автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Критерии и алгоритмы принятия решения при оценке функционального состояния человека

московским государственный институт радиотехники, электроники и автоматики

(технический университет)

, од

') «г 1 На правах рукописи

Миронкина Юлия Николаевна

критерии и алгоритмы принятия решения при оценке функционального состояния человека

Специальность 05.13.01 Управление в технических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва 1998

МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ РАДИОТЕХНИКИ. ЭЛЕКТРОНИКИ И АВТОМАТИКИ (ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)

На правах рукописи

Миронкина Юлия Николаевна

КРИТЕРИИ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИЯ ПРИ ОЦЕНКЕ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА

Специальность 05.13.01 Управление в технических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва 1998

Работа выполнена в Московском государственном институте радиотехники, электроники и автоматики (технический университет)

Научные руководители:

доктор технических наук, профессор Лихарев В.А. доктор биологических наук Бобров А.Ф.

Официальные оппоненты: доктор технических наук, профессор доктор технических наук, профессор

Кузьмин В.И. Новосельцев В.Н.

Ведущая организация: Государственный научный центр - Институт медико-биологических проблем МЗ РФ

Защита состоится

/3"

1998 г.

в /V часов на заседании совета Д 063.54.01 при Московском государственном институте радиотехники, электроники и автоматики по адресу: 117454, г. Москва, проспект Вернадского, 78.

С диссертацией можно ознакомиться в библиотеке МИРЭА (ТУ) Автореферат разослан 1998 г.

Ученый секретарь диссертационного совета

/л

к.т.н.. профессор Федотова Д.Э.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Управление в технических системах, какими бы совершенными они не были, невозможно беj участия человека. Его организм становится живым элементом системы, делая ее биотехнической, и человек функционирует с техническими устройствами в едином контуре целенаправленного поведения. Поэтому функциональное состояние человека в биотехнической системе является важным фактором, определяющим эффективность и надежность ее функционирования. По данным литературы, до 80% нарушений функционирования сложных технических систем происходит по вине человека, управляющего такими системами. Многие работающие с современными техническими системами не справляются с предоставленной им техникой. Как следствие, у отдельных людей наблюдается нарастание психоэмоционального напряжения (производственного стресса) и на этой основе - рост числа психосоматических заболеваний, нарушений сердечно-сосудистых, пищеварительных и других функций. Поэтому разработка автоматизированной диагностической системы для оценки функционального состояния человека относится к актуальным задачам техники и медицины.

Оценка функционального состояния практически здорового человека относится к области медицины, называемой донозологической диагностикой, занимающейся изучением и оценкой состояний, пограничных между нормой и патологией, между здоровьем и болезнью. Уровень формализации знаний в донозологической диагностике (истоки которой лежат в авиакосмической медицине) в настоящее время достаточно высок. Это касается числа выделяемых донозологических состояний; преобладания характеристик в количественных шкалах; наличия баз данных, достаточных для корректного использования статистических методов. Поэтому в донозологической диагностике возможно применение строгих математических процедур, статистических методов распознавания образов.

Однако, как показывает анализ данных литературы, существующие подходы к синтезу критериев и алгоритмов донозологической диагностики не в полной мере используют возможности современных методов статистического анализа данных. При разработке интегральных критериев оценки функционального состояния преобладают эмпирические подходы, при которых критерии строятся путем арифметических комбинаций pet и-

стрируемых показателей. Классы состояний по отдельным критериям выделяются экспертным путем. Причем их идентификация проводится с использованием «точечных» границ между классами. Все это существенно снижает качество диагностических донозологических систем. Указанные недостатки во многом определяются отсутствием научно обоснованной методологии синтеза критериев и алгоритмов принятия решения при доно-зологической оценке функционального состояния человека.

Целью исследований является разработка критериев и алгоритмов принятия решения при оценке функционального состояния человека и алгоритмического обеспечения автоматизированной системы донозолопгче-ской диагностики.

Основные задачи исследования:

1) Обоснование статистической концепции синтеза критериев и алгоритмов оценки функционального состояния человека в прикладных медико-биологических исследованиях на основе методов многомерной статистики.

2) Разработка с помощью предложенной статистической концепции интегральных критериев оценки функционального состояния человека на различных иерархических уровнях организации организма: психическом, психофизиологическом и вегетативном.

3) Разработка решающих правил идентификации групп «риска» с донозологическими изменениями функционального состояния.

4) Синтез алгоритмов принятия решения при оценке функционального состояния человека, формирование блок-схемы автоматизированной диагностической донозологической системы.

5) Исследование и верификация предложенных моделей и алгоритмов по результатам клинических исследований.

6) Создание макетного образца автоматизированной диагностической системы донозологической оценки функционального состояния человека с использованием программной оболочки «Эксперт_В».

.Методы исследования. Для решения поставленных задач использовались: методология решения системных задач: методы математической статистики; статистические методы классификации и распознавания образов: методы теории управления, методы теории принятия решений, теории алгоритмов. а также медико-биологические методики (оценки факторов «риска» по анамнестической анкете, уровня актуального психи-

ческого состояния по психологическому тесту САН, функционального состояния центральной нервной системы по времени простой зрительно-моторной реакции, функционального состояния сердечно-сосудистой системы по показателям кардиоинтервалографии).

Научная новизна исследования.

Научно обоснована статистическая концепция синтеза критериев и алгоритмов принятия решения при оценке функционального состояния человека в прикладных медико-биологических исследованиях, включающая в себя последовательные этапы: «сжатия» пространства первичных показателей; выделения «спектра» типологических состояний различных функций организма, характеризующих переход от состояния «нормы» до пре-морбидных состояний; дискриминации полученных типологических состояний; принятия решения о степени адаптации организма к факторам жизнедеятельности с указанием вероятности этой классификации.

Разработаны статистические модели оценки факторов «риска», уровня психической адаптации человека, функционального состояния центральной нервной и сердечно-сосудистой систем. Получены новые критерии и алгоритмы принятия решения при оценке функционального состояния человека, верифицированные данными диспансерных обследований.

Практическая значимость и реализация результатов исследований. Разработанные критерии и алгоритмы донозологической диагностики позволяют оценить и сравнить различные инженерные решения при разработке управления в технических системах, предпочтительными среди которых являются решения, минимизирующие психофизиологическую «цену» деятельности человека.

Разработанные решающие правила выделения среди практически здоровых людей группы «риска» с высоким уровнем напряжения механизмов адаптации организма позволяют оценить влияние неблагоприятных факторов природной и профессиональной среды на состояние здоровья населения, своевременно проводить организационные и медицинские мероприятия по коррекции измененного функционального состояния человека.

Предложенная методология синтеза критериев и алгоритмов оценки функционального состояния человека внедрена в отделе 004 Государственного научного центра - Института медико-биологических проблем МЗ РФ и используется при оценке функционального состояния операторов-космонавтов.

Созданный с использованием программной оболочки «Эксперт_В» макетный образец автоматизированной системы донозологической диагностики внедрен в отделе реабилитации Всероссийского центра медицины катастроф «Защита» (ВЦМК «Защита») МЗ РФ .зля скрининга функционального состояния профессиональных контингентов, работающих в неблагоприятных условиях.

Основные положении, выносимые на защиту.

1. Использованная методология решения системных задач с учетом основных особенностей медико-биологической информации является адекватным средством обобщения и структуризации медицинской информации в прикладных медико-биологических исследованиях.

2. Разработанная статистическая концепция, включающая в себя последовательное применение методов факторного, канонического корреляционного, кластерного и дискриминантного анализов, позволяет синтезировать критерии и алгоритмы принятия решения при оценке функционального состояния человека в прикладных медико-биологических исследованиях.

3. Разработанные критерии и алгоритмы оценки функционального состояния человека позволяют оценить степень напряжения механизмов адаптации организма к факторам жизнедеятельности и адекватно выделять донозологические группы «риска» с высоким уровнем напряжения указанных механизмов.

Апробация работы. Основные положения и научные результаты диссертационной работы обсуждались на заседании кафедры Биомедицинской электроники МИРЭА (ТУ) (1995-1997 гг.), секции 5 Ученого совета ВЦМК «Защита» (1997 г.); докладывались на международной научно-практической конференции «Управление большими системами» (секция 10 «Большие системы в медицине и экологии»), Москва 1997 г.; Всероссийской конференции «Проблемы защиты населения и территорий от чрезвычайных ситуаций» (подсекция 2 «Автоматизированные системы в медицине катастроф»), Красноярск, 1997 г., юбилейной научно-технической конференции, посвященной 50-летию МИРЭА (секция «Биотехнические и медицинские аппараты и системы), Москва, 1997 г.

Публикации. По теме диссертации опубликовано 5 печатных работ, подготовлено 2 научно-технических отчета.

Структура и объем работы. Диссертационная работа состоит из

введения, четырех глав, заключения, списка использованных литературных источников, включающего в себя 190 наименований, и приложении. Общий объем работы - 177 страниц, основная часть изложена на 152 страницах, содержит 27 рисунков и 28 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении ^обоснована актуальность диссертационной работы, сформулированы цель и задачи исследования, их научная новизна и практическая значимость, приведены положения, выносимые на защиту, сведения об апробации и внедрении работы.

В первой главе обсуждается состояние проблемы разработки критериев и алгоритмов оценки функционального состояния человека в доно-зологической диагностике, проводится обзор существующих автоматизированных систем донозологической диагностики, анализ алгоритмов принятия решения о функциональном состоянии человека. Кроме того, обсуждается проблема донозологической диагностики с позиций теории управления.

Под донозологической диагностикой понимают оценку функционального состояния организма и его адаптации к условиям окружающей среды, выявление состояний, пограничных между здоровьем и болезнью, которые еще не могут быть отнесены к известным нозологическим формам, но характеризуются нарушением деятельности регуляторных механизмов, а в ряде случаев и гомеостаза.

Медицинская (в том числе и донозологическая) диагностика в компьютерной реализации основана на решении задач классификации, где каждому объекту (ситуации) из некоторой предметной области ставится в соответствие предметное заключение (диагноз). Ее основой является принятие решения, под которым (с позиций системного анализа) понимается целевой выбор из множества альтернатив. Для принятия решения устанавливаются альтернативы для выбора, критерии и правила выбора.

В широком смысле альтернатива - вариант, одна из двух или более возможностей. Один из вариантов пространства альтернатив в донозологической диагностике включает в себя 3 основных состояний (возможна их более детальная разбивка): 1) состояния с минимальным (или оптимальным) напряжением регуляторных механизмов, обусловленные полной

или частичной адаптацией организма к внешним условиям: 2) состояние напряжения, проявляющееся мобилизацией защитных механизмов и сопровождающееся увеличением активности регуляторных систем, и 3) состояние перенапряжения и срыва, для которых характерна недостаточность адаптационных защитно-приспособительных механизмов.

Критерии и правила выбора - способ сравнения альтернатив. Если обозначить через {Х-,}, 1=1, 2,... п, пространство количественных и качественных показателей функционального состояния человека ( система наблюдений - СН), а через {2... , т - пространство альтернатив (система заключений - СЗ), то построение правил принятия решения О состоит в установлении взаимнооднозначного соответствия между укат занными системами или, иными словами, описании изоморфизма О между структурой исходных данных и структурой эмпирических знаний:

{Ъ} -* {Л,}

По мере возрастания сложности систем наблюдений и заключений, снижения уровня формализации эмпирических медицинских знаний усложняются методы синтеза правил принятия решения. Можно выделить два основных направления в разработке правил принятия решения в прикладных медико-биологических исследованиях: реализации знаний экспертов и использовании теории распознавания образов. Первое реализуется путем построения экспертных систем, второе - автоматизированных систем с алгоритмами диагностики, построенных на формальных моделях. Возможно также сочетание этих двух подходов.

Анализ литературы и фактической медико-биологической информации показывает, что характер системы наблюдений (размерность пространства исходных показателей, соотношение количественных и качественных характеристик), размерность пространства заключений и достаточный уровень формализации медицинских знаний в донозологической диагностике позволяет разрабатывать автоматизированные системы с алгоритмами диагностики, основанными на статистических моделях теории распознавания образов и других методов многомерного статистического анализа данных.

