- •Частина і
- •1.Техніка безпеки. Вхідний контроль. Вступ та структура медичної інформатики
- •Зміст навчального матеріалу
- •Цілі дисципліни:
- •Основні завдання та складові медичної інформатики.
- •Дані та інформація.
- •Медичні дані
- •Лікувально – діагностичний процес
- •Спостереження.
- •Помилки в даних.
- •Надлишок даних.
- •Діагноз.
- •Відповідальність.
- •Лікування.
- •Обробка інформації.
- •Програмне забезпечення комп’ютера.
- •Системне програмне забезпечення
- •Прикладне програмне забезпечення
- •Медичні інформаційні системи
- •Класифікація міс
- •Практична частина
- •Основні джерела.
- •2.Передача інформації. Мережеві технології. Основи телемедицини
- •Передача інформації
- •Носії повідомлень
- •Властивості інформації. Ентропія інформації.
- •Технічне та програмне забезпечення комунікацій.
- •Технічне забезпечення
- •Телемедицина
- •Типи технологій, які застосовуються у телемедицині
- •Функції телемедичних центрів
- •Стандарти, які застосовуються в телемедицині.
- •Стандарт Health Level 7 (нl7)
- •Проблеми телемедицини
- •Загальна постановка задачі розрахунково-графічної роботи.
- •Питання для самостійної роботи
- •Рекомендована література Основні джерела.
- •Додаткові джерела.
- •3.Компютерні дані: типи даних, обробка та управління
- •Типи даних та їх характеристики.
- •Системи управління базами даних в медицині Основні ідеї концепції баз даних.
- •Класифікація баз даних
- •Основні типи моделей даних
- •Класифікація сучасних систем керування базами даних
- •Мовні засоби систем керування базами даних
- •Майбутнє субд
- •Практична частина
- •Питання для самостійної роботи
- •Рекомендована література Основні джерела.
- •Додаткові джерела.
- •4.Кодування і класифікація медико-біологічних даних
- •Зміст навчального матеріалу
- •Історія класифікації і кодування
- •Що таке класифікація?
- •Двоосьова icpc .
- •Види кодів
- •Класифікація і кодування.
- •Міжнародні Системи Класифікації.
- •Системи класифікації в Україні
- •Висновки
- •Практична частина
- •Додаток 1
- •Додаток 2 Генетичний код
- •Питання для самостійної роботи
- •Рекомендована література Основні джерела
- •5.Візуалізація медико-біологічних даних. Обробка та аналіз медичних зображень
- •Поняття медичного зображення.
- •Медичне зображення як об'єкт медичної інформатики.
- •Методи отримання медичних зображень
- •Обробка медичних зображень.
- •Основні принципи обробки зображень.
- •Попередня обробка.
- •Зміна контрастності зображення.
- •Проблема візуалізації зображень.
- •Двовимірні томографічні зображення.
- •Тривимірне об'ємне зображення.
- •Способи двовимірної візуалізації.
- •Способи дійсної тривимірної візуалізації.
- •Застосування тривимірної візуалізації.
- •Сучасні тенденції обробки зображень
- •Обробка двовимірних та тривимірних медичних зображень. Обробка двовимірних медичних зображень
- •Обробка тривимірних медичних зображень
- •Практична частина і. Перегляд та візуальний аналіз медичних зображень.
- •Іі. Обробка медичних зображень.
- •6.Методи біостатистики
- •Зміст навчального матеріалу Опис даних: якісні, порядкові та кількісні дані. Шкали вимірювання
- •Якісні дані. Шкала класифікації (номінальна)
- •Порядкові дані. Шкала порядку.
- •Кількісні дані. Шкала інтервалів і шкала відношень
- •Статистичний аналіз даних. Закони розподілу випадкових величин
- •Закони розподілу дискретних випадкових величин Біноміальний розподіл (розподіл Бернуллі)
- •Розподіл Пуассона
- •Закони розподілу неперервних випадкових величин Нормальний закон розподілу (Гаусса)
- •Розподіл Ст’юдента (Госсета)
- •Емпіричні закони розподілу випадкових величин
- •Сучасна технологія аналізу даних
- •Планування дослідження.
- •Підготовка даних до аналізу
- •Попередній аналіз даних
- •Вибір і реалізація методу аналізу
- •Етапи перевірки гіпотез
- •Критерії перевірки гіпотез
- •Стійкість критеріїв
- •Послідовність операцій при виборі критерію
- •Постановка задачі Порівняння показників контрольної ті експериментальної вибірок.
- •Порівняння розсіювання показників двох вибірок.
