автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ состояния и интеллектуализация процесса лечения неосложненного кариеса на основе нейросетевого и статического моделирования

На правах рукописи

ЕЛИЗАРОВА Елена Михайловна

АНАЛИЗ СОСТОЯНИЯ И ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРОЦЕССА ЛЕЧЕНИЯ НЕОСЛОЖНЕННОГО КАРИЕСА НА ОСНОВЕ НЕЙРОСЕТЕВОГО И СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ

Специальность: 05.13.01 - Системный анализ, управление

и обработка информации (технические и медицинские системы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата медицинских наук

Воронеж - 2009

003467520

003467520

Работа выполнена в ГОУ ВПО «Воронежский государственный технический университет»

Научный руководитель

доктор медицинских наук, профессор Сущенко Андрей Валерьевич

Официальные оппоненты:

доктор медицинских наук, профессор Петросян Сергей Львович-

кандидат медицинских наук Аверина Анна Сергеевна

Ведущая организация ГОУ ВПО «Саратовский государственный

медицинский университет»

Защита состоится «15» мая 2009 г. в 1430 часов в конференц-зале на заседании диссертационного совета Д 212.037.02 ГОУ ВПО «Воронежский государственный технический университет» по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в научно-технической библиотеке ГОУ ВПО «Воронежский государственный технический университет».

Автореферат разослан «14» апреля 2009 г.

Ученый секретарь диссертационного совета

Федорков Е.Д.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Кариозные поражения твердых тканей зуба представляют актуальную проблему современной стоматологии, в значительной мере определяемую медицинским и социальным аспектами: высокая распространенность (от 68% до 98%) и увеличивающаяся интенсивность, склонность к прогрессированию, многостороннее воздействие на зубочелюстную систему и организм в целом.

Современные подходы к пониманию основных тенденций возникновения и развития заболеваний твердых тканей зуба в значительной мере стали доступными благодаря внедрению в стоматологию важнейших научных методологий, таких как знания по теории систем, статистического анализа, математического моделирования и теории управления. Особое место среди новых технологий занимают геоинформационные технологии, приоритетным направлением которых является рассмотрение данных по анализируемым проблемам относительно их пространственных взаимоотношений, что позволяет проводить комплексную оценку ситуации и создает основу для принятия более точных и разумных решений в процессе управления.

Повсеместное высокое распространение практически среди всех возрастных групп населения, различающихся по экономико-географическим, этническим, профессиональным, экологическим и другим особенностям, в то же время индивидуальная предрасположенность, уникальность каждого организма обуславливают необходимость разработок как достаточно быстрой и точной диагностики, так и методик прогнозирования и выбора лечебной тактики, применительно к каждому пациенту.

В настоящее время в стоматологии для профилактики и лечения кариеса широко применяются минерализующие лечебные воздействия. Используется ряд препаратов и продуктов питания, в состав которых входят ионы кальция, фтора, магния и других элементов, обуславливающих полноценную реминера-лизацию твердых тканей.

Однако, несмотря на успехи в профилактике и лечении кариеса, применяемые методики ионного воздействия являются стандартными и в недостаточной мере учитывают индивидуальные особенности организма. До настоящего времени не исследованы механизмы противокариесного действия фторидов на течение кариозного процесса с точки зрения методов математического моделирования.

Таким образом, актуальность темы исследования обусловлена необходимостью разработки принципов анализа и прогнозирования развития заболевае-

мости неосложненным кариесом в территориально распределенной системе региона, методов интеллектуальной поддержки принятия решений при лечении кариозного процесса на основе математических моделей, алгоритмов и современных компьютерных технологий.

Работа выполнена в соответствии с основными научными направлениями ГОУВПО «Воронежский государственный технический университет» «Био-медкибернетика, компьютеризация в медицине» и «Проблемно-ориентированные системы управления» при выполнении научно-исследовательской работы ГБ 2007.27 «Интеллектуализация принятия управленческих решений в медицинских системах при диагностике и лечении».

Цель и задачи исследования. Целью диссертационной работы является разработка методов и моделей лечения неосложенного кариеса с учетом минерализующих факторов на основе высоких медицинских и информационных технологий и их дальнейшее использование в клинической практике.

Для достижения поставленной цели необходимо решить следующие задачи:

провести анализ состояния заболеваемости неосложненным кариесом в регионе и построить прогностические модели развития заболеваемости по административно территориальным единицам;

исследовать и обосновать рациональный выбор тактики лечения неосложенного кариеса в условиях неполной априорной информации с учетом минеральных компонентов;

проанализировать взаимосвязь между наиболее информативными клиническими показателями лечения начальных форм кариеса на основе корреляционно-регрессионного анализа;

разработать метод интеллектуальной поддержки принятия решений при выборе тактики лечения неосложненного кариеса на основе нейросетевого моделирования;

создать и апробировать информационно-программный комплекс для обеспечения рациональной терапии неосложенного кариеса для повышения эффективности лечебного процесса в клинических условиях.

Методы исследования. Для решения поставленных задач в работе были; использованы методы системного анализа, теории управления, основные положения теории вероятностей и математической статистики, нейросетевого моделирования, ГИС-технологий.

Научная новизна результатов исследования. В работе получены следующие основные результаты, характеризующиеся научной новизной:

математические модели, ориентированные на формирование прогноза заболеваемости неосложненным кариесом по административно-территориальным единицам региона, позволяющие разрабатывать и осуществлять планирование мероприятий в системе оказания стоматологической помощи населению региона;

методика логического моделирования диагностики и выбора рациональной схемы лечения неосложненного кариеса, ориентированная на уточненную классификацию и обеспечивающая повышение эффективности диагностического процесса и выбор рациональной тактики лечения;

статистические модели выбора тактики лечения неосложненного кариеса, позволяющие учитывать индивидуальные клинические особенности пациентов при планировании лечебного процесса;

метод интеллектуальной поддержки принятия решений при выборе тактики лечения неосложненного кариеса, позволяющий оценить влияние ремине-рализирующего фактора на основе нейросетевого моделирования;

структура и информационное обеспечение автоматизированной системы выбора тактики лечения неосложненного кариеса, обеспечивающие повышение эффективности лечебно-диагностического процесса на основе прогнозирования исхода и выбора оптимальных параметров лечения.