Основной сложностью, с которой сталкиваются специалисты медико-биологического профиля при разработке критериев и атгоритмов оцен-

ки функционального состояния человека, является большая (в десятки раз) разница в размерности пространства первичных показателей и альтернатив выбора. Установление между ними изоморфизма требует использования сложных методов многокритериального выбора. Проведенный анализ данных литературы показал, что существующие методы синтеза критериев и алгоритмов донозологической оценки функционального состояния в большинстве случаев являются эмпирическими. Снижение размерности пространства первичных показателей проводится в основном путем введения различных интегральных индексов, отражающих представление их разработчиков о механизмах физиологических связей первичных показателей. Для выделения состояний изучаемых функций организма используется эмпирическая классификация функций с формированием ограниченного числа классов, каждому из которых дается предметная интерпретация и ранг в номинальной шкале. При этом границы между классами устанавливаются экспертами путем задания «точечных» граничных значений по каждому (а их могут быть десятки) из первичных показателей. При принятии решения зачастую возникают ситуации, при которых часть первичных показателей может соответствовать одному, часть - другому классу. Для разрешения этой проблемы предлагаются различные эмпирические правила - идентификации по ведущим признакам; по числу признаков, нарушающим соответствие и другие. При идентификации альтернатив выбора возникают аналогичные вопросы.

Поэтому для повышения качества автоматизированных донозологи-ческих систем необходима разработка общего методологического подхода статистического синтеза критериев и алгоритмов оценки функционального состояния человека.

С позиций теории управления и иерархии целей в биосистемах, сформулированных В.Н.Новосельцевым (1978), задачей донозологической диагностики является выявление резервов гомеостаза на различных уровнях организации организма и выделение состояний, в которых ресурсы системы близки к исчерпанию. Для этого необходимо иметь количественную оценку гомеостатических свойств целостной системы и ее математическую модель. Анализ данных литературы показал, что существующий уровень медицинских знаний не позволяет строить математические модели гомеостаза. описывающие систему управления поддержанием жизнедеятельности организма с комплексным учетом состояния психических.

психофизиологических и физиологических функций. Поэтому при донозо-логической оценке функционального состояния на сегодняшний день возможно построение статистических моделей функционирования биосистемы. Статистическое моделирование можно рассматривать как предварительный этап структуризации медицинских знаний перед применением методов теории управления.

Вторая глава посвящена разработке статистической концепции синтеза критериев и алгоритмов оценки функционального состояния человека. Методология синтеза строится на основе анализа основных особенностей медико-биологической информации и методах системного анализа.

Анализ данных литературы и фактической информации, используемой в диссертационной работе, позволяет заключить, что к основным особенностям медико-биологических данных при оценке функционального состояния человека следует отнести коррелированность показателей диагностики и наличие индивидуальных особенностей выраженности одних и тех же показателей у разных лиц.

Принцип корреляции означает, что все органы живого организма составляют единую систему и зависят друг ог друга. Изменение корреляционных взаимоотношений характеризует сдвиги в централизации управления различными функциями организма и является, по мнению многих авторов, одним из наиболее ранних признаков нарушения устойчивости организма.

Свойство неоднородности медико-биологической информации связано с индивидуальными особенностями функционирования каждого организма. Однако всегда существуют некоторые классы лиц с близким состоянием различных функций организма, достоверно различающиеся в исследуемой популяции. Такие состояния можно условно назвать типологическими. Спектр типологических состояний ограничен и его полярными классами являются «здоровье» и «болезнь». Основная задача донозологи-ческой диагностики - выделить спектр состояний в диапазоне нормального функционирования организма, отличающихся разным уровнем напряжения регуляторных систем.

Для обоснования методологии синтеза критериев и алгоритмов оценки функционального состояния человека использовался структуралистский подход снстемологии. в частности, методология решения системных задач, предложенную Дж. Клиром.

На рис. 1 представлена иерархия изучения сложных систем по Дж. Клиру (1990).

Функциональное состояние человека, находящегося под воздействием факторов жизнедеятельности, образует исходную систему (уровень 0). Термин «исходная система» указывает на то, что подобная система является источником эмпирических данных.

Экспериментальные исследования, проведенные в целях насыщения исходной системы 0-го уровня конкретными данными, позволяют перейти к уровню 1: формированию системы данных.

Уровни 4,5 .. .

МЕТАСИСТЕМЫ Отношения между определенными ниже отношениями Уровень 3 СТРУКТУРИРОВАННЫЕ СИСТЕМЫ Отношения между определенными ниже моделями Уровень 2 ПОРОЖДАЕМЫЕ СИСТЕМЫ Модели, порождаемые определенными ниже данными Уровень 1 СИСТЕМЫ ДАННЫХ Наблюдения, описанные на определенном ниже языке Уровень О ИСХОДНЫЕ СИСТЕМЫ Язык описания исходных данных_

Рис. 1. Иерархия уровней изучения сложных систем по Дж.Клиру

Следующим по иерархии является уровень изучения порождаемых систем (уровень 2), включающих в себя модели, основанные на системе данных.

При изучении функционального состояния человека основными являются статистические модели количественной оценки системного ответа организма человека на факторы .жизнедеятельности. Данная задача может рассматриваться как задача формирования на основе первичных интегральных показателей оценки изучаемых функций организма.

Ее решение связано с изучением корреляционных взаимоотношений между показателями оценки функционального состояния организма.

Наиболее глубокою и полную информацию о внутренней структуре

системного ответа организма человека позволяют получить методы факторного и канонического корреляционного анализа. Методология их построения основана на анализе матрицы корреляционных связей между изучаемыми признаками и представлении ее в удобной для понимания форме.

Модель факторного анализа имеет следующий вид:

где /=1,2, ...р - индекс первичного показателя Х„ Fj - к ненаблюдаемых (латентных) фактора, называемых общими, а,У - факторные нагрузки,

е, - специфический (характерный) фактор, связанный только с X,. Общие факторы учитывают корреляцию между параметрами, характерный фактор - оставшуюся (в том числе связанную и различными погрешностями) дисперсию. Постоянные ац называются факторными нагрузками, они оценивают вклад каждого из показателей в факторную структуру и являются коэффициентами корреляции данного показателя с каждым общим фактором.

Техника факторного анализа направлена на оценку факторных нагрузок и общей дисперсии, объясняемой каждым фактором, а также на вычисление оценок факторных значений:

Другим методом формирования интегральных показателей оценки изучаемых функций организма является канонический корреляционный анализ, используемый при необходимости оценки взаимосвязи двух массивов переменных (например, двух методик оценки функционального состояния человека).

Пусть Х=( Х,,Х2, ...Х„ ...Хр) и Ь, ... ... Уч) - две век-

торные случайные переменные.

Суть канонического корреляционного анализа заключается в поиске максимально коррелированных между собой линейных комбинаций исходных наборов переменных, которые называются каноническими переменными.

Пара с наибольшей корреляцией (по абсолютному значению) назы-

(1)

^ = X V *

р

(2)

вается первой парой, и далее пары упорядочиваются вплоть до (/-ой пары, которая имеет наименьшую (ненулевую) корреляцию.

Канонические переменные имеют вид:

-1 ч = ¿V* , '=/.....р; ... (3)

а,к и 6д- - коэффициенты канонических переменных.

Коэффициент корреляции между ¿х, и /.,, называется / -м коэффициентом канонической корреляции.

Факторы (формула (2)) и канонические переменные ¿7 (формула (3)) могут быть приняты за интегральные показатели количественной оценки системного ответа организма, а их разработку мы называем 1-м этапом статистического исследования.

Следующим но иерархии Клира является уровень 3 изучения структурированных систем, который выявляет отношения, порождаемые построенными на предыдущем уровне моделями. В контексте решаемой задачи данный уровень можно связать с построением классификационных моделей. Классификационные модели предназначены для выделения и в последующем различения типологических состояний организма^ формирующихся под воздействием факторов жизнедеятельности.

В математической формулировке выделение классов однородных типологических состояний является задачей автоматической классификации (кластерного анализа), целью которой является получение в пространстве интегральных показателей непересекающихся или слабо пересекающихся групп, характеристики которых отражают типичные состояния функциональных систем организма.

Поскольку априорно указать возможное число классов обычно не представляется возможным, для поставленной задачи представляется наиболее целесообразным использование методов иерархической агломера-тивной классификации, позволяющих выявлять «естественные кластеры». Результаты объединения представляются обычно в виде «дерева объединения» (дендрограммы), позволяющей наглядно представить внутреннюю структуру популяции и объективно выделить существующие в ней однородные классы.

Для анализа медико-биологических данных наиболее адекватным является метод Уорда. оптимизирующий минимальную дисперсию внутри классов. Объединение двух классов минимизирует приращение общей

дисперсии:

—► тт

(4)

где л/ - вектор средних значений /-го класса. >ь - число объектов /го класса.

Таким образом, процедура носит пошагово-оптимальный характер. Метод имеет тенденцию к нахождению кластеров приблизительно равных размеров и имеющих гиперсферическую форму, и дает, как правило, наилучшие результаты.

В качестве меры близости между объектами используются различные метрики, зависящие от шкалы измерения обрабатываемых переменных и требований анализа. Для количественных медико-биологических данных наиболее целесообразно использовать метрику Евклида:

В результате автоматической классификации (2-й этап статистического исследования) формируется # классов типологических состояний, каждое из которых характеризуется определенным соотношением интегральных показателей оценки функционального состояния { /•"/,/•";, ... ГР } таких, что пересечение между указанными классами является минимальным.

В изучение систем данного уровня также включается разработка классификационных моделей для распознавания выделенных выше классов типологических состояний организма человека - 3-й этап статистического исследования. Он состоит в построении формализованных решающих правил и алгоритмов, позволяющих по величине критерия нормирования оценить принадлежность текущего состояния объекта к одному из классов типологических состояний и дать заключение о степени адаптации его организма к окружающей среде.

С математических позиций решение данной задачи состоит в построении системы дискриминантных классифицирующих функций для вероятностной идентификации соответствия оцениваемого состояния к одному из типологических классов.

Для решения данной задачи используются методы дискриминаигно-го анализа позволяющего на основе интегральных показателей оценки

(5)

где х,1 - значение /-го признака у /-го объекта.

функциональных состояний построить линейные дискриминантные функции, наилучшим образом разделяющие все выделенные типологические состояния. Наиболее существенным для поставленных задач является возможность вычисления с помощью дискриминантного анализа классифицирующих функций, позволяющих относить новый объект к одному из выделенных классов. Их число равно числу типологических состояний. Дискриминантные классифицирующие функции 21 являются линейной комбинацией интегральных показателей:

где 2, - значение классифицирующей функции для /-ого класса, /•} — значениеу-го интегрального показателя в /-ом классе, Ь,] - коэффициенты /-ой классифицирующей функции, вычисляемые через матрицу, обратную к внутригрупповой матрице сумм попарных про-изведешш.

Объект относится к классу с наибольшим значением 2,. Апостериорные вероятности р, того, что при данной величине интегрального критерия типологическое состояние человека соответствует каждому из g классов, вычисляются по следующей формуле:

Если на уровнях 0-3 иерархии Клира проводится построение моделей оценки функционального состояния, то на уровне 4 (метасистемы) состояние человека рассматривается в его взаимосвязи с внешней средой. То есть с позиций описания отношений выделенных типологических классов с различным уровнем адаптации организма на уровне метасистемы «человек-среда жизнедеятельности».

Для этого устанавливается изоморфизм между выделенными типологическими классами состояния оцениваемых функций организма и альтернативами выбора - принятие решения в условиях многокритериального выбора.

В рамках поставленных задач исследования принятие решения предлагается проводить с использованием критериальной функции выбора вида:

к

(6)

(7)

в, = W[ p,i + w:p,2 +. . . + wmp,m (8)

где В, - глобальный вес каждой in альтернатив выбора А,; рц - вероятность отнесения состояния соответствующей функциональной системы объекта к /-.чу доноюлотческому состоянию по результатам обследования 7-ой методикой, вычисляемая по формуле 7, w, - весовые коэффициенты методик, установленные экспертным путем.

Выбор альтернативы проводится по максимальному из полученных глобальных весов:

А' = arg max (s, (wf, ptJ)) (9)

Предложенная статистическая концепция синтеза критериев и алгоритмов принятия решения о степени адаптации организма человека к факторам жизнедеятельности представлена на рис. 2.

Организация и методики исследования Для синтеза критериев и алгоритмов донозологической оценки функционального состояния человека использовались результаты массовых обследований военнослужащих, проведенных Всероссийским центром медицины катастроф "Защита" Минздрава России. Всего было обследовано 470 практически здоровых лиц возраста от 22 до 55 лет. Дополнительным материалом для работы явились результаты обследований сотрудников ВЦМК «Защита», участвовавших в ликвидации последствий аварии на Чернобыльской АЭС. Был обследован 41 ликвидатор возраста от 30 до 55 лет. Исследования проводились 3 раза с интервалом 1,5-2 месяца.

