CC BY
22
УДК 004.942
С.В. ГОЛУБ*, Ю.О. УШЕНКО**, О.Я. ВАНЧУЛЯК***, М.В. ТАЛАХ**
ПОБУДОВА МОДЕЛЕЙ-КЛАСИФ1КАТОР1В ЗА РЕЗУЛЬТАТАМИ БАГАТОВИМIРНОÏ ПОЛЯРИЗАЦIЙНОÏ МIКРОСКОПIÏ В ТЕХНОЛОГIÏ СУДОВО-МЕДИЧНОГО 1НТЕЛЕКТУАЛЬНОГО МОН1ТОРИНГУ ХВОРОБ СЕРЦЯ
Черкаський нацюнальний унiверситет ÎMeHÎ Богдана Хмельницького, м. Черкаси, Украша Чернiвецький нацiональний ушверситет iMeHi Юрiя Федьковича, м. Чершвщ, Украша Буковинський державний медичний ушверситет, м. Чершвщ, Украша
Анотаця. Значна поширенгсть випадкгв гострог коронарног недостатностг у практицг судово-медичного експерта та гг раптов1сть породжують тдозру у судово-сл1дчих оргамв про насильни-цький характер загибел1 особи. Потр1бно використання об'ективних 7 точних метод1в д1агности-ки гострог ¡шемп м1окарда. В ц1й робот1 подам результати застосування методологИ створення тформацтних технолог1й багатор1вневого ттелектуального монторингу з метою забезпечення даними процеав прийняття р1шень судово-медичним експертом. Поеднуються методи багатови-м1рног поляризащйног м1кроскотг 7 статистичног обробки даних з методами тдуктивного моде-лювання для побудови методологИ створення ттелектуальних систем багатор1вневого судово-медичного момторингу. На приклад7 процесу посмертного д1агностування ¡шем1чног хвороби сер-ця та гострог коронарног недостатност7 досл1джет процеси координацп взаемодт р1знотипних метод1в формування масиву тформативних ознак, типових агрегат1в синтезу моделей-класифЫатор1в на кожному 7з етатв момторингу. Розв'язувалась задача класифжаци результа-т1в досл1дження б1олог1чних матер1ал1в з метою отримання д1агнозу. Для отримання тформативних ознак розроблена модель б1олог1чног тканини м1окарду та визначен основш д1агностичт па-раметри (статистичт моменти 1-4 порядюв координатних розподтв значень азимут1в, ел1пти-чностей поляризацИ та гх автокорелящйних функщй, а також вейвлет-коефщент1в в1дпов1дних розподтв), що е динам1чними внасл1док гх некротичних зм1н. Чисельн характеристики тформативних ознак утворюють масив вх1дних даних для синтезатора моделей момторинговог тформа-щйног системи. Класифшащя цих даних забезпечувалась шляхом побудови виршуючого правила синтезатором за багаторядним алгоритмом МГУА. Експериментально доведена ефективтсть описаног методологИ.
Ключовi слова: судово-медичний ттелектуальний момторинг, поляризацтна м1кроскотя, тфор-мативн ознаки, класифтащя, МГУА.
Аннотация. Значительная распространенность случаев острой коронарной недостаточности в практике судебно-медицинского эксперта и ее внезапность порождают подозрение у судебно-следственных органов о насильственном характере смерти человека. Требуется использование объективных и точных методов диагностики острой ишемии миокарда. В этой работе представлены результаты применения методологии создания информационных технологий многоуровневого интеллектуального мониторинга с целью обеспечения данными процессов принятия решений судебно-медицинским экспертом. Сочетаются методы многомерной поляризационной микроскопии и статистической обработки данных с методами индуктивного моделирования для построения методологии создания интеллектуальных систем многоуровневого судебно-медицинского мониторинга. На примере процесса посмертного диагностирования ишемической болезни сердца и острой коронарной недостаточности исследованы процессы координации взаимодействий разнотипных методов формирования массива информативных признаков, типичных агрегатов синтеза моделей-классификаторов на каждом из этапов мониторинга. Решалась задача классификации результатов исследования биологических материалов с целью получения диагноза. Для получения информативных признаков разработана модель биологической ткани миокарда и определены основные диагностические параметры (статистические моменты 1-4 порядков координатных распределений значений азимутов, эллиптичности поляризации и их автокорреляционных функций, а также вейвлет-коэффициентов соответствующих распределений), что является динамическим вследствие их некротических изменений. Численные характеристики информативных признаков образуют массив входных данных для синтезатора моделей мониторинговой
© Голуб С.В., Ушенко Ю.О., Ванчуляк О.Я., Талах М.В., 2018 ISSN 1028-9763. Математичш машини i системи, 2018, № 3
информационной системы. Классификация этих данных обеспечивалась путем построения решающего правила синтезатором по многорядному алгоритму МГУА. Экспериментально доказана эффективность описанной методологии.
Ключевые слова: судебно-медицинский интеллектуальный мониторинг, поляризационная микроскопия, информативные признаки, классификация, МГУА.
