дч ДС П3+ ПТ ДЭ

СОс П1 0,80 0,82 0,85 0,76 0,83

П2 0,87 0,89 0,92 0,81 0,89

П1 0,77 0,81 0,91 0,74 0,78

П2 0,90 0,91 0,92 0,88 0,90

Анализ таблицы показывает, что при добавлении информации о состоянии внимания человека позволяет увеличивать на 10±3% точность прогнозирования по исследуемым классам заболевания.

В табл. 3 приводятся аналогичные результаты сравнения полученных решающих правил без использования показателей внимания (правила П1) и с их использованием (правило П2) при диагностики ранних стадий стенокардии напряжения и ЯБЖ.

Таблица 3

Сравнительные оценки показателей качества «срабатывания» диагно-

класс правило дч ДС П3+ ПЗ- ДЭ

4 П1 0,85 0,80 0,81 0,84 0,82

П2 0,92 0,93 0,93 0,92 0,92

< П1 0,82 0,79 0,79 0,81 0,81

П2 0,93 0,92 0,92 0,93 0,92

Представленные экспериментальные данные позволяют рекомендовать этих решающих правил к практическому использованию.

В заключении сформулированы научные и практические результаты исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Исследована взаимосвязь показателей внимания с психофизиологическими свойствами организма и обосновано использование этих показателей для прогнозирования и ранней диагностики психосоматических заболеваний, среди которых выделены заболевания сердечнососудистой системы и желудочно-кишечного тракта.

2. На основе анализа существующих подходов к решению задач прогнозирования и ранней диагностики психосоматических заболеваний получена совокупность факторов риска, учитывающих свойства сенсорного вни-

мания, и выбран метод синтеза решающих правил, предназначенных для интеллектуальной поддержки диагностики и организации профилактических мероприятий при патологии сердечнососудистой системы и желудочно-кишечного тракта.

3. Получены гибридные нечеткие математические модели прогнозирования и ранней диагностики психосоматических заболеваний для патологии сердечнососудистой системы (ишемической болезни сердца) и патологии желудочно-кишечного тракта (язвенной болезни желудка).

4. Разработано информационное и алгоритмическое обеспечение интеллектуальной системы поддержки принятия решений, ориентированной на прогнозирование психосоматических заболеваний по показателям психологического тестирования.

5. Проанализирована эффективность применения предложенных методов и средств в клинических условиях с использованием аппарата математической статистики и теории распознавания образов и разработаны рекомендации по их практическому применению.

Практические рекомендации

1. Полученные математические модели принятия решений по прогнозированию и ранней диагностике психосоматических заболеваний целесообразно использовать при построении систем информационного обеспечения и поддержки медицинских исследований в области кардиологии и гастроэнтерологии.

2. При диагностике и прогнозировании психосоматических заболеваний посредством компьютерных информационных систем рекомендуется использовать показатели психологического тестирования, в частности, показатели сенсорного внимания.

СПИСОК НАУЧНЫХ РАБОТ. ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ: Публикации в рецензируемых научных журналах

1. Конева, JI.B. Математические модели прогнозирования заболеваний желудочно-кишечного тракта с использованием показателей, характеризующих состояние внимания [Текст] / JI.B. Конева, В.И. Серебровский, К.В. Разумова //Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - Курск, 2012. - №2, 4.2. - С.241-244.

2. Конева, JI.B. Оценка уровня психоэмоционального напряжения и утомления по показателям, характеризующим показатели внимания человека [Текст] / JI.B. Конева, С.Н. Кореневская, C.B. Дегтярев //Системный анализ и управление в биомедицинских системах. - Воронеж, 2012. - Т.11, №4. - С. 993-1000.

3. Конева, JI.B. Компьютерный анализ характеристик внимания человека и их использование для оценки утомления и психоэмоционального напряжения [Текст] / JI.B. Конева, C.B. Дегтярев //Известия Юго-Западного

исследования внимания в прогнозировании и ранней диагностики психосоматических заболеваний [Текст] / JI.B. Конева, В.Н. Гадалов //Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - Курск, 2012. - №2, Ч.З. - С.351-356.

