- •Часть 2
- •1.1. Клиническая оценка эффективности
- •1.2 Инженерные методы оценок качества приборов.
- •1.3 Информативность методик обследования
- •2 Электроды
- •Характеристики электродов
- •3 Усилители электробиосигналов (убс)
- •3.1. Построение усилителей биосигналов (убс)
- •3.2 Согласование усилителя с электродами
- •3.4. Методы подавления сетевой помехи
- •3.5. Подавление сетевой помехи вычитанием в усилителе
- •3.6. Типовое построение схем убс (Рис 2.7-2.9)
- •3.7. Шумовые характеристики убс
- •3.8. Защита убп от статических разрядов и импульса дефибриллятора.
- •3. Современное построение эк
- •4. Выбор частоты квантования ацп
- •4.1. Влияние неограниченности спектра сигнала
- •4.3. Искажение сигнала во входном фильтре. Метод парных эхо
- •4 .4. Погрешности амплитудного квантования ацп
- •4.5. Погрешности за счет выходного интерполирующего фильтра
- •4.6. Пример выбора частоты квантования
- •5. Простейшие элементы цифровой фильтрации
- •5.1 Общие свойства цифровой фильтрация
- •5.2 Примеры простых, легко реализуемых фильтров
- •5.3 Использованием пропуска и добавления отсчетов
- •5.4 Комбинаторика структур простейших фильтров.
- •5.6. Дифференцирующие фильтры
- •7.16. Распознавание образов
- •6. Морфологический, контурный анализ, измерение
- •6.1 Выделение комплексов
- •6.2 Измерение параметров
- •6.3 Обнаружители r пика
- •6.3.2. Технологии "Фильтр - ограничитель - фильтр (фоф)
- •6.4 Измерение амплитуды и длительности
- •Измерение моментов точек начала и конца
- •7. Математические методы обработки биосигналов
- •7.1. Удобными считаются аналитические функции
- •7.4. Преобразование Фурье
- •7.5 Равенство Парсеваля
- •7.6. Системы базисных функций
- •7.7. Разложение функций по ортогональным полиномам
- •7.8. Векторное представление сигнала.
- •7.9. Интегральное преобразование Фурье
- •7.10 Использование интегральных преобразований
- •7.12. Теорема отсчетов как преобразование Фурье
- •7.13. Фильтрация
- •7.14 . Интерполяция
- •7.15. Экстраполяция
- •8. Статистические методы
- •8.2 Оптимальная фильтрация сигнала в шуме
- •8.3 Оценка параметров. Потенциальная точность
- •8.3.1. Байесовский метод
- •8.3.2 Разделение сигнальной и шумовой функции
- •8.3.3 Ошибки случайного смещения
- •8.3.4 Ошибки неоднозначности
- •8.3.5 Метод функции правдоподобия. Проблема априорной недостаточности
- •8.4. Фильтрация Калмана - Бьюиси
- •8.5 Проверка гипотез
- •8.6 Статистические методы распознавания образов
- •8.8 Персептрон Розенблата
- •Приложение 1
- •Доказательство принципа взаимности
- •Приложение 2.
- •Приложение 3.
- •Приложение 4
- •Приложение 5
- •5.1 Проверка гипотез
- •5.2 Последовательный анализ
- •Приложение 6 Технический уход за электродами и их подготовка.
- •1) Удаление с электродов старого слоя хлористого серебра
- •2) Хлорирование серебряных электродов
- •Приложение 7
- •Приложение 8
- •8.1. Работа процессора в реальном времени
- •Приложение 9
- •Приложение 10
- •9.1. Требования к защите медицинских приборов от питающей сети 220в 50Гц.
- •6.4 Обеспечение безопасности
- •9.2. Безопасность при комплексировании приборов
- •9 .3 Безопасность при работе с электродефибрилятором
- •9.4. Измерение токов утечки
7.16. Распознавание образов
Если у нас есть эталон, образ, то распознавание отвечает на вопрос: присутствует ли он в сигнале. Используя понятие расстояния между функциями мы можем утверждать это присутствие, если расстояние нулевое или минимальное. Достижение минимального расстояния между эталоном и сигналом является интуитивным признаком отождествления, совпадения, распознавания.