Abstract. The significant prevalence of the cases of acute coronary insufficiency in the practice of a forensic expert and its suddenness gives a rise to suspicion of forensic investigating authorities about the violent nature of the death of a person. It requires the use of objective and precise methods for diagnosis of acute ischemia of the myocardium. In this work the results of application of the methodology of creation of information technologies of multilevel intelligent monitoring are presented in order to provide data of decision-making processes by forensic medical expert. The methods of multidimensional polarization microscopy and statistical processing of data with methods of inductive modeling are combined for constructing a methodology for the creation of intelligent systems of multilevel forensic medical monitoring. On the example of the process ofposthumous diagnosis of coronary heart disease and acute coronary insufficiency, processes of coordination of interactions of various types offormation of an array of informative features, typical aggregates of synthesis of model-classifiers at each of the stages of monitoring are researched. To obtain informative features, a model of biological tissue of the myocardium was developed and the main diagnostic parameters were determined (statistical moments of 1-4 orders of coordinate distributions of the values of azimuths and the ellipticity of polarization and their autocorrelation functions, as well as wavelet coefficients of the corresponding distributions), which are dynamic due to its ne-crotic changes. Numerical characteristics of informative features form an array of input data for the synthesizer of models of monitoring information system. The classification of these data was provided by constructing a decisive rule for the synthesizer on a multi-path algorithm of GMDH. The efficiency of the described methodology has been experimentally proved.
Keywords: forensic medical monitoring, polarization microscopy, informative signs, classification, GMDH.
1. Вступ
1нтелектуальний мошторинг - це технология забезпечення шформащею процеав прийнят-тя ршень шляхом оргашзацп неперервних спостережень та обробки i'x результат [1]. Ос-новними етапами е визначення вщомостей про властивосп об'екпв спостереження, потрь бних для порiвняння стратегий при прийнятп ршень, визначення перелшу дiагностичних параметрiв, формування масиву вхщних даних (МВД), обробка та перетворення шформацп алгоритмами синтезу моделей класифшатора мошторингово'' iнтелектуально'i системи (М1С). Множина отриманих моделей класифiкаторiв заноситься до бази модельних знань [2], формуючи ii iерархiчну структуру. Завжди актуальним е завдання забезпечення шфор-мативносп МВД, достатньо'1' для побудови корисних моделей наявними методами i засо-бами, реалiзованими в синтезаторi моделей М1С. Ефективна оргашзащя спостережень за об'ектами дослщжень передбачае залучення останшх наукових досягнень у предметнш галуз^ в якш реалiзовуеться технолопя мониторингу.
Рiзноманiття об'екпв медичного мошторингу вимагае шдивщуальних дослщжень процеав формування масиву вхщних даних. Об'ектом медичного мошторингу в цш робот е процеси посмертно'1' диференщаци iшемiчно'i хвороби серця (1ХС) та гостро'1' коронарно'1' недостатносп (ГКН).
Серцево-судинш захворювання е причиною близько третини смертельних наслщюв в усьому свт, займаючи лщируючу позищю серед шших причин смерт [3, 4]. Починаючи з 2000 р., серцево-судинш захворювання були причиною 33,7 % зареестрованих смертельних випадюв, серед них 42,5 % були пов'язаш з iшемiчною хворобою серця (1ХС) [5], зок-рема, з раптовою серцевою смертю внаслiдок гостро'1 коронарно'1 недостатностi (ГКН). Значна поширешсть випадкiв ГКН у практицi судово-медичного експерта та ii раптовють, що породжуе пiдозру у судово-слiдчих оргашв на насильницький характер, вимагае вико-
ристання об'ективних i точних методiв дiагностики гостро'1 шеми (Г1) мiокарда. Однак, ГКН важко дiагностувати через неспецифiчнiсть макроскопiчних ознак i необхiднiсть ви-користання специфiчних методiв забарвлення та роль «людського фактора» [6].
Разом з тим задача встановлення Г1 в раннi термiни залишаеться нерозв'язаною. Наявний брак сучасних, об'ективних методик визначення Г1 спонукае до пошуку i розроб-ки нових технологш монiторингу патологiчних змiн мiокарда людини. Достатньо зазначи-ти, що на наукових засщаннях Мiжнародноï академи судово! медицини (International Academy of Legal Medicine), Мiжнародноï асощаци судових наук (International Association of Forensic Sciences) завжди в науковш програмi видшяють секцiю з танатологи, де розгля-дають сучаснi методи встановлення раптово1 серцево1 смертi та ГКН.
Методи багатовимiрноï поляризацшно1 мшроскопп дозволяють сформувати перелш iнформативних показникiв для МВД та отримати ïx чисельнi характеристики, що мiстять нову, об'ективну шформащю про динамiку змiни лазерних поляриметричних зображень морфолопчно1 структури бiотканин. Вони устшно апробованi при розв'язаннi таких задач забезпечення шформащею процеав прийняття рiшень пiд час проведення судово-медичноï експертизи, як визначення давностi настання смерт, час формування гематом, дiагностика часу спричинення та встановлення прижиттевосп тшесних ушкоджень [7, 8]. 1нформатив-ними е результати аналiзу розподшв станiв поляризацп (азимутiв а та елштичностей ß ) i фаз (â) свiтловиx коливань зображень мюкарда для визначення та вiдображення в чисель-нiй формi ïx змш, пов'язаних iз вогнищами Г1 при ГКН [9, 10].
Для первинноï обробки отриманих таким чином результат спостережень та побу-дови додаткових iнформативниx ознак використовуються методи статистичного, кореля-цiйного та вейвлет-аналiзу з наступним визначенням чутливосп (Se), специфiчностi (Sp) та збалансованоï точностi (Ac) [11, 12].
