автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Метод и средства интеллектуальной поддержки принятия решений на основе взаимного спектрального анализа системных ритмов при прогнозировании риска атеросклероза

На правах рукописи

Аль-Муаалеми Ваил Абдулкарим Ахмед

МЕТОД И СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ ВЗАИМНОГО СПЕКТРАЛЬНОГО АНАЛИЗА СИСТЕМНЫХ РИТМОВ ПРИ ПРОГНОЗИРОВАНИИ РИСКА АТЕРОСКЛЕРОЗА

Специальность 05.13.01 - Системный анализ, управление и обработка информации (технические и медицинские системы)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Курск 2010

003494311

Работа выполнена в ГОУ ВПО «Курский государственный технический университет» на кафедре биомедицинской инженерии

Научный руководитель: доктор технических наук, профессор

Дегтярев Сергей Викторович

Официальные оппоненты: доктор технических наук, профессор

Маслак Анатолий Андреевич,

кандидат технических наук, доцент Бобырь Максим Владимирович

Ведущая организация: Воронежский государственный

технический университет

Защита диссертации состоится 21 апреля 2010 года в 14 часов в конференц-зале на заседании совета по защите докторских и кандидатских диссертаций Д 212.105.03 при ГОУ ВПО «Курский государственный технический университет» по адресу: 305040, г. Курск, ул. 50 лет Октября, 94.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Курский государственный технический университет»

Автореферат разослан *^марта 2010 г.

Ученый секретарь диссертационного совета к.ф-м.н., профессор

Старков Ф.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Современное понятие научного прогнозирования как причинно-обусловленной последовательности явлений или изменений состояния определенной системы, например, человека, базируется на теории и методах системного анализа. Соблюдение системного единства и последовательности этапов прогнозирования позволяет раскрывать неопределенности, связанные с внешней средой и состоянием самого объекта прогнозирования. Игнорирование отдельных элементов исследуемой системы может привести к снижению точности прогнозирования и эффективности принимаемых управленческих решений.

Системность подхода при прогнозировании риска развития заболевания определяется учетом воздействий окружающей среды и внутренних процессов системы не только на исследуемую подсистему (орган), но и на смежные подсистемы, что может привести к неоправданному росту размерности признакового пространства или (и) к появлению недопустимого количества пробелов в данных.

Так как в большинстве случаев живая система представляет для исследователя «черный ящик», то успех прогноза определяется тем, насколько адекватно исходная модель риска развития заболевания учитывает степень риска функциональных нарушений в исследуемой подсистеме при наличие факторов риска (ФР) функциональных нарушений в смежных подсистемах, а также насколько адекватно в модели риска выдержано соотношение между внутренними по отношению к исследуемой подсистеме и внешними ФР.

Такой подход к анализу живых систем был использован при прогнозировании риска развития заболеваний, когда в начале 50-х годов прошлого века в практику была введена концепция факторов риска, влияющих на показатели смертности, в частности, от сердечно-сосудистых заболеваний (ССЗ), которая в настоящее время получила многочисленные научные подтверждения и является общепризнанной. В многочисленных эпидемиологических исследованиях, проведенных как в нашей стране, так и за рубежом, получены доказательства того, что путем целенаправленного лечебного и профилактического вмешательства, в первую очередь в отношении ФР, можно снизить сердечно-сосудистую заболеваемость и предупредить преждевременную смертность населения. В настоящее время оценка суммарного риска становится необходимым условием надежного определения вероятности развития ССЗ и их осложнений для определения тактики управления этим риском путем клинических и профилактических вмешательств.

Для оценки риска развития ССЗ разработаны множество различных моделей, среди которых наиболее известны Фрамингемская шкала, шкала NCEP III и шкала SCORE. Однако эти шкалы имеют ограничения в применении, так как описывают суммарный риск только применительно к лицам без клинических признаков атеросклеротических заболеваний, на основе весьма ограниченного набора факторов (пол, возраст, курение, уровни общего холестерина и систолического АД), что в целом не позволяет оценить спектр многообразия

ФР для индивидуального прогноза и затрудняет формирование эффективных профилактических программ. Поэтому необходим поиск новых маркеров риска ССЗ, в частности маркеров риска атеросклероза.

Среди ФР атеросклероза пристальное внимание исследователей привлекают эластические свойства сосудов, которые нередко используются в различных моделях компьютерных программ для профилактических обследований. Однако для надежного прогноза необходимо соответствующее обучение классифицирующей модели, что весьма затруднительно, так как получение обучающих выборок требует длительного наблюдения за объектами исследования, что приводит к неоднозначности и зашумленности данных. В данной ситуации целесообразно применять комбинированные (гибридные) системы прогнозирования и идентификации, объединяющие в себе преимущества систем без учителя и обучающихся систем распознавания, синтез которых для задач прогнозирования риска развития атеросклероза в настоящее время недостаточно исследован.

Таким образом, актуальной научно-технической задачей является повышение качества прогнозирования атеросклероза и его осложнений путем разработки метода, моделей, алгоритмов и программного обеспечения для интеллектуальной поддержки принятия решений по своевременному проведению лечебно-профилактических мероприятий, направленных на снижение риска атеросклероза и его осложнений.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы (государственный контракт № П705, номер госрегистрации 01200962672) и в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка нечетких нейросетевых моделей обработки информации, выделяемой посредством взаимного спектрального анализа системных ритмов в процессе окклюзионных проб, повышающих качество прогнозирования риска возникновения атеросклероза и его осложнений.

Для достижения поставленной цели необходимо решить следующие задачи:

-разработать метод синтеза пространства информативных признаков, характеризующих эластические свойства сосудов, основанный на анализе взаимных спектров фотоплетизмограмм и тестовых сигналов, коррелированных с ритмом дыхания;

- разработать структуру нечетких нейронных сетей для систем поддержки принятия решений по прогнозированию риска развития атеросклероза и его осложнений;

-разработать алгоритм обучения нечётких нейросетевых моделей прогнозирования риска развития атеросклероза и его осложнений;

- разработать структуру автоматизированной системы для прогнозирования риска развития атеросклероза и его осложнений и ее алгоритмическое и программное обеспечение;

- провести апробацию предложенных метода и средств на репрезентативных контрольных выборках.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, спектрального анализа, вейвлет-анализа, математической статистики, теории нечетких нейронных сетей и распознавания образов, экспертного оценивания и принятая решений. При разработке нечетких нейросетевых структур в качестве инструментария использовался Matlab 7.1 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- способ формирования фотоплетизмосигнала, отличающийся тем, что оцифровка фотоплетизмосигнала осуществляется в течение следующих друг за другом трех фаз длительностью по 30 с, причем, первая фаза соответствует состоянию артерии до окклюзионной пробы, вторая - состоянию артерии в процессе окклюзионной пробы, третья - состоянию артерии после окклюзионной пробы, позволяющий синтезировать признаковое пространство для анализа эластических свойств сосудов;

