Визначимо основні ідеї, що лежать в основі концепції бази даних:
-Ізолювати будь-яку прикладну програму від впливу змін в інших програмах через спільні дані шляхом розмежування логічних записів, що використовуються прикладними програмами, від записів, що фізично запам’ятовуються на магнітних носіях.
- Усунути надмірне дублювання даних.
-Централізувати управління даними.
Отже, суть концепції баз даних полягає в інтегрованому збереженні й диференційованому використанні прикладними програмами всієї інформації про об’єкти предметної області, що представляють певний інтерес для організації. За таких умов, з одного боку, формати подання даних описуються на логічному (зрозумілому) для кожної програми рівні, але, з іншого боку, усі інші дані, що зберігаються у базі даних і не мають ніякого відношення до певної прикладної програми, є для неї «прозорими» (їхню присутність програма не відчуває).
Таким чином, всі дані розміщуються в єдиному сховищі. Користувачі автоматизованих інформаційних систем (АІС) мають можливість звертатися до будь-яких даних, що їх цікавлять. Ті самі дані можуть бути в різних комбінаціях і по-різному представлені відповідно до потреб користувачів (прикладних програм). Це забезпечується за рахунок системи управління базами даних (СУБД). Серед більшості означень бази даних, що наводяться в літературі, не вказуються всі її суттєві ознаки. Також базу даних часто просто ототожнюють із сукупністю файлів, що містять необхідний набір даних.
Щоб сукупність файлів утворювала базу даних, файли повинні бути взаємопов’язаними; інтегрованими (за умови мінімальної надмірності); незалежними (від програм, у яких вони використовуються, від процесів, у яких вони підтримуються); мати єдину централізовану програму управління, що забезпечує логічну незалежність програм від даних, які зберігаються у файлах.
Базою даних (БД) називається по іменована сукупність даних, з тією мінімальною надмірністю, що необхідна для взаємопов’язаності даних, яка адекватно відображає стан об’єктів та їхні відношення у розглядуваній предметній області. Це сукупність взаємопов’язаних даних за наявності такої мінімальної надмірності, що допускає їхнє використання оптимальним способом для одного або кількох додатків; дані запам’ятовуються таким чином, щоб вони були незалежними від програм, що використовують ці дані, а також для пошуку даних у базі даних застосовується єдиний керований спосіб. Дані структуруються таким чином, щоб була забезпечена можливість подальшого нарощування додатків.
СУБД називається сукупність мовних і програмних засобів, призначених для створення, управління і сумісного використання БД багатьма користувачами.
Основні вимоги до баз даних та систем управління базами даних:
- Можливість представлення адекватних реальній предметній області структур даних (побудова адекватної інформаційної моделі предметної області).
- Простота та малі витрати ресурсів на розвиток системи (швидка і дешева модифікація старих та розробка нових програмних додатків у рамках автоматизованої інформаційної системи).
-Простота й оперативність доступу до даних, можливість пошуку інформації різними методами.
- Можливість одночасного ефективного обслуговування великої кількості користувачів.
- Можливість використання у розподілених обчислювальних мережах комп’ютерів.
- Забезпечення режиму розмежованого доступу до даних і програм, виключення можливості їхнього несанкціонованого застосування.
- Забезпечення подання даних користувачам у зручному вигляді для їхнього подальшого застосування.
- Забезпечення необхідної продуктивності розв’язування задач при обмежених витратах ресурсів комп’ютерів.
- Забезпечення захисту інформації у БД від збоїв і відмов у роботі технічних засобів та помилок користувачів.
Перерахуємо основні переваги щодо застосування БД та СУБД під час реалізації на їхній основі автоматизованих пошуково-інформаційних систем.
Скорочення зайвої надмірності даних, що зберігаються. Дані, що використовуються кількома програмами, інтегруються і зберігаються в одному місці. Надмірність даних є, але вона мінімальна та необхідна тільки для забезпечення взаємозв’язку різних даних певної предметної області.
Усувається суперечливість даних, що може виникати, якщо ті самі дані, що використовуються різними програмами, подаються декілька разів і якщо у разі необхідності їхньої зміни не всі копії відновлені.
Дані, що зберігаються, використовуються спільно. Це надає можливість розробляти нові програмні додатки над вже існуючою базою даних із мінімальними затратами.
Забезпечується більш простий, швидкий і дешевий розвиток автоматизованих систем за рахунок забезпечення логічної взаємної незалежності програм і даних у БД.
Спрощується підтримка цілісності даних (адекватності й узгодженості).
Забезпечується можливість швидкого надання даних на нестандартні (заздалегідь непередбачені) запити користувачів без додаткової розробки прикладних програм.
Створюється можливість комплексної автоматизації параметрів АІС, що можливо завдяки централізованому управлінню базою даних, за якого можна так структурувати і розміщувати дані, щоб для найважливіших (пріоритетних) програмних додатків забезпечити найшвидший доступ.
У разі централізованого управління базою даних спрощується стандартизація та уніфікація представлення даних у АІС.
Основними недоліками, з якими можуть зустрітися користувачі та розробники програмного забезпечення під час застосування БД та СУБД, є:
-додаткові витрати апаратних ресурсів (наприклад пам’яті) під час розміщення та роботи СУБД;
-додаткові виткати на встановлення й підтримку СУБД у робочому стані;
-необхідність кваліфікованого персоналу для централізованого управління базою даних (адміністрації БД), а отже додаткові витрати.
Таким чином, використання БД та СУБД щодо створення великих потужних АІС, що включають велику кількість взаємопов’язаних програмних додатків, безперечно, дає суттєві переваги порівняно з варіантами створення таких самих АІС на основі файлової системи.
Однак, для окремих програмних додатків, або програм, що виконують специфічні функції та мало пов’язані з обробкою великих обсягів даних, використання потужних СУБД може виявитися малоефективним, тому що вимагає додаткових затрат часу і коштів.
Сучасні СУБД можуть підтримувати:
-різні типи подання даних й операції над ними (в тому числі фактографічних, документальних, картинно-графічних даних);
-природне і ефективне подання в БД різних відношень між об’єктами (наприклад, візуалізація даних, що характеризуються параметрами простору та часу);
-перевірку даних на несуперечність;
-дедуктивний вивід (дедуктивні БД);
-управління розподіленими БД та інтеграцію неоднорідних БД;
-централізацію й інтеграцію даних в мережах ПК.
Що стосується системи охорони здоров’я, то проблема вибору оптимальних способів зберігання та обробки великих обсягів медичної інформації вже давно є однією з актуальних проблем організації системи охорони здоров’я в Україні. У структурі будь-якого лікувального закладу існують центри, куди надходить інформація, яку слід зберігати та обробляти.
Мета будь-якої інформаційної системи – обробка даних про об’єкти реального світу. У широкому розумінні база даних – це сукупність відомостей про конкретні об’єкти реального світу в якій-небудь предметній області.
Під предметною областю (ПрО) прийнято розуміти частину реального світу, що підлягає вивченню для організації керування, наприклад, підприємство, ВНЗ тощо.
Створюючи базу даних, користувач прагне упорядкувати інформацію про різні ознаки об’єктів і швидко одержати вибірку даних з довільним сполученням ознак. Зробити це можливо тільки якщо дані структуровані. Структурування – це введення угод про способи подання даних. Неструктурованими називають дані, записані, наприклад, у текстовому файлі.
Наведемо приклад неструктурованих даних, що містять відомості про студентів (номер особистої справи, прізвище, ім’я, по батькові та рік народження):
Особиста справа № 16493 Сергєєв Петро Михайлович, дата народження 1 січня 1976 р.; o/с № 16593, Петрова Ганна Володимирівна, дата народження 15 березня 1975 р.; № особистої справи 16693, дата народження 14.04.76, Анохін Андрій Борисович
Легко переконатися, що складно організувати пошук необхідних даних, які зберігаються в неструктурованому вигляді, а упорядкувати подібну інформацію практично не можливо.
Щоб автоматизувати пошук і систематизувати ці дані, необхідно виробити певні угоди про способи подання даних, наприклад дату народження потрібно записувати однаково для кожного студента, вона повинна мати однакову довжину і визначене місце серед іншої інформації. Ці ж зауваження справедливі і для інших даних (номер особистої справи, прізвище, ім’я, по батькові).
№ особистої справи |
Прізвище |
Ім’я |
По батькові |
Дата народження |
16493 |
Нікулін |
Петро |
Михайлович |
01.01.76 |
16593 |
Петренко |
Ганна |
Володимирівна |
15.03.75 |
16693 |
Анохін |
Андрій |
Борисович |
14.04.76 |
Отже, база даних (БД) – це іменована сукупність структурованих даних, що відносяться до визначеної предметної області.
За технологією обробки даних бази даних класифікують на:
Централізовану базу даних, що зберігається в пам’яті однієї обчислювальної системи, якщо ця обчислювальна система є компонентом мережі комп’ютерів і можливий розподілений доступ до такої бази. Такий спосіб використання баз даних часто застосовують у локальних мережах ПК.
Розподілену базу даних, що складається з декількох, можливо пересічних або навіть дублюючих один одного частин, які зберігаються в пам’яті різних комп’ютерів обчислювальної мережі. Робота з такою базою здійснюється за допомогою системи керування розподіленою базою даних (СУРБД).
Життєвий цикл довільного програмного продукту, в тому числі і СУБД, складається в загальному випадку із таких стадій: проектування, реалізація, експлуатація. Найважливішим фактором у життєвому циклі додатка, що працює з базою даних, є стадія проектування. Від того, наскільки ретельно продумана структура бази даних, наскільки чітко означені зв’язки між її елементами залежить продуктивність системи.
Централізація обробки інформації дозволила усунути такі недоліки традиційних комп’ютерних систем, як незв’язаність, непогодженість і надмірність даних. По мірі росту баз даних і особливо при їхньому використанні в територіально-розділених організаціях з’являються інші проблеми. Так, для централізованої СУБД, що знаходиться у вузлі телекомунікаційної мережі, за допомогою якої різні підрозділи організації одержують доступ до даних, з ростом обсягу інформації та кількості транзакцій виникають наступні труднощі: великий потік обмінів даними; низька надійність; низька загальна продуктивність і великі витрати на розробку.
Хоча в централізованій базі даних легше забезпечити безпеку, цілісність і несуперечність інформації при відновленнях, перераховані проблеми створюють визначені труднощі. Як можливе вирішення цих проблем передбачається децентралізація даних. При децентралізації досягається більш високий ступінь одночасності обробки внаслідок розподілу навантаження; поліпшене використання даних на місцях при виконанні вилучених (дистанційних) запитів; менші витрати; простота керування.
Відповідно до способу доступу до даних бази даних класифікують на бази даних з локальним доступом і бази даних з вилученим доступом (типу мережа).
Системи централізованих баз даних з мережним доступом припускають різні архітектури подібних систем: файл-сервер; клієнт-сервер.
Файл-сервер. Архітектура таких систем БД із мережним доступом припускає виділення однієї з машин мережі в якості центральної (сервер-файлів). На такій машині зберігається спільно використовувана централізована БД. Всі інші машини мережі виконують функції робочих станцій, за допомогою яких підтримується доступ користувальницької системи до централізованої бази даних. Файли бази даних відповідно до користувальницьких запитів передаються на робочі станції, де в основному і виробляється обробка. При великій інтенсивності доступу до тих самих даних продуктивність інформаційної системи падає. Користувачі можуть створювати також на робочих станціях локальні БД, що використовуються ними монопольно.
Клієнт-сервер. У цій концепції мається на увазі, що крім збереження централізованої бази даних центральна машина (сервер бази даних) повинна забезпечувати виконання основного обсягу обробки даних. Запит на дані, що видаються клієнтом (робочою станцією), породжує пошук і витяг даних на сервері. Витягнуті дані (але не файли) транспортуються по мережі від сервера до клієнта. Специфікою архітектури клієнт-сервер є використання мови запитів SQL.
Добре спроектована БД:
- задовольняє всім вимогам споживачів до вмісту та до продуктивності БД;
- гарантує несуперечливість та цілісність даних.
-забезпечує природне, легке для сприйняття структурування інформації.
При проектуванні таблиць потрібно означити їх атрибути та деякі правила, що обмежують можливість введення споживачем неправильних значень.
Основні кроки проектування БД:
- визначити інформаційні потреби БД;
-проаналізувати об’єкти, що потрібно промоделювати в БД.
- визначити атрибути, які ідентифікують кожен об’єкт.
-визначити правила, які будуть підтримувати цілісність даних.
- встановити зв’язки між об’єктами, провести нормалізацію таблиць.
-вирішити питання щодо надійності даних та їхнього збереження.
