В.В. Епишев, Ю.Б. Хусаинова, А.С. Смирнов

ФГБОУ ВПО «Южно-Уральский государственный университет (НИУ)», г. Челябинск

Интеллектуальный анализ данных физиологических исследований человека-оператора с применением суперкомпьютера

Аннотация. Рассматривается возможность применения интеллектуального анализа данных (Data Mining) для прогнозирования функционального состояния человека-оператора и повышения его эффективности.

Актуальность. Современная армия, ввиду внедрения новых технологий предъявляет повышенные требования к профессиональной подготовке оператора. Являясь сложной биологической системой, в которой тесно взаимосвязаны различные функциональные системы, оператор в определенных условиях может совершать ошибки, причины которых невозможно предвидеть медицинскими диагностическими способами [1].

Цель исследования. Разработка программной системы, работающей на суперкомпьютерной платформе, и выполняющая интеллектуальный анализ психофизиологических данных человека, для моделирования и прогнозирования его состояния.

Материалы и методы исследования. В рамках программы развития Южно-Уральского государственного университета (Суперкомпьютерные и ГРИД-технологии в решении проблем энерго- и ресурсосбережения) в 2012 г. стартовал междисциплинарный научный проект MedMining, целью которого является разработка программной системы для сбора и интеллектуального анализа данных физиологических исследований. Мониторинг, накопление и интеллектуальный анализ данных о психофизиологической и биохимической активности направлены на определение ключевых показателей, влияющих на работоспособность человека, его стрессоустойчивости, возможности эффективно решать интеллектуальные задачи в экстремальных условиях [2].

В настоящее время, на базе Центра оперативной оценки состояния человека (ЦООСЧ) ЮУрГУ осуществляется реализация и внедрение программной системы MedMining, в которую в автоматическом режиме поступают данные со следующих приборов и методик:

– стационарная эргоспирометрическая установка (– SCHILLER, (Швейцария), телеметрическийая эргоспирометрическийая аппаратура – комплекс (Oxycon Mobile, (Германия) ,– ЭКГ покоя/нагрузки, которая – метод функциональной диагностики, при котором анализ потребления кислорода, расход энергии, физическая работоспособность в стационарных условиях и при различной специальной работе на расстоянии до 1,5 км прямой видимости в режиме on-line режиме;

– 1 анализатор состава тела (TANITA, Япония) – , – которые количество жировой, мышечной, костной ткани и жидких сред организма;

– 2 стабилометрическая платформа (МБН, (Россия) – , которая – позволяет анализ статокинетической устойчивости человека и диагностироватьует нарушение вестибулярного аппарата, расстройства психофизиологического аспекта, функцию мышц; участвующих в поддержании позы;

– 3 3D сканер (– МБН, (Россия) – оценка состояния позвоночного столба в 3D пространстве, , который – позволяет представляет возможность анализ состояния постуральных мышц (поддерживающих позу);

– 4 анализатор мочи (– SIEMENS, (Германия), – – экспресс-анализ который позволяет выявитьляет информацию о референтных границах и нарушениях обменных процессов;

– 6 биoимпeдaнcный тeтpaпoляpный peoграф МАРГ-10-02 (Микролюкс, Россия) – регистрация и расчёт показателей центрального и периферического кровообращения, а также при помощи компьютерной программы проводить их спектральный анализ;

– набор психологических тестов (тест-опросник А.В. Зверькова и Е.В. Эйдмана «Исследование волевой саморегуляции»; «Копинг-тест Лазаруса»; «Методика незаконченных предложений»; «Опросник структуры темперамента Русалова»; «Оценка психической надежности по Мильману»; «Цветовой тест отношений».

