CC BY
56
Найденные в результате расчетов максимальные значения отдельных погрешностей max| 5ц vf | на интервале изменения частоты f= 10 Гц-1000 Гц для
f
различных шагов интегрирования h = — с сведены в табл. 1.
n
Таблица 1
№ n max 15e v | f
Формула прямоугольников Формула трапеций
компьютерная компьютерная
1 2000 0.017 0.015
2 4000 0.0054 0.0033
3 8000 0.0028 0.0008
4 16000 0.0015 0.0002
Из анализа данных, приведенных в таблице 3.1, следует:
1) на практике вычисление виброскорости в результате интегрирования виброускорения по формуле прямоугольников с максимальным шагом (h = 0.5 ' 103с, выбранным по теореме Котельникова, обосновано, если допускается получаемая при этом погрешность max 15цvf |» 0.02%. Применение более точной форму-
f
лы трапеций не целесообразно, т.к. она сложнее и не дает существенных преимуществ по точности;
2) если выбирается в 4 и более раз меньший шаг интегрирования (h > 0,125-10-3с, n > 8000), обосновано применение формулы трапеций (m = 1), обеспечивающей меньшую в 3.5 - 7.0 раз методическую погрешность в заданном диапазоне частот;
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. www.vibro.tnk.ru
2. Пьявченко О.Н., Югринов В.В. Определение параметров микропроцессорных алгоритмов вычисления виброскорости. // Известия ТРТУ - Таганрог: Ид-во ТРТУ, 2003.
№ 3.
А.В. Максимов
ИСПОЛЬЗОВАНИЕ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ КОМПЬЮТЕРНОГО АНАЛИЗА ЭЛЕКТРООКАРДИОСИГНАЛОВ
В настоящее время исследование состояния здоровья человека невозможно без активного использования современной вычислительной техники. Одним из перспективных и широко используемых исследований деятельности сердечнососудистой системы, является наблюдение за работой сердца в повседневной жизни человека.
Чтобы не представлял собой диагноз, основой для его постановки является описание состояния человеческого организма и окружающих его условий и воз -действий. Всю информацию, на основании которой ставится диагноз, можно разделить на субъективную и объективную.
Субъективная информация - это информация, получаемая в результате беседы с пациентом и органолиптической оценки его состояния врачом.
Объективная информация - это информация, получаемая в результате анализов, измерений, тестов и т.д.
Техническое оснащение медицинской диагностики постоянно претерпевает изменения, которые связаны с общим прогрессом в технологии получения информации об окружающем мире. Особенно ощутимые изменения произошли в разделе медицинской диагностики, связанном с использованием методов и устройств для исследования сердечно-сосудистой системы, которые не могут быть проанализированы визуально. Возможности такого анализа появились в связи с использованием для получения изображений различных физических полей.
Предварительная обработка электрокардиосигнала (ЭКГ) с помощью ЭВМ первоначально сводилась к решению машинными методами той же задачи, что и при ручной обработке - измерению электрокардиографических параметров, используемых для диагностики. При этом возникают некоторые специфические проблемы, например, полной формализации процедур опознания различных зубцов и сегментов ЭКГ, определения положения изопотенциальной линии и т.д., но это не меняет существа решаемой задачи. В то же время, по мере развития машинных методов обработки ЭКГ, стал расширяться сам класс задач предварительной обработки ЭКГ на ЭВМ и, наряду с традиционной задачей измерения электрокардиографических параметров, в нее стали вводиться различные процедуры улучшения исходного описания (фильтрация, устранения помех, статистического осреднения). При этом радикально изменяется основная задача предварительной обработки ЭКГ, и результатом такой обработки становится получение по существу новых признаков, зачастую весьма далеких от общепринятых электрокардиографических параметров.
Процессу машинного измерения электрокардиографических параметров предшествует работа программы опознавания (выбора из введенной в ЭВМ последовательности отсчетов ЭКГ) подлежащих измерению элементов. Составление такой программы требует полной формализации логических правил, необходимых для ее успешной реализации.
Большого внимания при составлении подобного рода программ и правил требует учет вариативности ЭКГ, возможных аномалий, артефактов и помех, которые способны приводить к различным ошибкам процедур опознавания заданных элементов ЭКГ. Принимаются меры для исключения ошибок при сомнительных ситуациях. Например, при обнаружении зубцов Я менее, чем в половине анализируемого числа кардиоциклов, данное отведение автоматически исключается из обработки.
