Н.В. ПАВЛОВА, А.В. АДАСКИН АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КОМПЛЕКСА АВ- ТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ И КЛАССИФИКАЦИИ МИКРОЭМБОЛИИ

УДК 004.896(06) Интеллектуальные системы и технологии
Н.В. ПАВЛОВА, А.В. АДАСКИН
Московский авиационный институт (государственный технический университет)
АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ КОМПЛЕКСА АВТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ
И КЛАССИФИКАЦИИ МИКРОЭМБОЛИИ
Разработан и клинически апробирован новый метод многоуровневой детекции
и классификации микроэмболии, построенный на принципах гибридной экспертной системы.
Одной из основных причин возникновения осложнений при операциях
на сосудах является попадание в кровь пузырьков воздуха и материальных частиц – микроэмболов. Это ведет к острой окклюзии артерий и, как
следствие, возникновению инвалидности, а в отдельных случаях приводит
к летальному исходу [1].
Мониторинг эмболизации сосудов на базе транскраниальной доплерографии является на сегодня наиболее эффективным средством повышения
качества и безопасности операций в нейрохирургии и при выполнении
различных медицинских процедур на сосудах сердца. Реализация детекции микроэмболии в режиме реального времени является одной из самых
сложных задач при создании специализированных медицинских комплексов и систем мониторинга кровотока. Существующие разработки имеют
невысокую достоверность идентификации микроэмболов [2] и низкое качество информационной модели.
Разработан и клинически апробирован новый метод многоканальной
детекции микроэмболии и мониторинга ее характеристик в режиме реального времени. Так как алгоритм подобной задачи сложно формализуем и
не определена четко область, в которой должно приниматься решение,
была предложена реализация гибридной экспертной системы многоуровневой обработки динамических характеристик ультразвукового сигнала
микроэмбола, где каждый уровень решает свои подзадачи [3]. Данные
подзадачи можно представить в виде двоичного дерева решений. На первом уровне решается задача выделения кратковременных сигналов высокой мощности из фонового сигнала кровотока, на втором – отделение артефактов от микроэмболических сигналов. Для решения данных задач
были проведены клинические испытания и составлена описательная модель динамических характеристик микроэмбола, в которую вошли такие
параметры, как длительность эпизода микроэмболии, мощность превыISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
82
УДК 004.896(06) Интеллектуальные системы и технологии
шения эмболического сигнала над фоновым, частотный диапазон микроэмбола, отношение «пятна» эмбола к фоновому кровотоку, скорость
нарастания систолы и многие другие. Область решений данной задачи
была формализована и на базе выработанных правил и зависимостей построена продукционная экспертная система.
Завершающий третий уровень решает задачу классификации материальной и воздушной микроэмболии. Проведенные исследования не выявили математических зависимостей между типом микроэмбола и его динамическими характеристиками сигнала. Более того, области всех типов
эмболов оказались перекрывающимися, что не позволило решать задачу с
помощью экспертной системы, как на предыдущих уровнях. Была предложена реализация алгоритма на базе нейронной сети. В силу неопределенной области решения данной задачи, реализация единой нейронной
сети не позволило достичь высокой показателей специфичности. Поэтому
для наибольшей эффективности были применены пять одинаковых по
структуре нейронных сетей, но обученных на разных множествах динамических параметрах микроэмболов. Окончательный вывод принимается
путем голосования каждой нейросети.
Эффективность реализованного метода определяется высокой достоверностью обнаружения и автоматизацией обработки микроэмболов. В
отличие от существующих, разработанный алгоритм содержит дополнительные критерии оценки микроэмболии, реализованные на этапе постпроцессорной обработки данных мониторинга кровотока.
Клиническая апробация метода в составе ультразвукового комплекса
«АНГИОДИН» фирмы «БИОСС» показала высокую эффективность детекции микроэмболии в операциях аортокоронарного шунтирования и
эндартерэктомии.
Список литературы
1. Шевченко Ю.Л. и др. Кардиогенный и ангиогенный церебральный эмболический инсульт (физиологические механизмы и клинические проявления. – М.: ГЭОТАР–Медиа, 2006.
2. Rainer Brucher, David Russell Automatic Online Embolus Detection and Artifact Rejection
With the First Multifrequency Transcranial Doppler // Stroke, 2002;33:1969-1974.
3. Павлова Н.В. Методы искусственного интеллекта и новые информационные технологии в проектировании приборных комплексов. – М.: Издательство МАИ, 2000.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
83