Автоматизация медико-биологических и экологических исследований на основе цифровой обработки информации тема автореферата и диссертации по физике, 01.04.01 ВАК РФ

Введение

Глава 1. Задачи, методы и средства экологических и медикобиологических исследований.

1.1. Природная среда и человек как объекты исследования.

1.1.1. Современные методы и средства исследования природно- 17 антропогенных систем.

1.1.2. Медико-биологические показатели, физиологические процес- 23 сы, специфические особенности и методы медико-биологических исследований.

1.2. Цифровая обработка информации как основа эффективности 29 экологических и медико-биологических исследований.

1.3. Специфические особенности экологических и медико- 34 биологических исследований

1.4. Задачи цифровой обработки экологической и медико- 40 биологической информации.

Выводы.

Глава 2. Процедурное наполнение и критериальная основа авто- 49 матизированных систем цифровой обработки медико-биологической и экологической информации.

2.1. Аналитическое описание и особенности первичного преобразо- 49 вания носителей медико-биологической и экологической информации.

2.2. Структурные преобразования медико-биологических и экологи- 51 ческих сигналов.

2.3. Ортогональные преобразования сигналов.

2.4. Сжатие данных.

2.5. Принятие решений при распознавании сигналов и помех.

2.6. Функциональная адаптация систем обработки медико-биологи- 65 ческих и экологических сигналов к помехам.

2.6.1. Постановка задачи.

2.6.2. Организация функционально-адаптивной обработки биомеди- 70 цинской информации.

2.6.3. Задачи синтеза оптимальной функционально-адаптивной обра- 73 ботки информации.

2.7. Сегментация изображений природных объектов. 75 2.7.1. Постановка задачи.

2.7.2. Модель изображения.

2.7.3. Использование цветовых признаков.

2.7.4. Построение контурного фильтра для цветных изображений.

2.7.5. Сегментация и кодирование изображений. 82 Выводы.

Глава 3. Задачи и особенности спектрального анализа биомеди- 90 цинских сигналов.

3.1. Обоснование спектрального анализа как базовой процедуры 90 цифровой обработки сигналов.

3.2. Ограничения по использованию классических методов спек- 92 трального анализа при исследовании биоэлектрических сигналов

БЭС).

3.3. Аппроксимация БЭС процессами авторегрессии.

3.4. Метод максимальной энтропии (ММЭ) в задачах обработки БЭС.

3.5. Исследование характеристик методом максимальной энтропии в 100 задачах спектрального анализа биоэлектрических сигналов.

3.6. Вычисление некоторых параметров спектральных образов БЭС.

3.7. Цифровая реализация процедуры распознавания БЭС. 113 Выводы.

Глава 4. Применение инверсно-гомоморфной фильтрации в за- 119 дачах обработки биоэлектрических сигналов.

4.1. Постановка задачи.

4.2. Квазиинверсная фильтрация сигналов.

4.3. Оценка свойств инверсных фильтров при обработке некоторых 125 типовых сигналов.

4.4. Адаптация квазиинверсных фильтров обнаружения-разрешения к 131 шумовым помехам.

4.5. Нелинейная (гомоморфная) фильтрация сигналов.

4.6. Оптимизация гомоморфной обработки.

4.7. Сопоставление инверсной и гомоморфной фильтрации. 147 Выводы.

Глава 5. Автоматизация физических исследований биопроб.

5.1. Постановка задачи.

5.2. Исходные предпосылки.

5.3. Методология распознавания.

5.4. Суть цитоморфологического анализа крови.

5.5. Поиск эффективных решений при компьютерной обработке изо- 160 бражений мазков крови.

5.6. Определение перечня признаков для распознавания.

5.7. Процедурное наполнение задачи распознавания изображений 164 клеток крови.

5.8. Задача нормализации изображения.

5.9. Задача выделения объектов на изображении.

5.10. Вероятностный подход в задаче распознавания объекта.

5.11. Задача распознавания ядра клетки крови.

5.12. Задача распознавания цитоплазмы клетки крови.

5.13. Задача классификации клеток крови. 180 Выводы.

Глава 6. Проблемно-ориентированные системы автоматизации 186 медико-биологических исследований.

6.1. Автоматизация медико-биологических исследований в лечебно- 186 профилактическом учреждении.

6.1.1. Введение.

6.1.2. Аппаратные средства компьютерной системы обработки и пе- 188 редачи медицинской диагностической информации.

6.1.3. Предметно-ориентированный комплекс рентгеноскопических 191 исследований.

6.1.4. Предметно-ориентированный комплекс эндоскопических ис- 194 следований.

6.1.5. Предметно-ориентированный комплекс ультразвуковых иссле- 197 дований.

6.2. Автоматизация исследований функционального состояния сер- 199 дечно-сосудистой и дыхательной систем человека.

6.2.1. Исходные предпосылки.

6.2.2. Предметно-ориентированный комплекс исследования кардио- 203 респираторной системы человека.

6.2.3. Программное обеспечение комплекса. 207 Выводы.

Актуальность проблемы

Проблемы взаимодействия человека и природной среды в настоящее время беспокоят широкие круги общества и получают отражение в многочисленных научных публикациях, так как затрагивают очень важные жизненные интересы.

Техногенные удары по природе привели к накоплению в почве, воде, атмосфере химически активных веществ. Количество их уже превысило порог, за которым природа не в состоянии нейтрализовать негативное воздействие. И организм немедленно отреагировал стремительным нарастанием сердечно-сосудистых, онкологических и многих других заболеваний.

В этих условиях особенно актуальной стала проблема определения экологических детерминант здоровья. Возникла необходимость иметь региональные нормативы состояния здоровья и дифференцированно подходить к его оценке. В связи с этим необходимы медико-биологические и экологические исследования, ориентированные на: а) эффективный скрининг в отношении групп риска для различных заболеваний; б) разработку научно-обоснованных профилактических мероприятий по оздоровлению популяции; в) мониторинг экологических изменений.

Необходимости и актуальности таких исследований посвящено большое количество работ ведущих ученых и специалистов, таких как Н.П. Лаверов, С.И. Александров, A.JI. Яншин, H.A. Агаджанян, A.B. Витязев, Г.О. Заде, М.В. Кабанов, К.Я. Кондратьев и другие.

При этом, мониторинг экологических изменений является основой экологических исследований и обеспечивает наблюдения, фиксирование, сбор и анализ информации о состоянии окружающей среды и природных ресурсов страны, регионов, отдельных территорий и экосистем, выявление и инвентаризацию запасов природных ресурсов, определение степени и качества их потребления или использования.

Комплексные исследования окружающей среды (ОС) предполагают использование различных современных методов диагностики природной среды: от глобального уровня обработки космической информации через аэрометоды и лазерный мониторинг бортового базирования (самолеты, вертолеты) к измерениям в локальных областях на местности (автомобильное базирование) и в лабораторных условиях для составления карт и прогнозов, создания моделей происхождения и развития природных объектов и явлений, формирующих среду обитания человека. При этом используются эффективные методы как пассивной, так активной локации.

Использование аэрокосмических методов предполагает использование современных аппаратно-программных методов сбора и анализа телеметрической информации от спутников (выявление техногенных загрязнений, границ снеготаяния, районов пожаров, наводнений и т.п.) и ее спектральную обработку, пространственную фильтрацию, дополнительное контрастирование и привязку к географической карте. Анализ процессов дистанционного зондирования (ДЗ) Земли и атмосферы базируется на известном аппарате теории статистических решений и теории распознавания образов. Большой вклад в разработку методов ДЗ внесли У. Барис, В.Е. Зуев, A.C. Монин, Б.С. Флейшман, H.A. Арманд, P.M. Харалик, У.К. Прэтт, В.А. Сойфер и др. На основе их работ создан ряд методов моделирования процессов и обработки данных ДЗ. Обширная программа экологических исследований требует интеграции усилий и достижений многих исследователей, разработки автоматизированных измерительно-вычислительных комплексов (ИВК), технико-экономические показатели которых и эффективность использования в значительной степени определяются характеристиками используемых сигналов и методов и средств их обработки.

Экология природной среды связана с экологией человека. Глобальные экологические проблемы способствуют снижению резервов здоровья человека на индивидуальном и популяционном уровнях. В настоящее время в качестве показателей здоровья, в основном, используются традиционные показатели заболеваемости, временной потери трудоспособности, средней продолжительности жизни и т.д. Но они отражают уже сформировавшуюся картину заболеваний (в том числе, последствия влияния неблагоприятных факторов среды обитания человека и с опозданием на несколько лет). В связи с этим необходима организация медико-биологических исследований с целью обеспечения динамического контроля за изменением состояния здоровья населения и особенно, находящегося в экологически неблагоприятных районах России. При этом здоровье рассматривается как индикатор окружающей среды.

Принципиально важным для таких медико-биологических исследований является разработка и использование простых, информативных и поддающихся автоматизации доклинических методов и средств оценки состояния здоровья, включая пограничные состояния. Это необходимо для того, чтобы профилактические и оздоровительные мероприятия были возможны заранее, когда еще не нарушена трудоспособность и возможен возврат к состоянию функциональной нормы или устойчивой адаптации к условиям окружающей среды. То есть при таких медико-биологических исследованиях выявляются не преморбидные состояния или нозологические формы патологии, а степень адаптации организма к условиям окружающей среды, оценивается картина структуры здоровья отдельных групп населения, проживающих в неблагоприятных экологических условиях, выделяются группы экологического риска населения.

Отсюда - задача получения в реальном масштабе времени интегральной оценки состояния жизненно-важных систем человека путем развития существующих методов и средств медико-биологических исследований и разработки и внедрения новых источников диагностической информации в виде самостоятельных программно-аппаратных модулей. В настоящее время в этом направлении активно работают коллективы ученых ИРЭ РАН, ИПФ РАН, ВНИИМП РАМН, НИИ нормальной физиологии им. П.А. Анохина, МОНИКИ им. М.Ф. Владимирского, МРТИ РАН, Нижегородской медицинской академии, ГНЦ «ИМБП», РГ НИИ ЦПК им. Ю.А. Гагарина, ряда вузов (например, С-ПбГЭТУ, РГМУ, МГТУ им. Н.Э. Баумана, МЭИ(ТУ), Новосибирский ГТУ, Воронежский ГТУ, Рязанская ГРТА, Казанский ГТУ им. А.Н. Туполева, Тульский ГУ) и др. государственные и ведомственные организации и учреждения. Новые пути ранней неинвазивной эффективной медицинской диагностики рассматриваются в работах Н.Д. Девяткова, Ю.В. Гуляева, Е.В. Троицкого, В.М. Ахутина, А.П. Немирко, P.M. Баевского, М.В. Вогралина, Ш.М. Чабдарова и др. отечественных и зарубежных ученых.