Осуществляемая при таком подходе строгая формализация не только правил определения элементов ЭКГ, подлежащих измерению, но и правил предотвращения возможных ошибок, делает предварительную обработку ЭКГ на ЭВМ процессом высоковоспроизводимым и объективным.
В конечном счете, машинная обработка ЭКГ обеспечивает значительно большую точность измерения параметров, чем ручная или осуществляемая специализированными аналоговыми устройствами.
В настоящее время для анализа различных сигналов, в том числе и биомедицинских, все чаще применяют различные экспертные системы (ЭС). ЭС для анализа ЭКГ используют различные подходы для реализации процесса построения заключения по ритму и контуру ЭКГ. В основном используется два вида алгоритмов:
- моделирование логики врача;
- использование неврачебных критериев с обучением системы на представительной выборке.
Оба подхода имеют право на существование, однако первый подход встречает меньше возражений при анализе заключений врачами и сопоставлении ими результатов машинного и ручного заключений. Впрочем, это может быть связано с чисто психологическими причинами. Анализ процесса такого сопоставления показывает, что любое машинное заключение желательно сопровождать объяснением вывода. Если же вывод построен на использовании неврачебных критериев, то специалисту чисто психологически трудно с ним согласиться. Причем чем выше уровень эксперта, тем труднее получить это согласие. Аналогичная ситуация правда возникает и при сопоставлении заключений опытных экспертов между собой.
Уточняя обобщенную схему обработки ЭКС, процесс получения заключения при помощи ЭС может состоять из следующих этапов:
1) ввод и оцифровка ЭКГ сигнала;
2) коррекция дрейфа изолинии;
3) подавление сетевой и мышечной помехи;
4) обнаружение рЯ5-комплексов;
5) распознавание морфологии рЯ5-комплексов;
6) обнаружение Р-зубцов и распознавание их морфологии; обнаружение Т-зубцов и распознавание их морфологии; распознавание морфологии 8Т-сегмента; анализ Я-Я интервального ряда.
Первые четыре задачи тесно связаны между собой и не всегда возможно произвести их четкое разделение между собой.
Так, подавление сетевой помехи начинает производится аппаратными средствами, подкрепляется адаптивной фильтрацией в реальном времени при съеме сигнала синхронно с действующим сетевым напряжением и возможно еще раз проводится апостериорно, посредством цифровых режекторных фильтров.
Обнаружение зон нахождения рЯ5-комплексов обычно является частью задачи коррекции дрейфа изолинии: участок, предшествующий рЯ5-комплексу (РР-сегмент) является важным для определения точек изолинии. Точкой изолинии считается элемент Рр-сегмента с минимальной крутизной. Поскольку коррекция дрейфа изолинии чаще всего проводится путем аппроксимации изолинии и последующего ее вычитания из ЭКГ сигнала, то для нахождения узлов аппроксимации предварительно необходимо найти Рр, а значит и обнаружить рЯ5-комплексы.
При таком обнаружении удобно решить и девятую задачу: действительно, стоит лишь при обнаружении рЯ5-комплекса фиксировать положение Я-зубца на оси времени и измерять расстояние между текущим Я-зубцом и предыдущим. Полученную последовательность сохраняют для статистического и алгоритмического анализа ритма сердца.
Хотя ЭКГ сигнал и имеет достаточно большую вариабельность, число вариантов нормы и патологии, имеющих практическую диагностическую ценность можно считать счетным. Это резко отличается от ситуации при анализе электроэнцефалограммы (ЭЭГ), (биомедицинских сигналов, характеризующих деятельность головного мозга), где даже у одного пациента практически невозможно снять идентичные ЭЭГ. Отсюда можно сделать вывод: ЭКГ почти всегда детерминированный сигнал, а ЭЭГ - случайный сигнал с возможно детерминированными статистическими или спектральными характеристиками. Причем последнее необходимо принимать со значительными оговорками, учитывая нестационарный, в общем, характер ЭЭГ.
Детерминированность ЭКГ сигнала позволяет широко применять методы накопления для борьбы со случайными помехами, элементы кластерного анализа
для классификации формы элементов ЭКГ сигнала, что практически непригодно напрямую при анализе случайных процессов типа ЭЭГ. Более того, отклонение от детерминированности ЭКГ уже само по себе является некоторым патологическим признаком. Именно детерминированный характер ЭКГ сигнала с четкой его воспроизводимостью от комплекса к комплексу и предопределил характер анализа ЭКГ сигнала практически во всех ЭС - анализ во временной области. Напротив, именно случайный характер ЭЭГ направил исследователей на применение спектральных и корреляционных методов для анализа ЭЭГ.