Методики исследования включали в себя: 1) анамнестическую анкету оценки социально-гигиенических факторов «риска»; 2) оценку уровня актуального психического состояния с использованием теста САН (самочувствие, активность, настроение); 3) оценку функционального состояния центральной нервной системы по времени простой зрительно-моторной реакции (ПЗМР); 4) оценку функционального состояния сердечнососудистой системы и адаптационных возможностей организма по данным математического анализа ритма сердца (кардиоинтервалографии).

Разработка критериев и алгоритмов оценки функционального состояния проводилась с использованием статистических систем анализа данных Statistica tor Windows версии 4.3 и SPSS (Statistical Package for Social Sciences) for Windows версии 6.1.

Пространство исходных показателей

1-я методика 2-я методика

_ I -

у

т -я методика-

Статистическое

исследование

1 этап

Формирование интегральных показателей оценки функционального состояния человека

2 этап

Классификация объектов на однородные типологические классы

3 этап

Разработка решающих правил отнесения объекта к одному из выделенных классов

Донозологические состояния:

; где ру - вероятность отнесения состояния соответствующей функциональной системы объекта к /-му донозоло-гическому состоянию по результатам обследования /—ой методикой

(и

Рп Рп ... Р!т

Р21 Р-- ... Р:т

Р31 Рг- ... РЗт

Экспертная оценка весовых коэффициентов методик

э к с п

Е Р

т ы

™2

Расчет глобальных весов альтернатив выбора А,-

= н'; рп - н>2 р,2 + ... + п'и р„п, (¡=1,2,3)

Правило принятия решения: А' = аг« тах (й, (и< . р, ))

Рис.2. Статистическая концепция синтеза критериев и алгоритмов принятия решения о степени адаптации организма человека к факторам жизнедеятельности

В третьей главе описываются результаты применения разработанной статистической концепции при синтезе количественных критериев и алгоритмов донозологической экспресс-оценки функционального состояния человека.

Результаты разработки интегральных показателей экспресс-оценки функционального состояния человека по анамнестической анкете, простой зрительно-моторной реакции (ПЗМР), кардиоинтервалографии приведены в табл. 1.

Разработка интегральных показателей теста САН не проводилась, поскольку 3 его показателя (С - самочувствие, А - активность, Н - настроение) по методике их построения являются интегральными.

Для разработки интегральных показателей оценки состояния человека по данным анамнестической анкеты и кардиоинтервалографии использовался факторный анализ. Причем в целях нахождения устойчивой структуры использовались различные его методы. Первичное извлечение факторов проводилось методом главных компонент, максимального правдоподобия, центроидным методом, методом минимальных остатков (МГЫ-ЯЕБ) и др. Для вращения полученных факторов использовались методы варимакс, квартимакс, эквимакс и биквартимакс. Большинство их них дало факторную структуру, показанную в таблице 1.

По анамнестической анкете получено 4 интегральных показателя. Чем выше значения каждого фактора, тем серьезнее уровень нарушений и хуже адаптация организма к внешней среде. Их интерпретация, проведенная с привлечением экспертов, приведена в столбце 5 таблицы 1.

Методика кардиоинтервалографии включала в себя показатели статистического и спектрального анализа ритма сердца: математическое ожидание или средняя продолжительность одного кардиоцикла (М, мс); мода (Мо, мс); среднеквадратичное отклонение (Б, мс); коэффициент вариации (V, %); амплитуда моды (АМо, %); вариационный размах (Ох, мс); мощность медленных волн 1-го порядка (МВ1, %) с периодом от 10 до 30 сек; мощность медленных волн 2-го порядка (МВ2, %) с периодом > 30 сек.; мощность дыхательных волн (ДВ,%) с периодом от 3 до 10 сек. Первичные показатели кардиоинтервалографии (ритма сердца) объединились в три интегральные характеристики - Р2_[Ш, Их состав-

ляющие с учетом знака корреляции первичных показателей, а также предметная интерпретация, приведены в табл. 1.

Таблица 1

Факторная структура показателей анкеты, билатеральной сенсометрии и кардиоинтервалографин и их интерпретация

Методики оцен ки ь 3 График факторной структуры интегральных показателей Обозначение интегральных показателей и наиболее коррелированные с ними первичные переменные Интерпретация

Анкета 5 Б. я i-- 08 r¡ , ум: п , 09 Ч' I / V oí Д. л 1 / \ ■ -0 2 - л 3"0 .А * -0- Factor ■0 4 - а я 1 e . -С- Factor -03 а 2 * HXhuuiyiicst; Factor U JJ 1 S S Ul^OU U ~ < cío xzm а'о. o ^ < 0 -й- Factor m x с s с ** Р1_АМК (возраст, проф. вредн., на-лич. хрон. забол. и частота госпит.) Уровень хронических функциональных нарушений в организме

Р2_А>1К (отдых, спорт, питание, част.забол. ОРВИ) Уровень резистентности организма

РЗ_АМК (показатели курения и наследственности) Фактор риска, связанный с курением и наслед.

Р4_АЖ (избыточный вес) Фактор риска, связанный с избыточным весом

П 3 М р 73 а О 1° = a = f -»-и - с L2 12\ (БУ, Бх) Обший уровень ал ьфа-акти в ности головного мозга

12: Ы2(-БЬ) Ь22 (ОЕЬ_АМо) Межполушарная асимметрия альфа-активности

Ритм серд иа 5 л 02 А Д> /А , i ^TV V -o-FIRR -03 1 = с F2~RR '1 M V АМо ZB MB2 F3_RR S Mo Dx MB1 Р1 ЯЯ (8, V, Ох. -АМо) Уровень активации автономного контура регуляции ритма сердца (УА АЮ

Р2 ЯЯ (ДВ, -МВ1, -МВ2) Уровень активации центрального контура регуляции рс(уа'цк)

РЗ_]Ш (М. Мо) Уровень функционирования (УФ) сердечнососудистой системы

Интегральные показатели оценки функционального состояния центральной нервной системы по показателям билатеральной вариационной сенсометрии (ПЗМР) разрабатывались с использованием канонического корреляционного анализа Это связано с тем, что оценка функционального состояния ЦНС проводилась двумя методами: электроэнцефалографическим (который можно условно назвать прямым методом оценки) и косвенным сенсометрическим.

Установлено, что существует достаточно тесная связь между декрементами затухания альфа-ритма ЭЭГ справа (DR) и слева (DL) и показателями билатеральной вариационной сенсометрии правой (R) руки (среднее время реакции M_R, его мода Mo_R, амплитуда моды AMo_R, средне-квадратическое отклонение времени реакции S_R, коэффициент вариации V_R, вариационный размах Dx_R,) и разностями указанных показателей между правой и левой рукой (DEL).

Применение канонического корреляционного анализа позволило не только «сжать» 12-ти мерное пространство первичных показателей билатеральной сенсометрии в двухмерное, но и получить интегральные показатели (канонические переменные LI, L2) (таб.1), которые позволяют прогнозировать общий уровень альфа-активности головного мозга человека (L1) и межполушарную асимметрию (L2) альфа-активности по показателям билатеральной сенсометрии.

Результаты выделения типологических состояний оцениваемых функций организма с использованием иерархического агломеративного кластерного анализа приведены в табл.2. Формирование классов осуществлялось по значениям полученных на предыдущем этапе интегральных показателей с использованием метода Уорда. В качестве метрики использовалось расстояние Евклида.

Анализ дендрограмм иерархической классификации для каждой методики позволил остановиться на 3-х групповом разбиении выборки для анкетных данных и теста САН и 4-х групповом разбиении - для методик кардиоинтервалографии и ПЗМР. С привлечением экспертов выделенным классам была дана соответствующая предметная интерпретация (табл.2), характеризующая разные уровни адаптации организма человека к окружающей среде: от нормы до группы риска с перенапряжением и срывом механизмов адаптации.

Верификация полученных результатов с использованием показате-

лей заболеваемости (диагнозов, поставленных в результате диспансерных обследований) подтвердила адекватность предложенной интерпретации выделенных классов типологических состояний изучаемых функций организма.

Таблица 2

Результаты проведения кластерного анализа и интерпретация выделенных типологических классов

Методики оценки

Дендрограммы иерархической классификации

Интерпретация выделенных классов

Анкета

3» 30 23 'лШ 1 ..ГгЬг^т 2 Мшй 3 Ш

1 класс -функциональное напряжение

Л класс -функциональное перенапряжение 3 класс-норма

САН

1 класс -норма

2 класс -функциональное напряжение

л класс -функциональное перенапряжение

ПЗМР

1 класс — функц. напряжение (с преоблад. активир. процессов)

2 класс - функц. напряжение (полушарная асимметрия)

з класс-норма

4 класс - функц. напряжение (с преоблад. тормозн. процессов)

Ритм сердца

1 класс -функциональное перенапряжение

2 класс-средняя норма

.5 класс-высокая норма

4 класс -функциональное напряжение

Таблица 3

Результаты проведения дискриминантного анализа

для распознавания выделенных типологических классов

Методики оценки Выделенные типологические классы в осях канонических функций Формулы для расчета дискриминантных классифицирующих функций % прав, клас-сиф.

Анкета 5,- 41 2 "ч!° • • ° ° * . |о □ щ ♦♦ ••• ® -2 -3 ♦ * -» + 5-5 -» -3 -2 -1 0 1 2 3 4 функция 1 □ Класс 1 • Класс 2 ♦ Класс 3 г1_АГ<К = - 1.673 -0.214*Р1 А1ЧК - 0.789*Р2 А2ЧК -0.021 *РЗ_А!МК - 2.231 *Р4_АИК; 100%

72 ANK= - 3.914 + 1.561*Р1 А№С +0.852*Р2 АЖ +2.341 *РЗ А№С+1.053*Р4 АЫК; 98,19%

гЗ_А1МК=- 3.013 -0.631*Р1 ЛЫК,-0.689*Р2 АМК-1.408*РЗ АМК^2.785*Р4 АЖ. 100%

САН 5-- 4| 31 [С | 2! п | г, ,! ос и' 1 1 #a^йй*4.+v =1шгг"# 1 £.1 а ! 6-2 ^-л -3 + + Класс 1 + ' = Класс 2 -6-4 -2 0246Э10* Класс 3 Функция 1 Ъ\ SAN = -106.895 + 11.368*8 + 13.422*А + 12.919*Ы; 100%

ъг SAN = -72.282 + 9.932*5 + 10.345*А + 10.602*N; 93,75 %

73 SAN = -39.323 + 5.237*Б + 9.308*А + 7.644*14; 93,33 %

ПЗМР 6,------ 5 4 С 31 □ ° ™ * 5 0! « 00 I -г 4 »а > ♦ ♦ л'4' + * : 0 кгасс1 -4, □ Класс 2 ■5! 4 + Класс 3 -6-4 -2 0 2 4 6 Л Класс 4 функция 1 71 = -4,094 - 2,812*1-21 -1,763*Ь22 100%

72 = -3,266 + 0,909*1-21 -2.682*1-22 94,1 %

73 = -5,060 - 3,071 *Ь21 + 2,290*1-22 72,7 %

Х4 = -1,336 + 1,372*Ь21 + 1,083*1,22 95,2 %

Ритм сердца 5,-- з « й ! 2! ♦ ♦Л»" I ™ 4, + ^ Д Д 1о 1 "2 • • , • Класс 1 "3 • ^ Класс 2 " - Класс 3 -6-4 -2 0 2 4 6 - Класс 4 функция 1 Ъ\ RR= -3,023 - 1,930* УА АК - 1,384* УФ - 0,063* УА_ЦК; 86,87 %

72 ЯК= -1,764 +0,214* УА АК + 1,298* УФ + 1,306* УА_ЦК; 97,11 %

73 1Ш= -5,126 + 1,561* УА АК - 1,763* УФ + 2,372* УА_ЦК; 92,16%

74 -2,914 т 0,590* УА АК + 0,019* УФ - 2,704* УА_ЦК. 89,68 %

Решающие правила идентификации типологических состояний изучаемых функций организма, полученные с использованием дискриминант -ного анализа, приведены в таблице 3. Там же приведены проценты правильного распознавания выделенных типологических состояний, которые оказались высокими для всех методик, а также графики распределения объектов наблюдения по выделенным типологическим состояниям в осях канонических днекриминантных функций.

Четвертая глава посвящена алгоритмическому обеспечению автоматизированной системы донозологической диагностики и вопросам её практической реализации на базе программной оболочки «Экспертов».

Изложенные во 2-ой главе теоретические аспекты и разработанные в 3-ей главе количественные критерии экспресс-оценки функционального состояния человека легли в основу алгоритма функционирования автоматизированной донозологической системы экспресс-оценки состояния человека.