Проведение медико-биологических исследований состояния здоровья населения, находящегося в экологически неблагоприятных районах России позволит:

- иметь объективную динамическую картину структуры здоровья населения с выделением групп риска и локализацией их местонахождения;

- рекомендовать профилактические и оздоровительные мероприятия на стадии, когда еще возможен возврат основных систем организма к состоянию нормы;

- обоснованно планировать в условиях ограниченности финансовых ресурсов наиболее целесообразные программы оздоровления населения в конкретных регионах (областях, районах, городах).

Стремление к количественной оценке экологических и медико-биологических показателей определено общей тенденцией в организации научных исследований и практической работы - к автоматизации получения, накопления и обработки информации, использованию баз данных и экспертных систем, созданию систем информационной поддержки принятия решений, в том числе и врачебных.

Наличие количественных оценок способствует объективности исследований, обеспечивает возможность сопоставительного анализа данных экспериментов, позволяет автоматизировать решение многих экологических и медико-биологических задач. Количественные показатели непосредственно или косвенно отражают физические или физико-химические характеристики природной среды и физиологических процессов, а, следовательно, их свойства, взаимосвязь, зависимость от ряда факторов. Поэтому для всех количественных показателей должны предусматриваться такие алгоритмы обработки сигналов, которые позволяют получить их числовые оценки.

Типовая структура аппаратно-программного комплекса научных исследований природных объектов включает в себя датчики, блоки усиления, преобразования и обработки сигналов. Эффективность функционирования таких комплексов определяется качеством выполнения измерительно-вычислительных операций, обеспечивающим, в конечном итоге, достоверность медико-биологической и экологической информации.

Необходимо также отметить, что обработка показаний датчиков, необходимая для определения окончательного результата исследования не всегда проводится оптимально (особенно в медицине) по следующим причинам.

Во-первых, очень часто обработка биомедицинской информации ведется вручную, что значительно удлиняет и удорожает процесс исследования, ведет к потере точности решения задачи за счет иногда многостадийных вычислений и субъективных погрешностей оператора.

Во-вторых, используемые в настоящее время в большинстве случаев аналоговые системы обработки сигналов нередко обладают точностью меньшей, чем точность датчика.

В-третьих, информационный потенциал вычислительных средств используется неэффективно.

Отсюда вытекает актуальная и социально-значимая народнохозяйственная и научная проблема автоматизации медико-биологических и экологических исследований, включающая в себя: а) поиск путей и разработку мер обеспечения требуемого качества (достоверности, точности, оперативности) функционирования устройств сбора и обработки медико-биологической и экологической информации в изменяющихся условиях эксплуатации, обусловленных как специфическими особенностями обрабатываемых сигналов, так и воздействием регулярных и стохастических помех; б) оптимизацию обработки сигналов с учетом нестационарности исследуемых медико-биологических и экологических процессов, априорной неопределенности обрабатываемой информации о состоянии, как среды обитания, так и исследуемого биообъекта, широкого набора помех, имеющих стохастический и регулярный (сигналоподобный характер); в) сокращение временных затрат на анализ и систематизацию полученной медико-биологической и экологической информации.

В связи с этим методы принятия решений должны быть по возможности максимально свободными от знаний статистики помех, либо адаптивными к помехам как шумового, так и сигналоподобного характера.

Потребность высококачественной обработки сигналов обуславливает применение перспективных цифровых методов и средств. Трудами зарубежных и отечественных ученых К. Шеннона, В.А. Котельникова и других было показано, что все аналоговые сигналы могут быть представлены в цифровой форме с помощью дискретизации во времени и квантования по амплитуде. Стремительное развитие теории цифровой обработки сигналов обусловлено фундаментальными работами Л. Рабинера, Б. Голда, А. Оппенгейма, Р. Шафера, В.А. Лихарева, Л.М.Гольденберга, Р.Л.

Стратоновича, М. Трахтмана, Б. Уидроу, С. Стирнза, М. Ахмеда, K.P. Рао и других зарубежных и отечественных авторов. Развитие микропроцессорной техники способствовало, начиная с середины 80-х годов, интенсивному практическому внедрению цифровых процессоров обработки сигналов (В.В. Витязев, 1997 г.)

Достоинства цифрового представления сигналов:

1. Потенциально неограниченная точность цифровых приборов и систем.

2. Унификация представления всех видов сигнала, а следовательно, унификация обработки, хранения и коммутации.

3. Высокая помехозащищенность в силу бинарного представления информации.

Кроме того, аппаратура цифровой обработки информации выполняется на современной элементной базе, совместимой с серийными ЭВМ, что позволяет использовать программные методы управления и контроля цифровых устройств, обеспечивает экономичность, малые массо-габаритные показатели и т.п.

Цель работы - научное обоснование применения информационно-измерительно-вычислительных средств, разработка и апробация цифровых методов и средств повышения эффективности обработки медико-биологической и экологической информации, обеспечивающих решение актуальной в настоящее время и социально-значимой для общества задачи реализации медико-биологических и экологических исследований на основе:

- единства проблемы обеспечения получения достоверной информации о состоянии природной среды и человека как объектов исследования;

- единого подхода и математического аппарата цифровой обработки сигналов;

- близких по структуре реализации алгоритмов и аппаратно-программных средств.

Для реализации целей работы необходимо было решить комплекс взаимосвязанных научных и практических задач:

1. Анализ методических аспектов и ^подходов к постановке и решению проблем автоматизации медико-биологических и экологических исследований;

2. Выработка и апробация научно-обоснованных алгоритмов построения инструментальных средств разработки проблемно-ориентированных систем автоматизации медико-биологических и экологических исследований;

3. Разработка и исследование методов и алгоритмов обработки сигналов в условиях априорной неопределенности в системах медико-биологических и экологических исследований;

4. Развитие методов адаптивной обработки, спектрального оценивания, обработки многомерных сигналов для автоматизации биомедицинских и экологических исследований;

5. Создание математического и алгоритмического обеспечения и апробация аппаратно-программных комплексов автоматизации отдельных предметно-ориентированных эколого-физиологических исследований.

Методы исследований предусматривают комплексный подход к решению поставленных задач и включают: использование аппарата функционального анализа, спектрально-корреляционного анализа, методов теории вероятностей и математической статистики, статистической теории анализа и синтеза радиотехнических систем и сигналов, теории цифровой обработки сигналов, применение методов имитационного моделирования, проведение лабораторных и натурных исследований, анализ и обработку экспериментальных данных.

Научная новизна работы заключается в системном подходе к исследованиям природных объектов на основе концепции информационной общности обработки медико-биологической и экологической информации.

В рамках такого подхода:

1. Разработаны методы синтеза инвариантных к помеховым ситуациям алгоритмов обработки медико-биологической и экологической информации в условиях априорной неопределенности.

2. Теоретически обоснован, предложен и исследован новый для обработки биоэлектрических сигналов метод цифровой функционально-адаптивной обработки многолучевого процесса, позволяющий:

- повысить качество и достоверность биомедицинской информации в условиях априорно-неопределенных помех;

- разработать и исследовать ряд оригинальных методик, процедур и алгоритмов функциональной адаптации систем к сигналоподобным и стохастическим помехам.

3. Теоретически обоснованы и исследованы вопросы распознавания и спектрального анализа биоэлектрических сигналов как базовых процедур функционально-адаптивной обработки.

4. Разработаны математическое и алгоритмическое обеспечение, реализованы и апробированы программно-аппаратные комплексы автоматизации исследований изображения крови и кардиореспираторной системы человека. Актуальность решения этих задач связана с тем, что функциональное состояние крови, сердечно-сосудистой и дыхательной систем человека является центральным звеном в большинстве патологических и адаптационных процессов. На основе их диагностики можно судить об адаптационных и компенсаторно-приспособительных функциях организма человека в различных условиях среды обитания, т.е. решать задачи экологии человека;

5. Предложен и апробирован новый метод сегментации цветных изображений, содержащих объекты, обладающие цветовой однороднностью.

6. Выработан унифицированный методический подход к определению структуры и построению информационно-диагностической компьютерной системы лечебно-профилактического учреждения. Осуществлена реализация и апробация автоматизированной системы обработки рентгеновского, эндоскопического и ультразвукового изображений для диагностики злокачественных образований, функционирующая в локальной вычислительной сети и объединяющая предметно-ориентированные комплексы медико-биологических исследований.

7. На основе технологии геоинформационных систем (ГИС) предложена методика информационного обеспечения и научного прогнозирования развития природно-антропогенной системы.

Практическое значение работы

Основные результаты, приведенные в диссертации, получены автором в ходе выполнения во Владимирском государственном университете хоздоговорных, госбюджетных НИР в рамках Российского фонда фундаментальных исследований (грант N0 97-06-80126), Федеральной целевой программы «Интеграция» (проект А0029 «Учебно-научный центр "Физика нестационарных процессов" направление 2.1, раздел «Диагностика природных сред»), единого заказ-наряда Минобразования РФ, различных межвузовских научно-технических программ, в том числе «Автоматизированные системы медико-биологического назначения», Владимирского территориального фонда обязательного медицинского страхования и договоров о творческом содружестве.

Во всех научных работах автор является научным руководителем.

Практическая значимость работы заключается в:

- результатах анализа, выводах и доказательствах применения спектрального анализа, метода максимальной энтропии и авторегрессионных моделей, инверсно-гомоморфной фильтрации при медико-биологических и экологических исследованиях;

- разработке принципов построения и практической реализации измерительно-вычислительных комплексов для исследования кардиореспираторной системы человека, обработки мазка крови, автоматизированных рабочих мест врача-диагноста;

- разработке нового метода сегментации цветных изображений, содержащих объекты, обладающие цветовой однородностью;

- разработке структуры многоэтапной цифровой функционально-адаптивной обработки информации на основе распознавания помех, квазиинверсной фильтрации и гомоморфной обработки.

Реализация работы

Особенностью исследуемых в работе методов и алгоритмов обработки сигналов является возможность применения их в составе специализированного вычислительного комплекса, объединяющего первичные преобразователи (датчики), аппаратуру преобразования и обработки сигналов, персональный компьютер, а также средства программного обеспечения в информационно-измерительную систему сбора и обработки биомедицинской и экологической информации.

Теоретические и практические результаты работы внедрены:

- в Областной клинической больнице Г.Владимира (реализация функциональной диагностики кардиореспираторной деятельности человека с целью исследования и прогнозирования поведения сердечно-сосудистой системы конкретного пациента);

- в ряде лечебно-профилактических учреждений (ЛПУ) Г.Владимира (реализация экспресс диагностики крови человека);

- в Областном онкологическом диспансере при создании компьютерно-диагностической системы обработки и передачи рентгеноскопической, эндоскопической и ультразвуковой - видеоинформации, структурированной и упорядоченной в базе данных, работающей в локальной сети не только диагностических, но и клинических отделений.

