WWW.DOC.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Различные документы
 

«Вестник СГТУ. 2012. № 1 (64). Выпуск 2 УДК 004.932.72 А.А. Большаков, Н.С. Булдаков СИНТЕЗ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ДИСТАНЦИОННОГО МОНИТОРИНГА И АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ ...»

Вестник СГТУ. 2012. № 1 (64). Выпуск 2

УДК 004.932.72

А.А. Большаков, Н.С. Булдаков

СИНТЕЗ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ДИСТАНЦИОННОГО МОНИТОРИНГА

И АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ СНИМКОВ

Рассмотрены особенности построения систем дистанционного

мониторинга. Приведена структура и описаны основные модули системы.

Рассмотрен функционал модулей и способы их взаимодействия. Приведены

алгоритмы для автоматизированной обработки снимков.

Обработка изображений, медицинские снимки, распределенные системы, дистанционный мониторинг Автоматизация и управление А.А. Bolshakov, N.S. Buldakov

SYNTHESIS OF INTELLIGENT SYSTEM OF REMOTE MONITORING

AND AUTOMATED IMAGE PROCESSING

Abstract: The features of the construction of remote monitoring systems are considered. The structure and the basic modules of the system are presented. The functional modules and methods of their interaction are considered. The algorithms for automated image processing are presented.

Image processing, medical images, distributed systems, remote monitoring Развитие сетевых технологий и совершенствование средств передачи данных создали основу для построения нового поколения систем распознавания зашумленных изображений Webориентированных систем дистанционного мониторинга состояния объекта и анализа полученных изображений, но их практическая реализация требует обработки значительного объема информации и применения интеллектуальных методов выявления скрытых структур на снимках.



В настоящее время системы дистанционного мониторинга используются в самых различных областях человеческой жизни и призваны служить многим целям: например, охранные системы, системы дистанционного мониторинга в промышленности, космической отрасли, медицине. Не так давно системы дистанционного мониторинга проникли и в медицину, где с их помощью решаются проблемы диагностирования состояния больных, значительно удаленных от больниц, либо малоподвижных больных без выезда врачей на дом. Эта новая область характеризуется сокращением времени ожидания врача за счет мультимедийных услуг, предоставляемых по коммуникационным сетям. В настоящее время системы дистанционного мониторинга приобретают все большее значение в медицине за счет положительных эффектов, получаемых от их использования [1, 2].

В результате развития различных систем дистанционного мониторинга постоянно расширяется и сфера применения систем обработки изображений. Поэтому требуются интегрированные распределенные системы сбора, передачи и обработки данных, способные реализовывать не только дистанционный мониторинг исследуемых объектов, но и автоматизированную идентификацию их изображений.

При этом принимаемые решения часто основываются на идентифицируемых структурных элементах и их свойствах, полученных по результатам анализа снимков. Поэтому необходимо повысить эффективность систем обработки изображений, чтобы они были способны относительно быстро и правильно распознавать структурные элементы на снимках и облегчать принятие решений.

Таким образом, система дистанционного мониторинга состояния исследуемого объекта должна обеспечивать сбор, регистрацию и передачу информации (в том числе изображения) о нем на сервер для дальнейшей обработки (рис. 1).

В общем случае рассматриваемая система представляет собой блочную структуру и состоит из нескольких подсистем, каждая из которых решает определенный круг задач.

Основными подсистемами являются:

1) подсистема сбора и предварительной (первичной) обработки информации это, так называемый, нижний уровень системы, который представляет собой совокупность устройств, тем или иным образом регистрирующих изображения и собирающих информацию об объекте. К данной подсистеме можно отнести также устройства, осуществляющие первоначальную обработку полученных данных;

Вестник СГТУ. 2012. № 1 (64). Выпуск 2

–  –  –

2) подсистема преобразования информации, которая осуществляет представление предварительно обработанных данных в определенном формате, удобном для передачи, обработки и последующего анализа;

3) подсистема обмена информацией, осуществляющая передачу/прием отформатированных данных с помощью глобальной сети (проводной или беспроводной) для дальнейшей их обработки на специализированном оборудовании, анализа собранных данных специалистами и передачи рекомендаций конкретным пользователям системы;

4) подсистема обработки данных в виде совокупности программно-аппаратных средств, в том числе искусственного интеллекта, для обработки и анализа принятой информации;

5) подсистема хранения информации, обеспечивающая хранение всех обработанных данных и осуществляющая выборку данных по запросу систем обработки или обмена.