- способ анализа фотоплетизмосигнала, отличающийся тем, что в качестве информативных признаков, характеризующих эластико-упругие свойства сосудов используются взаимные спектры фотоплетизмосигнала и вейвлетов, частотный диапазон которых совпадает с частотным диапазоном дыхательного ритма, полученные до и после окклюзии плечевой артерии, позволяющий получить интегральный показатель, характеризующий риск развития атеросклероза;

нечеткая нейросетевая модель, отличающаяся тем, что в ее структуре используется нейронная сеть, анализирующая взаимные спектры системных ритмов, а агрегирование всех факторов риска осуществляется каскадом двухвходовых агрегаторов, причем первым входом к - го агрегатора является выход (к -1) - го агрегатора, а вторым - уверенность в риске по к - му фактору, при этом факторы риска образуют последовательность, упорядоченную по убыванию релевантности, позволяющая осуществлять интеллектуальную поддержку принятия решений при прогнозировании риска атеросклероза;

алгоритм обучения нечёткой нейросетевой модели прогнозирования риска развития атеросклероза, отличающийся двухэтапной настройкой параметров агрегирующих нечётких функций, причём на первом этапе определяются нечёткие функции агрегаторов на основе перебора кортежа базовых нечётких операций настраиваемого агрегатора и минимизации ошибки на его выходе, а на втором этапе - уточняются нечёткие функции агрегаторов

посредством перебора кортежа базовых нечётких операций в настраиваемом агрегаторе и минимизации ошибки на выходе модели.

Практическая значимость и результаты внедрения. Разработанные модели, способы и алгоритмы составили основу построения автоматизированной системы по прогнозированию атеросклероза и его осложнений, практические испытания которой показали ее высокую диагностическую эффективность и приемлемое качество рекомендаций, формируемых для врачей-специалистов.

Программные средства ориентированы на практическое здравоохранение и реализуют алгоритмы диагностики, способствующие повышению эффективности профилактики сердечно-сосудистых заболеваний.

Результаты работ используются в учебном процессе Курского государственного технического университета при обучение студентов по направлению 200300.62 - «Биомедицинская инженерия», а также используются в ходе профилактических обследований при формировании индивидуальных программ по профилактике атеросклероза и его осложнений в МСЧ-125 г. Курчатов и в научно-исследовательской работе кафедры сосудистой хирургии Курского государственного медицинского университета.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на XI и XII Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009); XXI Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2008, Рязань 2008); VI Всероссийской научно-технической конференции «Искусственный интеллект в XXI веке. Решения в условиях неопределенности» (Пенза, 2008); VIII Международной научно-практической конференции «Медицинская экология» (Пенза, 2009), на XVII Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии» (Новороссийск, 2009), на Всероссийской конференции «Перспективы фундаментальной науки в сфере медицинского приборостроения» (Таганрог, 2009), на Международной конференции с элементами научной школы для молодежи «Биотехнические, медицинские и экологические системы и комплексы» (Рязань 2009), на научно-технических семинарах кафедры биомедицинской инженерии КурскГТУ (Курск, 2007,2008,2009).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 12 печатных работ, в том числе из списка ВАК две работы.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] и [6] автором предложены и исследованы нечеткие нейросетевые модели для диагностики рисков сердечнососудистых заболеваний, в [2] автор предложил способ формирования исходного окклюзионного фотоплетизмосигнала, в [4] автором разработан и исследован способ взаимного спектрального анализа окклюзионных фото-

плетизмограмм; влияние вязкоупругих свойств сосудов на системные ритмы и риск атеросклероза исследовано соискателем в [3], [7-9] и [12].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 114 отечественных и 24 зарубежных наименования. Работа изложена на 132 страницах машинописного текста, содержит 51 рисунок и 15 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, определяются цели и задачи исследования, научная новизна и практическая значимость работы. Кратко излагается содержание глав диссертации.

В первой главе исследуются гомеостатические модели прогнозирования и управления рисками сердечно-сосудистых заболеваний, анализируются факторы риска развития атеросклероза и его осложнений, подчеркивается, что при оценке риска важно учитывать сочетание факторов, что не обеспечивают известные экспертные системы, решающие аналогичные задачи. Анализируется состояние современных методов и средств прогнозирования риска развития атеросклероза и его осложнений. Приоритетное место уделено автоматизированным системам диагностики сердечно-сосудистых заболеваний на основе анализа традиционных и нетрадиционных факторов риска.

Проанализированы современные подходы к решению задач прогнозирования, использующие технологии нечеткой логики принятия решений и нейронные сети, и существующие методики комбинирования указанных технологий при создании гибридных классифицирующих структур.

В заключение первой главы формируются цель и задачи исследования.

Вторая глава посвящена вопросам выделения информативных признаков, отражающих эластические свойства артерий, которые являются одним из релевантных предикторов атеросклероза. В процессе исследования разработан метод синтеза пространства информативных признаков, характеризующих эластические свойства сосудов, включающий способ формирования окклюзионного фотоплетизмосигнала, способ анализа эластических свойств сосудов и алгоритм синтеза пространства информативных признаков.

Способ формирования окклюзионного фотоплетизмосигнала состоит в следующем. Осуществляется окклюзионная проба с помощью автоматического тонометра, окклюзионная манжета которого помещается на ту руку, с пальца которой снимается пальцевой фотоплетизмосигнал. Фотоплетизмо-сигнал дискретизируется с частотой 100 Гц. Нагнетание воздуха в манжету начиналось на тридцатой секунде от начала записи сигнала. После окклюзии сигнал также дискретизируется в течение 30 с.

Способ анализа эластических свойств сосудов основан на том, что пульсовая волна модулируется как системными ритмами, так и эластическими свойствами сосудов. Поэтому сигнал, несущий информацию об эластиче-

ских свойствах сосудов, можно выделит с помощью корреляционного детектора, осуществляющего математическую операцию вида

г

(1)

где Т - интервал наблюдения модулированного сигнала в данном случае фотоплетизмосигнала, т - временной сдвиг.

Чтобы использовать уравнение (1) для синтеза пространства информативных признаков по фотоплетизмосигналу, необходимо располагать несущим сигналом 5/(1), который недоступен для измерения и анализа. Сигнал занимает полосу частот, которая изменяется в достаточно широких пределах как от пациента к пациенту, так и в зависимости от момента наблюдения одного и того же пациента, поэтому в качестве опорного сигнала $¡(1) в (1) целесообразно использовать его частотную составляющую, связанную с определенным системным ритмом. В качестве такой составляющей выбрана вейвлет - функция, полоса частот который соответствует полосе частот системного ритма, используемого в качестве индикатора эластических свойств сосудов. Поэтому выражение (1), вычисленное при ¿1(0= У(1/а*), где Ч' (()-материнский вейвлет, а*- масштаб вейвлета с частотным диапазоном, соответствующим выбранному системному ритму, назовем резонансным вейв-лет-срезом сигнала, а вейвлет с масштабом а*- резонансным вейвлстом.

