автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Интеллектуализация поддержки динамического принятия врачебных решений на основе имитационно-семантического моделирования

ВВЕДЕНИЕ.

ГЛАВА 1. ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ.

1.1. Анализ методов интеллектуализации поддержки принятия врачебных решений врача.

1.2. Особенности использования методов динамического принятия решений.

1.3. Цели и задачи исследования.

ГЛАВА 2.ИМИТАЦИОННО-СЕМАНТИЧЕСКОЕ МОДЕЛИРОВАНИЕ

И АЛГОРИТМИЗАЦИЯ ПРОЦЕССА ДИНАМИЧЕСКОГО ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ.

2.1. Постановка задачи имитационно-семантического моделирования динамического принятия решений в условиях неопределенности.

2.2. Структурное моделирование динамического принятия решений на основе интеграции аппарата полумарковских процессов и динамического программирования.

2.3 Алгоритмизация процесса динамического принятия решений на основе имитационно-семантического моделирования.

Выводы второй главы.

глава 3. разработка лингвистических средств интеллектуальной поддержки на основе имитациоьшо-семантического моделирования.

3.1. Формулирование требований к языку моделирования.

3.2. Конструирование языка моделирования динамического принятия решений.

3.3. Построение имитационно-семантической модели терапевтических мероприятий.

Выводы третьей главы.

глава 4. анализ эффективности применения методов интеллектуальной поддержки принятия решения в клинической практике.

4.1. Программное обеспечение комплекса интеллектуальной поддержки принятия решений и имитационно-семантического моделирования.

4.2. Оценка эффективности применения системы интеллектуальной поддержки принятия решений в клинической практике.

Выводы четвертой главы.

Актуальность темы. Одной из основных проблем повышения эффективности управления процессом лечения заболеваний и последующей реабилитации больных в условиях существенных различий в закономерностях развития и течения патологических процессов является проблема комплексной оценки состояния пациента и выбора адекватных схем лечебных мероприятий.

Успешное освоение новых терапевтических методик и лечебно-диагностических технологий, усложнение методов и средств мониторингового контроля физиологических показателей стимулировали значительное увеличение объема информации, поступающей в распоряжение врачей, что приводит к формированию неопределенности в выборе целей на текущих этапах лечебных и реабилитационных мероприятий. Необходимость учета большого числа взаимосвязанных факторов и быстро меняющихся требований к адекватной оценке и прогнозированию состояния больного и корректировке схемы лечения диктуют необходимость использования вычислительной техники в рамках интеллектуальных систем поддержки принятия решений (ИСППР).

Специфика патогенетических механизмов определяет структуру и состав как программного, так и математического обеспечения ИСППР.

Однако, существующие на сегодня подходы к формированию структуры таких систем были направлены, прежде всего на рационализацию аналитического описания биомедицинских систем, которое лишь косвенно влияет на оптимизацию принятия прогностических и терапевтических решений, тогда как эффективность выбора тактики лечения, особенно на ранних этапах достигается в условиях реализации экспериментов с имитационными моделями, которые позволяют проводить не только анализ их характеристик, но и решать задачи структурного и параметрического синтеза при заданных критериях эффективности принимаемых решений.

В этой связи создание адекватного математического аппарата формализованного описания динамики патологического процесса и его коррекции, позволяющего учитывать такие характеристики, как тяжесть заболевания, степень хронизации процесса, соотношения между затратами и эффективностью лечения, побочными реакциями, осложнениями и улучшением исходов и др., целесообразно осуществлять на основе программной реализации средств имитационно-семантического моделирования и оптимизации принятых решений при выборе тактики лечения.

Таким образом, актуальность темы диссертации определяется необходимостью создания инвариантной среды интеллектуальной поддержки принятия врачебных решений, включающей анализ течения заболеваний на основе текущей и ретроспективной информации и коррекцию терапевтических мероприятий на основе выбора тактики лечения, ориентированной на применение программно-алгоритмического обеспечения имитационно-семантического моделирования.

Диссертационная работа выполнена в рамках госбюджетного научного направления «Проблемно-ориентированные системы управления».