- в Российском университете дружбы народов, на кафедре нормальной физиологии, и проблемной лаборатории «Эколого-физиологические проблемы адаптации», г. Москва (оценка адаптационных возможностей человека на основе функциональной диагностики его кардиореспираторной системы);

- во Владимирском государственном университете в учебном процессе кафедры радиотехники и радиосистем, кафедры информатики и вычислительной техники, кафедры экологии при проведении лекционных, практических и лабораторных занятий по специальностям: 1906 -«Инженерные методы в медико-биологической практике»; 2201 - «ВМ, системы, комплексы, сети», специализация «Искусственный интеллект»; 0715 - «Радиофизика и электроника»; 3207 - «Охрана окружающей среды и рациональное использование природных ресурсов»; 0102 - «Прикладная математика»; 0131 - «Экология».

Материалы диссертации вошли в учебное пособие "Аэрокосмический мониторинг окружающей среды и лазерное дистанционное зондирование", вышедшее в издательстве ВлГУ в 1996 г.

Основные положения, выносимые на защиту:

Для реализации цели работы предложены совокупность новых научно-обоснованных технических решений в рамках проблемы автоматизации медико-биологических и экологических исследований, включающая в себя:

• концепцию системного подхода к организации комплексных исследований состояния природной среды и человека как объектов исследования;

• цифровые методы синтеза инвариантных к статистике помех алгоритмов обработки медико-биологической и экологической информации, включая спектральный анализ на основе метода максимальной энтропии, квазиинверсной и гомоморфной фильтрации, объединенных в систему функциональной адаптации;

• совокупность алгоритмов распознавания и классификации изображений в условиях априорной неопределенности в системах медико-биологических и экологических исследований;

• решение комплекса прикладных задач автоматизации медико-биологических исследований (автоматизированные системы исследования кардиореспираторной системы человека, мазка крови человека, автоматизированные рабочие места врача-диагноста).

Достоверность научных положений, выводов и рекомендаций подтверждается: строгостью применяемого математического аппарата; корректной постановкой теоретических задач; результатами имитационного моделирования и натурных экспериментов; положительными результатами апробации и внедрения методик обработки медико-биологической и экологической информации в условиях научного эксперимента и практики. Все выносимые на защиту основные результаты получены автором. В работах, опубликованных в соавторстве, автором дана постановка задачи, предложены основные идеи решения, проведены аналитические выкладки, получены теоретические результаты.

Апробация работы

Основные научные и практические результаты работы докладывались и обсуждались на международных и всероссийских научно-технических конференциях "IEEE International Conference on Industrial Technology" (Guongzhou, China, 1994 г.), «Физика и радиоэлектроника в медицине и биотехнологии» (ФРЭМБ-94, ФРЭМБ-96, ФРЭМБ-98); научной сессии, посвященной Дню радио (Москва, 1996, 1997, 1998); «Перспективные технологии в средствах передачи информации» (г.Владимир, 1997); «Математика, компьютер, образование» (Пущино, 1997, 1999); «Конверсия, приборостроение, рынок» (г.Владимир, 1997); «Радиоэлектроника в медицинской диагностике» (Москва, 1997); «Лазеры в науке, технике, медицине» (г.Псков, 1997); «Нечеткие и интеллектуальные системы и технологии» (г.Владимир, 1997); «Summer School in Kule» (Poland, 1997); «SEFI -96» (Austria, 1996); "Digital Signal Processing and its Applications"(DSPA-98, г.Москва); «Биотехнические, медицинские и экологические системы и комплексы» (г.Рязань, 1998); «Медицинские информационные системы» (г.Таганрог, 1998); «Автоматизированные системы медико-биологического назначения» (г.Санкт-Петербург, 1996) и др.

Доклад по современным средствам реализации медико-экологического мониторинга был заслушан на выездном заседании Головного Совета МОПО РФ «Здравоохранение и экология человека» в декабре 1995 г. в г.Владимире.

По теме диссертации опубликовано более 50 печатных работ. Исследования и разработки отражены в 10 отчетах о НИР.

Структура и объем работы

Диссертация состоит из введения, 6 глав, заключения, списка используемой литературы, приложений и содержит Л машинописных страниц текста, включая ¿5' рисунков и ^£3таблиц. Библиография включает наименований. Приложения содержат страниц и

Выводы по главе 6

1. Повышение эффективности медико-биологических исследований связано: с переходом от качественных оценок к количественным. Необходимость обеспечения объективности, проведения сопоставительного анализа результатов экспериментов требует цифрового выражения их свойств и характеристик. Следовательно, разработка и внедрение проблемно-ориентированных автоматизированных комплексов диагностики, управления, обработки результатов исследований и их интерпретации является актуальной задачей.

2. В рамках межвузовской НТП "Автоматизированные системы медико-биологического назначения" совместно со специалистами Владимирского онкологического диспансера был разработан и апробирован аппаратно-программный комплекс автоматизации отдельных предметно-ориентированных медико-биологических исследований в ЛПУ.

Разработаны принципы построения компьютерного диагностического комплекса, требования к локальной компьютерной сети диспансера. Изучены вопросы: минимально достаточного разрешения получаемой графической информации, соотношения между объемом хранимой и передаваемой информации и стоимостью системы, выработаны соответствующие рекомендации. Разработаны рекомендации по минимально необходимому набору средств графического преобразования информации, сформулированы основные принципы построения тексто - графической базы данных. Разработаны организационные принципы создания и внедрения системы. Определен экономический эффект от внедрения предметно -ориентированных комплексов, объединенных локальной сетью.

3. Проблема экспресс-диагностики функционального состояния организма человека неинвазивными методами является актуальной. Объективная оценка резерва адаптационных возможностей конкретного человека позволяет не только констатировать текущее состояние организма, прогнозировать возникновение заболеваний, но и, в известной мере, избежать многих из них. Одной их методик, позволяющих оценить функциональное состояние человека и его резервы является методика, основанная на математическом анализе вариабельности ритма сердца. К преимуществам данного метода относятся: неинвазивность, высокая информативность при относительной простоте реализации, возможность получения оценок в реальном масштабе времени.

4. Разработанная предметно-ориентированная автоматизированная система донозологической функциональной диагностики организма человека позволяет проводить одновременную регистрацию сердечного ритма и частотно-объемных характеристик внешнего дыхания, отображать в удобной для пользователя форме получаемые сигналы в реальном масштабе времени. Математическая обработка К-Я-интервалов производится в зависимости от фаз дыхания, что позволяет количественно оценить роль парасимпатической системы в регуляции ритма сердца.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие основные результаты:

1. Продолжающаяся деградация окружающей среды и необходимость учета региональной специфичности экологического состояния, ухудшение демографической ситуации, сокращение продолжительности жизни, рост заболеваемости определяют социальную значимость и актуальность проведения экологических и медико-биологических исследований на основе комплексного подхода с целью выявления и понимания взаимодействия природных и антропогенных процессов и их влияния на здоровье населения. Для установления причинно-следственных связей, разработки моделей, позволяющих прогнозировать ту или иную ситуацию в данном регионе, требуется объективная динамическая информация, отражающая уровни факторов и здоровья населения по данной территории в течение продолжительного периода времени.

Изложенный подход иллюстрируется предлагаемой концептуальной диаграммой, приведенной на рис. 1.20. Результатом комплексных исследований должен стать территориальный банк медико-эколого-географической информации.

2. На основе анализа особенностей медико-биологических и экологических исследований сформулирована концепция информационной общности обработки данных этих исследований, заключающаяся в общих принципах: получения информации (пассивные и активные методы локации); описания анализируемых процессов с помощью пространственно-временных функций; реализации универсальных и многофункциональных аппаратно-программных средств.

3. На основе анализа задач обработки медико-биологических и экологических сигналов и с целью повышения эффективности принятия решений при ограниченных априорных данных о многолучевых помехах предложен метод функционально-адаптивной обработки сигналов, включающий в себя комплекс автоматически включаемых процедур в зависимости от конкретной по-меховой ситуации.

Это позволяет: преодолеть в реальном времени априорную неопределенность сигналоподобных и стохастических помех, повысить точность и достоверность информации в условиях сложных помеховых ситуаций путем поэтапной пространственно-временной селекции помех; реализовать цифровую многоканальную обработку многолучевого процесса аппаратно-программным методом; повысить эффективность экологических и медико-биологических исследований.

4. Исследовано применение спектрального анализа в качестве эффективного способа выявления характерных особенностей биоэлектрических сигналов в частотной области и средства их фильтрации на фоне помех. Определены ограничения по его применению при ограниченных априорных данных.

5. На основе описания спектральных образов распознаваемых помех в виде авторегрессионых моделей исследованы возможности спектрального оценивания методом максимальной энтропии (ММЭ) при ограниченных входных данных, укороченных анализируемых выборках и воздействии шумов. Показано, что ММЭ является эффективным методом достоверной оценки спектральных плотностей дискретных случайных процессов при числе отсчетов менее 100 и обеспечивает при этом погрешность не более 10 %, уверенное обнаружение и разрешение зашумленных гармонических сигналов и оценку их частот при соотношении сигнал/шум менее 1, а также качественное оценивание спектральных плотностей случайных процессов, аппроксимируемых ав-торегрессиоными моделями невысокого порядка.

6. Проанализирована и исследована структура адаптивного (по шумовой полосе) квазиинверсного фильтра обнаружения - разрешения, инвариантного к статистике задержек, обеспечивающая в реальном времени возможность одновременного обнаружения отражений и оценивания параметров при минимуме априорной информации.

7 Научно обосновано применение кепстрального метода обработки медико-экологических сигналов как эффективного способа оценивания их параметров и борьбы с многолучевостью и зеркальными помехами. На базе анализаторов кепстров исследованы модификации гомоморфных алгоритмов, инвариантных к форме сигнала, позволяющие реализовать цифровую обработку сигналов.

8. Предложена оригинальная техническая реализация базовой процедуры в системе функционально-адаптивной обработки - распознавания помех -дискриминации двумерных спектральных образов отражений с распределенной структурой в пределах 4-5 типовых классов по критерию минимума сред-неквадратического расстояния между классифицируемым образом и «средним образом» ього класса. Предложена структура цифрового устройства распознавания помех. Достигнут уровень отношения произведений меж- и внутриклассовых дисперсий распознаваемых образов, превышающий 200, что свидетельствует об уверенной классификации помех.

9. Рассмотрена специфика задачи распознавания изображений. Предложена и описана процедура распознавания объектов (сигналов, ситуаций, явлений, процессов и т.п.), обеспечивающая наибольшее значение критерия эффективности системы распознавания - математическое ожидание выигрыша ) от выбора варианта классификации А1 при использовании априорного словаря признаков в пределах выделенных ресурсов на создание измерительной аппаратуры.

