Абдуллаев Н.Т., Мамедов Н.Я., Агаева Г.С. Применение метода спектрального анализа для дифференциальной диагностики заболевания органов ЖКТ // Информационные технологии. 2016. Том 22. № 9. С. 699–703.

Популярно о болезнях ЖКТ Лекарства при болезнях ЖКТ Если лечение не помогает Адреса клиник

Авторы: Абдуллаев Н.Т. / Мамедов Н.Я. / Агаева Г.С.


Применение метода спектрального анализа для дифференциальной диагностики заболевания органов желудочно-кишечного тракта

Н.Т. Абдуллаев1, канд. техн. наук, доц., e-mail: a.nаmik46@mаil.ru,
Н.Я. Мамедов2, канд. техн. наук, доц., e-mail: mr.nurаddin47@mаil.ru,
Г.С. Агаева2, диссертант, e-mail: gunel_asоa@yahоо.com

1 Азербайджанский технический университет
2 Азербайджанский государственный университет нефти и промышленности, г. Баку
Рассматривается возможность использования предложенного алгоритма спектрального анализа измерительных сигналов для дифференциальной диагностики функционального состояния органов кишечно-желудочного тракта. Исследованы электрогастроэнтерографические сигналы для нормального состояния при язвенных поражениях желудка и двенадцатиперстной кишки. Для дифференциальной диагностики этой болезни используются средние значения комплексных коэффициентов Фурье, приведены зависимости этих коэффициентов от числа гармоник исследуемого сигнала. Предложены структуры искусственных нейронных сетей для классификации образцов.

Ключевые слова: желудочно-кишечный тракт, электрогастроэнтерографические сигналы, спектральный анализ, коэффициенты Фурье, нейронная сеть

Введение

Спектральный анализ электрофизиологических сигналов является одним из самых распространенных методов обработки измерительных сигналов в целях определения их особенностей и выявления информативных диагностических признаков.

В работе [1] для периодического непрерывного сигнала y = f(t), характеризуемого выражением

 

где ω = 2π/T (T — период сигнала), комплексные коэффициенты Фурье Cn определяются как

 

Далее, используя заданную зависимость y = f(t), определим новую неявную функцию y в зависимости от t:

 

где α — малая постоянная величина.

Зависимость (1) определяет y как однозначную целевую функцию от t; если f(t) дифференцируема, имеет ограниченную первую производную и удовлетворяет условию существования и единственности неявной функции, то в этом случае выражение (1) позволяет определить некоторую однозначную функцию вида

 

Тогда для преобразованной зависимости (2) разложение в ряд Фурье будет иметь следующий вид:

 

Поскольку для определения коэффициентов Gn не всегда представляется возможным зависимость (1) представить в явном виде (2), то выражение (1) следует представить в параметрической форме.

Для преобразованной функции F(t, α) коэффициенты Фурье Gn были определены как [1]

 

В работах [1, 2] было показано, что при соответствующем выборе числа а расчет коэффициентов Сn можно заменить расчетом коэффициентов Gn, так как разность F(t, α) - f(t) невелика. Используя выражение (4) и непосредственно вычисляя предел  

     получаем      Кроме того, из соотношения (4) следует, что G0 = С0; это означает, что при выполнении преобразования (1) постоянная составляющая сигнала не меняется. При этом выражения для расчета комплексных коэффициентов Фурье Gn позволяют исключить необходимость операций умножения исходной функции на ортогональные составляющие функции е-jnωt, используемых в алгоритме БПФ. Это, в свою очередь, упрощает расчеты по предложенному алгоритму вычисления коэффициентов Фурье.

Если сигнал f(t) представлен дискретными значениями в М точках отрезка [0, T], что характерно для цифровой обработки сигналов, то для вычисления комплексных коэффициентов Фурье может быть использовано выражение

 

где     — моменты отсчета мгновенных значений сигнала.

Эффективность рассмотренного алгоритма повышается, если исследуемый сигнал относится к классу низких и инфранизких частот.

Постановка проблемы

Поскольку электрофизиологические сигналы относятся к классу низких и инфранизких частот [3], то предлагается использование комплексных коэффициентов Фурье Gi, i = 1, n , в качестве информативных параметров для дифференциальной диагностики функционального состояния исследуемого органа человеческого организма. В качестве биоэлектрических сигналов были выбраны электрогастроэнтерографические сигналы, характеризующие электрическую активность желудка и кишечника [4—8]. Специфичность частот базисных ритмов для каждого отдела желудочно-кишечного тракта легла в основу электрофизиологических методов исследования его различных отделов (табл. 1).