Цели и задачи исследования. Целью исследования является разработка методов, моделей и алгоритмов для интеллектуальной системы поддержки принятия решений врача на основе универсального языка имитационно-семантического моделирования.

Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ существующих подходов к динамическому принятию решений в условиях неопределенности и определить возможности организации на этой основе интеллектуальной поддержки решений врача; описать структурную модель имитационно-семантического моделирования терапевтических мероприятий для ее представления в интеллектуальной компьютерной системе; сформировать алгоритмы и описать процедуры имитационно-семантического моделирования как основы интеллектуализации процесса динамического принятия врачебных решений при проведении терапевтических мероприятий; реализовать методы построения и обновления имитационно-семантической модели, основанные на оптимальных процедурах принятия решений; разработать лингвистические средства интеллектуальной поддержки динамического принятия решения врачом на основе имитационно-семантического моделирования; реализовать разработанный математико-алгоритмический аппарат и оценить эффективность его использования в клинической практике.

Методы исследования. Для решения поставленных задач использовались основные положения системного анализа, теории вероятностей и математической статистики, методов имитационного моделирования, исследования операций и оптимизации.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: структурная модель динамического принятия решений, обеспечивающая адекватное математическое описание целевой функции и ограничений на множестве переменных, характеризующих параметры процесса лечения; процедура алгоритмизации динамического принятия решений, учитывающая связь действий лица, принимающего решение, с контекстом текущей ситуации и позволяющая генерацию изменений, обусловленных действиями ЛПР и ходом времени; имитационно-семантическая модель терапевтических мероприятий, отличающаяся более полным описанием вероятностных и временных зависимостей между параметрами принятия решений за счет ввода матрицы влияний и пространства наблюдений; структура компьютерной системы моделирования и интеллектуальной поддержки решений врача, отличающаяся возможностью ее адаптации к условиям течения различных заболеваний за счет гибких настроек трансляторов модели.

Практическая ценность и реализация результатов работы.

В результате проведенного системного анализа инновационных медицинских технологий обоснована необходимость разработки интегрированной системы оценки состояния и интеллектуализации лечения больных на основе имитационно-семантического моделирования.

Проведено обоснование создания языка моделирования, интегрирующего достижения в области создания интеллектуальных систем поддержки принятия решений.

Предложенные и разработанные методы и модели являются основой для развития математического обеспечения компьютерных систем, ориентированных на интеллектуализацию врачебной деятельности.

Сформирована структура и разработано программно-алгоритмическое обеспечение комплекса поддержки принятия врачебных решений.

Учет динамики контролируемых параметров заболеваний, алгоритмические схемы имитационно-семантического моделирования эффективности лечения позволяют врачам выбрать оптимальную схему терапевтических мероприятий.

Созданный комплекс лингвистических средств поддержки принятия решений апробирован в кардиологическом отделении Воронежской областной клинической больницы.

Теоретические и практические результаты работы внедрены в учебный процесс кафедры системного анализа и управления в медицинских системах Воронежского государственного технического университета для студентов специальности 190500 «Биотехнические и медицинские аппараты и системы» и кафедры систем автоматизированного проектирования и информационных систем Воронежского государственного технического университета для студентов специальности 071900 «Информационные системы».

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: I Съезде терапевтов Юга России (Ростов-на-Дону, 2000), Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000-2002), Российской научно-технической конференции «Медико-технические технологии на страже здоровья, Медтех - 2000» (Москва, 2000), «Прикладные информационные аспекты медицины», (Воронеж, 2001-2002), Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах (Воронеж, 2001-2003), Региональной научно-технической конференции «Компьютерные технологии в промышленности и связи» (Воронеж, 2002), «Прикладные задачи моделирования и оптимизации» (Воронеж, 2002), «Высокие технологии в технике, медицине, экономике и образовании» (Воронеж, 2002).

Публикации. Основное содержание диссертационной работы изложено в 16 печатных работах.

