CC BY
22
стадии и гипотиреозом и у 8 больных (32%) только с ДЭ II стадии.
Наиболее значимые изменения были выявлены по количественным характеристикам ЦДС, в частности, по линейной скорости кровотока УрБ и индексу Пурсело К1. Отмечено снижение ЛСК по позвоночным артериям у больных с сочетанием цереброваскуляр-ной и эндокринной патологии. Аналогичная тенденция прослеживалась в отношении ЛСК и по основной артерии у данных больных. По индексу циркулятор-ного сопротивления Пурсело зарегистрировано повышение показателей по сравнению с нормой у больных исследуемой группы при локации позвоночных артерий и основной артерии.
Количественные данные цветовое дуплексное сканирование
При исследовании внутренних сонных артерий значительного снижения ЛСК и повышения К1 не выявлено. Также не отмечалось статистически значимых различий между этими показателями при исследовании внутренних сонных артерий у исследуемой и контрольной групп больных. Гемодинамиче-ские изменения достоверно чаще выявлялись в сосудах вертебробазилярного бассейна (позвоночных и основной артерий) у больных с ДЭ II стадии и гипотиреозом по сравнению с группой больных с ДЭ II стадии. Количественные данные ЦДС приведены в таблице 1.
Таблица 1
Внутренняя сонная артерия
Позвоночная артерия
Основная
Справа
Слева
Справа
Слева
Vps, см/с
ДЭ
ДЭ и гипотиреоз
ДЭ
ДЭ и гипотиреоз
ДЭ
ДЭ и гипотиреоз
ДЭ
ДЭ и гипотиреоз
ДЭ
ДЭ и гипотиреоз
RI
Примечание: p < 0,05 - достоверность различий вертебробазилярного бассейна у больных при со-
по отношению к группе ДЭ по позвоночным и основ- четании сосудистой и эндокринной патологии, что
ной артериям. также подтверждается клиническим обследованием
На основании проведенного исследования можно больных. Выявленные гемодинамические нарушения
констатировать, что ЦДС является информативным нужно учитывать для назначения адекватного ле-
методом исследования кровотока по магистральным чения. сосудам головы и шеи. Данные полученные при применении этого метода выявляют поражение сосудов
ЛИТЕРАТУРА
1. Кадыков А.С., Манвелов Л.С., Шахпаронова Н.В. Хронические сосудистые заболевания головного мозга: дисциркуляторная энцефалопатия: руководство для врачей - 3-е изд., перераб. и доп.- ГЭОТАР - Медиа. 2014- 272 с.: ил.
2. Калинин А.П., Котов С.В., Рудакова И.Г. Неврологические расстройства при эндокринных заболеваниях: Руководство для врачей.- 2-е изд., перераб. и доп.- М.: ООО «Медицинское информационное агентство», 2009.- 488 с.
3. Ермолаева А.И. Особенности клиники цереброваскулярных расстройств при гипотиреозе. // Неврологический вестник. - 2008. - Т. XL , № 4 - С.38 - 42.
4. Михайленко А.А. Клинический практикум по неврологии / СПб: Фолиант, 2001. - 478 с.: ил.
УДК 007.51
гИващенко А.В., гГорбаченко Н.А., 2Черепанов А.С., 2Колсанов А.В., 2Назарян А.К,
1Самарский государственный аэрокосмический университет имени академика С.П. Королева (национальный исследовательский университет), Самара, Россия
2Самарский государственный медицинский университет Министерства здравоохранения Российской Федерации, Самара, Россия
О ПРИМЕНЕНИИ ОНТОЛОГИЙ В ХИРУРГИЧЕСКИХ ТРЕНАЖЕРАХ
В статье рассматривается возможность применения инструментария баз знаний в симуляционном обучении хирургии. Приводится обзор существующих решений в области построения хирургических тренажеров для обучения эндоскопическому и эндоваскуляр-ному хирургическому вмешательству. Предлагается идея создания средств разработки программного обеспечения (СРПО), предназначенных для адаптации существующих хирургических тренажеров при их внедрении в учебный процесс и создании качественно новых симуляционных решений для высшего медицинского образования. Предлагаемый подход основывается на описании операционных случаев с использованием шаблона проектирования «Сущность-компонент». Данная работа выполнена в рамках проекта по созданию комплекта средств разработки программного обеспечения (СРПО) для самостоятельного формирования медицинским сообществом решений в среде симуляционных технологий в медицине с возможностью их распространения и обмена в системе здравоохранения и медицинского образования (грант Минобрнауки России 2014-14-579-0003, соглашение 14.607.21.0007).
