ОТОБРАЖЕНИЕ ДИНАМИКИ СОСТОЯНИЯ ОБЪЕКТА С ПОМОЩЬЮ «ЛИЦ ЧЕРНОВА» - Студенческий научный форум

VI Международная студенческая научная конференция Студенческий научный форум - 2014

ОТОБРАЖЕНИЕ ДИНАМИКИ СОСТОЯНИЯ ОБЪЕКТА С ПОМОЩЬЮ «ЛИЦ ЧЕРНОВА»

Осадчая И.А. 1
1Томский политехнический университет, Институт кибернетики
 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Применение графики в исследовательских работах не только увеличивает скорость передачи информации и повышает уровень ее понимания, но и способствует развитию таких важных для специалиста любой отрасли качеств, как интуиция, образное мышление. Методы когнитивной графики значительно расширяют возможности специалистов любой области знаний для выявления наиболее информативных показателей при обработке обширных баз данных и решении конкретных задач; позволяют обнаруживать порой принципиально новые факты, радикально меняющие известные взгляды.

Ключевые слова: визуальные представления, пиктографики, динамика состояния обьекта.

Введение

Информационная технология, как и любая другая, должна отвечать следующим требованиям: обеспечивать высокую степень расчленения всего процесса обработки информации на этапы (фазы), операции, действия; включать весь набор элементов, необходимых для достижения поставленной цели; быть доступной для понимания специалиста некомпьютерной области [1]. Получение исследователем адекватной информации для ее анализа и принятия на его основе какого-либо решения является основной целью любой информационной технологии. Под информацией в данном случае понимаются сведения об объектах, их параметрах, свойствах и состоянии, которые уменьшают степень их неопределенности, неполноты знаний.

Человек способен работать с чувственными образами и представлениями об этих образах. Такие образы обладают куда большей конкретностью и интегрированностью, чем символические представления.

Визуализация данных – задача, с которой сталкивается в своей работе любой исследователь. К задаче визуализации данных сводится проблема представления в наглядной форме данных эксперимента или результатов теоретического исследования. Традиционные инструменты в этой области, графики и диаграммы, плохо справляются с задачей визуализации, когда возникает необходимость изобразить более трех взаимосвязанных величин. При анализе данных исследователь довольно часто сталкивается с многомерностью их описания. Обычно число объектов системы измеряется сотнями, а число признаков десятками. Проанализировать данные, которые представлены числами очень трудно. Включение различных элементов визуализации, является хорошим способом представления информации.

Современные компьютерные технологии используют широкий спектр методов визуализации информации. Методы визуализации позволяют исследователю одним взглядом обнаружить особенности, выявить закономерности и аномалии в больших объемах информации.

Применение графики в исследовательских работах не только увеличивает скорость передачи информации и повышает уровень ее понимания, но и способствует развитию таких важных для специалиста любой отрасли качеств, как интуиция, образное мышление. Воздействие интерактивной компьютерной графики (ИКГ) привело к возникновению нового направления в проблематике искусственного интеллекта, названного когнитивной (т.е. способствующей познанию) компьютерной графикой.

Когнитивная графика  это совокупность приемов и методов образного представления условий задачи, которое позволяет либо сразу увидеть решение, либо получить подсказку для его нахождения [2].

Отдельное направление когнитивная графика образует в медицине. Визуализация текущего состояния объекта и характерных особенностей позволяет обеспечить непрерывный контроль над состоянием групп лиц, либо отдельного человека.

Представление многомерных данных в виде пиктографиков «лица Чернова»

Информация из окружающей среды, которую воспринимает человек, вызывает у него определенные эмоции. Эмоциями называют более или менее устойчивые психические состояния, выражающие отношение человека к другим людям, к самому себе, к окружающей жизни. У человека выявлено шесть таких универсальных состояний эмоций: грусть, гнев, радость, страх, отвращение и удивление. Каждая эмоция отображается на лице, поэтому выражения лица являются надежным индикатором эмоционального состояния человека. Брови, глаза и рот являются главными элементами на лице, посредством которых выражаются и опознаются эмоциональные состояния человека.

