ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ПОЛІТЕХНІЧНИЙ УНІВЕРСИТЕТ

КОМЛЕВА Наталія Олегівна

УДК 004:62-52:004.03

Розробка автоматизованої системи діагностики рухового апарату зорового
аналізатора

Спеціальність 05.13.06 – Автоматизовані системи управління

та прогресивні інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Одеса – 2006

Дисертацією є рукопис.

Робота виконана на кафедрі “Системне програмне забезпечення” Одеського
національного політехнічного університету Міністерства освіти і науки
України.

Науковий керівник кандидат технічних наук, доцент

Паулін Олег Миколайович,

Одеський національний політехнічний університет, професор кафедри
системного програмного забезпечення

Офіційні опоненти: доктор технічних наук, професор

Верлань Анатолій Федорович,

Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України,
завідувач відділом моделювання динамічних систем;

кандидат технічних наук, доцент

Савєльєва Оксана Степанівна,

Одеський національний політехнічний університет, доцент кафедри
нафтогазового та хімічного машинобудування

Провідна установа Національний технічний університет “Харківський
політехнічний інститут”, кафедра автоматизованих систем управління

Захист відбудеться “22“ червня 2006 року о 1330 на засіданні
спеціалізованої вченої ради Д 41.052.01 в Одеському національному
політехнічному університеті за адресою: 65044, м. Одеса, проспект
Шевченка, 1, ауд. 400-А.

З дисертацією можна ознайомитись в бібліотеці Одеського національного
політехнічного університету за адресою: 65044, м. Одеса, проспект

Шевченка, 1.

Автореферат розісланий “16” травня 2006 р.

Вчений секретар

спеціалізованої вченої ради
Ямпольський Ю.С.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Останнім часом розробка засобів медичного
діагностування, особливо у випадку діагностування офтальмологічних
систем, орієнтована на автоматизацію даного процесу з метою підвищення
його ефективності. При цьому велику роль грають розробка і побудова
інформаційних моделей об’єктів автоматизації і процесів, що
автоматизуються. Сучасний підхід до діагностування з використанням
інформаційних технологій вимагає розробки аналітичних,
об’єктно-орієнтованих та інших моделей предметних галузей, а також
відповідних методів, алгоритмів та інформаційно-програмної підтримки. Це
забезпечує підвищення точності результатів діагностування за рахунок
розширення набору вимірюваних параметрів і підвищення точності
обчислення їх значень. Проблему представляє складність побудови
інформаційної моделі і моделювання роботи системи і окремих її
елементів, особливо у випадку діагностування складних систем.

До таких систем відноситься руховий апарат зорового аналізатору (РАЗА)
людини, який є важливою складовою рухової системи ока (РСО) і зорової
системі в цілому. При цьому РСО фактично є природною системою
управління, яка відповідає за поворот ока з метою забезпечення заданої
області зорового сприйняття.

Діагностика РАЗА істотно впливає на подальший хід лікувального процесу в
офтальмології. Відомі на сьогоднішній день методи діагностики порушень
функціонування РАЗА (методи коордиметрії, Гіршберга, метод із
застосуванням синоптофору) спрямовані на визначення величини кута
косоокості, що являється лише статичним описом роботи РАЗА. Однак,
отриманих таким чином даних недостатньо для визначення реакції ока на
зміну зовнішнього впливу, що є його природною функцією.

Крім того, перелічені методи діагностики не автоматизовані та потребують
і на етапі визначення параметрів РАЗА, і на етапі формулювання діагнозу
наявності висококваліфікованого спеціаліста-офтальмолога. З іншого боку,
використання автоматизованої системи офтальмологічної діагностики (СОД)
дозволить розпаралелити процес отримання діагнозу шляхом розділення його
на дві послідовності дій (та інформаційних потоків): обстеження пацієнта
із застосуванням СОД під керівництвом оператора та отримання параметрів
РАЗА, аналіз лікарем-офтальмологом значень параметрів РАЗА пацієнта та
формування діагнозу, що забезпечує економію часу.

Таким чином, дослідження, спрямовані на створення і впровадження
сучасних інформаційних засобів до розв’язання задач автоматизованого
діагностування РАЗА, є актуальними.

Зв’язок роботи з науковими програмами, планами, темами. Дисертація
виконувалась відповідно до мети та завдань НДР Одеського національного
політехнічного університету № 373-73 “Програмні засоби автоматизованих
систем. Розробка інформаційного та програмного забезпечення сучасних
автоматизованих систем” та Угоди № 1383-73 про творче співробітництво з
Одеським науково-дослідним інститутом очних хвороб і тканинної терапії
ім. акад. В.П. Філатова за темою “Комп’ютерна діагностика функціональних
порушень рухового апарата ока”.

Мета і задачі дослідження. Метою дисертаційної роботи є підвищення
точності результатів діагностування РАЗА шляхом розробки автоматизованої
системи діагностики, заснованої на об’єктно-орієнтованій інформаційній
моделі процесу діагностики та методі виявлення і аналізу діагностичних
ознак РАЗА.

Для досягнення зазначеної мети в роботі були розв’язані такі задачі:

систематизація методів дослідження стану РАЗА, аналіз їх властивостей
відносно множини і точності обробки досліджуваних параметрів;

розробка математичної моделі РАЗА, в якій враховані властивості і
параметри РАЗА, істотні для дослідження її статичних та динамічних
характеристик, та виділення інформативних ознак моделі, які
характеризують стан РАЗА;

розробка ієрархічної об’єктно-орієнтованої інформаційної моделі процесу
діагностики РАЗА, яка включає математичну модель РАЗА;

формування діагностичних ознак РАЗА за значеннями статичних і динамічних
параметрів, виділених за допомогою моделювання, а також інтегральне
оцінювання стану РАЗА з урахуванням всіх параметрів системи;

формування системи розв’язувальних правил, яка дозволяє автоматизувати
процес класифікації стану РАЗА з використанням продукційної системи
підтримки прийняття рішень, і розробка на її основі метода та
інформаційної технології діагностування РАЗА, які дозволяють підвищити
точність і скоротити тривалість процесу діагностики;

розробка та впровадження програмного комплексу у складі автоматизованої
системи управління (АСУ) станом РАЗА для визначення параметрів моделі
РАЗА і аналізу стану РАЗА, який реалізує запропонований метод
автоматизованого діагностування.

Об’єктом дослідження є процес і засоби діагностики РАЗА.

Предметом дослідження є об’єктно-орієнтована модель діагностики рухового
апарату зорового аналізатора.

