вход Вход Регистрация



В предыдущем разделе достаточно детально были рассмотрены математические процедуры и технические устройства, предназначенные для выявления и анализа разных видов патологических признаков в электрофизиологических процессах, используемые для решения задач, которые стоят перед практической медициной. Эти методы частично распространяются и на системы беспрерывного контроля за психофизиологическим по состоянию операторов и спортсменов, а также является составной частью процедур проверки соответствия критериев пригодности к выполнению профессиональных функций в системах экспресс - диагностики.

В данном параграфе речь пойдет о решении конкретных задач связанных с выделением информативных признаков в электрофизиологической информации, которые могут быть использованы в комплексном анализаторе состояний для оценки степени утомленности оператора и установление количественных связей между действием внешних и внутренних факторов трудового процесса и психофизиологическим по состоянию организма оператора.

Общими для большинства употребляемых методов есть регистрация параметров электрофизиологических процессов и построение решающего правила по отклонениям, выявленным в значениях этих параметров. К таким параметрам принадлежат амплитуда зубца Т, уровень линии ST, продолжительность Qrs-Комплекса и Rr-Интервалов электрокардиограммы, параметры пневмограмы, скорость распространения пульсовой волны и др.

Однако получение даже некоторых из них показывает, что для выделения этих параметров и исследования их динамики необходимые автоматические методы, поскольку подобные исследования настолько трудоемкие, что проведение их вручную становится практически невозможным, не говоря уже о работе в реальном масштабе времени.

В ОКБ биологической и медицинской кибернетики накопленный опыт автоматического анализа параметров электрофизиологических процессов. Следует отметить, что хотя автоматический анализ и дает в целом положительные результаты, но и его проведение требует активного участия исследователя, поскольку в процессе автоматического анализа электрофизиологических процессов могут появляться ошибочные результаты, которые вызываются, как правило, препятствиями в каналах прохождения медицинских сигналов. Не смотря на то, что в большинстве исследований используются статистические методы, которые в значительной мере исключают грубые ошибки измерений, некоторые из них, например, спектральный анализ, могут дать неверные результаты. Для корректирования ошибочных записей и артефактов нужно просмотреть записи, зарегистрированные на магнитографе с помощью многолучевого индикатора ІМ-789, и отметить временные интервалы, на протяжении которых полученные качественные записи. Дальше необходимо обрабатывать на ЭВМ именно эти фрагменты. Хотя данная процедура довольно трудоемкая, но при существующих методах регистрация электрофизиологических потенциалов только она может гарантировать получение достоверных результатов.

Автоматический анализ ряда процессов, таких, как ЕКГ, ПГ, ПВ. МОКНУЛ, состоит в вычислении амплитудно-временных параметров и предполагает определенную похожесть в алгоритмическом подходе при решении конкретных задач.

Анализ известных алгоритмов обработки психофизиологической информации позволил выбрать идентичные процедуры, на основе которых и велась разработка алгоритмов анализа перечисленных процессов.

В качестве примера рассмотрим некоторые процедуры, которые наиболее часто встречаются.

Процедура линейной аппроксимации использует интерполяционный алгоритм. Погрешность аппроксимации оценивается с помощью модифицированного интегрального критерия приближения[8]

 

(4.8)

 

где f(t) — начальный процесс; f*(t) — интерполяционный полином; τi — интервал интерполяции; — допустимая погрешность аппроксимации.

Алгоритм может работать в режиме «on line» и быть выполнен в виде процедуры

 

 

где а — текущее значение начального массива; i — порядковый номер; eps — допустимая интегральная погрешность интерполяции; ix — порядковый номер отсчета начального процесса в последнем узле интерполяции; s — площадь текущего интерполированного участка; а1 -значение массива, предыдущего текущему; ах — значение сигнала в последнем узле интерполяции.

Якщо нет необходимости в линейной аппроксимации, при эрх = 0 процедура обеспечивает лишь выборку текущего значения из начального массива.

Процедура определения экстремумов предназначена для формирования последовательности знакопеременных экстремумов, что является двумерным массивом, в котором первый строка — значение начального массива в экстремальных точках, а друий — расположение экстремумов от начала анализа.

Массив экстремумов может формироваться в процессе одноразового или многократного обращения к процедуры

 

 

где z — начальный массив; mm — массив экстремумов; kl — число экстремумов от начала анализа к моменту использования процедуры; nl — размерность массива экстремумов;

 

d — длина начального массива; f — частота дискретизации анализируемого процесса; cl — пороговое значение минимального расстояния между экстремумами — определяется структурой процесса. Экстремумы фиксируются при выполнении следующих условий на i-м и (i +1) -м шагах функционирования процедуры: на i-му шагу

 

(4.9)

 

на (i + 1) -му шагу

 

(4.10)

 

где

 

Процедура st (z, d, sг sg0, di), где z — начальный массив длиной d, предназначенная для определения статистических показателей. Использование ее позволяет получить — оценку математического ожидания процесса sg0 — оценку его среднеквадратического отклонение и di — доверительные границы изменения с достоверностью 0,95.

Процедура Мm (z, d, M, m, im, im) предназначенная для определения максимального и минимального значений начального массива z длиной d, а также их расположения относительно начала массива (im, im).

 

© 2018
  • Сайт "Литературка"
  • мы собираем различную техническую, образовательную, научную литратуру