Ядром будь-якої бази даних є модель даних. Модель даних являє собою безліч структур даних, обмежень цілісності й операцій маніпулювання даними. За допомогою моделі даних можуть бути представлені об’єкти предметної області, взаємозв’язку між ними. Модель даних – це сукупність структур даних і операцій їхньої обробки. Сучасна СУБД ґрунтується на використанні ієрархічної моделі даних, моделі даних типу мережа, реляційної моделі, комбінації цих моделей або на деякій їхній підмножині.
Розглянемо три основних типи моделей даних: ієрархічну, типу мережа і реляційну.
Ієрархічна структура представляє сукупність елементів, зв’язаних між собою за визначеними правилами. Об’єкти, зв’язані ієрархічними відносинами, утворюють орієнтований граф (перевернене дерево), приклад якого надається на рис. 1. До основних понять ієрархічної структури відносяться: рівень, елемент (вузол), зв’язок. Ієрархічну модель організовує дані у вигляді деревоподібної структури і є реалізацією логічних зв’язків за типом «ціле-частина». Приклад ієрархічної моделі – довільна адміністративна структура.
Рис. 1. Приклад ієрархічної моделі
Вузол – це сукупність атрибутів даних, що описують деякий об’єкт. На схемі ієрархічного дерева вузли мають вигляд вершин графа. Кожен вузол на більш низькому рівні зв’язаний тільки з одним вузлом, що знаходиться на більш високому рівні. Ієрархічне дерево має тільки одну вершину (корінь дерева), яка не підлегла ніякій іншій вершині і знаходиться на самому верхньому (першому) рівні. Залежні (підлеглі) вузли знаходяться на другому, третьому й інших рівнях. Кількість дерев у базі даних визначається числом кореневих записів.
До кожного запису бази даних існує тільки один (ієрархічний) шлях від кореневого запису. Наприклад, як видно з малюнка, для запису С4 шлях проходить через записи А і ВЗ. Приклад, наведений на наступному рисунку, ілюструє використання ієрархічної моделі бази даних.
Де А: Інститут (спеціальність, назва інституту, директор): наприклад
071900, Економічної інформатики, Іванов І.В.
Вi: Група (номер, староста), наприклад
В1 |
В2 |
В3 |
111 Петровська І.Т. |
112 Зайцев Р.В. |
113 Нікулін К.Л. |
Сj: Студент (номер залікової книжки, прізвище, ім’я, по батькові), наприклад,
С1 |
С2 |
С3 |
98795 |
97695 |
98495 |
Поліщук |
Черняхівський |
Марчук |
Андрій |
Юлія |
Костянтин |
Петрович |
Миколаївна |
Іванович |
Для розглянутого приклада ієрархічна структура правомірна, тому що кожен студент вчиться у визначеній (тільки одній) групі, що відноситься до визначеного (тільки одного) інституту.
У структурі типу мережа при тих же самих основних поняттях (рівень, вузол, зв’язок) кожен елемент може бути зв’язаний з будь-яким іншим елементом. На рис. 14 наведена структура типу мережа бази даних у вигляді графа.
Прикладом складної структури типу мережа може служити структура бази даних, що містить відомості про студентів, що беруть участь у науково-дослідних роботах (НДРС). Можлива участь одного студента в декількох НДРС, а також участь декількох студентів у розробці однієї НДРС. Графічне зображення описаної у прикладі структури типа мережа, що складається тільки з двох типів записів, показано на малюнку нижче. Єдине відношення являє собою складний зв’язок між записами в обох напрямках. Приклад структури даних типу мережа: Робота (шифр, керівник, область знань), Студент (номер залікової книжки, прізвище, група)
Рис. 3. Складна структура типу мережа
Поняття реляційний (англ. relation – відношення) зв’язано з розробками відомого американського фахівця в області систем баз даних Е.Ф. Кодда. Ці моделі характеризуються простотою структури даних, зручною для користувача формою подання у вигляді таблиць і можливістю використання апарата алгебри відносин і реляційного обчислення для обробки даних.
На мові математики відношення визначається таким чином. Нехай задано n множин D1,D2, …,Dn. Тоді R є відношення над цими множинами, якщо R є множиною впорядкованих наборів вигляду <d1,d2,…,dn>, де d1 – елемент з D1 , d2 – елемент з D2 , … , dn – елемент з Dn. При цьому набори вигляду <d1,d2,…,dn> називаються кортежами, а множини D1D2, …,Dn – доменами. Кожен кортеж складається з елементів, що вибираються із своїх доменів. Ці елементи називаються атрибутами, а їхні значення – значеннями атрибутів.
Отже, реляційна модель орієнтована на організацію даних у вигляді двовимірних таблиць, кожна з яких має наступні властивості:
- кожен елемент таблиці – це один елемент даних;
-усі стовпці в таблиці – однорідні, тобто всі елементи в стовпці мають однаковий тип (символьний, числовий тощо);
- кожен стовпець має унікальне ім’я;
-однакові рядки в таблиці відсутні.
У вигляді таблиці можна представити інформацію про студентів, що навчаються у ВНЗ. Наприклад,
Таблиця 2. Інформація про студентів
№ особистої справи |
Прізвище, ім’я, по-батькові |
Дата народження |
Курс |
Група |
16493 |
Нікулін Петро Михайлович |
01.01.76 |
2 |
11 |
16593 |
Петренко Ганна Володимирівна |
15.03.75 |
2 |
12 |
16693 |
Анохін Андрій Борисович |
14.04.76 |
2 |
11 |
Такі таблиці мають рядки, які відповідають записам (або кортежам), а стовпці – атрибутам відношень (доменам, полям).
Наступні терміни є еквівалентними:
- відношення, таблиця, файл (для локальних БД);
- кортеж, рядок, запис;
-атрибут, стовпчик, поле.
Реляційна БД є сукупністю відношень, що містять усю необхідну інформацію та об’єднані різними зв’язками.
БД вважається нормалізованою, якщо виконуються наступні умови:
- кожна таблиця має головний ключ;
-всі поля кожної таблиці залежать тільки від головного ключа;
- в таблицях відсутні групи повторних значень.
Для успішної роботи з багато табличними БД, як правило, треба встановити між ними зв’язки. При цьому користуються термінами «базова таблиця» і «підлегла таблиця». Організація зв’язку між елементами різних таблиць можлива, якщо одна таблиця містить первинний ключ іншої. Це поле тоді має назву зовнішній ключ.
Зв’язок між таблицями утворюється завдяки парі полів, одне з яких знаходиться в базовій таблиці, а друге – в підлеглій. Ці поля можуть мати значення, що повторюються. Коли значення в зв’язаному полі запису базової таблиці і в полі підлеглої співпадають, то ці записи називаються зв’язаними.
Якщо зв’язане поле підлеглої таблиці містить тільки унікальне значення, то створюється зв’язок «один-до-одного». Якщо це поле може містити значення, що повторюються, то створюється зв’язок – «один-до-багатьох».
Деякі СУБД можуть зв’язувати дві таблиці тільки якщо вони мають спільні поля (поля з однаковою назвою і типом).
Розрізняють такі види взаємозв’язків між відношеннями:
Зв’язок «один-до-одного» допускає зв’язок між двома об’єктами, представленими у вигляді таблиць, наприклад, «ПАЦІЄНТ» і «СТАН ОРГАНІЗМУ ПАЦІЄНТА» (кожному пацієнту відповідає конкретний стан організму); «ПОСАДА» і «ОКЛАД».
Він є найпростішим видом зв’язку даних, коли первинний ключ таблиці є водночас зовнішнім ключем, що посилається на первинний ключ іншої таблиці.
Зв’язок «один-до-багатьох» допускає зв’язок з одним об’єктом кількох інших, наприклад, «ПАЦІЄНТ» і «ЛІКАР» (кожному лікарю відповідає кілька пацієнтів); «СТУДЕНТ» і «ВИКЛАДАЧ»; «ГРУПА» і «ВИКЛАДАЧ» (в кожній групі викладає певний викладач, а викладач може проводити заняття в різних групах).
Цей зв’язок реалізується вже описаною парою «зовнішній ключ – первинний ключ». Саме цей зв’язок описує механізм класифікаторів, коли існує довідкова таблиця що містить назви, імена і деякі коди (первинним ключем є код), в інформаційній таблиці визначається зовнішній ключ, що посилається на первинний ключ класифікатора.
Зв’язок «багато-до-багатьох» в явному вигляді в реляційних БД не підтримується, однак є способи непрямої реалізації такого зв’язку. Він допускає зв’язок кількох об’єктів з кількома іншими, наприклад, «ПАЦІЄНТ» і «ЛІКУВАЛЬНИЙ ЗАКЛАД» (пацієнти можуть обслуговуватися в різних лікувальних закладах) або зв’язок ПАЦІЄНТИ ХІМІОПРЕПАРАТИ (один пацієнт може використовувати під час лікування різні хімічні препарати, водночас як кожен хіміопрепарат може вживатися різними пацієнтами); «ВИКЛАДАЧ» і «ПРЕДМЕТ» (одну навчальну дисципліну можуть викладати різні викладачі, а один викладач може викладати різні предмети).
Для організації останнього типу взаємозв’язку можна використовувати два зв’язки «один-до-багатьох» через додаткову проміжну таблицю (рядки якої складаються із зовнішніх ключів, що посилаються на первинні ключі обох таблиць).
№ особистої справи пацієнта |
Прізвище |
Ім’я |
По-батькові |
Дата народження |
Курс |
Група |
16493 |
Нікулін |
Петро |
Михайлович |
01.01.76 |
2 |
11 |
16593 |
Петренко |
Ганна |
Володимирівна |
15.03.75 |
2 |
12 |
16693 |
Анохін |
Андрій |
Борисович |
14.04.76 |
2 |
11 |
№ хім. препарату |
Назва |
Хімічна формула |
1 |
|
|
2 |
|
|
3 |
|
|
Таблиця 5. «ХІМІОПРЕПАРАТИ-ПАЦІЄНТИ»
№ особистої справи |
№ хім. препарату |
16493 |
1 |
16493 |
2 |
16593 |
1 |
16593 |
3 |
Атрибут (або набір атрибутів), що може бути використаний для однозначної ідентифікації конкретного кортежу, називається первинним ключем. Якщо з первинного ключа виключити довільний атрибут, решти їх буде недостатньо для однозначної ідентифікації окремих кортежів. Для прискорення доступу за первинним ключем у всіх СУБД є механізм індексування. Індекс – це інвертований деревоподібний список, що вказує на дійсне місцезнаходження запису для кожного первинного ключа.
Можливе індексування відношення з використанням атрибутів, відмінних від первинного ключа. Даний тип індексу називається вторинним і застосовується з метою зменшення часу доступу під час пошуку даних у відношенні, а також для сортування.
Для підтримки цілісності даних у багатьох СУБД є механізм зовнішніх ключів, коли деякому атрибуту (або групі атрибутів) одного відношення призначають посилання на первинний ключ іншого, тим самим закріплюються зв’язки підлеглості між ними. При цьому відношення, на первинний ключ якого посилається зовнішній ключ іншого, називається головним (master-relation), а відношення, від якого виходить посилання, називають другорядним (detail-relation).
Поле, кожне значення якого однозначно визначає відповідний запис, називається простим ключем (ключовим полем). Якщо записи однозначно визначаються значеннями декількох полів, то така таблиця бази даних має складений ключ. У прикладі, показаному в таблиці вище, простим ключовим полем таблиці є атрибут «№ особистої справи».
Щоб зв’язати дві таблиці, необхідно або ключ-атрибут першої таблиці ввести до складу ключа-атрибут другої таблиці (можливий збіг ключів); або ввести в структуру першої таблиці зовнішній ключ – ключ другої таблиці.
На рис. 16 показаний приклад реляційної моделі, побудованої на основі об’єктів: СТУДЕНТ, СЕСІЯ, СТИПЕНДІЯ:
- СТУДЕНТ (Код_студента; Код_Сесії; Прізвище, ім’я, по батькові; Стать; Дата народження; Факультет, Курс, Потік, Група);
- СЕСІЯ (Код_Сесії, Оцінка 1, Оцінка 2, Оцінка 3, Оцінка 4, Результат);
- СТИПЕНДІЯ (Результат, Відсоток).
Таблиці СТУДЕНТ і СЕСІЯ мають співпадаючі ключі «Код_Сесії», що дає можливість легко організувати зв’язок між ними. Таблиця СЕСІЯ має первинний ключ «Код_Сесії» і містить зовнішній ключ «Результат», що забезпечує її зв’язок з таблицею СТИПЕНДІЯ.