В работах, опубликованных в соавторстве, автором в [1-4] определена постановка задачи алгоритмизации, разработаны механизмы автоматизации оценки эффективности терапевтических процедур при различных заболеваниях, в работе [3] описана методика процедуры рационального выбора лечебного воздействия, в [6, 7] предложена структура информационной системы поддержки принятия решений врача, в [8-11] дано описание методики применения имитационного эксперимента в адаптивном выборе тактики лечения с учетом применения динамического управления, работа [12] посвящена описанию моделирования процесса лечения ИБС с точки зрения полумарковских процессов, в [14] проведены элементы структурного моделирования динамического принятия решений, работы [15,16] описывают структуру и основные особенности компьютерной системы моделирования и комплекса лингвистических средств поддержки принятия решений врача, в [15] приведена имитационно-семантическая модель терапевтических мероприятий при лечении ИБС, в [16] освещена структурная модель динамического принятия решений.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, изложенных на 146 страницах машинописного текста, списка литературы (141 наименование), приложения, содержит 32 рисунка, 10 таблиц.

Выводы четвертой главы

1. Обоснована целесообразность применения при выборе тактики терапии для лечения кардиохирургических больных в качестве средства управления лечением ИБС многофункционального информационно-вычислительного комплекса моделирования «Бутоэ» и его интеграция в общую структуру системы интеллектуальной поддержки принятия решений. Комплекс лингвистических средств интеллектуальной поддержки работы врача позволяет эффективную адаптацию универсальной оптимизированной модели для широкого круга прикладных задач.

2. Произведен расчет полученных имитационно-семантических моделей, что позволяет получить оптимальные стратегии с требуемыми критериями оценки эффективности и качества лечения ИБС.

ЗАКЛЮЧЕНИЕ

Основными результатами работы являются следующие:

1. Проведен системный анализ существующих подходов к динамическому принятию решений в условиях неопределенности и определена возможность организации на этой основы интеллектуальной поддержки принятия решений врача при лечении ишемической болезни сердца. Показаны основные подходы к организации систем имитационно-семантического моделирования, проанализированы существующие методики решения и определены направления интеграции этих методик.

2. Сформированы процедуры имитационно-семантического моделирования как основы интеллектуализации процесса принятия решений, обоснована постановка задачи динамического принятия решений в условиях неопределенности на основе полумарковских процессов, динамических диаграмм влияния и методов динамического программирования. Определен ряд дополнений к традиционным средствам интеллектуальной поддержки принятия решений.

3. Создана модель динамического принятия решений в условиях неопределенности, основанная на имитационно-семантическом подходе, и алгоритм формирования этой модели, обеспечивающий адекватное математическое описание целевой функции и ограничений на множестве переменных, характеризующих параметры процесса лечения ИБС.

4. Разработана процедура алгоритмизации динамического принятия решений, учитывающая связь действий лица, принимающего решение, с контекстом текущей ситуации и позволяющая генерацию изменений, обусловленных действиями ЛПР и ходом времени;

5. Предложена структура имитационно-семантической модели терапевтических мероприятий при лечении ИБС, отличающаяся более полным описанием вероятностных и временных зависимостей между параметрами принятия решений за счет ввода матрицы влияний и пространства наблюдений, дано математическое обоснование графическим прототипам, использующимся в построенных моделях.

6. Описаны грамматика и семантика спроектированных лингвистических средств, предложен транслятор имитационно-семантических моделей.

7. Реализован комплекс программных средств интеллектуальной поддержки работы врача, позволяющий эффективный выбор оптимальной стратегии терапевтических мероприятий при лечении ИБС.

8. Комплекс моделей, алгоритмов и программных средств внедрен в клинический процесс лечения ишемической болезни сердца в кардиологическом отделении Воронежской областной клинической больницы, а также в учебный процесс кафедры информационных систем Воронежского института высоких технологий, кафедры систем автоматизированного управления и информационных систем и кафедры системного анализа и управления в медицинских системах Воронежского государственного технического университета.

1. Антономов Ю.Г. Моделирование биологических систем. Справочник. К. :Наукова думка, 1977

2. Аоки М. Оптимизация стохастических систем: Пер. с англ. М.: Наука, 1971.-424с.

3. Архитектура интеллектуального АРМ контроля // Приборы и системы управления. 1990. №3.-с.8-10.

