Измерительные медицинские системы. Источники погрешностей при аппаратурных измерениях в медицине, страница 14

Так, отсутствие этапа выбора класса математической модели (например, этот этап может быть пропущен при априори известном классе модели) приводит к элементарным измерениям в виде задачи оценивания векторного или скалярного параметра. В медицине это измерение температуры, артериального давления, снятие кривых ЭКГ, получение изображений и т. п.

С другой стороны, при отсутствии этапа выбора значений параметров модели, получаем разновидность элементарных измерений, именуемую «принятием решения» – к этой разновидности относят задачи распознавания образов, обнаружения объекта (сигнала на фоне шумов), контроля систем, медицинской и технической диагностики. В математической статистике эти задачи известны как задачи проверки гипотез.

Применительно к задаче медицинской диагностики выбор класса модели  можно трактовать по-разному. При фиксированном уровне иерархической схемы процедуры диагностики: на этапе предварительной диагностики – это выбор класса заболевания, на этапах общей и дифференциальной диагностики – это выбор нозологической формы. При рассмотрении всей схемы в целом – это поэтапный выбор нозологической формы.

Специалисты в области теории распознавания образов обычно классификацию отождествляют с термином «распознавание», иногда сопровождая это действие некоторыми несущественными оговорками типа: при классификации достаточно определить только номер класса , к которому принадлежит анализируемый объект, тогда как при распознавании необходимо указать наименование  соответствующего класса (например, «буква А» при распознавании текста).

Метрологи [17,18] в термин «классификация» вкладывают несколько иной смысл: классификация (или конечное разбиение) – это конечное семейство  непустых попарно непересекающихся подмножеств (именуемых "классами") тезауруса М. Как следует из приведенного определения, классификацией именуют окончательный результат разбиения тезауруса М на подмножества . При этом, по-видимому, термином «классификация» естественно определить и сам процесс такого разбиения.

После того как конечное разбиение совершено, может начаться новый процесс: выбор из семейства  единственного подмножества , элементом которого является модель , обладающая i-тым характеристическим свойством . Такой процесс называют выделением (или поиском) класса.

Схема выделения класса показана на рис. 9.14.

Рис. 9.14 – Схема выделения класса заболевания

Аналитически этот процесс выглядит как решение задачи минимизации функционала , характеризующего степень соответствия (адекватности) модели  множеству :

.                                                                  (9.3)

Внешнее сходство схем 9.13 и 9.14, видимо, – одна из причин отождествления задач классификации и распознавания образов. В обоих случаях задача решается путем минимизации функционала, характеризующего степень различия между некими «исходными данными» и классом моделей. Однако при выделении класса роль исходных данных выполняет одна из моделей , тогда как при распознавании образов исходными данными является образ Х некоего объекта.

Таким образом, с метрологической точки зрения, термины «классификация» и «распознавание» образов отнюдь не тождественны.

Термин «классификация» характеризует состояние упорядоченности моделей, входящих в тезаурус М (в результате «хорошей» упорядоченности поиск нужной модели происходит быстро), либо процесс создания такой упорядоченности. В дальнейшем, употребляя термин «классификация», мы будем придерживаться именно такого его истолкования.

Задача диагностики, с точки зрения теории распознавания образов, состоит в нахождении некоторого класса (в медицинской диагностике это нахождение имени или кода заболевания или группы заболеваний) среди множества других классов, объекты которых отличаются от объектов искомого класса значениями признаков (симптомов). Очевидно, что скорость поиска нужного класса зависит от того, как организованы классы. Рассмотрим в этой связи два основных способа организации: организацию «списком» и «деревом».