Автоматическая классификация ГРВ-грамм в прогнозировании психофизической соревновательной готовности спортсменов

Бабицкий М.А. СПбИТМО,                                
Санкт-Петербургский НИИ Физической Культуры

Исследования, проводимые в течение ряда последних лет в Санкт-Петербургском НИИ физической культуры, показали корреляцию параметров ГРВ-грамм пальцев рук спортсменов с уровнем их психофизической готовности к соревнованиям. Причем, если известно множество надежных методов оценки физического состояния спортсменов, то метод газоразрядной визуализации является уникальным по простоте и скорости способом регистрации изменений психического состояния. Накопленный практический опыт позволяет говорить о возможности разработки автоматизированной системы по оценке соревновательной способности элитных спортсменов.

Одним из основных компонентов этой системы должна стать система автоматиче¬ской классификации ГРВ-грамм, которая позволит относить ГРВ-грамму к одному из нескольких предопределенных классов, а также выявлять характерные паттерны в изображении. Причем, очевидно, такая система может быть использована и в других областях применения метода газоразрядной визуализации. Для этого алгоритм классификации должен обеспечивать необходимый уровень гибкости, то есть допускать изменение количества классов, настройку состава и количества входных параметров. На практике, результаты метода ГРВ не всегда является единственными для отнесения состояния исследуемого объекта к тому или иному классу. Поэтому система должна позволять в состав входных параметров для классификации включать результаты других экспериментов. В этом случае можно говорить о системе более широко, как о системе автоматической классификации состояний исследуемых объектов. Например, при оценке соревновательной способности спортсменов, могут быть добавлены результаты психологических и физических тестов, данные исследования с помощью альтернативных методик и т.п.

Для построения полноценной автоматизированной диагностической системы, кроме классификатора необходима экспертная система, которая по результатам классификации, с использованием встроенной базы знаний, будет выдавать окончательный ответ пользователю.

В настоящее время, в целях апробации алгоритмов, создан экспериментальный прототип автоматического классификатора, основанный на байесовском подходе, который позволяет:
1. Задавать произвольный список классов;
2. Задавать произвольный список параметров, по которым будет вестись классификация;
3. Задавать обучающую выборку для каждого класса;
4. Прогонять проверочную выборку, с целью оценки качества распознавания.

Входные данные классификатор читает из текстовых файлов, в том числе генерируемых программами из комплекса GDV-Technique, что обеспечивает гибкость для подбора оптимального набора параметров.
Система опробована на примере задачи классификации по известным пяти типам ГРВ-изображений -К, R, L, N, S. Получен удовлетворительный результат - при использовании обучающей выборки из 100 изображений (по 20 изображений на каждый тип), вероятность правильной классификации составила ~90% на образах из обучающей выборки и -70% на проверочной выборке также из 100 образов.
Исследования в НИИ физической культуры проводятся в основном на спортсменах, поэтому до сих пор предполагалось, что испытуемые практически здоровы. Но для большей достоверности результатов, целесообразно оценивать состояние здоровья в виде нескольких числовых параметров. Поэтому дальнейшим направлением развития классификатора будет его интеграция с автоматизированной версией диагностического теста, разработанного д.м.н. Евдокимовой О.М. Тест позволяет рассчитать пять показа¬телей здоровья в баллах:
1. Признак - «Здоров»/ «Изменение психосоматическое состояние»
2. Степень выраженность факторов риска
3. Уровень психического здоровья
4. Уровень физической подготовленности
5. Уровень соматического здоровья
Объединение классификатора с этим тестом позволит выявить наиболее чувстви¬тельные к состоянию здоровья параметры ГРВ-грамм.
Кроме того, классификатор предполагается интегрировать в новую программу из комплекса GDV-Technique - GDV-Binder, которая предназначена для накопления результатов экспериментов в базе данных и их последующей автоматизированной обработки.
Разработка полнофункционального классификатора ГРВ-грамм и его интеграция с диагностической экспертной системой, позволит выйти на качественно новый уровень практического применения метода газоразрядной визуализации.