4. Атаманюк М.Ф. Современное состояние и перспективы развития хирургической помощи при пороках и заболеваниях сердца и сосудов /М.Ф. Атаманюк, С.Л. Петрова, Л.А. Заикина // 4 Всесоюзная конференция сердечно-сосудистых хирургов. Киев, 1983. С.45-46

5. Афанасьев В.Н., Колмановский В.Б., Носов В.Р. Математическая теория конструирования систем управления. М.:Высш.шк., 1998. — 574 с.

6. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский СПб.: Питер, 2001. - 384с.

7. Беллман Р. Математические методы в медицине: Пер. с англ. / Под ред. Л.Н. Белых. М.:Мир, 1987. - 200 с.

8. Бенькович Е.С., Колесов Ю.Б., Сениченков Ю.Б. Практическое моделирование динамических систем СПб.:ВНУ, 2002. - 464 с.

9. Биологическая и медицинская кибернетика. Справочник / О.П. Минцер, Б.Н. Угаров и пр. Кив: Наукова думка, 1986.

10. И. Бокерия Л.А. Информатизация кардиохирургии: нужно ли интеллектуальное обеспечение или достаточно компьютеризации? / Л.А.

11. Бокерия, В.А. Лищук // Третий Всероссийский съезд сердечно-сосудистых хирургов. М., 1996.-C.13-14.

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

13. Булкин М.А., Габович Ю.Р., Пантелеев А.Г. Методические рекомендации по программированию и эксплуатации интерпретатора для алгоритмического языка ЛИСП в ОС ЕС. К.:НИИАСС, 1981.-91с.

14. Бураковский В.И., Керцман В.П., Лищук В.А., Мосткова Е.В. Острая сердечная недостаточность — классификация и диагностика с использованием математических методов // Вестник АМН СССР, 1982. №8 -С. 18-32

15. Бусленко Н.П. Моделирование сложных систем. — М.:Наука, 1978.399 с.

16. Вагнер Г. Основы исследования операций: Пер с англ., Т. 1-3. — М.: Мир, 1973.

17. Васильев В.И., Коноваленко В.В., Горелов Ю.Н. Имитационное управление неопределенными объектами. Киев: Наук.думка, 1989.-215с.

18. Васильков Ю.В., Василькова Н.Н. Компьютерные технологии вычислений в математическом моделировании М,: Финансы и статистика, 2002.-256с.

19. Вентцель Е.С. Теория вероятностей М.:Наука, 1998.

20. Вольфенгаген В.Э. Конструкции языков программирования. Приемы описания. М.:АО «Центр ЮрИнфоР», 2001. 276с.

21. Вольфенгаген В.Э. Проектирование языков программирования и теория вычислений. М.:МИФИ, 1993.-167 с.

22. Геловани В.А., Бритков В.Б. Системы поддержки принятия решений в нештатных ситуациях с использованием современной информационной технологии.// Системные исследования. Методологические проблемы. Ежегодник 1996. Москва, Эдиториал УРСС, 1996, с. 108-118.

23. Дюк В. Обработка данных на ПК в примерах. — СПб: Питер, 1997.240 с.

24. Искусственный интеллект. Справочник. Т. 1,2 / Под ред. Э.И. Попова. М.:Радио и связь. — 1990. — 340 с.

25. Живоглядов В.П., Медведев A.B. Непараметрические алгоритмы адаптации. Фрунзе: Илим, 1974. - 136с.

26. Зацепина С.А., Львович Я.Е., Фролов В.Н. Теория управления -Воронеж: Изд-во ВГУ, 1989. 200 с.

27. Зацепина С.А., Львович Я.Е., Фролов В.Н. Управление в биотехнических и медицинских системах/ Под ред. В.Н. Фролова: Учеб.пособие Воронеж: ВГТУ, 1994. - 145 с.

28. Змитрович Интеллектуальные информационные системы. -Мн.:НТООО «ТетраСистемс», 1997.-368с.

29. Иващенко H.H. Автоматическое регулирование. Теория и элементы системы. М. Машиностроение, 1973.

30. Калянов Г.Н. CASE структурный системный анализ (автоматизация и применение).-М: изд-во "Лори", 1996. -241с.

31. Кант В.И. Математические модели и моделирование в здравоохранении. М.:Медицина, 1987.