Таким чином формуеться вектор ознак, що характеризуе властивосп кожного iз до-слiджениx об'ектiв. Множина чисельних характеристик векторiв ознак утворюе МВД. На його основi розв'язуеться задача класифшацп об'ектiв - формуеться виршуюче правило, за допомогою якого кожнш iз хвороб ставиться у вщповщнють вектор ознак, що ïï характеризуе. Це вирiшуюче правило будуеться синтезатором моделей монiторинговоï штелек-туально1 системи. В синтезаторi М1С реалiзовано бiльше 20 алгоритмiв синтезу моделей (АСМ). Це базовi алгоритми МГУА [13], МГУА-подiбнi алгоритми, нейромережi рiзниx топологiй, генетичнi i пбридш алгоритми та iн. Синтезатор забезпечуе вибiр алгоритму синтезу моделей адаптивно до властивостей МВД. Вибiр вщбуваеться за результатами по-слiдовного випробування кожного з АСМ на основi ощнки якостi отримано1 моделi.
Таким чином, процес дiагностики хвороби мютить етапи отримання бiологiчного матерiалу, формування перелшу його ознак, здобування перелшу чисельних характеристик, формування масиву вхщних даних, побудову виршуючого правила синтезатором моделей М1С, класифшащю об'ектiв МВД, iнтерпретацiю результатiв класифшацп судмедек-спертом.
Синтезатор моделей використовуеться в типовому вигляд^ а результати дiагностики залежать вiд процесiв формування МВД. Результати дослщжень бюлопчних зразкiв засо-бами багатовимiрноï поляризацiйноï мшроскопп мютять ознаки iшемiчноï хвороби серця та гостро1 коронарно1 недостатностi й дозволяють отримати додаткову шформащю для ïx дiагностування. Тому дослщження процесу використання багатовимiрноï поляризацiйноï мшроскопп для формування чисельних ознак МВД та синтезу моделей-класифiкаторiв е актуальними. Ця технология дозволяе пiдвищити точнiсть i достовiрнiсть шформацп, якою забезпечуеться процес прийняття ршень судмедекспертом щодо диференщацп причини смерт хворого.
2. MeTa та задачi дослщження
Бyлa cфopмyльoвaнa гiпoтeзa npo тe, щo пepeлiк iнфopмaтивниx oзнaк для клacифiкaцiï зa-xвopювaнь зa iнфopмaцiйнoю тexнoлoгieю бaгaтopiвнeвoгo iнтeлeктyaльнoгo мoнiтopингy у npo^ci cyдoвo-мeдичнoï eкcпepтизи пpичин зaгибeлi xвopиx нa cepцeвo-cyдиннi зaxвo-pювaння пoвинeн oтpимyвaтиcь шляxoм викopиcтaння мeтoдiв бaгaтoвимipнoï пoляpизa-цiйнoï мiкpocкoпiï для o6po6^ зoбpaжeнь гicтoлoгiчниx зpiзiв мioкapдa. Meтoю poбoти e дocлiджeння пpoцecy фopмyвaння пepeлiкy iнфopмaтивниx oзнaк тa фopмyвaння мacивy вxiдниx дaниx для клacифiкaцiï пpичин зaгибeлi xвopoгo для cyдoвo-мeдичнoï eкcпepтизи шляxoм пocлiдoвнoгo зacтocyвaння мeтoдiв бaгaтoвимipнoï пoляpизaцiйнoï мiкpocкoпiï, cтaтиcтичнoï o6PO6^ дaниx тa iндyктивнoгo мoдeлювaння.
Для дocягнeння ще'1 мeти poзв'язyвaлиcь тaкi зaдaчi. Дocлiджyвaлиcя peзyльтaти клacифiкaцiï зpaзкiв пicля фopмyвaння мacивy вxiдниx дaниx нa ocнoвi oзнaк, oтpимaниx зacтocyвaнням бaгaтoвимipнoï пoляpизaцiйнoï мiкpocкoпiï зoбpaжeнь зpiзiв дiлянoк мю^-pдa тa пюля cтaтиcтичнoï oбpoбки циx peзyльтaтiв. Рeзyльтaти oцiнювaлиcь зa кiлькicтю пpaвильнo клacифiкoвaниx зpaзкiв.
3. Результати дослiджeння
3.1. Eтaп 1. Отримання бiологiчного мaтeрiaлу
Були cфopмoвaнi клacи тa вид^ш клacифiкaцiйнi oзнaки oб'eктiв дocлiджeння. Для ^oro видiлeнo тpи гpyпи тa poзpoблeнo ^^repi'i включeння oб'eктiв дo клaciв i ^^repi'i ïx ви-ключeння. Bci пoмepлi були жш^лями м. Чepнiвцi тa oблacтi, яю, зi cлiв poдичiв тa дaниx cyдoвo-гicтoлoгiчнoгo дocлiджeння нe мaли rnmnx знaчниx cиcтeмниx зaxвopювaнь i да знaxoдилиcь з цьoгo пpивoдy та oблiкy.