На основе разработанных критериев и алгоритмов был реализован макетный образец автоматизированной системы донозологической диагностики, позволяющий обработать измеренную медико-биологическую информацию и вынести решение о степени адаптации организма пациента к факторам жизнедеятельности как по каждой из методик экспресс-оценки, так и по их совокупности.

В заключении обсуждаются основные результаты работы. Отмечается, что предложенная концепция статистического синтеза критериев и алгоритмов может быть использована и для решения широкого круга технических задач, связанных с неразрушающей диагностикой состояния технических систем.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Обосновано, что с позиций системной методологии 'задача синтеза критериев и алгоритмов автоматизированной оценки функционального состояния человека может быть описана как последовательный переход от исходной системы (уровень 0 - системы без данных), к системе данных (уровень 1), затем к моделям, порождаемым уровнем 1 (уровень 2 - порождаемые системы), далее к определяемых уровнем 2 структурированным

системам (уровень 3) с последующим рассмотрением структурированных систем в соответствие с заданными внешними критериями (уровень 4 -метасистемы).

2. С использованием системной методологии и учетом основных особенностей медико-биологической информации научно обоснована унифицированная концепция статистического синтеза критериев и алгоритмов автоматизированной оценки функционального состояния человека в прикладных медико-биологических исследованиях. Стратегия статистического анализа включает в себя последовательные этапы: а) «сжатие» пространства исходных показателей и формирование интегральных характеристик оценки изучаемых функций организма (факторный и канонический корреляционный анализ), б) автоматическая классификация пространства интегральных показателей с целью выделения типологических классов однородного функционального состояния (иерархический агломе-ративный кластерный анализ) и в) построение формализованных решающих правил (канонический дискриминантный анализ) принятия решения по отнесению обследуемого лица в одну из трех групп донозологической оценки: «риска», напряжения механизмов адаптации к окружающей среде и нормы.

3. Предложен метод принятия решения, объединяющий в критериальной функции выбора экспертные подходы установления «веса» каждой методики оценки функционального состояния человека и результаты оценки вероятностей идентификации выделенных типологических состояний изучаемых характеристик.

4. Статистическими методами «сжатия» пространства первичных показателей разработаны интегральные показатели, отражающие: по анамнестической анкете - 1) уровень хронических изменений в состоянии здоровья; 2) уровень резистентности организма; 3) выраженность фактора «риска», связанного с курением и наследственностью; 4) выраженность фактора «риска», связанного с избыточным весом; по методике билатеральной вариационной сенсометрии - 1) общий уровень альфа-активности головного мозга; 2) функциональную асимметрию альфа-активности правого и левого его полушарий; по кардиоинтервалографии - 1) уровень активации автономного контура регулирования ритма сердца: 2) уровень активации центрального контура регуляции ритма сердца: 3) уровень функционирования сердечно-сосудистой системы.

5. Статистическими методами автоматической классификации (кластерный анализ) выделены от 3 до 4-х типологических классов изучаемых характеристик функционального состояния организма. Их интерпретация по уровню адаптации организма к факторам жизнедеятельности позволила установить, что по анамнестической анкете выделяются состояния «нормы» (класс 3), функционального напряжения (класс 1) и функционального перенапряжения (класс 2); по тесту САН - состояния «нормы» (класс 1), функционального напряжения (класс 2) - функционального перенапряжения (класс 3). Из четырех выделенных типологических классов функционального состояния ЦНС один (класс 3) характеризуется сбалансированными тормозными и активирующими процессами - состояние «нормы», остальные - функциональным напряжением вследствие преобладания или тормозных (класс 4), или активирующих (класс 1), или полушарно несимметричных (класс 2) внутрицентральных взаимодействий. По функциональному состоянию сердечно-сосудистой системы классы 3, 2 характеризуются низким и средним (состояние «нормы»), класс 4 - высоким (функциональное напряжения), класс 1 - очень высоким (функциональное перенапряжение) уровнем напряжения регуляторных механизмов.

5. Методом дискриминантного анализа разработаны решающие правила (линейные дискрнминантные функции) идентификации типологических состояний изучаемых характеристик функционального состояния человека.

6. Разработано алгоритмическое обеспечение автоматизированной системы допозологической экспресс-оценки функционального состояния человека.

7. Создан макетный образец автоматизированной диагностической системы донозологической оценки функционального состояния человека, позволяющей в течение 15-20 минут оценить степень адаптации организма человека к окружающей среде. Использование системы в массовых скри-ш1Нговых исследованиях позволит в течение достаточно ограниченного времени провести обследование больших контингентов лиц с целью выявления группы ириска», требующей дальнейших углубленных медицинских исследований у специалистов.

ПУБЛИКАЦИИ

1. Бобров А.Ф., Яновский О.Г., Лихарев В.А.. Мироикииа Ю.Н., Чайкина Г.В. Системные критерии оптимальности функционирования организма человека. // Управление большими системами. - Материалы международной научно-практической конференции. Секция 10 «Большие системы в медицине и экологии». - М.: СИНТЕГ, 1997 г. - с.283.

2. Оценка функционального состояния, надежности деятельности и профессионального здоровья организованных контингентов: Пособие для врачей. // Приложение к журналу «Медицина катастроф». / Авторский коллектив: А.Ф.Бобров, В.Ю.Щебланов, А.Ф.Зубарев, Ю.Н.Миронкина, Г.В.Чайкина. - М.: ВЦМК «Защита», 1997,- № 7. - 32 с.

3. Бобров А.Ф., Башир-Заде Т.С., Волошина О.В., Никулина Н.С.. Миронкина Ю.Н., Чайкина Г.В. Критерии и алгоритмы принятия решения при автоматизированной экспресс-оценке состояния здоровья населения в очагах чрезвычайных ситуаций. // Проблемы защиты населения и территорий от чрезвычайных ситуаций: Труды Всероссийской конференции. Подсекция 2. «Автоматизированные системы в медицине катастроф». -Красноярск: Изд-во КГТУ, 1997. - с.241-242.

4. Башир-Заде Т.С., Волошина О.В., Миронкина Ю.Н. Один из подходов минимизации антропогенных причин возникновения аварийных и чрезвычайных ситуаций. // Проблемы защиты населения и территорий от чрезвычайных ситуации: Труды Всероссийской конференции. Подсекция 2. «Автоматизированные системы в медицине катастроф». - Красноярск: Изд-во КГТУ, 1997. - с.242-243.

5. Миронкина Ю.Н., Бобров А.Ф. Информационная технология статистического синтеза критериев и алгоритмов оценки функционального состояния человека в прикладных медико-биологических исследованиях. // Информационные технологии. - М.: Машиностроение, № 3, 1998 г. с. 4147.

Введение.

Глава 1. Состояние проблемы разработки автоматизированных диагностических систем донозологического скрининга функционального состояния человека.

1.1. Основные положения донозологической диагностики функциональных состояний.

1.2. Методы разработки алгоритмического обеспечения автоматизированных диагностических систем в прикладных медико-биологических исследованиях.

1.3. Автоматизированные системы донозологического скрининга функционального состояния.

1.4. Донозологическая диагностика с позиций теории управления.

1.5 Выводы

Глава 2. Концепция статистического синтеза критериев и алгоритмов оценки функционального состояния человека.

2.1. Характерные особенности медико-биологической информации.

2.2. Системологические аспекты структуризации медицинских знаний при разработке критериев и алгоритмов оценки функционального состояния человека.

2.3. Организация и методики исследования.

2.4. Выводы.

Глава 3. Критерии и алгоритмы донозологической оценки функционального состояния человека.

3.1. Критерии и решающие правила оценки факторов риска по анамнестической анкете.

3.1.1. Интегральные показатели оценки факторов риска».

3.1.2. Типологические состояния человека по факторам «риска».

3.1.3. Решающие правила оценки уровня адаптации человека по анамнестической анкете.

3.2. Критерии и решающие правила оценки психического состояния человека по тесту САН.

3.2.1. Типологические состояния уровня психологического комфорта.

3.2.2. Решающие правила оценки функционального состояния человека по психологическому тесту САН.

3.3. Критерии и решающие правила оценки функционального состояния центральной нервной системы по показателям билатеральной вариационной сенсометрии.

3.3.1. Интегральные показатели оценки функционального состояния центральной нервной системы

3.3.2. Типологические состояния центральной нервной системы.

3.3.3. Решающие правила оценки функционального состояний центральной нервной системы.

3.4. Критерии и решающие правила оценки функционального состояния сердечно-сосудистой системы по показателям математического анализа ритма сердца

3.4.1. Интегральные показатели оценки функционального состояния сердечно-сосудистой системы.

3.4.2. Типологические состояния сердечно-сосудистой системы.

3.4.3. Решающие правила оценки функционального состояния сердечно-сосудистой системы человека.

3.5. Выводы.

Глава 4. Алгоритмическое обеспечение автоматизированной системы донозологической экспресс-оценки функционального состояния человека.

4.1. Блок-схема алгоритма функционирования автоматизированной системы.

4.2. Реализация алгоритмического обеспечения донозологической экспресс-оценки функционального состояния человека на базе программной оболочки «ЭкспертВ».

4.3. Оценка эффективности разработанной автоматизированной системы донозологической диагностики.

Управление в технических системах, какими бы совершенными они не были, невозможно без участия человека. Его организм становится живым элементом системы, делая ее биотехнической, и человек функционирует с техническими устройствами в едином контуре целенаправленного поведения. Поэтому функциональное состояние человека в биотехнической системе является важным фактором, определяющим эффективность и надежность ее функционирования. По данным литературы, до 80% нарушений функционирования сложных технических систем происходит по вине человека, управляющего такими системами. А если производственные технологии относятся к потенциально опасным, то последствия нарушения могут быть катастрофическими.

Усложнение технических систем, с которыми имеет дело современный человек, существенно увеличило психоэмоциональную нагрузку, и к тому же лишило его крайне необходимого для нормальной жизнедеятельности умеренного физического труда. Поэтому многие работающие с современными техническими системами не справляются с предоставленной им техникой. Как следствие, у отдельных людей наблюдается нарастание психоэмоционального напряжения (производственного стресса), и на этой основе - рост числа психосоматических заболеваний, нарушение сердечно-сосудистых, пищеварительных и других функций. Стало очевидным, что управление техническими системами без учета психофизиологической адаптации человека может привести к ситуации, когда работать на машинах будущего он просто окажется неспособным.

Как следует из литературных источников [69], среди практически здоровых работающих людей имеется от 4 до 50 % и более лиц со срывом адаптации, т.е. нуждающихся в более детальном клиническом обследовании с целью установления диагноза заболевания и назначения лечения. Значительная часть этих людей является потенциальными пациентами больниц и поликлиник, но их обращение за медицинской помощью будет запоздалым и повлечет за собой более длительную потерю трудоспособности, чем это могло бы иметь место при своевременном выявлении группы «риска» и проведении лечебно-профилактических мероприятий. Поэтому разработка автоматизированной диагностической системы для донозологической оценки функционального состояния человека является актуальной задачей технических и медицинских наук.

Оценка функционального состояния практически здорового человека относится к области медицины, называемой донозологической диагностикой, занимающейся изучением и оценкой состояний, пограничных между нормой и патологией, между здоровьем и болезнью.

Клиническая медицина относится к слабо формализованной области знаний, в которой преобладают характеристики качественного типа, существует нечеткость границ рассматриваемых классов (нозологических форм, число которых составляет сотни) и их многообразие, отсутствует четкая дифференциация диагностических признаков между классами, дискутируется корректность существующей классификации заболеваний, недостаточно полно сформированы базы клинических данных по многим заболеваниям. Поэтому в клинической диагностике основную долю автоматизированных систем составляют экспертные системы (ЭС), основанные на базах знаний и моделирующие логику мышления врача-эксперта при постановке диагноза [46]. Главное преимущество экспертных систем заключается в возможности глубокого и удобного представления экспертной информации и в использовании логических правил вывода, обеспечивающих возможность содержательных объяснений принимаемых решений. В то же время, главным недостатком ЭС является фрагментарность процесса выявления экспертных знаний, что часто делает практически неработоспособными сложные ЭС, в то время как системы с простыми правилами продукций не обеспечивают сколько-нибудь полного охвата предметной области [45].

Уровень формализации знаний в донозологической диагностике (истоки которой лежат в авиакосмической медицине) в настоящее время достаточно высок. Это касается числа (всего от 3 до 10) выделяемых донозологических состояний; преобладания характеристик в количественных шкалах; наличия баз данных, достаточных для корректного использования статистических методов, поскольку донозологические исследования всегда являются массовыми. Поэтому в донозологической диагностике становится возможным применение строгих математических процедур, статистических методов распознавания образов.