32. Кибернетика в сердечной хирургии / О.П. Минцер, Г.В. Кнышев и др. К.:Вища школа, 1984. 140 с.

33. Клейнен Дж. Статистические методы в имитационном моделировании. Т. 1,2. - М.:Статистика, 1978. - 221, 335с.

34. Кордонекий Х.Б. Приложения теории вероятностей в инженерном деле — JL: Физматгиз, 1963., 436 с.

35. Кристофидес Н. Теория графов. Алгоритмический подход. -М.:Мир, 1978, 432 с.

36. Кук Д., Бейз Г. Компьютерная математика: Пер. с англ. М.:Наука, Гл. ред. физ.-мат. Лит., 1990.- 384 с.

37. Лазаренко И.Ю. Гипотеза компактного соответствия — основополагающая гипотеза имитационного управления Н Имитационные и самоорганизующиеся модели сложных систем. Сб.науч. тр., Киев, ИК АН УССР, 1982, С.42-48.

38. A.B. Лапко Имитационные модели неопределенных систем -Новосибирск: ВО «Наука», 1993, 112 с.

39. Лапко A.B., Новиков О.М., Поликарпов Л.С. Статистические методы моделирования и принятия решений в развивающихся медико-биологических системах. Новосибирск: Наука. Сиб.отделение, 1991. - 221с.

40. Ларичев О.И. Человеко-машинные процедуры принятия решений // Автоматика и телемеханика. 1972. №12

41. Ларичев О.И, Мошкович Е.М. Качественные методы принятия решений. М.,Наука, 1996

42. Левин В.И. Интервальный подход к оптимизации в условиях неопределенности / Информационные технологии, №ё, 1999, С.7-11.

43. Ли Э.Б., Маркус Л. Основы теории оптимального управления. -М.:Наука, 1972.

44. Львович И .Я. Вариационное моделирование и оптимальный выбор проектных решений. Воронеж: ВГТУ, 1997, 114с.

45. Львович И .Я., Фролов В.Н. Имитационное моделирование структуры и параметров технологических систем // Математическое и машинное моделирование: тез. докл. Всес. конф. Воронеж, 1991, с. 61

46. Львович Я.Е. Управление в биологических и медицинских системах/ Я.Е. Львович, М.В. Фролов. Воронеж, ВГТУ, 1994, 183 с.

47. Львович Я.Е., Фролов М.В. Моделирование биотехнических и медицинских систем: Учеб. пособие. Воронеж, ВГТУ, 1994, 183 с.

48. Максимей И.В. Имитационное моделирование на ЭВМ. — М.: Радио и связь, 1988.-231с.

49. Методы оптимизации в статистических задачах управления. / Батков A.M. и др. М.: Машиностроение, 1974, 240 с.

50. Моделирование биотехнических и медицинских систем: Учеб. пособие / Я.Е. Львович, М.В. Фролов и др.; Под ред. В.Н. Фролова. Воронеж: Изд-во ВГТУ, 1994. С.114-119, 157-161, 165-169, 176-180.

51. Моисеев H.H. Математические задачи системного анализа -М.: Наука, 1981.-488С.

52. Моисеев H.H. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации — М.: Наука. 1981.

53. Неве Ж. Математически основы теории вероятностей: Пер. с. фр. — М.: Мир, 1969,310с.

54. Нейлор Т. Машинные имитационные эксперименты с моделями экологических систем. М.:Наука, 1975. - 214 с.

55. Неймарк Ю.И. Распознавание образов и медицинская диагностика / Ю.И. Неймарк, З.С. Баталова, Ю.Г. Васин, М.Д. Бредо. М.:Наука, 1972, 328 с.

56. Новосельцев В.Н. Теория управления и биосистемы. М.:Наука,1978,319 с.

57. Новосельцев В.И. Системный анализ: современные концепции. — Воронеж: Изд-во «Кварта», 2002. 320 с.

58. Овсянникова Ф.П. Построение траекторий переходов и их применение для диагностики испытаний сложных динамических объектов // Имитационные и самоорганизующиеся модели сложных систем. Сб.науч. тр., Киев, ИК АН УССР, 1982, С.65-69.