Практическая значимость и результаты внедрения. Разработана методика визуализации информации о заболеваемости неосложненным кариесом в территориально распределенной системе региона на основе геоинформации-онных технологий. Предложенная методика обработки ретроспективной и текущей информации о заболеваемости неосложненным кариесом позволят оценить динамику, прогнозировать развитие заболеваемости и планировать лечебно-профилактические мероприятия в регионе. Разработана комплексная методика интеллектуальной поддержки процесса лечения неосложненного кариеса с учетом минерализирующих факторов на основе созданных математических моделей.

Разработанная автоматизированная система поддержки принятия решений при выборе тактики лечения неосложненного кариеса на основе статистического и нейросетевого моделирования апробирована в стоматологической клинике ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко».

Материалы диссертации внедрены в учебный процесс на кафедре пропедевтической стоматологии ГОУ В ПО «Воронежская государственная медицинская академия им. H.H. Бурденко» на кафедре системного анализа и управления

в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».

Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2008, 2009); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2008); научно-тематическом семинаре «Проблемно-ориентированные системы управления» (Воронеж, 2007-2009); научно-методическом семинаре кафедры «Системный анализ и управление в медицинских системах» ВГТУ (Воронеж, 2007-2009).

Публикации. По материалам диссертации опубликовано 9 научных работ, в том числе 2 - в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, соискателем сформирована база данных для анализа состояния заболеваемости неосложненным кариесом в территориально распределенной системе региона, проведен анализ результатов обработки многомерных медицинских данных на основе визуализации, трансформации информации и ГИС-технологий [1, 7]; исследована динамика развития заболеваемости неосложненным кариесом по административно-территориальным единицам региона и проведена оценка прогностических моделей развития заболеваний неосложненным кариесом [3, 5]; определена значимость исходных клинических показателей для построения регрессионных моделей выбора тактики лечения неос-ложненного кариеса [4, 8]; проведен анализ применения нейросетевых моделей для управления процессами лечения неосложненного кариеса с учетом минералогических факторов [2, 6]; определены основные требования к разработке интеллектуальной системы поддержки принятия решений при лечении неосложненного кариеса [9].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения, списка литературы из 113 наименований. Основная часть изложена на 103 страницах и содержит 34 рисунка и 10 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работы, сформулированы цель и задачи исследования, изложены основные научные положения, определена практическая значимость, приведены сведения об апробации и внедрении работы.

В первой главе приводится обзор современных методов исследования и управления процессом лечения неосложненного кариеса, позволяющих рациональным образом осуществлять выбор тактики лечения заболеваний с учетом минерализующих факторов. На основе проведенного системного анализа была построена логическая модель классификации и диагностики кариозного про-

цесса (рис. 1).

Рис. 1. Логическая модель классификации и диагностики кариозного процесса

Для повышения эффективности лечения заболеваний возникает задача управления этим процессом на основе экспертной, архивной, текущей информации. Значительный объем информации при управлении процессами диагностики и лечения заболеваний, при управлении системой здравоохранения требует применения средств вычислительной техники и математических методов, автоматизированных и компьютерных интеллектуальных систем управления.

Вторая глава посвящена анализу состояния заболеваемости неослож-ненным кариесом в регионе и интеллектуализации управления на верхнем уровне и уровне территориальных единиц стоматологической помощи для формирования управленческих решений.

Применение геоинформационных технологий позволило выделить группы районов с высоким уровнем заболеваемости неосложненным кариесом по Воронежской области, которые представлены в табл. 1.

Таблица 1

Классификация районов Воронежской области по заболеваемости неосложненным кариесом на основе ГИС-технологий

Уровень заболеваемости Районы

Низкий Бобровский, Богучарский, Верхнемамонский, Верхнехавский, Каменский, Каширский, Новохоперский, Ольховат-ский, Павловский, Петропавловский, Поворинский, Ра-монский, Россошанский, Семилукский, Терновский

Средний Аннинский, Борисоглебский, Бутурлиновский, Воробьев-ский, Калачеевский, Кантемировский, Лискинский, Ниж-недевицкий, Новоусманский, Острогожский, Панинский, Подгоренский, Репьевский, Таловский, Хохольский, Эр-тильский

Высокий Грибановкий

Как видно из представленных результатов геоинформационного анализа наиболее неблагоприятная обстановка по заболеваемости неосложненным кариесом отмечается в Грибановском районе Воронежской области.

Для построения прогностических моделей развития заболеваемости неосложненным кариесом был применен метод экспоненциального сглаживания. В качестве основной модели ряда рассматривается его представление в виде

полинома невысокой степени, коэффициенты которого медленно меняются со временем:

Я0 = а«(0 + (1-аЖ'-1)> (1)

где а -параметр сглаживания.

Результаты прогнозирования заболеваемости неосложненным кариесом на 2009 год по районам Воронежской области показали, что в 17 районах прогнозируется рост заболеваемости, а в 15 районах - снижение заболеваемости. На рис. 2 представлены результаты краткосрочного прогнозирования по заболеваемости неосложненным кариесом для города Воронеж.

150000 120000

г

>- 90000 3

2

у еоооо т зоооо о

1996 1997 1990 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

город Воронеж

— заболеваемость неосложненным кариесом — прогноз Рис. 2. Краткосрочный прогноз по заболеваемости неосложненным кариесом среди населения города Воронежа

Результаты сравнительного анализа прогностических моделей с исходными данными показали, что в среднем ошибка прогнозирования не превышает 10 %.

В третьей главе рассматривается интегрированная процедура интеллектуальной поддержки рационального выбора лечения неосложненного кариеса с учетом минерализующих компонентов. С учетом особенностей процесса лечения неосложненного кариеса обоснованы и исследованы методы принятия решений в условиях вероятностного характера процесса лечения, неполной апри-

орной информации и ряда неопределенностей. Представлены результаты выбора рациональной тактики лечения неосложенного кариеса на основе статистического и нейросетевого моделирования.

В современной стоматологии для профилактики и лечения кариеса в качестве лечебных средств стали широко применять реминерализирующие комплексы. В настоящее время используется ряд препаратов и продуктов питания, в состав которых входят ионы кальция, фтора и других элементов, обусловливающих реминерализацию. Но, несмотря на видимые успехи в профилактике и лечении кариеса, применяемые обычно методики фторотерапии являются стандартными для всех пациентов и не достаточно учитывают их индивидуальные особенности. До настоящего времени не исследованы механизмы про-тивокариозного действия фторидов на течение кариозного процесса с точки зрения методов математического моделирования.

