CC BY
45
УДК 004.9
https://doi.org/10.24411/2226-2296-2020-10207
I
I
История становления и развития диалоговых систем распознавания для медицинских приложений в исследованиях советских ученых
Л.В. Стародубцева, С.Н. Родионова
Юго-Западный государственный университет, 305040, Курск, Россия ORCID: https://orcid.org/0000-0001-6803-298X, E-mail: lilja-74@inbox.ru ORCID: https://orcid.org/0000-0002-4477-3975, E-mail: knsofia@mail.ru
Резюме: Предметом исследования данной работы являются диалоговые системы распознавания образов, и в частности история становления и развития этого класса систем в Советском Союзе для решения задач медицинской диагностики. Целью работы является раскрытие исторических предпосылок появления нового класса систем распознавания, а именно диалоговых систем в СССР в 70-е годы прошлого столетия, история их разработки и перспектив развития. В результате исследования было показано, что в 1970-е годы в СССР был разработан портативный прибор, обучающийся в режиме диалога, который успешно был испытан на решении целого ряда задач медицинской диагностики. В 80-е и последующие годы идея построения диалоговых систем получила свое дальнейшее развитие уже как специализированное программное обеспечение персональных ЭВМ. При этом область их применения значительно расширилась. Они стали составной частью медицинских интеллектуальных систем поддержки принятия решений и специализированных пакетов прикладных программ. Таким образом, диалоговые системы превратились в мощный инструмент решения многих задач практической медицины, обеспечивая повышение качества медицинского обслуживания населения. Ключевые слова: история, распознавание образов, диалоговые системы, медицинская диагностика, отображение, портативный прибор.
Для цитирования: Стародубцева Л.В., Родионова С.Н. История становления и развития диалоговых систем распознавания для медицинских приложений в исследованиях советских ученых // История и педагогика естествознания. 2020. № 2. С. 36-39. D0I:10.24411/2226-2296-2020-10207
HISTORY OF THE FORMATION AND DEVELOPMENT OF DIALOG RECOGNITION SYSTEMS FOR MEDICAL APPLICATIONS
IN THE RESEARCH OF SOVIET SCIENTISTS Liliya V. Starodubtseva, Sofya N. Rodionova
South-Western state University, 305040, Kursk, Russia
ORCID: https://orcid.org/0000-0001-6803-298X, E-mail: lilja-74@inbox.ru
ORCID: https://orcid.org/0000-0002-4477-3975, E-mail: knsofia@mail.ru
Abstract: The subject of this research is dialogical image recognition systems and in particular the history of the formation and development of this class of systems in the Soviet Union for solving problems of medical diagnostics. The purpose of this work is to reveal the historical background of the emergence of a new class of recognition systems, namely dialog systems in the USSR in the 70s of the last century, the history of their development and prospects for development. As a result of the research, it was shown that in the 70s in the USSR, a portable device was developed that trains in dialogue mode, which was successfully tested for solving a number of problems of medical diagnostics. In the 80's and subsequent years, the idea of building dialog systems was further developed as specialized software for personal computers. At the same time, the scope of their application has significantly expanded. They have become an integral part of medical intelligent decision support systems and specialized application software packages.
Thus, dialog systems have become a powerful tool for solving many problems of practical medicine, ensuring the improvement of the quality of medical care for the population.
Keywords: history, image recognition, dialog systems, medical diagnostics, display, portable device.
For citation: Starodubtseva LV., Rodionova S.N. HISTORY OF THE FORMATION AND DEVELOPMENT OF DIALOG RECOGNITION SYSTEMS FOR MEDICAL APPLICATIONS IN THE RESEARCH OF SOVIET SCIENTISTS. History and Pedagogy of Natural Science. 2020, no. 2, pp. 36-39. DOI:10.24411/2226-2296-2020-10207
История и педагогика естествознания
2•2020
К середине 1970-х годов у ученых и специалистов, решающих задачи распознавания образов, сложилось устойчивое мнение о том, что множество (более 200) разработанных и апробированных методов, каждый в отдельности, не решает возникающих проблем в значительном числе практических задач [1-4]. Большинство исследователей сходились во мнении о том, что выбранный метод исследования должен соответствовать структуре данных, описывающих решаемую задачу [1].
К этому же времени достаточно хорошо был развит аппарат анализа многомерных данных, позволяющий изучать их структурные особенности [1-4].