Таблица 1. Частоты, характерные для различных отделов желудочно-кишечного тракта

Отдел желудочно-кишечного тракта

Частота, Гц

Номер частотного отдела

Толстая кишка

0,01...0,03

5

Желудок

0,03...0,07

1

Подвздошная кишка

0,07...0,13

4

Тощая кишка

0,13...0,18

3

Двенадцатиперстная кишка

0,18...0,25

2

Результаты вычислительного эксперимента и их анализ

В качестве исходных данных были рассмотрены реально измеренные тощаковые сигналы для нормального состояния и язвенной болезни желудка. Электрогастрограммы соответствующих состояний органов желудочно-кишечного тракта были приведены в статье [9]. Обработке подвергались оцифрованные значения этих сигналов с частотой дискретизации 100 Гц. Расчеты были повторены по 10 пациентам одной гендерной группы (мужчины) примерно одной возрастной группы (35...47 лет) с указанными диагностическими заключениями, подтвержденными эндоскопическими и рентгенологическими обследованиями.

Поскольку электрогастроэнтерографический сигнал является нестационарным, его спектр не следует рассчитывать за весь временной интервал исследования (в нашем случае T = 16 мин). Вместо этого выбирается отрезок сигнала постоянной длительности (например, четырехминутный) и методом "скользящего окна" со сдвигом в одну минуту просматривается весь интервал измерения. При этом спектр сигнала рассчитывается для каждого временного отрезка. Таким образом метод "скользящего окна" помогает сглаживанию тренда сигнала. Выбор отрезка такой длительности обусловлен тем, что сокращения различных органов желудочно-кишечного тракта являются низкочастотными. Сложный характер электрогастроэнтерографического сигнала является результатом сложения многих гармоник. Выбор такой длительности временного отрезка обеспечивает хорошее разрешение по частоте спектральных составляющих, что очень важно при расчетах информативных диагностических показателей.

Распределение усредненных значений комплексных коэффициентов Фурье по гармоникам, рассчитанным согласно выражению (5), приведено в табл. 2 и на рис. 1.

Аналогичные расчеты были проведены по электрогастрограмме для нормального состояния и язвенной болезни двенадцатиперстной кишки. Для этих состояний двенадцатиперстной кишки распределение усредненных значений комплексных коэффициентов Фурье приведены в табл. 3 и рис. 2.

Из представленных графиков можно судить о различии значений комплексных коэффициентов Фурье для нормы и язвенной болезни желудка и двенадцатиперстной кишки, что позволяет использовать их в качестве информативных признаков для дифференциальной диагностики функционального состояния исследуемого органа желудочно-кишечного тракта. При расчетах число гармоник исследуемого электрогастроэнтерографического сигнала может варьироваться по желанию исследователя в целях определения характера изменения получаемых значений коэффициентов. Полученные в целях определения характера поведения предлагаемых усредненных диагностически значимых параметров зависимости по всем исследуемым пациентам подтвердили результаты проведенных исследований.

Таблица 2. Средние значения комплексных коэффициентов G для желудка
Номер
гармоники, n
G0
G1
G2
G3
G4
G5
G6
G7
G8 G9
G10
Желудок
(норма)
0,00614
3,5653
4,14436
4,59584
5,86207
7,00504
6,75691
12,6898
15,5735
10,3688
19,9622
Желудок
(язва)
9,9.10–8
6,33458
6,3261
6,31718
6,35878
6,38944
6,35681
6,34567
6,49474 6,31693 6,23503
Таблица 3. Средние значения комплексных коэффициентов G для двенадцатиперстной кишки
Номер
гармоники, n
G0
G1
G2
G3
G4
G5
G6
G7 G8
G9
G10
ДПК (норма)
5.10–0,5
5,4689
5,4646
5,52696
5,92111
5,24062
5,52971
5,47688
4,78089
5,60848
5,35389
ДПК (язва)
0,00018
3,71958
3,71888
3,71501
3,76997
3,72728
3,70776
3,6942 3,79403 3,74646
3,77711


Рис. 1. Зависимость средних значений комплексных коэффициентов G от номера гармоники


Рис. 2. Зависимость средних значений комплексных коэффициентов G от номера гармоники

Таким образом, можно утверждать, что возможна дифференциальная диагностика органов желудочно-кишечного тракта по полученным показателям.