В каждом конкретном случае структура рассматриваемой системы может уточняться.

База данных включает достаточные для уверенной идентификации обследуемого справочные данные (фамилия, имя, отчество пациента, дата его рождения и т.п.). Вводятся они с рабочего места среднего медицинского персонала (рентген-лаборант), при регистрации больного. Результаты «чтения» медицинских изображений (учетные данные) «формализуются» путем прямого выбора (и, при необходимости, правки с использованием простейших текстовых редакторов) одного из шаблонов. Линейная группа этих шаблонов, которые выбираются для вставки в протокол независимо друг от друга, создается врачом-рентгенологом, эксплуатирующим данный флюорограф. Конечный этап – стандартное объединение растрового медицинского изображения (как рисунка) и текста описания в Word-файл, на основании которых принимается решение о диагнозе.

Исследуемую систему можно рассматривать в более общем виде, не разделяя клиентскую и серверную части на подсистемы так, как показано на рис. 2.

–  –  –

Традиционно передача медицинских данных осуществляется с использованием наземных линий связи, таких как телефонная сеть общего пользования (PSTN) и цифровая сеть с интегрированным обслуживанием (ISDN). Развитие мобильных технологий дает возможность предоставлять медицинские услуги в любой точке внутри зоны покрытия сотовых сетей, таких как глобальная система мобильной связи (GSM). Осмотр и мониторинг могут проводиться в то время, когда пациент находится дома или в путешествии, на работе или на отдыхе, таким образом, уменьшая количество ситуаций, требующих посещения больницы.

Однако, несмотря на большое число инноваций в информационных и телекоммуникационных технологиях, использование разнообразных систем автоматизированной обработки изображений распространено не достаточно, поскольку не решены научные и практические задачи, связанные с автоматизированной идентификацией плохо структурированных изображений. В случае поиска или распознавания скрытых, завуалированных или зарождающихся структур процесс принятия решений усложняется, и для повышения его эффективности требуется использовать всю доступную, в т.ч. априорную, информацию. Подобная информация должна включаться в вектор признаков, используемый для распознавания структур.

Применение интеллектуальных технологий для автоматизированной идентификации на зашумленных снимках скрытых и завуалированных объектов искусственной и естественной (биологической) природы позволит решить следующие задачи:

– предварительная обработка изображений и формирование пространства признаков структурных элементов исследуемых объектов;

– анализ снимков: структурирование изображения с помощью алгоритмов контрастирования и кластеризация структур по выбранным признакам;

– автоматизированное распознавание структурных элементов и принятие решения об их природе.

Решение этих задач с помощью интеллектуальных систем дистанционного мониторинга и автоматизированной обработки снимков позволит повысить эффективность принятия решений по зашумленным изображениям. На основе созданных интеллектуальных моделей и методов для распознавания возможных аномальных и патологических структур на зашумленных изображениях можно решать различные практические задачи по выявлению скрытых или завуалированных объектов на снимках.

Для целей автоматизированной идентификации наиболее ответственными этапами являются структурирование изображения и кластеризация выявленных структур.





Проведенный анализ [3] показал, что для автоматизации процесса сегментации изображения, повышения надежности и помехоустойчивости сегментации перспективным является метод обработки изображений на основе клеточных автоматов, использующий элементы искусственного интеллекта. Различные его варианты могут использоваться для сегментации, контрастирования, а также сглаживания.

Вестник СГТУ. 2012. № 1 (64). Выпуск 2 Разработанный алгоритм обработки изображений с помощью клеточных автоматов может быть применен не только для технических объектов, но и для естественных (биологических) систем, которые являются менее детерминированными.

Кластеризация выделенных структур может быть реализована на основе предложенных критериев идентификации и с использованием аппарата искусственных нейронных сетей. К примеру, разработанный интеллектуальный метод распознавания скрытых технических объектов с учетом доступной геометрической информации об их форме и взаимном расположении реализует технологии клеточных автоматов и неокогнитрона и апробирован при идентификации минных полей по снимкам из космоса. Созданный критерий [4] идентификации биообъектов на основе вычисления их физической плотности явился основой интеллектуальных методов и моделей автоматизированного распознавания структурных элементов при дистанционной обработке медицинских изображений.