10. Рассмотрена задача сегментации цветных изображений. Предложен новый метод сегментации по цвету для изображений, содержащих объекты, обладающие цветовой однородностью. Полученные результаты позволяют сделать вывод о том, что предложенные методы достаточно эффективны и имеют широкое практическое применение. Рассмотренная модель изображения обладает большой общностью и может быть использован^ при решении многих задач, требующих выполнения сегментации. Отсутствие шума и наличие четких границ между областями в сегментированных изображениях повышает качество исследуемого изображения и значительно облегчает последующую обработку изображений. При рассмотрении условий практического применения таких методов, стоит обратить внимание на широкие возможности для реализации систем с высокой степенью обучаемости. Многие из параметров, характеризующих общие свойства рассматриваемых изображений, могут быть определены как постоянные для всего класса изображений. Это легко реализовать при помощи усреднения этих параметров по достаточно большой обучающей последовательности - набору тестовых изображений данного класса. Такой подход позволяет значительно сократить общее время обработки изображения.

11. Разработан и апробирован предметно-ориентированный комплекс физических исследований биопроб, в частности, крови человека. Цифровая обработка изображения мазка крови человека повышает точность, достоверность, надежность результатов исследования, в том числе, исследования динамики морфологического состава крови. Признаки, по которым производится распознавание клеток крови, являются в основном структурными. Алгоритм классификации клеток включает в себя: выделение их в поле наблюдения, разделение на ядро и цитоплазму, определение их размеров, характеристик формы, наличия включений и их характеристик и т. д. Это требует наличия большого разнообразия типов здоровых и патологических клеток и множества подвидов, относящихся к каждому типу, т.е. проведения клинических исследований для формирования базы данных «НОРМА» и «ПАТОЛОГИЯ».

12. Разработан и апробирован аппаратно-программный комплекс автоматизации медико-биологических исследований в лечебном учреждении. Реализованы: предметно-ориентированные комплексы рентгеноскопических, эндоскопических и ультразвуковых исследований. Принципы, положенные в основу их построения, показали свою целесообразность и эффективность. Применение цифровых методов получения и обработки изображений позволяет: решить задачу доведения всего объема получаемой графической (рентгеноскопической, эндоскопической и УЗИ) информации до врачей - клиницистов; повысить качество и увеличить объем получаемой диагностической информации и, как следствие, - ее объективность и достоверность, а, значит, уменьшить вероятность ошибочных решений; сократить сроки обследования и сроки обработки полученной информации; обеспечить возможность архивирования и ретроспективного анализа диагностической информации и др.

13. Разработана и апробирована автоматизированная система донозоло-гической функциональной диагностики организма человека, позволяющая проводить одновременную регистрацию сердечного ритма и частотно-объемных характеристик внешнего дыхания, отображать в удобной для пользователя форме получаемые сигналы в реальном масштабе времени. Математическая обработка Я-К-интервалов производится в зависимости от фаз дыха

213 ния, что позволяет количественно оценить роль парасимпатической системы в регуляции ритма сердца.

14. Проблемно-ориентированные комплексы успешно прошли опытную эксплуатацию. Принципы, положенные в основу их построения, показали свою целесообразность и эффективность. Конфигурация и номенклатура программных и аппаратных средств в составе комплексов в полном объеме решают поставленную задачу и реализуют целевые установки на построение автоматизированных систем. Перспективы совершенствования программно-аппаратных комплексов для автоматизации медико-биологических и экологических исследований связаны с развитием методического аппаратного и программного обеспечения, с реализацией более совершенных технических решений в измерительном и управляющем трактах систем, развитием сетевой структуры, совершенствованием пакетов прикладных программ, включая системные средства обеспечения диалога, интерактивную компоновку программ и графическое отображение результатов.

15. Алгоритмы распознавания помех и цифрового спектрального оценивания использованы при преподавании ряда дисциплин и при проведении курсового и дипломного проектирования в ряде вузов по специальностям «Радиотехника», «Радиофизика и электроника», «Инженерное дело в медико-биологической практике» и др., а также на ряде предприятий, что подтверждено соответствующими актами внедрения.

Основной итог диссертационной работы заключается в теоретическом обобщении совокупности новых научно-обоснованных технических решений в рамках сформулированной социально-значимой проблемы реализации системного подхода к медико-экологическим исследованиям с целью выявления и понимания взаимодействия природных и антропогенных процессов и их влияния на здоровье населения и разработке методов и средств автоматизации медико-биологических и экологических исследований для повышения точности, достоверности, информативности обработки медико-биологических и экологических сигналов.

1. Анализ проблем устойчивого развития России: стратегия и механизм реализации /Н.В. Чемурных, A.A. Новоселов, С.А. Аракелова, И.И. Цуканова //ЭПОС. № 1-2. 1995. С. 35 - 42.

2. Методы экологической и экономической регламентации хозяйственной деятельности /Под ред. Н.П. Тихомирова. Российская экономическая академия им. Плеханова.- М.: 1994.

3. Агаджанян H.A. Экология человека: здоровье и концепция выживания //Физика и радиоэлектроника в медицине и биотехнологии,- Владимир. 1998. С. 7- 18.

4. Акимова Т.А., Хаскин В.В. Основы экоразвития //Учебное пособие,- М.: 1994.

5. Сушкова Л.Т., Трифонова Т.А., Аракелян С.М. Комплексный подход к организации медико-экологических исследований //Экология человека. № 3. 1996.-С. 39 -42.

6. Быкорез А.И., Рубенчик Б.Л., Сыпян С.А. Экология и рак //Киев. Науч-нодумка. 1985. С. 256.

7. Трофимов A.M., Тикунов B.C., Нургалеев Э.Х. Глобальная система мониторинга и ресурсный банк данных в международной программе изучения окружающей среды //География и природные ресурсы. № 2. 1990. С. 27 - 31.

8. Кошкарев A.B., Тикунов B.C. Геоинформатика. Под ред. д.т.н. Д.В. Ли-сицкого. М. Картгеоцентр-Геодезиздат. 1993. С. 216.

9. Трифонова Т.А., Сушкова Л.Т., Аракелян С.М. Аэрокосмический мониторинг окружающей среды и лазерное дистанционное зондирование. Учебное пособие,- Владимир. 1995.-С. 115.

10. Urban influenc on a Strong daytime air flow as determing from tetroon flights /J.K. Angell, W.H. Hoecker, C.R. Dick Son, D.H. Pack //Appl.Meteorol. № 12 1973. P. 924-936.

11. Ландсберг Г.Е. Климат города. Л.: Гидрометеоиздат. 1983.

12. Ершов A.B., Ребенок Л.В. Ландшафтно-экологический подход к оценке и прогнозированию состояния окружающей среды города //Вопросы строительства и архитектуры. Минск. № 12. 1982. - С. 17 - 22.

13. Космические исследования Земли как экологической системы и воздействия человека на эту систему. Программа ЭКОС: версия 2. Препринт ИКИ РАН. 1995.-С. 71.

14. Межерис Р. Лазерное дистанционное зондирование //Пер. с англ. М. Мир. 1987. Lidar for Remote Sensing Special issue /Ed.Becherer R. Proc. SPIE. 1992. V 1714.

15. Новые физические принципы оптической обработки информации /Под ред. С.А. Ахманова и М.А. Воронцова. М. Наука. 1990.

16. Новоселова А.О. Материалы форума ГИС 95. - М. 5-10 июня 1995,- С. 23 - 26.

17. Ефимов С. Каталог космических снимков на основе ГИС Arc View 3 //Arc Review. Современные информационные технологии. № 3. 1997. С. 9.

18. Королев Ю.К., Баранов Ю.Б. Методы обработки данных дистанционного зондирования //Информационный бюллетень ГИС ассоциации. № 2. 1995. -С. 51 -55.

19. Measures R.M., Pilon G. //Optoelectronics. 1972. v. 4. P. 141.; Кузнецов В.И., Мигулин A.B., Прялкин В.И., Разумихина Т.Б., Холодных А.И. //ЖПС. 1986. Т. 45.-С. 468.

20. Попечителев Е.П., Сушкова JI.T. О классификации методов медико-биологических исследований //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1998. - С. 330 - 332.

21. Блинов H.H. Микропроцессорная техника и ЭВМ в медицинской интроскопии. -М. 1986.

22. Ярославский Л.П. Введение в цифровую обработку изображений. М. //Сов. Радио. 1979.

23. Садыков С.С., Никольский, A.A. Волков A.A. Автоматизированная система обработки, анализа и хранения рентгеновских снимков //Физика и радиоэлектроника в медицине и биотехнологии. 21-23 мая 1996. Владимир. - С. 110-112.

24. Буданцев А. Телевизионно-компьютерная микроскопия //Информационно-технический журнал «625». № 8. 1998. С. 40 - 49.

25. Gulyaev Yuri. Physical fields and Radiations of a human: new methods for early medical diagnostics //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1988. - С. 3 - 7.

26. Радиофизические основы и новая технология рефлексотерапии с использованием миллиметровых волн и компьютерной диагностики /Н.Д. Девятков, Ю.В. Гуляев, Ю.Н. Белый, Кислов В.Я., В.В. Кислов //Радиотехника. № 9. 1996. С. 12-19.

27. Теория и практика спектрально-волновой диагностики и прецизионно-волновой терапии /А.И. Гуляев, В.И. Петросян, JI.A. Лисенкова, Н.И. Сини-цын, В.Ф. Киричук, Н.Д. Девятков, Ю.В. Гуляев и др //Радиотехника. № 9. 1996.-С. 35 -43.

28. Бецкий О.В., Девятков Н.Д. Электромагнитные миллиметровые волны и живые организмы //Радиотехника. № 9. 1996. С. 4 -11.

29. Козловская Л.В., Николаев А.Ю. Учебное пособие по клиническим лабораторным методам исследования. 2-ое изд. М.: //Медицина. 1984.-С.288.

30. Cahen С., Medic G. /J. Quant. Spectrosc. Radiat. Transfer. 1981. V. 25. P. 151; Красников В.В., Пшеничников М.С., Разумихина Т.Б., Холодных А.И. //Оптика атмосферы. 1990. V. 3. Р. 436; Волков В.В. //ЖПС. 1988. т. 48. С. 436. 1984. т. 40.-С. 264.

31. Гавриков К.В., Исупов И.Б., Томарева И.В. Автоматизированная система регистрации и анализа полиреографической информации //Вестник новых медицинских технологий. Тула. т. 5. № 1. 1998. - С. 46 - 47.

32. Апираушева H.H., Горлач H.A. и др. Об опыте автоматической классификации типов облачности //Вычислительная математика и математическая физика. 1998. № 10. С. 1788 - 1792.

