Введение
ГЛАВА 1 Анализ задачи диагностики и постановка задачи исследования 11
1.1 Задачи диагностики 11
1.2 Анализ структуры автоматизированной диагностической системы 12
1.3 Выбор модели описания кластеров 16
1.4 Анализ методов распознавания изображений и построение решающих правил 22
1.5 Постановка задачи исследования и выбор критерия качества 27
1.6 Перспективные направления визуализации и постановка задачи исследования 32
Выводы по материалам первой главы 38
ГЛАВА 2 Анализ методов компьютерной обработки изображений в диагностических системах 40
2.1 Методы диагностики, использующие компьютерную обработку сигналов изображений 40
2.2 Биопотенциалы мозга: механизмы возникновения и основные характеристики 41
2.3 Электроэнцефалография как метод исследования электрической активности головного мозга 45
2.4 Традиционные методы анализа ЭЭГ 54
2.5 Компьютерный анализ ЭЭГ. Основные направления и тенденции 55
2.6 Основные методы визуализация в электроэнцефалографии 58
Выводы по материалам второй главы 69
ГЛАВА 3 Визуальный анализ структуры эксперимен тальных данных и его использование для построения решающих правил классификации 70
3.1 Методика прямого формирования признаков из биомедицинских данных ЭЭГ обследования 70
3.2 Отбор информативных признаков и анализ особенностей структуры объектов 71
3.3 Снижение размерности признакового пространства биомедицинских данных методом главных компонент 82
3.4 Формирование областей допустимых вероятностей на основе визуального представления данных 86
3.5 Оптимизация разделяющих поверхностей и формирование решающего правила в задачах классификации биомедицинских данных 94
Выводы по материалам третьей главы 99
ГЛАВА 4 Экспериментальное исследование алгоритмов работы предложенных методов 100
4.1 Объект исследования 100
4.2 Выбор оптимальной модели ЭЭГ-сигнала 101
4.3 Экспериментальная проверка метода формирования диаграмм рассеяния объектов в корреляционном поле главных компонент 108
4.4 Экспериментальная проверка метода формирования областей допустимых вероятностей использующего визуализацию данных 111
4.5 Экспериментальная проверка метода собственных областей классов с разделяющими поверхностями в виде гиперсфер 118
Выводы по материалам четвертой главы 122
Заключение 123
Литература 125
Приложения 136