Системы, правила принятия решений в которых получены с помощью статистических методов, имеют несомненное преимущество по сравнению с системами, построенными экспертами, так как качество знаний экспертов искажено по сравнению со знаниями, полученными статистическими методами [178]. Кроме того, они устойчивы к неверной информации в базе данных при «зашумленности» исходных данных [179].

Современное состояние развития вычислительной техники и математического обеспечения предоставляет исследователям огромные возможности. В ситуациях, когда каждый из изучаемых объектов характеризуется большим числом разнотипных и стохастически взаимосвязанных параметров, для решения задач снижения размерности и классификации необходимо привлекать специальный математический инструментарий многомерного статистического анализа: факторный анализ и анализ главных компонент, канонический корреляционный анализ, дискриминантный и кластер-анализ, многомерное шкалирование и т.п. Практическая реализация этих методов, требующая весьма сложных и трудоемких расчетов, стала возможной только с появлением необходимой вычислительной базы. Доступные в наше время мощные пакеты многомерной статистики позволяют проводить обработку данных на качественно другом уровне.

Однако, как показывает анализ данных литературы, существующие подходы к синтезу критериев и алгоритмов донозологической диагностики не в полной мере используют возможности современных методов статистического анализа данных. При разработке интегральных критериев оценки функционального состояния преобладают эмпирические подходы, при которых критерии строятся путем арифметических комбинаций регистрируемых показателей. Классы состояний по отдельным критериям выделяются экспертным путем. Причем их идентификация проводится с использованием «точечных» границ между классами. Все это существенно снижает качество диагностических доно-зологических систем.

Таким образом, проблема повышения качества донозологической диагностики на современном уровне развития методов многомерной статистики путем разработки автоматизированных процедур выделения групп «риска» является актуальной и имеет практическое значение для создания компьютерной диагностической системы оценки функционального состояния человека.

Целью исследований является разработка критериев и алгоритмов принятия решения при оценке функционального состояния человека и алгоритмического обеспечения автоматизированной системы донозологической диагностики.

Основные задачи исследования:

1) Обоснование статистической концепции синтеза критериев и алгоритмов оценки функционального состояния человека в прикладных медико-биологических исследованиях на основе методов многомерной статистики.

2) Разработка с помощью предложенной статистической концепции интегральных критериев оценки функционального состояния человека на различных иерархических уровнях организации организма: психическом, психофизиологическом и вегетативном.

3) Разработка решающих правил идентификации групп "риска" с донозо-логическими изменениями функционального состояния.

4) Синтез алгоритмов принятия решения при оценке функционального состояния человека, формирование блок-схемы автоматизированной диагностической донозологической системы.

5) Исследование и верификация предложенных моделей и алгоритмов по результатам клинических исследований.

6) Создание макетного образца автоматизированной диагностической системы донозологической оценки функционального состояния человека с использованием программной оболочки "ЭкспертВ".

Методы исследования. Для решения поставленных задач использовались: методология решения системных задач; методы математической статистики; статистические методы классификации и распознавания образов; методы теории управления, методы теории принятия решений, теории алгоритмов, а также медико-биологические методики (оценки факторов "риска" по анамнестической анкете, уровня актуального психического состояния по психологическому тесту САН, функционального состояния центральной нервной системы по времени простой зрительно-моторной реакции, функционального состояния сердечно-сосудистой системы по показателям ритма сердца).

Научная новизна исследования.

Научно обоснована статистическая концепция синтеза критериев и алгоритмов принятия решения при оценке функционального состояния человека в прикладных медико-биологических исследованиях, включающая в себя последовательные этапы: "сжатия" пространства первичных показателей; выделения "спектра" типологических состояний различных функций организма, характеризующих переход от состояния "нормы" до преморбидных состояний; дискриминации полученных типологических состояний; принятия решения о степени адаптации организма к факторам жизнедеятельности с указанием вероятности этой классификации.

Разработаны статистические модели оценки факторов "риска", уровня психической адаптации человека, функционального состояния центральной нервной и сердечно-сосудистой систем. Получены новые критерии и алгоритмы принятия решения при оценке функционального состояния человека, верифицированные данными клинических обследований.

Практическая значимость и реализация результатов исследований.

Разработанные критерии и алгоритмы донозологической диагностики позволяют оценить и сравнить различные инженерные решения при разработке управления в технических системах, предпочтительными среди которых являются решения, минимизирующие психофизиологическую «цену» деятельности человека.

Разработанные решающие правила выделения среди практически здоровых людей группы «риска» с высоким уровнем напряжения механизмов адаптации организма позволяют оценить влияние неблагоприятных факторов природной и профессиональной среды на состояние здоровья человека, своевременно проводить организационные и медицинские мероприятия по коррекции измененного функционального состояния.

Предложенная методология синтеза критериев и алгоритмов оценки функционального состояния человека внедрена в отделе 004 Государственного научного центра - Института медико-биологических проблем МЗ РФ и используется при оценке функционального состояния операторов-космонавтов.

Созданный с использованием программной оболочки "ЭкспертВ" макетный образец автоматизированной системы донозологической диагностики внедрен в отделе реабилитации Всероссийского центра медицины катастроф "Защита" (ВЦМК "Защита") МЗ РФ для скрининга функционального состояния профессиональных контингентов, работающих в неблагоприятных условиях.

Основные положения, выносимые на защиту.

1. Использованная методология решения системных задач с учетом основных особенностей медико-биологической информации является адекватным средством обобщения и структуризации медицинской информации в прикладных медико-биологических исследованиях.

2. Разработанная статистическая концепция, включающая в себя последовательное применение методов факторного, канонического корреляционного, кластерного и дискриминантного анализов позволяет синтезировать критерии и алгоритмы принятия решения при оценке функционального состояния человека в прикладных медико-биологических исследованиях.

3. Разработанные критерии и алгоритмы оценки функционального состояния человека позволяют оценить степень напряжения механизмов адаптации организма к факторам жизнедеятельности и адекватно выделять донозологиче-ские группы «риска» с высоким уровнем напряжения указанных механизмов.

Апробация работы. Основные положения и научные результаты диссертационной работы обсуждались на заседании кафедры Биомедицинской электроники МИРЭА(ТУ) (1995-1997 гг.), секции 5 Ученого совета ВЦМК "Защита" (1997 г.); докладывались на международной научно-практической конференции "Управление большими системами" (секция 10 "Большие системы в медицине и экологии"), Москва, 1997 г.; Всероссийской конференции "Проблемы защиты населения и территорий от чрезвычайных ситуаций" (подсекция 2 "Автоматизированные системы в медицине катастроф"), Красноярск, 1997 г., юбилейной научно-технической конференции, посвященной 50-летию МИРЭА (секция «Биотехнические и медицинские аппараты и системы), Москва, 1997 г.

Публикации. По теме диссертации опубликовано 5 печатных работ, подготовлено 2 научно-технических отчета.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных литературных источников, включающего в себя 190 наименований, и приложений. Общий объем работы - 182 страницы, основная часть изложена на 159 страницах, содержит 28 рисунков и 30 таблиц.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Обосновано, что с позиций системной методологии задача синтеза критериев и алгоритмов автоматизированной оценки функционального состояния человека может быть описана как последовательный переход от исходной системы (уровень 0 - системы без данных), к системе данных (уровень 1), затем к моделям, порождаемым уровнем 1 (уровень 2 - порождаемые системы), далее к определяемых уровнем 2 структурированным системам (уровень 3) с последующим рассмотрением структурированных систем в соответствие с заданными внешними критериями (уровень 4 - метасистемы).

2. С использованием системной методологии и учетом основных особенностей медико-биологической информации научно обоснована унифицированная концепция статистического синтеза критериев и алгоритмов автоматизированной оценки функционального состояния человека в прикладных медико-биологических исследований. Стратегия статистического анализа включает в себя последовательные этапы: а) "сжатие" пространства исходных показателей и формирование интегральных характеристик оценки изучаемых функций организма (факторный и канонический корреляционный анализ), б) автоматическая классификация пространства интегральных показателей с целью выделения типологических классов однородного функционального состояния (иерархический агломеративный кластерный анализ) и в) построение формализованных решающих правил (канонический дискриминантный анализ) принятия решения по отнесению обследуемого лица в одну из трех групп донозологической оценки: "риска", напряжения механизмов адаптации к окружающей среде и нормы.

3. Предложен метод принятия решения, объединяющий в критериальной функции выбора экспертные подходы установления "веса" каждой методики оценки функционального состояния человека и результаты оценки вероятностей идентификации выделенных типологических состояний изучаемых характеристик.

4. Статистическими методами "сжатия" пространства первичных показателей разработаны интегральные показатели, отражающие: по анамнестической анкете - 1) уровень хронических изменений в состоянии здоровья; 2) уровень резистентности организма; 3) выраженность фактора "риска" связанного с курением; 4) выраженность фактора "риска", связанного с избыточным весом; по методике билатеральной вариационной сенсометрии - 1) общий уровень альфа-активности головного мозга; 2) функциональную асимметрию альфа-активности правого и левого его полушарий; по методике математического анализа ритма сердца - 1) уровень активации автономного контура регулирования ритма сердца; 2) уровень активации центрального контура регуляции ритма сердца; 3) уровень функционирования сердечно-сосудистой системы.

5. Статистическими методами автоматической классификации выделены от 3 до 4-х типологических классов изучаемых характеристик функционального состояния организма. Их интерпретация по уровню адаптации организма к факторам жизнедеятельности позволила установить, что по анамнестической анкете выделяются состояния "нормы" (класс 3), функционального напряжения (класс 1) и функционального перенапряжения (класс 2); по тесту САН - состояния "нормы" (класс 1), функционального напряжения (класс 2) - функционального перенапряжения (класс 3). Из четырех выделенных типологических классов функционального состояния ЦНС один (класс 3 ) характеризуется сбалансированными тормозными и активирующими процессами - состояние нормы", остальные - функциональным напряжением вследствие преобладания или тормозных (класс 4 ), или активирующих ( класс 1), или полушарно несимметричных ( класс 2 ) внутрицентральных взаимодействий. По функционально-му состоянию сердечно-сосудистой системы классы 3, 2 характеризуются низким и средним (состояние "нормы"), класс 4 -высоким (функциональное напряжения), класс 1 - очень высоким (функциональное перенапряжение) уровнем напряжения регуляторных механизмов.

5. Методом дискриминантного анализа разработаны решающие правила (линейные дискриминантные функции) идентификации типологических состояний изучаемых характеристик функционального состояния человека.

6. Разработано алгоритмическое обеспечение автоматизированной системы донозологической экспресс-оценки функционального состояния человека.

7. Создан макетный образец автоматизированной диагностической системы донозологической оценки функционального состояния человека, позволяющей в течение 15-20 минут оценить степень адаптации организма человека к окружающей среде. Использование системы в массовых скрининговых исследованиях позволит в течение достаточно ограниченного времени провести обследование больших контингентов лиц с целью выявления группы "риска", требующей дальнейших углубленных медицинских исследований у специалистов.

ЗАКЛЮЧЕНИЕ

Резервы повышения эффективности технических систем лежат не только в совершенствовании систем управления, но и в повышении надежности человека, взаимодействующего с ними. Это достигается увеличением степени соответствия функционального состояния человека требованиям деятельности в современных системах управления. Для этого необходимо оперативно оценивать не только состояние таких профессионально важных качеств человека-оператора как функций внимания, моторики, оперативной и долговременной памяти и других, но и базовое функциональное состояние. Его обычно связывают со степенью напряжения механизмов адаптации организма к факторам жизнедеятельности, являющейся предметом изучения в достаточно новом разделе медицины -донозологической диагностике. Современный уровень требований к такой оценке требует создания автоматизированных систем, эффективность которых во многом определяется адекватностью заложенных в них критериев и алгоритмов целям диагностики.

Синтез критериев донозологической оценки функционального состояния в прикладных медико-биологических исследованиях в настоящее время во многом является искусством, зависящем от способности разработчика (как правило, специалиста медико-биологического профиля) избавиться от достаточно большой размерности пространства регистрируемых показателей при снижении размерности пространства критериев оценки функционального состояния.

Чаще всего это достигается арифметическим комбинированием первичных показателей в различные интегральные "индексы". Субъективизм такого построения приводит к тому, что уровень доверия к таким критериям других исследователей достаточно низкий. Хотя предпосылки и математические средства "сжатия" пространства исходных показателей достаточно очевидны. Пространство первичных показателей является "избыточным" в силу коррелированное™ различных групп показателей. Это позволяет использовать такие методы снижения размерности, как факторный анализ или анализ главных компонент, канонический корреляционный анализ.

