Неінвазивні оптико електронні прилади та системи діагностики мікроциркуляції периферійного кровообігу

Запропоновано функціональну класифікацію фотоплетизмографічних і мікроциркулярних досліджень (рис. 1), де показано основні класифікаційні ознаки реєстрації та оброблення фотоплетизмографічної інформації. За рахунок використання оптоелектронних сенсорів реєстрацiї бiомедичних сигналiв, якi працюють в інфрачервоному та червоному діапазонах, забезпечується абсолютно безпечне такомфортне діагностування населення різних вікових груп i фізичного стану (включаючи дуже важких хворих, наприклад, пiсля аварiї, опiкiв i т.i.), безпечні умови праці обслуговуючого персоналу та пiдвищується якість медичного обслуговування.

Проаналізовано методи математичного опису взаємодії випромінювання із біотканиною, при цьому найчастіше пропонується рішення цієї проблеми з позицій теорії радіаційного переносу, де біотканина аналізується як випадково неоднорідне середовище, яке розсіює та поглинає.

Проведено аналіз неінвазивних оптико-електронних приладів та систем для діагностики гемодинамічних показників відповідно до узагальненого критеріального оцінюванняефективності, а також сформульовано вимоги до створення біооко-процесорних оптико-електронних систем та приладів для оцінювання кровонаповнення та вимірювань оптичних характеристик біотканин.

У другому розділі наведено результати досліджень теоретичних питань, розвинення і вдосконалення розрахунково-аналітичних методів та розвинення математичних моделей розповсюдження оптичного випромінювання у біологічних об’єктах для подальшого використання при побудові біооко-процесорних оптико-електронних приладів та систем діагностики периферійного кровообігу та оцінювання стану мікроциркуляції кон’юнктиви ока.

Розвинено теорію шляхом побудови моделі пошарового розповсюдження оптичного випромінювання при оцінюванні рівня периферійної мікроциркуляції на заданій довжині хвилі зондуючого випромінювання. Глибина проникнення оптичного випромінювання в тканини є дуже важливою у практичному відношенні, оскільки, в залежності від неї, визначаються межі можливого використання випромінювачів.

Проаналізовано динамічні процеси взаємодії оптичного випромінювання з біооб’єктами з урахуванням моделі Монте-Карло. При цьому коефіцієнт поглинання може бути визначений як ймовірність фотона бути поглинений на одиницю довжини, а коефіцієнт розсіювання визначений як ймовірністьфотона бути розсіяним на одиницю довжини. Використання цих ймовірностей дає випадковий зразок траєкторій фотона.

Коефіцієнти поглинання та розсіяння середовища зворотно пропорційні середньому вільному „пробігу” фотонів, які поглинаються та розсіюються і є параметрами самого об’єкту. Периферійні судини вважаються об’єктами, які випадково розсіюють оптичне випромінювання у біологічному середовищі. Таким чином, її можно представити як оптичну усереднюючу модель двох компонентів: тканини, яка знекровлена та крові.

З урахуванням цих процесів модель модуляції оптичного розсіяного світла пульсової хвилі кровіможе представити як (1).

де та –коефіцієнти розсіяння та поглинання знекровленої тканини; та – коефіцієнти розсіяння та поглинання крові;–коефіцієнт поглинання артеріальної крові; V_кр. – питомий об’єм, в якому міститься кров; – зміна питомого об’єму крові під дією пульсової хвилі.

Коефіцієнт модуляції розсіяного випромінювання залежить від коефіцієнтів поглинання артеріальної крові та зміни питомого об’єму крові при проходженні пульсової хвилі і змінюється від певного значення інтенсивності та діапазону випромінювання світлового потоку (2).

Де - функція, яка є сталою,- функція, яка відображає гемодинамічні показники пульсової хвилі.

Взаємодiю оптичного випромінювання iз біотканиною зображено на рис.3.