33. Кулаичев А.П., Каплан А.Я. Системы компьютерного анализа биоэлектрических сигналов //Мир ПК. № 8. 1994. С. 132 - 137.

34. Шальдах М. Элекгрокардиотерапия //Санкт-Петербург. 1992. С 256.

35. Ньюмен М.Р., Лю Чжунь Чунь. Биомедицинские датчики для инвазив-ных измерений //ТИИЭР. т. 76. № 9. 1988.

36. Щукин С.И. Аппараты и системы для электромагнитной терапии и активной диагностики //Биомедицинская техника //Вестник МГУ. Сер. Приборостроение. М.: № 4. 1993. - С. 9 - 24.

37. Автоматическая обработка, передача и отображение радиолокационной информации /Под редакцией В.Г. Корякова. М.: //Сов. Радио. 1975. С. 304.

38. Ахмед Н., Pao K.P. Ортогональные преобразования при обработке цифровых сигналов,- М.: //Связь. 1974. С. 416.

39. Бернюков А.К. Построение цифровых вычислителей для физико-химического анализа //Молодые ученые и исследователи производству: сб. науч. тр. вып. 2. Владимир. 1972. - С. 35 - 42.

40. Бернюков А.К., Исакевич В.В. Дискриминантный анализ в задачах распознавания помех радионавигационными системами //Межвузовский сб. науч. тр. МАИ. М.: МАИ. 1988. - С. 81 - 85.

41. Бернюков А.К., Сушкова Л.Т. Структурная организация системы цифровой обработки биомедицинской информации //LII Научная сессия РНТО РЭС им. A.C. Попова. М.: 1996. - С. 93 - 95.

42. Арманд H.A. и др. Проблемы современной радиотехники и электроники //Сб. статей / Отв. ред. В.А. Котельников. М.: Наука. 1980. - С.418.

43. Eisbeis R. And Avery Discriminant Analysis and Classification Procedure: Theary and Applications. D.S. Health and Company. New York. 1972.

44. Бернюков A.K. Применение методов электронной вычислительной техники для автоматизации некоторых физико-химических исследований. Диссертация на соискание ученой степени кандидата технических наук. Владимир. ВПИ. 1969.

45. Бернюков А.К., Сушкова Л.Т Распознавание биоэлектрических сигналов //Зарубежная радиоэлектроника Тем. Вып. Биомедицинская радиоэлектроника. № 2. 1996. С. 47 - 51.

46. Бернюков А.К., Сушкова Л.Т. Цифровая обработка биоэлектрических сигналов //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. В лГТУ. 1996.-С. 16-39.

47. Рабинер JI., Гоулд Б. Теория и применение цифровой обработки сигналов. М.:// Мир. 1978. - С. 848.

48. Джейнс Э. Т. О логическом обосновании метода максимальной энтропии //ТИИЭР. Т. 70. № 9. 1982. С. 33 - 57.

49. Савченко В.В. Адаптивные методы нелинейного спектрального оценивания на основе принципа минимакса энтропии //Автореферат докторской диссертации. Н. Новгород. 1993.

50. Кедзоу Дж. А. Спектральное оценивание. Метод неопределенной системы уравнений рациональной модели //ТИИЭР. 1982. т. 70. № 9. С. 566 - 283.

51. Кармалита В.А. Цифровая обработка случайных сигналов. М.: //Машиностроение. 1986. - С. 80 .

52. Робинсон Э.А. История развития теории спектрального оценивания //ТИИЭР. т. 70. № 9. 1982. С. 6 - 33.

53. Ketchum I.W., Herrich. Signal detecting using autoregressive parameters //Proc. IEEE. Int. Conf. Acoustic Speech and Signal process, vol. 1. 1985. P. 331 -384.

54. Хайкин С., Карри Б.У., Кеслер С.Б. Спектральный анализ радиолокационных мешающих отражений методом максимальной энтропии //ТИИЭР. т. 70. № 9. С. 57 - 62.

55. Бернюков А.К., Луценко Т.А. Исследование метода максимальной энтропии в задачах спектрального анализа радионавигационных сигналов //Радиоэлектроника. Изв. Вузов. № 8. 1982. С. 20 - 41.

56. Быков В.В. Моделирование в статической радиотехнике. М.: //Сов. Радио. 1971.-С. 326 С.

57. Кондратьев К.Я. //Вестник РАН. т. 68. № 1. 1998. С. 30 - 40.

58. Василенко Г.И. Теория восстановления сигналов: От редукции к идеальному прибору в физике и технике. М.: //Сов. Радио. 1979. - С. 272.

59. Сэнмото С., Чайлдерс Д. Анализ сложного сигнала с помощью комплексного кепстра и адаптивного фильтра //Денси Цусин Гаккай Ромоунси. № 1. 1972. т55А.

60. Архипов Е.А., Бернюков А.К. Разрешение как метод обнаружения мешающих переотражений //Вопросы радиоэлектроники. Сер. ОВР. 1986. С. 81 -87.

61. Агаджанян H.A., Сушкова Л.Т. Экология человека: медицина, радиофизика, электроника //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1988. - С. 19 - 28.

62. Оппенгейм A.B., Шафер Р.В. Цифровая обработка сигналов: Пер.с англ. /Под ред. С.Я. Шаца. М.: Связь. 1979. - С. 416.

63. Архипов Е.А., Бернюков А.К. Использование инверсной фильтрации при обработке сигналов микроволновых времяимпульсных радиосистем навигации и посадки самолетов. М.: 1982. - С. 10. Деп. В ЦНТИ ГА СССР 24.09.1982. № 129ГА-Д82.

64. Концептуальные основы регионального мониторинга климатоэкологи-ческих изменений /Т.О. Задде, М.В. Кабанов, А.И. Кусков, А.А. Тихомиров //Изв. вузов. Физика. № 9. 1998. С. 61 - 69.

65. Дж.Чайлдерс, Д.Дж. Скинер, Р.Ч. Кемерейт. Кепстр и его применение при обработке данных //Обзор ТИИЭР. т. 65. №10. 1977. С. 5 - 23.

66. Архипов Е.А., Бернюков А.К. О возможностях гомоморфной обработки сигналов с ограниченным спектром во многолучевом канале с шумами //Проблемы космической связи: Тез. Всес. НТК. М.: //Радио и связь. 1983. -С. 41.

67. Гоноровский И.С. Радиотехнические цепи и сигналы. М.: //Радио и связь. 1986.-С. 512.

68. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.// Радио и связь. 1986.

69. Загоруйко Н.Г. Методы распознавания и их применение. М.: //Сов. радио. 1972.

70. Верхаген К., Дейн Р., Грун Ф. и др. Распознавание образов. Состояние и перспективы. М.: //Радио и связь. 1985.

71. Жуковский В.Д. Медицинские электронные системы. М.: //Медицина. 1976.

72. Катона Золтан. Электроника в медицине. Пер. с венгерского. М.: //Сов. радио. 1980.

73. Кромвелл Л. и др. Медицинская электронная аппаратура для здравоохранения. Пер. с англ. М.: //Радио и связь. 1981.

74. Фурно Г. и др. Микрокомпьютерные медицинские системы. Пер. с англ. -М.: //Мир. 1983.

75. Левин Б.Р., Шварц В. Вероятностные модели и методы в системах связи и управления. М.: //Радио и связь. 1985. - С. 312.

76. Сосулин Ю.Г. Теория обнаружения и оценивания стохастических сигналов. М.: //Сов. Радио. 1978. - С. 320.

77. Уидроу Б., Стирнз С. Адаптивная обработка сигналов. Пер. с англ. М.: //Радио и связь. 1989. - С. 440.

78. Мухин С.В., Чекуров Г.И. Особенности цифровой адаптивной обработки в частотно-временной области //Адаптивные методы обработки: сб. науч. тр. М. АН СССР. 1984. - С. 31 - 41.

79. Бернюков А.К. Микропроцессорная функционально-адаптивная обработка сигналов систем радионавигации в бортовой подсистеме //Радиотехника. № 7. 1988. С. 78 - 83.

80. Бернюков А.К. Функционально-адаптивная обработка информации в базовых устройствах радиосистем навигации и посадки самолетов //Электронное моделирование. Т. 13. № 2. 1991.

81. Бернюков А.К., Сушкова Л.Т. Методы повышения эффективности обработки биоэлектрических сигналов //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1988. - С. 193 - 196.

82. Бернюков А.К., Сушкова JI.T. Квазиинверсная фильтрация сигналов //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1988. -С. 195 - 197.

83. Бернюков А.К., Сушкова JI.T. Применение инверсно-гомоморфной фильтрации в задачах обработки биоэлектрических сигналов //Цифровая обработка сигналов и ее применение. -М.: 1998. С. 167 - 170.

84. Бернюков А.К., Сушкова J1.T. Современные подходы к обработке биоэлектрических сигналов //Радиоэлектроника в медицинской диагностике: оценка функций состояния организма. М.: 1997. - С. 123 - 127.

85. Абрамов М.Г. Гематологический атлас. М.: //Медицина. 1979. - С 280.

86. Кийко В.М. Быстродействующий алгоритм скелетизации графических изображений //Теоретические и прикладные вопросы распознавания изображений: сб. науч. тр. АН УССР. Институт кибернетики им. В.М. Глушкова. 1991. С. 5 - 15.

87. Жирков В.Ф., Афенов Р.В. Компьютерный атлас крови //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1996. - С. 98 - 101.

88. Жирков В.Ф., Сушкова JI.T., Арное Б.А. Компьютерный анализ крови под микроскопом: возможности и проблемы //Владимирский медицинский вестник. Т. 3-4. Владимир. 1996. - С. 98 - 101.

89. Кендалл М. ДиС., Стюарт А. Многомерный спектральный анализ и временные ряды. -М.: Наука. 1976.

90. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: //Высш. шк. 1989.-С. 231.

91. Фор А. Восприятие и распознавание образов /Пер. с фр. А.В. Середин-ского, под ред. Г.П. Катыса М.: //Машиностроение. 1989. - С. 271.

92. Бутаков Е.А. и др. Обработка изображений на ЭВМ. М.: //Радио и связь. 1987.-С. 240.

93. Прэтт У. Цифровая обработка изображений. Пер. с англ. М.: //Мир. 1982.

94. Садыков С.С., Кадырова Г.Х., Азимов Ш.Р. Системы цифровой обработки изображений. Ташкент. Фан. 1988. - С. 168.

95. Садыков С.С., Кан В.Н., Самандаров И.Р. Методы выделения структурных признаков изображений. Ташкент. Фан. 1990. - С. 104.

96. Садыков С.С. Цифровая обработка и анализ изображений. Ташкент. НПО "Кибернетика" АН РУЗ. 1994. - С. 193.

97. Садыков С.С. Информационные устройства. Ташкент. НПО «Кибернетика» АН РУЗ. 1995. - С. 111.

98. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы. -М.: //Машиностроение. 1994. С. 112.

99. Денисов Д.А. Компьютерные методы анализа видеоинформации: Монография. Изд. Красноярского ун-та. 1993. С. 192.

100. Корн. Г., Корн Т. Справочник по математике. М.: //Мир. 1968.

101. Зирин А.Г., Бабкин А.Е., Семенов С.И. Компьютерная диагностическая система в практике онкологического диспансера //Российский онкологический журнал. № 3. 1996. С. 49.

102. Зирин А.Г., Бабкин А.Е., Семенов С.И. Опыт создания и внедрения информационно-диагностической системы на основе базы данных «DIAGON». Актуальные вопросы онкологии. С-Пт. 1996. С. 113.

103. Физика визуализации изображений в медицине. Под ред. С. Уэбба. М.: Мир. 1991. Т. 1. - С. 407.

104. Мирошников М.М. и др. Иконика в физиологии и медицине. Л.: //Наука. 1987.-С. 302.

105. Advantage Windows: Ваш ключ к интегрированной системе. GE Medical Systems //Вестник рентгенологии и радиологии. № 4. 1994. С. 32.

106. Жариков Д.А. Загадочные аббревиатуры (PACS, DICOM, RSNA и др.) //Медицинская визуализация. М. ТОО «Видар». № 2. 1996. С. 35 - 40.

107. Жирков В.Ф., Сушкова Л.Т. Компьютерный анализ крови в медицинской диагностике //Радиоэлектроника в медицинской диагностике: оценка функций и состояния организма. 23-26 сент. 1997. М. - С. 170- 172.

108. Бененсон З.М., Кульберг. Повышение контрастности изображений медицинской рентгеновской диагностики //Радиоэлектроника в медицинской диагностике: оценка функций и состояния организма. 23-26 сент. 1977. М. - С. 93 - 97.

109. Автоматизированное рабочее место врача-рентгенолога /А.Г. Зирин, А.Е. Бабкин, С.А. Семенов, Л.Т. Сушкова, A.B. Костров //Математика, компьютер, образование. Пущино. 29 янв. - 3 февр. - М. 1997.

110. Агаджанян H.A., Сушкова Л.Т., Семенов С.А. Компьютерная система диагностики функционального состояния организма человека //Математика, компьютер, образование. Пущино. 29 янв.-З февр. М. 1997.

111. Trifonova Т.А. Nazarian A.N. Atanessian V.G. //Proceed. Of the International Conf. On Lasers' 89. STS Press. Mc Lean, YA. 1990. Трифонова Т.А. //Почвоведение. № 7. 1993. С. 169.

112. В. Аветисян В.М., Атанесян В.Г., Мелик-Саркисян A.A. и др. //Исследования Земли из космоса. 1988. № 3. С. 81; Изв. АН Арм. ССР. //Физика. 1988. Т. 23.-С. 44.

113. Трифонова Т.А., Назарян A.A., Атанесян В.Г. и др. //Изв. РАН Сер. физ. 1992. Т. 56.-С. 150.

114. Trifonova Т.А., Nazarian A.N., Arakelian SM.// Proceed. SPIE. 1993. V. 1922. P. 460.

115. Hoge F.E., Swift R.N. Airborne simultaneous spectroscopic detection of laser induced Raman backscatter and fluorescence from shlorophyll and other naturally ocurring pigments // Appl/ Opt. 1981. V. 20 №1 8. P. 3197 -3 206.

116. Use of water Raman emission to correct airborne laser fluorosensor data for effects of water optical attenuation /Bristow M., Nielsen D., Bundy D., Furtek R. //Appl/ Opt/ 1981. V. 20. № 17. P. 2889 2906.

117. O' Neil R. A., Buja Bijunas L., Rainev D.M. Fieled performance of a laser fluorosensor for the detection of oil spills // Appl. Opt. 1980. V. 19. № 6. P. 863 -870.

118. Бункин Ф.В., Власов Д.В., Галушин H.C. и др. Универсальный комплекс аппаратуры для дистанционного лазерного зондирования океана, атмосферы и сельскохозяйственных культур //ЖТФ. Т. 54. № 11. С. 2190 - 2195.

119. Мелик-Саркисян А.А., Назарян А.А., Оганесян JI.T. и др. Проект бортового лидара для детектирования нефтепродуктов на водной поверхности //Уч. зап. ЕГУ. 1981. № з (148).- С. 154 156.

120. Абрамян Р.А., Аветисян В.М., Атанесян В.Г. и др. Многоцелевой лидар для зондирования окружающей среды. //Тез. докл. 4 Всесоюзной конф. по аэрозолям. Ереван. 1982. - С. 161.

121. Богородский В.В., Козлов А.И. Микроволновая радиометрия земных покровов. JI.: //Гидрометеоиздат. 1985.

122. Андреев Г.А., Бородин Л.Ф., Рубцов С.Н. //Изв. вузов. Радиофизика. 1980. т. 23. №10.-С. 1266.

123. Андреев Г.А., Бородин Л.Ф., Заенцев Л.В., Рубцов С.Н. // Исследование Земли из космоса. 1984. № 4. С. 120.

124. Андреев Г.А., Гладышев Г.А., Станкевич O.K. Радиояркостные контрасты природных образований на миллиметровых волнах //Радиотехника и электроника. 1998. т. 43. № 5. С. 552.

125. Башаринов А.Е., Гурвич А.С., Егоров С.Т. Радиоизлучение Земли как планеты. //Изд. Наука. 1974.

126. Шулыгина Е.М. Радиотепловое зондирование земных покровов. //Зарубежная радиоэлектроника. № 4. 1993. С. 59 - 68.

127. Комаров С.А., Миронов В.А., Романов А.Н. Аэрокосмическое зондирование гидрологического состояния почв радиофизическими методами Барнаул:// Изд. АТУ. 1997. - С. 104.

128. Королев Ю.К. Теоретическая геоинформатика //Вып. I. Изд. ООО СП Дата+. -М.: 1998.-С. 119.

129. Кендалл М.ДиС., Стюарт А. Многомерный спектральный анализ и временные ряды. М.: //Наука. 1976.

130. Чен Ш.К. Принципы проектирования систем визуальной информации: Пер. с англ. М.: Мир. 1994. (Chang S.K. Principles of Rctorial Information System Design. - N.Y., Prentice Hall, 1989).

131. Витязев В.В. Цифровая обработка сигналов: ретроспектива и современное состояние //Электросвязь. 1997. № 6. С. 6 - 9.

132. Марпл С.JI. Цифровой спектральный анализ и его приложения. М.: Мир. 1990. - С. 584.

133. Ватолин Д. Тенденции развития алгоритмов сжатия статических растровых изображений //Открытие системы. № 4 (12). 1995. -С. 65 69.

134. Синева И.С., Лупянова H.H. Адаптивный двухступенчатый полутоновой фильтр для сегментации изображений //Докл. 1-ой МКД8РА-98, т. II. М.: - С. 227 -231.

135. Тепловизионная система для визуального обнаружения и автоматического сопровождения объектов / С.А. Багило, В.М. Калашников, И.И. Интен-берг, С.А. Сивцов, Г.А. Фоменко //Цифровая обработка сигналов и ее применение. T. 2.-М.: 1998. С. 253 - 258.

136. Быстрые алгоритмы в цифровой обработке изображений /Под. Ред. Т.С. Хуанга, пер. с англ. М.: Мир. 1987. - С. 340.

137. Баевский P.M. Прогнозирование состояний на грани нормы и патологии. М.: //Медицина. 1979. - С. 289.

138. Смарт-карточная технология в медико-экологическом мониторинге /Т.Я. Рябова, В.Н. Шлапак, Л.Н. Каторова, В.Н. Кочуев, Н.В. Кочуев //Радиоэлектроника в медицинской диагностике: оценка функций и состояния организма. -М. 1997. С. 136 - 142.

139. Авалиани Г.В. Эвристические методы в распознавании образов. Тбилиси: Мицниереба. 1988. - С. 75 ил.

140. Васильев В.И. Проблема обучения распознаванию образов. К.:// Высшая шк. Головное изд-во. 1989. - С. 61 ил.

141. Распознавание образов и медицинская диагностика /Под ред. Неймарка Ю.И. М.: //Наука. 1972. - С. 328 . ил.

142. Горелик А.Л. и др. Современное состояние проблемы распознавания: некоторые аспекты. М.: //Радио и связь. 1985. - С. 161 ил.

143. Дуба Р., Хар Т.П. Распознавание образов и анализ сцен. М.: Мир. 1976. ?

144. Петренко А.П. Методы и устройства распознавания цвета объектов. -М.: //«Энергия». 1972.

145. Принципы распознавания образов /Пер. с англ. Под ред. Ю.А. Журавлева.-М. 1978.

146. Распознавание, классификация, прогноз /Математические методы и их применение. Выпуск 1-4,- М.: //Наука. 1989.

147. Распознавание образов. Теория и приложения. М.: Наука. 1977. 128 С.

148. Федотов Н.Г. Методы стохастической геометрии в распознавании образов. М.: //Радио и связь. 1990.

149. Зинченко Т.П. Опознание и кодирование. Л.: Изд-во Ленингр. ун-та. 1981.

150. Арное Башнр А. Некоторые вопросы повышения эффективности систем обработки и распознавания изображений: Диссертация на соискание ученой степени кандидата технических наук ВлГТУ. Владимир. 1996.

151. Роджерс Д. Алгоритмические основы машинной графики: пер. с англ. -М.: //Мир. 1989.

152. Ворона Д.Г., Кумсков М.И., Пономарева JI.A. Классификация структурных объектов на основе гипотезы компактности с использованием генетического алгоритма и адаптацией метрик //Цифровая обработка сигналов и ее применение. Докл. т. 1. М. - С. 89 - 95.

153. Ван Трис Г. Теория обнаружения оценок модуляции: Пер. с англ. М.: //Сов. радио. Т. 1. 1972. - С. 744.

154. Widrow В. Adaptive Filters in Aspects of Network and system Theory R.E. Kaiman and N.De Claris (Eds.). New York: Holt, Rinehart and Winston. 1970. 563 p.

155. Galati G., Gasparini O. The different means of action against clafler. -Collog. Int., Paris 1978 - p. 574 - 578.

156. Тихонов В.И. Оптимальный прием сигналов. M.: Радио и связь. 1982. -С. 320.

157. Левин Б.Р. Теоретические основы стат. радиотехники. Кн. 3,- М.: //Сов. радио. 1976. - С. 288.

158. Методы обработки сигналов в условиях априорной неопределенности /В.А. Богданович, В.Н. Бондаренко, Ю.В. Коломенский, Ю.Д. Ульяницкий Л. //ЛЭТИ. 1980.-С. 99.