Форму сигнала ЭКГ во временной области удобно представлять в стуктур-но-лингвистическом виде (кстати, так поступают эксперты и при ручном анализе). Например, рЯ8-комплекс может иметь такие формы: qRs, Р8, г8г’, рг, и т.п.
Анализ в ЭС идет уже на уровне этих строковых переменных с некоторыми числовыми данными типа:
* частота сердечных сокращений;
* угол электрической оси сердца;
* смещение 8Т-сегмента по отведениям;
* время внутреннего отклонения вектора сердца в грудных отведениях;
* длительность интервала РР;
* длительность интервала РТ.
Общее количество этих данных, составляющих так называемую измерительную матрицу не очень велико: порядка 40-50 чисел и строк. Далее используются правила вывода атрибутного типа. При этом в качестве цели используется нетерминал, соответствующий искомой патологии, а в результате вывода имеем либо неудачу по этой патологии либо успех, либо частичный успех с некоторой вероятностью. Общее число таких целей порядка 300, но набор правил для каждой цели невелик (не более 10-15 правил на одну цель). Кроме того, цели ищутся в порядке их вероятности, а обнаружение одной цели зачастую ведет к прекращению поиска всех оставшихся или к исключению из поиска определенных групп целей. В результате этих особенностей, анализ проводится достаточно быстро.
Экспертная система может быть реализована с помощью различных инструментальных средств, включающих как универсальные процедурные языки программирования, так и специализированные для обработки высказываний, фреймов, предикатов.
Реальная система обработки ЭКС содержит значительную часть программ процедурного типа. Это программы ввода, отображения, цифровой обработки, сегментации, накопления. Программирование этих алгоритмов на непроцедурном языке чрезвычайно неудобно вследствие большой потери производительности, т.к. реализация непроцедурных языков программирования на однокристальных микроЭВМ неэффективна. Отсюда можно сделать вывод, что необходимо выбрать алгоритмическую и программную основу ЭС на базе процедурно ориентированного языка, достаточно высокого уровня, чтобы была возможность описывать данные как численных методов, так и нечисловых. Кроме того, язык должен поддерживать такие методы работы как рекурсия и итерация. К языкам такого типа, имеющим реализацию на микро-ЭВМ относятся языки С и Pascal. Другие языки для однокристальной микро-ЭВМ либо реализованы как интерпретаторы, либо их реализация вообще отсутствует. Дальнейшее рассмотрение алгоритмической основы ЭС будет строиться на базе языка Pascal.
Но сам по себе язык программирования составляет только часть алгоритмической основы ЭС. Другая, не менее важная часть, представляет собой методы хранения и обработки знаний.
В качестве вариантов основы можно выбрать предикатное исчисление, продукционный метод и метод семантических сетей.
В предикатном исчислении проблема сводится к определению взаимосвязи между различными объектами через имя, присвоенное их отношению (называемому предикатом), сопровождаемое списком, таким образом, связанных между собой объектов.
В исчислении предикатов именам отношений соответствует термин “предикаты”, а объектам - “аргументы”. Все используемые в исчислении предикатов логические выражения, называемые высказываниями, в классическом исчислении предикатов должны иметь значение либо ИСТИНА, либо ЛОЖЬ. Некоторый объект может быть представлен как “константа”, т.е. как конкретный индивидуум, или класс индивидуумов, или как “переменная”, в результате чего конкретный индивидуум или класс индивидуумов остаются незаданными. Когда переменной ставится в соответствие определенное имя некоторого объекта (т.е. некоторой “константы”), происходит порождение экземпляра этой переменной.
Порядок аргументов должен всегда задаваться в соответствии с интерпрета -цией предиката, принятой в рамках определенной предметной области. Это значит, что программист должен принять решение о фиксированном, приемлемом для интерпретации порядке и соблюдать его с начала и до конца. Также, необходимо отметить, что предикат может иметь произвольное число аргументов.
Продукционная система состоит из трех элементов: классов и отношений, правил, управляющей структуры. Классы и отношения трактуются как “база данных”, которая, по существу содержит декларативные знания. Процедуры представляют собой набор правил типа: ЕСЛИ (условие) ТО (действие), а управляющая структура определяет, какое правило должно быть проверено следующим.