При прохождении полного тестирования в базе данных программной системы MedMining формируется протокол исследования, состоящий из более 2500 параметров, отражающий состояние испытуемого. Помимо обработанных данных в хранилище поступают также «сырые данные» (без статистической обработки прибором), а также дополнительные оценочные параметры, введенные специалистами-исследователями: например, факт и доза приема определенного препарата, субъективное самочувствие, атмосферное давление, болеет ли ребенок и т.п. В процессе исследования имеется возможность вводить различные психоэмоциональные и физические раздражители для имитации работы в экстремальных условиях. Кроме того, разрабатывается методика и технологический цикл дистанционного формирования базы данных с различных приборов в любой временной промежуток, что позволит существенно специализировать систему MedMining для различных нужд.

Архитектура программной системы MedMining для интеллектуального анализа данных психофизиологических исследований на суперкомпьютерной платформе («СКИФ-Аврора ЮУрГУ»), представлена на рис. 1.

Рис. 1. Структура и размещение системы MedMining

Находящаяся в хранилище данных информация о состоянии человека подвергается интеллектуальному анализу (Data Mining) по трем базовым моделям: классификация, кластеризация и поиск шаблонов.

Классификация заключается в автоматизированном разбиении заданной группы лиц на непересекающиеся подгруппы (классы) таким образом, чтобы каждый класс состоял из людей, похожих друг на друга (например, более 10 лет работы), а операторы из разных классов существенно различались друг от друга в некотором определяемом исследователем смысле. При этом количество классов и смысл каждого класса заранее известны исследователю.

Построение классификатора осуществляется на основе анализа алгоритмом т.н. обучающей выборки, т.е. некоторой другой группы, классификация которых была предварительно выполнена экспертом. Представлением классификатора являются деревья решений или эквивалентные им правила "если-то", пример которых приведен на рис. 2.

Рис. 2. Пример классификатора

В качестве атрибутов классификации (на рисунке – Атр) может фигурировать любой показатель физического или психологического состояния оператора, количество показателей не ограничено. В примере показано простейшее разбиение на два класса: "пригодный (П)" и "бесперспективный (БП)".

Кластеризация, подобно классификации, подразумевает разбиении заданной группы людей на непересекающиеся подгруппы (кластеры) таким образом, чтобы каждый класс состоял из операторов, похожих друг на друга, а операторы из разных классов существенно различались друг от друга в некотором смысле. Однако при этом исследователю заранее не известен смысл каждого кластера (задается только их количество) и не требуется шаг обучения алгоритма.

Смысл полученных классов определяется исследователем постфактум. Другими словами, обработка более чем 2500 параметров психофизиологических данных при выборке 100 человек позволит разбить ее на некие кластеры, схожие по состоянию. В дальнейшем, исследователь должен будет связать некие параметры, например, с профессионализмом оператора, что, в будущем, может являться одним из критериев отбора.

Поиск шаблонов направлен на построение ассоциативных правил, которые показывают закономерности, имеющиеся в базе данных физиологических исследований. В дальнейшем есть возможность построить ассоциативные правила, представляющие собой высказывание вида A®B ("если A, то B"), где A и B – показатели или наборы показателей состояния оператора. Данные правила позволяют прогнозировать состояние человека в различных ситуациях, ориентируясь на совокупность некоторых психофизиологических показателей.

Выводы. Методы интеллектуального анализа (Data Mining) информации о психофизиологическом состоянии человека, в том числе оператора систем вооружения, могут позволить обнаружить скрытые закономерности и взаимосвязи, объективно оценить способности и соответствие личности человека предъявляемым к нему профессиональным качествам и критериям.

Список литературы.

1 Адаптация человека к трудовой деятельности и ее психофизиологическая оценка: Межотраслевые методические рекомендации / НИИ труда – М.: 2007. – 26 с.

2 Соловьев, Л.П. Характеристики причин ошибок операторов / Л.П. Соловьев // Машиностроение и безопасность жизнедеятельности. Изд-во: Муромский институт (филиал) ГОУ ВПО «ВГУ им. Александра Григорьевича и Николая Григорьевича Столетовых». – 2009. – №: 6.– С. 50-52.