5. Конева, JI.B. Свойства внимания как функция контроля поведения человека [Текст] / JI.B. Конева, В.В. Плотников //Вестник новых медицинских технологий. - Тула , 2009. - T.XVI, №3. - С. 137-139.

Статьи, труды и материалы конференций

6. Конева, Л.В. Характеристики свойств зрительного сенсорного внимания у лиц с разной акцентуацией свойств темперамента [Текст] / Л.В. Конева // Материалы 71-й межвуз. науч. конф. студентов и молодых учёных. -Курск: КГМУ, 2006. - 4.1. - С. 285 - 286.

7. Конева, Л.В. Зрительное внимание как феномен саморегуляции и контроля психической деятельности человека [Текст] / Л.В. Конева // Всероссийский симпозиум «Закономерности интеграции физиологических функций в норме и их дезинтеграции в патологии» (посвящается памяти члена - корреспондента РАМН, профессора А.В. Завьялова). - Курск: КГМУ, 2007. - Т. 1. - С. 40 - 42.

8. Конева, Л.В. Взаимосвязь свойств внимания и вегетативной регуляции [Текст] / Л.В. Конева, Д.В. Бердников // Потенциал личности: комплексная проблема. Материалы 6-й Всероссийской конференции. - Тамбов, 2007. - С. 234 - 236.

9. Конева, Л.В. Соотношение показателей свойств зрительного внимания и состояния вегетативной нервной системы [Текст] / Л.В. Конева, Д.В. Плотников // Сборник трудов 73-й научной конференции КГМУ и сессии Центрально - Чернозёмного научного центра РАМН. - Курск, 2008. — Т.1. — С. 54-56.

10. Смахтин, А.Н. Анализ корреляционных взаимосвязей свойств сенсорного внимания и кардиоинтервалографии [Текст] / А.Н. Смахтин, Л.В. Конева, Н.О. Ушкалова // Материалы 73-й межвуз. науч. конф. студентов и молодых учёных. - Курск: КГМУ, 2008. - 4.1. - С. 268 - 269.

11. Конева, Л.В. Темперамент и зрительное внимание как компоненты психобиологической организации человека [Текст] / Л.В. Конева, Д.В. Плотников // Потенциал личности: комплексная проблема. Материалы 7-й Международной конференции. - Тамбов, 2008. - С. 154 — 158.

12. Конева, Л.В. Связь свойств внимания с гемодинамическими проявлениями генерализованной активации [Текст] / Л.В. Конева, Н.О. Ушкалова, А.Н. Смахтин // Материалы 1 - й Международной дистанционной научной конференции «Инновации в медицине». - Курск, 2008. - С.127 - 129.

13. Вегетативное обеспеченность факторов произвольного сенсорного внимания [Текст] / Л.В. Конева, Д.В. Плотников, Д.В. Бердников, Н.О. Ушкалова // Материалы 1 - й Всероссийской научно - практической конференции «Физиология адаптации». - Волгоград, 2008. - С. 123 - 125.

14. Свойства произвольного сенсорного внимания и их вегетативные предпосылки [Текст] / JI.B. Конева, Д.В. Плотников, Д.В. Бердников, И.О. Ушкалова // Материалы 1-й Всероссийской научно - практической конференции «Физиология адаптации». - Волгоград, 2008. - С. 129 - 133.

15. Конева, JI.B. Вегетативное обеспечение свойств внимания [Текст] / JI.B. Конева, Д.Г. Юдин // Материалы 3-й Всероссийской конференции молодых учёных, организованной Воронежской государственной медицинской академией им. H.H. Бурденко и Курским государственным медицинским университетом. - Воронеж, 2009. - Т.1. - С.274 - 276.

