Інтелектуальна діагностична система для радіонуклідного статичного обстеження

Abstract

Пропонується метод інформаційного синтезу вирішальних правил діагностичної системи для радіонуклідного статичного обстеження органів людини на гамма-камері в умовах незбалансованого обсягу навчальних вибірок класів розпізнавання. Розглядається формування вхідного математичного опису діагностичної системи. Розроблено алгоритми сегментації та класифікації сцинтиграфічних зображень на основі інформаційно-екстремального машинного навчання. Розроблені алгоритми ґрунтуються на адаптивному двійковому кодуванні значень ознак розпізнавання та оптимізації геометричних параметрів розбиття простору ознак на класи еквівалентності, контейнери яких відновлюються в радіальному базисі бінарного простору Хеммінга, в процесі максимізації інформаційної спроможності діагностичної системи. Як критерій функціональної ефективності діагностичної системи використано модифікацію інформаційного критерію за С. Кульбаком, що є функціоналом від першої та другої достовірностей рішень, що приймаються в робочому режимі системи. Як приклад реалізації запропонованих алгоритмів розглядається паралельна композиція інформаційно-екстремальних класифікаторів для оцінювання рівня ураження паренхіми нирок внаслідок інфекційних захворювань.

Предлагается метод информационного синтеза решающих правил диагностической системы для радионуклидного статического обследование органов человека на гамма-камере в условиях несбалансированного объема обучающих выборок классов распознавания. Рассматривается формирования входного математического описания диагностической системы. Разработаны алгоритмы сегментации и классификации сцинтиграфических изображений на основе информационно-экстремального машинного обучения. Разработанные алгоритмы основываются на адаптивном двоичном кодировании значений признаков распознавания и оптимизации геометрических параметров разбиения пространства признаков на классы эквивалентности, контейнеры которых восстанавливаются в радиальном базисе бинарного пространства Хэмминга, в процессе максимизации информационной способности диагностической системы. В качестве критерия функциональной эффективности диагностической системы использовано модификацию информационного критерия по С. Кульбаку в виде функционала от первой и второй достоверностей решений, принимаемых в рабочем режиме системы. В качестве примера реализации предложенных алгоритмов рассматривается параллельная композиция информационно-экстремальных классификаторов для оценки уровня поражения паренхимы почек инфекционными заболеваниями.

The article presents the method of an informational synthesis of decision rules for radionuclide diagnostic system of static examination of the human on gamma camera in case of unbalanced training dataset. The making of input mathematical description for intelligent radionuclide diagnostic system is considered. The algorithms for segmentation and classification scintigraphy images based on informationextreme machine learning are developed. The algorithms are based on adaptive binary coding of feature vectors and optimization of geometrical parameters of feature space partition into classes with containers which build into a radial basis of binary Hamming space to maximize the information ability of system intended to radionuclide diagnostics. The modified S. Kulback’s information criterion for estimate efficiency of diagnostic system is expressed in terms of positive and negative predictive value. The physical modeling of proposed algorithms is implemented by the example of bootstrap aggregating informationextreme classifiers intended to estimation of level of kidney lesion.