59. Оптимизация систем с управлениями, прилагаемыми в конечные моменты времени / А.П.Афанасьев, С.М.Дзюба, А.А.Кримштейн, А.В.Чуркин. Тамбов: Изд-во ТГУ, 1997, 25 с.

60. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.:Наука, 1981. - 206 с.

61. Пантелеев А.Г. Об интерпретаторе с языка ЛИСП для ЕС ЭВМ. // Программирование, 1980, №3, С.86-87.

62. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ — М.:Высшая школа, 1989, 368 с.

63. Питерсон Дж. Теория сетей Петри и моделирование систем. — М.:Мир, 1984,261 с.

64. Поляк Ю.Г. Вероятностное моделирование на электронных вычислительных машинах М.:Сов.радио, 1071.-400с.

65. Понтрягин Л.С., Болтянский В.Г. и др. Математическая теория оптимальных процессов. — М.:Наука, 1969.

66. Попечителев Е.П., Романов C.B. Интерактивные методы обработки биомедицинской информации: Учеб. пособие. — Л., 1983. — 64 с.

67. Поспелов Г.С. Искусственный интеллект — основа новой информационной технологии. М.:Наука. 1988.

68. Преображенский Ю.П., Будневский A.B. Компьютерные технологии в исследовании влияния тимогена на психологический статус и вегетативный гомеостаз больных гипертонической болезнью // «Медтех-2000»: Сб. докл. Рос. научно-тех. конф., Москва, 2000, С.25

69. Преображенский Ю.П., Будневский A.B. Сравнительный анализ эффективности коррекции даларгином психологического статуса больныхгипертонической болезнью // I съезд терапевтов Юга России, Тр. Всерос. конф., Ростов-на-Дону, 2000, С.48-49.

70. Преображенский Ю.П., Провоторов В.М., Будневский A.B., Аксенова H.A. Системный анализ психосоматических соотношений при бронхиальной астме // Прикладные информационные аспекты медицины: Научно-практический журнал, Воронеж, 2000, Т.З, №2, С.71-75

71. Преображенский Ю.П., Будневский A.B., Слюсарев Е.А. Алгоритмизация коррекции психосоматических соотношений при язвенной болезни // Прикладные информационные аспекты медицины: Научно-практический журнал, Воронеж, 2001, Т.4, №1, С.88-92

72. Преображенский Ю.П., Львович Я.Е. Анализ психосоматических соотношений на основе компьютерной симуляции и моделирования // Вестник ВГТУ, Серия «САПР и системы автоматизации производства», Вып. 3.1, 2001, С.56-58

73. Преображенский Ю.П. Имитационный эксперимент в адаптивном выборе тактики лечения // Интеллектуальные информационные системы: Тр. Всерос. конференции, Воронеж, 2002, С.48-49

74. Преображенский Ю.П., Львович Я.Е. Построение систем медицинской диагностики на основе имитационно-семантического моделирования // Интеллектуальные информационные системы: Тр. Всерос. конференции, Воронеж, 2002, С.6-8

75. Преображенский Ю.П., Львович Я.Е. Реализация циклического алгоритма управления лечением заболевания // Компьютерные технологии впромышленности и связи: Материалы научно-технической конференции, Воронеж, 2002, С.241-243

76. Преображенский Ю.П., Львович Я.Е. Неэффективность статического управления в системах поддержки принятия решений // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конференции, Воронеж, 2002, С.113-115

77. Преображенский Ю.П. Разработка единой методологии для задачи динамического принятия решений в условиях неопределенности // Высокие технологии в технике, медицине и образовании, Материалы межвуз. сб. науч.тр., ч.З, Воронеж, 2002, С.50-58

78. Преображенский Ю.П., Львович Я.Е. Использование динамических диаграмм влияния в задачах моделирования принятия решений // Прикладные задачи моделирования и оптимизации, Материалы межвуз. сб. науч.тр., Воронеж, 2002, С.208-213

79. Преображенский Ю.П., Львович Я.Е. Построение входного языка моделирования динамического принятия решений // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конференции, Воронеж, 2003, С.6-1.

80. Преображенский Ю.П., Львович Я.Е. Алгоритмизация динамического принятия решений в условиях неопределенности в процессетерапии ИБС // XI Бернадосовские чтения, Материалы международной научно-технической конференции, Иваново, 2003.