Дocлiджyвaлиcь дiлянки мioкapдa тpyпiв людeй. Зaбip пpoвoдивcя з piзниx aнaтoмi-чниx cтpyктyp, включaючи дшянки пepeтинки, cтiнки пpaвoгo тa лiвoгo шлyнoчкiв, cтiнки пpaвoгo тa лiвoгo пepeдcepдь, a тaкoж oблacть вepxiвки. Фopмyвaлиcь блoки oб'eмoм 1 cм3, якi бeзпocepeдньo пicля зaбopy нapiзaлиcь нa зaмopoжyючoмy мiкpoтoмi нa зpiзи товщи-нoю 30±5 мкм.
У тaбл. 1 пoдaнi xapaктepиcтики клaciв дocлiджyвaниx oб'eктiв.
Taблиця 1 - XaparcrepTOram клaciв дocлiджyвaниx oб'eктiв
Kлac Kiлькicть oб'eктiв у груш KpOTepiï включeння Kprnepii виключeння
Tocrpa кopoнapнa нeдocтaт-нicть 150 Tpyпи людeй двox cтaтeй вiкoм вiд 1S дo 45 po^. Гicтoxiмiчнo пiдтвepджeнo ГKН ^явн^ть aнaмнecтиcтичниx, мaкpo-cкoпiчниx, мiкpocкoпiчниx, y тому чи^ гicтoxiмiчниx дaниx iншoï тато-лoгiï мioкapдa. Пiдтвepджeнo лaбopaтopнo нaявнicть бyдь-якиx eкзoгeнниx iнтoкcикaцiй
Хpoнiчнa iшeмiчнa xвopoбa cepця 160 Tpyпи людeй oôox cтaтeй вiкoм cтapiшe 45 po^. Maкpocкoпiчнi oзнaки: дpiбнoвo-гнищeвий мioкapдiocклepoз, шя-внicть aтepocклepoтичниx бля-шoк y пpocвiтi кopoнapниx apтe-piй, гiпepтpoфiя cтiнки лiвoгo шлушчга (тoвщинa cтiнки 1,62,0 cм), гiпepтpoфiя пипкoвиx м'язiв, yкopoчeння cyxoжилля мiтpaльнoгo клaпaнa Пocтiнфapктний мioкapдiocклepoз. Нaявнicть aнaмнecтиcтичниx, мaкpo-cкoпiчниx, мiкpocкoпiчниx, y тoмy чиcлi гicтoxiмiчниx дaниx iншoï тто-лoгiï мioкapдa; пiдтвepджeнo лaбopa-тopнo нaявнicть будь-amx eкзoгeнниx iнтoкcикaцiй
Продовж. табл. 1
Конт- 20 Трупи людей двох статей вшом Наявшсть анамнестистичних, макро-
рольна вщ 18 до 40 роюв. скотчних, мшроскошчних, у тому
група Насильницька смерть з вщсутшм числ1 пстох1м1чних даних наявност
агональним перюдом патологи мюкарда.
Виявлення ознак, характерних для
агони тд час помирання.
Лабораторно шдтверджеш будь-яю
екзогенш штоксикацп
3.2. Етап 2. Формування ¡нформативних ознак об'екпв дослщження
3.2.1. Багатовимiрна поляризацшна м1кроскоп1я пстолопчних зр1з1в м1окарда
Поляризацiйну мiкроскопiю проводили при стандартному розташуваннi стокс-поляриметра (рис. 1) [14].
1 2 3 4 6 7 9 10 11
Рисунок 1 - Оптична схема стокс-поляриметра: 1 - He-Ne лазер; 2 - кол1матор; 3 - стацюнарна чвертьхвильова пластинка; 4 - поляризатор; 5 - мехашчно рухома чвертьхвильова пластинка; 6 - нативний зр1з; 7 - поляризацшний мшрооб'ектив; 8 - мехашчно рухома чвертьхвильова пластинка; 9 - анал1затор; 10 - CCD-камера; 11 - комп'ютер
Опромшювання зразкiв мюкарда (рис. 1, (6)) проводилося паралельним (® = 2 х103/um) слабкоштенсивним (P = 5,0 мВт) пучком He-Ne лазера ( X = 0,6328 ¡лп ).
Поляризацшний опромшювач складався з двох чвертьхвильових пластинок (Achromatic True Zero-Order Waveplate) (рис. 1, (3, 5)) i поляризатора (B+W Kaesemann XS-Pro Polarizer MRC Nano) (рис. 1, (4)).
Зрiз мюкарда послщовно зондувався лазерним пучком iз такими типами поляриза-ци: лiнiйна з азимутами 0°, 90°, +45° i права циркулящя (®). Поляризацiйнi зображення зразка мюкарда за допомогою поляризацшного мiкрооб'eктива 7 (Nikon CFI Achromat P, фокусна вiдстань - 30 мм, числова апертура - 0,1, збшьшення - 4x) проектувалися у пло-щину св^лочутливо'1' площадки (m х n = 1280 х 960 пiкселiв) CCD-камери (рис. 1, (10)) (The Imaging Source DMK 41AU02.AS, monochrome 1/2" CCD, Sony ICX205AL (progressive scan), роздшьна здатшсть - 1280x960, розмiр св^лочутливо'1' площадки - 7600х6200мкм, чутливiсть - 0,05 lx, динамiчний дiапазон - 8 bit).