Один из основных подходов к анализу сложноструктурированных данных заключался в снижении размерности до возможности их визуального наблюдения и анализа человеком, у которого способность к анализу зрительных образов в то время намного превосходила возможности самых мощных ЭВМ [1-4].
В 1970-х годах советские специалисты, занимающиеся решением задач распознавания образов, анализируя переводные статьи из США, отмечали, что за рубежом появились сообщения о разработке диалоговых систем распознавания образов. Однако возможности отечественных ЭВМ не позволяли приступить к аналогичным полноценным исследованиям в СССР. В это же время появились первые обзорные статьи о методах снижения размерности, применяемых за рубежом для анализа структуры данных, с целью решения различных задач, включая распознавание образов [1-2].
В основе большинства методов снижения размерности лежало отображение многомерных данных в пространстве пониженной размерности (одно-, двух- и трехмерные), причем в общем виде задача формулировалась следующим образом: если в многомерном пространстве разделение на группы уже известно, то интересно найти такое отображение, при котором лучше всего сохранится разделение на группы [2-4].
В работе [2] описан вариант использования алгоритмов отображения в задачах медицинской диагностики.
В 1996-1997 годах в Курском политехническом институте (КПИ) проводился заключительный этап хоздоговорной научно-исследовательской работы № 47 «Исследование эффективности применения специализированных систем автоматической диагностики в типовых лечебных уч-
реждениях и клиниках» (научный руководитель - заведующий кафедрой вычислительной техники (ВТ), к.т.н., доцент В.Н. Долгополов). В ходе этих исследований изучались технические возможности специализированных диагностических устройств, построенных с использованием аналоговых искусственных нейронных сетей (АИНС), и эффективность алгоритмов их обучения с учетом сложности настройки специализированных АИНС и недостатков автоматических алгоритмов их обучения, не учитывающих структуру классификационных данных. Специалист кафедры вычислительной техники КПИ Н.А. Кореневский, изучая возможности повышения эффективности алгоритмов обучения и улучшение механизмов настройки специализированных медицинских диагностических приборов, обратил внимание на то, что ряд зарубежных специалистов указывают на перспективность использования диалоговых систем распознавания образов (ДСР) [1-4].
Основной целью ДСР (другое их название в зарубежной и отечественной литературе по распознаванию образов человеко-машинных систем (ЧМС)) является предоставление пользователю быстрого и гибкого способа анализа структуры данных путем опробования различных способов отображения и решающих правил из известного их набора с тем, чтобы определить, какой алгоритм или метод наилучшим способом решает поставленные задачи распознавания [1].
Анализ описываемых в 1970-е годы ДСР показал, что в них процесс обучения был реализован по следующей цепочке: выбор методов отображения, позволяющих с различных позиций изучить структуру классов, ^ анализ структуры классов ^ выбор адекватных решающих правил с реализацией процесса обучения ^ классификация с помощью обученных систем.
При анализе сложноструктурированных классов осуществлялся многократный возврат по указанной цепочке. При этом пользователи часто отмечали, что алгоритмы и модели отображения с анализом структуры данных зачастую намного сложнее, чем алгоритмы обучения и классификации [1].
Разработчики ДСР 1970-х годов отмечали, что эти системы представляют собой сложные и дорогостоящие вычислительные комплексы, делая их использование экономически неоправданным. Например, Л. Кэнал [1] писал: «Весьма желательно, чтобы решение задач с помощью диалоговых систем было делом доступным и недорогим,
но, к сожалению, оба эти условия в настоящее время не выполняются». Эти же соображения учитывали советские специалисты по теории распознавания образов. По крайней мере в открытой печати к середине 1970-х годов публикации об использовании ДСР в СССР отсутствовали.
С учетом накопленного опыта в обучении классических нейронных сетей, возможностей ДСР 1970-х годов и имеющейся в СССР базы вычислительной техники Н.А. Кореневский в 1976 году предлагает изменить логику принятия решений в диалоговых системах распознавания. В отличие от традиционных ДСР Кореневский предложил объединить два различных этапа -отображение данных с целью анализа их структуры и решение задачи классификации [5-7]. При таком варианте отображающие функции практически являются основой решающих правил, а задача обучения заключается в поиске вида и параметров этих функций таким образом, чтобы в пространстве отображения пересечение альтернативных классов отсутствовало или было минимальным.
При этом пользователя в основном интересует не общая структура классов, а зона их пересечения в отображаемом пространстве, что значительно сокращает объем анализируемой информации. Специалист, ведущий обучение, получает возможность сразу наблюдать решение поставленной задачи и при необходимости корректировать результат обучения с помощью довольно простых правил [8-10].