81. Преображенский Ю.П., Львович Я.Е. Компьютерная система имитационно-семантического моделирования и интеллектуализации принятия решений врача-кардиолога // Современные сложные системы управления, Материалы трудов международной конференции, Воронеж, 2003.

82. Прицкер А. Введение в имитационное моделирование и язык СЛАМ И: Пер. с англ. М.: Мир, 1987. - 646с.

83. Прогнозирование в кардиохирургии / Шевченко ,А., Шихвердиев H.H., Оточкин A.B. СПб: ПитерПресс, 1999,208 с.

84. Ракитин В.И., Первушин В.Е. Практическое руководство по методам вычислений с приложением программ для персональных компьютеров — М.: Высшая школа., 1998.—383с., ил.

85. Саврасов Ю.С. Оптимальные решения. — М.:Радио и связь, 2000. —152 с.

86. Сейдж Э.П., Мелса Дж. Л. Идентификация систем управления М.: Наука, 1974, - 248с.

87. Советов Б.Я. Теория информации. Л., Изд-во ЛГУ, 1977, 184 с.

88. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб.пособие для вузов.- 2-е изд., перераб. и доп. — М.'.Высшая школа, 1998.-319с.

89. Справочник по теории вероятностей и математической статистике / B.C. Королюк, Н.И. Портенко, A.B. Скороход, А.Ф. Турбин. М.:Наука. Главная редакция физ.-мат. Литературы, 1985. - 640 с.

90. Срагович В.Г. Теория адаптивных систем М.: Наука, 1976. -320с.

91. Статические и динамические экспертные системы /Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. М.: Финансы и статистика, 1996.-320с.

92. Тарасенко Ф.П. Непараметрическая статистика. Томск: ТГУ, 1976.- 292с.

93. Тарасик В.П. Математическое моделирование технических систем — Мн. :ДизайнПРО, 1997. 640 с.

94. Технология системного моделирования / Е.Ф. Аврамчук, A.A. Вавилов, C.B. Емельянов и др. / Под общ.ред C.B. Емельянова — М. ¡Машиностроение, 1988.

95. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.Синтег, 1998.-376 с.

96. Тюрин Ю.Н., Макаров A.A. Анализ данных на компьютере / Под ред. В.Э. Фигурнова. М.:ИНФРА-М, Финансы и статистика, 1995. — 384 с.

97. Федорков Е.Д. Моделирование и оптимизация дуальных объектов в медицине. ВГТУ. Воронеж, 1997— 143 с.

98. Фишберн П.С. Теория полезности для принятия решений. Пер. с англ. М.:Наука, 1978, 352 с.

99. Форсайт Дж., Малькольм М., Моулер К. Машинные методы математических вычислений. М.:Мир, 1980

100. Фролов В.Н. Выбор тактики лечения с применением математических методов. Воронеж, ВГТУ. 1977

101. Фролов В.Н., Львович Я.Е., Подвальный СЛ. Проблема оптимального выбора в прикладных задачах. Воронеж, Изд-во ВГУ, 1980.

102. Хоар Ч. Взаимодействующие последовательные процессы: Пер. с англ. М.: Мир, 1989. - 264 с.

103. Цирлин A.M. Оптимальное управление технологическим процессами: Учеб. пособие для вузов. М.:Энергоатомиздат, 1986. - 400 с.

104. Цыпкин ЯЗ. Основы теории обучающих систем.-М.: Наука, 1970.280с.

105. Чайкина Г.В., Бобров А.Ф. Информационные аспекты разработки систем поддержки принятия решений в профессиональной психофизиологической практике // Информационные технологии, №1,1999, С.38-43.

106. Шеннон Р. Имитационное моделирование систем — Искусство и наука.-М.:Мир, 1978.-418с.

107. Юдин Д.Б. Математические методы управления в условиях неполной информации М.: «Сов. радио», 1974, 400 .с

108. Dean Т., Kaebling L.P, Kirman J., Nicholson A. (1993b) Planning with deadlines in stochastic domains. In Proceedings of the 11th Conference on Artificial Intelligence, pp.574-579.

