CC BY
114
Как известно, успешно вести учебный процесс, осуществлять выпуск специалистов высокого уровня можно при условии проведения научных разработок в области инженерных технологий в медицине. За прошедшие годы нам удалось организовать научные работы по довольно широкому спектру направлений.
Так, было выполнено исследование по повышению биосовместимости эндопротезов путем нанесения на их поверхность ионно-плазменным способом покрытий, разработанных на кафедре. Совместно с ЦИТО им. Н. Н. Приорова и Московской медицинской академией Минздравсоцразвития РФ (при экспериментальной проверке на живых организмах) получены очень хорошие результаты: вероятность воспалительных и других послеоперационных негативных последствий была снижена в три раза. Результаты указанных исследований включены в монографию (Г. П. Фетисов, М. Г. Карпман, Р. X. Сай-дахмедов «Ионно-плазменные нестеохиметрические покрытия на основе нитридов и карбидов переходных металлов», монография. М., 2011).
Можно назвать и цикл работ по созданию более совершенных материалов на основе углепластиков для протезов. Один из таких материалов будет изготовлен с использованием наноструктур.
Практически подготовлена диссертационная работа по созданию сорбента в экологических и медицинских целях на базе магнитоуправляемых нано-частиц оксида железа и гуминовых кислот. По данной тематике опубликовано несколько статей в научных журналах, в том числе зарубежных. Заслуживает внимания научная работа в области нано-
размерных пектинов как средства для получения более эффективных лекарств в онкологии. По перечисленным выше направлениям наши аспиранты, проходящие стажировку за рубежом, выступали с докладами в ведущих специализированных научных центрах Италии, Испании и Германии. Работа по магнитоуправляемым наночастицам оксида железа выполняется по гранту Минобрнауки РФ.
В области медицинской диагностики завершено исследование (на основе теории нейросетей), направленное на распознавание нарушений глазодвигательных функций. Работа может стать хорошим помощником врачу.
Активно развивается научное направление и по обработке биосигналов.
Инициатива преподавателей, иногда и студентов, способствует формированию новых направлений. Так, с московским заводом «Металлист» готовится совместный проект по замене стандартных технологий изготовления деталей протезов на более современные (с применением инновационных технологий). Буквально от «студентов» родилась тема по разработке нанотехнологического покрытия для офтальмоаппликатора, что позволит практически исключить поражение здоровых тканей при лучевой терапии новообразований.
Завершая краткий очерк о работе коллектива преподавателей и студентов нашей кафедры в области биотехнических систем и технологий, следует отметить, пожалуй, один из ее важнейших итогов — направление получило полное признание в структуре авиационно-космического вуза страны.
Н. А. Кореневский, д-р техн. наук,
С. А. Филист, д-р техн. наук,
Юго-Западный государственный университет, г. Курск
Актуальные проблемы биомедицинской инженерии: компьютерные технологии для систем искусственного интеллекта
Для ранней диагностики, прогнозирования и эффективного лечения социально значимых заболеваний необходимо не только иметь высококвалифицированный медицинский персонал, но и соответствующую техническую поддержку лечебно-оздоровительного процесса, что невозможно реализовать без использования современных компьютерных технологий.
Таким образом, возникает объективная необходимость подготовки специалистов высшей квали-
фикации, находящихся на стыке технического и медико-биологического направлений. Таких специалистов вот уже 20 лет готовит кафедра биомедицинской инженерии Юго-Западного государственного университета.
В настоящее время основным научным направлением кафедры является исследовательская деятельность, направленная на развитие информационных технологий и систем искусственного интеллекта, предназначенных для поддержки принятия реше-
№ 2 (20)/2012 |
биотехносфера
Заведующий кафедрой биомедицинской инженерии ЮЗГУ профессор Н. А. Кореневский
ний практикующих врачей при прогнозировании, ранней и дифференциальной диагностике, профилактике и лечении социально значимых заболеваний. При этом основное внимание уделяется развитию гибридных технологий принятия решений, позволяющих путем интеграции и гибридизации различных методов и технологий искусственного интеллекта решать сложные задачи, которые невозможно решить на основе каких-либо отдельных методов или технологий.
К наиболее востребованным технологиям искусственного интеллекта принадлежат нейросетевые технологии. Основной проблемой использования нейронных сетей в медицинских экспертных системах является, на наш взгляд, отсутствие возможности включить в формирование принимаемого нейронной сетью решения опыт специалиста, решающего аналогичные задачи в своей повседневной практике. Если учесть еще одну особенность нейронных сетей, заключающуюся в отсутствии возможности для лица, принимающего решения, проследить цепочку логического вывода при принятии решения нейросетевой моделью, т. е. понять механизм принятия решения, то наличие этих проблем значительно снижает возможность использования искусственного интеллекта в медико-биологической практике. Поэтому большое внимание в прикладных работах кафедры уделено нечеткому логическому выводу. В частности, разработан метод синтеза нечетких решающих правил на основе геометрического подхода.
Полученные модели позволяют классифицировать информативные признаки для решения задач прогнозирования и медицинской диагностики. Классификация выполняется посредством разведочного анализа. Для этого проводится построение проекций разделяющих гиперповерхностей в двумерном пространстве. Относительно этих гиперповерхностей решается вопрос о принадлежности к исследуемым классам состояний. Расстояния между различными структурами исследуемых классов и различными точками многомерного пространства признаков рассматриваются как базовые переменные для вынесения суждения о том, насколько исследуемый объект может принадлежать к тому или иному классу состояний.