Методи досліджень. Для аналізу принципів організації систем управління,
а також при вивченні і виборі методів діагностування РАЗА
використовувалися методи загальної теорії систем.

Розробка математичної моделі РАЗА та інформаційної моделі її
діагностування виконана на базі теорії диференціальних рівнянь, основ
математичної статистики і теорії прийняття рішень.

Інформаційна технологія для автоматизованого діагностування РАЗА, а
також складові цієї технології: методи, відповідні методики і програмні
засоби розроблені на основі об’єктно-орієнтованого аналізу і теорії
побудови експертних систем.

Наукова новизна одержаних результатів полягає в розвитку та поглибленні
теоретичних і методологічних основ побудови інформаційних моделей та
процесів діагностики і розробки на їх основі автоматизованої системи
діагностики РАЗА. У дисертаційній роботі одержані наступні наукові
результати:

вперше розроблена математична модель РАЗА, яка містить статичні і
динамічні параметри його лінійних та нелінійних складових, та виконана
параметрична ідентифікація моделі;

вперше розроблена ієрархічна інформаційна модель процесу діагностики
стану РАЗА, яка є об’єктно-орієнтованою та інкапсулює математичну модель
РАЗА;

вперше доведене Твердження про інваріантність кількісних характеристик і
параметрів системи екстремального регулювання (СЕР) з управлінням по
вихідній величині з запам’ятовуванням екстремуму, яка має параболічну
нелінійну частину відносно зміни місцеположення екстремальної точки
параболи; Твердження розповсюджується на модель функціонування РСО, яка
представляється СЕР із запам’ятовуванням екстремуму типу
нелінійна-лінійна;

одержала подальший розвиток система діагностичних ознак РАЗА, який
полягає у доповненні кутових статичних ознак м’язовими, і додатково
містить динамічні діагностичні ознаки;

вперше розроблений метод автоматизованої діагностики стану РАЗА,
заснований на використанні об’єктно-орієнтованої інформаційної моделі.

Практична цінність одержаних результатів. Використання створеного в
роботі програмного комплексу СОД дозволило підвищити точність і
швидкодію діагностування стану РАЗА у задачах офтальмологічної
діагностики. У комплексі застосовані розроблені методики підготовки та
проведення експерименту, попередньої обробки експериментальної
інформації, визначення діагностичних ознак РАЗА людини на базі отриманих
значень інформативних ознак, формування діагностичного висновку. При
використанні комплексу у процесі діагностики стану РАЗА похибка
одержання результатів знижена приблизно в 25 разів при зменшенні часу на
діагностику, у середньому, в 2 рази.

Розроблена інформаційна технологія, що поєднує всі автоматизовані етапи
діагностики РАЗА в єдиний формалізований процес, яку використано при
розробці СОД “EYECOM”, та впроваджено в лабораторії порушень
бінокулярного зору і функціональних методів дослідження Одеського
науково-дослідного інституту очних хвороб і тканинної терапії ім. акад.
В.П. Філатова.

Розроблені методики, алгоритми і програми впроваджені в навчальний
процес на кафедрі системного програмного забезпечення Одеського
національного політехнічного університету і використовуються в
дисциплінах, які вивчають теорію алгоритмів і обчислювальних процесів,
основи програмування та алгоритмічні мови, а також у дипломному
проектуванні.

Особистий внесок здобувача полягає в застосуванні інформаційного підходу
до автоматизації діагностування нелінійних систем.

Дисертантом створена ієрархічна інформаційна модель, яка описує
автоматизований процес діагностики [1, 2, 6] і містить математичну
модель РАЗА [3, 5 – 7]; розроблені метод та інформаційна технологія [12,
13], а також покладені в основу їх математичного забезпечення алгоритми
і методики [1, 2, 8, 9, 11], що дозволяють одержати комплексну оцінку
стану РАЗА; розроблений програмний комплекс СОД “EYECOM” [4, 6, 10, 12],
який реалізує запропонований метод автоматизованої діагностики РАЗА,
доведені до практичного використання всі програмні підсистеми [4, 9 –
11]. Автор брав участь у випробуваннях системи і в аналізі результатів
діагностування.

Апробація результатів дисертації. Основні виводи, положення і результати
дисертації доповідалися і обговорювалися на конференції “Використання
комп’ютерних технологій у навчальному процесі” (Харків, 1997), Другій та
П’ятій міжнародних науково-практичних конференціях “Современные
информационные и электронные технологии” (Одеса, 2001, 2004), Третій
Всеукраїнській конференції молодих науковців “Інформаційні технології в
науці, освіті і техніці” (Черкаси, 2002).

Публікації. Результати дисертації викладені в 13 публікаціях, в тому
числі в 8 статтях в спеціалізованих виданнях відповідно до списку ВАК
України.

Обсяг і структура дисертації. Дисертаційна робота складається із вступу,
4 розділів, висновків та 5 додатків. Обсяг дисертації – 149 стор.,
додатків – 29 стор. Дисертація містить 42 рисунка і 5 таблиць та
посилання до 107 літературних джерел.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовується важливість і актуальність теми дисертації,
викладені мета і задачі досліджень. Сформульовані основні положення і
практичні результати, досягнуті в роботі, їх наукова новизна.

У першому розділі наведений аналіз існуючих досліджень процесу
діагностики і розглянуті основні принципи рішення задач діагностування
із використанням моделей досліджуваних систем.

Розглянуто принципи роботи РСО (система управління), яка містить РАЗА
(об’єкт управління) та є прикладом СЕР. В рамках даної роботи
функціонування РАЗА досліджується як випадок однопараметричного
регулювання.

Розглянуто переваги та недоліки існуючих методів діагностики РАЗА, який
є складним об’єктом, що містить лінійні та нелінійні складові.

У другому розділі описаний метод автоматизованої діагностики стану РАЗА,
який базується на ієрархічній інформаційній об’єктно-орієнтованій моделі
та системі розв’язувальних правил, що дозволяють автоматизувати процес
діагностування.

Запропоновано структурну схему моделі функціонування РСО (рис. 1), в
якій розглянуто нелінійні та лінійні блоки (система зорових рецепторів
та РАЗА). Аналіз функцій та будови системи зорових рецепторів дозволяє
вважати її нелінійною частиною РСО, екстремальна характеристика якої дає
залежність, близьку до параболи. Таким чином, РСО є об’єктом з
екстремальною характеристикою (ОЕХ).

Рис. 1. Структурна схема моделі функціонування РСО.

Структурно РАЗА складається із сукупності м’язів, що рухають око
(МРО), точок кріплення цих м’язів до очного яблука і до очної орбіти і
очного яблука як об’єкта прикладення дії РАЗА.