109. Deardon R. and Boutilier C. (1994) Integrating planning and execution is stochastic domains. Uncertainty in Artificial Intelligence: Proceedings of the 10th Conference, pp.309-316, San Mateo, CA. Morgan Kaufmann

110. Eom S.B. Decision support systems research: reference disciplines and a cumulative tradition. The International Journal Of management Science, 23, 5, October 1995, p.511-523.

111. Feller W. An Introduction To Probability Theory And Its Applications/ Wiley&Sons, New York, 1970

112. Fikes R.E., Nilsson NJ. STRIPS: A new approach to the application theorem proving to problem solving. Artificial Ibtelligence, 2:189-208

113. Hazen G.B. (1992) Stochastic trees: Anew technique for temporal medical decision modeling. Medical Decision Making, 12:163-178

114. Howard, R. A. (1960). Dynamic Programming and Markov Processes. MIT Press, Cambridge, MA.

115. Howard, R. A. (1971). Dynamic Probabilistic Systems, volume 1 & 2. John Wiley and Sons, New York.

116. Howard, R. A. (1988). Decision analysis: Practice and promise. Management Science, 34:679-695.

117. Howard, R. A. and Matheson, J. E. (1984). Influence diagrams. In Howard, R. A. and Matheson, J. E., editors, The Principles and Applications of Decision Analysis, volume 2, pages 719-762. Strategic Decisions Group, Menlo Park, CA.

118. Janssen, J., editor (1986). Semi-Markov Models: Theory and Applications. Plenum Press, New York, NY.

119. Manshell T.M. (1993) A method for planning given uncertain and incomplete information. In Heckerman D. and Mamdami A., Uncertainty in Artificial Intelligence: Proceedings of the Ninth Conference, pp.309-316, San Mateo, CA. Morgan Kaufmann

120. Neapolitan R.E. (1993) Computing the confidence in a medical decision obtained from an influence diagram. Artificial Intelligence in Medicine, 5:341-363

121. Newell A., Shaw J.C., Simon H.A. Report on a general problemsolving program. In Proceedings of the International Conference on Information Preocessing, pages 256-264. UNESCO

122. Provan, G. M. (1992). Modeling the evolution of acute abdominal pain using temporal influence diagrams. Technical Report MIS-CS-92-69, University of Pennsylvania, Dept. of Computer and Information Science.

123. Provan, G. M. and Clarke, J. R. (1993). Dynamic network construction and updating techniques for the diagnosis of acute abdominal pain. IEEE Transactions on Pattern Analysis and Machine Intelligence, 15(3):299-307.

124. Puterman M.L. (1990) Markov decision prosesses. In Heyman D.P and Sobel M.J. Handbooks in operations research and management science, vol.2: Stochastic models, ch.8, pp.331-434.

125. Raiffa, H. (1968). Decision Analysis: Introductory Lectures on Choices Under Uncertainty. Addison-Wesley, Reading, MA.

126. Sacerdoti, E. D. (1974). Planning in a hierarchy of abstraction spaces. Artificial Intelligence, 5:115-135.

127. Shachter, R. D. (1986). Evaluating influence diagrams. Operations Research, 34:871-882.

128. Sonnenberg, F. A. and Beck, J. R. (1993). Markov models in medical decision making: A practical guide. Medical Decision Making, 13(4):322—338.

129. Tatman, J. A. and Shachter, R. D. (1990). Dynamic programming and influence diagrams. IEEE Transactions on Systems, Man, and Cybernetics, 20(2):365-379.

130. Wellman, M. P. (1990). Formulation of Tradeoffs in Planning Under Uncertainty. Pitman and Morgan Kaufmann.

131. Wellman, M. P. and Doyle, J. (1991). Preferential semantics for goals. In Proceedings of the National Conference on Artificial Intelligence, pages 698703.

132. Wellman, M. P., Breese, J. S., and Goldman, R. P. (1992). From knowledge bases to decision models. The Knowledge Engineerting Review, 7(l):35-53.

133. Willard, K. E. and Critchfield, G. C. (1986). Probabilistic analysis of decision trees using symbolic algebra. Medical Decision Making, 6.