16. Конева, JI.B. Нейрофизиологические предикторы свойств произвольного зрительного внимания человека [Текст] / Л.В. Конева, В.В. Плотников, Д.В. Плотников // Курский научно - практический вестник «Человек и его здоровье». — Курск, 2009. - №3. - С. 5 - 13.

17. Конева, Л.В. Исследование взаимосвязи характеристик произвольного зрительного внимания с вегетативной активацией [Текст] / Л.В. Конева, A.B. Новиков // Материалы XV Общероссийской научной конференции с международным участием: «Инновационные медицинские технологии» -Москва. Международный журнал экспериментального образования. 2013. №3. - С. 130-132.

18. Конева, Л.В. Синтез гибридных нечетких моделей для решения задач прогнозирования заболеваний сердечно-сосудистой системы на основе данных о состояния зрительного внимания [Текст] / Л.В. Конева// Актуальные вопросы в научной работе и образовательной деятельности: сборник научных трудов по материалам Международной научно-практической конференции. Часть 4. Тамбов. 2013 - С. 54-56.

Подписано в печать 16.05. 2013 г. Формат 60x84 1/16. Печатных листов 1,1. Тираж ЮОэкз. 3аказ№53. Отпечатано в ООО «Принт-Центр».

Текст научной работыДиссертация по биологии, кандидата технических наук, Конева, Лариса Викторовна, Курск

На правах рукописи

Конева Лариса Викторовна

04201360532

Интеллектуальная система исследования свойств сенсорного внимания для решения задач прогнозирования и ранней диагностики психосоматических заболеваний

Специальность 03.01.09 - Математическая биология, биоинформатика (медицинские науки)

Диссертация на соискание ученой степени кандидата технических наук

Курск-2013

Содержание

Введение...............................................................................7

1. Аналитический обзор состояния проблемы и постановка задач исследования................................................................................13

1.1 Внимание как фундаментальное свойство психики..............13

1.2 Методы и технические средства для оценки параметров внимания....................................................................................27

1.3 Математические методы принятия решения в задачах биологических и медицинских исследований....................................................32

1.4 Цель и задачи исследования..........................................42

2. Исследования взаимосвязей показателей внимания с различными психофизиологическими свойствами организма...................44

2.1 Исследование и анализ свойств зрительного внимания и его структуры....................................................................................44

2.2 Анализ характеристик внимания во взаимосвязи с электрокартикальной активностью нервной системы.............................56

2.3 Исследование взаимосвязи характеристик произвольного зрительного внимания с вегетативной активностью..............................65

2.4 Взаимосвязь показателей внимания с психоэмоциональным напряжением и утомлением и оценка их уровней................................77

Выводы второй главы............................................................83

3. Синтез гибридный нечетких моделей для интеллектуальной системы прогнозирования и ранней диагностики психосоматических заболеваний на основе данных о состоянии зрительного внимания.........84

3.1 Выбор и обоснование математического аппарата исследования..............................................................................84

3.2 Синтез гибридных нечетких моделей для решения задач прогнозирования заболеваний сердечно-сосудистой и нервной систем и желудочно-кишечного тракта............................................................91

3.3 Синтез гибридных нечетких моделей для ранней диагностики заболеваний сердечнососудистой системы и желудочно-кишечного тракта.......................................................................................101

Выводы третьей главы...........................................................107

4. Результаты экспериментальном исследований..................109

4.1 Описание исследуется пользователями интеллектуальной системы....................................................................................109

4.2 Методы тестирования системы поддержки принятия решений прогнозирования риска и ранней диагностики психосоматических заболеваний...............................................................................121

4.3 Оценка качества работы прогностических решающих правил........122

4.4 Проверка качества работы правил ранней диагностики психосоматических заболеваний......................................................131

Выводы четвертой главы.......................................................134

Заключение........................................................................135

Библиографический список

137

Список сокращений

АР - авторегрессионные модели АСВ - амплитуда систалической волны

АУППР - алгоритм управления процессами принятия решений БАТ - биологически активные точки БД - база данных