Код_студента |
|
Табл .СЕСІЯ |
|
|
Код_Сесії |
Þ |
Код_Сесії |
|
|
Прізвище, ім’я, по батькові |
|
Оцінка 1 |
|
|
Стать |
|
Оцінка 2 |
|
|
Дата народження. |
|
Оцінка 3 |
|
|
Факультет |
|
Оцінка 4 |
|
Табл. СТИПЕНДІЯ |
Курс |
|
Результат (cередній бал) |
Þ |
Результат |
Потік |
|
|
|
Відсоток |
Група |
|
|
|
|
Рис. 5. Реляційна модель, побудована на основі об’єктів: СТУДЕНТ, СЕСІЯ, СТИПЕНДІЯ
На початку 70-х рр. XIX століття було розроблено новий вид програмного забезпечення – системи керування базами даних (Data Base Management System – DBMS), що дозволило структурувати, систематизувати й організувати дані для їхнього комп’ютерного збереження й обробки.
Система керування базами даних (СУБД) – це комплекс програмних і мовних засобів, необхідних для створення баз даних, підтримки їх в актуальному стані та організації пошуку в них необхідної інформації.
У наш час неможливо представити інформаційну підтримку сучасної медичної установи без застосування професійних СУБД. Однак існуючий сьогодні рівень можливостей програмних продуктів даного напряму був досягнутий не відразу. Еволюція СУБД пройшла шлях від систем, що спиралися на ієрархічну модель і модель даних типу мережа, до систем так званого третього покоління, для яких характерні ідеї об’єктно-орієнтованого підходу:
СУБД першого покоління мали ряд істотних недоліків: відсутність стандарту зовнішніх інтерфейсів і можливість переносити прикладні програми. Однак ці СУБД виявилися досить довговічні: розроблене на їхній основі програмне забезпечення використовується і сьогодні, а великі комп’ютери (mainframe) містять величезні масиви актуальної інформації.
Розробка Е. Коддом реляційної теорії підштовхнула до створення наступного класу СУБД. Особливостями другого покоління є застосування реляційної моделі даних і розвинута мова запитів SQL. Простота і гнучкість моделі даних дозволили їй стати домінуючою й зайняти лідируючі позиції на відповідному секторі ринку.
Серед негативних моментів в реляційній моделі можна відзначити: неможливість подання і маніпулювання даними складної структури (тексти, просторові дані). Це змушує вести роботи по вдосконалюванню систем другого покоління або по створенню нової моделі даних.
Для СУБД третього покоління характерне використання пропозицій, що стосуються керування об’єктами і правилами, керування розподіленими даними, використання мов програмування четвертого покоління (4GL), технологій тиражування даних та інших досягнень в області обробки даних Сьогодні СУБД цього покоління застосовуються в діловій сфері досить активно не тільки як незакінчені технічні рішення, але й як готові продукти, що дають можливості розроблювачам активно використовувати могутні засоби керування даними.
У наш час створено велику кількість СУБД, що мають приблизно однакові можливості: усі вони дозволяють створювати БД задаючи їхню структуру, вводити дані, переглядати створені файли, редагувати їх, обновляючи запис, видаляючи непотрібні дані та додаючи нові; організувати систему паролів для захисту від несанкціонованого доступу до даних бази. Створені БД можна упорядковувати за значенням визначеного ключового реквізиту або декількох реквізитів, виконувати пошук інформації в базі, формувати звіти заданої форми за її даними; вносити зміни у структуру вже створеного файлу бази даних. Часто у зв’язку з зовнішніми умовами, що змінюються, потрібно збільшити розрядність якого-небудь атрибуту об’єкту або додати новий. Функція зміни структури бази даних розв’язує цю проблему автоматично, перезаписуючи файл на нове місце на диску зі зміненою структурою. При цьому файлові зі зміненою структурою привласнюється теж ім’я, а стара копія файлу зберігається на диску з тим же ім’ям, але з розширенням. Найбільш відомою серед СУБД є система dBASE, крім неї існують FoxBase, FoxPro, Paradox, Rbase, Clipper, Oracle інші.
Мовні засоби використовуються для виконання двох основних функцій:
- для опису подання бази даних на керованих рівнях архітектури системи;
- для ініціювання виконання операції маніпулювання даними.
Перша з цих функцій забезпечується мовою опису даних (МОД – Shema Definition Language), яку часто називають мовою визначення даних. Опис даних засобами МОД називають схемою бази даних. Він включає опис логічної структури даних і обмежень цілісності, що накладаються на неї, у рамках тих правил, що регламентовані моделлю даних використовуваної СУБД. Крім зазначених функцій, МОД деяких СУБД забезпечує можливості завдання обмеження доступу до даних або повноважень користувачів.
Мова маніпулювання даними (ММД – Shame Manipulation Language) дозволяє запитувати передбачені в системі операції над даними з бази даних, тобто містить набір операторів маніпулювання даними, що дозволяє заносити дані, видаляти, модифікувати або вибирати їх.
В даний час існують численні приклади мов СУБД, що поєднують можливості опису даних і маніпулювання даними в єдиних синтаксичних рамках. Більш того, у сучасних СУБД звичайно підтримується єдина інтегрована мова, що містить усі необхідні засоби для роботи з базою даних (починаючи від її створення) і базовий користувальницький інтерфейс, що забезпечує роботу з базами даних. Найбільш популярним і стандартним для реляційних СУБД є мова SQL (Structured Query Language), розроблена фірмою IBM і реалізована в реляційній СУБД System R, а згодом і в комерційній системі DB2.
Самі по собі дані в комп’ютерній формі не цікавлять користувача, якщо відсутні засоби доступу до них. Доступ до даних здійснюється у вигляді запитів, що формулюються стандартною мовою запитів. Сьогодні для більшості СУБД такою мовою є SQL.
Прообраз мови виник у 1970 р. у лабораторії Санта-Тереза фірми IBM у рамках науково-дослідного проекту System R. Сьогодні – це фактично стандарт інтерфейсу із сучасними СУБД. Популярність SQL настільки велика, що розроблювачі нереляційних СУБД (наприклад, ADABAS), додають до своєї системи SQL-інтерфейс.
Мова SQL має офіційний стандарт – ANSI/ISO. Більшість розроблювачів дотримуються цього стандарту, однак часто розширюють його для реалізації нових можливостей обробки даних. SQL не є мовою програмування в традиційному розумінні, адже на ній пишуть не програми, а запити до баз даних. Тому ця мова декларативна, тобто з її допомогою можна сформулювати, що необхідно одержати, однак не можна вказати, як це варто зробити. Зокрема, на відміну від процедурних мов програмування (Сі, Паскаль), у мові SQL відсутні такі оператори, як if/then/else. Запит у мові SQL складається з одного або декількох операторів, розділених крапкою з комою. Найбільш важливі визначені в стандарті ANSI/ISO SQL. Кожна послідовність операторів мови SQL реалізує визначену дію над БД.
Повторюємо, що SQL – це мова запитів, тому на ній неможливо написати досить складні прикладні програми, що працюють з базою даних. Для цієї мети в сучасних СУБД використовують мова четвертого покоління (FGL – Forth Generation Language), що володіє основними можливостями процедурних мов третього покоління (Си, Паскаль), можливістю вмонтувати текст програми оператора SQL і володіє засобами керування інтерфейсом користувача (формами, меню, звітами тощо). Сьогодні FGL – це один із стандартів розробки програм-додатків, що працюють із БД.
Перший стандарт цієї мови з’явився в 1989 р. – SQL-89 – і підтримувався практично всіма комерційними реляційними СУБД. Він мав досить загальний характер і допускав широке тлумачення. Достоїнствами SQL-89 можна вважати стандартизацію синтаксису і семантики операторів вибірки і маніпулювання даними, а також фіксацію засобів обмеження цілісності бази даних. Однак у ньому були відсутні такі важливі розділи, як маніпулювання схемою БД і динамічний SQL.
Неповнота стандарту SQL–89 привела до появи в 1992 р. наступної версії мови SQL. SQL–92 вирішує практично всі необхідні проблеми: маніпулювання схемою бази даних, керування транзакціями і сесіями, динамічний SQL. У стандарті існують три рівні: базовий, проміжний і повний. Тільки останнім часом СУБД провідних виробників забезпечує сумісність з повним варіантом мови. Поява нових вимог користувачів до СУБД привели до того, що в даний час ведуться роботи з розробки SQL–3. Ця версія мови, мабуть, буде мати у своєму складі механізм тригерів, визначення довільного типу даних, серйозні об’єкти розширення. Поки ж найбільші розробники СУБД затягують розробку цього стандарту, удосконалюючи і розширюючи власні версії мови SQL.
В середині 80-их років ХХ століття для підтримки додатків систем автоматизованого проектування (САПР) почали розробляти об’єктно-орієнтовані СУБД (ООСУБД). Складні структури даних САПР дуже зручно оформити у вигляді об’єктів, а технічні креслення простіше зберігати в БД, ніж у файлах. Це дозволяє обійтися без декомпозиції графічних структур на елементи та запис їх у файли після внесенні змін у креслення.
Якщо типові реляційні БД мають зв’язки в глибину двох рівнів, то ієрархічна інформація креслень САПР звичайно включає до десяти рівнів, що потребує достатньо складних операцій для «збирання» результату. Об’єктні БД добре відповідали подібним задачам, і еволюція багатьох СУБД розпочалася саме із ринку САПР.
Об’єктно-орієнтовані БД почали використовувати для забезпечення управління базами даних і додатками, побудованими в відповідності із концепцією об’єктно-орієнтованого програмування. Об’єктно-орієнтована технологія дозволяє пакувати дані та код для їх обробки разом (в об’єктах). Таким чином практично знімаються обмеження на типи даних, що дає змогу працювати із даними будь-якого рівня абстракції.
Використання об’єктної моделі краще застосовувати для баз даних з великою кількістю складних зв’язків. В об’єктно-орієнтованих СУБД кожна визначена користувачем структура – це об’єкт, що одержує управління безпосередньо базою даних.
Якщо дані складаються із коротких полів фіксованої довжини (прізвище, адреса тощо), то найкращим рішенням щодо організації даних буде використання реляційної бази даних. Якщо ж дані (об’єкти) містять складну структуру (типу «матрьошка»); розмір, що динамічно змінюється; довільні структури, що визначаються користувачем (наприклад, мультимедіа), подання їх в табличній формі буде важким.
Багато аналітиків вважає, що майбутнє за гібридними об’єктно-реляційними СУБД.
Не існує стандартного підходу до кодування і класифікації. Є велика кількість варіантів Міжнародної Класифікації в системі Охорони здоров’я[1] (ICPC) з різними модифікаціями і доповненнями, що відповідають потребам різних країн. Відповідальним за цю систему Класифікації є Світова організація сімейних лікарів[2] (WONCA ).
Найбільш широкого використання в системі охорони здоров’я знайшла система класифікації ICD і класифікації, що отримані від неї. Першою спробою реєстрації були Письмові звіти Лондона про смертність у 1629. Перше видання Міжнародного Списку Причин Смертності, (причини тоді повідомляли), було представлено Жаком Бертілоном на зустрічі в Міжнародному статистичному інституті (ISI – International Statistical Institute) в 1893 у Чикаго, і було офіційно прийнято в 1900. Цей список регулярно переглядався під спостереженням ISI, до п’ятого видання включно в 1938. До того ж, список кодів насамперед використовувався для статистики смертності. Компанії страхування здоров’я, лікарні, заклади медичного обслуговування, армія, та інші організації відчули необхідність розширення списку кодами для реєстрації хвороб. Міжнародна оздоровча конференція, що проходила в місті Нью-Йорк в 1946, доручила Тимчасовій Комісії світової організації охорони здоров’я здійснити необхідну попередню роботу, для розширення Міжнародного списку причин смертності Міжнародним списком причин хвороб.
Термін класифікація має два різних значення: по-перше – це процес проектування системи класифікації, по-друге – це сам процес кодування (опису об’єкта з використанням кодів або умов, що є показниками понять) у межах певної системи класифікації.
Тут ми будемо використовувати цей термін лише у першому значенні. Тобто, класифікація – це впорядкована у межах певної області система понять з явними або неявними принципами впорядкування. Класифікація базується на попередніх знаннях і формує ключ до розширення (поглиблення) знань.
Мета класифікації полягає в тому, щоб підтримувати створення статистики охорони здоров’я або полегшувати дослідження. Прикладом може слугувати класифікація відхилень електрокардіограми або діагнозів у певному класі хвороб.
При класифікації поняття впорядковуються за родовими зв’язками. Родові зв’язки – це зв’язки типу «А з роду B». Наприклад, пневмонія є хворобою легень, де пневмонія є більш вузьким поняттям, а хвороба легень – більш широким. Класифікація дозволяє впорядкувати поняття в межах визначеної області. Прикладами областей є множина діагнозів, медичні процедури тощо. У цьому відношенні Міжнародна Класифікація Хвороб, 9-е видання (ICD–9 – International Classification of Diseases, 9th edition) – це класифікація діагнозів. Вона дозволяє порівнювати отримані результати, зібрані в різних областях.
Наприклад, якщо ми хочемо визначити кількість ліжок, необхідних різним віковим категоріям в лікарні, ми могли б використати наступні вікові класи.