На рис. 1 представлены примеры резонансных вейвлет-срезов \у(я*,г) пациентов, полученные в результате анализа фотоплетизмосигнала.

¿¡А

Рис. 1. Резонансные вейвлет-срезы (масштаб а* соответствует ритму дыхания) фотоплетизмосигналов, полученных посредством окклюзионной пробы слева - направо: мужчины 57 лет, мужчины 35 лет

Резонансный вейвлет определялся опытным путем. Для этого использовалась программа вейвлет-анализа, разработанная на кафедре биомедицинской инженерии Курского государственного технического университета.

Резонансные вейвлет-срезы, представленные на рис. 1, непосредственно использовать для построения признакового пространства нецелесообразно в связи с их большой мерностью, которая превосходит мерность исходного пространства. В таком случае целесообразно иметь дело только с узкополосным сигналом, характеризующим определенный системный ритм, например, дыхательную составляющую. Инструментом, позволяющим осуществить переход в узкополосную информативную зону сигнала, может служить взаимный спектр.

Взаимный спектр Х,2(ш) двух сигналов, х^) со спектром Х)(а>) и х2(1) со спектром Х2(о)), без учета фазовых характеристик может быть определен

Х\г(а)) = Х\(оо)Хг(а>). (2)

Анализируя формулу (2) и вейвлет-преобразования фотоплетизмосиг-налов, приходим к выводу, что взаимный спектр фотоплетизмограммы и резонансного вейвлета будет отличен от нуля в небольшом спектральном диапазоне, который занимает резонансный вейвлет. Этот спектральный диапазон не превышает 0,4 Гц и при частотном разрешении 0,033 Гц (тридцати секундном окне анализа) взаимный спектр имеет не более нескольких десятков отсчетов отличных от нуля при 30000 исходных отсчетов фотоплетизмосиг-иала.

Срезы некоторых вейвлет-плоскостей и соответствующие им взаимные спектры приведены на рис. 2.

Таким образом, алгоритм синтеза пространства информативных признаков включает оцифровку фотоплетизмосигнала вышепредложенным способом, выбор системного ритма, модулируемого эластическими свойствами сосудов, получение вейвлет - среза окклюзионного фотоплетизмосигнала, соответствующего выбранному системному ритму, Фурье анализ полученного результата, и последующее сравнение получаемых спектров Фурье до и после окклюзии.

\у(а' ,т) 1 ; 111 Г" 1 II Щё Хп(о>) / V

.] I У/1 -1 1 м Г 1Ч-Н-4 1 1 Л -и, ! к.

■ г • го

Рис. 2. Вейвлет-срезы (а* соответствует полосе 0,396 Гц) до и после окклюзии (слева) и их амплитудные спектры Фурье (взаимные спектры) (справа) мужчины 57 лет с высоким риском атеросклероза

Так как частота системного ритма нестационарна, то эмпирический выбор резонансного вейвлета сложен, поэтому целесообразно вместо одного тестового вейвлета использовать множество вейвлетов, лежащих в частотной области, соответствующей системному ритму.

В связи с вышеизложенным, число строк в вейвлет - плоскости и шаг изменения масштаба подбирают таким образом, чтобы при минимальном числе анализируемых вейвлетов все гармоники выбранного системного ритмы были представлены на вейвлет-плоскости фотоплетизмосигнала.

Для получения взаимных спектров фотоплетизмосигнала с тестовыми сигналами используем уравнение Винера-Хинчина

(3)

где Кхл (г) = — (/)х2(г + ; Т - интервал наблюдения сигнала Х)(1). в * о

данном случае фотоплетизмосигнала; х2(1) - тестовый сигнал.

Уравнение (3) применяется к каждой строке вейвлет-плоскости, следовательно, взаимный спектр фотоплетизмосигнала и множества тестовых сигналов, будет также являться плоскостью. В отличие от вейвлет-плоскости, плоскость взаимных спектров будет представлять разряженную матрицу, так как вейвлет-функция является узкополосным сигналов в отличие от фотоплетизмосигнала.

На рис. 3 представлен пример построчной развертки матриц взаимных спектров для вейвлет - плоскостей одного из пациентов, полученных до и после окклюзии.

Л-12(М) А- 12

4-я строка

10-я строка

1 '>>-1 строка

Рис. 3. Взаимные спектры для двадцати строк вейвлет - плоскости фотоплетизмосигнала мужчины 57 лет до окклюзии (слева) и после окклюзии (справа)

На рис. 4 показаны взаимные спектры, аналогичные показанным на рис.3, но только для одной - четырнадцатой строки матрицы взаимных спектров.

Проведя статистические исследования матриц взаимных спектров, аналогичных показанным на рис. 3, пациентов и волонтеров с различным рисками атеросклероза, определенным посредством экспертных оценок и инструментальных исследований, приходим к выводу, что во взаимном спектре после окклюзии растет относительная мощность тех строк, которые

связаны с выбранным системным ритмом (дыхательным). Это можно объяснить исходя из того, что при возмущающем воздействии на систему ослабевают внутрисистемные связи и, следовательно, система более восприимчива к внешним воздействиям, то есть более подвержена модуляции системными ритмами, которые будут являться внешними возмущениями по отношению к сосудистой системе.

X12(<а)

Хп(о>) |1

I

' А' '1 : : \ А

да, с*1 га, с"1

Х12(.о>)

Л

ха(М

Рис. 4. Взаимные спектры фотоплетизмосигнала и тестового сигнала для 14 -й строки (соответствует полосе частот 0,284... 0,305 Гц) вейвлет -плоскости фотоплетизмосигнала до окклюзии (слева) и после окклюзии (справа): вверху женщина 28 лет (площади под кривыми различаются в 2 раза) с высоким риском ССЗ, внизу женщина 21 год (площади под кривыми различаются в 3 раза) с низким риском ССЗ

Статистический анализ подобных взаимных спектров позволил сделать вывод о целесообразности использования в качестве фактора риска отношения взаимной мощности фотоплетизмосигнала и реперных узкополосных сигналов, которые перекрывают частотный диапазон, соответствующий частотному диапазону дыхательного цикла. Диапазон значимых отсчетов взаимного спектра не превышает двадцати, а число строк, приходящихся на ритм дыхания - не превышает десяти.

Взаимную мощность Pi /-й строки матрицы взаимных спектров определяем как

N . 2

, (4)

где N- число столбцов в матрицах изображения вейвлет - плоскостей рис.2.