Відомі на сьогоднішній день методи діагностики порушень функціонування
РАЗА засновані на візуальній оцінці зсуву зіниці пацієнта щодо його
нормального положення при фіксації напрямку погляду (НП) пацієнта в
заданих точках. Всі методи дозволяють досліджувати тільки статичні
характеристики РАЗА, причому в ряді випадків досить приблизно. Більшість
методів спрямовані на визначення величини кута косоокості, наприклад, за
допомогою обчислення кутових відхилень НП від напрямків на задані точки
фіксації.

Аналіз властивостей РСО із урахуванням вимог до спостереження змінних
системи дозволив виділити множину найбільш важливих та інформативних
параметрів МРО, які в сукупності описують стан системи:

Q?(ц, L,T),
(1)

де ц – кут відхилення очного яблука від нормалі, первинний статичний
показник; L – довжина МРО, вторинний статичний показник; T – постійна
часу перехідного процесу при відпрацьовуванні МРО зміни вхідної дії,
динамічний показник.

Наведені параметри комплексно описують роботу РАЗА, як при фіксації ним
довільної точки, так і при відпрацьовуванні змін вхідної інформації.
Результатом дослідження стану РАЗА пацієнта в рамках даної множини
параметрів є оцінка його фізіологічного стану і ступені професійної
придатності.

До задач діагностики РАЗА належить визначення працездатності всіх МРО,
формування переліку непрацездатних МРО (пошук дефекту) та видача
комплексної оцінки стану РАЗА з урахуванням його статичних і динамічних
параметрів. Рішення цих задач вимагало застосування автоматизованого
підходу з використанням сучасних інформаційних технологій, для чого від
розгляду фізичного РАЗА перейшли до моделі його функціонування та
вибрали відповідний математичний апарат.

Роботу кінематичної частини РСО (рис. 2) неможливо розглядати у відриві
від діяльності рецепторно-мозкового тракту, тому спершу виконаний опис
моделі РАЗА, а потім проаналізоване її місце у загальній моделі РСО.

Рис. 2. Кінематична схема РАЗА людини. Вид зверху на ліве очне яблуко.

Математична модель РАЗА представляється системою рівнянь:

(2)

де U=ш(L) – горизонтальне та вертикальне переміщення проекції НП у
площині обличчя пацієнта, ш – функція перетворення; M – діагональна
матриця постійних часу Ti диференціального рівняння, i=1:3; А –
вектор-стовпець вільних членів; I0 – імпульси управління РАЗА; L –
довжини МРО, обумовлені функцією f за значеннями U.

Значення максимальних кутів повороту очного яблука дозволяють розглянути
всі МРО при деякому куті повороту очного яблука у вигляді двох
складових: 1) тієї, що прилягає до очного яблука; 2) розташованої між
точкою відходу МРО від очного яблука і другою (фіксованою) точкою
кріплення МРО. Це дозволяє визначити довжину кожної МРО, а потім їх
підсумовувати.

Довжини МРО L={LAK, LBK, LCK, LDK, LGIK, LFE} залежать від координат
точок кріплення МРО до очного яблука, які у довільний момент часу
обчислювали таким чином:

– зміни сферичних кутів відносно їх первинних значень д, И.

Довжини МРО AK, BK, CK и DK обчислюються за виразом:

, (3)

– координати відходу МРО від очного яблука.

Для МРО GIK і FE довжини обчислювали таким чином:

; (4)

. (5)

В якості моделі для опису елементарного переміщення використовується
аперіодична ланка першого порядку. Постійна часу при зміні
горизонтальної fx і вертикальної fy складових елементарного переміщення
обчислюється як T=max(Tx,Ty).

Математичний опис моделі РСО представлений системою рівнянь:

(6)

– неузгодженість між нормою і поточним значенням кута повороту; I –
імпульси, які видаються нелінійною частиною РСО і обумовлені функцією f1
за кутом неузгодженості; k – постійний коефіцієнт перетворення сигналу;
f2 – функція перетворення поточного значення кута ( залежно від довжини
L.

В системі (6) лінійне диференціальне рівняння є лінійною частиною РСО, а
функції f і f2 становлять його нелінійну частину. Таким чином, РАЗА має
істотну нелінійність, лінійна апроксимація якої дозволяє розглядати РСО
як СЕР із запам’ятовуванням екстремуму зі схемою заміщення типу
нелінійна-лінійна (НЛ).

Лінійна частина об’єкта НЛ СЕР, що у загальному виді описується лінійним
диференціальним рівнянням n-го порядку, може бути апроксимована
послідовно з’єднаними запізнювальною ланкою (ф – час запізнювання) і
аперіодичною ланкою першого порядку (T – постійна часу):

. (7)

Нелінійна частина об’єкта, яка у загальному випадку описується поліномом
m-го степеня, в практично важливих випадках апроксимується рівнянням
параболи:

. (8)

У даній роботі головна увага приділена режиму сталих автоколивань, при
якому координати точки екстремуму постійні; конкретні значення цих
координат не впливають на якісні показники системи (стійкість і втрата
на рискання).

Кількісні характеристики СЕР описуються множиною SX=(Z*, ДZ, Д), а
параметри – множиною SP=(И, A), де Z*=Zmin-Zmax – різниця між
мінімальним та максимальним значеннями Z; ДZ= Z-Zmax – різниця між
поточним та максимальним значеннями Z; Д – величина зони нечутливості
регулятора; И – напівперіод автоколивань входу; A – амплітуда входу.

, кількісні характеристики SX і параметри SP СЕР є інваріантними
відносно зміни місцеположення екстремальної точки параболи.

і ДZ отримаємо:

ДZ. (9)

Вихідний сигнал у ланцюгу із зворотним зв’язком надходить до входу
системи. Перемикання СЕР відповідно (9) проходить за умовою ДZ?Д, тому
моменти перемикання вхідної величини x(t) та її амплітуда залишаються
попередніми. Це також означає інваріантність інших складових множин SX і
SP. Доказ закінчено.

Для побудови інформаційної моделі процесу діагностики виділені головні
технологічні етапи, для кожного з яких визначені вхідні, вихідні дані і
функції перетворення. Інформаційна модель процесу діагностики ОЕХ
представлена на рис. 3.

Рис. 3. Інформаційна модель процесу діагностики ОЕХ.