Часто управляющую структуру называют интерпретатором правил. (Условие) - это проверка состояния базы данных, а (действие) некоторым образом видоизменяет содержание базы данных. В основе правил продукции лежит простой принцип: они определяют набор разрешенных преобразований, с помощью которых происходит продвижение от начального до окончательного решения поставленной задачи.
Понятие семантической сети основано на древней и очень простой идее о том, что “память” формируется через ассоциации между понятиями. Базовым функциональным элементом семантической сети служит структура из двух компонентов - “узлов” и связывающих их “дуг”. Каждый узел представляет некоторое понятие, а дуга - отношение между парами понятий.
Поскольку вид семантической сети может быть самый произвольный (любой) и предполагается включение в любой момент новых узлов и отношений, крайне трудно предложить регулярную процедуру для обработки (извлечения) информации из данной сети.
В принципе использование более формального и ограниченного формата семантической сети позволяет снять указанные выше ограничения. Одним из подходов может быть привязка семантических данных к семантическим понятиям.
В чистом виде ни один из этих подходов не может нас удовлетворить по целому ряду причин: оторванность от базового языка программирования, возможность резкого замедления работы при глубоком анализе, плохая стыковка с результатами цифровой обработки ЭКС. Поэтому необходимо применить подход, когда мы не отрываемся от языковой базы и вместе с тем достаточно эффективно обрабатываем структурно-лингвистические конструкции. В качестве такой алгоритмической базы могут быть выбраны атрибутные транслирующие грамматики (АТГ). Метод АТГ - это некоторое подмножество продукционного метода, где на
продукционные правила наложены ограничения, связанные с тем что производится синтаксически управляемый перевод.
В общем случае АТГ представляет собой вариант продукционных правил, специфического вида с встроенным аппаратом описания семантики в виде атрибутов. При использовании нисходящих типов анализа, процесс обработки строки ЭКС будет представлять собой последовательность вызова (возможно рекурсивную) соответствующих процедур для каждого нетерминала. С точки зрения формы представления знаний такой подход предполагает древовидную структуру семантической сети и левосторонний обход его при трансляции. Результатом трансляции, в смысле синтаксиса, является успех разбора, а семантический результат может быть набор некоторых числовых характеристик и даже символьные высказывания на естественном языке.
Однако использование АТГ накладывает определенные ограничения на структуру семантической сети. Так, отношение, связывающее узлы сети могут быть только вертикальные, без горизонтальных связей (граф-дерево). ЭКС в силу того, что отдельные его морфологические элементы относятся к физически раз -личным источникам и задействуют друг друга посредством передачи возбуждения по нервам, как раз отвечают такой структуре информационного графа.
Проведенный анализ показывает, что в качестве алгоритмической основы ЭС удобно использовать метод АТГ, реализованный в виде процедур на алгоритмических языках программирования высокого и далее нисходящий метод разбора полученной последовательности.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Шакин В.В. Вычислительная электрокардиография. -М.: Наука, 1981. 167с.
2. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. -М.: Наука, 1983. 463с.
В.С. Клопченко
МЕТОДЫ ПРОГНОЗИРОВАНИЯ В ОБРАЗОВАНИИ
Несмотря на усилившееся в последние годы внимание ко всему комплексу вопросов, связанных с прогнозированием и перспективным планированием в сфере образования, как в нашей стране, так и за рубежом, преимущественное внимание исследователей привлекают количественные показатели: прогнозирование количественного роста учебных заведений различного типа, количество учащихся и студентов в них, определение перспективных потребностей в кадрах квалифицированных рабочих и специалистов того или иного профиля и т. п. [1]. Собственно же педагогические и дидактические проблемы, связанные с прогнозированием целей, содержания, методов, средств и организационных форм обучения и воспитания учащихся на разных ступенях образования, все еще находятся в стадии постановки и самого предварительного обсуждения. В связи с этим, особую актуальность приобретает разработка вопросов теории и методологии педагогического прогнозирования, поиск новых эффективных методов прогностических исследований в педагогике, их апробация и оценка, оперативное внедрение результатов прогнозирования. Полученная в результате прогностических исследований опережающая информация выступает как средство, позволяющее не только предвидеть возможные в отдаленном будущем изменения в организации, структуре и содержании учебно-воспитательной деятельности, но и целенаправленно идти на практике к прогнозируемым (в определенной степени идеализированным) условиям работы образовательных учреждений, вносить необходимые коррективы в повсе-