Фактор риска возникновения и развития атеросклероза ИК, по одной строке матрицы взаимных спектров определяется как

PI

FRj =—, (5)

^ Р2/ W

где Pli - взаимная мощность i-й строки матрицы взаимных спектров до окклюзии, P2t - взаимная мощность /-й строки матрицы взаимных спектров после окклюзии.

Множество FR используется в качестве пространства информативных признаков, которое отражает эластические свойства сосудов. Для сжатия этого пространства используется нейронная сеть прямого распространения.

Глава 3 посвящена вопросам проектирования нечетких нейронных моделей, используемых доя прогнозирования риска развития атеросклероза.

Из показателей жизнедеятельности человека, косвенно связанных с риском атеросклероза, выбрано четырнадцать признаков Х0...Х13. Первый признак ХО является векторной величиной и характеризует эластические свойства сосудов, XI - дислипидимия (биохимические исследования); Х2 -наследственная отягощенность; ХЗ - артериальная гипертензия; Х4 - ожирение; Х5 - метаболический синдром; Х6 - сахарный диабет II типа; Х7 - курение; Х8 - стрессы и психоэмоциональные факторы; Х9 - гиподинамия; Х10 -пол; XII - возраст; Х12 - хроническое употребление алкоголя; Х13 - воспалительные маркеры.

Прогноз риска атеросклероза связывается с эластико-упругими свойствами сосудов, которые оцениваются по взаимным спектрам сигналов пульсовой волны до и после окклюзионной пробы. Поэтому модель принятия решения включает ядро иерархической нечеткой нейронной сети (нижний иерархический уровень), осуществляющее прогноз атеросклероза на основе признакового подпространства, получаемого по взаимным спектрам фотоплетизмосигнала и тестовых сигналов, занимающих полосу частот, коррелированную с системным ритмом, к которому добавлено множество частных решающих правил, агрегация которых осуществляется на верхнем иерархическом уровне. Решающие правила синтезируются на основе вышеперечисленных тринадцати факторов риска. При этом ряд факторов, а, следовательно, и соответствующие решающие правила могут отсутствовать.

В качестве базовой модели для анализа и агрегирования выбранных факторов риска предложена нечеткая иерархическая структура, на нижнем иерархическом уровне которой формируются модели решающих правил в соответствующих подпространствах информативных признаков. Функции принадлежности по классам риска атеросклероза и его осложнений были определены на основании экспертных оценок и статистических исследований влияния конкретного признака на риск возникновения атеросклероза.

Структурная схема нечеткой нейросетевой модели прогнозирования риска развития атеросклероза показана на рис. 5.

Модель имеет ядро, представляющее собой нейронную сеть, на входе которой присутствует вектор информативных признаков ХО, характеризующий эластические свойства сосудов и вычисляемый посредством взаимного спектрального анализа системного ритма. Верхний иерархический уро-

вень модели является нечетким решающим модулем. Агрегаторы нечеткого решающего модуля объединяют только два коэффициента уверенности по алгоритму, основанному на методе перебора.

Нечёткая операция, которую может реализовать один из тринадцати агрегаторов, является функцией двух аргументов, поэтому число возможных нечётких операций в каждом агрегаторе определяется как

¿ = и!/(2(я-2)!), (6)

где и - число элементов в выбранном кортеже нечётких операций.

10

XI

XI

хз

Нейронная сеть

кк

Фуззификатор 1

& <

КУ1

Фуззификатор 2

Фуззификатор 3

АииМ

КУ2

КУЗ

хи Фуззификатор

-> 13

КУ13=М

Рис.5. Нечеткая нейросетевая модель прогнозирования атеросклероза

Длина кортежа п, как правило, не превышает 8. Если признаки Х1...Х13 выстроены по релевантности, то, выставляя условие о том, что ввод в нечёткую сеть каждого последующего признака не ухудшает классификацию или чувствительность модели, из кортежа могут быть исключены нечеткие операции, которые не удовлетворяют требованию не ухудшения чувствительности и требованию инвариантности к возможным пробелам в данных.

Нечёткая операция в {-м агрегаторе рис. 5 описывается выражением

^/ХКУ^мМ)), (7)

где 1 = 1,13, КУГ нечёткое число на выходе / -го агрегатора, (X,) - функция принадлежности, описывающая риск атеросклероза по носителю X,, ко-

торая указывает степень принадлежности объекта с параметром X, к нечёткому множеству риска атеросклероза НА.

Для настройки модели рис. 5 необходимо обучающая выборка с объектами, у которых известны значения риска атеросклероза 11А и информативные признаки Х1,...Х13. Кроме того, необходимо задаться кортежем нечётких операций, используемых в агрегаторах 1 ...13 рис. 5. Далее необходимо для каждого у - го объекта обучающей выборки получить значение риска атеросклероза по вязкоупругим свойствам сосудов АУ0(у), что осуществляется нейронной сетью.

Алгоритм настройки модели рис. 5 состоит из двух этапов. На первом этапе синтезируются нечёткие операции агрегаторов с минимизацией ошибки на выходе настраиваемого агрегатора. На втором этапе все агрегаторы заданы и осуществляется коррекция их параметров. При этом оптимизируется ошибка на выходе модели, то есть на выходе тринадцатого агрегатора.

Процесс настройки к- го агрегатора осуществляется в цикле, который осуществляет перебор нечётких операций в к-м агрегаторе в целях поиска оптимальной нечёткой операции. В цикле определяются риски возникновения атеросклероза по объектам обучающей выборки, полученные на к-м шаге агрегирования для /' - й нечёткой операции, используемой для реализации к-го агрегатора.

В зависимости от состояния флага который определяет номер этапа настройки модели, в качестве минимизируемого функционала выбирается функционал

где М - число объектов в обучающей выборке, /¿4(7) - риск развития атеросклероза для у -го объекта, / - номер нечёткой операции, используемой в к-м агрегаторе, К\\ (у) - риск, получаемый на выходе к-го агрегатора для у -го

объекта при использовании / - й нечёткой операции.

Для настройки агрегаторов модели использовался встроенный в систему МаНаЬ 7.1 модуль gatool, который выполняет минимизацию количества ошибок заданной целевой функции, и программное обеспечение, разработанное на кафедре биомедицинской инженерии Курского государственного технического университета. При настройке модели рис. 5 использовались три градации риска: «Отсутствует», «Имеется», «Высокий».

В четвертой главе исследуется автоматизированная система для определения риска развития атеросклероза, приводятся алгоритмы управления процессом определения сердечного риска и сравнительная оценка качества прогнозирования.

Структурная схема автоматизированной системы определения риска атеросклероза представлена на рис. 6 и включает систему управления базой

(8)

данных, в которую входят база моделей нейронных сетей, база моделей нечеткого нейросетевого решающего модуля, база моделей релевантности факторов риска и база моделей обучающих выборок; модель нечеткого нейросетевого решающего модуля, интерфейсный блок и ЭВМ.