Відповідно до запропонованого методу, спочатку проводиться аналіз ОЕХ та
процесу її діагностики, вибираються методи перевірки працездатності і
пошуку дефекту. При подаванні на вхід робочої дії X виробляється вихідна
реакція Z, з якої корисна інформація R відділяється від шумів u, тобто
розв’язується задача фільтрації. На основі корисної інформації про ОЕХ з
урахуванням вимог до спостережуваності змінних системи та їх керованості
формується набір статичних та динамічних інформативних ознак P, що
описує стан системи в довільний момент часу. Для опису структури і
функціонування ОЕХ будується математична модель; при цьому вирішується
зворотна задача оцінки параметрів об’єкта за його вхідними діями і
вихідними реакціями.

При відомій структурі моделі розв’язується задача параметричної
ідентифікації і визначаються значення діагностичних показників Q як
коефіцієнтів моделі. Рішення зворотної задачі оцінки параметрів при
нормативній вихідній реакції дозволяє сформувати нормативні значення
діагностичних показників Qнорм. За результатом неузгодженості Q і Qнорм
формується набір діагностичних ознак D.

Аналіз можливих значень D (з урахуванням граничних випадків) дозволяє
сформувати набір діапазонів M по кожній з ознак і визначити кількісні
значення границь цих діапазонів. З урахуванням значущості D для
визначення інтегральної оцінки стану ОЕХ формується набір
розв’язувальних правил Pr. Застосування правил, відповідно до заданого
алгоритму функціонування продукційної системи підтримки прийняття
рішень, дозволяє одержати оцінку у вигляді класу стану C.

Запропоновано формальну схему процесу діагностики ОЕХ та виділені його
концептуальні класи. Графічно об’єктно-орієнтована інформаційна модель
діагностування ОЕХ представлена діаграмою класів і містить математичну
модель ОЕХ; об’єктно-орієнтована модель дозволяє на концептуальному
рівні описати взаємодію компонентів системи діагностики і є основою
інформаційної технології.

Структурно-функціональний аналіз РСО дозволяє виділити наступні
діагностичні ознаки для оцінки її стану: D?(Дц, ДL, ДT), де Дц, ДL, ДT –
відхилення значень елементів Q відповідно до (1) від їх нормативних
значень. Значення D дозволяють провести діагностику моделі об’єкта
спочатку по кожному елементу (МРО) окремо, потім одержати інтегральну
оцінку стану моделі і перенести результати на фізичний об’єкт. Для
перевірки працездатності і пошуку дефекту обрані, відповідно, методи
псевдовипадкового тесту і порівняння з еталоном, які забезпечують
необхідні показники діагностування.

Для діагностування РАЗА визначали склад множин відповідно до рис. 3 і
характер величин, тобто проводили параметризацію.

таким чином, щоб сполучити НП ( зі світловим сигналом. Значення кута
(, який змінюється в процесі повороту, визначається через траєкторію
переміщення центра зіниці; він є вихідною реакцією z(t). Збурювальна дія
u(t) є багатофакторною і обумовленою специфікою роботи з біологічною
системою.

Pдинам, де Pстат є усередненим значенням кутів відхилення НП при
почерговій фіксації пацієнтом всіх задавальних світлових сигналів, а
Pдинам – послідовності вибірок кутів на перехідних ділянках.

Для визначення статичних діагностичних показників Qстат використовується
розроблена математична модель РАЗА, яка зв’язує кут відхилення НП із
довжинами МРО. При цьому, при обчисленні фактичних Qстат беруться
інформативні ознаки P, а при нормативних Qстат_норм – кути, обумовлені
фізичним місцем розташування світлових сигналів. Для обчислення
динамічних діагностичних показників Qдинам визначаються значення T,
відповідно, при нормативних і фактичних переходах. Максимальні
неузгодженості Q і Qнорм за статичним (L) і динамічним (T) параметрами
формують діагностичні ознаки D.

Використання математичної моделі веде до підвищення точності обчислень і
дозволяє розширити набір діапазонів можливих значень за ознакою Дц з 3
до 5. Ознаки ДL і ДT також мають 5 діапазонів. Для ознаки Дц, а також
для обчислюваної на її основі ДL, граничні відхилення відомі апріорно, а
для ДT вони визначені експериментальним чином. Оскільки вимірювані
значення ознак підкоряються закону нормального розподілу, границі
діапазонів обрані рівномірними з урахуванням граничних відхилень.

”. При цьому, для одержання діагностичних ознак використані таблиці,
які містять у сукупності 144 чинники, для визначення класу стану –
таблиця з 194 чинників. Для логічного виводу використовується таблиця
правил-продукцій, яка містить 194 правила. Номера правил відповідають їх
пріоритетам, послідовне виконання правил цієї таблиці дозволяє одержати
номер класу стану РАЗА, який є комплексною оцінкою стану за статичними і
динамічними параметрами, а також обчислити вірогідність належності до
даного класу. Усього використовується 8 класів розпізнавання, з яких 5
проміжних дозволяють класифікувати стан РАЗА за динамічними параметрами,
а підсумкові 3 – за сукупністю усіх параметрів.

У третьому розділі представлена інформаційна технологія, яка дозволяє
автоматизувати процес діагностики ОЕХ, представлений інформаційною
моделлю, згідно рис. 3. Запропонована інформаційна технологія забезпечує
послідовне виконання усіх технологічних етапів діагностування. Виділені
основні етапи процесу діагностики: підготовчий етап, проведення
експерименту, параметрична ідентифікація РАЗА, класифікація стану РАЗА,
аналіз результатів діагностування, формування та реєстрація діагнозу.
Для кожного з етапів визначені вхідні дані, отримані результати,
виконавці, середній час виконання та методи, методики, алгоритми і
моделі, що застосуються.

P

R

ae

„#

„^„#

„#

„Yo^„#

ae

e

?

?

?

???th??

??????$

, що приймає рішення – ОПР). Додатково до діаграми взаємодій динамічна
семантика відображена в діаграмі станів та переходів; для її розробки
визначені базові стани (Початковий стан, Специфікація об’єкта
діагностики, Експеримент, Обчислювач, Вирішувач, Діагноз) і набори
можливих подій, що змінюють стан системи.

Для підтримки описаної інформаційної технології розроблено програмний
комплекс діагностичної системи “EYECOM”, який включає алгоритми та
програми для функціонування системи. Діагностична система “EYECOM”
призначена для рішення задач перевірки працездатності і пошуку дефекту
на основі даних, одержуваних у результаті застосування математичного
моделювання. “EYECOM” надає засоби для виконання основних задач, що
виникають при діагностуванні системи.