БЛОМ - блок лечебно - оздоровительных мероприятий БМИ - биомедицинская инженерия БО - блок обучения

БПТ - блок психологического тестирования БРД - блок ранней диагностики

БФОММ - блок формирования и оценки меридианных моделей

ВО - венозный отток

ДАД - диастолическое давление

ДЗТ - диагностически значимые точки

ДИ - дикротический индекс

ДС - диагностическая специфичность

ДЧ - диагностическая чувствительность

ДЭ - диагностическая эффективность

ЖКТ - желудочно - кишечный тракт

ИН - индекс напряжения

ИПБ - измеритель параметров биологически активных точек

ИП - интерфейс пользователя

КИТ - коэффициент интегральной точности

КР - коэффициент резерва

КФС - классы функциональных состояний

ЛПР - лицо принимающее решения

МАБАТ - многоканальный анализатор биологически активных точек МУ - модуль упругости ОВ - объем внимания

ОПВ - оценка параметров внимания ОСЗ - оценка состояния здоровья ПБ - блок прогноза ПВ - показатель внимания

П3+ - прогностическая значимость положительных результатов

ПЗ" - прогностическая значимость отрицательных результатов

ПИ - пульт испытуемого

ПК - показатель качества

ПО - программное обеспечение

ПРП - прогностические решающие правила

ПС - периферическое сопротивление

ПЭВМ - персональная электронно - вычислительная машина

ПЭН - психоэмоциональное напряжение

РВ - распределяемость внимания

РПВ - расчет параметров внимания

САД - систолическое давление

СБК - скорость быстрого кровотока

СВ - селективность внимания

СДД - среднее динамическое давление

СИ - сердечный индекс

СППР - система поддержки принятия решений

ССС - сердечно - сосудистая система

СУБР - система управления базой данных

ТИП - традиционные и информативные признаки

ТРО - теория распознавания образов

УВ - устойчивость внимания

УИ - ударный индекс

УО - ударный объем крови

УФС - уровень функционального состояния

ЦНС - центральная нервная система

ЧП - частота пульса ЧСС - частота сердечного ритма ЭС - экспертные системы ЭЭГ - электроэнцефелограмма

ЮЗГУ - Юго - Западный государственный университет

ВВЕДЕНИЕ

Актуальность работы. Одной из важных проблем современного здравоохранения является повышение качества обслуживания населения, включая пациентов, страдающих такими социально значимыми заболеваниями, как психосоматические.

Значительного снижения риска этого класса заболеваний можно достичь посредством организации профилактических мероприятий с охватом широких слоев населения. Важнейшей составляющей профилактической работы является прогнозирование и ранняя диагностика исследуемого класса заболеваний, позволяющая формировать рациональные схемы лечебно-оздоровительных мероприятий.

Одним из основных требований к организации массовых обследований населения является высокая пропускная способность кабинетов и минимизация затрат на обследование при приемлемой точности принятия медицинских решений.

Многочисленные исследования показали, что удовлетворение перечисленных противоречивых требований может быть достигнуто при использовании современных информационных и интеллектуальных технологий, использующих адекватный математический аппарат моделирования процессов принятия решений.

Анализ литературных данных и собственные исследования позволяют сделать вывод о том, что достаточно надежным индикатором возможности появления и развития психосоматических заболеваний являются нарушения в работе сенсорных систем человека, в частности, его сенсорного внимания. Однако эти исследования носят предварительный характер и не доведены до практической реализации в виде интеллектуальных систем поддержки принятия решений врачей-специалистов, что не позволяет их использовать в клинической медицине.