На начальном этапе исследования при помощи метода априорного ранжирования были выделены два основных информативных выходных показателя: уг содержание Са в биоптате эмали зубов (мкг/мг), у2-содержание Р в биоптате эмали зубов (мкг/мг).

Процесс реминерализации на основе минералогического лечебного воздействия можно рассматривать как процесс управления, в котором объектом управления является процесс лечения кариеса, функции управляющей подсистемы осуществляет лечащий врач (ЛВ), в качестве управляющих воздействий используется назначение той или иной схемы лечения, а в качестве управляемых параметров могут выступать у! и/или у2.

Для построения математических моделей процесса лечения начального кариеса с использованием реминерализирующих комплексов используется регрессионный анализ. На основе экспертной информации методом априорного ранжирования определены наиболее существенные показатели (факторы): Х1(1)-начальное содержание Са в биоптате эмали зубов (мкг/мг), х/2)-начальное содержание Р в биоптате эмали зубов (мкг/мг), х2-продолжительность употребления фторида натрия (месяцы), х3- доза фторида натрия на очередной шаг лечения (мг). Шаг лечения равен двум месяцам (60 дням), х1(1\ х/2' дифференциально определяют степень тяжести начальной стадии кариеса.

Построение математического описания лечения начальных форм кариеса« на основе микроэлементного анализа по у] и у2 осуществлялось на основе пас-: сивного эксперимента с использованием накопленной в результате лечения статистической информации, используя пакет прикладных программ статистической обработки информации 81а1151лса.

Для определения статистической значимости между входными и выходными переменными рассчитаны коэффициенты парной корреляции, которые представлены в табл. 2.

Таблица 2

Результаты корреляционного анализа

V X] х2 Хз

Уг 0,95 - -0,97 -0,86

Уг - 0,68 -0,88 -0,85

На рис. 3 представлен результат корреляционного анализа между Хз - дозировка фторида натрия на очередном шаге лечения (мг) и у,- содержание Са в биоптате эмали зубов (мкг/мг).

165 160 175 170

160 155 150 145

25 30 35 40 45 50 55 60 65 70

ХЗ

Ж 95% г = -,8690 Y1 = 205,31 - ,8755 * ХЗ

Рис. 3. График корреляционной зависимости между у! - содержание Са в биоптате эмали зубов (мкг/мг) и х3- доза фторида натрия на очередной шаг лечения (мг)

Ч. N X. -о .-о».-- ........ Ó ....... \ О

о оо .......о

...........г-^

о

""ч.Ч 6

оо О чао о» о

о "ч \

На основе полученных результатов для выходной переменной у; -(мкг/мг) была получена следующая линейная регрессионная модель:

у1=155,92+0,14хг1,7х2+0,27х3. (2)

Статистическая значимость полученных оценок коэффициентов уравнения регрессии проводилась с помощью ^критерия Стьюдента: 11расч=0,78, ^2расч=-6,76, г3расч=3,20,1кр.=2,02 (при Г=40, q=5%). Поскольку 11расч | > 1кр для оценок коэффициентов уравнения регрессии, то данные оценки являются статистически значимыми. Для проверки адекватности модели данным эксперимента использовался Р-критерием Фишера. Р1расч=326,99> Ркр.=2,75 при д=5% и ^=3, Г2=40, что говорит об адекватности линейной модели данным эксперимента.

Аналогичным образом была построена регрессионная модель для показателя у2 - содержание Р в биоптате эмали зубов (мкг/мг):

у2=104,86-0,¡ЗхрО,бЗХг-0,06х3, (3)

где 11расч=-0,93, 12расч=-3,42, 13расч=-0,54, ^.=2,09 (при Г=42, Ч=5%). Так как 11расч. I > V Дл" оценок коэффициентов уравнения регрессии, то данные оценки являются статистически значимыми. Так как Ррасч.=54,66> Ркр.=2,75 при q=5% и ^=3, f2=42, то линейная модель адекватно описывает результаты эксперимента.

Коэффициенты детерминации для моделей (2) и (3) равны соответственно 0,96 и 0,79, что говорит о высокой работоспособности полученных моделей.

На следующем этапе исследования было применено нейросетевое моделирование. Нейросетевое моделирование представляет собой новую и весьма перспективную вычислительную технологию, дающую новые подходы к исследованию динамических задач при диагностике и лечении. Изучив наиболее распространенные типы нейронных сетей, наиболее подходящим для задачи лечения неосложненного кариеса является применение многослойного персеп-трона, где в качестве преобразования используется функция 1ч';(А)=А/(0,Н|А|), а для обучения персептронной сети применяется алгоритм обратного распространения ошибки.

На основе статистических данных индивидуального подбора дозы лечебного воздействия в зависимости от уровня кариесрезистентности зубов, используя программу ИеигоРго, были созданы две нейронные сети для определения со-

держания кальция в биоптате эмали зубов с точностью результатов ± 5 мкг/мг и для определения содержания фосфора в биоптате эмали зубов с точностью результатов ± 3 мкг/мг.

Описание полученной структуры нейронной сети для переменной У1 (содержание Са в биоптате эмали зубов (мкг/мг)) представлено в табл. 3.

Таблица 3

Описание структуры нейронной сети для показателя у1 (содержание Са в биоптате эмали зубов (мкг/мг))

Предобработка входных сигналов \У]=( Х[ -176,5)/11,5 \У2=(Х2-16)/8 \У3=( х3-44)/14

Синдромы 1-го уровня Б,,, = N,(0,11 14*\У,+ 0,1976*\¥З + 0,1606 ) 81,2= Щ0,0208*™1+0,3059*\у2-0,1289*\у3+0,0327) $1,з = N1(0,1031 *ш,-0,5094*\Уз+ 0,1213 )

Синдромы 2-го уровня Бу = N¡¡(-0,3075*8,,2+ 0,111 -0,0667) 82,2=Щ0,2839*8и+0,154*81,2 +0,1132*8^-0,0081)

Синдромы 3-го уровня Бз,, = Ыз(-0,3726*82,1-0,3723*82,2+0,0743)

Конечные синдромы У=-83,1-0,0132

Постобработка конечных синдромов ¥,=((У*28)+332)/2)

Далее были вычислены показатели значимости входных сигналов нейронных сетей. Значимость входных сигналов для первой и второй нейронной

сети представлены в табл. 4.

