Библиотечный каталог авторефератов Украины

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:

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

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

,      (3) 

де R – радіус очного яблука; , ,– координати кріплення відповідної МРО у до­віль­ний момент часу; , ,– 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)

де φ – поточне значення просторового кута повороту очного яблука; φ0 – норма­тив­не значення кута повороту; – 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 φ 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.

Твердження. Для СЕР з нелінійною частиною, яка описується рівнянням , вид вихідної величини , кількісні характеристики SX і параметри SP СЕР є інваріантними відносно зміни місцеположення екстремальної точки параболи.

Доказ. Розглянемо вихідну величину СЕР для двох випадків: наявність () та відсутність (Z) зсуву екстремальної точки параболи. Очевидно, що для усіх точок кривої Z(t) має місце співвідношення . Тоді для різниць поточного та максимального значень вихідних величин Ді ДZ отримаємо:

Д 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. 

В задачі діагностування РАЗА в якості задаючого сигналу використо­вуються світлові сигнали, які по черзі з'являються в полі зору; вони розташовані відносно початкового НП під довільним просторовим кутом φ0. У відповідь РСО формує дію x(t) шляхом повороту ока на кут таким чином, щоб сполучити НП φ зі світловим сигналом. Значення кута φ, 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.

Для виключення збурювальної дії і підвищення вірогідності вихідного сигналу ко­рис­на інформація R відокремлюється від шумів за допомогою методу медіанної філь­трації при апертурі до 5 відліків, оскільки шуми представлені одиноч­ними вики­дами. На основі R формуються інформативні ознаки P=PстатPдинам, 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.

Для обчислення діагностичних ознак і рішення задачі класифікації стану РАЗА вико­ристовується продукційна система підтрим­ки прийняття рішення, яка містить таблиці фактів і правил виду “Якщо умова , то з вірогідністю ”. 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.

Для зображення семантики сценаріїв (послі­довностей дій для виконання преце­дентів) розроблена діаграма взаємодій, яка дозволяє легко читати повідомлення між об’єк­тами процесу діагностики (РСО, Опера­тор, Апаратно-програмний інтерфейс, Обчис­лю­вач, Експерт, Особа, 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.