Полученные информативные показатели в целях классификации функционального состояния органов желудочно-кишечного тракта могут быть использованы в качестве входных параметров искусственной нейронной сети. Анализ топологий и структур искусственной нейронной сети, функций активации, методов и алгоритмов обучения нейросетей, а также видов нормализации входных параметров позволяет отдать предпочтение такой структуре, как многослойный персептрон, для которой характерно последовательное выделение признаков из исходного образа, что способствует эффективному распознаванию [10]. Сопоставительный анализ основных алгоритмов обучения нейросети позволяет отдать предпочтение алгоритму обратного распространения ошибки "Back Propagation", обладающему способностью минимизировать ошибки и являющемуся наиболее подходящим для нейросетей с технологией обучения с преподавателем в задачах классификации образов. Для рассматриваемой проблемы структура многослойного персептрона приведена на рис. 3. Одним из главных параметров нейросетей является число нейронов в скрытых слоях, которое определяет соотношение точности и обобщающей способности системы [11].

Для классификации патологий в электрофизиологии в работе [12] предложен модульный вариант структуры построения нейросетевых блоков, включающий в себя несколько параллельно расположенных нейросетевых модулей, построенных на основе структуры многослойного персептрона. Для классификации заболеваний органов желудочно-кишечного тракта на основании входных параметров, представляющих собой комплексные коэффициенты Фурье Gi, такая структура может иметь вид, представленный на рис. 4.


Рис. 3. Структура многослойного персептрона для распознавания патологий желудочно-кишечного тракта


Рис. 4. Модульный вариант построения нейронной сети для распознавания патологий желудочно-кишечного тракта (n — число входных параметров; K — число нейронов промежуточного слоя; N — число анализируемых патологий)

В качестве дополнительного входного параметра нейросети может быть использовано эффективное значение исследуемого сигнала Pi, что также позволит минимизировать ошибку диагностирования.

Преимуществом данной структуры является концентрация ресурсов каждого модуля на распознавание только одного заболевания, что способствует уменьшению вероятности ошибки неверного заключения для всей системы в целом, а также позволяет расширить функциональные возможности искусственной нейронной сети путем увеличения числа нейросетевых модулей для распознавания новых патологий без переобучения всей системы.

Список литературы

  1. Мамедов Н. Я., Абдуллаев Н. Т., Агаева Г. С. Численный алгоритм спектрального анализа измерительных сигналов // Изв. вузов "Приборостроение", 2014. Т. 57, № 7. С. 37—41.
  2. Мамедов Н. Я., Абдуллаев Н. Т., Агаева Г. С., Джафарова А. Н. Оценка погрешности метода быстрого спектрального анализа // Изв. вузов "Приборостроение", 2015. Т. 58, № 6. С. 428—435.
  3. Дмитриева Н. В. Системная электрофизиология: системный анализ электрофизиологических процессов. М.: Либроком, 2015. 251 с.
  4. Ребров В. Г., Станковский Б. А., Кулинина Г. И. Особенности регистрации электрической активности желудка и кишечника с поверхности тела пациента // Российский журнал гастроэнтерологии, гепатологии, колопроктологии. 1995. № 2. С. 48—52.
  5. Смирнова Г. О., Силуянов С. В. Периферическая электрогастроэнтерография в клинической практике. Пособие для врачей / Под ред. проф. В. А. Ступина. М.: Издат. дом "Медпрактика-М", 2009. 20 с.
  6. Электрогастроэнтерография: исследование электрической активности желудка и кишечника. Функциональная гастроэнтерология. М.: ЗАО НПП "Исток-Система".
  7. Модели и алгоритмы обработки электрогастроэнтерографического сигнала. URL: http:// www.masters. dounta.edu.ua/ 2009/kita/boutiti/diss/index.html.
  8. Вавринчук С. А., Косенко П. М. Системный анализ показателей периферической электрогастроэнтерографии у больных с осложненной язвенной болезнью. Хабаровск: Центр ИПКСЗ, 2012. 203 с.
  9. Абдуллаев Н. Т., Дышин О. А., Керимова М. И. Дифференциальная диагностика заболевания желудочно-кишечного тракта на основе мультифрактального анализа электрогастроэнтерографических сигналов // Информационные технологии. 2015. Т. 21, № 11. С. 871—877.
  10. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика. 2002. 344 с.
  11. Дмитриев Р. Н., Котин В. В. Моделирование временных рядов заболеваемости с использованием искусственных нейронных сетей // Медицинская техника. 2013. № 1. С. 35—38.
  12. Сушкова Л. Т., Исаков Р. В., Альмабрук М., Лукьянова Ю. А. Результаты исследования нейронных сетей в задачах распознавания патологических изменений электрической активности сердца // Биомедицинская радиоэлектроника. 2010. № 7. С. 9—13.