Указанные методы, как можно судить по научным публикациям, достаточно часто используются в практических исследованиях. Но дальнейшее статистическое обобщение на этом, как правило, этим и ограничивается. Из поля зрения разработчиков зачастую ускользает другая особенность медико-биологической информации - ее "неоднородность", связанная с близким характером функционального ответа организма в зависимости от уровня адаптации человека к факторам жизнедеятельности. Поэтому выделение с использованием статистических методов распознавания образов типологических состояний изучаемых функций организма (или "алфавита" функциональных состояний) является задачей, которая должна решиться после "сжатия" пространства исходных показателей. При ее решении чаще всего используются эмпирические подходы. Исследователи при этом исходят не из объективно присущей обучающей выборке внутренней структуры, а априорно задают количество типологических состояний. Это снижает степень адекватности эмпирически построенных классов реальной действительности. При этом границы между классами имеют "точечный" характер, скачкообразно изменяя решение о характере состояния изучаемых функций при изменении значений регистрируемых показателей на доли процента.

Но наименее формализованным этапом при синтезе алгоритмов автоматазированных систем оценки функционального состояния человека является выбор по совокупности тем или иным путем разработанных критериев одной из нескольких альтернатив, характеризующих различные особенности функционального состояния человека.

Логически очевидной представляется выделение типологических состояний целостного организма. То есть автоматическая классификация обучающей выборки по совокупности интегральных показателей, характеризующих состояние различных иерархических уровней организма человека. Однако у практически здорового человека указанные уровни оценки функционального состояния (психический, психофизиологический, физиологический и другие) достаточно слабо коррелируют между собой. Корреляция существенно усиливается только при переходе организма человека го здоровья в болезнь, когда снижается число степеней свободы регулирования различных функций организма. Поэтому при принятии решения используются экспертные подходы, сложно поддающиеся формализованной алгоритмизации. Нами предлагается иной подход, основанный на сведении многокритериальной задачи выбора к однокритериальной путем построения функции выбора, сочетающей в себе экспертные и статистические методы.

Указанные недостатки существующих подходов обусловили основную цель диссертационной работы - научное обоснование общего методологического подхода к синтезу указанных критериев и алгоритмов автоматизированной диагностической системы. Он назван концепцией статистического синтеза, в основе которой лежит методология решения системных задач Дж.Клира и учет основных особенностей медико-биологической информации.

Заметим, что хотя в ее реализации лежат хорошо известные методы многомерного статистического анализа, сами ее последовательные этапы - "сжатие" пространства исходных показателей с получением интегральных показателей оценки; кластеризация пространства интегральных показателей с построением "алфавита" типологических состояний изучаемых функций организма; дискриминация типологических состояний в целях построения решающих правил и, наконец, принятие решения - могут быть реализованы и другими математическими методами, адекватными перечисленным задач. Основным мотивом включения стандартных методов многомерного статистического анализа данных являлось доступность обоснованной концепции статистического синтеза критериев и алгоритмов автоматизированной оценки функционального состояния человека для широкого круга разработчиков, включая специалистов ме-дико-биологического профиля. Кроме того, это позволяет более просто адаптировать программно-алгоритмическое обеспечение уже созданных на основе унифицированного синтеза автоматизированных систем к новым задачам. Рассмотрим данный вопрос более подробно.

В рекламных проспектах созданных автоматизированных систем оценки функционального состояния человека редко встречается описание обучающей выборки, на основе которой построены критерии и алгоритмы данной системы. В ней могут отсутствовать типологические состояния, присущие контингенту нового потребителя автоматизированной системы. Это снижает качество диагностики функциональных состояний. Поэтому необходима верификация критериев оценки, о чем как правило умалчивают разработчики.

Она может проводиться следующим образом. Методом случайного отбора из контингента пользователя формируется контрольная выборка из 20-25 человек, для которой проводится оценка функционального состояния. Результаты оценки, первичные и интегральные показатели экспортируются в статистическую систему анализа данных. Например, в SPSS или STATISTICA. Обследованные лица классифицируются по значениям интегральных показателей оценки функционального состояния. После чего проводится экспертная оценка выделенных состояний изучаемых функций организма. Если они совпадают со спектром типологических состояний обучающей выборки, то изменять решающие правила принятия решения нет необходимости. В случае появления новых типологических состояний с использованием дискриминантного анализа строятся решающие правила их идентификации, которые добавляются в систему.

Необходимо отметить, что доступность вычислительной техники и современных систем статистического анализа данных привели к достаточно широкому использованию многомерных статистических методов, включая факторный, кластерный анализ и дискриминантный анализ, в прикладных медико-биологических исследованиях. Существенно реже встречаются примеры применения канонического корреляционного анализа. Однако их использование в большинстве случаев носит разрозненный характер, подчинено решению какой-либо одной практической задачи, то есть не имеет научно обоснованного системного характера. Более комплексный подход использования статистических методов в прикладных медико-биологических исследованиях развивался А.Ф.Бобровым [24,25,149,166]. Однако его возможности ограничиваются разработкой критериев оценки состояния отдельных функций организма человека и не позволяют строить правила принятия решения о функциональном состоянии целостного организма.

Самостоятельный интерес, в первую очередь для специалистов медико-биологического профиля, представляют синтезированные критерии и алгоритмы автоматизированной оценки функционального состояния человека с использованием результатов анкетного опроса, оценки особенностей актуального психического состояния по тесту САН, кардиоинтервалографии и билатеральной сенсометрии. Их реализация с использованием программной оболочки "Экспертов" позволила создать макетный образец автоматизированной системы донозологической экспресс-оценки функционального состояния человека.

Разработанная концепция статистического синтеза критериев и алгоритмов может быть использована, по нашему мнению, и для решения широкого круга технических задач, связанных с разработкой автоматизированных систем неразрушающей диагностики состояния технических систем.

Пути применения предложенной концепции для синтеза критериев и алгоритмов диагностики состояния технических систем рассмотрим на примере оценки надежности функционирования узлов трения, включающих в себя пару "полимер-металл". Данная работа проводится при нашем участии по Договору с Институтом полимерных материалов Академии наук Республики Беларусь.

В процессе работы узла трения происходит постепенное разрушение трущихся поверхностей, которое снижает надежность его функционирования. О состоянии поверхностей узла трения можно судить по комплексу акустических характеристик, которые составляют пространство исходных показателей. Оно формируется с учетом их временной динамики от начала функционирования до разрушения узла трения. Условия функционирования узла трения включают в себя время работы, температуру внешней среды, скорость движения металла и полимера относительно друг друга.

На первом этапе статистического синтеза с использованием канонического корреляционного анализа, строятся (подобно описанной в главе 3 оценки взаимосвязи декрементов затухания альфа-ритма ЭЭГ с показателями билатеральной вариационной сенсометрии) статистические модели взаимосвязи условий функционирования узла трения с акустическими характеристиками границы раздела "металл - полимер". На втором этапе по каноническим переменным акустических характеристик (которые принимаются за интегральные показатели состояния узла трения) методом кластерного анализа выделяются типологические состояния узла, оцениваемые экспертами в соответствии с состояниями (альтернативами выбора) 1) износ отсутствует; 2) низкий уровень износа; 3) средний уровень износа; 4) высокий уровень износа; 5) разрушение узла трения. На третьем этапе с использованием дискриминантного анализа строятся решающие правила идентификации указанных альтернатив.

Аналогичным образом могут быть синтезированы, например, критерии и алгоритмы для автоматизированных систем диагностики состояния энергетические системы летательных аппаратов, атомных, тепловых и гидроэлектростанций, механические и управляющие системы которых теряют надежность в ходе их эксплуатации. Основным условием для их разработки является наличие динамической базы данных, первичные показатели которой характеризуют широкий спектр состояний системы от оптимального (высокий уровень надежности) до недопустимого (низкий уровень надежности).

1. Автоматизированная классифицирующая система (АКС) для выделения радиационных групп риска. / Ставицкий Р.В., Гуслистый В.П., Зубрихина Г.П. // Мед. техника. -1994. №6, с.9-12.

2. Автоматизированные электронные системы для массовых профилактических осмотров населения: Тез. М., 1985.

3. Адамович Б.А., Баевский P.M., Берсенева А.П. и др. Передвижная автоматизированная лаборатория "Автосан-82" // Профилактика заболеваний и формирование здорового образа жизни. Запорожье, 1983.- Т.4.- с. 123-132.

4. Адамян А.А., Зеленский В.А., Лернер М.А. и др. Опыт выявления больных с заболеваниями легких с помощью анкетного метода и ЭВМ при диспансеризации // Тез. докл. ХП съезда хирургов Закавказья, Батуми. 1984,- с.З.

5. Айдаралиев А.А., Баевский P.M., Берсенева А.А. Комплексная оценка функциональных резервов организма. Фрунзе: Изд-во «Илим», 1988. -195 с.

6. Андреев Н.А., Эренштейн Р.Х. Разработка и внедрение интегрированной автоматизированной системы в процесс диспансеризации кардиологических больных // Советское здравоохранение, 1986.- N6. с.7-10.

7. Анохин П.К. Очерки по физиологии функциональных систем. М.: Медицина, 1975.- 447 с.

8. Арупонян И.В. Разработка системы интеллектуальной поддержки принятия решений в детской аллергологии. Автореферат дис. . канд. техн. наук: 05.13.09.-СПб., 1996

9. Афанасьев А.Г. О системе «человек-машина в автоматизированном производстве» // Психолог, журн. -1990. Т. 11. - N 4. - с. 3-11.

10. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. Пер. с англ. М.: Мир, 1982.- 488 с.

11. Ахутин В.М. Адаптивные биотехнические системы // Психологические проблемы взаимной адаптации человека и машины в системах управления. М.: Наука, 1980. - с.77-123.

12. Ахутин В.М. Биотехнические проблемы человеческого фактора в системах "человек-машина" // Научно-техническая революция: человек-машина. М., 1989.-C.22-39.

13. Баевский P.M. Прогнозирование состояний на грани нормы и патологии. М.: Медицина, 1979. - 298 с.

14. Бакаев А.А. и др. Методы организации и обработки баз знаний. Киев: Наук, думка, 1993. - 148с.

15. Баллюзек Ф.В., Поляков М.И., Добрынин Е.В. Возможности применения "пустых" экспертных систем в медицине. // Вестник АМН СССР. 1988. - N 7. - с.76-79.

16. Балык В.М., Комягин В.А. Теория принятия решений. М.: Изд-во МАИ, 1994.-51 с.

17. Батищев Д.И., Шапошников Д.Е. Многокритериальный выбор с учетом индивидуальных предпочтений. / РАН, Институт прикладной физики. -Н.Новгород, 1994. 86 с.

18. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. -М.: Наука, 1990. 160 с.

19. Бехтерева Н.П., Вартанян Г.А., Михайлова Г.С. Проблемы физиологии головного мозга человека (Состояние и перспектива) // Физиол. человека. 1988. -Т. 14. - с.289-296.

20. Биологическая и медицинская кибернетика. Справочник. Киев: Наукова Думка, 1986. - 376 с.

21. Благовидов Д.Ф., Вилявин Г.Д., Чулков И.П. и др. Выявление и диагностика больных с использованием математических методов и ЭВМ в условиях сельской больницы // Здравоохранение Рос. Фед., 1986,- N 2.- с.28-30.

22. Благуш П. Факторный анализ с обобщениями: Пер с чешек. М.: Финансы и статистика, 1989. - 248 с.

23. Блужас Н.Н., Жижене Т.А., Бучюнене А.В. и др. Автоматизированная система регулярного контроля за состоянием здоровья сельского населения составная часть первичной медико-санитарной помощи // Первичная медико-санитарная помощь. - М.:1988,- с.51- 55.

24. Болч Б.У., Хуань К.Дж. Многомерные статистические методы для экономики. М.: Статистика, 1979. - 317 с.

25. Бондаренко B.JI. Использование автоматизированного комплекса типа Фильтр" для оценки состояния вегетативной нервной системы // Гигиена и санитария, 1992,-N 5-6.-с.70-71

26. Боулдинг К. Общая теория систем скелет науки // Исследования по общей теории систем / Под ред. В.Н.Садовского и Э.Г.Юдина. - М.: Прогресс, 1969.-325 с.

27. Бохуа Н.К., Геловани В.А., Ковригин О.В. Экспертные системы: опыт проектирования. -М., МНИИГТУ, 1990.

28. Будущее искусственного интеллекта. / АН СССР. М., 1991.

29. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. -М., 1977. -240с.

30. Быховский M.JL, Вишневский А.А. Кибернетические системы в медицине. -М., 1971. 407с.