Теоретичнi рiвняння для аналізу процесу розповсюдження світлового випромінювання в біооб’єкті записуютьсяу формi: (3)

де I _c+ та I _c- - колiмуючi зустрічний та зворотний потоки відповідно. I ₊ та I _- - дифузiйнi потоки, K, S, k, S₁ та S₂ - коефіцієнти Кубелки-Мунки та вісь z направлена нормально до поверхнi шкiри.

Система рівнянь (2) розв’язуєтьсяпри використаннi граничних умов.Обчислення коефіцієнта абсолютної передачі T та дифузного відбиття R визначається за формулами: (4)

де F₀ - потiк падаючого світла та d₀ товщина біооб’єкту.

На основі використання принципу різницевих зрізів запропоновано метод та алгоритм сортування та вибірки числових масивів опрацювання фотоплетизмографічних сигналів. Відмінність цього алгоритму від інших полягає у тому, що він не потребує додаткових зважених сум ознак, а виконує їх порівняння в процесі оброблення біомедичної інформації, щодозволяє розширити функціональні можливості класифікації сигналів, особливо, коли ознаки образів мають багатовимірний характер, оскільки результати сортування можуть бути використані у подальшому для кластеризації образів.

Розроблено математичну модель класифікації d -вимірних образів по L класах (рис. 4), де належність Z класу визначається за максимумом функцій у системі дискримінантних функцій вигляду, (5)

де – вагові коефіцієнти і пороги класифікатора відповідно, , .

Запропоновано структурну схема класифікатора, що містить аналізатор кодів спектра (АС), пристрій обчислення вектора ознак (ПОВО) та цифровий фільтр обчислення дискримінантних функцій, який, в свою чергу,складається з блоків вагових коефіцієнтів, суматорів зважених ознак образу і блока вибору максимуму дискримінантних функцій.

У даному випадку образи БС мають двовимірний характер, тобто ,(6)

де – смуга частот; – частота максимуму спектра [8]. В результаті в АС виконується аналіз спектра дискретних частот виборок випадкового процесу , дискретизованого з періодом Т , де ,,.

У третьому розділі запропоновано принципи реалізаціїбіооко-процесорної оптико-електронної системи для комплексного діагностування периферійного кровонаповнення.Визначено її сутність і ряд ознак.

Визначення 1. Оптико-електронна біооко-процесорна система комплексного діагностування —проблемно-орієнтована експертна система з базами знань та системою логічного виводу і розвитку сучасного інтерфейсу,що реєструє інформацію у вигляді відбитого розсіювального світлового потоку та виділяє певні ознаки біооб'єкту та опрацьовує виділені ознаки і визначає рішення автоматично або за участю експерта.

Визначення 2. Сукупність виділених ознак характеризують такі складові:

1. Просторові - x,y,z , де z - глибина зорової сцени.

2. Розподіл інтенсивності світлового потоку І(r,s) (7)

де r Î ¶ G, n - поверхневий вектор нормалi до ¶G, S (r,s) - це розподiл свiтла, що падає на ¶G, та R - це оператор вiдбиття.

3. Спектральна - (визначає процеси проходження оптичного випромінювання у залежності коефіцієнта абсолютної передачі T та дифузного відбиття R)

4. Теплова - Т (розподіл теплового випромінюванняв координатах x,y,z ).

Визначення 3. Фрагментом зображення оптико-електронної біооко-процесорної системи комплексного діагностування є частина зображення розмірністю n x m , де n ÎN, m ÎM.

Визначення4. Фрагмент зображення характеризується спектром зв’язності W-зображенняде - елемент зображення фрагменту з координатами i,j та зв’язністю n. Спектр зв’язності поточного зображення знаходиться в межах0££.

Визначення5. ОбразомF (a_ij ) зображенняє підмножина точок a_ij , що приймають одиничне значення і мають міру зв'язності.

Запропоновано структуру біооко-процесорної оптико-електронної системи комплексного діагностування (Патент № 52616 UA),яку наведено на рис. 3.