Информация и эмоции служат основой для принятия решения и осуществления действий. Однако кроме объективной информации человек нуждается и в получении субъективной информации, т.е. эмоций. Она может исходить от людей, с которыми человек контактирует, либо синтезированных эмоций, которые вырабатываются индикаторами эмоций в технической системе, а также через «лица Чернова».

Многомерные пиктографики – не очень простой, но мощный исследовательский инструмент разведочного анализа данных. Главная идея такого метода анализа основана на человеческой способности "автоматически" фиксировать сложные связи между многими переменными, если они проявляются в последовательности элементов. Иногда понимание, что некоторые элементы "чем-то похожи" друг на друга, приходит раньше, чем аналитик может объяснить, какие именно переменные обусловливают это сходство, т.е. анализ информации при помощи такого способа отображения основан на способности человека интуитивно находить сходства и различия в чертах объекта (лица).

Лица Чернова – это один из наиболее интересных типов пиктографиков, схема визуального представления многофакторных данных в виде человеческого лица. Для каждого наблюдения рисуется отдельное "лицо", где относительные значения выбранных переменных представлены как формы и размеры отдельных черт лица (например, длина носа, угол между бровями, ширина лица). Сложность данного метода, заключается в правильном сопоставлении исследуемых переменных с частями лица. При ошибке важные закономерности могут остаться незамеченными.

Основная идея представления информации в «лицах Чернова» состоит в кодировании значений различных переменных в характеристиках или чертах человеческого лица [3].

Для каждого наблюдения рисуется отдельное «лицо». На каждом «лице» относительные значения переменных представлены как формы и размеры отдельных черт лица (например, длина и ширина носа, размер глаз, размер зрачка, угол между бровями).

Анализ информации при помощи такого способа отображения основан на способности человека интуитивно находить сходства и различия в чертах лица.

Для начала работы над построением модели дифференциальной диагностики БА мы изучили исходные данные, которые находятся в таблице Excel. В качестве исходной информации использовались данные клиники, в которой зарегистрированы результаты исследования 83 человек с установленным диагнозом бронхиальной астмы. 23 человека – первая группа – бронхиальная астма психогенно-индуцированная; 19 человек – вторая группа – бронхиальная астма сомато-психогенная; 29 человек – третья группа – бронхиальная астма непсихогенная, 12 человек – четвертая группа – психогенная одышка (не болеют бронхиальной астмой). Результаты исследования – результаты показателей больных бронхиальной астмой до и после лечения.

Используем метод «лиц Чернова» для сравнения показателей психогенно-индуцированной и непсихогенной бронхиальной астмы до и после лечения. Для этого воспользуемся готовой реализацией данного метода в пакете STATISTICA.

Рис. 1. Отображение состояния больных BAPI и BANP до лечения в виде «лиц Чернова»

Рис. 2. Отображение состояния больных BAPI и BANP после лечения в виде

«лиц Чернова»

Рис. 3. Отображение состояния больного BAPI до и после лечения в виде

«лиц Чернова»

Рис. 4. Отображение состояния больного BANP до и после лечения в виде

«лиц Чернова»

Можно увидеть, что на рисунке отображаются все объекты исследования, что не позволяет каждому объекту уделить отдельное внимание, т.к. в данной программе нельзя оперировать с изображением – приближать, удалять, уменьшать увеличивать «лица Чернова».

В нашем случае для построения «лиц Чернова» используются 20 наиболее информативных показателей, каждый из них составляет определенную часть «лица Чернова», а именно:

  • МОД – овал лица, чем меньше параметр, тем шире лицо, чем больше, тем больше вытянуто;

  • ЖЕЛ – размер ушей по диагонали;

  • ФЖЕЛ – верхнее полушарие лица;

  • ОФВ1 – нижняя часть лица;

  • ОФВ1/ЖЕЛ – длина носа по горизонтали;

  • МВЛ – длина носа по вертикали;

  • ПОС – расположение центра рта;

  • МОС25 – параметр влияет на форму рта, чем меньше значение, тем больше кончики рта направлены вверх;

  • Cdyn – расположение рта по горизонтали;

  • Cstat – прищуренность правого глаза, чем меньше параметр, тем больше прищурен глаз;

  • Rвд – глаза;

  • Rвыд – наклон глаз;

  • Wобщ – глаз;

  • Wуд – прищуренность левого глаза;

  • Wн.эл – расположение зрачка;

  • Wэл – правая бровь;

  • W МОД10 – угол наклона брови;

  • W МВЛобщ – левая бровь;

  • W МВЛуд – ухо правое;

  • ДепрБ – ширина носа.