Аналiз зображень зразюв мiокарда здiйснювався за допомогою поляризатора (рис. 1, (9)) i чвертьхвильово'1' пластинки (рис. 1, (8)). Обчислення координатних розподшв V (p х к) - параметри вектора Стокса, а(p х к) - азимути поляризаци, ß(p х к) - елштич-
ностi поляризаци, якi характеризують мшроскотчш зображення зрiзiв мiокарда здшсню-валось за вщомими алгоритмами [15]:
тт-0;45;90;® _ т0;45;90;® . т у=1 = 1 0 + 190
г0;45;90;®
тг0;45;90;® _ т0;45;90;® _ т
у=2 = 10 190
0;45;90;® 90 ,
0;45;90;®
тг0;45;90;® _ т у=3 = 1 45
0;45;90;®
I
0;45;90;® 135 ,
тг0;45;90;® _ т0;45;90;® т0;45;90;®
УI=4 = 1 ® + 1 ф •
Тут 10-45-9о-135;®-® - iнтенсивностi випромiнювання, пропущеного лiнiйним поляризатором з азимутом повороту 00; 450; 900; 1350, та право- (®) й лiво- (ф) циркулярно поляризованим фшьтром.
Визначивши згiдно з (2) у кожному пiкселi св^лочутливо! площадки набiр парамет-рiв Стокса У, отримують значення азимута а та елштичносп / поляризацп у вщповщ-них точках зображення нативного зрiзу мiокарда:
У ,
а = 0,,
У
г=2
У
3 = 0,5агс8т-^.
(2)
Рис. 2 шюструе серiю поляризацiйних зображень оптикоашзотропно! матрицi (у пе-рехрещених площинах пропускання поляризатора 4 i аналiзатора 9 (рис. 1) зразкiв тканини мюкарда всiх груп.
Рисунок 2 - Лазерш зображення поляризацшно-в1зуатзовано1 ф1брилярно! с1тки пстолопчного зр1зу мюкарда: (а) - елемент класу 1, (б) - елемент класу 2, (в) - елемент класу 3
3.2.2. Дослщження тканини мюкарда
В основу опису механiзмiв оптично! ашзотропп мюкарда покладено там модельш уявлен-ня [16].
1. Амшокислоти та утвореш ними полiпептиднi ланцюги (первинна структура бш-ка) володiють циркулярним двопроменезаломленням або оптичною активнiстю й характеризуются таким матричним оператором:
(А} =
1 0 0 0
0 а22 а23 0
0 а32 а3 3 0
0 0 0 1
де агк =
| а22 = а33 = соб 26,
[а23 = -а32 = БШ26.
(3)
де К =
(4)
Тут в - кут повороту площини поляризацп свiтлового пучка вiдносно площини падiння.
Отже, шляхом реестрацп поляризацшно'1 мапи азимута поляризацп можна одержати шформащю про прояви оптично активних структур первинно'1 структури бiлкiв, як фор-мують морфологiчну будову мюкарда.
2. Фiбрилярнi (вторинна структура) протеiновi мережу якi утворенi полiпептидними ланцюгами, володiють лiнiйним двопроменезаломленням. Оптичним проявом особливос-тей морфолопчно'' будови фiбрилярноi сiтки е формування координатного розподшу ште-нсивностi у площинi мшроскотчного зображення гiстологiчного зрiзу мiокарда. Оптичш прояви такого механiзму вичерпно повно описуються таким матричним оператором:
Ъ22 = cos2 2 у + sin2 2 у cos р, Ъ23 = Ъ32 = cos 2у sin 2у (1 - cos р), Ъ33 = sin2 2у + cos2 2у cos р, Ъ24 = -Ъ^ = sin 2у sin р,
Ъ34 = -Ъ43 = cos2уsinр, Ъ44 = cos р.
Тут у - напрям укладання фiбрил, який визначае орiентацiю оптично'1' осi, ф - фа-зовий зсув мiж лiнiйно-поляризованими ортогональними складовими ампштуди свiтлового пучка.
Таким чином, шляхом реестрацп поляризацiйноi мапи елштичносп поляризацп можна одержати шформащю про прояви властивостей фiбрилярних мереж (аток), якi фор-мують вторинну структуру морфолопчно'' будови мюкарда.
3. Некротичш змiни морфолопчно'' будови мюкарда призводять до структурно'1' й бiохiмiчноi трансформацп первинно'1 та вторинно'1 структур ii бiлкових складових. Оптично таю процеси призводять до змш координатних розподшв мап азимута (бiохiмiчнi про-цеси) та елштичносп (орiентацiйнi змiни фiбрилярних сiток) поляризацп мшроскотчних зображень гiстологiчних зрiзiв мюкарда.
4. Головна щея диференщацп зразюв тканини мiокарда померлих внаслiдок 1ХС та
1 0 0 0
0 Ъ22 Ъ23 Ъ24
0 Ъ3 2 Ъ3 3 Ъ34
0 Ъ42 Ъ43 d44
ГКН лежить у можливосп багатопараметрично! (r =
kPJ.
) об'ективiзацii аналiзу мшрос-
котчних зображень гiстологiчних зрiзiв у рамках статистичного, кореляцшного та вейв-лет-аналiзу.
Статистичний аналiз результатiв проводився шляхом розрахунку статистичних мо-ментiв 1, 2, 3 i 4 порядкiв.