31. Вагин В.Н. Дедукция и обобщение в системах принятия решения. М.: Наука, 1988.-383 с.

32. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М., "Наука", 1974.-415с.

33. Вариабельность сердечного ритма: Теоретические аспекты и практическое применение // Тез. междунар. симпозиума / Отв.ред. Р.М.Баевский, Н.И.Шлык. Ижевск: Изд-во Удм. Ун-та, 1996,- 226 с.

34. Венда В.Ф. Системы гибридного интеллекта. Эволюция, психология, информатика.-М., 1990.

35. Виленский М.П., Кибрин Б.С., Чумаков А.А. и др. Первый автоматизированный скрининг первый этап всеобщей диспансеризации населения // Советская медицина, 1985.- N.7.- с.59-63.

36. Владимирский Б.М. Математические методы в биологии. Ростов-на-Дону, 1983. - 304с.

37. Волчанина Е.И. Возможности нозологической и донозологической диагностики при профилактических осмотрах рабочих промышленных предприятий с применением автоматизированной системы: Автореферат дис. .канд. мед. наук: 14.00.05.-Минск, 1994.

38. Волынский Ю.Д., Курочкина А.И., Титова М.И. и др. Использование многомерного анализа данных при построении медицинских экспертных систем. // Вестник АМН СССР. -1988. N 8. - с.24-30.

39. Воробьев Е.И., Баевский P.M., Жулаков JI.H., Кокорева JI.B. Банк данных массовых профилактических осмотров населения. М., 1986. - 205 с.

40. Вычислительные системы и вопросы принятия решений. / Под ред. Л.Н.Королёва. М.: Изд-во МГУ, 1991. - 213 с.

41. Гавриков К.В. Оперативный контроль функционального состояния организма человека в условиях современного производства. // Диагностика здоровья. -Воронеж, 1990. - с. 37-51.

42. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. -М.: Радио и связь, 1992.-200с.

43. Гедеванишвили Г.С. Исследование концептуальных основ технологии синтеза и разработка комплексов биотехнических систем поддержки диагностических решений в медицине. Дис. . доктора техн. наук: 05.13.09. Киев, 1990.

44. Геловани В.А., Ковригин О.В. Экспертные системы в медицине. М.: Знание, 1987. - 32с. - (Новое в жизни, науке, технике. Серия " Математика, кибернетика", №3).

45. Гельфанд И.М., Губерман Ш.А., Шифрин М.А. Прогнозирование и распознавание в медицинских задачах. // Распознавание, классификация и прогноз. Ежегодник /Подред. Ю.И. Журавлева, М.: Наука, 1989. Вып. 1, с.201-228.

46. Глаз А.Б. Методы решения трудноформализованных задач в медицине и медицинской промышленности. Рига, 1977. - 91с.

47. Гомеостаз на различных уровнях организации биосистем / Нефедов В.П., Ясайтис А.А., Новосельцев В.Н. и др. Новосибирск: Наука. Сиб. отд., 1991. -232 с.

48. Горелик A.JI., Скрипкин В.А. Методы распознавания. М.: Высш. шк., 1989.-232 с.

49. Гринберг С.Я., Яхно Т.М. Оболочка ДИ*ГЕН: подход к разработке диагностических экспертных систем. // Экспертные системы. Всесоюзное совещание, Суздаль, дек. 1990. -М.: ИЛУ, 1990. с.5-7.

50. Гуткин В.И., Моносов В.Л., Француз А.Г. Оболочка прогностической экспертной системы: приложение языка ПРОЛОГ для задач медицинской диагностики. СПб., 1993. - Деп. в ВИНИТИ 07.04.93., № 863-В93.

51. Десова А.А. Применение физиологической информации в человеко-машинных системах //Автоматика и телемеханика. М., 1982. - N 1. - с. 151-156.

52. Дмитриева Н.В., Воронов Е.Б., Яковлев Ю.В. и др. Полиметрический способ оценки функционального состояния человека с помощью графических методов распознавания образов // Физиология человека. 1989. - Т. 15. - N 4. - с. 103-112.

53. Доскин В.А., Лаврентьева Н.А., Стронгина О.М., Шарай В.Б. Психологический тест «САН» применительно к исследованиям в области физиологии труда. // Гигиена труда и профессиональные заболевания. М.: Медицина, 1975. -№5 - с.28-32.

54. Елтаренко Е.А. Оценка и выбор решения по многим критериям. М.: МИФИ, 1995.-111 с.

55. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа: Пакет ППСА. М.: Финансы и статистика, 1986. - 232с.

56. Еремеев А.П. Экспертные модели и методы принятия решений. / Под ред. ВагинВ.Н. -М.: МЭИ, 1995. -110 с.

57. Завьялов А.В. Соотношение функций организма (экспериментальные и клинико-физиологические аспекты). М.: Медицина, 1990.-160 с.

58. Загоруйко Н.Г. Методы распознавания и их применение. М., 1972.206с.

59. Загоруйко Н.Г., Елкина В.Н., Емельянов В.В. и др. Пакет прикладных программ ОТЕКС (для анализа данных).- М.: Финансы и статистика, 1986.- 160 с.

60. Зайцев B.C. Системный анализ операторской деятельности. М.: Радио и связь, 1990. -120 с.

61. Зимкина A.M., Лоскутова Т.Д. О концепции функционального состояния центральной нервной системы // Физиология человека, 1976.- N.2.- с.33-47.

62. Зинченко В.П., Леонова А.Б., Стрелков Ю.К. Применение ЭВМ для получения экспресс-информации о функциональном состоянии оператора // Эргономика. Принципы и рекомендации. М.: Мир, 1974. - Т. 5.

63. Инженерная физиология и моделирование систем организма. / Ахутин В.М., Нефедов В.П., Сахаров М.П. и др. Новосибирск: Наука, 1987. - 233 с.

64. Инструментальные методы исследования сердечно-сосудистой системы (Справочник) /Под ред. Т.С.Виноградовой. -М.: Медицина, 1986. 416 с.

65. Казначеев В.П. Очерки теории и практики экологии человека. М.: Наука, 1983.-260 с.

66. Казначеев В.П., Баевский P.M., Берсенева А.П. Донозологическая диагностика в практике массовых обследований населения. Л.: Медицина, 1980. - 208 с.

67. Камышева Е.П., Суворов А.В., Клибанова И.Н. Автоматизированная система выявления и диспансеризации больных ИБС // Тезисы доклада Международной конференции по профилактической кардиологии. М.,1985. - с.327.

68. Карпов А.В. Процессы принятия решения в регуляции деятельности // Психологический журнал. -1991.- T.12.-N 1. с. 12-21.

69. Кендалл М.Д., Стьюарт А. Многомерный статистический анализ и временные ряды: Пер. с англ. М.: Наука, 1976. - 736 с.

70. Клещев А.С., Черняховская М.Ю. Системы медицинской диагностики, основанные на принципах искусственного интеллекта: Вопросы реализации // Препринт. -N13,1982. 31с.

71. Клир Дж. Системология. Автоматизация решения системных задач: Пер. с англ. М.: Радио и связь, 1990. - 544 с.

72. Кобринский Б.А. Системы искусственного интеллекта в медицине: состояние, проблемы и перспективы. // Новости искусственного интеллекта.-1995, №2, с. 65-79.

73. Кортуков Е.В. и др. Создание компьютерных методов экспресс-диагностики. // Материалы юбилейной конференции научно-исследовательского центра ММСИ им. Н.А.Семашко. -М., 1993. с.75-76.

74. Косач JI.A., Гринберг А.С. Применение автоматизированных систем для массового обследования населения // Здравоохранение Белоруссии, 1986.-№6.- с.6-7.

75. Котлер Г.М. Индивидуальные физиологические нормы и проблема оценки состояния человека в процессе деятельности // Методы и средства оценки состояний человека в процессе деятельности (Сборник). JL: ЛГУ, 1987.- с. 18-44.

76. Кулаичев А.П. Методы и средства анализа данных в среде Windows. STADIA 6.0 М.: Информатика и компьютеры, 1996. - 255 с.

77. Куприянов В.В., Фомичева О.Е. Интеллектуализация технологий автоматизированных систем. -М.: МГУ, 1994. -ч.1 -101 с.

78. Лазаретник Б.Ш., Лисянский А.В., Брусиловский В.И. Многофункциональный медицинский комплекс программ // Каталог программных средств для решения медицинских задач MEDSOFT (Сборник). Рига, 1990.- с.56.

79. Лапко А.В., Новиков О.М., Поликарпов Л.С. Статистические методы моделирования и принятия решения в развивающихся медико-биологических системах. Новосибирск: Наука. Сиб. отд-ние, 1991. - 221 с.

80. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. -М.: Наука: Физматлит, 1996. 207 с.

81. Леонова А.Б. Психодиагностика функциональных состояний человека. -М.: МГУ, 1984.-200 с.

82. Лисенков А.Н. Математические методы планирования многофакторных медико-биологических экспериментов. М.: Медицина, 1979. - 343с.

83. Литвак Б.Г. Автоматизированная система экспертного оценивания. // Автоматика и телемеханика. -1992, №2, с. 112-118.

84. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент, 1996. -271 с.

85. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. М.: Мир, 1991.-568с.

86. Лоскутова Т.Д. Время реакции как психофизиологический метод оценки функционального состояния центральной нервной системы // Нейрофизиологические исследования в экспертизе трудоспособности. JL: Медицина, 1978.- с. 165-178.

87. Лоскутова Т.Д. Оценка функционального состояния центральной нервной системы человека по параметрам простой двигательной реакции// Физиологический журнал СССР,-1975.- Т.61.- №1. с.3-12.

88. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988.176 с.

89. Марков И.М. Теория выбора и принятия решений. М.: Наука, 1986.167с.

90. Масленников О.В., Бубель М.С., Великовская Л.М. и др. Система доврачебного кардиологического скрининга на базе микро-ЭВМ // Медицинские микрокомпьютерные системы, Ростов-на-Дону: 1986.- с.54-55.

91. Масленников О.В., Матусова А.П., Бубель М.М. и др. Автоматизация доврачебного кардиологического скрининга // Тезисы Межд. конф. по профилактической кардиологии, М.: 1985.- с.331.

92. Математическая теория планирования эксперимента / Под ред. С. М. Ермакова. М.: Наука, 1983.- 392 с.

93. Месарович М., Такахара Я. Общая теория систем: математические основы.-М.: Мир, 1978.-284 с.

94. Микони С.В. Методы и алгоритмы принятия решений. СПб.- ч.1 , 1995, ч.2,1996.

95. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974.- 256 с.

96. Модели и системы представления знаний: Межвуз. сб. научн. тр. Отв. ред. В.В.Нечаев. - М.: МИРЭА, 1990. - 109 с.

97. Мушик Э., Мюллер П. Методы принятия технических решений: Пер. с нем.-М.: Мир, 1990,- 208 с.

98. Мэйндоналд Дж. Вычислительные алгоритмы в прикладной статистике: Пер. с англ. / Под ред. Е.З.Демиденко. -М.: Финансы и статистика, 1988. 350 с.

99. Налимов В.В. Теория эксперимента. М.: Наука, 1971. - 231 с.

100. Негойцы К. Применение теории систем к проблеме управления. М.: Мир, 1981.- 180 с.

101. Нейлор К. Как построить свою экспертную систему: Пер. с англ. М.: Энергоатомиздат, 1991. -286с.

102. Нечаева Л.А., Полянцев В.А., Наживин Ю.С. Экспресс-метод оценки работоспособности операторов // Физиология человека. 1986. - Т. 12,- N 3.-С.469-475.

103. Никитин А.В., Студенко A.M., Шепилов Н.В. и др. Использование автоматизированной скрининговой системы по выявлению пульмонологических больных // Здравоохранение Рос. Фед.,1989. N 6. - С.35.

104. Николаев В.И., Брук В.М. Системотехника: методы и приложения. Л.: Машиностроение, 1985. - 199 с.

105. Новосельцев В.Н. Теория управления и биосистемы. Анализ сохрани-тельных свойств. М.: Наука, 1978.- 320 с.

106. Новосельцев В.Н. Организм в мире техники. М.: Наука, 1989.- 239 с.

107. Обучающиеся системы обработки информации и принятия решений: непараметрический подход. / А.В.Лапко, С.В.Ченцов и др. Новосибирск: Наука. Сиб. изд. фирма, 1996. - 289 с.

108. Оценка функционального состояния организма на основе математического анализа сердечного ритма: (Автоматизированная система «Светофор»): Метод. рекомендации. Сост. Р.М.Баевский и др. Владивосток, 1987. - 72 с.

