А. миловидов, Н. Н. Филатова




Скачать 64.33 Kb.
Дата02.04.2016
Размер64.33 Kb.

Об одном алгоритме распознавания классов


А

.А. МИЛОВИДОВ, Н.Н. ФИЛАТОВА



Тверской государственный технический университет
ОБ ОДНОМ АЛГОРИТМЕ РАСПОЗНАВАНИЯ КЛАССОВ
Предложен алгоритм распознавания класса графиков, характеризующих изменения потерь слуха в зависимости от частоты тонального сигнала. Алгоритм позволяет выделить классы зависимостей, характерные для отдельных видов нарушений слуха, основываясь на нечетких определениях формы и взаиморасположения кривых. Приведено описание алгоритма нечеткой оценки нескольких характеристик формы на основе множества нечетких оценок отдельных точек кривых.

Задача автоматического анализа результатов исследования слуха человека может рассматриваться как задача классификации объектов, заданных дискретными признаками. Минимальное количество классов определяется количеством видов нарушений слуха, выделенных в медицинской литературе [1].

Объектом распознавания (классификации) являются плоские ломаные линии, объединенный в пары (X, Y). Каждая такая ломаная представляет собой точки, характеризующие пороги слышимости, соединенные отрезками прямых. X объединяет пороги слышимости, полученные при использовании воздушного канала проведения звука, а Y – при использовании канала проведения звука по кости.

Методики исследования слуха допускают определение разного числа пороговых точек (минимум 6, максимум 11). Таким образом, каждый объект распознавания может включать от 13 до 22 точек. Пропуск отдельных точек может привести к значительным ошибкам в оценке формы кривых.

Проведение исследований показало, что классификация с использованием количественных характеристик (функций ординат кривых X и Y) приводит к ошибкам в распознавании объектов, соответствующих начальным стадиям отдельных видов нарушений слуха. В [2] описан алгоритм перевода количественных оценок порогов слышимости (X и Y) в лингвистическую шкалу. Этот прием позволяет перейти к принятым в медицинской практике качественным характеристикам, но только в отношении пороговых точек. Однако для классификации наиболее информативными являются характеристики целостности и формы X и Y.

В статье рассматривается новый алгоритм, позволяющий находить оценки качественных характеристик аудиограмм. В основе алгоритма лежат правила вычисления лингвистических переменных на множестве нечетких оценок потерь слышимости на отдельных частотах.

Диагностическими признаками, на которые опирается врач, являются характеристики положения кривых на слуховом поле (близко от нулевой линии, далеко и т.п.) и их формы (восходящая, нисходящая, выпуклая, вогнутая и т.п.).

Для перехода от количественных субъективных оценок ПС в дБ к нечетким шкалам введены шесть термов (выше нулевой линии, малые потери, средние, выше средних, большие, очень большие, выключение).

Каждая аудиограмма в нечетких шкалах будет представлять собой упорядоченное множество троек вида

, i  1…N, (1)

где – исследуемая частота; ТХ – терм-множество для КПС по воздуху с максимальным коэффициентом уверенности ; ТY – терм-множество для КПС по воздуху с максимальным коэффициентом уверенности . Фактически, каждый кортеж (тройка) описывает две точки на аудиограмме – КПС по воздуху и по кости. Дополнительные параметры (например, КВИ) могут вычисляться, исходя из множества данных кортежей.

Тогда для представления одной кривой порогов слышимости необходимо (N-1) элементарных отрезков с координатами

(начало) и (конец), i  1,…N1. (2)

Множество TX включает несколько термов (выпуклая, вогнутая, ровная, восходящая, нисходящая, без наклона, целая, с обрывами), каждый из которых определяет соответствующую качественную характеристику одной из составляющих аудиограммы (X или Y).

Каждую кривую порогов слышимости можно представить в виде последовательных элементарных отрезков. Предложен набор правил оценки термов для отдельных элементарных отрезков X (или Y).

Рассмотрим построение правила оценки термов «восходящая кривая» («нисходящая кривая»), которое основано на оценке наклона одного элементарного отрезка X (или Y). Координаты концов отрезка заданы с использованием нечеткой шкалы в виде (2). Рассмотрим несколько возможных случаев:

1. Если координаты концов этого отрезка относятся к разным терм-множествам (km), то этот отрезок наклонный, причем при k > m отрезок входит в терм-множество «восходящий» с , а при k < m, в терм-множество «нисходящий» с .