Формально обучение и классификация ведутся в двумерном отображающем пространстве Ф = Y1 x Y2, куда многомерные объекты Х = (х1, х2, ... хп) отображаются с помощью пары отображающих функций Y1 = ф1(Л, Х),
Y2 = ф2(Б, Х), где А = (а1, а2.....ап) и
B(b1, b2.....bn) - векторы вещественных настраиваемых параметров. Задача обучения состоит в нахождении таких значений параметров векторов А и В и видов функциональных зависимостей j1 и j2, при которых непересекающиеся образы в многомерном пространстве N при отображении в Ф будут разделимы или будут иметь минимальное (допустимое) наложение классов S(X, А, В, Q), где Q = (со1, ю2,
I- число классов Х, a S - площадь наложения классов в Ф. С математической точки зрения задача обучения заключается в минимизации функционала качества вида
R(A, B) = P(Q) P(Q/X)x xL (X, Q) dX dQ, (1)
где P(Q) априорная вероятность появления класса; P(Q/X) - условная веро-
2■2020
История и педагогика естествознания
ятность появления Х; L (X, О) - функция потерь от ошибочной классификации, например из-за недостаточной квалификации «учителя». В реальных задачах может минимизироваться и более простой функционал:
Я(А, В) =| X,А, В, О) с1Х сЮ. (2)
ХО
Задача классификации заключается в определении местоположения
отображения объектов Х = (х1.....хп)
относительно границ различных классов, полученных в Ф.
В первых вариантах предлагаемого подхода в качестве отображающих функций использовались функции вида:
Yj = Z aXi (i = 1.2):
i=1
Yj=^X (x, - ai)
(3)
(4)
Yj = Zaixi IPixi-ai\: (5)
i=1
Yj = arccos
Z aixi
i=j_
IXllAl
(6)
Yi
aixi:
i=1
(7)
=Х Ьх ■„ 1=1 (8) где а} и Ь(- - настраиваемые параметры, определяемые в процессе обучения.
Технически функции (7) и (8) реализовались двумя сумматорами на операционных усилителях 140 УД 2Б.
УФТ ТП
у*
Рис. 1. Структура диагностического прибора, обучаемого в режиме диалога
Алгоритмы обучения (поиска настраиваемых параметров a,, Р(), минимизирующие области пересечения альтернативных классов в отображающем пространстве, были написаны на языке FORTRAN для ЭВМ типа БЭСМ 4М [8].
Собственно классификатор выполнялся как портативная приставка к промышленному телевизионному приемнику со структурой, приведенной на рис. 1.
В схеме, приведенной на рис. 1, блок вычисления отображающих функций (БВОФ) вычисляет величины функций отображения (3), (4), (5), (6) и др. В первом образце прибора типа «Диалог» были реализованы две отображающие функции:
Устройство формирования точки (УФТ) в отображающем пространстве Ф = У1 х У2, реализованном экраном телевизионного приемника (ТП), ставит в соответствие с вычисленными значениями У1 и У2 координаты точки на экране ТП. Такое соответствие обеспечивается сравнением значений У1 и У2 с масштабированными пилообразными напряжениями генераторов строчной и кадровой развертки ТП. Границы исследуемых классов состояний, полученные на этапе обучения, изображались на прозрачном трафарете, покрывающем экран ТП. Опытный образец устройства типа «Диалог» был изготовлен в 1976 году. В этом же году описание метода и структуры устройства было направлено в редакцию журнала «Известия ВУЗов. Приборостроение», опубликованного в 1978 году [6].
В [5] были опубликованы идеи построения соответствующего алгоритма обучения.
Таким образом, в 1976 году в СССР был получен первый опытный образец портативного диалогового устройства распознавания и алгоритм обучения для большой ЭВМ типа БЭСМ 4М, первоначально ориентированный на медицинские приложения.
Ценность этого прибора определялась еще и тем, что в середине 1970-х годов в СССР серийного выпуска микроЭВМ еще не было. Первая отечественная микроЭВМ типа «ЭЛЕКТРОНИКА НЦ-03Т» была изготовлена опытной партией всего в пяти экземплярах. Она в то время технически не могла претендовать на широкое применение в медицинской практике как средство автоматической диагностики.