109. Панина Т.С., Федоров А.И., Казин Э.М. Анализ эффективности работы профилактических учреждений с помощью автоматизированных средств донозологической диагностики. // Физиология человека. 1993. -19. №5 с. 135-142.

110. Парин В.В., Баевский P.M. Математические методы анализа сердечного ритма. М.: Наука, 1968. - 173 с.

111. Патрик Эдвард А. Основы теории распознавания образов: Пер. с англ. / Под ред. Б.Р.Левина. М.: Сов. радио, 1980. - 408с.

112. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ. М.: Высшая школа.-1989.- 367 с.

113. Перепелицина Н.А. Выявление желудочных заболеваний с помощью ЭВМ // Сборник научно-практических работ. М., 1984. - с.98-100.

114. Попов Г.С., Соломонов СЛ., Яблонская Л.Ф. Автоматизированная система диспансеризации Латвийской ССР // Диспансеризация населения и автоматизированные информационные системы, медицинская техника для диспансеризации населения.- М. 1984. С.84-85.

115. Попова О.Б. Разработка моделей и алгоритмов автоматизированных процедур классификации и диагностики пограничных заболеваний. Дис. . канд. техн. наук: 05.13.09. Воронеж, 1994.

116. Построение экспертных систем: Пер. с англ. / Под. ред. Ф.Хейеса-Рота, Д.Уотермана, ДЛената. М.: Мир, 1987. - 441с.

117. Прикладная статистика: Классификация и снижение размерности: Справ, изд. / С.А.Айвазян, В.М.Бухштабер, И.С.Енюков, Л.Д.Мешалкин; Под ред. С.А.Айвазяна. -М: Финансы и статистика, 1989. 607 с.

118. Проблемы автоматизации и моделирования психофизиологических исследований в гражданской авиации / Отв. ред. Субботин А.А. М., 1987.

119. Проблемы донозологической гигиенической диагностики. Материалы научной конференции. / Под ред. Г.И.Сидоренко, П.М.Захарченко : Л., 1989.

120. Проблемы и методы принятия уникальных и повторяющихся решений. / Отв. ред. С.В.Емельянов, О.И.Ларичев. М., 1990. - 87 с.

121. Профилактика донозологических изменений в системе окружающая среда здоровье человека: Сб. науч. тр. / С.-Пб. сан.-гигиен, мед. ин-т; Под ред. В.Г.Маймулова. - СПб., 1991.

122. Распознавание образов. Исследование живых и автоматических распознающих систем: Пер. с англ. М., "Мир", 1970. - 288 с.

123. Распознавание образов: состояние и перспективы: Пер. с англ. / К.Верхаген, Р.Дёйн, Ф.Грун и др. М.: Радио и связь, 1985. - 104 с.

124. Рахманова З.Б., Ульянов С.В. Экспертная система для лечебно-диагностических процессов.// Медицинская техника. 1988.-N6.-с.27-30.

125. Рахманова З.Б. Медицинское знание: от прошлого к будущему, или экспертные системы в медицине. // Новости искусственного интеллекта.-1995, №3, с. 97-111.

126. Решепок А.Л., Бакалейникова В.Л. Автоматизированная экспресс-диагностика психомоторной работоспособности человека // Материалы Ш Всесо-юзн.конф. " Экстремальная физиология, гигиена и средства индивидуальной защиты человека". М., 1990.- с. 504-505.

127. Рифтин А.Д. Модель распознавания функциональных состояний организма на основе математического анализа сердечного ритма // Физиология человека. -1990. Т. 16. - №3. - с. 165-172.

128. Розен В.В. Цель оптимальность - решение (математические модели принятия оптимальных решений). -М.: Радио и связь, 1982. -168 с.

129. Рощевский М.П., Евдокимов Е.Г., Варламова Н.Г., Храмова О.В. Экспресс-диагностика состояния кардиореспираторной системы человека // Физиология человека, 1992.- Т. 18,- N 5,- С. 124.

130. Рябкова О.И. Автоматизированная технология генетического анализа данных медицинских научных исследований. Автореферат дис. . канд. техн. наук: 05.13.16.-Минск, 1995.

131. Саати Т. Принятие решений. Метод анализа иерархий: Пер с англ. М.: Радио и связь, 1993. - 320 с.

132. Саати Т., Керне К. Аналитическое планирование. Организация систем: Пер. с англ.- М.: Радио и связь, 1991.- 224 с.

133. Селье Г. Очерки об адаптационном синдроме. -М.:Медицина, 1960.-254с.

134. Сидоренко Г.И. и др. О некоторых методологических проблемах донозологической гигиенической диагностики. // Гигиена и санитария. 1993 (7), с. 60-64.

135. Системный подход в инженерной психологии и психологии труда. М.: Наука, 1992,- 153 с.

136. Славин М.Б. Методы системного анализа в медицинских исследованиях. М.: Медицина, 1989.- 304 с.

137. Словарь физиологических терминов. М.: Наука, 1987. - 446 с.

138. Современный синтез критериев в задачах принятия решений. / А.Н.Катулев, В.Н.Михно и др. М.: Радио и связь, 1992. - 119 с.

139. Справочник по прикладной статистике. В 2-х томах: Пер. с англ. / Под ред. Э.Ллойда, У.Ледермана, С.А.Айвазяна, Ю.Н.Тюрина.- М.: Финансы и статистика.- Т.1,1989. 510 е., Т.2,1990. - 526 с.

140. Статистические методы для ЭВМ: Пер. с англ. / (Под ред. К.Энслейна, Э.Релстона, Г.С.Уилфа. -М.: Наука, 1986.-464 с.

141. Стенина И.И. Экспертные знания и статистические данные в медицинских консультативных системах. // Тез. докл. Всесоюзного научно-практического семинара «Интеллектуальное программное обеспечение ЭВМ», 13-19 мая 1990 г.

142. Судаков К.В. Диагноз здоровья. М., 1993. - 120 с.

143. Технологические системы и управление в организме: общие принципы и аналогии / Отв. редактор В.Н.Новосельцев: Сборник трудов. Выпуск 3. М.: Институт проблем управления, 1996.

144. Темерханова Л.И., Пьянков С.А., Исакова Л.Е. Опыт использования микрокомпьютеров в проведении диспансеризации населения. // Здравоохранение Рос.Фед., 1989.-N.5.- с.32-33.

145. Уотермен Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-388с.

146. Факторный анализ в задачах обработки экспериментальных данных: Учебное пособие. М.: Изд-во МЭИ, 1994. - 37 с.

147. Факторный, дискриминантный и кластерный анализ: Пер.с англ. / Дж,-О. Ким, Ч.У.Мьюллер, У.Р.Клекка и др.; Под ред. И.С.Енюкова. М.: Финансы и статистика, 1989. - 215 с.

148. Филин В.А., Ханов В.А. Способ автоматизированной оценки сосудистой системы глаза по снимкам глазного дна // В кн. Состояние и перспективы развития мед.техники, Тезисы I съезда ВНМГО, М.: 1975.- с.41-42.

149. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986.

150. Фомин Я.А., Савич А.В. Оптимизация распознающих систем. М., Машиностроение, 1993 г. - 288 с.

151. Фор А. Восприятие и распознавание образов: Пер. с франц. / Под ред. Г.П.Катыса. М., Машиностроение, 1989. - 272 с.

152. Хижун А.Ф., Сайко Ю.В. и др. Унифицированный автокорреляционный метод анализа электроэнцефалограммы (УНИФАК-ЭКГ) и некоторые результаты его применения. //Биофизика, 1992. т. ХХХУШ, вып. 2, с. 362-366

153. Чернышкова М.А. Разработка и исследование моделей и алгоритмов диагностики и прогнозирования синдрома вегетативной дистонии. Автореферат дис. . канд. мед. наук: 05.13.09. Воронеж, 1995.

154. Шалимов П.М. Функциональные резервы и функциональная надежность человека // Успехи физиологических наук. М., 1995. - Т. 26. - №1. - с. 11-12.

155. Шидловский В.А. Современное теоретическое представление о гомео-стазе. // Итоги науки и техники. М., 1982.- Т.25.- с.3-18.

156. Шоломов JI.А. Логические методы многокритериального выбора. М.: Наука, 1989.-288 с.

157. Щебланов В.Ю., Бобров А.Ф. Надежность деятельности человека в автоматизированных системах и ее количественная оценка // Психологический журнал. Том.11. - №3,-1990. - с.60-69.

158. Эддоус М., Стэнсфилд Р. Методы принятия решения: Пер. с англ. / Под ред. И.И.Елисеевой. -М.: Изд. объединение «Юнити». Аудит., 1997. 590 с.

159. Экспертные системы на персональных компьютерах: Материалы семинара. М.: МДНТП, 1990. - 140с.

160. Экспертные системы. Принцип работы и примеры: Пер. с англ. / Под ред. Р.Форсайта. М.: Радио и связь, 1987. -224с.

161. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры: Пер. с англ. М.: Финансы и статистика, 1987. - 191с.

162. Эренпггейн Р.Х., Карашевская Е.К. Комплекс проблемно-ориентированных программ для профилактической кардиологии // Каталог программных средств для решения медицинских задач MEDSOFT. Рига, 1990. - с. 12-13.

163. Юсупов P.M. Разработка, исследование и практическое применение компьютерной системы раннего выявления и мониторинга заболеваний в офтальмологии (на примере глаукомы). Автореферат дис. . канд. техн. наук: 05.13.09. -Ташкент, 1994.

164. Яхин К.К. Менделевич Д.М., Сабаев И.А. Автоматизированная система донозологической диагностики пограничных нервно-психических расстройств в условиях производства. // Современные методы диагностики и лечения. Казань. 1993.-ч.З-с.81-83.

165. Chavez R.Martin and Cooper Gregory F. Hypermedia and randomized algorithms for medical expert systems. // Computer Methods and Programs in Biomedicine. 1990; 35: p.5-16.

166. Deep models for medical knowledge engineering / Ed. By Elpida Keravnou. Amsterdam etc.: Elsevier, 1992. -ХХП, 285 p. - (Med. Artificial intelligence; Vol.1)

167. Fellix Wong W.S., Leung K.S., So Y.T. The recent development and evaluation of a medical expert system (ABVAB). // International Journal of Bio-Medicine Computing. 1990; 25: p.223-9.

168. Fieschi M. Towards validation of expert systems as medical decision aids. // International Journal of Bio-Medical Computing 1990; 26: p.93-108.

169. Gleaves David A. Cognitive biases and corrective techniques: proposals for improving elicitation procedures for knowledge-based systems. // Int. J.Man.Mach.Stud. -1987, №2, p.155-156.

170. Grayson A. A. Statistical diagnostics and the influence of the diagnostic error. // "Biometrics". 1987, №4, p.975-984.

171. Hughes Christopher A., Gose Earl E., Roseman David L. Overcoming deficiencies of the rule-based medical expert system. // Computer Methods and Programs in Biomedicine. 1990; 32: p.63-72.

172. Kahn M.G., Fagan L.M., Tu S. Extensions to the Time-Oriented Database Model to Support Temporal Reasoning in Medical Expert Systems. // Methods of Information in Medicine. 1991; 30: p.4-14.

173. Langlotz Curtis P. The feasibility of axiomatically-based expert systems. // Computer Methods and Programs in Biomedicine. 1989; 30: p.85-95.

174. Lilford R.J. Limitations of expert systems: intuition versus analysis. // Bail-liere's Clinical Obstetrics and Gynaecology December 1990; 4(4): p.851-6.

175. McKenzie D.P., McGorry P.D., Wallace C.S., Low L.H., Copolov D.L, Singh B.S. Constructing a Minimal Diagnostic Decision Tree. // Methods of Information in Medicine 1993; 32: p.161-6.

176. Meyer Marc H., Curley Kathleen F. Expert system success models. // Datamation. -1989. Vol. 35, N17. - p.35-38.

177. O'Leary Daniel E. Soliciting weights or probabilities from experts for rule-based expert systems. // Int.J.Man.-Mach.Stud. 1990. - №3, p.293-301.

178. Palmai O. Expert systems in medicine. // Acta Physiologica Hung. 1989; 73(2-3): p.379-81.

179. Saranummi Nilo, Groth Torgny, Rosenfalck Annelise, Wigertz Ove. Knowledge-based systems in medicine a Nordic research and development program. // Computer Methods and Programs in Biomedicine. - 1991. - №2-3, p. 81-89.

180. SPSS Professional Statistics 6.1. SPSS Inc., Chicago, 1994. - 385 p.

181. Wagner D., Draper E., Knaus W. Development of APACHE П. // Crit. care med.-1989, V.17, P. 199.