Таблиця 5
Малята |
Вік 0 – 3 |
Діти |
Вік 4 – 12 |
Підлітки |
Вік 13 – 18 |
Дорослі |
Вік 19 – 64 |
Люди літнього віку |
Вік 65 – > |
У цьому гіпотетичному прикладі, визначення класів – це відносно проста задача і вимоги для класифікації легко виконати (див. таблицю.13). Класифікація зроблена відповідно до єдиного критерію – віку, тобто, вік використовується як критерій диференціації.
Таблиця 6. Вимоги для класифікації і додаткові вимоги для комп’ютерних систем кодування
Вимоги для класифікації |
Додаткові вимоги для комп’ютерних систем кодування |
Сформованість області Непересічність класів (взаємне виключення) Відповідність поставленій меті Однорідний порядок (один принцип на рівень) Зрозумілі критерії для визначення границь класу Однозначні і повні керуючі принципи для застосування Відповідний рівень деталізації |
Врахуйте використання синонімів Врахуйте використання лексичних варіацій (різновидів) Нечутливий до орфографічних помилок Надійність Послідовність дій (нечутливість до термінів та строків) Надійність |
У класифікаціях, що використовують більш ніж один принцип упорядкування, ситуація ускладнюється. У класифікації хвороб ми маємо справу з різними аспектами, серед яких: анатомічне розташування, етіологія, морфологія, дисфункція тощо. Кожен з цих аспектів може використовуватися для впорядкування. Таке впорядкування шляхом класифікації за певною ознакою називається віссю. Багатоосьові класифікації використовують декілька критеріїв впорядкування одночасно. У Міжнародній Класифікації в системі Охорони здоров’я, наприклад, діагнози класифіковані уздовж двох осей, одна – для систем організму (літера) а інша для компонентів (див. таблицю 16). ICPC насамперед розроблена для цілей епідеміології. Тому класи були обрані таким чином, щоб для цілей охорони здоров’я, кожен клас містив би достатню кількість випадків. От чому всі тропічні хвороби групують разом. Ця класифікація, може бути корисною, наприклад в Європі або Північній Америці, але це певним чином непрактично для лікарів, що працюють у тропічних областях, наприклад в Африці, Центральний і Південній Америці, Індії, Індонезії.
Таблиця 6. Приклад багатоосьової класифікації
Перша вісь: системи організму |
Друга вісь: компоненти |
||
Код |
Система організму |
Код |
Компонент |
A |
Загальна і невизначена |
1 – 29 |
Симптоми і скарги |
B |
Кров |
30 – 49 |
Діагностичне обстеження і попередження |
D |
Травлення |
50 – 59 |
Обробка і лікування |
F |
Зір |
61 – 61 |
Результати тестів |
H |
Слух |
62 |
Адміністративний |
K |
Кровообіг |
63 – 69 |
Інші |
L |
Скелетно – мускульна |
70 – 99 |
Діагнози |
N |
Неврологічна |
|
|
P |
Психологічна |
|
|
R |
Дихальна |
|
|
S |
Шкіра |
|
|
T |
Ендокринологія та метаболістика |
|
|
U |
Урологія |
|
|
W |
Вагітність і планування сім’ї |
|
|
X |
Жіноча статева система |
|
|
Y |
Чоловіча статева система |
|
|
Z |
Соціальні проблеми |
|
|
Однією з проблем, що постає при загальноприйнятій реєстрації в галузі охорони здоров’я, є відсутність загальної термінології. Тезаурус – це список умов, використовуваних для визначеної прикладної області чи сфери. Приклади – це список діагностичних умов або список умов для лабораторних досліджень. Тезаурус завжди призначений для того, щоб бути повним для своєї області. Для практичного використання також розроблені тезауруси, що містять список синонімів переважно для кожного терміну. Таким чином, тезаурус стимулює використання стандартизованої термінології. Обмежений набір важливих термінів, що використовуються в межах організації для конкретної мети, називається керуючим словником.
У номенклатурі (специфікації), коди призначені для медичних понять, а медичні поняття можуть бути об’єднані відповідно до визначених правил у більш складні поняття. Це призводить до великої кількості можливих комбінацій коду.
Різниця між системою класифікації і номенклатурою полягає в тому, що в класифікації коди вбудовані, тоді як в останньому, користувач вільний в об’єднанні кодів для залучення всіх аспектів. Виправлення записів хворих, чиї дані визначені кодами класифікації з великої бази даних, відносно легке; відновлення записів хворих, збережених з використанням номенклатури, складніше через вищий ступінь свободи, що веде до дуже складних кодів. Номенклатура (специфікація), однак, корисна при створенні стандартизованих звітів.
У 1933 році Нью-Йоркська медична академія розпочала роботу над базою даних медичних термінів. Стандарт класифікував номенклатуру хвороб. Американська Медична Асоціація продовжувала цю роботу в 1961, і в 1965 Систематична номенклатура системи кодування патологій (SNOP Systematic Nomenclature of Pathology) публікувалася американським Коледжем Патологів. SNOP сформував основу для розробки Систематизованої Номенклатури людської і ветеринарної медицини (SNOMED Systematized Nomenclature of Human and Veterinary Medicine).
Кодування – це процес віднесення індивідуального об’єкта до певного класу, або до набору класів у випадку багатоосьової класифікації. У більшості класифікацій, класи позначені кодами. Кодування, фактично, – це інтерпретація різних властивостей об’єкта. Коди можуть бути позначені числами, літерами, або і тим і іншим. Нижче наведені різні види кодів.
Числові коди можуть надаватися послідовно. Це означає, що кожен новий клас отримує наступне невикористане число. Перевага в тому, що можуть бути легко додані нові класи. Проте, вони можуть надаватися й випадковим чином, щоб уникати наявності будь-якої конкретної інформації, прихованої у коді.
Мнемонічний код формується з одного або кількох символів класу. Це допомагає користувачам запам’ятовувати коди. Однак, для класифікацій з багатьма класами це може привести або до довгих кодів, або до кодів, не схожих з рубриками класу. Таким чином, мнемонічні коди в цілому використовуються для обмежених списків класів. Наприклад, лікарняні відділення часто позначаються мнемонічними кодами.
Ієрархічні коди формуються, розширюючи існуючий код на один або більшу кількість додаткових символів для кожного додаткового рівня деталізації. Ієрархічний код несе інформацію щодо рівня деталізації спорідненого класу і щодо ієрархічних зв’язків з його родовим (батьківським) класом. Такий спосіб кодування подібний до структури ієрархічних баз даних, з більш загальним класом (батьками) на вищому рівні, і більш дрібними класами (дітьми) на нижчих рівнях. Це означає, що дані можуть бути відновленими, використовуючи ієрархічні коди на деякому рівні, навіть, коли на більш низьких рівнях зроблені істотні продовження або модифікації.
Коди зіставлення – це складені коди, що складаються із частин (сегментів). Кожен сегмент характеризує пов’язаний з ним клас. У ICPC, наприклад, діагностичний код сформований із використанням коду, що складається з однієї літери алфавіту (мнемонічний код для трактування) і двозначним числом. Наприклад, усі коди із символом «D» пов’язані з процесом травлення, а всі коди, що починаються з «N», описують порушення нервової системи.
Інший приклад – це класифікація медичних процедур, яка використовує упорядковані принципи: дія, устаткування (обладнання), мета (ціль) і анатомічне положення (див. рис. 6). Комбінація 100 анатомічних положень з 20-ма різними діями, 10-ма різними інструментами і 5-ма різними цілями приводить до системи класифікації з потужністю у 100.000 класів і кодів. Єдиний спосіб справитися з цим сплеском полягає у використанні комбінаційного коду. Використовуючи комбінаційний шестизначний цифровий код, що складається з чотирьох частин (сегментів), які описують: дії (дві цифри), обладнання (дві цифри), мету (одна цифра) і анатомічний положення (одна цифра) відповідно; служби кодування мають розрізняти тільки 135 кодів, з яких можуть генеруватися 100.000 комбінацій. Критерії диференціювання зазначені між прямокутниками.
Рис. 7. Приклад багаторівневої класифікації медичних процедур.
У кодах доповнення значення 2 використовуються в якості представлення елемента даних або класу. Точно так само, як у комбінаційному коді, можуть кодуватися кілька характеристик. У даному випадку, тільки одне число замість сегмента використовується як код для кожної характеристики. Це легко ілюструється, якщо ми кодуємо присутність або відсутність факторів ризику, як наприклад:
20 = 1 для курців/0 для некурящих,
21 = 2 для людей з надлишковою масою тіла/0 без надлишкової маси,
22 = 4 для збільшеного холестерину/0 без збільшеного холестерину.
Використовуючи коди від 1 до 7, ми можемо скласти всі три фактори ризику, згадані вище. Курець, що важить більше норми, але без збільшеного рівня холестерину, кодується як 3, а некурящий, що важить більше норми і має збільшений рівень холестерину кодується як 6.
Таксономія – це теоретичне вивчення класифікації, у тому числі її основних принципів, процедур, і правил. Таксономія термін, відомий з роботи Ліннаеуса з класифікації біологічних організмів. Цей термін також використовується, щоб позначити кінцевий продукт таксономічного процесу і тому часто синонімічний із класифікацією. Ми будемо використовувати термін таксономія для першого визначення: наука класифікації. Термін класифікація використовується для кінцевого продукту процесу.
Таксономія займається науковими основами класифікації взагалі. Всі об’єкти групи в сукупності мають деякі особливості, тобто, вони потрапляють у межі групи. Усі ссавці формують одну групу, до якої належать люди, коти й кити.
Група може підрозділятися на підставі іншої характеристики або ознаки (аспекту). Лев, тигр і кіт, усі належать до групи (сімейства) котячих. У системі класифікації хвороб, наприклад ICD-9, класифікація і розподілення здійснюється шляхом групуванням хвороб по системах організму або за етіологією.
Різні «глави» (головні категорії хвороби або етіологічні категорії) ICD-9 розподілені на групи, групи поділяються на тризначні класи, і так далі.
Нозологія визначається як наука класифікації хвороб. Тому нозологічні дослідження зазвичай включають у вивчення симптомів, синдромів, порушень і ушкоджень, а також самої хвороби. Тому було б більш зручним, визначити нозологію як науку класифікації діагностичних умов, тобто, систематику діагностичних умов.
Збільшення інформаційних потреб галузі охорони здоров’я висвітлило багато нозологічних проблем. Здається, що розширення діагностичного словника протягом минулого століття не відповідає розробкам точної мови позначень для опису відносин між діагностичними умовами. Хоча мови позначень, як наприклад хвороба, порушення і синдром широко використовуються, є певна невизначеність щодо їхнього відповідного значення. Мова позначень для опису нозологічних зв’язків є або відчуттям недоліку, або невикористаності.
На відміну від нозології, нозографія – це наука про опис хвороб. Різниця між визначенням і описом хвороби: визначення хвороби дає тільки істотні характеристики хвороби, тоді як опис включає випадкові характеристики, тобто характеристики, що емпірично співвідносяться із сутністю хвороби, як наприклад так звані критерії класифікації ревматичного артриту американською асоціацією ревматизму (ARA – American Rheumatism Association) (див. табл. 16). У цьому визначенні відсутні істотні характеристики; усі характеристики випадкові. Цей вид визначення, у якому використовується набір випадкових характеристик, називається багатокатегорійним. Ймовірно, істотну характеристику ревматичного артриту медична наука ще не знайшла.
Таблиця 7. Критерії ARA для Класифікації Ревматичного Артриту, 1987.
1. |
Ранковий твердий |
2. |
Артрит трьох або більше об’єднаних областей |
3. |
Артрит ручних з’єднань |
4. |
Симетричний артрит |
5. |
Ревматичні вузли |
6. |
Ревматичний фактор сироватки |
7. |
Типові радіографічні зміни |
Примітка: Як мінімум чотири із семи критеріїв повинні виконуватися.
Проблеми класифікації потрібно відрізняти від кодування проблем: проблеми класифікації стосуються впорядкування понять у деякому відношенні які логічно побудовані, і зручні для застосування потенційними споживачами класифікації.
Проблеми кодування стосуються технічної підтримки, що повинна бути забезпечена для того, щоб дати можливість кодувальникам призначити певне значення потрібному класу і присвоїти вірний код ефективним і надійним шляхом.
Проблемою співставлення, комбінації кодів, і важливості розширених кодів є те, що не всі згенеровані комбінації можливі і осмислені. Комбінаційні коди також дають неоднозначні результати. Комбінація коду для гортані, коду для видалення, і коду для придання трубчастої форми неоднозначна. Незрозуміло що видалено – трубку чи гортань, тому що код не містить семантичної інформації про зв’язок елементів. У престандарті для класифікації хірургічних процедур Comité Européen de Normalisation (CEN), цю проблему неоднозначності намагаються усунути використанням як семантичних так і синтаксичних категорій.