Ключевые слова:
программная платформа, компонент, средства разработки программного обеспечения, симуляционное обучение, хирургический тренажер.
Формализация системы знаний является одним из собой сложный аппаратно-программный комплекс,
важных этапов организации образовательного про- основанный на реализации технологий виртуальной
цесса. Особенно это актуально при решении задач реальности, который обеспечивает закрепление
автоматизации, например, при построении хирур- теоретических знаний и освоение практических
гических тренажеров различной направленности. навыков проведения хирургического вмешатель-Современный хирургический тренажер представляет
ства. При этом контроль выполнения хирургического вмешательства, управление симуляционным сценарием и оценивание результатов обучения должно производиться в автоматизированном виде.
В этой связи возникает новая область применения баз знаний для формализованного описания трехмерных моделей и симуляционных сценариев и методик оценивания результатов обучения. В качестве базы знаний предлагается реализовать онтологию - средство всеобъемлющей и подробной формализации некоторой области знаний с помощью концептуальной схемы [1]. Онтология реализует иерархический или сетевой способ описания знаний и позволяет реализовать формализацию в сложных системах, самообучение и возможность извлечения информации. Применение онтологий в хирургических тренажерах в этой связи видится в формализации концептуального представления сценария проведения хирургического вмешательства и его альтернатив.
Современные концепции высшего медицинского образования предусматривают широкое применение симуляционных технологий для обучения базовым навыкам хирургии. В частности, широко распространены лапароскопические и эндоваскулярные тренажеры [2, 3], используемые на различных этапах додипломного и последипломного образования. Однако, необходимость постоянного совершенствования существующих хирургических тренажеров и разработки новых, расширение перечня учебных кейсов и применение новых трехмерных моделей органов человеческого тела, с учетом различия методик обучения в разных университетах, обуславливает новые требования к программному обеспечению хирургических тренажеров, такие как инте-роперабельность, открытая архитектура и возможность функционирования в едином информационном пространстве.
В результате обобщения этих требований, а также опыта по внедрению симуляционных технологий [4], была сформулирована идея создания средств разработки программного обеспечения (СРПО или SDK - software development kit), предназначенных для адаптации существующих хирургических тренажеров при их внедрении в учебный процесс и создании качественно новых симуляци-онных решений для высшего медицинского образования. Назначение разработки - предоставить возможность быстрого и удобного создания новых хирургических тренажеров и трехмерных атласов на базе существующих разработок и аппаратно-программных компонентов. В данной статье представлены основные принципы проектирования расширяемой программной архитектуры СРПО в рамках решения поставленной задачи.
Создание медицинских тренажеров для отработки студентами медицинских ВУЗов базовых хирургических навыков в настоящее время является перспективным направлением исследований [5, 6]. В связи с разнообразием выполняемых хирургических операций существует необходимость моделирования различных операционных случаев, наиболее соответствующих программам обучения студентов разных медицинских специальностей. Для обеспечения такой возможности актуальной является разработка программного инструментария, позволяющего с минимальными затратами времени и сил при отсутствии специальных требований к квалификации специалиста в области компьютерных технологий, создавать новые тренажеры, подключать трехмерные модели и реализовывать операционные кейсы. Отсутствие специальных требований к технической квалификации специалистов обусловлено необходимостью формирования широкого круга пользователей, способных создавать новые симуляционные решения на базе уже готовых модулей и алгоритмов.
Снижение временных затрат на разработку каждой новой модели операции может быть достигнуто путем максимизации использования уже разработанных внутренних (созданных в рамках моделирования других операций) и внешних (библиотек физического моделирования, визуализации и т.д.) модулей. Для эффективного использования эти модули
должны быть объединены в программную платформу, которая бы позволяла единым образом обеспечивать взаимодействие между ними для достижения целей моделирования. При этом должна быть реализована возможность описания свойств объектов операционной сцены и механизмов их взаимодействия на простом языке, в том числе, с помощью WISIWYG-редакторов.
В последнее десятилетие ведутся разнообразные исследования в области разработки универсального набора инструментов моделирования операционных случаев на базе различных подходов и технологий. В 2006 году в рамках проекта GiPSi был сформулирован обобщенный подход [7] для моделирования физического поведения внутренних органов. Позднее были сформированы принципы [8], использованные при разработке проекта SOFA. Этот проект ориентирован на создание инструментария для разработки и сравнения между собой различных алгоритмов физической симуляции органов человека. Для достижения этой цели представлена архитектура, которая позволяет путем комбинирования между собой различных представлений механического состояния объектов и методик решения систем уравнений получать различное поведение объектов операционной сцены.