Одним из основных направлений научно-исследовательской работы кафедры является моделирование взаимодействия внутренних органов с поверхностными проекционными зонами и, в частности, с биологически активными точками. Взаимодействия осуществляются по нервным путям через микрозоны ретикулярных формаций спинного мозга. Для описания механизмов этого взаимодействия на энергетическом и информационном уровнях предлагаются математические модели, основанные на теории графов, генераторные модели, модели в виде систем автоматического регулирования и табличные модели. Использование графических меридианных моделей позволяет повысить качество решения задач прогнозирования и диагностики заболеваний, «представленных» на биологически активных точках, а также составлять рациональные схемы профилактики и лечения этих болезней.
Наиболее ответственным этапом процесса классификации и идентификации живых систем является этап выделения информативных признаков. Задача этапа состоит в том, чтобы сформировать пространство информативных признаков, в котором вектор информативных признаков однозначно описывал бы объект или его конкретное свойство. Использование первичного пространства информативных признаков часто не приводит к желаемому эффекту, что обусловлено зашумленностью входной информации и неприемлемыми объемами исходных данных, которые приводят к генерации шума внутри модели принятия решения. Поэтому важно выделить и исследовать скрытые, или ненаблюдаемые переменные, или параметры сложной системы. Одно из направлений поиска скрытых параметров — выделение и анализ медленных волн.
Учитывая синхронность ритмов в сложной системе, можно из всего множества ритмов выделить ведущий ритм и остальные ритмы измерять в единицах, равных периоду ведущего ритма. В качестве примера такого подхода реализован синтез пространства информативных признаков для диагностики ишемической болезни — на основе анализа электрокардиосигнала. Апробация метода осуществлена посредством нейросетевых структур, реализованных в среде МЛТЪАБ.
Одним из важнейших направлений развития компьютерных технологий для поддержки принятия решений в биомедицинских исследованиях является обработка и анализ сложно структурируемых изображений. Многие изображения не имеют четкого морфологического описания сегментов и относятся к классу сложно структурированных изображений. При этом сложности структурирования таких изображений обусловлены как природой самого изображения, так и зашумленностью хорошо структурированного изображения. Очень часто изображения получают в условиях различной освещенности как всего изображения, так и его частей. Также возникают ситуации, когда сегменты, отно-
биотехносфера
| № 2 (20)/202
сящиеся к одному и тому же классу на различных изображениях, имеют различную цветовую окраску. Во многих случаях сложности при сегментации изображения обусловлены тем, что объемные изображения с явно выраженными сегментами проецируются на двумерную плоскость. Проекции сегментов накладываются друг на друга, при этом образуются псевдосегменты, или искаженные сегменты, что приводит к снижению ценности априорных данных.
Для сегментации сложно структурируемых изображений разработано специальное программное обеспечение, функциональная особенность которого заключается в последовательном включении каждого модуля в технологический процесс анализа изображения. Модуль программного обеспечения сегментации состоит из двух программных блоков: 1) блока нейросетевой классификации пикселей изображения; 2) блока морфологического анализа сегментов изображения.
Программное обеспечение блока нейросетевой классификации пикселей изображения в процессе обучения осуществляет формирование моделей нейронных сетей для сегментации изображений. Основными технологическими операциями при этом являются: выбор размера маски (окна); выбор цветового канала (Л, О или В); формирование обучающей выборки; настройка параметров нейронной сети; обучение нейронной сети; сохранение модели нейронной сети в базе данных.
В процессе сегментации изображения программный модуль осуществляет выборку из базы моделей нейронных сетей модели, наиболее подходящей по цветовому окрасу к исследуемому изображению. Это
выполняется как в интерактивном, так и в автоматическом режимах.
После процедуры сегментации выбранного изображения выполняется препарирование сегментированного бинарного изображения посредством модуля морфологической обработки. В результате выполнения последовательности морфологических операторов получается бинарное изображение, которое необходимо для работы программного модуля классификации.
Предложенное программное обеспечение позволяет реализовать процессы сегментации и классификации сложно структурированных изображений на основе полного технологического цикла синтеза многоуровневых моделей нейронных сетей. Включает процессы формирования обучающих выборок, вычисления параметров нейронных сетей и определение диагностической эффективности полученных решающих модулей. Программное обеспечение прошло апробацию в задачах определения межклеточных соотношений по изображениям мазков периферической крови.
Практически все предлагаемые способы и алгоритмы прошли апробацию в клинической практике и (или) были промоделированы в наиболее широко известных пакетах математической обработки данных МЛТЬЛВ 7.10 и МЛТНСЛБ 14.
Ежегодно, в мае, начиная с 1998 года, основные результаты работы ученых кафедры докладываются и обсуждаются на международной научно-технической конференции по проблемам медико-экологических информационных технологий, в работе которой мы предлагаем принять участие уважаемых читателей журнала.
С. П. Вихров, д-р физ.-мат. наук, В. Н. Локтюхин, д-р техн. наук,
Рязанский государственный радиотехнический университет
Состояние и перспективы развития медико-технического образования и науки на кафедре «Биомедицинская и полупроводниковая электроника» РГРТУ
Кафедра образована в 1952 году одновременно с основанием в г. Рязани радиотехнического института. С 1965 года она стала выпускающей и начала подготовку специалистов в области микроэлектроники. В 1993 году кафедра открыла новую специальность 200401 «Биотехнические и медицинские
аппараты и системы». Кафедра также участвует в подготовке бакалавров и магистров по направлению 201000 «Биотехнические системы и технологии».
Кадровый состав кафедры биомедицинской и полупроводниковой техники (БМПЭ): докторов наук — 7,
№ 2 (20)/2012 |
биотехносфера