При розробці класифікації хвороб, етіології, розташування і механізму патофізіології, важливими є принципи класифікації. Однак, ми не завжди можемо застосовувати кожен принцип класифікації до усіх хвороб. Використовуючи етіологію як принцип класифікації, ми можемо класифікувати «вірусну пневмонію» як вірусну хворобу, але ми не можемо з таким же ступенем упевненості віднести до якого-небудь класу «пневмонію». Таким чином, пневмонія буде класифікована як легенева хвороба, використовуючи анатомічний принцип класифікації.
Більшість класифікацій поєднує кілька принципів на одному рівні. Перекриття класів хвороби порушує правило взаємного виключення. Клас «легенева хвороба» перетинається з класом «вірусна хвороба». Коли хвороба вже відкласифікована де-небудь в іншому місці, правило виключення вимагає щоб хвороба вважалася віднесеною лише до одного класу. Однак, це викликає проблеми під час статистичного аналізу. Якщо ми хочемо обчислити число випадків вірусної хвороби, ми не можемо просто включати членів класу «вірусні хвороби», тому що «вірусна пневмонія» – це також вірусна хвороба, але вона відкласифікована до класу «легеневих хвороб». Додавання ж двох класів буде включати й випадки не вірусних легеневих хвороб.
Динамічна природа класифікації пояснює постійну потребу обслуговування класифікацій, як наприклад ICD і SNOMED (Systematized Nomenclature of Human and Veterinary Medicine). Шлях класифікації синдрому набутого імунного дефіциту (СНІД) як вірусної хвороби був розчищений для класифікації СНІДУ як імунно-дефіцитної хвороби. Питання чи був СНІД вірусною хворобою супроводжувався обговоренням багато чого. У наш час, широко приймається гіпотеза, що СНІД викликаний зараженням вірусом імунодефіциту людини (ВІЛ).
Перегляд великих медичних класифікацій діагнозів і процедур потрібний для кодування історії хворого для медико-економічних цілей. Основна проблема перегляду полягає в тому, що мова, використовувана в класифікації, скоріше відмінна від клінічної мови історії хвороби. Незважаючи на те, хто кодує історію хворого, є труднощі в невідповідності термінів між умовами в класифікації і повному обстеженні хворого. Цей розрив може бути ліквідований, з використанням відповідних комп’ютерних програм.
ICD (International Classification of Diseases) – це первинна система кодування для узагальненого запису про хворого. Перше видання було опубліковано в 1900, і виправлялось та перевидавалось з десятирічними проміжками. Сама остання версія – це ICD-10, що публікувалася в 1992 році. Існуючі порядки для реєстрацій, однак, усе ще ґрунтуються на ICD-9 або його модифікації, ICD-9-CM, що містить більш детальні коди. ICD складається з основної класифікації тризначних кодів, що є мінімальною вимогою для повідомлення статистики смертності WHO. Необов’язкова четверта цифра забезпечує додатковий рівень деталізації. На всіх рівнях, числа 0 до 7 використовуються для подальшої деталізації, тоді як число 8 резервується для всіх інших випадків, а число 9 резервується для невизначеного кодування.
Базисний ICD має використовуватися для кодування діагностичних умов, але ICD-9, як і ICD-10 також містять набір розширень для інших класів медичних умов. Наприклад, ICD-9, зазвичай містить список кодів, які з причин зіставлення або інших факторів пов’язаних з оздоровчим статусом, починаються з літери «V». Список кодів, що починаються з літери «E», використовується для кодування зовнішніх причини смерті. Номенклатура морфології новоутворень кодується списком «M».
Коди хвороб як в ICD-9, так і в ICD-10 групуються в глави. Наприклад, у ICD-9, інфекційні і паразитичні хвороби кодуються тризначними кодами 001 – 139, і в ICD-10 коди перенумеровуються і розширюються як коди, що починаються з літер А або B. Для туберкульозу в ICD-9 використовуються тризначні коди 010 – 018, а в ICD-10 – коди від A16 до A19. Чотиризначні, та необов’язкові п’ятизначні рівні надають можливість шифраторові забезпечувати більшу деталізацію. Таблиця 6.3 надає приклади деяких кодів у системі ICD-9.
Національний Центр США для Статистики Охорони здоров’я, публікував набір клінічних модифікацій до ICD-9, відомому як ICD-9-CM. Це цілком сумісно з ICD-9, але вона містить додатковий рівень деталізації, де це потрібно (див. табл. 17).
Таблиця 7. Приклад чотиризначного коду в ICD-9 і рівні п’ятизначного коду як розширена ICD-9-CM
Код |
Хвороба |
|
001 |
139 |
Інфекційні і паразитичні хвороби |
001 |
009 |
Інфекційні хвороби травного тракту |
003 |
|
Інші зараження сальмонелою |
|
003.0 |
Гастроентерит сальмонельозний |
|
003.1 |
Сальмонела септицемічна |
|
003.2 |
Локалізовані зараження сальмонелою |
|
003.20 |
Локалізоване невизначене зараження сальмонелою |
|
003.21 |
Менінгіт Сальмонельозний |
|
003.22 |
Пневмонія Сальмонельозна |
|
003.23 |
Артрит Сальмонельозний |
|
003.24 |
Сальмонела, запалення кісткового мозку |
|
003.29 |
Інші локалізовані зараження сальмонелою |
|
003.8 |
Інші зазначені зараження сальмонелою |
|
003.9 |
Невизначені зараження сальмонелою |
Світова Організація Національних Коледжів, Академій і Академічних Асоціацій Лікарів (World Organization of National Colleges, Academies and Academic Associations of General Physicians) не приймала ICD-9, а користувалася власною класифікацією. Ступінь деталізації цієї системи є меншою, ніж в ICD-9. Вона використовується не лише для кодування діагнозів, але також містить коди причин для обґрунтування (reasons for encounter, RfE), коди процедур лікування та лабораторних досліджень. У самих первісних інформаційних системах охорони здоров’я, до результатів лабораторних досліджень безпосередньо входять закодовані цифрові значення, тому немає ніякої потреби для ручного кодування, і модуль призначення ліків автоматично запам’ятовує загальний код для ліків і інших призначень.
Порівняємо ICPC з більш ранніми класифікаціями WONCA, як наприклад ICHPPC-2-DEFINED (Міжнародна Класифікація Проблем Охорони Здоров’я в лікуванні) і IC-Process-PC.
ICPC – це двоосьова система. Перша вісь, орієнтована в напрямку систем організму, кодується літерою, а друга вісь, компонент, кодується двома цифрами. Складена вісь містить сім груп коду. У цій системі діагноз пневмонія кодується R81 (R для дихального шляху і 81 для діагностичного компоненту). Коди, що можуть бути застосовані більш ніж до однієї системи, описані тільки як двозначний компонент. Наприклад, код процедури 42 (електричне обстеження) може використовуватися для реєстрації електрокардіограми, використовуючи код K42. Ці коди вимагають комбінації з літерою системи.
ICPC структуровані відповідно до SOAP принципу (S для суб’єктивної інформації, напр., скарги; O – для об’єктивної інформації, напр., аналізів і лабораторних досліджень; А для оцінки, напр., діагнозу; і P для планування, напр., діагностичних досліджень, догляду, лікування, і т.п.). Необов’язково четверта цифра використовується для деяких випадків, коли додатковий рівень деталізації потрібен щоб конкретизувати синоніми, які є сумішшю принципів кодування.). ICPC може використовуватися в RfЕ методі (тобто, для кодування причини для обґрунтування або скарг), методі діагностики або методі обробки, де кодуються подальші дії, як наприклад лабораторні дослідження чи лікування.
ICPC може використовуватися, щоб організувати реєстрацію випадку хвороби через якийсь час, від його початку до його припинення. Випадок хвороби, можливо, зустрічається декілька разів. Кожен випадок потрібно кодувати окремо. Комісія, що розробила ICPC також створила ICD-9 і ICD-10.
Система кодування (DSM), розроблена американською Психіатричною Асоціацією, слугує цілям діагностування і статистичної обробки розумових порушень. Перше видання (DSM-І) публікувалося в 1952. При розробці DSM-II було прийнято рішення взяти за основу недавно розроблений ICD-8. Обидві системи набрали сили в 1968. DSM-IV узгоджено з розробкою ICD-10.
Глава що стосується психічних розладів ICD-9-CM була сумісна з DSM-III-R, його виправленим третім виданням. Четверте видання, DSM-IV, сумісно з главою психічних розладів у ICD-10. Класифікація може використовуватися психіатрами. Однак, етіологія або процеси патофізіології відомі лише для деяких психічних розладів. Підхід, прийнятий у DSM-III, DSM-III-R, і DSM-IV не розглядає основи етіології або патофізіології за винятком порушень, для яких етіологія або патологія встановлена. Таким чином, DSM – це багатоосьова система класифікації. Подібно ICPC, DSM також використовує також визначення порушень, у тому числі критерії для призначення діагнозу.
Порушення в системах DSM класифіковані уздовж п’яти осей:
- клінічні синдроми,
- порушення особистості і спеціальні порушення, пов’язані з ростом,
- важливі фізичні умови,
- наявність психологічних стресів,
- повне психологічне функціонування.
SNOMED дозволяє кодування декількох аспектів хвороби. SNOMED публікувався в 1975 і був перевиданий у 1979. Його поточна версія називається SNOMED (Systematized Nomenclature of Human and Veterinary Medicine) – Міжнародна Систематизована Номенклатура Людської і Ветеринарної Медицини. SNOMED це також багатоосьова система. Код SNOMED II складався з 7 частин, а Міжнародного SNOMED – з 11 частин або модулів. Кожний з цих модулів формує повну ієрархічну систему класифікації.
Діагноз у SNOMED, складається з топографічного коду, коду морфології, коду системи організму, і коду функції (див. табл. 18). Коли існує чітка підстава для комбінації цих чотирьох кодів , шуканий діагностичний код вважається визначеним. Наприклад, код хвороби D-13510 (Пневмонія Пневмококова) рівноцінний до комбінації:
T-28000 (топологічний код для Легень),
M-40000 (морфологічний код для Запалень) і
L-25116 (для Стрептококової пневмонії) уздовж осі організму.
Туберкульоз (D-14800), наприклад, міг би також кодуватися як Легеня (T-28000) + Гранульома (M-44000) + Туберкульоз Mycobacterium (L-21801) + Лихоманка (F-03003). Однак, це може вводити в оману, тому що туберкульоз стосується не тільки легень.
SNOMED також може об’єднувати медичні поняття, використовуючи так називані комбіновані, або розміщені поряд коди для формування більш складних понять. У Міжнародному SNOMED, майже всі діагностичні умови ICD-9-CM зареєстровані в модулі хвороби/симптоми (D-коди). Правила для об’єднання умов SNOMED для формування комплексних понять ще не розроблено. Будь-які два терміни SNOMED можуть бути об’єднаними. Це означає, що існують різноманітні шляхи для вираження коду того чи іншого поняття. Ця свобода поєднання кодів приводить до неточних кодів, перевірка яких комп’ютером на коректність майже неможлива.
Таблиця 8. Розділи Міжнародної класифікації SNOMED.
Вісь |
Визначення |
Опис |
T |
Топографія |
Анатомічні умови |
M |
Морфологія |
Зміни, знайдені в осередках, тканині й органах |
L |
Життя організмів |
Бактерії і віруси |
C |
Хімічний |
Ліки |
F |
Функція |
Знаки і симптоми |
J |
Заняття |
Умови, що описують заняття |
D |
Діагноз |
Діагностичні умови |
P |
Процедура |
Адміністративні, діагностичні і терапевтичні процедури |
А |
Фізичні представники, сили, дії |
Пристрої і дії, пов’язані з хворобою |
S |
Суспільний контекст |
Суспільні умови і важливі взаємини в медицині |
G |
Загальний |
Синтаксичні поєднання і визначники |
У даний момент в Україні використовується цілий ряд місцевих класифікацій (у тому числі класифікацію хвороб, лікувань, т.д). Поняття Національної Програми інформатизації системи охорони здоров’я в Україні за 2006-2010 (проект) стимулює створення Уніфікованої системи кодування і класифікації медичних даних. Така Уніфікована система в більшій мірі має бути основана на пристосованій «Міжнародній Класифікації Хвороб-10», має бути введена система комп’ютерного кодування . Принципи обліку для статистичних даних, що є в даний момент, повинні бути мінімізовані; мають нові форми повідомлення; передача електронного документа була б зроблена.
Як бачимо, є багато класифікацій, що перекриваються. Вони використовуються не лише для кодування діагнозів але і для класифікації медичних подій. Хоча самі діагностичні системи кодування повинні бути сумісними з родиною ICD, остання безпосередньо представляє тільки обмежене представлення і не в змозі задовольняти потреби всіх споживачів. Інша проблема полягає в тому, що всі системи кодування вимагають чітких критеріїв, але стандартизована медична термінологія усе ще має значні недоліки.