2. Если координаты концов этого отрезка относятся к одному терм-множеству (k = m) и выполняется условие , то осуществляем коррекцию. Для начала отрезка определяем:



.

(3)

Тогда новая координата начала отрезка будет .

Для конца отрезка определяем:



.

(4)

Тогда новая координата конца отрезка будет . Таким образом, концы отрезка теперь принадлежат разным терм-множествам, что делает ситуацию аналогичной случаю 1. Однако функция принадлежности такого отрезка всегда будет меньше единицы и определяться, как .

3. Если после коррекции в случае 2 координаты концов этого отрезка по-прежнему принадлежат к одному терм-множеству (np), то вводятся дополнительные условия:



или ,

(5)

или .

(6)

Если выполняется (5), то отрезок входит в терм-множество «восходящий», а если выполняется (6), то – в терм-множество «нисходящий» с .

Аналогичным образом сформированы правила для оценки всех термов, характеризующих форму и положение кривых, составляющих аудиограмму.

Создан алгоритм, позволяющий с помощью найденных нечетких оценок описать границы между классами кривых порогов слышимости, и тем самым решить задачу распознавания класса нарушений слуха. Алгоритм нечеткого анализа аудиограмм реализован в виде отдельного программного модуля, реализующего функции:


  • ведение базы аудиограмм,

  • вывод на экран кривых порогов слышимости по воздуху (X(f)) и по кости (Y(f)),

  • вывод для просмотра и редактирования таблиц функций принадлежности для 18 термов

  • построение оценок порогов слышимости в нечетких шкалах,

  • построение оценок нечетких признаков формы,

  • распознавание класса аудиограммы.

Пользовательский интерфейс программы представлен в виде нескольких автономных окон:

  • работа с базой данных аудиограмм,

  • просмотр таблиц потерь слуха (рис. 1, б),

  • мастер введения таблиц потерь слуха,

  • графики порогов слышимости (рис. 1, а),

  • вывод количественных характеристик для отдельной аудиограммы (рис. 2, б),

  • вывод в табличной форме функций принадлежности для всех термов,

  • лингвистическая интерпретация аудиограмм (рис. 2, а).


Рис. 1. Окна просмотра графиков порогов слышимости и функций принадлежности

б

a

Рис. 2. Окна просмотра графиков порогов слышимости и функций принадлежности
Для проведения исследований нового алгоритма предусмотрена настройка и редактирования терм-множеств и формы функций принадлежности.

Исследование алгоритма проведено на выборке из 426 аудиограмм, которые в соответствии с медицинскими диагнозами относились к четырем разным классам. Объекты в выборке отличались не только значениями количественных и качественных признаков, но и степенью целостности пороговых кривых. Последнее свойство наблюдалось для аудиограмм, в которых на части частот у пациента полностью отсутствовал слух.

Анализ результатов показал, что для разделения классов с различной степени проявления нейросенсорной и кондуктивной тугоухости достаточно сформировать функции принадлежности трапециидального вида. Такая форма хорошо согласуется с представлениями экспертов о взаимосвязи количественных и качественных оценок потерь слуха.

Проведено исследование работоспособности алгоритма оценки нечетких признаках формы для отдельных участков кривых. Исходя из физиологических особенностей слуха, исследования проведены на низких, речевых и высоких частотах. Границы участков взяты из медицинской литературы. Алгоритм анализа разбитых на участки кривых включал:



  • оценку степени кривизны и наклона каждого участка;

  • оценку целостности всей кривой порогов слышимости;

  • оценку степени кривизны и наклона всей кривой на основе «голосования» участков.

Общая ошибка в распознавании принадлежности объектов к заданному классу не превышает 4 %.

СПИСОК ЛИТЕРАТУРЫ




  1. Григорьева О.М. Модели и алгоритмы дифференциальной диагностики органов слуха, основанные на обработке субъективной информации / О.М. Григорьева. Автореферат. -Тверь: ТГТУ, 2004.

  2. Григорьева О.М., Миловидов А.А. Автоматическая интерпретация субъективных оценок порогов слуха // Научная сессия МИФИ-2008. Т. 12. – С. 47.




База данных защищена авторским правом ©uverenniy.ru 2016
обратиться к администрации

    Главная страница