Блокова структура “EYECOM” (рис. 4) складається з блоку попередньої
обробки сигналу, блоку обчислення інформативних ознак РАЗА, блоку
обчислення діагностичних ознак РАЗА, інтелектуального розв’язувального
модуля, який включає базу знань про діагностику, базу даних і блок
видачі результатів діагностики. Робота з програмним комплексом
організована у вигляді майстра формування оцінки стану РАЗА.

Рис. 4. Структура апаратно-програмної СОД.

Вхідними даними системи є форматований текстовий файл, що містить дані,
які представляють реакцію РАЗА на зовнішній вплив. Вихідними даними
системи є база даних, що містить діагностичну оцінку стану РАЗА,
сформовану на підставі методу, описаного в розділі 2.

Функціонування СОД сумісно з роботою лікаря-офтальмолога складає АСУ
станом РАЗА (рис. 5), яка призначена для зведення поточного стану РАЗА
до нормативного. К функціям оператора відноситься обстеження пацієнта,
визначення отриманих впродовж експерименту значень параметрів РАЗА та
класифікація його стану. Експерт аналізує дані про пацієнта та, у разі
їхньої невірогідності або суперечності, вимагає проведення повторного
обстеження. За перевіреними експертом даними лікар-офтальмолог формує
діагноз у термінах предметної галузі. При цьому, він використовує
результати допоміжних обстежень пацієнта та знання про типову норму і
можливі відхилення від неї. За результатами діагностики лікар, як ОПР,
може призначити проведення терапевтичного або оперативного втручання, що
веде до зміни поточного стану РАЗА. АСУ має блок поточного стану РАЗА у
ланцюгу із зворотним зв’язком, отже система працює, доки поточний стан
РАЗА не стане збігатися з нормативним.

Рис. 5. Процес діагностики та лікування РАЗА.

Діагностична система може бути ефективно використана як самостійно, так
і у складі пакета автоматизованих засобів офтальмологічного
діагностування, що дозволяє здійснити повне діагностування зорового
аналізатора людини. У рамках розвитку програмного комплексу “EYECOM”
можлива розробка автоматизованих засобів підтримки прийняття рішення при
оперативних методах лікування.

У четвертому розділі наведено експериментальне дослідження методу
автоматизованого діагностування РАЗА на основі об’єктно-орієнтованої
моделі.

Для проведення діагностики використовується СОД (див. рис. 4), яка
розроблена в лабораторії розладів бінокулярного зору і функціональних
методів дослідження Одеського науково-дослідного інституту очних хвороб
і тканинної терапії ім. акад. В.П. Філатова під керівництвом доктора
медичних наук, доц. Бушуєвої Н.М. В основу роботи СОД покладена описана
в розділі 2 модель, що дозволяє інтерпретувати внутрішні процеси, які
визначають поводження ока за їх зовнішніми проявами.

Інформаційна технологія, описана в розділі 3, дозволяє автоматизувати
всі етапи процесу діагностики. Застосування сучасних інтелектуальних
засобів дає можливість фахівцеві-офтальмологові обчислювати і
аналізувати значення діагностичних ознак моделі РАЗА, використовуючи
вбудовану систему підтримки прийняття рішень.

Для визначення стану РАЗА досліджується кожна з функціонуючих МРО і
оцінюється її внесок в інтегральну оцінку стану РАЗА. Для цього
експеримент будується таким чином, щоб подаваний на вхід РАЗА сигнал
стимулював у кожен момент часу роботу тільки однієї МРО. Послідовний
перебір вхідних сигналів, що діють на окремі МРО, отримання та обробка
результатів експерименту дозволяють одержати повну діагностичну
інформацію про об’єкт.

Для проведення експерименту оператором задається послідовність керуючих
впливів, яка представляє собою почергове засвічування світлодіодів
невеликого розміру. Пацієнтові при закритому правому оці пропонується
фіксувати задані світлові точки на екрані з координатною сіткою, при
цьому знімаються телевізійні зображення лівого ока. При закритому
правому оці ліве око фіксує фактичні положення точок фіксації. Потім те
ж виконується при відкритому правому оці, при цьому, ліве око фіксує
деякі точки, які при відсутності рівноваги м’язового апарата лівого ока
не збігаються із фактичними положеннями точок фіксації. Аналогічно
обстежується праве око при закритому та відкритому лівому.

У роботі в рамках математичного пакета Scilab розроблена бібліотека, що
включає власні блоки (нелінійні, лінійні, екстремальний регулятор,
виконавчий механізм), за допомогою яких проведене моделювання роботи СЕР
із запам’ятовуванням екстремуму типу нелінійна-лінійна 4-х видів:
ідеалізована, з ланкою запізнювання, з інерційною ланкою, з ланкою
запізнювання та інерційною ланкою спільно. З використанням даної
бібліотеки розроблено функціональну блок-схему – S-модель РАЗА,
результати моделювання якої дозволяють параметризувати РСО як СЕР із
запам’ятовуванням екстремуму типу нелінійна-лінійна без ланки
запізнювання. При цьому функції f і f2 апроксимуються прямою
y=?0.087x+3.9. Усереднене значення постійної часу дорівнює 0.1 сек.

При дослідженні РСО як СЕР отримані залежності вхідної та вихідної
величин від часу (рис. 6). Апостеріорно отримані значення додаткових
параметрів СЕР:

Ис вх=0.08 с, Zр с=-1,73, Zmax с=0, Zextr=Zmin c=-2, Xextr=4.7,

де Ис вх – напівперіод автоколивань входу X (пошукової дії); Zр с –
значення вихідної координати РСО Z в момент реверсу; Zmax с та Zmin c –
максимальне та мінімальне значення вихідної координати РСО Z, які
“запам’ятовуються” регулятором; Zextr та Xextr – екстремальні значення
вхідної та вихідної координат системи.

Аналіз та обробка експериментальних даних показали істотне підвищення
точності при обчисленні кута відхилення НП, що є основною величиною для
обчислення статичних діагностичних ознак. Похибка результату при
використанні неавтоматизованого метода становила

г = гмет + гсуб’єкт + гапар матр = 5є,
(10)

де гмет і гсуб’єкт – відповідно, методична і суб’єктивна похибки; гапар
матр – похибка, обумовлена точністю завдання керуючих точок, гапар
матр=0.2є.

При використанні автоматизованого методу похибка була

г = гмет + гапар ? 0.2є,
(11)

де гмет – методична похибка, пов’язана з усередненням значень вихідного
сигналу при обробці статичних ділянок, гмет?0.02є; гапар – апаратна
похибка, що визначається апаратною розв’язною здатністю відеокамери,
гапар?0.18є.

Рис. 6. Залежності вхідної X та вихідної Z величин РСО від часу.