Таким образом, типовая клиент-серверная архитектура системы дистанционного мониторинга, включающая в себя как сбор информации, так и её обработку состоит из следующих компонентов:

1) централизованный сервер – выделенный сервер для сбора и хранения всех вводимых в систему данных;

2) рабочие места персонала (рабочие станции) – для ввода информации, ее накопления, анализа и передачи на централизованный сервер.

Информация по сети передается в виде DICOM-сообщений, которые состоят из последовательности команд и последовательности данных. Последовательность данных состоит из отдельных элементов, в которых передаются значения атрибутов IOD (описание объекта, тип изображения и т.п.). Команды служат для спецификации выполняемых операций и установления соединения. Последовательность команд строится из командных элементов, определяемых протоколом элемента DIMSE, аналогично последовательности данных.

Рассмотрим подсистему обработки цифровых изображений (рис. 3).

Рассматриваемая подсистема состоит из нескольких блоков, выделенных исходя из их функционального назначения. Физически блоки могут располагаться как на одной технической площадке, так и быть разнесены на разные. В качестве канала связи в некоторых случаях могут выступать общедоступные сети, например, сеть Интернет.

Рис. 3. Общая структура подсистемы обработки изображений

Модуль обработки информации (МОИ) – это набор программно-аппаратных средств, осуществляющих обработку и накопление знаний об исследуемом объекте. В основу этой подсистемы положена технология web-обработчиков, оперирующая тремя основными понятиями: ядро web-обработчика, композиция web-обработчиков и композиционный сценарий.

Фактически каждый web-обработчик является приложением, разработанным для определенной группы пользователей. Ядро web-обработчика представляет совокупность базовых Автоматизация и управление функций, которые могут потребоваться для работы приложений. Многочисленные приложения данного уровня создают впоследствии итоговое приложение, называемое в webтерминологии композиционным сценарием. Логика формирования сценариев основывается на предопределенных правилах, адекватных конкретному случаю. Таким образом, в МОИ реализованы две композиции web-обработчиков (одна обеспечивает работу исследователей, другая – работу лиц, принимающих решения) и одно ядро web-обработчиков, содержащее набор функций, комбинации которых могут быть использованы как обеими композициями, так и любым вновь создаваемым ядром.

Клиентское приложение обеспечивает взаимодействие пользователей с другими подсистемами. Межблоковое взаимодействие основано на концепции виртуальной локальной сети, что гарантирует универсальную, эффективную и недорогую связь и уменьшает вычислительные требования к устройствам удаленного доступа, связанные с поддержкой коммуникаций.

Таким образом, в статье описана концепция системы дистанционного мониторинга.

Реализация интеллектуальной технологии автоматизированной идентификации структур в системах дистанционного мониторинга и обработки снимков позволит повысить эффективность принятия решений по зашумленным изображениям. Для математического обеспечения системы могут использоваться: алгоритм вычисления физической плотности вещества на основе эталонно-фотометрического метода; метод сегментации на основе априорной информации о форме и плотности патологического образования; алгоритмы автоматизированного анализа снимков, в том числе нейросетевого распознавания образов с целью выявления патологических областей.

ЛИТЕРАТУРА

1. Doughty K., Cameron K., Garner P. Three generations of telecare of elderly // J. Telmed.

Telecare. 1996. V.2. N.2. PP.71-80.

2. Johnson P., Andrews D.C. Remote continuous physiological monitoring in the home // J. Telmed. Telecare. 1996. V.2. N.2. PP.107-113.

3. Большаков А.А., Булдаков Н.С. Использование клеточных автоматов для обработки изображений минных полей // Вестник СГТУ. 2010. №4 (50). Вып. 2. С.120-124.

4. Булдаков Н.С., Синюшина О.В. Разработка метода количественной оценки плотности вещества для систем автоматизированной обработки рентгеновских снимков // Сборник конкурсных работ Всероссийского смотра-конкурса научно-технического творчества студентов высших учебных заведений «Эврика-2008». Новочеркасск: Оникс+, 2008. С.125-127.

Большаков Александр Афанасьевич – доктор технических наук, профессор кафедры «Системы искусственного интеллекта» Саратовского государственного технического университета имени Гагарина Ю.А.

Булдаков Николай Сергеевич – аспирант кафедры «Системы искусственного интеллекта» Саратовского государственного технического университета имени Гагарина Ю.А.