Обычно сами образы вычитать из сигнала физически невозможно, поэтому приходится проводить операции вычитания в пространстве проекций. Когда сами образы очень громоздки или априорно отличны друг от друга только малыми фрагментами, то достаточно сравнивать информативные фрагменты. Так на множестве одинаковых домов улицы мы сравниваем только номерные таблички. Возникает задача выделения фрагментов.
Если образы содержат много фрагментов то возможно анализировать соотношения этих фрагментов. Например, если от вертикальной палочки идут три горизонтальные вправо - это буква Е, если влево - буква Э. Таким образом мы интуитивно пришли к трем методам (способа) распознавания образов:
1) - распознавание по признаку минимального расстояния между сигналом и образом,
2) - его частный случай - распознавание по выделенным фрагментам, имеющим минимальное расстояние, и
3) - распознавание по признаку выполнения "грамматического правила" в последовательности соотношений выделенных фрагментов.
Возможны другие правила распознавания, но обычно они сводятся к перечисленным или являются эвристическими.
Можно сказать, что разложения в ряды Фурье есть процедуры распознавания в исходном сигнале наличия членов базисного ряда. Качество процедуры распознавания проводится оценкой величины остаточного члена разложения. Более значимые оценки качества распознавания могут быть сделаны с учетом вероятностных методов.
Особо в процедурах распознавания стоит задача классификации. В этом случае эталон не известен и поступающая последовательность образов сравнивается между собой. В процессе сравнения выделяются "притягательные" центры, собирающие значимое множество поступающих образов.
Выделение фрагментов
Главным способом выделения фрагментов является предварительное определение базисного ряда эталонов фрагментов анализируемого сигнала. Возможны два случая:
1) мы знаем эталоны фрагментов - тогда их выделение возможно по методу минимума расстояния.
2) Мы не знаем эталонов фрагментов, но знаем эталоны мешающих форм. Тогда проводим выделение мешающих форм и их вычитание, уничтожение. Искомые фрагменты будут находиться в остатке сигнала.
3) Базисный ряд эталонов включает информативные фрагменты и мешающие, однако все они не удовлетворяет требованиям ортогональности. Тогда нельзя выделять только нужные фрагменты - результат будет зависеть от последовательности процедур. Требуется проведение одновременного выделения всех нужных и не нужных эталонов с последующей отбраковкой помеховых фрагментов.
6. Морфологический, контурный анализ, измерение
Основные понятия. Оптимальная фильтрация графика. Согласованный фильтр обнаружения R пика. Грамматические правила распознавания. Морфологический анализ, контурный анализ. Эталон сигнала, эталон фрагмента. Проблема отыскания точек "начала/конца". Надежность анализа.
Графики биосигнала подвергаются анализу. Это или поиск известных структур, их признаков, значений параметров, или выявление необычного, неизвестного. Считается, что сигнал уже отфильтрован от помех с использованием оптимальной фильтрации. Далее проводится морфологический анализ (morphe - форма, logos - понятие, учение) и измерительные процедуры.
Первым этапом морфологического анализа принято считать разделение записи на информативные фрагменты (комплексы). Эта часть морфологического анализа называется контурным анализом. Рассмотрим анализ на примере ЭКГ. Обычно запись ЭКГ сигнала по методике 12 ОП отведений проводится кадром длительностью не менее 10 с (в энцефалографии кадр называется "эпохой"). В полученном кадре обнаруживаются RR пики и выбирается последовательность из трех RR интервалов которые различаются менее чем на 16% по длительности (или менее чем на 50мс). Средний из этих трех интервалов выделяется как представительный кардиоцикл. На нем проводится дальнейший контурный анализ: выделение ЭКГ комплексов (P, QRS, ST-T). Далее комплексы подвергаются анализу и измерениям. В процессе морфологического анализа дается описание отклонений формы комплексов и их параметров от нормы. В завершение составляется диагностическое заключение. (Существует методика измерения параметров на всех кардиоциклах записанного кадра при условии отсутствия нарушений ритма и формирование усредненных параметров измерений по этому кадру).