Розроблена СОД “EYECOM” та інформаційна технологія були використані для
визначення наявності і величини косоокості в лабораторії розладів
бінокулярного зору і функціональних методів дослідження Одеського
науково-дослідного інституту очних хвороб і тканинної терапії ім. акад.
В.П. Філатова. При проведенні експерименту узята вибірка з 10 пацієнтів,
для кожного з пацієнтів визначались статичні параметри по 30 разів для
кожного з 8 станів РАЗА. Результати показали, що щільність розподілу
ймовірностей параметрів Дц відповідає нормальному закону розподілу.
Порівняльний аналіз результатів роботи СОД на вибірці з 60 осіб показав
зниження похибки приблизно в 25 разів при діагностиці статичних
параметрів, що відповідає розрахункам (10) та (11). При визначення
постійної часу T на вибірці з 60 осіб для 12 базових переходів РАЗА
отримано її усереднене значення Tусер=0.1 сек з максимальним
відхиленням 0.08 сек. Використання СОД забезпечило також зменшення часу
діагностики майже в 2 рази в порівнянні з неавтоматизованим методом, що
для РАЗА становить близько 3 хв. 5 сек. Крім того, досягається економія
часу при розпаралелюванні процесу діагностики за рахунок можливості
рознесення процесів одержання класу стану і аналізу ситуації експертом і
особою, що приймає рішення про діагноз.

ВИСНОВКИ

У дисертаційній роботі розроблена і науково обґрунтована нова система
діагностики РАЗА, яка є автоматизованою та базується на інформаційній
об’єктно-орієнтованій моделі процесу діагностики і дозволяє одержати
оцінку стану РАЗА у вигляді класу. Відповідно до цього підходу
формуються множини статичних та динамічних ознак, які комплексно
описують стан РАЗА. Розробка метода діагностики РАЗА забезпечила
підвищення точності результатів вирішення задач перевірки працездатності
і пошуку дефекту, а розробка відповідної інформаційної технології
привнесла усі переваги автоматизації процесу.

Проведено систематизацію методів дослідження стану РАЗА та аналіз їх
властивостей відносно множини і точності обробки досліджуваних
параметрів. Показано, що існуючи методи діагностики порушень
функціонування РАЗА спрямовані лише на статичний опис його роботи з
невеликою точністю.

Аналіз структури і функціонування рухової системи ока показав, що її
можна класифікувати як систему екстремального однопараметричного
регулювання, що містить РАЗА як об’єкт управління з екстремальною
статичною характеристикою. Результати аналізу покладені в основу
побудови математичної моделі рухової системи ока. Вперше доведене
Твердження про інваріантність кількісних характеристик і параметрів СЕР
з управлінням по вихідній величині з запам’ятовуванням екстремуму, яка
має параболічну нелінійну частину, відносно зміни місцеположення
екстремальної точки параболи. Це Твердження розповсюджується на модель
функціонування рухової системи ока, яка представляється системою
екстремального регулювання із запам’ятовуванням екстремуму типу
нелінійна-лінійна.

Система діагностичних ознак РАЗА доповнена м’язовими ознаками та
додатково містить динамічні діагностичні ознаки, що дозволяє інтегрально
оцінювати стан РАЗА. Як основні статичні та динамічні параметри обрані
відповідно фактичні довжини м’язів, що рухають око і значення постійних
часу перехідних процесів при зміні зорової інформації.

Для опису структури та функціонування РАЗА розроблена його математична
модель, яка містить статичні і динамічні параметри його лінійних та
нелінійних складових, та виконана параметрична ідентифікація моделі.
Математична модель РАЗА, що входить в інформаційну модель процесу
діагностики, містить систему лінійних диференціальних рівнянь для
обчислення динамічних і нелінійні залежності для обчислення статичних
параметрів. Точні значення коефіцієнтів цих рівнянь одержуються шляхом
обробки вхідного і вихідного сигналів з використанням методу
ідентифікації. З використанням математичної моделі розраховані значення
нижньої і верхньої границь діапазонів можливих значень параметрів.

Розроблено ієрархічну інформаційну модель процесу діагностики стану
РАЗА, яка передбачає перетворення інформаційних потоків на всьому
протязі процесу діагностики та використовує експериментальну, корисну
інформацію, інформативні ознаки, діагностичні показники, набір
структурних описів РАЗА, набір нормативних значень параметрів,
діагностичні ознаки, множину діапазонів можливих значень діагностичних
ознак, множину розв’язувальних правил, підсумковий діагностичний клас.

Розроблений метод автоматизованої діагностики стану РАЗА, заснований на
використанні об’єктно-орієнтованої інформаційної моделі, дозволяє на
підставі значень показників об’єкту і процесу діагностики РАЗА вибрати
метод псевдовипадкового тесту для перевірки працездатності і метод
порівняння з еталоном для визначення дефекту; вирішити задачу
параметричної ідентифікації для визначення значень діагностичних ознак;
вибрати критерії класифікації за значеннями статичних і динамічних
діагностичних ознак; вирішити задачу класифікації стану об’єкту. Для
відділення корисної інформації від шумів запропоновано використати метод
медіанної фільтрації.

Запропоновано інформаційну технологію, що дозволяє автоматизувати
діагностування рухової системи ока. Виділені 6 основних етапів процесу
діагностики, для кожного з них визначені вхідні дані, отримані
результати, виконавці, середній час виконання та методи, методики,
алгоритми і моделі, що застосуються. Додатково до інформаційної
технології наведені діаграма станів і переходів та діаграма взаємодії,
що відображає протокол функціонування системи.

Наведено методику діагностування, що включає підготовку до експерименту,
проведення експерименту і обробку результатів та формування
діагностичного висновку в термінах номерів діагностичних класів.
Запропоновано систему розв’язувальних правил, що дозволяє автоматизувати
процес діагностики стану РАЗА з використанням продукційної системи
підтримки прийняття рішень на етапах формування діагностичних ознак і
визначення класу стану РАЗА. При цьому розроблені таблиці бази даних, що
містять у сукупності 338 фактів, і база знань, що включає 194
правила-продукції.

Реалізація запропонованої інформаційної технології представлена системою
офтальмологічної діагностики “EYECOM”, призначеною для рішення задач
перевірки працездатності та пошуку дефекту на основі даних, одержуваних
у результаті застосування математичного моделювання. Запропоновано
автоматизовану систему управління зміною стану РАЗА, до складу якої
входить розроблена система діагностики. Зміна стану РАЗА відбувається
при терапевтичному або оперативному втручанні лікаря-офтальмолога, що
міститься у ланцюгу з від’ємним зворотним зв’язком.