Таблица 4

Значимость входных переменных для нейронных сетей

Переменные Значимость

нейронная сеть для показателя у.

XI 0,0943

Х2 0,0997

Хз 1

нейронная сеть для показателя у2

1

Х2 0,0837

Хз 0,5625

В результате тестирования сетей были получены следующие ошибки, которые соответствуют заданной точности: 1,48 мкг/мг для первой сети и 1,19 мкг/мг для второй сети.

В четвертой главе приведены структура интеллектуальной компьютерной, системы выбора лечения неосложненного кариеса с учетом минерализующих компонентов на основе статистического и нейросетевого моделирования (рис. 4) и результаты апробации и внедрения.

Рис. 4. Структурная схема интеллектуальной системы выбора рациональной схемы лечения неосложненного кариеса

В табл. 5 проведен сравнительный анализ полученных результатов апробации разработанной интеллектуальной компьютерной системы выбора тактики лечения неосложненного кариеса на основе регрессионного анализа и ней-росетевого моделирования.

Таблица 5

Сравнительный анализ результатов регрессионного и нейросетевого моделирования

Регрессионный анализ Нейросетевое моделирование

Содержание кальция в биоптате эмали зубов после лечения в мк/мг (у,)

154,04 154,88

152,53 154,44

154,01 154,82

154,3 154,92

154,45 154,99

153,06 154,52

152,68 154,56

152,55 154,59

156,19 155,51

155,86 155,36

Содержание фосфора в биоптате эмали зубов после лечения в мк/мг (у2)

76,87 74,5

75,98 74,75

76,03 74,6

76,06 74,71

75,73 76,2

76,05 74,92

75,72 75,42

76,48 74,52

76,8 74,5

78,44 80,76

Анализ результатов показывает, что полученные результаты обладают большой идентичностью и соответствуют заданному уровню точности.

Таким образом, разработанное информационно-программное обеспечение позволяет повысить качество и эффективность лечебных мероприятий и служит интеллектуальной поддержкой принятия решения врачом при выборе

тактики лечения неосложненного кариеса. Апробация разработанного информационно-программного комплекса выбора начальной тактики лечения неосложненного кариеса была проведена в стоматологической клинике ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко».

В заключении приводятся основные результаты работы.

В приложении представлены акты внедрения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проанализирована проблема заболеваемости кариесом и пути повышения эффективности оказания стоматологической помощи. Рассмотрены классификация, особенности диагностики и лечения различных форм кариозного процесса.

2. Проведен статистический анализ заболеваемости кариесом по районам Воронежской области на основе визуализации и трансформации информации, который используется для информационной поддержки принятия управленческих решений и оценки развития медицинской ситуации в регионе.

3. Получена классификация территориальных единиц региона по заболеваемости кариесом с использованием геоинформационных технологий. Построены тематические карты по основным нозологическим формам.

4. Проведен анализ динамики основных форм заболеваемости кариесом по Воронежской области, который используется для информационной поддержки принятия управленческих решений и оценки развития стоматологической ситуации в районе.

5. Построены прогностические модели методами прямого и адаптивного краткосрочного прогнозирования. Получены прогнозные оценки по заболеваемости осложненным и неосложненным кариесом на 2009 год для территориальных единиц Воронежской области.

6. Выявлена статистическая корреляционная взаимосвязь между наиболее информативными показателями лечения начальных форм кариеса на основе фторосодержащих препаратов.

7. Построены регрессионные модели выбора тактики лечения неосложненного кариеса с учетом минералогических показателей, которые позволяют дать количественные оценки влияния реминерализирующего фактора.

8. На основе нейросетевого моделирования осуществлен прогноз выбора начальной тактики лечения неосложненного кариеса с применением минерализующих компонентов.

9. Разработана структура интегрированной компьютерной системы оптимального выбора тактики лечения неосложненного кариеса на основе применения реминерализирующей терапии.

10. Результаты работы используются в стоматологической клинике ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко», а также в учебном процессе на кафедре пропедевтической стоматологии клинике ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко» и на кафедре системного анализа и управления в медицинских системах» ГОУ ВПО «Воронежский государственный технический университет».

Основные результаты диссертации опубликованы в следующих работах:

Публикации в изданиях, рекомендованных ВАК РФ

1. Исследование и анализ стоматологической заболеваемости в территориально распределенной системе региона / О.В. Байбакова, Е.М. Елизарова, А.Н. Рябов, A.B. Сущенко // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. М., 2008. Т.7. N°. 4. С. 1015-1017

2. Елизарова Е.М., Коровин E.H., Сущенко A.B. Интеллектуализация процесса лечения неосложненного кариеса с учетом минералогических факторов на основе многовариантного моделирования // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. М., 2008. Т.7. №. 4. С. 1086-1088.

Статьи и материалы конференций

3. Елизарова Е.М., Коровин E.H., Сущенко A.B. Анализ динамики и прогнозирование развития заболеваемости кариесом в Воронежском регионе // Высокие технологии в технике, медицине, экономике и образовании: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2007. С. 302-306.

4. Елизарова Е.М., Журихина И.А., Лаптев В.И. Математическое моделирование процесса лечения кариеса с применением минералогических лечебных воздействий // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж: ВГТУ, 2008. С. 177-178.

5. Елизарова Е.М., Коровин E.H., Сущенко A.B. Оценка динамики развития заболеваемости кариесом в территориально распределенной системе ре-

гиона // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж: ВГТУ, 2008. С. 209-210.

6. Елизарова Е.М., Коровин E.H., Сущенко A.B. Разработка нейросетевой модели выбора тактики лечения неосложненного кариеса // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2008.

7. Елизарова Е.М., Коровин E.H., Сущенко A.B. Анализ состояния заболеваемости кариесом в регионе на основе геоинформационных технологий // Управление в социальных и экономических системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2008. С.34-37.

8. Елизарова Е.М., Коровин E.H., Сущенко A.B. Построение статистических моделей выбора тактики лечения неосложненного кариеса с применением минералогических воздействий // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж: ВГТУ, 2009. С. 275-277.