Статистичний момент 1-го порядку Мх розраховувався як середне значення (мате-матичне сподiвання) серед усього набору (ансамблю) випадкових величин координатних розподшв г i обчислювався за стввщношенням
1 N
M1 = — У |(r) J .
1 N У|()И
(5)
Статистичний момент 2-го порядку M2 або дисперсiя, яка характеризуе розподш вишдково'' величини r - це мiра розкиду даноi величини або ii вщхилення вiд математич-ного сподiвання. Вiн розраховувався за формулою (6)
1 N
M2 =1У (r-Mi)i2.
N i=1
(6)
Статистичний момент 3-го порядку М3 або асиметрiя, що характеризуе вiдхилення
вщ нормального розподiлу випадково'1 величини г , обчислювалася згiдно з стввщношен-ням
М =
1 1
N
М7 3 N1=1
Т (г - М1)3 .
(7)
Статистичний момент 4-го порядку М4 або ексцес, який характеризуе стутнь гост-роти «тку» розподшу випадково'1 величини г розраховувався вщповщно до виразу (8)
М =
1 1
N
4 М9 4 N г=!
Т(г -М,)г
(8)
де N - кшькють (р х к=1280x960) пiкселiв цифрово'1 камери стокс-поляриметра, що ре-еструе поляризацшно-вщфшьтроваш мiкроскопiчнi зображення нативного зрiзу мiокарда.
Кореляцiйний аналiз проводився обчисленням автокореляцшних функцiй К(г) шляхом координатного зсуву вздовж рядив пiкселiв цифрово'1 камери координатних роз-подшв г(р х к) за вщомим спiввiдношенням у рамках програмного продукту МАТЬАВ.
З метою кшьюсно! оцiнки автокореляцiйних функцiй К(г) використано обчислення статистичних момешив 2-го (спiввiдношення (4)) i 4-го (стввщношення (6)) порядкiв (у подальшому кореляцiйнi моменти К2 i К4).
Вейвлет-аналiз проводився для локального ощнювання координатних розподiлiв
г =
а
А
[17].
Як анал^ичний зонд використовувалась спецiальна математична функщя (вейвлет-функцiя), що мае скшченну основу як в координатному, так i частотному просторi.
За допомогою вейвлет-функци розподiл значень обчисленого параметра q, який характеризуе структуру зображення нативного зрiзу мiокарда, розкладався в математичний ряд, який являе собою згортку (корелящю) параметрiв змщення (Ь), масштабування (а) та певних коефiцiентiв (вейвлет-коефiцiенти). Результатом вейвлет - перетворення одновимь рно'1 залежностi параметра г е двовимiрний масив амплiтуд вейвлет-коефiцiентiв Ж(а, Ь). Вейвлет-аналiз дозволяе дослiдити рiзномасштабну структуру поляризацшних мап, якi взаемопов'язанi з морфолопчною будовою мiозинових сiток мiокарда.
3.2.3. Анал1з 1нформативност1 характеристик методу поляризацшнот мжроскопн
Аналiз операцiйних характеристик методу поляризацшно! мшроскопп, що визначають п дiагностичну iнформативнiсть, не виявив задовшьного рiвня бiльшостi з об'ективних па-
раметрiв г =
К=2;4
а А
розподiлiв азимута та елштичноси поляризацii мшроскот-
чних зображень у завданш посмертно'' дiагностики мюкарда.
Найбiльш iнформативними виявилися статистичнi i кореляцiйнi моменти 4-го по-
рядку г =
М,=4; К==4
а
А
ао
Бе (а) = 62% - 68%, Бр (а) = 54% - 59%, ро Ас (а) = 60,5% - 61%,
Бе (р) = 58% - 62%, Бр (р) = 55% - 57%, Ас (р) = 56% - 58,5%.
(9)
4
Досягнутий рiвень шформативносп не вiдповiдае задовшьнш якостi дiагностичного
тесту.
Аналiз операцiйних характеристик масштабно-селективного методу вейвлет-аналiзу даних поляризацшно'1 мшроскопп, що визначають й дiагностичну iнформативнiсть, виявив зростання (у порiвняннi з безпосереднiм аналiзом поляризацiйних мап) збалансовано'1' точ-ностi посмертно'1' дiагностики мiокарда.
На великих масштабах (атх = 55) оцiнювання проявiв оптично'1' ашзотропп фiбри-
лярних мереж найбшьш iнформативним виявився статистичний момент 3-го порядку, що характеризуе асиметр^ розподшу вейвлет-коефiцiентiв мапи елiптичностi поляризацп мь кроскопiчних зображень гiстологiчних зрiзiв мюкарда обох груп померлих
Se (0) = 62% - 78%,
Sp (0) = 57% - 67%, (10)
Ac (0) = 59,5% - 72,5%.
а
На малих масштабах = 15) оцiнювання проявiв оптично! активностi первинно!
структури бшюв мiозину найбiльш iнформативними виявилися статистичш моменти 3-го i 4-го порядив, яю характеризують розподiли вейвлет-коефiцieнтiв мап азимута поляризацп мiкроскопiчних зображень пстолопчних зрiзiв мiокарда померлих внаслiдок 1ХС та ГКН:
Se (а) = 64% - 77%,
Sp (а) = 59% - 68%, (11)
Ac (а) = 61,5% - 72,5%.