Основними компонентами оптико-електронної системи (рис. 5) є блок 7 проектування зображень; оптичний затвор 8; фотоелектричний перетворювач 9, виконаний у вигляді матриці розміром M x M фотоприймальних комірок 10; перетворювач параметрів зображення в тривалості часових інтервалів 11; аналізатор інформації, що надійшла, 12; блок синтезатора-генератора ознак 13, виконаний у вигляді ієрархічного з'єднання N функціонально-інтегральних синтезаторів 14, з'єднаних між собою за допомогою ліній світлової волоконно-оптичної комутації; блок перекомутації 15; формувач ключової логіко-часової функції 16; блок динамічної пам'яті еталонних логіко-часових функцій із системою формування бази еталонних знань і вибору зразків еталонів 17; схема порівняння 18, аналізатор неспівпадання сигналів 19.

Біооко-процесорна оптико-електронна система для розпізнавання біомедичних зображень з виділенням ознак дозволяє функціонально інтегрувати довільну кількість різних логіко-часових величин, тобто синтезувати на виході функціонально-інтегральну ознаку F_л , виходячи з формули. Після оброблення інформації на виході одержують сукупність неявно виражених ознак, здатних докладно і достовірно описувати аналізоване зображення. Ці дії пропонується виразити за допомогою формули (Патент № 2178915 РФ) (8)

де F_л - приведена інтегрована кількісно-якісна логіко-часова функція; – оператор узагальненого інтегрування отриманого кількісного результату паралельних вхідних змінних з ознаками фізичних розмірностей і виділених неявно виражених ознак;n - кількість входів; а_і - інформація на і-ому вході; – оператор впливу ознак на вихідну функцію і один на одного; m – кількість синтезованих ознак; p_j – змінна, що характеризує фізичний зміст ознаки зображення.

Запропоновано архітектуру побудови оптико-електронної системи для діагностики периферійного кровонаповнення (рис. 6), що містить з’єднані послідовно генератор імпульсів 1 та джерело світла 2, три перетворювача 3-5, три інтегруючих підсилювача 6-8, входи яких з’єднані відповідно з виходами перетворювачів 3-5, обчислювач 9, який містить з’єднані послідовно мультиплексор 10, аналогово-цифровий перетворювач 11, процесор 12.

У четвертому розділі розглянуто основні етапи оброблення фотоплетизмографічних сигналів, а також основні методи оброблення біосигналів. Для більш повного використання апріорної інформації про характер вимірювальних сигналів запропоновано використання різних методів фільтрації(метод найменших квадратів,медіанна фільтрація).

Основними етапами оброблення у часовій зоні для біосигналів, форма яких має деяку стійку структуру, є: фільтрація; кускова апроксимація; сегментація за часовими властивостями сигналів; виділення характерних точок сигналу (екстремумів, точок перегину, точок перетину базової лінії та ін.); обчислення за характерними точками різноманітних похідних параметрів, в тому числі й ознак форми; статистичний аналіз послідовності класифікованих фрагментів; структурний аналіз.

Фільтрування проводиться за рахунок використання набли­ження по методу найменших квадратів. Цей алгоритм реалізує нерекурсивний фільтр нижніх частот шляхом апроксимації зна­чень відліків у вхідній послідовності за допомогою параболічного степеневого ряду (9)

де p (nT + kT) – значенняпараболи для кожногозп’ятизначень k (-2, -1,0,1,2).

Змінні s₀ (nT), s₁ (nT) та s₂ (nT) треба визначити для наближення параболою кожної з п’яти вхідних точок даних.

Наближення досягається шляхом знаходження параболи (коефіцієнтів s₀ , s₁ та s₂ ), яка найкращим чином апрок­симує п’ять точок даних, що оцінюється за найменшою квадра­тичною похибкою. Ця похибка є.(10)

Як підсумок можна записати систему рівнянь: (11)

Для підвищення достовірності оброблення фотоплетизмографічних сигналів в розроблених не інвазивних оптико-електронних системах та приладах використовувався метод фільтраціїі з застосуванням таких виразів: (12), (13)

Враховуючи той факт, що під час проведення клінічних досліджень доволі часто потрібно використовувати не тільки чіткі цифрові критерії, але й певні лінгвістичні характеристики змін показників (термів), проводився аналіз частини з них за допомогою математичного апарату нечіткої логіки. Вперше отримано математичні моделі діагностики гемодинамічних показників, які враховують порушення периферійного кровообігу в хребетно-рухомих сегментах у відповідності з експертною базою даних, яку представлено у вигляді нейромережі (рис. 7), що дозволяє діагностувати стан як периферійних судин, так і окремих органів організму людини шляхом оброблення фотоплетизмографічної інформації.