9. Елизарова Е.М., Коровин E.H., Сущенко A.B. Разработка информационно-программного обеспечения системы выбора тактики лечения неосложненного кариеса на основе нейро-статистического моделирования // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж: ВГТУ, 2009. С. 267-269.

С. 24-28.

Подписано в печать 13.04.2009. Формат 60x84/16. Бумага для множительных аппаратов. Усл. печ. л. 1,0. Тираж 85 экз. Заказ ГОУВПО «Воронежский государственный технический университет»

394026 Воронеж, Московский просп., 14

ВВЕДЕНИЕ.

1. СОВРЕМЕННОЕ СОСТОЯНИЕ ЗАБОЛЕВАЕМОСТИ КАРИЕСОМ И ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ СТОМАТОЛОГИЧЕСКОЙ ПОМОЩИ

1.1. Современное состояние проблемы заболеваемости кариесом.

1.2. Проблемы применение минералогических лечебных факторов для лечения и профилактики неосложненного кариеса.

1.3. Использование высоких медицинских и информационных технологий в современной стоматологии.

1.4. Цель и задачи исследования.

2. АНАЛИЗ СОСТОЯНИЯ И ПРОГНОЗИРОВАНИЕ РАЗВИТИЯ ЗАБОЛЕВАЕМОСТИ КАРИЕСОМ В РЕГИОНЕ

2.1. Исследование заболеваемости кариесом в регионе на основе визуализации и трансформации информации.

2.2. Оценка динамики и прогнозирование развития заболеваемости кариесом в регионе.

Выводы второй главы.

3. ИНТЕЛЛЕКТУАЛИЗАЦИЯ ПРОЦЕССА ЛЕЧЕНИЯ НЕОСЛОЖНЕННОГО КАРИЕСА НА ОСНОВЕ НЕЙРОСЕТЕВОГО И СТАТИСТИЧЕСКОГО МОДЕЛИРОВАНИЯ.

3.1. Построение регрессионных моделей выбора тактики лечения неосложненного кариеса.

3.2. Применение нейросетевого моделирования для выбора тактики лечения неосложненного кариеса.

Выводы третьей главы.

4. РЕАЛИЗАЦИЯ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ВЫБОРЕ ТАКТИКИ ЛЕЧЕНИЯ НЕ ОСЛОЖНЕННОГО КАРИЕСА.

Актуальность темы. Кариозные поражения твердых тканей зуба представляют актуальную проблему современной стоматологии, в значи-тельной'мере определяемую медицинским и социальным аспектами: высокая распространенность (от 68% до 98%) и увеличивающаяся интенсивность, склонность к прогрессированию, многостороннее воздействие на зубочелю-стную систему и организм в целом.

Современные подходы к пониманию основных тенденций возникновения и развития заболеваний твердых тканей зуба в значительной мере стали доступными благодаря внедрению в стоматологию важнейших научных методологий, таких как: знания по теории систем, статистического анализа, математического моделирования и теории управления. Особое место среди новых технологий занимают геоинформационные технологии, приоритетным направлением которых является рассмотрение данных по анализируемым проблемам относительно их пространственных взаимоотношений, что позволяет проводить комплексную оценку ситуации и создает основу для принятия более точных и разумных решений в процессе управления.

Повсеместное высокое распространение практически среди всех возрастных групп населения, различающихся по экономико-географическим, этническим, профессиональным, экологическим и другим особенностям, в то же время индивидуальная предрасположенность, уникальность каждого организма, обуславливают необходимость разработок как достаточно быстрой и точной диагностики, так и методик прогнозирования и выбора лечебной тактики, применительно к каждому пациенту.

В настоящее время в стоматологии для профилактики и лечения кариеса широко применяются минерализирующие лечебные воздействия. Используется ряд препаратов и продуктов питания, в состав которых входят ионы кальция, фтора, магния и других элементов, обуславливающих полноценную реминерализацию твердых тканей.

Однако, несмотря на успехи в профилактике и лечения кариеса, применяемые методики ионного воздействия являются стандартными и в недостаточной мере учитывают индивидуальные особенности организма. До настоящего времени не исследованы механизмы противокариесного действия фторидов на течение кариозного процесса с точки зрения методов математического моделирования. /

Таким образом, актуальность темы исследования обусловлена необходимостью разработки принципов анализа и прогнозирования развития заболеваемости неосложненным кариесом в территориально распределенной системе региона, методов интеллектуальной поддержки принятия решений при лечении кариозного процесса на основе математических моделей, алгоритмов и современных компьютерных технологий.

Работа выполнена в соответствии с основными научными направлениями ГОУВПО «Воронежский государственный технический университет» «Биомедкибернетика, компьютеризация в медицине» и «Проблемно-ориентированные системы управления» при выполнении научно-исследовательской работы ГБ 2007.27 «Интеллектуализация принятия управленческих решений в медицинских системах при диагностике и лечении».

Цель и задачи исследования. Целью диссертационной работы является разработка методов и моделей лечения неосложенного кариеса с учетом минерализирующих факторов на основе высоких медицинских и информационных технологий и их дальнейшее использование в клинической практике.

Для достижения поставленной цели необходимо решить следующие задачи: провести анализ состояния заболеваемости неосложненным кариесом в регионе и построить прогностические модели развития заболеваемости по административно территориальным единицам; исследовать и обосновать рациональный выбор тактики лечения неосложенного кариеса в условиях неполной априорной информации с учетом минеральных компонентов; проанализировать взаимосвязь между наиболее информативными клиническими показателями лечения начальных форм кариеса на основе корреляционно-регрессионного анализа; разработать метод интеллектуальной поддержки принятия решений при выборе тактики лечения неосложненного кариеса на основе нейросетево-го моделирования; создать и апробировать информационно-программный комплекс для обеспечения рациональной терапии неосложенного кариеса для повышения эффективности лечебного процесса в клинических условиях.

Методы исследования. Для решения поставленных задач в работе были использованы методы системного анализа, теории управления, основные положения теории вероятностей и математической статистики, нейросетево-го моделирования, ГИС-технологий.

