CC BY
44
УДК 615.47
Н. А. Кореневский, д-р техн. наук, О. И. Филатова, аспирант,
A. А. Бурмака, д-р. техн. наук,
B. В. Серебровский, д-р техн. наук, Юго-Западный государственный университет, г. Курск
Метод классификации функционального состояния человека и оценки уровня его составляющих на основе гибридных нечетких моделей
Ключевые слова: нечеткая логика, классификация, функциональные состояния, уверенность в принимаемом решении, функция принадлежностей.
Key words: fuzzy logic, classification, functional state, confidence in the received decision, the function accessories.
В работе рассматриваются вопросы синтеза комбинированных нечетких решающих правил для классификации и оценки уровня функциональных состояний по трем блокам разнородных признаков: по субъективным тестовым опросникам; по показателям, характеризующим внимание человека; по энергетическому разбалансу биологически активных точек.
Современное состояние общества характеризуется увеличением количества энерго- и информационно-насыщенных систем, в управлении работой которых активно задействован человек. Человеческий фактор во многом определяет надежность, безотказность и качество их работы. Ошибки работы оператора могут приводить не только к снижению количественных и качественных показателей работы человеко-машинных систем и комплексов, но иногда и к фатальным последствиям. Как показывают многочисленные исследования отечественных и зарубежных ученых, оценку готовности человека выполнять требуемую работу с заданными ограничениями на оперативность и качество можно проводить, оценивая его функциональное состояние [6—8].
Дополнительным условием в организации трудовой деятельности является требование того, что трудовой процесс не только не должен вызывать возникновение и развитие профессиональных заболеваний, но и обеспечивать восстановление израсходованных ресурсов в период, когда человек не занят основной производственной деятельностью. Для этого реакция организма должна находиться в пределах физиологической адаптации и не превышать порогов компенсации [1—3]. Такой режим
работы можно организовать также на основе знаний о функциональном состоянии и адаптационных резервах человека.
Существует большой арсенал методов и средств определения функциональных состояний человека по различным системам психологических, психофизиологических и физиологических признаков. Однако проблема диагностики этих состояний и их связи с работоспособностью человека остается далекой от своего разрешения. Единство мнений отсутствует даже при определении самого понятия функционального состояния [6, 8].
На основании анализа существующих подходов к диагностике функциональных состояний (ФС) человека за классификационные основы были взяты такие состояния, анализ которых позволяет решать задачи прогнозирования и ранней диагностики заболеваний, связанных с изменением ФС, а также задачи оценки эффективности работы операторов человеко-машинных информационно-насыщенных систем.
Как показали специально проведенные исследования, выбранный комплекс задач может быть решен, если обеспечить достаточно точное выделение таких классов ФС, как состояния покоя, активации, эмоционального напряжения и различных стадий утомления. В связи с этим основным объектом исследования были выбраны люди, находящиеся в названных классах состояний, полученных в их обыденной жизни и смоделированных искусственно. Дополнительно изучались ФС людей, болеющих некоторыми типами психосоматических заболеваний (нервные болезни, заболевания сердечно-сосудистой системы, заболевания желудочно-кишечного тракта). В ходе проведенных исследований было показано, что простое разделение классов ФС на номинальное состояние (состояние оперативного
покоя — класс ю0), состояние активации — класс Юд, состояние психоэмоционального напряжения — класс юн, состояние утомления — класс Юу, с точки зрения задач эффективности работы человеко-машинных систем и оценки риска появления и развития заболеваний, является весьма грубой.
Например, состояние кратковременного нервно-психического напряжения низкой и средней интенсивности повышает эффективность работы операторов в человеко-машинных системах и не создает риска появления профессиональных заболеваний. Наоборот, длительное психоэмоциональное напряжение средней и высокой интенсивности, особенно в сочетании с утомлением, приводят к снижению эффективности работы человеко-машинных систем и к повышению риска появления и развития психосоматических заболеваний. Аналогичные примеры легко привести и по сочетаниям других введенных классов состояний.
С учетом сказанного, перед экспертами был поставлен вопрос о более детальной классификации ФС человека, которая способствовала бы более качественному решению поставленных в работе задач.