В 2008 году был предложен [9] подход, во многом основанный на подходе, примененном в SOFA, с добавлением требования максимизации использования готовых сторонних библиотек визуализации, описания операционных сценариев и сцен. Здесь также описан возможный механизм взаимодействия между разработчиками тренажера и конечным пользователем.
В рамках проекта «Виртуальный хирург» [4] был применен принцип максимизации использования готовых сторонних библиотек для моделирования физического поведения, вывода информации на экран, контроля сценария операции. При этом в основе моделирования физического поведения объектов лежали две взаимозаменяемые физические библиотеки (PhysX, Bullet), что позволяло выбирать для моделирования ту из них, которая больше подходила для реализации конкретного операционного случая. Разработанный лапароскопический тренажер представлен на Рис. 1.
Рисунок 1 - Лапароскопический тренажер «Виртуальный хирург»
В 2012 году было выполнено исследование технологий [10], примененных в популярном игровом движке Unity3D и обеспечивающих расширяемость функциональности этого движка. В частности, рассмотрен шаблон проектирования «Сущность-компонент» [11], являющийся одним из основных для достижения хорошей расширяемости программных компонентов. Пример успешного применения шаблона проектирования «Сущность-компонент» для реализации платформы визуализации медицинских данных приведен в работе [12].
Следует также отметить перспективность применения современных мультиагентных технологий разработки распределенных аппаратно-программных комплексов [13] и стратегий игротехники [14] в медицинском тренажеростроении.
Несмотря на указанные тенденции по повышению универсальности и расширяемости программных и аппаратных компонентов хирургических тренажеров, ведущие разработчики симуляционных технологий в медицине ограничены в своем взаимодействии и, как правило, придерживаются стратегии выпуска на рынок отдельных продуктов или их серий, не позволяя существенно изменять конфигурацию или наполнение своих разработок в процессе внедрения. Таким образом, разработка единых подходов к построению открытой программная архитектура хирургического тренажера представляется актуальной.
Ниже представлено предлагаемое решения данной проблемы. Онтологическое представление объектов операционного поля и моделирование их взаимодействия друг с другом, должно обеспечить возможность создания новых обучающих модулей для хирургических тренажеров.
В предлагаемом подходе для описания операционных случаев будем использовать шаблон проектирования «Сущность-компонент». Все объекты, описываемые в операционном случае (кейсе) (инструменты, органы, элементы окружения) являются контейнерами, не имеющими собственного поведения. На этапе моделирования с ними ассоциируются аспекты поведения, реализуемые в виде компонентов. Каждый компонент характеризуется именем и типом и реализует один или несколько интерфейсов для взаимодействия, которые могут быть получены путем посылки соответствующего запроса каждому компоненту.
Ответственность за создание и контроль жизненного цикла компонента возлагается на подсистемы, которые обслуживают поведение всех компонентов определенной группы. Пример подсистемы: физическая сцена, обеспечивающая создание, уничтожение и контроль компонентов, отвечающих за моделирования динамики твердых и мягких тел.
Разные аспекты взаимодействия органов и инструментов могут затрагивать одни и те же состояния (например, орган может быть поврежден скальпелем или электрической коагуляцией, но оба этих повреждения при соответствующей формулировке аспекта поведения приведут орган в состояние «поврежден»). С другой стороны, разные аспекты взаимодействия могут затрагивать различные состояния (например, орган может быть захвачен инструментом и поврежден инструментом, при этом «захвачен» и «поврежден» представляют собой различные состояния).
Предложенная модель позволяет строить различные сценарии хирургического вмешательства, в том числе описывать новые варианты операций на базе уже существующих. Однако, автоматическое выполнение логических операций над сценами и сценариями могут привести к нарушению их консистент-ности (согласованности). Предложенная модель позволяет выстроить систему проверок на согласованность сцен и сценариев и выявить нарушения консистентности при их ручном или автоматизированном редактировании.
Например, при онтологическом описании сценария для лапароскопической холицистэктомии, имея объект «диссектор» и объект «печень», можно определить для объекта «диссектор» компонент «контроллер алгоритма захвата». В свою очередь, для объекта «печень» можем определить компонент «алгоритм захвата». Диссектор при этом получит свойство «может хватать», а печень - свойство «может быть захвачена», характеризующиеся соответствующими атрибутами. Однако после добавления компонентов мы не сможем захватить печень диссектором, т.к. на данный момент определены только переходы между состояниями, но не определены события, которые будет генерировать тренажер (это может быть как желаемое поведение, например, для уменьшения уровня сложности операции, так и нежелаемое - ошибка создателя сцены). После добавления в сценарий необходимых событий, могут быть определены соответствующие аспекты взаимодействия между объектами (в нашем примере это «захват печени диссектором»).