Схема алгоритма формирования модели принятия решения приведена на рис.7. Процесс принятия решения начинается с оцифровки фотоплетизмо-сигнала в процессе окклюзионной пробы (блок 1). Затем лицо, принимающее решение (ЛПР), выбирает ту патологию, степень риска которой необходимо определить.

СУБД

База моделей нейронной сети

База моделей

нечеткого нейросетевого решающего модуля

База моделей реле» антности факторов риска

База моделей обучающих выборок

ЭВМ

Интерфейсный блок

Модель нечеткого нейросетевого решающего модуля

Фор миров атель модели (ЛПР)

л Источник данных (объект исследования)

5 с

й

а я

Рис.6. Структурная схема автоматизированной системы определения риска атеросклероза

В зависимости от исследуемой патологии, выбирается соответствующая модель нейронной сети (блок 3), после чего, в зависимости от выбранной модели - с резонансным вейвлетом или с множеством масштабных коэффициентов - определяются информативные признаки для ядра модели -нейронной сети (блок 4).

Затем синтезируется модель нечеткого нейросетевого решающего модуля, которая определяет пространство факторов риска, и модель их релевантности (блоки 5-7). После этого можно установить класс риска (блоки 8, 9) или определить риск других патологий (ветвь 4 блока 11).

Рис.7. Схема алгоритма работы модели принятия решений

Функции принадлежности по выделенным информативным признакам синтезировались высококвалифицированными экспертами. Экспертная группа составила 8 человек (два доктора медицинских наук, 4 кандидата медицинских наук по профилю выполненной работы и 2 практикующих врача со стажем не менее 15 лет).

Для проведения апробации нечеткой нейросетевой модели сердечнососудистого риска были выбраны пациенты, находящиеся на стационарном лечении в МСЧ-125 г. Курчатова. В исследование были включены находящиеся на лечении мужчины и женщины всех возрастов с относительно стабильным (вне обострения) состоянием здоровья и с установленным диагнозом основного заболевания на основании результатов стационарного обследования до периода проведения апробации технологии. В исследование не включали пациентов с неустановленным заболеванием и в состоянии обострения (нестабильности) заболевания.

Результаты исследования нейросетевой модели на контрольных выборках при прогнозе рисков атеросклероза, ишемической болезни сердца и инфаркта миокарда по таким показателям качества прогнозирования как диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС) и диагностическая эффективность (ДЭ) показали, что они выше на 10... 15% аналогичных показателей шкалы SCORE.

В табл. 1 приведены показатели качества диагностики нечеткой нейросетевой модели при оценке риска атеросклероза.

Таблица 1

Экспериментальные данные по прогнозированию атеросклероза на обучаю-

щей выборке

Обследуемые Результаты срабатывания модуля нечеткого вывода ДЧ, % ДС, %

Высокий риск Средний риск Низкий риск

и., = 400 320 68 12 80 100

и.! =80 0 62 18 78 78

«„, = 120 0 25 95 79 80

Всего 320 155 125 ДЭ=80%

Сравнения качества прогнозирования по показателю диагностическая эффективность предложенной нечеткой нейросетевой модели и шкалы SCORE показали, что на одних и тех же контрольных выборках по классам атеросклероз, ишемическая болезнь сердца и инфаркт показатели диагностической эффективности предложенной модели, в среднем, на 5... 10% выше. Анализ полученных результатов показал, что статистические испытания на контрольных выборках позволяют рекомендовать полученные решающие правила и алгоритмы для практического использования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В результате проведенных исследований предложены новые технические решения, предназначенные для использования в ходе профилактических обследований с целью формирования индивидуальных программ по профилактике атеросклероза и его осложнений.

В диссертационной работе получены следующие основные результаты.

1. Разработан метод синтеза пространства информативных признаков, характеризующих эластические свойства сосудов, основанный на анализе взаимных спектров фотоплетизмограмм и тестовых сигналов, коррелированных с системным ритмом, включающий:

- способ формирования оклюзионного фотоплетизмосигнала на интервале трех следующих друг за другом фаз длительностью по 30 с, причем первая фаза соответствует состоянию артерии до окклюзионной пробы, вторая - состоянию артерии в процессе окклюзионной пробы, третья - состоянию артерии после окклюзионной пробы, позволяющий анализировать эластические свойства сосудов;

- способ анализа эластических свойств сосудов, заключающийся в вычислении взаимных спектров фотоплетизмосигнала, полученного в процессе окклюзионной пробы, и вейвлетов, частотный диапазон которых совпадает с частотным диапазоном дыхательного ритма, позволяющий получить интегральный показатель, характеризующий риск атеросклероза и его осложнений;

- алгоритм синтеза признакового пространства, позволяющего контролировать эластические свойства сосудов, включающий процедуру вычисления взаимного спектра на основе одномерного спектрального анализа матрицы вейвлет - преобразования окклюзионной фотоплетизмограммы.

1. Получены структурные решения для нечетких нейронных сетей, предназначенных для интеллектуальной поддержки принятия решений при определении риска развития атеросклероза и его осложнений, включающие;

нечеткую нейросетевую модель, содержащую на нижнем иерархическом уровне встроенную структуру, объединяющую нейронную сеть и программно-алгоритмические решения взаимного спектрального анализа системных ритмов, моделируемых эластическими свойствами сосудов, и нечёткий решающий модуль на верхнем иерархическом уровне;

нечеткий решающий модуль прогнозирования атеросклероза, в котором агрегация рисков по факторам риска осуществляется каскадом двухвходовых агрегаторов, причем первым входом к - го агрегатора является выход (к -1) - го агрегатора, а вторым - уверенность в риске по к - му фактору, причём дополнительные факторы риска образуют последовательность, упорядоченную по убыванию релевантности фактора риска развития атеросклероза.

3. Разработан алгоритм обучения нечёткой нейросетевой модели прогнозирования атеросклероза, включающий двухэтапную настройкой параметров агрегирующих нечётких функций, причём на первом этапе настройки определяются исходные нечёткие функции агрегаторов на основе перебора кортежа базовых нечётких операций настраеваемого агрегатора и оптимизации ошибки с его выхода, а на втором этапе настройки уточняются нечёткие функции агрегаторов посредством перебора кортежа базовых не-

чётких операций в настраиваемом агрегаторе и оптимизации ошибки на выходе модели.

4. Разработана автоматизированная система прогнозирования атеросклероза и его осложнений, включающая базу моделей функций принадлежностей по факторам риска атеросклероза, базу моделей нейронный сетей, базу моделей нечетких решающих модулей, базу моделей релевантности факторов риска и алгоритм принятия решений.