159. Ширман Я.Д. Разрешение и сжатие сигналов. М: //Сов. радио. 1974. - С. 360.

160. Ипатов В.П. Методы обработки сигналов. Уч. пособие. - Л. //ЛЭТИ. 1978.-С. 102.

161. Me дико- и эколого-географические исследования на основе аэрокосмической фотоинформации /Т.А. Трифонова, Л.Т. Сушкова, Е.П. Гришина, Н.В. Мищенко //Владимирский медицинский вестник, т. 2. 1995. С. 46 - 51.

162. Распознавание образов и обработка данных лазерного дистанционного зондирования подстилающей земной поверхности и геосистем / Т.А. Трифонова, Л.Т. Сушкова, A.A. Назарян, С.М. Аракелян //Известия АН. т. 59. № 2. 1994,- С. 185 195.

163. Bernukov А.К., Sushkova L.T. Digital Processing Apriori Indeterminate Multidirection Signals. Proceeding of IEEE International Conference on Industrial Technology. 5-9.12.1994. Guonqzhou. China.

164. Сушкова Л.Т., Брыксин В.В., Марченко Е.Я. Комплекс программ моделирования случайного процесса с заданными вероятностно-статистическими свойствами. Депонир. № 952-В88. 1988.

165. Сушкова Л.Т., Брыксин В.В., Марченко Е.Я. Формирование случайного процесса с заданными корреляционными свойствами //Радиотехника. № 5. 1987.

166. Л.Т.Сушкова В.В., Брыксин Е.Я., Марченко Е.Я. Формирование случайного процесса с заданными корреляционными свойствами. Депонир. в ЦНТИ "Информсвязь" № 1006 св., 1986.

167. Сушкова JI.T., Брыксин В.В., Марченко Е.Я. Генератор случайного сигнала. АС № 1300467, ioi.G06F7/58 1985.

168. Сушкова Л.Т., Брыксин В.В., Марченко Е.Я. Бигауссов метод обработки экспериментальных оценок характеристик случайных процессов //Проблемы метрологического обеспечения систем обработки измерительной информации. -М. 1984.

169. Л.Т.Сушкова, В.В.Брыксин, Е.Я.Марченко. Оценка параметров распределения, представленного композицией гауссовых плотностей. Деп.рукоп. в ЦНТИ "Информсвязь". ВИНИТИ. № 10. 1983. С. 103.

170. Б.А.Герштейн, Л.Т.Сушкова, Е.Я.Марченко, А.З.Титаренко. Устройство для создания помех. Авторское свидетельство № 167243 от 4.12.81.

171. Генератор инфранизкочастотного сигнала /А.Н. Лапин, Л.Т. Сушкова, Е.Я. Марченко, М.З. Корытный, А.Г. Самойлов //Приборы и техника эксперимента. № 1. 1978.

172. Многоканальный генератор случайных сигналов /Е.Я. Марченко, Л.Т. Сушкова, В.И. Кленов, В.В. Исакевич, М.З. Корытный //Приборы и техника эксперимента. № 1. 1978.

173. Л.Т. Сушкова, М.З. Корытный. Оценка качества моделирования случайных процессов с заданной плотностью вероятностей //Методы оптимизации радиосистем. Владимир. 1976.

174. Сушкова Л.Т. Электронное моделирование ослабления оптического излучения в атмосфере //Вопросы обработки сигналов: сб. науч. тр. Ленинград. 1976.

175. Сушкова Л.Т. Аналитическое описание реального распределения метеорологической дальности видимости //Физика атмосферы и океана. № 5. 1976.

176. М.З. Корытный, Л.Т.Сушкова, А.Г.Самойлов, Е.Я.Марченко. Генератор случайного сигнала. Авторское свидетельство № 690513.

177. Гублер Е.В. Вычислительные методы анализа и распознаваний патологических процессов //Ленингр. отдел. Медицина. 1978. С. 286.

178. Попечителев Е.П., Романов C.B. Интерактивные методы обработки биомедицинской информации. Л.: //ЛЭТИ. 1983. - 64 С.

179. Романов C.B. Планирование и оценка результатов медико-биологических экспериментов. Л.://ЛЭТИ. 1985. 80 С.

180. Агаджанян H.A., Ермакова Н.В. Экологический портрет человека на севере /Издат. Фирма «Крук». М. 1997. - С. 207.

181. Горелик А.Л., Гуревич В.Л., Скрипкин В.А. Современное состояние проблемы распознавания //Кибернетика: Сб. АИ УССР. № 3. 1985. С. 12.

182. Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении оценок //Кибернетика:Сб. АН УССР. № 3. 1971. С. 132.

183. Баевский P.M., Кириллов О.И., Кляцкин С.М. Математический анализ измерений сердечного ритма при стрессе. М.: //Наука. 1984. - С. 221.

184. Кошелев В.И., Андреев В.Г. Спектральный анализ коротких последовательностей кардиоинтервалов //Цифровая обработка сигналов и ее применение: т.4. DSPA-98.- М. 1998. С. 256 - 259.

185. Крюков В.В., Шахгельдян Х.И. Многоканальная параметрическая спектральная оценка //Цифровая обработка сигналов и ее применение: Доклады, т.4, 1 МНТК DSPA-98. 1998. С. 72 - 79.

186. Применение цифровой обработки сигналов в автономном регистраторе периодов сердечных сокращений «Ритм-1м» /Ю.С. Балашов, В.А. Козьмин, A.B. Поляков, Н.И. Перепелица //Цифровая обработка сигналов и ее применение. С. 260 -263.

187. Kleiger R.E., Miller J.P. et al.//Amer. J.Cardid. 1987. Vol.59 - p. 256 -262.

188. Pomerauz В., Macaulay R.J. et al.//Amer. J.Physical. 1985. vol.248. N 1 -P.H151 -H153.

189. Aray J., Saulp. et al. //Ibid. -1989-vol.256. N1. p. H132 H141.

190. Атлас временных вариаций природных антропогенных и социальных процессов //Циклическая динамика в природе и обществе. т.2. - М.//Научный мир. 1998.-С. 430.

191. Гольденберг Л.М., Матюшкин Б.Д., Поляк М.Н. Цифровая обработка сигналов. Справочник М.: //Радио и связь. 1985. - С. 312.

192. Стратонович P.A. Принципы адаптивного приема. М.: //Сов. радио. 1973.-С. 144.

193. Витязев В.В., Бодров К.А., Иванов C.B. Адаптивная многоскоростная фильтрация узкополостных процессов //Цифровая обработка информации и ее применения. М. 1998. т. 1. С. 155 - 160.

194. Даджион Д., Мерсеро Р. Цифровая обработка многомерных сигналов. -М: Мир. 1988.-С. 488.

195. Применение цифровой обработки сигналов /Под ред. А. Оппенгейма. -М: //Мир. 1980.-С. 552.

196. Биотехнические системы: Теория и проектирование /Под ред. В.М. Ахутина. Л: ЛГУ. 1981. -С. 220.

197. Новосельцев В.Н. Организм в виде техники. Кибернетический аспект.- М.: //Наука. Гл. ред. физ,- мат. лит. 1989. С. 240.

198. Попечителев Е.П. Методы медико-биологических исследований. Системные аспекты. Уч. пособие. Житомир. ЖИТИ. 1997. - С. 186.

199. Шеннон К.Э. Связь при наличии шума //ТИИЭР. т. 70. № 9. 1982. С. 35- 57.

200. Джейнс Э.Т. О логическом обосновании методов максимальной энтропии //ТИИЭР. т. 70. № 9. 1982. С. 33 - 57.

201. Раков В.И., Сушкова Л.Т., Корытный М.З. К вопросу о моделировании процесса ослабления излучения в атмосфере //Радиотехника и электроника. № 7. 1975.

202. Stepin M.S., Sushkova L.T., Girkov V.F. Segmentation of the Color Images. The International Conférence and Exhibition Digital Signal Processing and its Applications (DSPA-98) Moscow, 30.06 - 03.07. 1998, III - E - 114 - 119.

203. Жирков В.Ф., Новиков K.B., Сушкова Л.T. АРМ для микроскопических исследований //Биотехнические, медицинские и экономические системы и комплексы. Рязань. 1998. - С. 29 - 31.

204. Региональный аэрокосмический мониторинг /О.Я. Бутковский, В.В. Зайцев, Ю.А. Кравцов, Е.Б. Кудашев, М.Д. Раев, Л.Т. Сушкова //Физика и радиоэлектроника в медицине и биотехнологии,- Владимир. 1998. С. 32 - 34.

205. Бернюков А.К., Сушкова Л.Т. Оценка свойств инверсных фильтров при обработке некоторых типовых сигналов //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1998. - С. 197 - 200.

206. Бернюков А.К., Сушкова Л.Т. Адаптация квазиинверсных фильтров обнаружения разрешения к шумовым помехам //Физика и радиоэлектроника в медицине и биотехнологии. - Владимир. 1998. - С. 205 - 207.

207. Дмитриев Г.А., Сушкова Л.Т. Компьютерные технологии медико-биологических исследований: цели, задачи и программа курса //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1998. - С. 332 -334.

208. Сушкова Л.Т., Семенов С.И. О программе курса "Спец. методы МБИ" //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1998. -С. 336 -338.

209. Попечителев Е.П., Сушкова Л.Т. О классификации свойств биообъектов //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1998. -С. 339-342.

210. Жирков В.Ф., Сушкова Л.Т. Компьютерный морфологический анализ перифирической крови //Медицинские информационные системы. Таганрог. 1998.

211. Бернюков. А.К., Сушкова J1.T. Компьютерная обучающая среда по цифровой обработке сигналов //Математика. Компьютер, образование. Пущино. 29 янв. -3 февр. 1997.

212. Бернюков А.К., Сушкова JI.T. Исследование характеристик метода максимальной энтропии в задачах спектрального анализа БЭС //Зарубежная радиоэлектроника. вып. 2. Биомедиц. электроника. 1997.

213. Жирков В.Ф., Сушкова JI.T., Новиков Н.В. Поиск эффективных решений при компьютерной обработке изображений одного класса //Перспективные технологии в средствах ПИ. Владимир. Июнь. 1997. - С. 109-113.

214. Автоматизированное рабочее место врача-рентгенолога /Зирин А.Г., Бабкин А.Е., Сушкова JI.Т., Семенов С.И. //Математика-компьютер. Образование. Пущино. 29 янв. - 3 февр. 1997.

215. Автоматизированное рабочее место врача-эндоскописта /Зирин А.Г., Бабкин А.Е., Сушкова JI.T., Семенов С.И. //Математика-компьютер. Образование. Пущино. 29 янв. - 3 февр. 1997.

216. Бернюков А.К., Сушкова JI.T. Особенности спектрального анализа БМС //Конверсия. Приборостроение. Рынок. Владимир. Май. 1997.