Застосування математичного апарату нечіткої логіки може бути важливим у випадках необхідності визначення ймовірності взаємозв’язку патологічних станів, які мають різні клінічні характеристики. Для прикладу, нижче наведено дослідження імовірності виникнення захворювань серця при патології сегментів шийного і грудного відділів хребта. Ступінь порушень у хребтових сегментах записано з правого (П) і лівого (Л) боку за допомогою коефіцієнтів симетрії мікроциркуляторних процесів по відношенню до еталона. Необхідно зазначити, що величини коефіцієнта симетрії 0,85 – 1,0 відповідають нормальній мікроциркуляції, а коефіцієнт 0,25 – 0,1 вказує на значні патологічні зміни показників гемодинаміки в хребтових сегментах.

Математичні вирази для оцінювання функціонального стану серця внаслідок виявлення оптико-електронної системою порушення мікроциркуляції у хребетно-рухомих сегментахбудуть мати такий вигляд (14-19):

У ході біомедичних досліджень виникає задача настроювання нейронечіткої мережі (рис. 7). Для настроювання параметрів цієї мережі використовуються рекурентні співвідношення, запропоновані проф. Ротш-тейном О.П. Сутність настроювання моделі полягає у підборі таких параметрів функцій належності (b -, c - ) та ваг нечітких правил (w - ), які забезпечують мінімум розходження між моделями та діагностичними результатами

де - дані діагностичних досліджень; b – координата максимуму; c – параметр ущільнення та розтягування.

У роботі запропоновано процедуру нормування масиву відліків вихідного сигналу та пошуку у банку еталонів найбільш відповідного еталону поточному масиву. Пошук відповідності еталона поточному масиву може проводитись з використанням кореляційних методів. Вираховується середнє робочого масиву за фрагментом розміром , з подальшим його нормуванням , при і-ому зсуненні фрагменту за робочим масивом(20)

Далі вираховується відліки кореляційної функції на даному фрагменті з її нормуванням за розміром еталону (21)

У результаті вирахувань формується масив відліку кореляційної функції. З вказаного масиву вибирається максимальний відлік, котрий приймається як коефіцієнт кореляції КК робочого масиву й еталона.

У роботі сформовано зразкові шаблони-маски на основі застосування методу вейвлет-перетворення для виявлення рівня патологій периферійної мікроциркуляції. Кожну фотоплетизмографічну функцію f простору L² (R) може бути представлено у вигляді ряду (22)

Алгоритм формування полягає у тому, що спочатку до сигналу застосовуються вейвлет-перетворення, а потім із даних перетвореного сигналу видаляються деякі коефіцієнти. До коефіцієнтів, що залишилися може бути застосовано кодування. Ущільнене зображення відтворюється шляхом декодуванням коефіцієнтів.

На рис. 8,а та 8,б наведено приклад формування зразкових шаблонів-масок для виявлення рівнів патологій периферійної мікроциркуляції.

З метою зниження чутливості до спотворень, що вносяться при формуванні біомедичних зображень, пропонуються методи представлення біомедичного зображення узагальненим W - спектром просторової зв’язності.

Формуються різниці коефіцієнтів W - спектрів зв’язності зображень, що порівнюються, до максимального порядку включно (23)

Далі порівнюють різниціз похибкою d, при цьому, якщо £d для всіх (lt)£(lt)_max , то зображення рівні, в іншому випадку – нерівні.

Виконано реалізація алгоритму порівняння фрагментів біомедичного зображення по W - спектрах зв’язності для формування шаблонів-масок біомедичних зображення, що відповідає запаленню кон’юнктиви ока. Приклад оброблення наведено на рис.9.