В период с 1977 года практически до конца существования СССР «Диалог» оставался единственным специализированным портативным прибором автоматической медицинской диагностики, обучающимся в режиме диалога. За это время он был обучен на дифференциальную диагностику пороков сердца и острых заболеваний органов
брюшной полости, требующих хирургического вмешательства, на диагностику таких профессиональных заболеваний, как виброболезнь и заболевания системы дыхания сварщиков, на дифференциальную диагностику функционального состояния человека и т.д. Во всех решаемых задачах обеспечивались показатели диагностической чувствительности и специфичности не хуже 0,95 [9-10].
С появлением достаточно мощных персональных ЭВМ с хорошими графическими дисплеями появилась возможность значительного расширения функциональных возможностей диалоговых систем распознавания, обеспечивающих отображение и распознавание исследуемых классов состояний со структурой практически любой сложности [11]. В современной реализации разработанный Н.А. Ко-реневским метод является составной частью математического обеспечения медицинских систем поддержки принятия решений [12].
Другой ветвью разработки диалоговых систем распознавания в СССР являлось усовершенствование методов и алгоритмов отображения с целью получения большей информации о структуре многомерных данных. Наиболее интересны в этом направлении были работы Ленинградского ученого В.В. Александрова, предложившего в 1978 году «развертку» многомерного пространства на линию, позволяющую отыскивать локальные экстремум ы многомерных отображений, имеющих плохие локальные свойства [13]. В дальнейшем для анализа данных под руководством Александрова была разработана компьютерная система «СИТО» [14], использующаяся и для решения медико-биологических задач [15].
В настоящее время с появлением мощных персональных компьютеров разработанные до конца 1990-х годов диалоговые методы распознавания вошли в состав современных пакетов обработки данных, в частности в пакет STATISTICA и др.
¡38)
История и педагогика естествознания
2■2020
СПИСОК ЛИТЕРАТУРЫ
1. Кэнал Л. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога // Распознавание образов при помощи цифровых вычислительных машин. М.: МИР, 1974. 157 с.
2. Терехина А.Ю. Методы многомерного шкалирования и визуализации данных // Автоматика и телемеханика. 1973. № 7. С. 80-94.
3. Calvert T.W. Nonorthoqonal projections for Future Extraction in Pattern Recoqnition. IEEE Trans. Comput., 1970. V. 19, No. 5. Р. 25.
4. Sammon J.W. An optimal discripninant plane. IEEE Trans. Comput., V 19, No. 9, 1970. Рр. 15-25.
5. Долгополов В.Н., Кореневский Н.А. Методика и алгоритм обучения диалоговой системы распознавания // Решение логических задач на ЭВМ: Сб. докл. науч.-техн. конф. Курск, 1977. С. 25-34.
6. Долгополов В.Н., Кореневский Н.А., Грошков А.Н. Об одном способе обработки информации в диалоговых системах распознавания образов // Известия ВУЗов. Приборостроение. 1978. Т. XXI. № 3. С. 47-52.
7. Кореневский Н.А. Диалоговая обучающая система на базе ЭВМ БЭСМ 4М // Инф. листок Курского ЦНТИ. Курск, 198 с.
8. Кореневский Н.А. Классификатор двумерных отображений на основе микро-ЭВМ / Инф. листок Курского ЦНТИ. Курск, 198 с.
9. Кореневский Н.А. Пакет программ обучения классификации в режиме диалога. М.: ВНИИМ и МТИ /ОФАП, 1983. 75с.
10.Кореневский Н.А. Классификация двумерных отображений в многоальтернативных диалоговых системах на примере задач медицинской диагностики: автореф. дис. канд. техн. наук: 05.13.01. Ленинград, 1983. 17 с.
11. Кореневский Н.А. Метод динамической оценки состояния объекта в диалоговых системах распознавания // Известия ВУЗов. Приборостроение. 1987. Т. XXX. № 12. С. 37-41.
12.Кореневский Н.А., Родионова С.Н., Хрипина И.И. Методология синтеза гибридных нечетких решающих правил для медицинских интеллектуальных систем поддержки принятия решений: Моногр. Старый Оскол.: ТНТ, 2019. 472 с.
13.Александров В.В., Лачинов В.М., Поляков А.Ю. Рекурсивная алгоритмизация кривой заполняющей многомерный интервал // Техническая кибернетика, 1978. № 1. С. 192-198.
14.Апександров В.В., Алексеев А.И., Горский Н.Д. Анализ данных на ЭВМ (на примере системы СИТО). М.: Финансы и статистика, 1990. 245 с.