Системи, як наприклад SNOMED мають більш виразну потужність, чим старіші системи, як наприклад ICD-9-CM. При порівнянні схем кодування щодо їх можливостей, SNOMED виграє у порівнянні з ICD-9-CM. З іншого боку, використання кодованих даних у базі даних ускладнює статистичні звіти і використання в експертних системах.
Широке прийняття спільної системи кодування є важливим для розробки систем прийняття рішень.
Візуалізація медико-біологічних даних.
Робота з графічною інформацією традиційно є одним з найважливіших напрямів застосування комп’ютера в медицині, який розглядається у спеціальному підрозділі медичної інформатики, що отримав назву аналіз медичних зображень.
Медичне зображення є одним з важливих засобів отримання візуальної інформації про внутрішні структури й функції людського тіла. Воно може бути отримане радіологічними або нерадіологічними методами.
Призначення радіологічних методів - зробити доступним для візуального сприйняття інформацію, що не сприймається безпосередньо зором. Така інформація (зображення органів або частин органів) отримується за допомогою випромінювання. Це випромінювання має, як правило, електромагнітну природу. Медичні зображення органів (medical imaging) отримані засобами радіологічної діагностики є головним джерелом інформації в галузі охорони здоров’я. Всі ці методи для отримання зображень використовують обчислювальні процедури.
Нерадіологічними методами отримують зображення, що відзняті відеокамерою (ендоскопія) або сфотографовані (мікроскопічні зображення в гістології, патології, дерматологічні зображення тощо). Ці типи зображень також можуть бути переведені в цифрову форму й згодом оброблені.
Надалі будемо розглядати переважно медичні зображення, отримані радіологічними методами. Саме тому під поняттям «медичне зображення» розумітимемо (доступну зоровому сприйняттю) картину просторового розподілу будь-якого виду випромінювання, трансформованого у видиму частину оптичного діапазону.
Після утворення зображення воно має бути інтерпретовано. Засіб інтерпретації та показу може бути носієм вихідного зображення, наприклад, відеофільм, з якого було сформовано зображення, або інший носій – фотографія чи монітор комп’ютера.
Процес формування медичного зображення від фізіології до інтерпретації зображення та інформаційної обробки, можна поділити на п’ять етапів. Це дозволяє отримувати та аналізувати корисну інформацію щодо реакції органу або протікання фізіологічного процесу.
1. Аналіз об’єкта зображення. Об’єкти (органи, тканини або певні патології) та їх фізіологічні властивості, які впливають на сигнали, що приймають участь у формуванні зображення, повинні розглядатися з точки зору відбору інструментів формування зображення які б забезпечували найкращу методику обробки і аналізу зображення та його вірну інтерпретацію. Інформація про предмет зображення може стосуватися як статичних (наприклад, щільність тканин), так і динамічних фізіологічних властивостей (кровотеча, перфузія, кінетика міокарду) біологічної тканини. Належне вивчення динаміки поведінки предмету зображення є необхідним для розробки компенсаційних методів, потрібних для правильної реконструкції та аналізу зображення. Пов’язані з рухом артефакти накладають значні обмеження на час збирання інформації та вибір інструментів формування медичного зображення, і таким чином, здійснюють безпосередній вплив на розвиток методів обробки зображень.
2. Фізика процесу візуалізації. Наступним важливим фактором є метод візуалізації, який слід використати для отримання даних. Наприклад, при рентгенографічному дослідженні зображення формується, в основному, шляхом просвічування тіла рентгенівськими променями. У радіонуклідній медицині, при однофотонній емісійній комп’ютерній томографії (гамма-томографія) застосовується гамма випромінювання, яке виникає внаслідок взаємодії радіоактивної речовини з досліджуваною тканиною. Процес випромінювання та енергетичний діапазон гамма-променів накладають обмеження на оптичне розділення та час отримання даних для візуалізації. Супутні методи формування зображення при просвічування та опромінюванні є настільки різними, що важко визначити той самий рівень анатомічної інформації при дослідження обома способами.
3. Приладдя для візуалізації. Приладдя, використовуване для збору інформації, є одним з найважливіших факторів, які визначають якість зображення в плані співвідношення «сигнал/шум», оптичного розділення та здатності надавати діагностичну інформацію. Вихідні технічні характеристики приладдя безпосередньо впливають на можливості формування зображення. Крім того, характеристики детектора, такі як не лінійність, низький коефіцієнт корисної дії, значна тривалість затухання та слабке подавлення розсіювання можуть спричинити спотворення зображення. Для правильної діагностичної інтерпретації необхідно використовувати таку техніку формування та обробки зображення, яка забезпечує точне і чітке виявлення потрібних характеристик без будь-яких перешкод.
4. Методи отримання даних, що необхідні для формування зображення. Методи отримання даних, що використовуються для візуалізації, відіграють важливу роль у формуванні зображення. За умови оптимізації з вимірювальним приладдям, способи збору інформації виступають вирішальним фактором у визначенні оптимального часового та просторового оптичного розподілення. При розробці методики вирішальне значення має також обмеження перешкод у зображенні шляхом активного фільтрування або за допомогою наступної обробки. Наприклад, при рентгенівській комп’ютерній томографії у просторовий розподіл сигналу базується на кількості рентгенівських фотонів, які досягають детектора за певний проміжок часу. Дані для тривимірного зображення можуть бути отримані за допомогою методу паралельно-променевого, конічно-променевого або спірально-променевого сканування. Кожен з цих методів сканування накладає певні обмеження на геометричне відтворення об’єкта візуалізації. Оскільки тривалість сканування при використання кожного з методів може бути різною, то просторове оптичне розділення має бути узгоджено з часовим оптичним розділенням. Це означає, що результатом більш швидкого сканування може бути зображення з меншим просторовим оптичним розділенням. З іншого боку, краще просторове оптичне розділення зазвичай потребуватиме більше часу на формування зображення. При вивченні динаміки, коли необхідно отримати інформацію про кровотеча або певну функціональну діяльність, перевага надається вимогам кращого оптичного розділення. Для об’єднання специфічної інформації про методи збору даних та геометрію сканування використовуються способи реконструкції зображення, такі як проектування на світлопропускаючий екран, ітеративний метод та Фур’є перетворення. Оскільки на якість зображення можуть впливати методи збору даних, з метою оптимізації представлення в зображенні діагностичної інформації повинні розроблятись відповідні методи реконструкції та обробки зображень.
5. Обробка та аналіз зображення. Методи обробки та аналізу зображення спрямовані на збільшення діагностичної інформації, необхідної для покращення ручної або комп’ютеризованої інтерпретації медичних зображень. Часто деякі методи перетворення покращують видимість та полегшують кількісний аналіз об’єктів зображення. Інтерактивні та комп’ютеризовані методи аналізу медичних зображень можуть забезпечити ефективні інструменти для кількісної та якісної інтерпретації медичних зображень з метою постановки диференційних діагнозів, спостереження під час хірургічного впливу та лікування. Ефективні інструменти обробки та аналізу зображень можуть також допомогти у розумінні фізіологічних процесів, пов’язаних із хворобою та перебігом процесу лікування.
Усе різноманіття медичних зображень, незалежно від способів їхнього отримання, може бути віднесено до однієї з двох основних груп: аналогове і матричне зображення.
До аналогових зображень відносяться ті, які несуть у собі інформацію безперервного характеру. Це зображення на звичайних рентгенограмах, сцинтиграмах, термограмах. Аналогові сигнали - це безперервні сигнали, у них присутнє багато зайвої інформації.
До матричних зображень відносяться такі, які отримуються за допомогою комп’ютера. Вони мають у своїй основі матрицю, що міститься в пам’яті ПК. Матричними зображеннями є образи, що отримані при комп’ютерній томографії, цифрової рентгенографії, МР-томографії, ЕОМ-сцинтиграфії з комп’ютерною обробкою інформації, ультразвуковому скануванні. Таким чином, матричні зображення на відміну від аналогових мають дискретний характер. Оскільки в основі матричних зображень лежить комп’ютеризована технологія, вони стають доступними для різноманітної обробки на ЕОМ.
Необхідно відзначити, що аналогові зображення можуть бути перетворені в матричні і, навпаки, матричні в аналогові. З цією метою застосовують спеціальні пристрої: аналого-цифрові і цифро-аналогові перетворювачі.
Матричне зображення формується шляхом сканування електронним променем по рядках. Тим самим створюється можливість для сприйняття зображення в реальному часі. Для цього застосовується спеціальний дисплейний процесор, який через систему зв’язку (інтерфейс) підключений до основної ЕОМ. Пам’ять дисплейного процесора організована у вигляді матриці, кожному з елементів якої відповідає своя визначена ділянка дисплея. Подібна елементарна одиниця матричного зображення, який відповідає занумерована ділянка пам’яті, отримала назву «піксель» (від англійського pixel-picture element – елемент картини). Таким чином, уся площа екрану дисплея являє собою матрицю – сукупність пікселів. У променевій діагностиці площа дисплея може формуватися у вигляді наступних матриць: 32´32, 64 ´ 64, 128 ´ 128, 256 ´ 256, 512 ´ 512, 1024 ´1024, 1024´1280 пікселів. Чим на більше число пікселів розбивається площа дисплея, тим вище розподільна здатність системи відображення.
Кожен піксель зображення записується в пам’яті дисплейного процесора різним числом біт – від 2 до 16. Чим більшою кількістю біт інформації представлений кожен піксель зображення, тим краще зображення за своїми зоровими властивостях і тим більше інформації воно містить про досліджуваний об’єкт. Так, 6-бітний піксель (байтова система запису пікселю), що найчастіше використовується в ультразвуковій діагностиці, містить 26 = 64 відтінків сірого кольору (від чорного до білого). У радіонуклідній діагностиці використовується переважно 8-бітний піксель , у ньому 28 = 256 градацій, тобто рівнів сірого. Неважко підрахувати, що матричне зображення 64´64 пікселів у радіонуклідній діагностиці вимагає 4096 байт пам’яті, а зображення 128 ´ 128 пікселів – 16384 байт.
Більш досконалі системи радіонуклідної діагностики мають зображення 256´256 і навіть 512´512 пікселів. Для формування таких зображень потрібно при 8-бітному пікселі близько 64 і 256 кілобайт пам’яті комп’ютера, відповідно. Збільшення обсягу задіяної пам’яті неминуче приводить до зниження швидкості обміну інформацією, що супроводжується збільшенням часу, необхідного для побудови кожного кадру зображення. Тому деталізовані растри (256´256 і 512´512) застосовують переважно для отримання статичних зображень, тобто у діагностиці осередкових змін в органах, тоді як грубі растри (64´64 і 128´128) використовують головним чином для динамічних досліджень.
Усі медичні зображення в променевій діагностиці можуть існувати у вигляді твердих копій – рентгенограм, відбитків на папері, фотопапері; на магнітних носіях - стрічках, дисках; або у нефіксованому вигляді – на екрані дисплея або рентгенодіагностичного апарата.
Об’єкти медичного зображення можна поділяти на тверді фрагменти (кістки) та фрагменти, що можуть бути деформовані (структури м’яких тканин). За іншою класифікацією об’єкти медичного зображення поділяють на статичні фрагменти (череп) та динамічні (серце, рухомі з’єднання).
Для отримання одно або двовимірних медичних зображень можна використовувати:
- електромагнітне випромінювання;
- ультразвук.
Методами отримання двовимірних медичних зображень є:
- цифрова радіологія;
- комп’ютерна томографія;
- ядерний магнітний резонанс;
- 2D-ультразвук.
Методами й джерелами тривимірних зображень є:
- послідовність радіологічних зображень або томографічне зображення динамічного об’єкта;
- об¢ємне томографічне зображення частини нерухомого об’єкта.
Коротко опишемо зазначені методики.
Рентгенологія (звичайна радіологія) використовує іонізуюче випромінювання від джерела рентгенівських променів. Це найпоширеніший метод у відділеннях радіології. Зображення реєструється на плівці, чутливої до рентгенівських променів, і може бути згодом із цих плівок переведено в цифрову форму. Можна отримати й безпосередньо цифрове зображення, минаючи стадію рентгенографічної плівки – в нових апаратах, які замість плівок використовують спеціальні матриці.
Цифрова ангіографія показує судини, видаляючи із зображень небажані структури (кості й внутрішні органи). Дослідження проводять у два етапи. Спочатку отримують зображення до ін’єкції контрастної речовини і переводять їх у в цифрову форму. Потім вони використовуються для створення маски, що буде видалена із зображень, отриманих після ін’єкції.