Application of the Method the Spectral Analysis for Differential Diagnosis the Disease Bodies of the Digestive Tract

N.T. Abdullayev1, Associate Professor, e-mail: a.nаmik46@mаil.ru,
N.Ya. Mamedov2, Associate Professor, e-mail: mr.nurаddin47@mаil.ru,
G.S. Agayeva1, Researcher, e-mail: gunel_asоа@yahоо.com

1 Azerbaijan Technical University, 2 Azerbaijan State University of Oil and Industry

The possibility use of the offered algorithm the spectral analysis of measuring signals for differential diagnostics a functional condition bodies of the enterogastric highway is considered. Elektrogastroenterografic signals for a normal state are investigated and at ulcer damages of a stomach and duodenum. For differential diagnosis this illness average values of complex coefficients Fourier are used, dependences these coefficients on number harmonicas of the studied signal are given. Structures of artificial neural networks for classification samples are offered.

Keywords: digestive tract, elektrogastroenterografic signals, spectral analysis, Fourier's coefficients, neural network

References

  1. Mamedov N. Ya., Abdullaev N. T., Agaeva G. S. Chislennyiy algoritm spektralnogo analiza izmeritelnyih signalov, Izv. vuzov "Priborostroenie", 2014, vol. 57, no. 7, pp. 37—41.
  2. Mamedov N. Ya., Abdullaev N. T., Agaeva G. S., Dzhafarova A. N. Otsenka pogreshnosti metoda byistrogo spektralnogo analiza, Izv. vuzov "Priborostroenie", 2015, vol. 58, no. 6, pp. 428—435.
  3. Dmitrieva N. V. Sistemnaya elektrofiziologiya: sistemnyiy analiz elektrofiziologicheskih protsessov, Moscow, Librokom, 2015, 251 p.
  4. Rebrov V. G., Stankovskiy B. A., Kulinina G. I. Osobennosti registratsii elektricheskoy aktivnosti zheludka i kishechnika s poverhnosti tela patsienta, Rossiyskiy zhurnal gastroenterologii, gepatologii, koloproktologii, 1995, no. 2, pp. 48—52.
  5. Smirnova G. O., Siluyanov S. V. Perifericheskaya elektrogastroenterografiya v klinicheskoy praktike. Posobie dlya vrachey. Pod red. prof. V. A. Stupina, Moscow: Izdat. dom "Medpraktika-M", 2009, 20 p.
  6. Elektrogastroenterografiya: issledovanie elektricheskoy aktivnosti zheludka i kishechnika. Funktsionalnaya gastroenterologiya, Moscow: ZAO NPP "Istok-Sistema". gastroscan.ru/ physician/egg/.
  7. Modeli i algoritmyi obrabotki elektrogastroenterograficheskogo signala. URL: www . masters. dounta.edu.ua/2009/kita/boutiti/ diss/index.html.
  8. Vavrinchuk S. A., Kosenko P. M. Sistemnyiy analiz pokazateley perifericheskoy elektrogastroenterografii u bolnyih s oslozhnennoy yazvennoy boleznyu. Habarovsk: IPKSZ, 2012, 203 p.
  9. Abdullaev N. T., Dyishin O. A., Kerimova M. I. Differentsialnaya diagnostika zabolevaniya zheludochno-kishechnogo trakta na osnove multifraktalnogo analiza elektrogastroenterograficheskih signalov, Informatsionnyie tehnologii, 2015, vol. 21, no. 11, pp. 871—877.
  10. Ossovskiy S. Neyronnyie seti dlya obrabotki informatsii, Moscow, Finansyi i statistika. 2002, 344 p.
  11. Dmitriev R. N., Kotin V. V. Modelirovanie vremennyih ryadov zabolevaemosti s ispolzovaniem iskusstvennyih neyronnyih setey, Meditsinskaya tehnika, 2013, no. 1, pp. 35—38.
  12. Sushkova L. T., Isakov R. V., Almabruk M., Lukyanova Yu. A. Rezultatyi issledovaniya neyronnyih setey v zadachah raspoznavaniya patologicheskih izmeneniy elektricheskoy aktivnosti serdtsa, Biomeditsinskaya radioelektronika, 2010, no. 7, pp. 9—13.



Назад в раздел
Популярно о болезнях ЖКТ читайте в разделе "Пациентам"
Лекарства, применяемые при заболеваниях ЖКТ
Адреса клиник

Логотип Исток-Системы

Информация на сайте www.gastroscan.ru предназначена для образовательных и научных целей. Условия использования.