- •Визначення додаткових умов вибору критерію
- •Вибір конкретного критерію
- •Вимоги до вибірок
- •Критерій (критерій Пірсона)
- •Кореляція
- •Регресія
- •Практична частина
- •Питання для самостійної роботи
- •Рекомендована література Основні джерела.
- •Додаткові джерела.
- •7.Аналіз біосигналів. Методи обробки біосигналів
- •Зміст навчального матеріалу Аналіз біосигналів
- •Етапи аналізу сигналів
- •Реєстрація, трансформація та класифікація сигналів
- •Біосигнали і нестаціонарні сигнали. Особливості біосигналів
- •Типи сигналів. Детерміновані біосигнали
- •Стохастична форма хвилі
- •Аналого-цифрове перетворення
- •Приклади застосування аналізу біосигналів
- •Практична частина
- •Питання для самостійної роботи
- •Рекомендована література Основні джерела
- •Додаткові джерела
Стохастична форма хвилі
Існує, також, група сигналів які називаються стохастичними, або статистичними сигналами. Вони генеруються, наприклад, групами клітин, які деполяризуються приблизно випадково, як наприклад клітини мускула або нервові клітини в корі (генерація електроенцефалограми (ЕЕГ) ). Форма хвилі таких сигналів є недетермінованою і може описуватися тільки статистично. Залежно від виду біологічного процесу, ці стохастичні сигнали є стаціонарними або нестаціонарними. У разі стаціонарних, властивості сигналу не змінюються з часом, наприклад, коли пацієнт знаходиться в стабільному стані.
Представляє інтерес різниця між стаціонарними і нестаціонарними сигналами. Якщо біологічний процес знаходиться в динаміці, ми можемо очікувати, що сигнали, які генеруються, також нестаціонарні. Прикладом є ЕЕГ від хворого під час епілептичного припадку. Параметри, що можуть бути отримані з нестаціонарних сигналів (наприклад, від пацієнтів, що знаходяться у палатах інтенсивного догляду) можуть бути представлені як функція часу, що має назву аналізом тенденції.
Аналого-цифрове перетворення
Всі біосигнали є аналоговими сигналами. Таким чином, перед тим, як вони зможуть оброблятися комп’ютерами, вони повинні бути перетворені в цифрову форму. Це робиться шляхом аналого-цифрового перетворення. Якщо все зроблено коректно, то інформація не втрачається, і оригінальний аналоговий сигнал можна потім відновити з цифрового шляхом цифро-аналогового перетворення.
При обробці біосигналів необхідно відповісти на два питання:
Як часто повинна виконуватись обробка?
Як точно доведеться визначати амплітуду?
Для правильної обробки важливо, щоб інформація не втрачалася і не спотворювалась. Дуже низька частота вимірювань може викликати втрату інформації (див рис.5); дуже висока частота вимірювань є надмірною і не дає додаткової інформації, але вимагає більшої комп’ютерної пам’яті.
Для деяких біосигналів амплітуда повинна вимірюватися з роздільною здатністю до 1% ; для інших достатня роздільна здатність 10% . Наприклад:
для ЕКГ, амплітуди Q-хвиль повинні вимірюватися з роздільною здатністю 20 % або менше (точніше), тому що присутність Q-хвиль може вказати на інфаркт;
д
ля
ЕЕГ, амплітуда безпосередньо не
представляє інтересу, а важливі зміни
середніх значень амплітуди з часом,
які можуть виявити патологію.
Рис. 7.20. Вплив частоти дискретизації, що є надто низькою для того, що б побачити істинну форму хвиль двох сигналів. Сигнал ЕКГ представлено на верхньому рисунку, а синусоїдальний сигнал представлено на нижньому рисунку.
Оригінальний сигнал вказаний чорною лінією, сигнал, що оброблений з надто низькою частотою дискретизації, позначений червоною лінією. Для синусоїди – точки обробки, які отримані для надто низької частотою дискретизації, вказані червоним кольором. Як видно, для обох сигналів має місце певне спотворення форми.
Якщо сигнали не обробляються з достатньо високою частотою дискретизації і якщо амплітуди не виміряні достатньо точно, сигнали будуть спотворені і буде неможливо отримати необхідні параметри. Рисунок 7.5 показує результати обробки з надто низькою частотою дискретизації.
З вище сказаного можна зробити висновки.
1. Дискретизація аналогових змінних, як наприклад біосигналів, можлива без втрати інформації.
2. Частота дискретизації визначається частотним спектром сигналу і повинна бути щонайменше в два рази більшою від частоти найбільш високочастотної гармоніки сигналу.
3. Ступінь дискретизації визначається необхідною точністю визначення параметрів, які повинні бути отримані при обробці сигналу.