Комп’ютерна томографія (КТ) також використовує рентгенівські промені, але замість одного плоского зображення КТ-зображення отримується у результаті комп’ютерної обробки декількох зображень, відзнятих у різних напрямках.
При ядерно-магнітному резонансі (ЯМР) комп’ютер відновлює зображення від отриманих радіосигналів, інтенсивність і тривалість яких залежить від біологічних характеристик тканини. Не використовуючи іонізуючу радіацію, ЯМР надає зображення, вид яких залежить від обміну речовин і характеристик тканин.
Ультразвукове дослідження (УЗД) використовує звукові (пружні) коливання високої частоти. Зонд випускає ультразвукові імпульси й одержує відбиті, які за допомогою п’єзоелектричних кристалів перетворюються в електричні сигнали. Сигнали, які отримані від декількох паралельних каналів, переводяться в цифрову форму й обробляються, у результаті чого утворюється зображення.
Під час сцинтиграфії в організм уводиться радіоактивна мітка, що має тропізм до певного виду тканини. Випромінювання, що випускається, фіксується за допомогою чутливої до радіації камери. Відновлене зображення використовується для оцінювання функції органа.
Усі радіологічні методики отримання зображення можуть бути подані у вигляді наступної схеми (рисунок 8).
Перший блок у цій схемі - джерело випромінювання. Джерело випромінювання може знаходитися поза пацієнтом (наприклад, при рентгенологічному й ультразвуковому дослідженні) або може бути введеним в організм (наприклад, при радіонуклідних дослідженнях).
Наступний блок - детектор випромінювання. Він опосередковано взаємодіє безпосередньо з об’єктом (пацієнтом). Його призначення - вловити електромагнітне випромінювання або пружні коливання і перетворити їх у діагностичну інформацію. У залежності від виду випромінювання детектором можуть бути флюоресцентний екран, фото- або рентгенівська плівка тощо.
У деяких системах інформаційні сигнали з детектора надходять у блок перетворення і передачі сигналу. Призначення цього блоку – підвищити інформаційну ємність сигналу, забрати перешкоди («шум»), перетворити його в зручний для подальшої передачі вид.
Рис. 8. Система утворення зображення радіологічними методами
Після цього перетворені сигнали передаються до синтезатору зображення. Його призначення, як випливає вже із самої назви, – створити зображення досліджуваного об’єкта - органа, частини тіла, всієї людини. Зрозуміло, що при використанні різних методик зображення буде різним. Рентгенограми розкривають перед нами переважно макроморфологію органів і систем. Радіонуклідні сцинтиграми відображають у першу чергу функціональну анатомію людини. Ультразвукове дослідження дозволяє судити про будову і функціонування органів. Термографія - аналізує розподіл теплового поля людини.
Променеві дослідження планує і виконує лікар-діагност. Це лікар, що отримав спеціальну підготовку в області променевої діагностики. Його діяльність складається з прийому візуальної інформації, її обробки, інтерпретації результатів та ухвалення діагностичного рішення.
У наш час на зміну аналоговим приходять цифрові медичні зображення. Переведення в цифрову форму (із самого початку їхнього отримання або згодом) полегшує обробку зображень, зберігання й передачу медичних візуальних даних. Ці можливості значно розширилися з появою АРМ із великим об’ємом пам’яті для зберігання даних і достатньою обчислювальною потужністю.
Інформаційні технології можуть допомогти на всіх етапах отримання й обробки медичних зображень. Комп’ютери безпосередньо приймають участь у створенні деяких типів зображень, які не можуть бути отримані іншим способом: комп’ютерна томографія, позитронна емісійна томографія (ПЭТ), ядерний магнітний резонанс.
Цифрова обробка зображення може використовуватися з метою:
- поліпшення якості зображення, компенсації дефектів системи, що реєструє, і зменшення шуму;
- розрахунку клінічно важливих кількісних параметрів (відстані, площі, об’єму, тощо);
-полегшення інтерпретації (розпізнавання структури, обчислення дози для променевої терапії);
- встановлення зворотного зв’язку (автоматизовані хірургічні втручання).
Стиснення зображень зменшує об’єм пам’яті для зберігання даних і час для їх передачі.
Зберігання переведених у цифрову форму зображень на твердих магнітних дисках або CD спрощують організацію архівів і доступ до них.
Передача переведених у цифрову форму зображень між лікувальними установами дозволяє декільком експертам швидко консультуватися для прийняття діагностичних або терапевтичних рішень і поліпшує контроль за лікуванням пацієнта (телерадіологія, телепатологія).
Обробка й аналіз зображень – це покрокова процедура, що залежить від результатів попереднього етапу, а також знань і досвіду оператора.
Фаза попередньої обробки поліпшує якість зображення, а фаза сегментації виділяє елементи, його складові, що в остаточному підсумку поліпшує якість і точність діагностики.
Фаза попередньої обробки усуває відхилення, пов’язані із системою генерації зображення, і зменшує шуми. Методи, що використовуються, обробляють за допомогою спеціальних програм цифрові дані й у такий спосіб поліпшують видимість деяких анатомічних структур.
Розрахунок гістограми зображення створює подання кількості пікселів для кожного рівня сірого в зображенні.
Аналіз гістограми робить очевидним розподіл сірих рівнів у зображенні й допомагає судити про якість представлення у цифровій формі. Якщо гістограма має нелінійний розподіл, то багато деталей будуть загублені. Операції по вирівнюванню гістограми поліпшують контрастність й, відповідно, відображення деталей.
Об’єкти всередині тіла відрізняються не тільки за фізичним контрастом, але і за розміром. Вони варіюються від великих органів та кісток до дрібних структурних елементів, таких як трабекулярні структури та невеликі системи. Саме дрібні анатомічні ознаки сприяють деталізації медичного зображення. Кожний метод візуалізації має обмеження щодо найменшого об’єкту, який можна відобразити, а значить – до видимості деталей. Остання є обмеженою, тому що всі методи візуалізації вносять в процес ефект розмиття. Основним результатом розмитості зображення є погіршення контрастності та видимості дрібних об’єктів або деталей.
Розгляньте подане нижче зображення, яке демонструє різні об’єкти всередині тіла з точки зору як фізичного контрасту, так і розміру. Як вже згадувалось, межа між видимими та невидимими об’єктами залежить від контрастної чутливості системи візуалізації. Щодо розмитості, то слід зауважити, що вона майже не впливає на видимість великих об’єктів, але погіршує контрастність та видимість дрібних об’єктів. За наявності ефекту розмитості, як це завжди буває, зона невидимості скриває дрібні об’єкти та деталі зображення.
Ступінь розмитості зображення може бути виражена в одиницях довжини. Ця величина представляє ширину зони розмитості у зображенні дрібного об’єкта. Зображення внизу порівнює приблизні значення розмитості для методів медичної візуалізації.
|
|
|
|
Рис. 9. Вплив ефекту розмитості на видимість деталей зображення
Загальними правилом є те, що найменший об’єкт або деталь, які підлягають зображенню, мають приблизно такі самі виміри, як і показники розмитості зображення.
Шум у звичайній радіології і ядерній медицині виникає насамперед внаслідок ослаблення рентгенівських променів тканинами або емісією гамма-променів. Це викликає зниження контрасту. Зменшити цей шум можна фільтруванням або згладжуванням, коли повторно обчислює щільність кожної точки відповідно до щільності суміжних точок.
Іншою шумовою характеристикою будь-яких медичних зображень є рябизна зображення, що надає йому текстурований або зернистий вигляд. Джерело та обсяг шуму залежать від методу візуалізації. Розглянемо коротко вплив такого шуму на видимість.
На малюнку внизу ми бачимо вже знайому множину об’єктів всередині тіла, розташованих відповідно до фізичного контрасту та розміру. Тепер додано третій фактор, шум, який впливатиме на межу між видимими та невидимими об’єктами. Основним ефектом від посилення такого шуму зображення є розширення зони невидимості і таким чином обмеження видимості об’єкта. У більшості випадків візуалізації медичний об’єктів ефект шуму є найбільш помітним при зображенні малоконтрастних об’єктів, які вже знаходяться близько до межі невидимості.
|
|
|
|
Рис. 10. Вплив шуму на видимість деталей зображення
Для представлення у цифровій формі піддаються не тільки елементи зображення, а й їх інтенсивність. Вихідна напруга телекамери або камери на приладах із зарядовим зв’язком є аналоговою напругою, яка залежить від інтенсивності падаючого світла. Діапазон напруг, від нуля (для отримання рівня чорного) і до максимальних величин для відображення найбільшої інтенсивності світла, поділяється на певну кількість рівних інтервалів. Чим більша ця кількість, тим краще відображаються різні ступені яскравості (рівні сірого) у цифровому зображенні. На рисунку 10.4 показано вплив використання різної кількості рівнів квантування сірого. Зазвичай для повного покриття сірої шкали береться 256 рівнів (які можна закодувати одним байтом).
Враховуючи просторове оптичне розділення та розділення по рівню сірого, одне зображення 512 х 512 пікселей із оптичним розділенням по сірій шкалі у 8 біт потребує 0,25 Мб пам’яті. Якщо необхідно отримати багатокольорове зображення, об’єм зайнятої пам’яті збільшиться втричі (0.75 Мб).
|
|
|
|
Рис. 11. Вплив різних рівнів квантування сірого (від 256 біт до 1 біту).
На погіршення якості зображення під час його отримання можуть впливати різні характеристики. Прикладами є розмитість, викликана рухомою або разфокусованою камерою, накладання гармонік у 50 або 60 Гц, або ж викривлення геометричної перспективи. Корекція таких погіршень вимагає знання моделі процесу, що їх викликає. Метою відновлення зображення є покращення певним чином якості зображення, або для візуального контролю, або для подальшої цифрової обробки. У цьому сенсі, відновлення зображень слугує тій самій меті, що і підвищення якості зображень. Відмінність полягає в тому, що отримане зображення може бути представленим як результат процесу зворотного погіршення, діючого по відношенню до оригінального зображення. Таким чином, відновлення зображень іноді називають об’єктивним покращенням якості зображення.
Методика відновлення може бути як глобальною, так і локальною, і може стосуватися як частотної, так і просторової області. Наприклад, усунення фактору збудження з відомою частотою частіш за все здійснюється в певній частотній області та здійснюється у такій послідовності: перетворення Фур’є, фільтрування та зворотне перетворення Фур’є. Усунення геометричних викривлень зазвичай відбувається у просторовій області. Таке фільтрування цілком подібне операціям з сигналами.
Як вже згадувалось вище, основною метою покращення зображення є підвищення певним чином його якості. У залежності від цілі, можуть використовуватись різні методики покращення. Якщо зображення призначене для візуального контролю, то доцільним є посилення контрасту. Якщо ж зображення призначається для подальшої цифрової обробки, то доцільним може бути сегментація (операція, яка підсвічує межі між компонентами зображення та лінійними структурами у зображенні), хоча ця процедура не обов’язково сприятиме отриманню більш якісного зображення. Оскільки покращення зображення може виконуватись з різними цілями, то іноді його називають суб’єктивним покращенням зображення.
Подібно до технік відновлення, техніки підвищення якості можуть бути глобальними або локальними, і можуть стосуватися частотній або просторовій області.
Методи виявлення країв або контурів використовуються для виявлення подібних до ліній локальних структур у зображенні зазвичай як етап попередньої обробки перед сегментацією зображення.
Краї є межами між двома областями у зображенні з різними середніми рівнями сірого. Таким чином, більшість методик виявлення країв спирається на застосування певного оператора градієнту. Існує можливість застосування операторів градієнту, які мають чутливість до градієнтів у горизонтальному, вертикальному або діагональному напрямках, а результати можуть бути скомбіновані для виявлення країв у довільних напрямках. У більшості практичних випадків виявлення країв виконується як операція локального фільтрування. Виявлення країв необов’язково означає сегментацію всього зображення: виявлені краї можуть бути не неперервними та загалом не становитимуть завершеного контуру навколо об’єкта, що вивчається.
Ця фаза обробки зображення ізолює окремі елементи зображення (органи, клітини й т.д.). Метод заснований на ідентифікації однакових піселів з допустимим рівнем похибки. Шляхом порівнянням двох різних за часом сегментованих зображень виявляють динаміку.
Цифрові зображення займають багато пам’яті. З цієї причини, а також задля ефективної їх передачі, особлива увага приділяється способам стискання зображення. Метою цих способів є створення зображень, які займають менше місця, однак достатньою мірою відповідають оригіналу. На основі цих стиснутих зображень можна точно або наближено відтворити оригінали за допомогою способів відновлення.