Предложенные принципы проектирования расширяемой программной архитектуры средств разработки программного обеспечения для самостоятельного формирования медицинским сообществом решений в среде симуляционных технологий в медицине позволяют сократить временные затраты и трудоемкость создания новых хирургических тренажеров, а также адаптации существующих симуляционных решений при их внедрении и практическом использовании.
ЛИТЕРАТУРА
1. Лапшин, В.А. Онтологии в компьютерных системах.- М.: Научный мир, 2010. - 224 с.
2. Колсанов А.В., Яремин Б.И., Воронин А.С., Черепанов А.С., Иващенко А.В., Сапцин Н.В. Программное обеспечение тренажера эндоваскулярной хирургии // Программные продукты и системы, 2013. -
№ 2. - с. 262 - 267
3. Колсанов А.В., Чаплыгин С.С., Иващенко А.В., Кузьмин А.В., Горбаченко Н.А., Милюткин М.Г. Программное обеспечение тренажера лапароскопической хирургии // Программные продукты и системы, 2013. - № 2. - с. 267 - 270
4. Колсанов А.В., Иващенко А.В., Кузьмин А.В., Черепанов А.С. Комплекс «Виртуальный хирург» для симуляционного обучения хирургии // Медицинская техника, 2013. - № 6. - с. 7 - 10
5. Iwata N., Fujiwara M., Kodera Y., Tanaka C., Ohashi N., Nakayama G., Koike M., Nakao A. Construct validity of the LapVR virtual-reality surgical simulator // Surg Endosc, 2011. - 25(2), pp. 423 - 428
6. Ayodeji I.D., Schijven M., Jakimowicz J., Greve J.W. Face validation of the Simbionix LAP Mentor virtual reality training module and its applicability in the surgical curriculum // Surg Endosc, 2007. - 21 (9), pp. 1641 - 1649
7. Cavusoglu M.C., Goktekin T.G., Tendick F. GiPSi: a framework for open source/open architecture software development for organ-level surgical simulation // IEEE Transactions on Information Technology in Biomedicine, April 2006. - vol. 10, no.2, pp. 312 - 322
8. J'er'emie Allard, St'ephane Cotin, Franicois Faure, Pierre-Jean Bensoussan, Franicois Poyer, et al.. SOFA - an open source framework for medical simulation // MMVR 15 - Medicine Meets Virtual Reality, Feb 2007, Palm Beach, United States. IOP Press, Studies in Health Technology and Informatics, 125, pp. 13 - 18
9. Chun Bo B., Bo Liang W. A open source based general framework for virtual surgery simulation // Proc. Int',l Conf. BioMedical Eng. and Informatics (BMEI ',08), 2008. - vol. 1, pp. 575 - 579
10. Jingming Xie Research on key technologies base Unity3D game engine // Proc. Computer Science & Education (ICCSE), July 2012, pp. 695 - 699
11. Nystrom R. Component [Электронный ресурс] // Game Programming Patterns. URL: http://game-programmingpatterns.com/component.html (дата обращения: 12.11.2015).
12. Schulte zu Berge C., Grunau A., Mahmud H., Navab N. CAMPVis - A game engine-inspired research framework for medical imaging and visualization [Online]// Technical report 2014, Chair for Computer Aided Medical Procedures, Technische Universität München, Munich, Germany, 7 p. URL: http://cam-par.in.tum.de/Main/CAMPVis (дата обращения 12.11.2015)
13. Минаев А.А., Иващенко А.В. Мультиагентные технологии сбора и обработки информации в задачах медицинской диагностики // в сб. трудов Международного симпозиума «Надежность и качество - 2014» / под ред. Н.К. Юркова. - Пенза: Изд-во ПГУ, 2014. - 1 т. - с. 49 - 51
14. Иващенко А.В., Федосов А.В. Имитационное моделирование в задачах игротехники // в сб. трудов Международного симпозиума «Надежность и качество - 2014» / под ред. Н.К. Юркова. - Пенза: Изд-во ПГУ, 2014. - 1 т. - с. 187 - 188
УДК 004.4
Жуков Н.С., Папшев В.А.