5. Разработанные метод, способы, модели и алгоритмы, а также соответствующее программное обеспечение прошли экспериментальную проверку в МЧС-125 г. Курчатова, на кафедре хирургических болезней Курского государственного медицинского университета и внедрены в учебный процесс на кафедре Биомедицинской инженерии Курского государственного технического университета. Экспериментальные исследования показали, что качество диагностики предложенных технических решений превосходит по аналогичным критериям известные методы прогнозирования на 5...10%, что позволяет рекомендовать разработанные способы, модели, алгоритмы и программное обеспечение к практическому использованию.

СПИСОК НАУЧНЫХ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК РФ

1. Аль-Муаапеми, В.А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей [Текст] / В.А. Аль-Муаалеми и [др.] // Биомедицинская радиоэлектроника, 2009, №5. С.77-82.

2. Аль-Муаалеми, В.А. Синтез признакового пространства для классификации эластических свойств артерий на основе окклюзиоиных проб и анализа пальцевых фотоплетизмограмм [Текст] / В.А. Аль - Муаалеми и [др.] // Вестник Воронежского государственного технического университета. Том 5. №10.2009. С.123-126.

Статьи и материалы конференций

3. Аль-Муаалеми, В.А. Модели рисков сердечно-сосудистых заболеваний с учетом вязко упругих свойств тканей [Текст] / В.А. Аль-Муаалеми и [др.] // Известия ЮФУ. Технические науки. Тематический выпуск. Таганрог. Изд-во ТТИ ЮФУ, 2009, №10. С.67-71.

4. Аль - Муаалеми, В. А. Частотно-временной анализ акустических сигналов кровотока [Текст] /А.В. Аль - Муаалеми и [др.] // XI Международная научно-техническая конференция "Медико-экологические информационные технологии-2008". Курск. 2008. С. 87-90.

5. Аль - Муаалеми, В.А. Неинвазивные методы раннего выявления атеросклероза на основе спектрального анализа акустических сигналов циркуляции крови [Текст] / В.А. Аль - Муаалеми И Биотехнические, медицинские и экологические системы и комплексы (БИОМЕДСИСТЕМЫ -2008):

Материалы XXI Всероссийской научно-технической конференции студентов, молодых ученых и специалистов/Рязань, 2008. С.245-249.

6. Аль - Муаалеми, В. А. Нечеткие сетевые модели иерархической структуры для неинвазивной диагностики артериальной гипертензии. [Текст]/ В.А. Аль - Муаалеми и [др.] //Искусственный интеллект в XXI веке. Решения в условиях неопределенности: сборник статей VI Всероссийской научно-технической конференции/ Пенза: Приволжский Дом знаний, 2008. С.10-13.

7. Аль - Муаалеми, В. А. Исследование влияния факторов сердечно-сосудистого риска на скорость распространения пульсовой волны [Текст] / В.А. Аль - Муаалеми // Медико-экологические информационные техноло-гии-2009: сборник материалов XII Междунар. науч.-техн. кон./ Курск, гос. техн. ун-т. Курск, 2009. С. 55-58.

8. Аль-Муаалеми, В.А. Способ определения сердечно-сосудистого риска с учетом вязкоупругих свойств сосудов [Текст] / В.А. Аль-Муаалеми и [др.] // Медицинская экология: сборник статей VIII Международной научно-практической конференции. Пенза: Приволжский Дом знаний, 2009. С.10-13.

9. Аль-Муаалеми, В.А. Модели сердечного риска на основе исследований электрофизиологических и акустических сигналов, связанных с функционированием сердечно-сосудистой системы [Текст] / В.А. Аль-Муаалеми и [др.]// Лазерно-информационные технологии в медицине, биологии и геоэкологии-2009. Труды XVII Международной конференции, г. Новороссийск. 2009. С.90-91.

10. Аль-Муаалеми, В.А. Физиологическое обоснование использования фотоплетизмосигнала для контроля эластических свойств сосудов [Текст] / В.А. Аль-Муаалеми // Информационные технологии в медицинских и педагогических исследованиях: Материалы международной научно-практической конференции. Часть 1.- Курск, 2009. С.47-51.

11. Аль - Муаалеми, В.А. Модель прогнозирования атеросклероза на основе структуры нечеткой сети TSK [Текст] / В.А. Аль - Муалеми // Биотехнические, медицинские и экологические системы и комплексы (БИОМЕДСИСТЕМЫ -2009): Материалы конференции. Рязань: РГРТУ, 2009. С.229-233.

12. Аль - Муаалеми, В.А. Определение рисков сердечнососудистых заболеваний на основе взаимного спектрального анализа сигналов пальцевой фотоплетазмограммы, полученных до и после окклюзии плечевой артерии [Текст] / В.А. Аль - Муаалеми и [др.] II Лазеры. Измерения. Информация. 2009. Том 3. - СПб.: Изд-во Политехи, ун-та, 2009. С.309-319.

ИД №06430 от 10.12.01 г. Подписано в печать 18.03.2010 г. Формат 60x84 1/16. _Печ. л. 1,0. Тираж 100 экз. Заказ 911._

Курский государственный технический университет. Издательско-полиграфический центр Курского государственного технического университета. 305040, г. Курск, ул. 50 лет Октября, 94.

Отпечатано: ПБОЮЛ Киселева О.В. ОГРН 304463202600213

Список обозначений сокращений

ВВЕДЕНИЕ

Глава 1. Анализ гомеостатических моделей прогнозирования и управления рисками сердечно-сосудистых заболеваний

1.1. Системный анализ патогенеза атеросклероза

1.2. Диагностика и прогнозирование атеросклероза на современном этапе

1.3. Методы и системы прогнозирования сердечно-сосудистых заболеваний

1.3.1. Тестовые модели

1.3.2. Модели риска на основе наследственной отягощенности

1.3.3. Шкала SCORE

1.3.4. Фремингемская модель 3О

1.3.5. Шкала риска Reynolds

1.3.6. Рекомендации NCEP III

1.4. Новые информационные технологии для классификации объектов и принятия решений

1.4.1. Нейронные сети

1.4.2. Нечеткие модели в системах прогнозирования

1.5. Цели и задачи исследования

Глава 2. Разработка способов выделения информативных признаков для классификации эластических свойств артерий на основе анализа пальцевых фотоплетизмограмм

2.1. Физиологическое обоснование использования фотоплетизмосигнала для контроля эластических свойств сосудов

2.2. Разработка и исследование методики анализа эластических свойств сосудов по вейвлет-преобразованию пульсовой волны, выполненному на резонансном масштабе

2.3. Синтез пространства информативных признаков для определения эластических свойств сосудов по вейвлет-преобразованиям фотоплетизмосигнала, полученным по множеству масштабных коэффициентов