Якщо необхідно відновити зображення якомога точніше, то не можна використовувати такі очевидні методи як зменшення просторового розділення або градацій яскравості: після таких операцій оригінальне зображення не підлягає відновленню. Один із способів стискання називається кодування довжин серій (run-length coding), він базується на тому факті, що багато зображень містять більш-менш гомогенні частини. При зчитуванні зображення рядок за рядком його вміст представлений послідовністю пар (рівень сірого – кількість пікселів). Фактор, який дозволяє зменшити вимоги щодо об’єму пам’яті завдяки цій технології, залежить від середньої тривалості послідовності імпульсів. Це – технологія без втрат інформації (тобто, в результаті її застосування втрати відсутні), оскільки можливо повною мірою відновити оригінальне зображення шляхом виконання зворотної операції.
Інша технологія стискання без втрат інформації спирається на той принцип, що загалом різниця рівнів сірого між послідовними пікселями є меншою, ніж повна кількість рівнів сірого, і таким чином цю різницю можна записати меншою кількістю біт.
Якщо незначні відхилення у якості між оригіналом та відновленим зображенням допускаються, то можна застосовувати численні технології стискання, які передбачають втрату даних. Із збільшенням кількості комп’ютерних мереж, через які передаються зображення, наприклад, лікарняних мереж або WWW, технології стискання стали важливим аспектом обробки зображень. Стандартом для стискання радіологічних та інших зображень є так званий Стандарт цифрових зображень та комунікацій у медицині[3].
Обробка зображень може здійснюватися, наприклад, з метою покращення якості зображення та виявлення країв. Такі операції з обробки зображень (перетворення) є операціями типу увід-вивід зображення.
Існує два кардинально відмінних види перетворень зображення: повне і локальне. В обох випадках значення яскравості в будь-якій точці похідного зображення є функцією від значень яскравості певної кількості точок оригінального зображення. При повних перетвореннях це функція усіх точок оригінального зображення; при локальних перетвореннях це функція лише деяких точок, розташованих поблизу від відповідного пікселя в оригінальному зображенні.
Найвідомішим повним перетворенням є перетворення Фур’є. При обробці сигналів перетворення Фур’є призводить до перетворення сигналу з однієї системи координат в іншу: з часової до частотної. При обробці зображень перетворення Фур’є є перетворенням зображення з просторової області в іншу область, також частотну. Перетворення Фур’є часто використовується для частотного фільтрування: перебуваючи у частотній області можна усунути небажані частоти. Зворотне перетворення (за допомогою зворотного перетворення Фур’є) має наслідком отримання ображення у вихідній просторовій області, з якої були усунені небажані частоти. Такі процеси фільтрування іноді використовуються, наприклад, для усунення небажаного накладання картини з відомою частотою (наприклад, від джерела електроенергії 50 або 60 Гц). Коли низькі частоти відфільтровані, результатом зворотного перетворення стає зображення, в якому підсилено високі частоти. Таке зображення краще пристосовано до подальших операцій з виявлення країв.
Розрахунок лінійних й об’ємних параметрів анатомічних утворень.
Автоматична комп’ютерна інтерпретація поки ще залишається проблемою. Для її якісного виконання потрібна база знань з порівняльної та патологічної анатомії. Отримані структури й параметри повинні бути порівняні з відомими структурами й класифіковані. Повинні використовуватися й інші методи отримання клінічних і біологічних даних для автоматичної діагностики, що ще недосяжно в наш час.
Зображення з точки зору пам’яті комп’ютера можна трактувати просто як масив чисел, на зразок неструктурованого медичного запису (скажімо, про пацієнта). Медичні зображення вирізняються тим, що вони несуть великий вміст інформації, даних (як і будь-яке три вимірне зображення).
При цьому без виділення певних типів структур (якими для медичних зображень є, наприклад, різні органи, ділянки органів) дані можуть бути відображені, але подальша їх обробка неможлива. Оцінюючи зображення, можна виділити ще більше абстрактної інформації, що є корисною для діагностики та терапії. Оцінювання зображення може здійснюватися як завдяки візуалізації, так і за допомогою кількісних аналітичних методів.
Аналіз медичних зображень розв’язує дві головні проблеми:
- реєстрація зображень;
- візуалізація зображень.
Проблема реєстрації зображень. Однією з найскладніших задач, яка ще чекає остаточного розв’язання в аналізі медичних зображень, є реєстрація зображень, які є, як правило, три вимірними. Реєстрація медичного зображення є винятково важливою для подальшого його аналізу.
На сьогодні використовуються дво- та тривимірні проекції зображень.
При рентгенологічному чи флюорографічному дослідженні промені проходять через внутрішні структури тіла. Тобто, на вході ми маємо три вимірний об’єкт а на виході отримуємо лише єдине двовимірне зображення. Таке зображення несе багато корисної інформації, але отримати її складно. Багато структур залишаються незрозумілими (наприклад, ребра, що затемнюють легені). Дійсні тривимірні структури не проявляються.
При ультразвуковому дослідженні, комп’ютерній томографії береться об’ємний переріз. Тобто на вході системи ми маємо двовимірний об’ємний переріз. На виході маємо також двовимірне зображення. Хоча помітно усі структури, все ж можна втратити цікаві частини об’єму в цілому. І знову ж тривимірна структура об’єкту - невідома.
Використовуючи УЗД або КТ та ряд томографічних перерізів ми маємо змогу отримати об’ємне зображення. Отже, на вході такої системи маємо тривимірне зображення, на виході - тривимірний об’єм. При цьому об’єм розглядається повністю, а отже, ніщо не втрачається і не викликає сумнів. Однак тут маємо справу із набагато більшою кількістю даних. Можна навіть «сфотографувати» послідовність об’ємів в часі.
Порівняння двовимірної та тривимірної візуалізацій. Проекція томографічної візуалізації проста; дво вимірне зображення відображається на двовимірний дисплей (світлину або монітор). Об’ємна візуалізація складніша: тривимірний об’єм повинен бути якимось чином представлений на двовимірному пристрої (монітор комп’ютера).
Режим фільму передбачає перегляд осьових площин, як це робиться в анімації. Режим багато-площинного переформатування передбачає перегляд осьових та довільних похилих площин.
При виборі способу три вимірної візуалізації повинні враховуватися такі обставини. Наші очі та мозок добре адаптовані до інтерпретації тривимірних, а не двовимірних картин. Методи візуалізації повинні представляти елементи усього об’єму. Інтуїтивна візуалізація повинна відображати інформацію в природнішій формі. На сьогодні використовуються такі способи тривимірної візуалізації.
Проекція максимальної інтенсивності знаходить значення максимальної інтенсивності вздовж променя, що проходить через об’єм. Перевагою такого методу є те, що тривимірна структура може бути легко візуалізована при поворотах точки зору. Недоліками є:
багато інформації втрачається (наприклад, коли всі значення - максимальні);
-деталі відносно рівних поверхонь втрачаються.
Відображення затіненої поверхні передбачає спочатку її визначення на основі об’ємних даних і тільки тоді – її відображення. Перевагою є те, що він дає реальний тривимірний вигляд з хорошою візуалізацією морфології поверхні. Недоліками є:
- багато даних втрачається (наприклад, все поза поверхнею);
- метод вимагає визначення поверхні (це є складним завданням сегментації).
Об’ємне виконання (volume rendering). Таблиця непрозорості робить деякі інтенсивності прозорими (наприклад, повітря), деякі — непрозорими (наприклад, тканина). Перевагами є реальний тривимірний вигляд без потреби сегментації та надзвичайна якість зображення. Недоліком може бути сповільненість. Адже більшість спеціалізованого графічного апаратного забезпечення сконструйовано і оптимізовано для відображення поверхонь, а не об’ємного виконання.
Віртуальна колоноскопія. При цьому дані тривимірних зображень отримуються спіральним КТ; віртуальна камера «пілотується» вздовж кишечника; віртуальні ендоскопічні зображення візуалізуються. Перевагами над справжньою колоноскопією є усунення ризику перфорації, комфортність для пацієнта. Недоліком є обмежене поле зору.
Віртуальна колоноскопія включає автоматичну навігацію, віртуальний розтин та картографічну проекцію. Автоматична навігація розроблена з метою «пілотування» віртуальною камерою, уникаючи зіткнень із стінками і стабілізуючи камеру. Віртуальний розтин (autopsy) спочатку математично випрямляє і розкручує кишечник, а потім візуалізує об’єм. Тобто, можна візуалізувати об’єм, як єдине статичне зображення. Картографічна проекція — це циліндрична проекція з рівними відстанями.
Структурна квантифікація. Багато характеристик поверхонь (як функції від розмірів) є важливими для прийняття діагностичних та терапевтичних рішень. Сюди належать площа поперечного перерізу, середній діаметр, довжина, кривизна. Структурна квонтифікація застосовується в оцінці судинної, респіраторної та інших функцій.
Сучасні тенденції в обробці медичних зображень включають їх двовимірну й тривимірну обробку за допомогою комп’ютера.
Іншим аспектом дій є створення баз даних медичних зображень. Однією з таких баз є «visible human project» (www.nlm.nih.gov/research/visible/visible_human.html.). Мета цього проекту – забезпечити набори даних для використання при вивченні анатомії, проведенні досліджень, в освітніх і діагностичних проектах.
Конструкція цифрових анатомічних атласів й інших наборів візуальних довідкових даних вимагає удосконалення променевих методик дослідження.
Розглянемо найбільш типові приклади використання обчислювальних систем: комп’ютерну томографію, ультразвукову діагностику і комп’ютерну фіброскопію.
Томографічний метод знаходить усе більш широке застосування в медичній практиці в зв’язку з тим, що в останні десятиліття з’являються все нові й нові методи реєстрації стану внутрішніх тканин організму. Напевно, методи ядерного магнітного резонансу ЯМР-томографія, електричного парамагнітного резонансу ЕПР-спектроскопія поступово будуть усе більше витискати метод томографії, заснований на реєстрації ступеня поглинання тканин рентгенівськими променями.
У той же час очевидно, що сфери медицини, пов’язані з остеологічними проблемами, ще довго будуть використовувати рентгенівське випромінювання як один з основних діагностичних підходів.
Принцип томографії (рис. 22) заснований на пошаровій реєстрації великої кількості променів, посланих випромінювачем (1) через досліджуваний орган (3) у бік реєстратора випромінювання (2).
На рисунку умовно розділено дві пари випромінювач-реєстратор, розташовані в горизонтальній (А) і вертикальній (В) площинах. При проходженні через тканину досліджуваного органа, промені нерівномірно поглинаються в усіх його ділянках.
Припустимо, що всередині органа (3) є патологічний осередок (4). Тоді профілі поглинання променів, які пройшли через орган, будуть мати вигляд, поданий на схемі праворуч.
|
|
|
|
Рис.12. Комп’ютерна томографія
Низька інтенсивність відповідає розташуванню патологічного осередку. Наявність двох профілів дозволяє точно зазначити розташування осередку в структурі органа.
Етап опрацювання і графічного синтезу здійснюється за допомогою обчислювальних систем, бо в цьому випадку опрацьовуються величезні масиви цифрової інформації.
Принцип роботи установок для ультразвукової діагностики (рис. 23) багато в чому аналогічний до описаного вище. З тією різницею, що йдеться, по-перше, про механічні коливання ультразвукового діапазону, а по-друге, цей сигнал не проходить крізь орган, а відбивається від нього.
|
|
|
|
Рис.13. Ультразвукова діагностика
Метод фіброскопічного дослідження застосовується для аналізу стану порожнистих органів (в основному, частин системи травлення). Найбільшого поширення комп’ютерна фіброскопія набула в Японії – країні, ендемічної за раком шлунка, що пов’язано зі способом життя і типом харчування японців.
Детекторна система фіброскопії (рис. 24) складається з типового фіброскопа (джгута оптичних волокон), крізь який можна розглянути, сфотографувати або зняти відео з стану слизової оболонки шлунка.
У класичному підході зображення якогось дефекту, наприклад, зображення виразки слизової трансформується в словесний висновок, що, природно, може мати суб’єктивний характер, тобто залежить від кваліфікації лікаря, його фізичного стану та ін.
|
|
|
|
Рис. 14. Комп’ютерна фіброскопія
Застосування комп’ютера для опрацювання графіки принципово не може цілком вирішити проблему ультразвукової діагностики, тобто постановки остаточного діагнозу. Проте комп’ютер незамінний при обстеженні великих контингентів хворих, зокрема, при проведенні профілактичних оглядів.
Комп’ютерна діагностична система дозволяє зробити попередній висновок, тобто відібрати з загальної великої кількості обстежених пацієнтів тих, для яких далі необхідне більш ретельне обстеження висококваліфікованим лікарем-діагностом.
Такий підхід дає істотну економію часу і звільняє від рутинної роботи спеціалістів високої кваліфікації.
[1] Міжнародна Класифікація в системі Охорони здоров'я – International Classification for Primary Care (ICPC) – – система, що належить, .
[2] Світовій організації сімейних лікарів – the World Organization of Family Doctors (WONCA ).
[3] Digital Imaging and Communication in Medicine (DICOM) standard.