15.Апександров В.В., Шнейдеров В.С. Обработка медико-биологических данных на ЭВМ. Л.: Медицина, 1984. 160 с.
REFERENCES
1. Kenal L. Raspoznavaniye obrazov pri pomoshchi tsifrovykh vychislitel'nykh mashin [Recognition of images using digital computers]. Moscow, MIR Publ., 1974. 157 p.
2. Terekhina A.YU. Methods of multidimensional scaling and data visualization. Avtomatika i telemekhanika, 1973, no. 7, pp.80-94 (In Russian).
3. Calvert T.W. Nonorthoqonal projechtions for Future Extraction in Pattern Recoqnition. IEEE Trans. Comput., 1970, vol. 19, no. 5, p. 25.
4. Sammon J.W. An optimal discripninant plane. IEEE Trans. Comput., 1970, vol 19, no. 9, pp. 15-25.
5. Dolgopolov V.N., Korenevskiy N.A. Metodika i algoritm obucheniya dialogovoy sistemy raspoznavaniya. Resheniye logicheskikh zadach na EVM [Methods and algorithm for teaching a dialogue recognition system. Solving logical problems on a computer]. Trudy nauchno-tekhnicheskoy konferentsii [Proc. of the scientific and technical conference]. Kursk, 1977, pp. 25-34.
6. Dolgopolov V.N., Korenevskiy N.A., Groshkov A.N. On one method of information processing in dialogue systems of image recognition. Izvestiya VUZov. Priborostroyeniye, 1978, vol. 21, no. 3, pp. 47-52 (In Russian).
7. Korenevskiy N.A. Dialogovaya obuchayushchaya sistema na baze EVM BESM 4M [Dialogue training system based on the BESM 4M computer]. Kursk. 198 p.
8. Korenevskiy N.A. Klassifikator dvumernykh otobrazheniyna osnove mikro-EVM [Classifier of two-dimensional mappings based on microcomputer]. Kursk. 198 p.
9. Korenevskiy N.A. Paket programm obucheniya klassifikatsii v rezhime dialoga [Classification training package in dialogue mode]. Moscow, VNIIM i MTI /OFAP/ Publ., 1983. 75 p.
10. Korenevskiy N.A. Klassifikatsiya dvumernykh otobrazheniy v mnogoal'ternativnykh dialogovykh sistemakh na primere zadach meditsinskoy diagnostiki. Diss. kand. tekhn. nauk [Classification of two-dimensional mappings in multi-alternative dialogue systems on the example of problems of medical diagnostics. Cand. tech. sci. diss.]. Leningrad, 1983. 17 p.
11. Korenevskiy N.A. Method for dynamic assessment of the state of an object in dialogue recognition systems. Izvestiya VUZov. Priborostroyeniye, 1987, vol. 30, no. 12, pp. 37-41 (In Russian).
12. Korenevskiy N.A., Rodionova S.N., Khripina I.I. Metodologiya sinteza gibridnykh nechetkikh reshayushchikh pravil dlya meditsinskikh intellektual'nykh sistem podderzhki prinyatiya resheniy [Methodology for the synthesis of hybrid fuzzy decision rules for medical intelligent decision support systems]. Staryy Oskol, TNT Publ., 2019. 472 p.
13. Aleksandrov V.V., Lachinov V.M., Polyakov A.YU. Recursive algorithmization of a curve filling a multidimensional interval. Tekhnicheskaya kibernetika, 1978, no. 1, pp. 192-198 (In Russian).
14. Aleksandrov V.V., Alekseyev A.I., Gorskiy N.D. Analiz dannykh na EVM (na primere sistemy SITO) [Data analysis on a computer (by the example of the SITO system)]. Moscow, Finansy i statistika Publ., 1990. 245 p.
15. Aleksandrov V.V., Shneyderov V.S. Obrabotka mediko-biologicheskikh dannykh na EVM [Processing of medical and biological data on a computer]. Leningrad, Meditsina Publ., 1984. 160 p.
ИНФОРМАЦИЯ ОБ АВТОРАХ / INFORMATION ABOUT THE AUTHORS
Стародубцева Лилия Викторовна, к.т.н., доцент, Юго-Западный государственный университет.
Родионова Софья Николаевна, аспирант, Юго-Западный государственный университет.
Liliya V. Starodubtseva, Cand. Sci. (Tech.), Assoc. Prof., Southwestern state University.
Sofya N. Rodionova, Postgraduate Student, Southwestern state University.
2•2020
История и педагогика естествознания
в9