Таким образом, актуальность данного исследования заключается в необходимости повышения качества прогнозирования и ранней диагностики

психосоматических заболеваний путем использования в качестве одного из ведущих предикторов психосоматических заболеваний показателей сенсорного внимания человека с привлечением современных математических методов, информационных и интеллектуальных технологий.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 20092013 годы (государственный контракт № П705 от 12 августа 2009 г., номер госрегистрации 01200962672) по проблеме «Прогнозирование функционального состояния сердечно-сосудистой системы человека на основе многомерного спектрального анализа данных мониторинга акустических и электрофизиологических процессов жизнедеятельности, осуществляемого посредством микроминиатюрных датчиков и мобильных средств связи» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка методов и математических моделей, повышающих эффективность процессов принятия решений при прогнозировании и ранней диагностике психосоматических заболеваний, основанных на компьютерном анализа свойств сенсорного внимания.

Для достижения поставленной цели в работе решаются следующие задачи:

- исследование взаимосвязи показателей внимания с различными системами и психофизиологическими свойствами организма, позволяющей обосновать использование этих показателей для прогнозирования и ранней диагностики психосоматических заболеваний;

- формирование совокупности факторов риска, учитывающих свойства сенсорного внимания, предназначенной для прогнозирования и ранней диагностики психосоматических заболеваний, и выбор метода синтеза

решающих правил для диагностики и профилактики этих заболеваний в сформированном пространстве информативных признаков;

получение гибридных нечетких математических моделей прогнозирования и ранней диагностики психосоматических заболеваний на примерах патологии сердечнососудистой системы и желудочно-кишечного тракта;

- разработка информационного и алгоритмического обеспечения интеллектуальной системы поддержки принятия решений, ориентированной на решение выбранного класса задач;

- анализ эффективности применения предложенных методов и средств в клинических условиях с использованием аппарата математической статистики и теории распознавания образов и разработка рекомендаций по их практическому применению.

Объект исследования. Пациенты, нуждающиеся в диагностике и лечении психосоматических заболеваний.

Предмет исследования. Методы, модели и алгоритмы прогнозирования и ранней диагностики психосоматических заболеваний.

Методы исследований. В работе использовались методы теории биотехнических систем медицинского назначения, системного анализа, математической статистики, теории нечетких нейронных сетей и распознавания образов, основ физиологии и рефлексологии, методы экспертного оценивания и клинико-лабораторные исследования.

Содержание диссертации соответствует п. 8 - «Математические модели, численные методы и программные средства применительно к процессам получения, накопления, обработки и систематизации биологических и медицинских данных и знаний», п. 10 - «Интеллектуальные системы анализа и прогнозирования свойств биологических объектов на основе специализированных баз и банков данных и знаний (в т.ч. полнотекстовых)» и п. 12 - «Решение задач медицинской диагностики, прогнозирования исходов заболеваний, оценки эффективности медицинских

вмешательств и технологий с помощью математического аппарата и вычислительных алгоритмов» паспорта специальности 03.01.09 -Математическая биология, биоинформатика (медицинские науки).

Научная новизна результатов работы:

математические модели взаимосвязи показателей внимания человека с его психофизиологическими характеристиками, отличающиеся учетом многофакторного нелинейного характера взаимодействия систем и подсистем организма, позволяющие исследовать информативность исследуемых показателей по отношению к психосоматическим заболеваниям;

математические модели принятия решений по прогнозированию заболеваний, отличающиеся тем, что задача прогнозирования рассматривается как задача классификации с оценкой уверенности перехода из класса здоровых людей в класс больных психосоматическими заболеваниями, позволяющие обеспечивать требуемое качество прогнозирования при приемлемых временных и аппаратных затратах;

математические модели ранней диагностики заболеваний, отличающиеся комбинированным использованием функций принадлежности к исследуемым классам состояний в сочетании с итерационными правилами нечеткого вывода и позволяющие обеспечивать высокую степень уверенности в принимаемых решениях в условиях неполного и нечеткого представления исходных данных;

информационно-алгоритмическое обеспечение интеллектуальной системы врача, поддерживающей решение задач прогнозирования и ранней диагностики больных, страдающих психосоматическими заболеваниями, позволяющей учитывать индивидуальные особенности организма человека и формировать научно обоснованные схемы рационального ведения пациентов с исследуемым классом заболеваний.