Научная новизна результатов исследования. В работе получены следующие основные результаты, характеризующиеся научной новизной: математические модели, ориентированные на формирование прогноза заболеваемости неосложненным кариесом по административно-территориальным единицам региона, позволяющие разрабатывать и осуществлять планирование мероприятий в системе оказания стоматологической помощи населению региона; методика логического моделирования диагностики и выбора рациональной схемы лечения неосложненного кариеса, ориентированная на уточненную классификацию и обеспечивающая повышение эффективности диагностического процесса и выбор рациональной тактики лечения; статистические модели выбора тактики лечения неосложненного кариеса позволяющие учитывать индивидуальные клинические особенности пациентов при планировании лечебного процесса; метод интеллектуальной поддержки принятия решений при выборе тактики лечения неосложненного кариеса, позволяющий оценить влияние реминерализирующего фактора на основе нейросетевого моделирования; структура и информационное обеспечение автоматизированной системы выбора тактики лечения неосложненного кариеса, обеспечивающие повышение эффективности лечебно-диагностического процесса на основе прогнозирования исхода и выбора оптимальных параметров лечения.

Практическая значимость и результаты внедрения. Разработана методика визуализации информации о заболеваемости неосложненным кариесом в территориально распределенной системе региона на основе геоин-формациионных технологий. Предложенная методика обработки ретроспективной и текущей информации о заболеваемости неосложненным кариесом позволят оценить динамику, прогнозировать развитие заболеваемости и планировать лечебно-профилактические мероприятия в регионе. Разработана комплексная методика интеллектуальной поддержки процесса лечения неосложненного кариеса с учетом минерализирующих факторов на основе созданных математических моделей.

Разработанная автоматизированная система поддержки принятия решений при выборе тактики лечения неосложненного кариеса на основе статистического и нейросетевого моделирования апробирована в стоматологической клинике ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко».

Материалы диссертации внедрены в учебный процесс на кафедре пропедевтической стоматологии ГОУ ВПО «Воронежская государственная медицинская академия им. H.H. Бурденко» на кафедре системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».

Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2008, 2009); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2008); научно-тематическом семинаре «Проблемно-ориентированные системы управления» (Воронеж, 2007-2009); научно-методическом семинаре кафедры «Системный анализ и управление в медицинских системах» ВГТУ (Воронеж, 2007-2009).

Публикации. По материалам диссертации опубликовано 9 научных работ, в том числе 2 - в изданиях, рекомендованных ВАК РФ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения, списка литературы из 113 наименований, изложена на 103 страницах и содержит 34 рисунка и 10 таблиц.

10. Результаты работы используются в стоматологической клинике Воронежской государственной медицинской академии им. H.H. Бурденко, а также в учебном процессе на кафедре пропедевтической стоматологии Воронежской государственной медицинской академии им. H.H. Бурденко и на кафедре системного анализа и управления в медицинских системах» Воронежского государственного технического университета.

ЗАКЛЮЧЕНИЕ

В ходе работы получены следующие результаты:

1. Проанализирована проблема заболеваемости кариесом и пути повышения эффективности оказания стоматологической помощи. Рассмотрены классификация, особенности диагностики и лечения различных форм кариозного процесса.

2. Проведен статистический анализ заболеваемости кариесом по районам Воронежской области на основе визуализации и трансформации информации, который используется для информационной поддержки принятия управленческих решений и оценки развития медицинской ситуации в регионе.

3. Получена классификация территориальных единиц региона по заболеваемости кариесом с использованием геоинформационных технологий. Построены тематические карты по основным нозологическим формам.

4. Проведен анализ динамики основных форм заболеваемости кариесом по Воронежской области, который используется для информационной поддержки принятия управленческих решений и оценки развития стоматологической ситуации в районе.

5. Построены прогностические модели методами прямого и адаптивного краткосрочного прогнозирования. Получены прогнозные оценки по заболеваемости осложненным и неосложненным кариесом на 2009 год для территориальных единиц Воронежской области.

6. Выявлена статистическая корреляционная взаимосвязь между наиболее информативными показателями лечения начальных форм кариеса на основе фторосодержащих препаратов.

7. Построены регрессионные модели выбора тактики лечения неослож-ненного кариеса с учетом минералогических показателей, которые позволяют дать количественные оценки влияния реминерализирующего фактора.

8. На основе нейросетевого моделирования осуществлен прогноз выбора начальной тактики лечения неосложненного кариеса с применением минерализирующих компонентов.

9. Разработана структура интегрированной компьютерной системы оптимального выбора тактики лечения неосложненного кариеса на основе применения реминерализующей терапии.

1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.

2. Александров В.В., Шнейдеров B.C. Обработка медико-биологических данных на ЭВМ. Л.: Медицина, 1984.

3. Андерсон Т. Статистический анализ временных рядов. М.: Мир,1970.

4. Антомонов Ю.Г. Моделирование биологических систем. Справочник. К.: Наукова думка, 1977.

5. Ахутин В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977.

6. Бажанов H.H. Стоматология. М.: Медицина, 2003.

7. Безрукова В.М., Робустова Т.Г. Руководство по хирургической стоматологии и челюстно-лицевой хирургии. М.: Медицина, 2002.

8. Бессмертный Б.С. Математическая статистика в клинической, профилактической и экспериментальной медицине. М., Медицина, 1967.

9. Берлянт A.M. Образ пространства: карта и информация. М.: Мысль,1986.

10. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и адаптация. М., 1974. Вып. 1. 406 с. 1974. Вып. 2.

11. Боровский Е.В. Терапевтическая стоматология. М: Медицина, 2004.

12. Боровский Е.В., Барер Г.М. Руководство к практическим занятиям по терапевтической стоматологии . М.: Медицина, 2001.

13. Борокий Е.В., Волков Е.А., Дубинчук В.Г. Изучение процессов деминерализации и реминерализации на естественных и искусственных кариозных поражениях эмали// Стоматология, № 6, 1982.

14. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983.

15. Ван дер Варден Б.Л. Математическая статистика / Пер.с нем.; Под ред. Н.В.Смирнова, М.: Изд-во «Иностр.лит.», 1960.

16. Войтенко A.B., Попова О.Б., Демьянова О.П. Функциональные возможности программно-аппаратных элементов геоинформационных систем для организации и анализа данных в медицинских приложениях // Компьютеризация в медицине. Воронеж: ВГТУ, 1996.