Одержат результата щодо визначення операцшних характеристик методу поляри-защйноi мшроскопп з масштабно-селективним виявили зростання збалансовано! точностi до рiвня хорошо! якостi дiагностичного тесту - Ac(0) = 72,5% i Ac (а) = 72,5%.
3.3. Етап 3. Формування масиву вхщних даних
Таким чином, перелш шформативних ознак мiстить статистичнi моменти 1-4 порядив ко-ординатних розподшв значень азимутiв, елiптичностей поляризацп та !х автокореляцiйних функцiй, а також вейвлет-коефщенпв вiдповiдних розподiлiв. Вектор ознак Х мютив 144 показники:
X = . ^ ... Х144} . (12)
Масив вхiдних даних (МВД) формуеться шляхом розрахунку чисельних характеристик шформативних ознак та !х поеднання у двовимiрний масив даних вщповщно до [1].
МВД сформовано шляхом перетворення зображень пстолопчних зрiзiв 330 бюлогь чних зразкiв до масиву чисельних характеристик шформативних ознак, поданих у табл. 2. Чисельш характеристики зображення окремого бюлопчного зразка дозволяють сформува-ти рядок у двовимiрнiй таблицi МВД - точку спостереження в багатовимiрному просторi ознак.
МВД мютив 306 точок спостереження, що використовувались для побудови модел^ i 24 точки спостереження, що використовувались для випробування моделi i не приймали участ у процесi ii побудови. Кожна точка спостереження була класифшована експертним шляхом вщповщно до табл. 1 - мютила ознаки одного iз захворювань (класiв) - 1) гостро'1' коронарно'1' недостатностi; 2) гостро'1' шеми мiокарда та 3) контрольна без ознак цих захворювань. Належнють до класу 1 позначалась «+10», до класу 2 - «-10», до класу 3 - «0».
3.4. Етап 3. Синтез моделей-класифжатор1в
Моделькласифшатори будувались i3 застосуванням багаторядного алгоритму МГУА [13]. Послiдовно проходили випробування кшька алгоритмiв синтезу моделей, реалiзованих у М1С. За результатами випробувань вибирався АСМ, що забезпечував найкращi характеристики результатiв роботи моделькласифшатора за критерieм регулярностi на екзаменацш-нiй послiдовностi точок спостереження.
У табл. 2 подаш результати дослщжень. Значення образу позначало належнiсть точки спостереження до одного iз 3-х клаав. Результат моделювання вщображае розраховане значення образу. Точка спостереження позначалася «1» у випадку, коли результати ii кла-сифшацп були правильна У протилежному випадку точка позначалась - «0».
Таблиця 2 - Результати випробування моделькласифшатора на екзаменацшнш послщов-ностi
№ з/п Клас Дшсне значення образу Змодельоване значення образу Результат
1 1 10 9,99 1
2 1 10 10,00 1
3 1 10 9,99 1
4 1 10 10,00 1
5 1 10 9,99 1
6 1 10 10,00 1
7 1 10 9,99 1
8 1 10 10,00 1
9 1 10 9,99 1
10 2 -10 -10,00 1
11 2 -10 -10,00 1
12 2 -10 -10,00 1
13 2 -10 -9,99 1
14 2 -10 -10,00 1
15 2 -10 -10,00 1
16 2 -10 -9,99 1
17 2 -10 -9,99 1
18 2 -10 -9,99 1
19 2 -10 -10,00 1
20 3 0 -3,3*10-4 1
21 3 0 -2,6*10-4 1
22 3 0 -4,7*10-4 1
23 3 0 -9,5*10-4 1
24 3 0 -4,6*10-4 1
В умовах дослщження модель-класифiкатор забезпечила правильнi результати щен-тифшацп хвороби в уах точках спостереження. Це означав, що масив вхщних даних е дос-татньо iнформативним. I гiпотеза про формування МВД за результатами послщовного за-
стосування методiв багатoвимipнo'i пoляpизацiйнo'i мшроскопи отримала свое експериме-нтальне пiдтвеpдження.
4. Висновки
Використання мошторингових iнфopмацiйних систем для забезпечення шформащею про-цеав прийняття piшень у галузi судово-медично'1' експертизи дозволяе уcпiшнo розв'язувати задачi класифшаци дocлiджуваних зpазкiв.
Застосування статистично'1' обробки pезультатiв дocлiдження тканини мюкарда методами багатoвимipнo'i пoляpизацiйнo'i мшроскопи дозволяе отримати cтатиcтичнi моменти 1, 2, 3 i 4 порядив, яи е iнфopмативними i можуть використовуватись для формування МВД при пoбудoвi мoделей-клаcифiкатopiв дocлiджуваних зразив.
Застосування методу азимутальнo-iнваpiантнoгo пoляpизацiйнoгo картографування посмертних змiн оптично'1 ашзотропи пстолопчних зpiзiв мioкаpда та вейвлет-аналiзу ази-мутально-незалежних пoляpизацiйних мап дозволяе отримати дoдаткoвi iнфopмативнi по-казники для МВД.
Експериментально тдтверджено ефективнicть застосування метoдiв iндуктивнoгo моделювання, зокрема, багаторядного алгоритму МГУА, для синтезу моделей-клаcифiкатopiв на ocнoвi масиву вхщних даних iз результатами обробки зображень зpiзiв мioкаpда методами пoляpизацiйнo'i мшроскопи.