Из отображения состояния больного BAPI (рис. 3) можно сделать вывод, что влияние АВС привело к увеличению значения максимальной объемной скорости выдоха на уровне 25% форсированной жизненной емкости легких (МОС25 – форма рта), увеличению максимальной вентиляции легких (длина носа увеличилась) и увеличению удельной работы дыхания (глаза). Следовательно, можно сделать вывод, что АВС положительно повлияло на состояние больного.

При лечении больного BANP методом АВС можно наблюдать неоднозначный результат (рис. 4). Отметим следующие изменения состояния больного: произошло увеличение значения максимальной объемной скорости выдоха на уровне 25% форсированной жизненной емкости легких (МОС25 – форма рта), увеличение максимальной вентиляции легких (длина носа увеличилась), увеличение минутного объема дыхания (МОД – овал лица), уменьшение удельной работы дыхания (глаза) и увеличение неэластичной фракции общей работы дыхания (Wн.эл – увеличение зрачка). Полученные результаты показали, что для больных с диагнозом BANP аудиовизуальная стимуляция неэффективна.

Отображение динамики состояния объекта с помощью «лиц Чернова»

В работе Кабулова Б.Т. [4] предлагаются правила построения лиц Чернова, позволяющие увеличить точность и уменьшить время решения задачи оценки человеком. Для того чтобы повысить точность оценки значений параметров управляемого объекта, на изображении должны существовать некоторые ориентиры. В связи с этим предлагается использовать легко распознаваемые граничные положения элементов лица Чернова, позволяющие однозначно определить: к какому из заранее заданных интервалов принадлежат соответствующие значения каждого из параметров. При этом появляется возможность не только попарного сравнения различных состояний объекта с выработкой оценок типа "лучше – хуже", но и достаточно точной оценки значений параметров отдельно взятого состояния по степени близости соответствующих элементов изображения к тем или иным граничным положениям.

В данном варианте построения лиц Чернова для каждого элемента изображения задаются четыре граничных положения, соответствующие предельным значениям параметров и граничным, делящим область возможных значений на три интервала, характеризуемые как "хороший", "удовлетворительный" и "неудовлетворительный".

Рис. 5. [4] Пример построения «лиц Чернова» по методике Б.Т.Кабулова

Предлагаемый подход приводит к уменьшению числа конструктивных параметров, однако использование туловища и конечностей позволит увеличить их количество примерно вдвое.

Для отображения динамики состояния объектов многие авторы предлагают использовать асимметрию [4]. Она позволяет рассматривать объекты в прогрессе. Второй пример показывает различные параметры у пациентов, к которым применялось лечение. Левая сторона лица показывает значения параметров до, а правая – после лечения.

Рис. 6. Отображение динамики состояния пациентов с использованием асимметрии BANP

Как видно из рисунка 6, легко можно понять, кому и насколько стало лучше, даже не вникая в сущность исследуемых параметров.

Нами была разработана программа Chern, реализующая данный подход. Однако, в нашем случае, для оценки состояния объекта «до» и «после» воздействия используется не две половины «лица», а два разных пиктографика.

В качестве исходной информации были использованы данные клиники, в которой зарегистрированы результаты исследования 83 человек с установленным диагнозом бронхиальной астмы. 23 человека – первая группа – бронхиальная астма психогенно-индуцированная; 19 человек – вторая группа – бронхиальная астма сомато-психогенная; 29 человек – третья группа – бронхиальная астма непсихогенная, 12 человек – четвертая группа – психогенная одышка (не болеют бронхиальной астмой). Результаты исследования – результаты показателей больных бронхиальной астмой до и после лечения.