У п ’ ятому розділі запропоновано узагальнену структуру вимірювального каналу оптико-електронної системи діагностики|кошт, що наведено на рис. 10. Структура вимірювального каналу відноситься до типу схем прямого перетворення тапоказано вплив різних похибок на результат вимірювання|виміру|, які виникають в різних частинах|частках| вимірювального каналу.

Повне рівняння перетворення для вимірювального перетворювача , який працює в ІЧ-області буде мати вигляд (24)

де - коефіцієнт пропускання поляризованого фільтру у вимірювальному перетворювачі (0,5ч0,6); І - сила світладжерелавипромінювання; - коефіцієнт, що характеризує проходження світла через оптичну систему (0,9 – 0,95); - відстань від джерела випромінювання до біооб’єкту;- відстань від біооб’єкту до фотосенсора; - кут падіння світла на площадку фотосенсора; - кут між нормаллю до відбивної поверхні і напрямом на відбивну площадку біотканини.

Під час розташування оптико-електронного сенсора виникає похибка встановлення, яка відноситься до випадкових похибок і зумовлена різницею у встановленні об’єкта дослідження по відношенню до падаючого випромінювання. Вона має нормальний закон розподілу з нульовим математичним очікуванням, що описується виразом (25)

де– похибка встановлення зразка,– середнє квадратичне значення вказаної похибки.

Абсолютна достовірність, що представляє ймовірність правильного рішення при визначенні величини цього параметра(26)

де Р_помилк - ймовірність помилкового рішення внаслідок похибок вимірювання, що визначається сумою помилок першого () і другого () роду.

У таблиці 2 наведено порівняльну характеристику біомедичних систем та приладів для діагностики периферійного кровообігу.

У результаті проведення дослідження обчислена достовірність оптико-електронної системи складає 0,84. Таким чином достовірність оптико-електронної системи дослідження мікроциркуляції кон’юнктиви ока збільшилась на 10 %.

Наведено взаємозв’язок біомедичних факторів при змінах мікроцир-куляції у хребетно-рухомих сегментах і гемодинамічні показники до і після терапії. При цьому коефіцієнт кореляції складає до терапії r_xy = 0.65 та після терапії r_xy = 0.7, помилка коефіцієнта кореляції,достовірність коефіцієнта кореляції, що показує на об’єктивність отриманих даних при дослідженнях.

Після вертебрологічного лікування відзначено достовірне збільшення (p<0,001) амплітуди артеріального притоку (А₂ ), зростання (p<0,001) співвідношення артеріального притоку та венозного відтоку (А₂ /А₄ ) на користь першого, дещо збільшувалась максимальна швидкість V_макс артеріального кровонаповнення (p>0,05), значно зростала середня швидкість V_сер повільного кровонаповнення (p<0,001). Останнє свідчить про покращення мікрогемодинаміки у тканинах головного мозку. Показники, одержані після лікування, практично, не відрізнялися від контрольних (р>0,05).Дані результатів представлено в таблиці 3.

У шостому розділі розглянуто рекомендації щодо структурного синтезу неінвазивних оптико-електронних систем та приладів діагностування периферійного кровообігу. Визначено основні вимоги щодо реалізації оптичного сенсора та системи трансформації світлового потоку. Розроблено відповідну методику та алгоритм попереднього оброблення та визначення гемодинамічних показників, а також наведено рекомендації щодо розроблення програмного-алгоритмічного забез-печення.

Розроблені оптико-електронні системи для дослідження периферійного кровообігу наведено на рис. 11, 12.

У сьомому розділі наведено результати апробації розроблених оптико-електронних технологій. Особливу практичну цінність робота набуває у медичній діагностиці, де відповідно до розроблених і впроваджених принципів і методів визначаються патології мікроциркуляції у різних ділянках, зокрема, щелепно-лицьовій області, в хребетно-рухомих сегментах, нижніх кінцівок, передньої черевної стінки.

Встановлено, що вивченнямікроциркуляторного


9-09-2015, 00:20