Розроблена система офтальмологічної діагностики “EYECOM” та інформаційна
технологія були впроваджені в Одеському науково-дослідному інституті
очних хвороб і тканинної терапії ім. акад. В.П. Філатова в лабораторії
розладів бінокулярного зору і функціональних методів дослідження для
оцінки стану рухової системи ока, у тому числі, для визначення наявності
і величини косоокості. Порівняльний аналіз результатів роботи комплексу
на вибірці 60 осіб показав зниження похибки приблизно в 25 разів при
діагностиці статичних параметрів і зменшення затрачуваного часу майже в
2 рази в порівнянні з неавтоматизованим методом. Крім того, досягається
економія часу при розпаралелюванні процесу діагностики за рахунок
можливості рознесення процесів одержання класу стану та аналізу ситуації
експертом і особою, що приймає рішення про діагноз (документи, які
підтверджують впровадження, наведено в додатках роботи).

Розроблені методики, алгоритми і програми використані в навчальному
процесі на кафедрі “Системне програмне забезпечення” ОНПУ в дисциплінах
“Теорія алгоритмів та обчислювальних процесів” і “Основи програмування
та алгоритмічні мови”, а також у дипломному проектуванні.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

Паулин О.Н. Разработка структуры САПР систем контроля, диагностики и
аварийной защиты / Паулин О.Н., Старкова Н.О. // Тр. Одес. политехн.
ун-та. – Одесса, 1998. – Вып. 2(6). – С. 23 – 25.

Старкова Н.О. Построение имитационной модели двигательного аппарата
глаза / Старкова Н.О., Паулин О.Н., Македон С.В. // Тр. Одес. политехн.
ун-та. – Одесса, 1999. – Вып. 2(8). – С. 153 – 156.

Старкова Н.О. Систематизация параметров двигательного аппарата глаза с
целью его идентификации и диагностики // Тр. Одес. политехн. ун-та. –
Одесса, 1999. – Вып. 3(9). – С. 133 – 135.

Старкова Н.О. К вопросу автоматизации диагностики в офтальмологии //
Системний аналіз, управління і інформаційні технології: Вісник
Харківського держ. політехн. ун-ту. Зб. наук. праць. – Харків, 2000. –
Вип. 97. – С. 96 – 100.

Паулин О.Н. Автоматизация процесса исследования переходных характеристик
математической модели двигательной системы глаза человека / Паулин О.Н.,
Комлевая (Старкова) Н.О. // Вісник Технологічного ун-ту Поділля. –
Хмельницький, 2002. – Вип.4. – Ч.1(42). – С. 116 – 119.

Паулин О.Н. Программный инструментарий для моделирования двигательного
аппарата зрительного анализатора / Паулин О.Н., Комлевая Н.О., Журавская
Я.Ю. // Тр. Одес. политехн. ун-та. – Одесса, 2002. – Вып. 2(18). – С. 97
– 102.

Паулін О.М. Оцінка похибок апаратно-програмного комплексу для
дослідження функціонування рухового апарата зорового аналізатора /
Паулін О.М., Комлева (Старкова) Н.О. // Вісник ЖІТІ. – 2003. – № 1(24).
– С. 156 – 159.

Комлевая Н.О. Разработка информационной технологии диагностирования
нелинейных систем / Комлевая Н.О., Паулин О.Н. // Холодильна техніка і
технологія. – Одесса, 2005. – Вып. 4(96). – С. 110 – 117.

Паулин О.Н. Автоматизация диагностики и принятия решений в сложных
ситуациях / Паулин О.Н., Старкова Н.О. // Труды конф. “Использование
компьютерных технологий в учебном процессе”. – Харьков: ХТУРЭ. – 1997. –
С. 79 – 80.

Старкова Н.О. Компьютерная диагностика функциональных нарушений
глазодвигательного аппарата / Старкова Н.О., Паулин О.Н., Бушуева Н.Н.,
Македон С.В. // Труды Укр. академии эконом. кибернетики (Южный научный
центр) “Оптимизация управления, информационные системы и компьютерные
технологии”. – Киев-Одесса: ИСЦ, 1999. – Вып. 1. – Ч. 2. – С. 119 – 123.

Паулин О.Н. Построение математического описания функционирования глаза
/ Паулин О.Н., Старкова Н.О. // Труды второй международной научн.-практ.
конф. “Современные информационные и электронные технологии”. – 2001. –
С. 28 – 29.

Паулин О.Н. Исследование характеристик математической модели
двигательного аппарата глаза / Паулин О.Н., Комлевая (Старкова) Н.О. //
Праці третьої всеукраїнської конференції молодих науковців “Інформаційні
технології в науці, освіті і техніці”. – 2002. – C. 193 – 196.

Паулин О.Н. Автоматизированная диагностика нелинейных cистем на базе
комплекса «EYECOM» / Паулин О.Н., Комлевая Н.О. // Труды пятой
международной НПК «Современ. информац. и электрон. технологии СИЭТ-04».
( 2004. ( С. 140.

Комлева Н.О. Розробка автоматизованої системи діагностики рухового
апарату зорового аналізатора . Ї Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за
спеціальністю 05.13.06 Ї Автоматизовані системи управління та
прогресивні інформаційні технології. Ї Одеський національний
політехнічний університет, Одеса, 2006.

Метою дисертаційної роботи є підвищення точності результатів
діагностування рухового апарату зорового аналізатора (РАЗА) шляхом
розробки автоматизованої системи діагностики, заснованої на
інформаційній моделі процесу діагностики та методі виявлення і аналізу
діагностичних ознак РАЗА. РАЗА входить до складу рухової системи ока,
яка класифікована як система типу нелінійна-лінійна з екстремальною
статичною характеристикою.

Запропоновано метод автоматизованого діагностування, що забезпечує
перетворення інформаційних потоків на всьому протязі процесу діагностики
і отримання результату у вигляді класу стану РАЗА.
Структурно-функціональний аналіз дозволяє сформувати множину ознак –
відхилення довжин м’язів, що рухають око, і відхилення постійних часу
перехідних процесів при зміні зовнішнього впливу від їх номінальних
значень, – по яким проводиться діагностика рухової системи ока.

Розроблена нова інформаційна технологія, яка реалізована у вигляді
системи офтальмологічної діагностики “EYECOM”.

Ключові слова: автоматизована система діагностики, руховий апарат
зорового аналізатора, информаційна модель, діагностичні ознаки, оцінка
стану системи, класифікація, розв’язувальні правила.

Komlevaya N.O. Building up the automated system for diagnosting
extraocular apparatus. Ї Manuscript.