217. Бернюков А.К.,.Сушкова JI.T Дискретный параметрический спектральный анализ как средство информационной технологии //Перспективные технологии в средства ПИ. Владимир. - С. 83 - 86.

218. Бернюков А.К., Сушкова JI.T. Метод максимальной энтропии в задачах спектрального анализа биоэлектрических сигналов //Материалы LII научн. сессии, посвященной Дню Радио. М. 1997. - С. 171 -173.

219. Sushkova L.T. System of training in the field of biomedical engineering in "VSU. Klagenfurt, Proceed. Of the International Symposium "Engineering Education 97" Austria, 15-18 September, 1997.

220. Stepin M., Girkov V., Sushkova L.T. Segmentation of the color images. Proceed, of Summer School in Kule, Poland. October. 1997.

221. Бернюков A.K., Сушкова JI.T. Автоматизированный комплекс цифровой обработки биомедицинской информации. Вестник новых медиц. технологий. 1996. т.Ш № 3 (международн. издание) С. 83 - 87.

222. Сушкова JI.T. Информационные технологии в научно-практической медицине //Владимирский медицинский вестник т.3-4. 1996.

223. Сушкова JI.T., Ботрос Н., Семенов С.А. Высокоскоростная цифровая система для УЗ-диагностики мягких биологических тканей //Проектирование и применение РТУ и систем: сб. науч. тр. Владимир. 1996.

224. Сушкова JI.T., Лисицин Е.А., Буренков В.Н., Костров A.B. и др. Основные подходы к организ. и ведению соц.-гигиенич. мониторинга на территории228

225. Влад.области //Физика и радиоэлектроника в медицине и биотехнологии. -Владимир. 1996. С. 11-16.

226. Сушкова Л.Т., Danhof К. Распределенные информационные системы медико-биологического назначения //Физика и радиоэлектроника в медицине и биотехнологии. Владимир. 1996. - С. 11 -16.

227. Сушкова Л.Т., Зирин А.Г., Бабкин А.Е и др. Компьютерная информационная диагностическая система. Региональная конф. "Автоматизированные системы МБН", С-Петербург. 1996.

228. Сушкова Л.Т., Агаджанян H.A., Семенов С.А. Компьютерная система донозологической диагностики функционального состояния человека. Материалы МНТК "ФРЭМБ'96", Владимир. 1996.

229. Степин М.С., Жирков В.Ф. Фильтрация цветных изображений //Перспективные технологии в средствах передачи информации. Владимир. 1997.-С. 113-1 16.

230. Кондратьев К.Я., Каневский В.А., Росс Ю.К., Поздняков Д.В., Рязанцев В.Ф., Феденко П.П. Лазерное дистанционное зондирование растительности. Л.: Гидрометеоиздат. 1987.

231. Chappell E.W., Frank M.W., Neweomb J.M. // Appl. Opt., 1985, v 24, p.74; Ibid, 1984, v 23. P. 139.

232. Mc Farlane J.C., Watson R.D., Steise A.F. //Appl. Opt., 1980, v. 19, p.3287.

233. Каневский B.A., Рязанцев В.Ф., Перекрест O.H. и др. // Исследование Земли из космоса. № 6. 1985. С. 37.

234. Гуринович Г.П., Севченко А.Н., Соловьев К.Н. Спектроскопия хлорофилла и родственных соединений. Минск: Наука и техника. 1968.

235. Laser Focus World. Special issue on Environmental and remote Sensing. №5. 1993.

236. ОПИСАНИЕ КЛЕТОК КРОВИ ДЛЯ РАЗВЕРНУТОГО КЛИНИЧЕСКОГО АНАЛИЗА

237. На рис. п.2 изображены сегментоядерные нейтрофилы с числом фрагментов от двух до четырех. Величина фрагментов не всегда одинакова, так же как и фигуры каждого фрагмента в отдельности.

238. Сегментоядерные нейтрофилы1. Рис. п. 2

239. Контуры ядер становятся нечеткими, изучение их структуры затрудняется. Клетки гранулоцитов базофильного ряда представлены на рис. п.З.

240. Сегментоядерные и палочкодерные базофилы1. Рис. п.З

241. Палочкоядерные и сегментоядерные эозинофильные лейкоциты.

242. Ядра эозинофилов похожи на ядра нейтрофилов. Основной отличительной чертой эозинофилов является густая крупная зернистость цитоплазмы. Зерна имеют эозинофильную (желто-розовую, золотисто-желтую) окраску (рис. п.4, п.5).

243. Палочкоядерные эозинофилы Сегментоядерные эозинофилы

244. ПРОТОТИП ПРОБЛЕМНО-ОРИЕНТИРОВАННОМ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ РАСПОЗНАВАНИЯ1. ИЗОБРАЖЕНИЯ

245. Комплекс технических средств

246. Структурная схема комплекса технических средств приведена на рис. 1.

247. Комплекс технических средств прототипа системы распознаванияклеток крови

248. Видеомикроскоп Блок оцифровки видеоизображения ЭВМ у ^^Пупьт^ управления1. Л

249. Комплекс технических средств состоит из сканирующего видеомикроскопа, блока управления видеомикроскопом, блока оцифровки и ввода видеосигнала в ЭВМ и ЭВМ.

250. Сканирующий видеомикроскоп выдает увеличенное цветное телевизионное изображение препарата крови, перемещает препарат относительно своего объектива по двум координатам, фокусирует оптическую систему на изображении препарата.

251. Блок управления видеомикроскопом обеспечивает преобразование команд, поступающих с ЭВМ, в управляющие сигналы для различных устройствсканирующего микроскопа, формирует информацию о состоянии микроскопа и передает ее в ЭВМ.

252. Блок оцифровки и ввода видеосигнала обеспечивает оцифровку видеосигнала и передачу его в цифровой форме в ЭВМ.

253. ЭВМ управляет видеомикроскопом, подавая команды на его блок управления, принимает оцифрованное изображение с блока оцифровки видеосигнала, проводит анализ полученного изображения.

254. Конкретный подбор оборудования был сделан из технических средств, имеющихся в лаборатории университета. Использовался отечественный микроскоп БИОЛАМ, видеокамера Panasonic, плата оцифровки Miro Video, ПЭВМ IBM PC/AT.

255. Используемое оборудование имеет следующие недостатки.

256. Микроскоп БИОЛАМ не имеет приводов и электронного управления, поэтому управление микроскопом выполнялось вручную.

257. Видеокамера и плата оцифровки и ввода изображения имеют недостаточное разрешение и недостаточно высокое отношение сигнал/шум, что не позволяет уверенно выделять некоторые детали изображения.

258. В настоящее время выпускаются видеомикроскопные станции, в которых эти недостатки отсутствуют (например, станции фирм Navitar, Leika, Zeic и др.).

259. Описание программного обеспечения21. Структура ПО

260. Программное обеспечение создавалось для использования под операционной системой Windows 95. Данная операционная система была выбрана по следующим причинам.

261. Плата оцифровки имеет драйверы только под Windows 95.

262. При обработке изображений нужно манипулировать массивами данных больших размеров (больше 64 Кб), Windows 95 позволяет это делать.

263. Система обработки изображений должна иметь графический интерфейс, Windows 95 его обеспечивает.

264. Для Windows 95 существует много сред разработки приложений, обеспечивающих быстрое построение графического интерфейса.

265. Информационная связь между модулями изображена на рис. 2.

266. Схема данных ПО прототипа системы распознавания клеток крови1. Рис. 2

267. Основные функции частей ПО

268. Управление процессом распознавания осуществляется модулем управления, который реализует алгоритм, схема которого приведена на рис. 3.

269. Модуль нормализации изображения приводит изображение к стандартным условиям. Принцип его работы описан в главе 5, пункт 5.3.

270. Модуль сбора априорной информации автоматизирует сбор априорных сведений о классах областей изображения, ядер и цитоплазм.

271. Модуль сегментации изображения обеспечивает выделение на изображении препарата областей трех классов — ядра, цитоплазмы, фон. Принцип его работы описан в главе 5, пункт 5.9.

272. Модуль распознавания ядер обеспечивает захват областей, классифицированных модулем сегментации как ядра, и их распознавание. Принцип его работы описан в главе 5, пункт 5.11.

273. Модуль распознавания цитоплазм обеспечивает захват областей, классифицированных модулем сегментации как цитоплазмы, и их распознавание. Принцип его работы описан в главе 5, пункт 5.12.

274. Модуль распознавания клеток на основании результатов работы модулей распознавания ядер и цитоплазм относит клетку к одному из классов априорного алфавита. Принцип его работы описан в главе 5, пункт 5.13.

275. Методы и средства разработки ПО

276. Исходя из первого требования, среда разработки должна быть компилятором в машинный код.

277. Из доступных сред разработки приложений была избрана среда Borland Delphi 3

278. Для разработки ПО использовался объектно-ориентированный подход.

279. Схема алгоритма работы прототипа системы распознавания клетоккрови1. Рис. 3

280. Руководство пользователя. Главное окно программы представлено на

281. Далее в режиме выделения областей (третья слева кнопка на панели инструментов) нужно обвести мышью области каждого из классов. При проведении линии нужно держать нажатой левую кнопку мыши.

282. При выходе из системы вся собранная априорная информация сохраняется на диске. При повторном запуске информация считывается с диска.

283. В прототипе системы не предусмотрен захват изображения прямо из программы распознавания, но в следующих версиях эта возможность будет реализована. Управление микроскопом тоже будет осуществляться из программы.

284. СТРУКТУРНАЯ ОРГАНИЗАЦИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО АВТОМАТИЗИРОВАННОГО КОМПЛЕКСА ЦИФРОВОЙ ОБРАБОТКИ БИОМЕДИЦИНСКОЙ ИНФОРМАЦИИ

285. Организация СЦОБМИ на основе персональной ЭВМ.

286. Долговременные и текущие архивы данных создаются в запоминающих устройствах, что обеспечивает многократное обращение к ним.

287. Рассмотренный способ организации СЦОБМИ требует больших материальных затрат и может быть рекомендован для стационарных клиник, где

288. Рис.1 Организация СЦО БМИ на основе персональной ЭВМимеется возможность использования локальных вычислительных сетей для оперативного обмена результатами исследований между специалистами.

289. Организация портативной СЦОБМИ на основе микропроцессорных комплектов.

290. Генератор тактовых импульсов служит для синхронизации всех узлов МПК. Обмен информацией осуществляется по многоразрядным шинам данных (ШД), адресов (ША) и управления (ШУ).

291. При выборе конкретного типа МПК для СЦОМБИ следует руководствоваться следующими соображениями:

292. Сигналы БМД узкополосны (доли Гц десятки Гц), что определяет частоту дискретизации в пределах Гд=1-10 кГц.