Анализ литературных данных и специально организованный и проведенный разведочный анализ показали, что между различными классами ФС нет четкой границы, а используемые информативные признаки носят неполный и нечеткий характер, поэтому, основываясь на рекомендациях, приведенных в работах [11, 12, 14, 15], в качестве основного математического аппарата выбран аппарат мягких вычислений, в частности теория уверенности, разработанная и развиваемая Е. Шортлифом и его учениками [11]. Основу этой теории составляет понятие коэффициента уверенности в гипотезе Ю;, рассчитываемого по ряду свидетельств (информативных признаков X;). Каждый из информативных признаков характеризуется своим коэффициентом или функцией уверенности, которые свидетельствуют в пользу исследуемой гипотезы или против нее. В рассматриваемом варианте в качестве исследуемых гипотез выбраны классы сформированных состояний Ю1 (I = О, А, Э, У), а привлекаемая гетерогенная система признаков такова, что каждый из них свидетельствует в пользу той или иной гипотезы. Каждый из информативных признаков х1 представляет собой непрерывную шкалу, на которой по аналогии с нечеткой логикой принятия решений [15] в интервале [0,1] определена функция уверенности /Ю;(х^) в гипотезе Ю;. Назовем, по аналогии с теорией Л. Заде [12, 15], шкалу х; базовой переменной функции уверенности, тогда, исходя из рекомендаций [11, 12, 14], для каждой из выделенных групп признаков частная уверенность в гипотезе Ю; может быть определена с помощью итерационных выражений типа:
КУЩ (р + 1) = КУю1 (Р) + ^ (X; )[1 - КУЩ (Р)], (1)
где I — имя класса (I = О, А, Э, У); р — номер итерации в расчете коэффициента уверенности КУС
Ю'
fЮl — функция уверенности в классе Ю; с базовой переменной по шкале X;; Ь — номер базовой переменной в общем списке информативных признаков.
Финальная уверенность в классах Ю определяется агрегацией частных коэффициентов уверенности, рассчитываемых по формуле (1) в соответствии с выражением
тФ
(Я +1) =
= КУф (я) + КУю (Я + 1)|~1 - КУф (Я)
(2)
где я — номер итерации, совпадающей с номером частного решающего правила.
При окончательном решении предпочтение отдается классу Ю; с максимальным значением КУф .
В результате работы экспертов было предложено для каждого базового класса состояний Юд, Юэ, Юу ввести дополнительные градации по парам: уровень и продолжительность.
В ходе проведенного экспертного оценивания, проверенного результатами математического моделирования и статистическими испытаниями, для каждого из классов ФС было выбрано два способа описаний уровня и продолжительности: в виде непрерывных шкал в интервале [0—1]; в виде семейств функций принадлежностей на непрерывных шкалах.
В предлагаемой работе каждый из выделяемых классов описывается тремя блоками информативных признаков:
1) блок признаков, определяемых методами субъективной оценки с помощью специализированных психологических тестов;
2) блок признаков, определяемых объективным психологическим тестированием с помощью аппаратуры, регистрирующей состояние внимания человека;
3) блок признаков, характеризующих физиологическую составляющую, регистрируемую по энергетическому состоянию меридианных структур организма.
По первому блоку признаков уровень активации определяется тестом субъективной оценки психической активации, интереса, эмоционального тонуса и напряжения по шкале УАС [9]. Уровень психоэмоционального напряжения (ПЭН, класс ЮЭ) определяется по шкалам ситуативной тревожности (СТ) и личной тревожности (ЛТ) теста Спилберге-ра—Ханина. Уровень утомления — с использованием индекса хронического утомления (ИХРУ), индекса умственного утомления (ИУУ) и индекса физического утомления (ИФУ), методика расчета которых описана в работе [9].
По второму блоку признаков показатели внимания оцениваются с помощью специализированной аппаратуры, описание которой приведено в рабо-
тах [8, 13]. Из множества методик по оценке параметров внимания, используя метод оценки информативности по Кульбаку, было отобрано три, с помощью которых исследуются такие показатели, как переключаемость внимания (ПК), концентрирован-ность внимания (КВ) и устойчивость внимания (УВ). Причем, согласно результатам работы [10], принятие решений о принадлежности к классам состояний Юо, Год, ЮЭ, ЮУ целесообразно осуществлять в двумерном классификационном пространстве с координатами У1 = ф1(ЛВ, КВ); У 2 = Ф2(УВ), где ф1 и ф2 — функции отображения из пространства признаков, характеризующих свойства внимания человека в двумерное классификационное пространство ф = У1 х У 2 [8, 10].