ФГБОУ ВО «Самарский государственный технический университет», Самара, Россия
АЛГОРИТМ ПОСТРОЕНИЯ ГОРОДСКИХ ТУРИСТИЧЕСКИХ ПЕШЕХОДНЫХ МАРШРУТОВ
В статье определены критерии и способ построения оптимального туристического маршрута. Предложен алгоритм построения маршрута на основе решения задачи коммивояжера. Ключевые слова:
алгоритм, критерии оптимальности, туристический маршрут
Решение задачи построения городских туристических пешеходных маршрутов на практике невозможно без использования информационных технологий и моделирования транспортных процессов [1,2]. Следует отметить, что сложность построения маршрутов для современных туристов заключается в том, что каждому нужно предоставить уникальный маршрут по наиболее интересным для него местам, при этом маршрут должен быть оптимален, безопасен и доступен. Задача формирования оптимального туристического пешеходного маршрута заключается в следующем. Маршрут должен проходить через все предоставленные точки хотя бы один раза, а также, учитывать все критерии оценки маршрута (например, расстояние, время, стоимость поездки и др.). В связи с этим, в общем виде данную задачу можно классифицировать как задачу комбинаторной оптимизации, решением которой будет задача коммивояжёра в ее незамкнутом варианте. Задача коммивояжера является широко известной задачей оптимизации комбинаторного типа. Она формулируется следующим образом: дан полный взвешенный граф G(X,V) порядка п, где X = хп} - множество вершин; К^ХхХ - множество ребер, в нем необходимо найти Гамильтонов цикл, имеющий наименьший суммарный вес входящих в него ребер. Цикл в графе называется Гамильтоновым циклом, если он содержит все его ребра, причем каждое ребро один и только один раз [3]. При решении поставленной задачи были использованы генетические оптимизационные алгоритмы как наиболее хорошо исследованный и находящий широкое применение класс методов, сочетающих в себе элементы случайного поиска и эвристических подходов.
Формальное представление задачи коммивояжера [3] представим следующим образом:
GM =
i-i j=i
п
= 1,V; = :Ü
^ mm
Z
;=i
xt¡ = 1, VÍ = 1, п
хЦ е {0,1}
где с^ вес ребра (¿,/)
Г1,в цикле есть переход из I в / { 0, перехода из I в / нет
Стоит отметить, что решение оптимизационных задач выполняется при помощи различных алгоритмов, в том числе алгоритмов дискретной оптимизации. Такой подход кроме известных преимуществ обладает рядом недостатков, которые представлены ниже [4]:
все алгоритмы, за исключением точных, часто ограничиваются локальными решениями, которые могут быть далеки от оптимальных, при этом затруднен выход из локальных оптимумов;
точные алгоритмы могут работать только с очень ограниченным количеством элементов, что для решения задач большой размерности является недостаточным;
в качестве исходного используется лишь один вариант решения;
методы весьма чувствительны к выбору начальных условий.
Эволюционное моделирование позволяет компенсировать указанные недостатки за счет того, что: в качестве начального решения используется популяция решений;
методы слабо чувствительны к выбору начальных условий;
благодаря специальным методам, предотвращающим преждевременную сходимость генетических алгоритмов и попадания в локальные оптимумы, эволюционные алгоритмы прекрасно работают в областях, имеющих множество локальных оптимумов;
скорость работы эволюционных методов приемлема в задачах большой размерности.
Генетические алгоритмы отличаются от обычных методов оптимизации, по крайней мере, следующими 4-мя признаками [5]:
работают с кодами множества варьируемых параметров, а не с самими параметрами;
осуществляют поиск решения исходя не из единственной точки, а из популяции точек;
используют только функции пригодности, а не её производные или какую-либо дополнительную информацию;
используют вероятностные, а не детерминированные правила выбора.
В рамках рассматриваемой задачи необходимо выделить количество бит в особи, необходимое для представления всех регулируемых параметров отдельного маршрута. Пронумеруем точки маршрута в исходном множестве X = {%,..., хп}. Из этого следует, что для представления позиции точки в маршруте требуется количество бит, необходимых для представления числа п. Для решения данной задачи разработан следующий алгоритм, первым этапом которого является генерация начальной популяции, состоящей из U особей. Далее устанавливаем точку отсчета поколений TS = 0. Вычисляем значение функции пригодности для каждой хромосомы в популяции, а затем средней приспособленность популяции. Устанавливаем точку отсчета поколений TS = TS+1. Выбираем родительскую пару хромосом для оператора двухточечного кроссинго-вера. С заданной вероятностью производим над генотипами выбранных хромосом двухточечный крос-синговер. Последовательно к полученным потомкам применяем оператор мутации с заданной вероятностью. Отбираем из исходной популяции хромосому случайным образом, для её исключения. Обновляем
а
а
[ = 1