2.4. Выводы второй главы

Глава 3. Разработка нечеткой нейросетевой модели со встроенной структурой анализа эластических свойств артерий для прогнозирования риска атеросклероза

3.1. Синтез дополнительного подпространства информативных признаков, определяющих риск атеросклероза

3.2. Базовая нечеткая нейросетевая модель

3.3. Нечеткая нейросетевая модель прогнозирования риска атеросклероза

3.4. Синтез ядра модели

3.5. Разработка и исследование автоматизированной системы для поддержки принятия решений при диагностике атеросклероза

3.6. Выводы третьей главы

Глава 4. Исследование моделей и алгоритмов управления процессом определения риска атеросклероза и сравнительная оценка их качественных характеристик

4.1. Структура формирования модели принятия решений

4.2. Синтез функций принадлежностей по факторам риска для нечеткого решающего модуля

4.3. Исследование диагностической эффективности автоматизированной системы оценки риска атеросклероза 4.4 Выводы четвертой главы

Актуальность работы. Современное понятие научного прогнозирования как причинно-обусловленной последовательности явлений или изменений состояния определенной системы, например, человека, базируется на теории и методах системного анализа. Соблюдение системного единства и последовательности этапов прогнозирования позволяет раскрывать неопределенности, связанные с внешней средой и состоянием самого объекта прогнозирования. Игнорирование отдельных элементов исследуемой системы может привести к снижению точности прогнозирования и эффективности принимаемых управленческих решений.

Системность подхода при прогнозировании риска развития заболевания определяется учетом воздействий окружающей среды и внутренних процессов системы не только на исследуемую подсистему (орган), но и на смежные подсистемы, что может привести к неоправданному росту размерности признакового пространства или (и) к появлению недопустимого количества пробелов в данных.

Так как в большинстве случаев живая система представляет для исследователя «черный ящик», то успех прогноза определяется тем, насколько адекватно исходная модель риска развития заболевания учитывает степень риска функциональных нарушений в исследуемой подсистеме при наличие факторов риска (ФР) функциональных нарушений в смежных подсистемах, а также насколько адекватно в модели риска выдержано соотношение между внутренними по отношению к исследуемой подсистеме и внешними ФР.

Такой подход к анализу живых систем был использован при прогнозировании риска развития заболеваний, когда в начале 50-х годов прошлого века в практику была введена концепция факторов риска, влияющих на показатели смертности, в частности, от сердечно-сосудистых заболеваний (ССЗ), которая в настоящее время получила многочисленные научные подтверждения и является общепризнанной. В многочисленных эпидемиологических исследованиях, проведенных как в нашей стране, так и за рубежом, получены доказательства того, что путем целенаправленного лечебного и профилактического вмешательства, в первую очередь в отношении ФР, можно снизить сердечно-сосудистую заболеваемость и предупредить преждевременную смертность населения. В настоящее время оценка суммарного риска становится необходимым условием надежного определения вероятности развития ССЗ и их осложнений для определения тактики управления этим риском путем клинических и профилактических вмешательств.

Для оценки риска развития ССЗ разработаны множество различных моделей, среди которых наиболее известны Фрамингемская шкала, шкала NCEP III и шкала SCORE. Однако эти шкалы имеют ограничения в применении, так как описывают суммарный риск только применительно к лицам без клинических признаков атеросклеротических заболеваний, на основе весьма ограниченного набора факторов (пол, возраст, курение, уровни общего холестерина и систолического АД), что в целом не позволяет оценить спектр многообразия ФР для индивидуального прогноза и затрудняет формирование эффективных профилактических программ. Поэтому необходим поиск новых маркеров риска ССЗ, в частности маркеров риска атеросклероза.

Среди ФР атеросклероза пристальное внимание исследователей привлекают эластические свойства сосудов, которые нередко используются в различных моделях компьютерных программ для профилактических обследований. Однако для надежного прогноза необходимо соответствующее обучение классифицирующей модели, что весьма затруднительно, так как получение обучающих выборок требует длительного наблюдения за объектами исследования, что приводит к неоднозначности и зашумленности данных. В* данной ситуации целесообразно применять комбинированные (гибридные) системы прогнозирования и идентификации, объединяющие в себе преимущества систем без учителя и обучающихся систем распознавания, синтез которых для задач прогнозирования риска развития атеросклероза в настоящее время недостаточно исследован.

Таким образом, актуальной научно-технической задачей является повышение качества прогнозирования атеросклероза и его осложнений путем разработки метода, моделей, алгоритмов и программного обеспечения для интеллектуальной поддержки принятия решений по своевременному проведению лечебно-профилактических мероприятий, направленных на снижение риска атеросклероза и его осложнений.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 20092013 годы (государственный контракт № П705, номер госрегистрации 01200962672) и в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка нечетких нейросетевых моделей обработки информации, выделяемой посредством взаимного спектрального анализа системных ритмов в процессе окюпозионных проб, повышающих качество прогнозирования риска возникновения атеросклероза и его осложнений.

Для достижения поставленной-цели необходимо решить следующие задачи:

-разработать метод синтеза пространства информативных признаков, характеризующих эластические свойства сосудов, основанный на анализе взаимных спектров фотоплетизмограмм и тестовых сигналов, коррелированных с ритмом дыхания;

- разработать структуру нечетких нейронных сетей для систем поддержки принятия решений по прогнозированию риска развития атеросклероза и его осложнений;

-разработать алгоритм обучения нечётких нейросетевых моделей прогнозирования риска развития атеросклероза и его осложнений; разработать структуру автоматизированной системы для прогнозирования риска развития атеросклероза и его осложнений и ее алгоритмическое и программное обеспечение;

- провести апробацию предложенных метода и средств на репрезентативных контрольных выборках.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, спектрального анализа, вейвлет-анализа, математической статистики, теории нечетких нейронных сетей и распознавания образов, экспертного оценивания и принятия решений. При разработке нечетких нейросетевых структур в качестве инструментария использовался Matlab 7.1 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной: способ формирования фотоплетизмосигнала, отличающийся тем, что оцифровка фотоплетизмосигнала осуществляется в течение следующих друг за другом трех фаз длительностью по 30 с, причем, первая фаза соответствует состоянию артерии до окклюзионной пробы, вторая -состоянию артерии в процессе окклюзионной пробы, третья - состоянию артерии после окклюзионной пробы, позволяющий синтезировать признаковое пространство для анализа эластических свойств сосудов; способ анализа фотоплетизмосигнала, отличающийся тем, что в качестве информативных признаков, характеризующих эластико-упругие свойства сосудов используются взаимные спектры фотоплетизмосигнала и вейвлетов, частотный диапазон которых совпадает с частотным диапазоном дыхательного ритма, полученные до и после окклюзии плечевой артерии, позволяющий получить интегральный показатель, характеризующий риск развития атеросклероза; нечеткая нейросетевая модель, отличающаяся тем, что в ее структуре используется нейронная сеть, анализирующая взаимные спектры системных ритмов, а агрегирование всех факторов риска осуществляется каскадом двухвходовых агрегаторов, причем первым входом к - го агрегатора является выход (к -1) - го агрегатора, а вторым - уверенность в риске по к - му фактору, при этом факторы риска образуют последовательность, упорядоченную по убыванию релевантности, позволяющая осуществлять интеллектуальную поддержку принятия решений при прогнозировании риска атеросклероза; алгоритм обучения нечёткой нейросетевой модели прогнозирования риска развития атеросклероза, отличающийся двухэтапной настройкой параметров агрегирующих нечётких функций, причём на первом этапе определяются нечёткие функции агрегаторов на основе перебора кортежа базовых нечётких операций настраиваемого агрегатора и минимизации ошибки на его выходе, а на втором этапе -уточняются нечёткие функции агрегаторов посредством перебора кортежа базовых нечётких операций в настраиваемом агрегаторе и минимизации ошибки на выходе модели.