The thesis for a scientific degree of the candidate of technical
sciences on specialty 05.13.06 Ї Automated control systems and advanced
information technologies. Ї The Odessa National Polytechnic University,
Odessa, 2006.

The purpose of the thesis is an increase of reliability of results of
diagnosing extraocular apparatus (EA) by developing the automated
diagnosing system and a object-oriented information diagnosing model as
its basic method for revealing and analyzing EA diagnostic attributes.
The EA is included in the extraocular system which is classified as a
system with the extreme static characteristic of nonlinear-linear type.

The method of automated diagnosing which provides transforming
information streams during the whole diagnosing process and receiving
the result of diagnosing system as a class of EA condition has been
offered. The structurally functional analysis allows to generate a set
of features such as deviations of extraocular muscles lengths and time
constants of transient processes. These features change their nominal
values under the influence of certain external effects. The diagnostics
of the extraocular system is made on these features.

The newly developed information technology has been realized as an
«EYECOM» diagnostic system.

Key words: information technology, automated diagnosing, nonlinear
systems with the extreme characteristic, information model, diagnostic
attributes, classification, solving rules, an estimation of a system
condition.

Комлевая Н.О. Разработка автоматизированной системы диагностики
двигательного аппарата зрительного анализатора. Ї Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по
специальности 05.13.06 Ї Автоматизированные системы управления и
прогрессивные информационные технологии. Ї Одесский национальный
политехнический университет, Одесса, 2006.

Диссертация посвящена решению проблемы автоматизации диагностирования
двигательного аппарата зрительного анализатора (ДАЗА) с использованием
информационной модели процесса диагностики.

Целью диссертационной работы является повышение точности результатов
диагностирования ДАЗА путем разработки автоматизированной системы
диагностики, основанной на объектно-ориентированной информационной
модели процесса диагностики и методе выявления и анализа диагностических
признаков ДАЗА.

Автоматизация диагностирования ДАЗА проводится посредством построения
математической модели ДАЗА и моделирования работы глазодвигательной
системы и отдельных ее элементов. Для этого формализовано математическое
описание ДАЗА и проведен анализ глазодвигательной системы на предмет
выделения составляющих ее элементов и межэлементных связей.

Предложен метод автоматизированного диагностирования, обеспечивающий
преобразование информационных потоков на всем протяжении от съема
экспериментальной информации о системе до получения результата
диагностирования системы в виде класса ее состояния. Метод позволяет на
основании значений показателей объекта и процесса диагностики выбрать
методы для проверки работоспособности и поиска дефекта; решить задачу
параметрической идентификации для определения значений диагностических
признаков; решить задачу классификации состояния объекта.

В основу метода легла иерархическая объектно-ориентированная модель
процесса диагностики ДАЗА, использующая экспериментальную, полезную
информацию, информативные признаки, диагностические показатели, набор
структурных описаний, набор нормативных значений параметров,
диагностические признаки, множество диапазонов возможных значений
диагностических признаков, множество решающих правил, итоговый
диагностический класс.

Структурно-функциональный анализ ДАЗА позволяет выделить статические и
динамические параметры, на основании которых выполняется
диагностирование. В качестве основных статических и динамических
параметров выбраны соответственно фактические длины глазодвигательных
мышц (ГДМ) и значения постоянных времени переходных процессов при смене
зрительной информации. Диагностика состояния ДАЗА производится по таким
признакам, как отклонения длин ГДМ и отклонения постоянных времени от их
номинальных значений. Значения этих признаков позволяют провести
диагностику объекта вначале по каждому элементу объекта (ГДМ) по
отдельности, а затем получить обобщенную оценку состояния объекта.

Проведенный анализ методов решения задач диагностирования позволяет
выбрать для ДАЗА метод псевдослучайного теста для проверки
работоспособности и метод сравнения с эталоном для определения дефекта.
Входящая в информационную модель математическая модель ДАЗА содержит
систему линейных дифференциальных уравнений для вычисления динамических
и нелинейные зависимости для вычисления статических параметров.
Приведена методика диагностирования, включающая подготовку к
эксперименту, проведение эксперимента и обработку результатов,
формирование диагностического заключения в терминах номеров
диагностических классов. Предложена система решающих правил, позволяющая
автоматизировать процесс диагностики состояния ДАЗА с использованием
продукционной системы поддержки принятия решений на этапах формирования
диагностических признаков и определения класса состояния ДАЗА. В работе
проведено моделирование работы глазодвигательной системы, по результатам
которого проведена ее параметризация как системы экстремального
регулирования с запоминанием экстремума типа нелинейная-линейная без
звена запаздывания.

Реализация предложенной информационной технологии представлена системой
офтальмологической диагностики “EYECOM”, которая совместно с функциями
врача-офтальмолога образует автоматизированную систему управления
состоянием ДАЗА пациента. Данная система управления в процессе своей
работы стремится свести текущее состояние ДАЗА к нормативному и содержит
блок терапевтического и/или оперативного вмешательства
врача-офтальмолога в цепи с отрицательной обратной связью. “EYECOM”
может быть использована совместно с другими системами в рамках
диагностического комплекса. Комбинация данных систем позволяет
осуществить полное диагностирование зрительного анализатора человека. В
рамках развития “EYECOM” возможна разработка автоматизированных средств
поддержки принятия решения при оперативных методах лечения.

Разработанная система офтальмологической диагностики “EYECOM” и
информационная технология были использованы для оценки состояния
глазодвигательной системы, в том числе, для определения наличия и
величины косоглазия, в Одесском институте глазных болезней и тканевой
терапии имени акад. В.П. Филатова в лаборатории нарушений бинокулярного
зрения и функциональных методов исследования. Сравнительный анализ
результатов работы комплекса показал снижение погрешности приблизительно
в 25 раз и уменьшение затрачиваемого времени почти в 2 раза по сравнению
с первоначальным методом. Кроме того, достигается экономия времени при
распараллеливании процесса диагностики за счет возможности разнесения
процессов получения класса состояния и анализа ситуации экспертом и
лицом, принимающим решение о диагнозе.

Разработанные методики, алгоритмы и программы внедрены в учебный процесс
на кафедре “Системное программное обеспечение” ОНПУ в дисциплинах
“Теория алгоритмов и вычислительных процессов” и “Основы
программирования и алгоритмические языки”, а также в дипломном
проектировании.

Ключевые слова: автоматизированная система диагностики, двигательный
аппарат зрительного анализатора, информационная модель, диагностические
признаки, классификация, решающие правила, оценка состояния системы.

t, мс

t, мс

Похожие записи