Принцип работы программы Chern заключается в следующем: при сравнении параметров до и после лечения, если параметры после лечения больше, чем до лечения, на рисунке у прямых начинается отклонение вправо или вниз, а окружности вытягиваются влево и вправо (обратный принцип только у глаз и зрачков); если же меньше или равны, то изменения на рисунке наоборот. При плохом прослеживании отклонения можно воспользоваться просмотром координат точек, которые появляются при нажатии на интересующую часть рисунка.

Ниже приведен пример, в котором для построения «лиц» используются 22 информативных физиологических показателя, характеризующих состояние больных бронхиальной астмой. Отношение параметров и элементов «лиц Чернова» в данном случае:

МОД – овал лица;

ЖЕЛ – рот;

ФЖЕЛ – 1 волос (все волосы считать слева направо);

ОФВ1_1 – 2 волос;

ОФВ1/ЖЕП – 3 волос;

МВЛ – 4 волос;

ПОС – 5 волос;

МОС25 – 6 волос;

Cdyn – вертикальная линия носа;

Cstat – горизонтальная линия носа;

Rвд – левое ухо;

Rвыд – право ухо;

Wобщ – левый глаз;

Wуд – правый глаз;

Wн.эл – левый зрачок;

Wэл – правый зрачок;

W МОД10 – левая бровь;

W МВЛобщ – правая бровь;

WМВЛуд – 1 волос на бороде (все волосы считать слева на право);

ДепрБ – 2 волос на бороде;

ТрРТ – 3 волос на бороде;

ТрЛТ – 4 волос на бороде.

Рассмотрим полученные результаты.

Рис. 7. Отображение состояния больного BAPI до и после лечения в виде «лиц Чернова»

Рассматривая полученное «лицо», характеризующее состояние больного BAPI (рис. 7) отметим: значительное отклонение горизонтальной линии носа, что говорит об увеличении показателя статической растяжимости легких (Cstat); увеличение показателя общей работы дыхания (Wобщ) и удельной работы дыхания (Wуд), обусловленное вытяжением окружностей – глаз вверх и вниз; а также положительное изменение параметров, связанных с элементами бороды, это WМВЛуд, ДепрБ, ТрРТ, ТрЛТ.

Рис. 8. Отображение состояния больного BANP до и после лечения в виде «лиц Чернова»

Рассматривая «лицо», характеризующее состояние больного BANP (рис. 8) отметим следующее: во-первых уменьшение всех параметров, связанных с элементами волос, в особенности параметра форсированной жизненной емкости легких (ФЖЕЛ) и максимальной объемной скорости выдоха на уровне 25% ФЖЕЛ (МОС25); во-вторых увеличение показателя статической растяжимости легких (Cstat) и незначительное уменьшение динамической растяжимости легких (Cdyn), выраженные отклонением горизонтальной линии носа вниз и вправо, а вертикальной линии – влево; ко всему прочему, невозможно не обратить внимание на вытяжение окружностей – ушей, что свидетельствует об увеличении бронхиального сопротивления на вдохе (Rвд) и на выдохе (Rвыд).

Таким образом, полученные результаты показали, что метод аудиовизуальной стимуляции мозга (АВС) эффективен для лечения больных с диагнозом психогенно-индуцированной бронхиальной астмы.

Работа выполнена при финансовой поддержке РФФИ, проект № 14-07-00675.

Список литературы

  1. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. – СПб.: Питер, 2003. – 528 с.

  2. Зенкин А.А. Когнитивная компьютерная графика / Под ред. Д.А. Поспелова // М.: Наука, 1991. – 187 с.

  3. Flury B., Riedwyl H. Graphical Representation of Multivariate Data by Means of Asymmetrical Faces. [Электронный ресурс]. – Режим доступа: www.jstor.org/stable/2287565

  4. Кабулов Б.Т. Метод построения лиц Чернова, ориентированный на интервальные оценки параметров // Техническая кибернетика, 1991. – 250с.

Просмотров работы: 1889