17. Гайдышев И. Анализ и обработка данных. М.: Практика, 2001.

18. Геловани В.А., Ковригин О.И. Экспертные системы в медицине// Математика и кибернетика. М., 1987.

19. Гельфанд И.М., Губерман Ш.А., Шифрин М.А. Прогнозирование и распознавание в медицинских задачах // Распознавание. Классификация. Прогноз. Вып.1, М.: Наука, 1988.

20. Геоинформационные системы с дистанционным потоком информации. М.: МГУ, 1990.

21. Головко А.Н. Нейросетевое моделирование. М.: Мир, 1999

22. Горелик A.A., Гуревич K.M., Скрипкин В.А. Современное состояние проблемы распознавания. М.: Наука, 1985.

23. Горелик A.A., Скрипкин В.А. Методы распознавания. М.: Наука,1984.

24. Гохман О.Г. Экспертное оценивание. Воронеж: ВГУ, 1991.

25. Елизарова Е.М., Журихина И.А., Лаптев В.И. Математическое моделирование процесса лечения кариеса с применением минералогических лечебных воздействий // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж, 2008.

26. Елизарова Е.М., Коровин E.H., Сущенко A.B. Анализ динамики и прогнозирование развития заболеваемости кариесом в Воронежском регионе // Высокие технологии в технике, медицине, экономике и образовании: меж-вуз. сб. науч. тр. Воронеж: ВГТУ, 2007.

27. Елизарова Е.М., Коровин E.H., Сущенко A.B. Анализ состояния заболеваемости кариесом в регионе на основе геоинформационных технологий // Управление в социальных и экономических системах: межвуз.сб.науч.тр. Воронеж. ВГТУ. 2008.

28. Елизарова Е.М., Коровин E.H., Сущенко A.B. Оценка динамики развития заболеваемости кариесом в территориально распределенной системе региона // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж, 2008.

29. Елизарова Е.М., Коровин E.H., Сущенко A.B. Разработка нейросе-тевой модели выбора тактики лечения неосложненного кариеса // Управление процессами диагностики и лечения: Межвузовский сборник научных трудов. Воронеж: ВГТУ 2008.

30. Елисеева И.И., Руковишников В.О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977.

31. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986.

32. Журавлев Ю.Г. Об алгоритмических методах в задачах распознавания и классификации// Распознавание. Классификация. Прогноз. Вып. 1. М.: Наука, 1988.

33. Журавлев С.Г., Ермаков В.В. Биомедицинские математические модели и их идентификация. М., ВИНИТИ 1989.

34. Загорулько Н.Г. Методы распознавания и их применение. М.: Радио и связь, 1972.

35. Зайцев Г.Н. Математический анализ биологических данных. М: Наука, 1991.

36. Зацепина С.А., Львович Я.Е., Фролов М.В. Управление в биотехнических и медицинских системах / Под ред. В.Н. Фролова: Учеб. пособие. Воронеж: ВГТУ, 1994.

37. Искусственный интеллект. Модели и методы. Справочник / Под ред. Поспелова Д.А. Кн. 2. М.: Радио и связь, 1990.

38. Калинина В.Н., Панкин В.Ф. Математическая статистика. М.: Высш. школа, 1994.

39. Кант В.И. Математические методы и моделирование в здравоохранении. М.: Медицина, 1987.

40. Кендэл М. Временные ряды. М.: Финансы и статистика, 1981.

41. Клементьев A.A. Разработка количественных моделей для решения задач управления в здравоохранении. М., Наука, 1985.

42. Коровин E.H., Родионов O.B. Методы обработки биомедицинских данных: учебное пособие. Воронеж: ВГТУ, 2007.

43. Коровин E.H., Родионов О.В., Фролов В.Н. Методология прогнозирования и оптимального управления территориально распределенными социально-экономическими системами. Воронеж: ВГТУ, 2005.

44. Кошкарев A.B., Тикунов B.C. Геоинформатика / Под ред. Д.В. Ли-сицкого. М.: Картгеоцентр, 1993.

45. Кошкарев A.B., Тикунов B.C., Трофимов A.M. Теоретические и методические аспекты развития географических информационных систем // География и природные ресурсы, 1991, № 1.

46. Криницкий Н.А„ Миронов Г.А., Фролов Г.Д. Автоматизированные информационные системы / Под ред. A.A. Дородницина. М„ Наука, 1982.

47. Круглов В.В., Борисов В.В. Искусственные нейронные сети. М.: Горячая линия Телеком, 2001.

48. Кунин A.A., Панкова С.Н., Степанов H.H. с соавт. Физиотерапия стоматологических заболеваний. Воронеж , 1996.

49. Кузьмина Э.М. и др. Профилактика стоматологических заболевании. Учебное пособие М.: ММСИ. 1997.

50. Ластед Л. Введение в проблему принятия решений в медицине. М.: Мир, 1971.

51. Леонтьев В.К. О состоянии стоматологии в России и перспективах ее развития. Стоматология, 1, 2002.

52. Литвак Б.Г. Экспертная информация. Методы получения и анализа. М.: Радио и связь, 1992.

53. Лищук В.А., Потемкина Н.С. Организация медицинских знаний и обеспечение решений современными алгоритмическими методами// Вест. АМН СССР, 1988. № 8.

54. Лорьер Ж.Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1990.

55. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979.

56. Лукиных М.Н. Лечение и профилактика кариеса зубов. Н. Новгород: Изд-во НГМА, 1998, 168с.

57. Львович Я.Е., Фролов М.В. Моделирование биотехнических и медицинских систем. Воронеж, 1994.

58. Малета Ю.С., Тарасов В.В Математические методы статистического анализа в биологии и медицине, Вып. 2. М.: Изд-во МГУ, 1982.

59. Месарович М. Теория систем и биология: точка зрения теоретика // Системные исследования. Ежегодник. М., 1970.

60. Методы анализа заболеваемости в территориально распределенном регионе и интеллектуальной поддержки рационального управления в системе стоматологической помощи / E.H. Коровин, В.А. Кунин, О.В. Родионов, A.B. Сущенко, В.Н. Фролов. Воронеж: ВГТУ, 2003.

61. Миргазизов М.З., Ткачев А.Д., Первушов А.Р. Применение математических методов и ЭВМ в стоматологии. Кемерово, 1984.