Сукупнicть метoдiв отримання бioлoгiчних зразив, формування iнфopмативних ознак, побудови мoделей-клаcифiкатopiв та штерпретаци pезультатiв моделювання утво-рюють iнфopмацiйну технoлoгiю iнтелектуальнoгo судово-медичного мониторингу.
СПИСОК ДЖЕРЕЛ
1. Голуб С.В. Багатор1вневе моделювання в технолопях мошторингу оточуючого середовища. Черкаси: Вид. вщ. ЧНУ 1мен1 Богдана Хмельницького, 2007. 220 с.
2. Жирякова I.A., Голуб С.В. Новий шдхщ до концептуал1зацй знань. Техтчт науки та технологи. 2015. № 2. С. 78-82.
3. Lopera G., Curtis A.B. Risk stratification for sudden cardiac death: current approaches and predictive value. Curr. Cardiol. Rev. 2009. Vol. 5. P. 56-64.
4. Rubart M., Zipes D. Mechanisms of sudden cardiac death. Journal of Clinical Investigation. 2005. Vol. 115, N 9. P. 2305-2315.
5. Mozaffarian D., Benjamin E.J., Go A.S. et al. Heart disease and stroke statistics-2015 update: a report from the american heart association. Circulation. 2015. Vol. 131, N 4. P. E29-322.
6. Van der Werf C., Hofman N., Tan H.L. et al. Diagnostic yield in sudden unexplained death and aborted cardiac arrest in the young: the experience of a tertiary referral center in The Netherlands. Heart Rhythm. 2010. Vol. 7, N 10. P. 1383-1389.
7. Ushenko Y.A., Arkhelyuk A.D., Sidor M.I. et al. Laser polarization autofluorescence of endogenous porphyrins of optically anisotropic biological tissues and fluids in diagnostics of necrotic and pathological changes of human organs. Appl. Opt. 2014. N 53. P. B181-B191.
8. Ushenko A.G., Dubolazov A.V., Ushenko V.A., Ushenko Yu.A., Pidkamin L.Y., Soltys I.V., Zhytaryuk V.G., Pavlyukovich N. Mueller-matrix mapping of optically anisotropic fluorophores of molecular biological tissues in the diagnosis of death causes. Proc. SPIE. 2016. Vol. 9971. P. 99712L.
9. Ushenko Yu.A., Bachynsky V.T., Vanchulyak O.Ya., Dubolazov A.V., Garazdyuk M.S., Ushenko V.A. Jones-matrix mapping of complex degree of mutual anisotropy of birefringent protein networks during the differentiation of myocardium necrotic changes. Appl. Opt. 2016. Vol. 55. P. B113-B119.
10. Sakhnovskiy M.Yu., Ushenko Yu.O., Ushenko V.O., Besaha R.N., Pavlyukovich N., Pavlyukovich O. Multiscale polarization diagnostics of birefringent networks in problems of necrotic changes diagnostics. Proc. SPIE. 2018. Vol. 10612. P. 106121K.
11. Dubolazov O.V., Ushenko A.G., Bachynsky V.T. et al. On the feasibilities of using the wavelet analysis of Mueller matrix images of biological crystals. Advances in Optical Technologies. 2010. Vol. 2010. P. 162832.
12. Ushenko Yu.A., Sidor M.I., Pashkovskaia N., Koval G.D., Marchuk Yu.F., Andreichuk D. Laser polarization-variable autofluorescence of the network of optically anisotropic biological tissues: diagnostics and differentiation of early stages of cancer of cervix uteri. Journal of Innovative Optical Health Sciences. 2014. Vol. 7, N 6. P. 1450024.
13. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. Киев: Наукова думка, 1981. 296 с.
14. Bachinskyi V.T., Boychuk T.M., Ushenko A.G., Dubolazov A.V., Vanchuliak O.Ya, Ushenko Yu.A., Ushenko V.A. Laser polarimetry of biological tissues and fluids. Chapter 1. Polarization mapping of optically thin layers of biological tissues and fluids:monography. Balti, republic of Moldova: LAP Lambert Academic Publishers, 2017. P. 16-70.
15. Gerrard A., Burch M.J. Introduction to Matrix Methods in Optics. New York: Dover Publications, Inc., 1994. P. 179-239.
16. Garazdyuk M.S., Bachinskyi V.T., Vanchulyak O.Ya., Ushenko A.G., Dubolazov O.V., Gorsky M.P. Polarization-phase images of liquor polycrystalline films in determining time of death. Appl. Opt. 2016. Vol. 55. P. B67-B71.
17. Ushenko Yu.A., Sidor M.I., Pashkovskaia N., Koval G.D., Marchuk Yu.F., Andreichuk D. Laser polarization-variable autofluorescence of the network of optically anisotropic biological tissues: diagnostics and differentiation of early stages of cancer of cervix uteri. Journal of Innovative Optical Health Sciences. 2014. Vol. 7, N 6. 1450024 p.
18. Ushenko Yu.O., Dubolazov O.V., Karachevtsev A.O., Gorsky M.P., Marchuk Yu.F. Wavelet analysis of Fourier polarized images of the human bile. Appl. Opt. 2012. Vol. 51. P. C133-C139.
Стаття над1йшла до редакцп 27.08.2018