В качестве информативных признаков, характеризующих энергетическое состояние меридианных структур по выбранному множеству БАТ, используются величины относительных отклонений энергетических характеристик этих точек от своих номинальных значений — где ] — номер БАТ в блоках информативных признаков.
Рассматривая полученные шкалы субъективных тестов, значения У1, У2, и как базовые переменные функций уверенности к классам состояний Юд, Юэ, и Юу, а также придавая функциям уверенности свойства меры увеличения доверия к классификации по Е. Шортлиффу, получаем систему решающих правил для определения значений коэффициентов уверенности КУЮ[ в искомых классах функциональных состояний как модификацию выражения (1):
Кут[ ( Р +1) + Кут[ ( Р) + 4г (^ )[1 - Куюг (р)],
где Zr = УАС, СТ, ЛТ, ИХРУ, ИУУ, ИФУ, У1, У2, Щ; КУЮ[ (1) =
Из списка Zr для каждого Ю; выбирается «своя» группа информативных признаков, описанная выше.
В результате математического моделирования, экспертного оценивания и статистических испытаний на контрольных выборках было установлено, что уверенность в правильной классификации по всем классам ФС превышает 0,95.
В ходе специально проводимых исследований при искусственном введении испытуемых в различные классы функциональных состояний с различными уровнями активации, ПЭН и утомления было установлено, что все вводимые показатели Zr достоверно изменяют свои значения в зависимости от различной степени изменения показателей, характеризующих ФС. Это позволило поставить задачу получения графиков зависимостей уровней активации УА*(Аг), уровней психоэмоционального напряжения УИ*(ИГ) и уровней утомления Уи*(иг) от соответствующих параметров Zr = Аг, Нг, иг с такими же свойствами, как и коэффициент уверенности по Е. Шортлиффу [11].
Тогда по всем полученным составляющим уровень показателей, характеризующий функцио-
нальные состояния, целесообразно определять соотношениями:
УА(э + 1) = УА(э) + УА*(Аг)[1 - УА(э)]; (3) УН(э + 1) = УН(э) + УН*(Нг)[1 - УН(э)]; (4) УЩэ + 1) = УЩэ) + Уи*(иг)[1 - УЩэ)]; (5)
Уровень активации, ПЭН и утомления по шкалам (3), (4) и (5) определяется в диапазоне [0-1].
Для оценки продолжительности нахождения человека в различных классах функциональных состояний может быть использована непрерывная шкала времен. Тогда влияние времени нахождения в Ю; на решение выбранных классов задач удобно характеризовать соответствующей функцией уверенности fю(t).
Если обозначить уровень показателя, характеризующего состояние класса Ю; через ию , то каждый из выделяемых классов будет определяться парой:
Ц = {ит1, ^ (*)},
где ию1 = УА, УН, Уи.
В настоящее время проводятся исследования, связанные с практическим использованием предложенного метода для решения задач прогнозирования и ранней диагностики психосоматических заболеваний. Показано, что если использовать полученные в работе результаты при прогнозировании заболеваний нервной системы, системы пищеварения и сердечно-сосудистой системы, то качество прогноза увеличивается на 10-15 %.
Работа была выполнена в рамках реализации ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы. Государственный контракт № П424.
| Литература |
1. Баевский Р. М. Оценка адаптационных возможностей организма и риск развития заболеваний. М.: Медицина, 1997. 235 с.
2. Баевский Р. А. Диагноз донозологический // БМЭ. М., 1978. С. 252-255.
3. Казначеев В. П., Баевский Р. М., Барсенева А. П. Донозо-логическая диагностика в практике массовых заболеваний населения. Л.: Медицина, 1980. 215 с.
4. Кореневский Н. А. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования // Вестник новых медицинских технологий. 2006. Т. XIII. № 2. С. 6-10.