62. Неймарк Ю.И. Распознавание образов и медицинская диагностика / Ю.И. Неймарк, З.С. Баталова, Ю.Г. Васин, М.Д. Бредо, М: Наука, 1972.

63. Немов Н.В. Нейронные сети. М.: Вест, 2003.

64. Норман Дрейпер, Гарри Смит. Прикладной регрессионный анализ. Множественная регрессия. М.: Диалектика, 2007.

65. Овруцкий Г.Д., Горячев H.A., Майоров Ю.Ф. Клиника терапевтической стоматологии. Казань, 1991.

66. Осовский С.А. Нейронные сети для обработки информации. М.: Финансы и статистика, 2004. С. 25-27.

67. Перегудов Ф.И. Тарасенко Ф.П. Введение в системный анализ М.: Высшая школа, 1989.

68. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука, 1988.

69. Прикладная статистика. Классификация и снижение размерности. Справ, изд./ Под ред. Айвазяна С.А. М.: Фин. и стат., 1989.

70. Разработка подсистемы для автоматизированного ввода и анализа клинико-диагностической информации в клинике хирургической стоматологии/ С.И. Вольвач, В.П. Ипполитов, С.М. Кочанов, A.M. Рассадин// Стоматология, 1992. Т.71, № 2.

71. Райскина М.Е. Статистическая обработка данных. Вильнюс, 1989.

72. Распознавание образов и медицинская диагностика/ Под редакцией Ю.М. Неймарка. М.: Наука, 1972.

73. Распознавание образов: состояние и перспективы/ Верхаген К., Дейн Р. и др. М.: Радио и связь. 1985.

74. Родионов О.В., Воронин А.И., Коровин E.H. Медицинские информационные системы: Учеб. пособие. Воронеж: Воронеж, гос. техн. ун-т, 2003.

75. Родионов О.В., Коровин E.H. Геоинформационные системы: Учеб. пособие. Воронеж: Воронеж, гос. техн. ун-т, 2003.

76. Рыбаков А.И., Иванов B.C. Клиника терапевтической стоматологии. М.: Медицина, 1980.

77. Рыбаков А.И., Челидзе JI.H. Теоретические основы терапевтической стоматологии. Тбилиси: Мецниереба, 1987.

78. Система выявления экспертных знаний в задачах классификации/ О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуренс // Изв. АН СССР. Техн. кибернетика, 1987. № 2.

79. Суханов А.Е. Кариес зубов: этиология, патогенез, клиника, диагностика, лечение. М.: Медицина, 2005.

80. Теория статистики / под редакцией проф. P.A. Шмойловой. 2003.

81. Терапевтическая стоматология / Под ред. Е.В. Боровского. М.: Медицина, 1989.

82. Терехина А.Ю. Анализ данных методами многомерного шкалирования. М.: Наука, 1986.

83. Трахтенгерц Э.А. Генерация, оценка и выбор сценария в системах поддержки принятия решений // АиТ. М., 1997. № 3.

84. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.:СИНТЕГ, 1998.

85. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. М.: Финансы и статистика, 1995.

86. Ту Дж., Гонсалес Р. Принципы распознавания образов. М.: Мир,1978.

87. Урбах В.Ю. Статистический анализ в биологических и медицинских исследованиях. М.: Медицина, 1975.

88. Федорков Е.Д., Демьянова О.П., Попова О.Б., Войтенко А.В. Моделирование и прогнозирование динамики показателей здравоохранения при организации комплексной системы автоматизированного медицинского кадастра // Компьютеризация в медицине. Воронеж, 1996.

89. Фестер Э., Ренц В. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1983.

90. Фионин В., Терешин А. Показатели эффективности управления // Российский эконом, журн. № 8.

91. Федорков Е.Д. Моделирование и оптимизация дуальных динамических объектов в медицине. Воронеж: Изд-во ВГТУ, 1997.

92. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М., 1986.

93. Форсайт Р. Экспертные системы: принципы работы и примеры. М.: Радио и связь, 1987.

94. Фролов В.Н. Управление в биологических и медицинских системах: Учебное пособие. Воронеж, 2001.

95. Чертыковцев В.Н. Концепция построения автоматизированных диагностических комплексов для стоматологии. Материалы международной конференции "Достижения и перспективы стоматологии", Москва, 1999.

96. Шеннон Р. Имитационное моделирование систем. Искусство и наука. М.: Мир, 1978.

97. Шорников Б.С. Классификация и диагностика в биологическом эксперименте. М., Наука, 1979.

98. Штейн Л.Б. Опыт прогнозирования в медицине с помощью ЭВМ. Л.: Изд-во Ленинградского ун-та, 1987.

99. Элти Дж., Кумбс М. Экспертные системы: Примеры и концепции. М., Финансы и статистика, 1987.

100. Яковлева В.И., Трофимова Е.К., Давидович Т.П., Просверяк Г.П. "Диагностика, лечение и профилактика стоматологических заболеваний." Минск, 1994.

101. Anic J., Pavelic В., Vidovic D. Possibility of application of C02 Laser in the prevention of demineralization of the enamel// Acta-Stomatol. -Croat. 1991-Vol 25, № 2.

102. Arends J., ten Bosch J.J. Demineralization and remine-ralization evalu-tion techniques// J.-Dent. -Res., Apr. 1992, Vol. 71, Space No.

103. AU 5000 Our answer for large scale Routine Analysis// MERCK Diagnostica Spectrum. - W.Gots, 1988.

104. Bosh ten J.J. General aspects of optical methods in dentistry// Adv. Dent. Res. 1987, Vol. 1.

105. Brinkman J., Boschten J.J., Borsboom P.C.F. Optical quantitation of natural caries in smooth surfaces of extracted teeth// Caries Res. 1988. Vol. 22, N 5.

106. Crawford R. Computers in dentistry// J. Canad. Dent. Ass., 1988. Vol. 54, N 9.

107. Dove S.B., McDavid W.D. A comparison of conventional intraoral radiography and coputer imaging techniques for the detection of proximal surface dental caries// Dentomaxiliofac. -Radiol., Aug. 1992, Vol. 21, N 3.

108. Elderton R.J., Osmon Yi. Preventive versus restorative management of dental caries// Tydskr.-Tandheelkd. Ver. S.Afr., Apr. 1991. Vol. 46, N 4.