Похожие работы:

«Рекомендации по ведению больных с ишемическим инсультом и транзиторными ишемическими атаками 2008 Исполнительный комитет Европейской инсультной организации (ESO) и Авторский комитет ESO. Peter A. Ringleb, Heidelberg, Germany; Marie-Germaine Bousser, Paris, France; Gary Ford, Newcastle, UK; Philip Bath, Notting...»

«Электронный журнал "Клиническая и специальная E-journal "Clinical Psychology and Special психология" Education"2016. Том 5. № 2. С. 113–120. 2016, vol. 5, no. 2, pp. 113–120. doi: 10.17759/psyclin.2016050208 doi: 10.17759/psyclin.2016050208 ISSN:...»

«КОРХМАЗОВ ВАЛЕРИЙ ТАМАЗОВИЧ СУДЕБНО-МЕДИЦИНСКАЯ ГИСТОХИМИЧЕСКАЯ ДИАГНОСТИКА СМЕРТИ ОТ ОТРАВЛЕНИЯ АЛКОГОЛЕМ И ИШЕМИЧЕСКОЙ БОЛЕЗНИ СЕРДЦА 14.03.05 – судебная медицина Автореферат диссертации на соискание ученой степени кандидата медицинских наук МОСКВА 2011 Работа выполн...»

«ПРИВАЛОВ Сергей Юрьевич АНАТОМИЧЕСКИЕ И ФУНКЦИОНАЛЬНЫЕ ОСОБЕННОСТИ ПОЛОСТИ НОСА И ВЕРХНЕЧЕЛЮСТНЫХ ПАЗУХ ПОСЛЕ ХИРУРГИЧЕСКОГО ЛЕЧЕНИЯ ХРОНИЧЕСКИХ РИНОСИНУСИТОВ 14.00.04 – болезни уха, горла и носа АВТОРЕФЕРАТ диссерта...»

«~ФГОС Р ccкuii иав1к Учебник для общеобразовательных учреждений В двух частях Часть 1 Рекомендовано Министерством образования и науки Российской Федерации Москва • Просвеще н ие УДК 373.167.1:811.161.1 ББК 81...»

«Министерство здравоохранения Оренбургской области Государственное бюджетное учреждение здравоохранения "Оренбургский областной центр медицинской профилактики"ПРИЁМЫ И МЕТОДЫ ЭФФЕКТИВНОГО ОБЩЕНИЯ С ПАЦИЕНТАМИ Методическиерекомендации Оренбург 2015 В методическихре...»

«Мустакимова Резеда Фаритовна ОСОБЕННОСТИ ТЕЧЕНИЯ РЕЦЕССИИ ДЕСНЫ У ПАЦИЕНТОВ С МЫШЕЧНО-ТОНИЧЕСКИМ СИНДРОМОМ 14.01.14Стоматология Автореферат диссертации на соискание ученой степени кандидата медицинских наук Казань – 2014 Работа выпо...»

«УДК 14.25.19 А.А.Горнышева СУЩНОСТНАЯ ХАРАКТЕРИСТИКА КЛЮЧЕВЫХ ПОНЯТИЙ ИССЛЕДОВАНИЯ ПРОБЛЕМЫ ФОРМИРОВАНИЯ СОЦИОКУЛЬТУРНОГО ПРОСТРАНСТВА УЧРЕЖДЕНИЯ ДОПОЛНИТЕЛЬНОГО ОБРАЗОВАНИЯ ДЕТЕЙ В статье раскрывается взаимосвязь, взаимообусловленность и взаимозависимость понятий: "социокультурное образовательное пространство", "...»

«Валентина Коган Одесский переводчик Фрейда Яков Моисеевич Коган – врач-психиатр, психоаналитик, кандидат медицинских наук. Заведовал медицинской частью Одесской психиатрической больницы, работал доцентом на кафедре психиатрии Одесского медицинск...»

«ТАРИФНОЕ СОГЛАШЕНИЕ от "25" января 2016 г. Департамент здравоохранения администрации Владимирской области в лице директора А.В. Кирюхина, территориальный фонд обязательного медицинского страхования Владимирской области в лице директора О.М. Ефимовой, Владими...»








 
2017 www.doc.knigi-x.ru - «Бесплатная электронная библиотека - различные документы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.