5. Кореневский Н. А., Крупчатников Р. А., Серегин С. П. Теоретические основы биофизики акупунктуры с приложениями в биологии, медицине и экологии на основе нечетких моделей. Курск: ОАО «ИПП "Курс"», 2010. 521 с.
6. Леонова А. Б. Психодиагностика функциональных состояний человека. М.: Изд-во МГУ, 1984. 200 с.
7. Леонова А. Б., Медведев В. И. Функциональное состояние человека в трудовой деятельности. М., 1981. 125 с.
8. Плотников В. В., Кореневский Н. А., Забродин Ю. М. Автоматизация методик психологического исследования: Принципы и рекомендации. Орел: Изд-во ин-та психологии АНССР; ВНИИОТ Госагропрома СССР, 1989. 327 с.
9. Практикум по инженерной психологии и эргономике: Учеб. пособие. / С. К. Сергиенко, В. А. Бодров, Ю. Э. Пи-саренко и др.; Под ред. Ю. К. Стрелкова. М.: ИЦ «Акаде- 13. мия», 2003. 400 с.
10. Штотланд Т. М. Разработка методов и средств комплексной диагностики и управления функциональным состоянием человека по фазам динамики деятельности: Дисс. ... канд. 14. техн. наук. Курск, 2003. 145 с.
11. Bruce G. Buchanan, Edward H. Shortlife. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley Publishing Company. Reading, Massachusetts, 1984. 15.
12. Korenevskii N. A., Krupchatnikov R. A., Gorbatenko S. A. Generation of fuzzy network models taught on basis of data
structure for medical expert systems // Biomedical Engineering. Springer, New York. 2008. Vol. 42. N 2. P. 67-72. Korenevsky N. A., Skopin D. E., Kasasbeh R. T. Al, Kuz'-min A. A. System for Studying Specific Features of Attention and Memory // Biomedical Engineering Journal. Springer, New York. 2010. Vol. 44. N. 1. P. 32-35. Kasasbeh R. T. Al, Korenevsky N. A., Ionescu F., Kuzmin A. A. Synthesis of the Combined Fuzzy Rules for Medical Applications with Using Tools of Exploration Analysis // Proc. 4th IAFA Intern. Conference Interdisciplinary Approaches in Fractal Analysis, Bucharest, Romania, May 26-29, 2009. P. 71-78. Zadeh L. A. Advances in Fuzzy Mathematics and Engineering Fuzzy Sets and Fuzzy Information-Granulation Theory. Beijing. Beijing Normal University Press, 2005.
УДК 615.47
Н. А. Кореневский, д-р техн. наук,
A. Н. Коростелев, аспирант,
Л. В. Стародубцева, канд. техн. наук,
B. В. Серебровский, д-р техн. наук, Юго-Западный государственный университет, г. Курск
Метод оценки функционального резерва человека-оператора на основе комбинированных правил нечеткого вывода
Ключевые слова: уровень функционального резерва, психоэмоциональное напряжение, умственное утомление, физическое утомление, гетерогенные нечеткие модели.
Key words: level of a functional reserve, a psychoemotional pressure, intellectual exhaustion, physical exhaustion, heterogeneous indistinct models.
В работе рассматриваются вопросы определения уровня функционального резерва человека по комплексу таких разнородных показателей, как энергетический разбаланс меридианных структур, психоэмоциональное напряжение, умственное и физическое утомление, параметры пульса и артериального давления при воздействии дозированных умственных и физических нагрузок на основе использования гетерогенных нечетких моделей.
Введение
Одной из важнейших характеристик организма человека, характеризующих его способность адекватно взаимодействовать с окружающей средой и
непосредственно влияющих на состояние здоровья человека, является его функциональный резерв.
От того, насколько корректно и точно оценивается функциональный резерв организма и (или) его отдельных систем, зависит успешное решение целого ряда практически важных задач человеческой деятельности: от качественного управления информационно-насыщенными системами до эффективной организации медицинской помощи населению [1, 3].
Известен целый ряд методических подходов к определению функциональных резервов организма в целом, его функциональных систем и отдельных органов. Однако, несмотря на достигнутые успехи, проблемы адекватной оценки функционального резерва и его связи с практическими задачами психологии и медицины (оценка эффективности работы человеко-машинных систем, про-