Практическая значимость и результаты внедрения. Разработанные математические модели и алгоритмы составили основу построения интеллектуальной системы поддержки принятия решений врача, использование которой в медицинской практике позволяет повысить качество прогнозирования и ранней диагностики психосоматических заболеваний и сформировать рациональные схемы ведения пациентов с исследуемой патологией.

Результаты работы внедрены в учебный процесс Юго-Западного государственного университета при подготовке специалистов 200402 «Инженерное дело в медико-биологической практике» (дисциплина «Автоматизация обработки экспериментальных данных») и используются в клинической практике Муниципального учреждения здравоохранения городской клинической больницы скорой медицинской помощи г. Курска, что подтверждено соответствующими актами.

Апробация работы. Основные теоретические положения и практические результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 11 Международных, Всероссийских и региональных конференциях и симпозиумах: «Механизмы интеграции функций в норме и при психосоматических расстройствах» (Курск 2005), «Закономерности интеграции физиологических функций в норме и их дезинтеграции в патологии» (Курск 2007), «Потенциал личности: комплексная проблема» (Тамбов 2007), научной конференции молодых учёных - медиков (Курск 2008), сессии Центрально - Чернозёмного научного центра РАМН (Курск 2008), «Дружининские чтения» (Сочи 2008), «Потенциал личности: комплексная проблема» (Тамбов 2008), «Физиология адаптации» (Волгоград 2008), конференции молодых учёных (Воронеж 2009), «Инновационные медицинские технологии» (Москва 2013), «Актуальные вопросы в научной работе и образовательной деятельности» (Тамбов 2013), докладывались на научно-технических

семинарах кафедры биомедицинской инженерии Юго-Западного государственного университета (Курск 2011 - 2013 гг.).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 18 печатных работ, в том числе 5 статей в рецензируемых научных журналах.

Личный вклад автора. Все выносимые на защиту научные положения разработаны соискателем лично. В научных работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1, 11, 16] соискателем предложены математические модели прогнозирования психосоматических заболеваний, использующие показатели состояния внимания; в [7, 8, 9, 12, 13, 14, 17] автором исследованы модели влияния и характеристики связи показателей сенсорного внимания и вегетативной нервной системы; в [2, 3] соискатель предложил информационно-алгоритмическое обеспечение для интеллектуальной системы оценки уровня психоэмоционального напряжения по показателям внимания человека; в [4, 5, 10, 11, 15] автор предложил способы контроля психоэмоционального и поведенческого статуса человека по предикторам свойств внимания.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 134 отечественных и 11 зарубежных наименований. Работа изложена на 151 странице машинописного текста, содержит 30 рисунков и 35 таблиц.

Основные положения, выносимые на защиту

1. Статистические модели, связывающие показатели зрительного внимания с показателями вегетативной активности организма.

2. Гибридные математические модели, предназначенные для формирования интеллектуальных систем поддержки принятия решений по прогнозированию и ранней диагностике психосоматических заболеваний.

3. Информационно-алгоритмическое обеспечение интеллектуальной системы по поддержки решений по прогнозированию и ранней диагностики психосоматических заболеваний.

1. АНАЛИТИЧЕСКИЙ ОБЗОР СОСТОЯНИЯ ПРОБЛЕМЫ И ПОСТАНОВКА ЗАДАЧ И ИССЛЕДОВАНИЯ

1.1. Внимание как фундаментальное свойство психики

1.1.1. Определение понятия «внимания»

Внимание - это избирательная направленность психических процессов на тот или иной объект познавательной деятельности и сосредоточенность на нём. Внимание в первую очередь динамическая характеристика протекания познавательной деятельности: оно выражает преимущественно связь психической деятельности с определённым объектом, на котором она, как в фокусе, сосредоточена [29].

В работах Т.К. Комаровой внимание опред