Практическая значимость и результаты внедрения. Разработанные модели, способы и алгоритмы составили основу построения автоматизированной системы по прогнозированию атеросклероза и его осложнений, практические испытания которой показали ее высокую диагностическую эффективность и приемлемое качество рекомендаций, формируемых для врачей-специалистов.

Программные средства ориентированы на практическое здравоохранение и реализуют алгоритмы диагностики, способствующие повышению эффективности профилактики сердечно-сосудистых заболеваний.

Результаты работ используются в учебном процессе Курского государственного технического университета при обучение студентов по направлению 200300.62 - «Биомедицинская инженерия», а также используются в ходе профилактических обследований при формировании индивидуальных программ по профилактике атеросклероза и его осложнений в МСЧ-125 г. Курчатов и в научно-исследовательской работе кафедры сосудистой хирургии Курского государственного медицинского университета.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на XI и XII Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009); XXI Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2008, Рязань 2008); VI Всероссийской научно-технической конференции «Искусственный интеллект в XXI веке. Решения в условиях неопределенности» (Пенза, 2008); VIII Международной научно-практической конференции «Медицинская экология» (Пенза, 2009), на XVII Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии» (Новороссийск, 2009), на Всероссийской конференции «Перспективы фундаментальной науки в сфере медицинского приборостроения» (Таганрог, 2009), на Международной конференции с элементами научной школы для молодежи «Биотехнические, медицинские и экологические системы и комплексы» (Рязань 2009), на научно-технических семинарах кафедры биомедицинской инженерии КурскГТУ (Курск, 2007, 2008,2009).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 12 печатных работ, в том числе из списка ВАК две работы.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] и [6] автором предложены и исследованы нечеткие нейросетевые модели для диагностики рисков сердечно-сосудистых заболеваний, в [2] автор предложил способ формирования исходного окклюзионного фотоплетизмосигнала, в [4] автором разработан и исследован способ взаимного спектрального анализа окюпозионных фотоплетизмограмм; влияние вязкоупругих свойств сосудов на системные ритмы и риск атеросклероза исследовано соискателем в [3], [7-9] и [12].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 114 отечественных и 24 зарубежных наименования. Работа изложена на 132 страницах машинописного текста, содержит 51 рисунок и 15 таблиц.

4.4. Выводы четвертой главы

1. На основе проведенных исследований предложена структура автоматизированной системы определения риска ССЗ, выделяющая три степени риска возникновения атеросклероза, отличающаяся тем, что она включает базы моделей функциональных модулей, позволяющие использовать кроме модифицируемых и не модифицируемых факторов риска показатели эластических свойств сосудов и осуществлять расчет вклада отдельных фактора риска в прогноз, что дает возможность определить приоритеты вмешательств.

2. Предложен алгоритм формирования модели принятия решения, позволяющий адаптировать модель принятия решения под пространство информативных признаков и под задачу исследования.

3. На основе экспертных оценок и аналитических исследований получены функции принадлежности в выбранном пространстве факторов 4 риска атеросклероза, позволяющие реализовать нечеткую нейросетевую модель с иерархической структурой нечеткого модуля и нейросетевым ядром, предназначенную для определения риска атеросклероза.

4. В результате экспериментальных исследований получены количественные результаты качества определения риска атеросклероза и сопутствующих заболеваний нечеткой нейросетевой моделью, а также получены сравнительные характеристики известных шкал риска и предлагаемой модели, которые позволяют рекомендовать полученные решающие правила, алгоритмы и модели для практического использования.

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований предложены новые технические решения, предназначенные для использования в ходе профилактических обследований с целью формирования индивидуальных программ по профилактике атеросклероза и его осложнений.

В диссертационной работе получены следующие основные результаты.

1. Разработан метод синтеза пространства информативных признаков, характеризующих эластические свойства сосудов, основанный на анализе взаимных спектров фотоплетизмограмм и тестовых сигналов, коррелированных с системным ритмом, включающий: способ формирования оклюзионного фотоплетизмосигнала на интервале трех следующих друг за другом фаз длительностью по 30 с, причем первая фаза соответствует состоянию артерии до окклюзионной пробы, вторая - состоянию артерии в процессе окклюзионной пробы, третья - состоянию артерии после окклюзионной пробы, позволяющий анализировать эластические свойства сосудов; способ анализа эластических свойств сосудов, заключающийся в вычислении взаимных спектров фотоплетизмосигнала, полученного в процессе окклюзионной пробы, и вейвлетов, частотный диапазон которых совпадает с частотным диапазоном дыхательного ритма, позволяющий получить интегральный показатель, характеризующий риск атеросклероза и его осложнений;

- алгоритм синтеза признакового пространства, позволяющего контролировать эластические свойства сосудов, включающий процедуру вычисления взаимного спектра на основе одномерного спектрального анализа матрицы вейвлет - преобразования окклюзионной фотоплетизмограммы.

2. Получены структурные решения для нечетких нейронных сетей, предназначенных для интеллектуальной поддержки принятия решений при определении риска развития атеросклероза и его осложнений, включающие: нечеткую нейросетевую модель, содержащую на нижнем иерархическом уровне встроенную структуру, объединяющую нейронную сеть и программно-алгоритмические решения взаимного спектрального анализа системных ритмов, моделируемых эластическими свойствами сосудов, и нечёткий решающий модуль на верхнем иерархическом уровне; нечеткий решающий модуль прогнозирования атеросклероза, в котором агрегация рисков по факторам риска осуществляется каскадом двухвходовых агрегаторов, причем первым входом к - го агрегатора является выход (к -1) - го агрегатора, а вторым - уверенность в риске по к - му фактору, причём дополнительные факторы риска образуют последовательность, упорядоченную по убыванию релевантности фактора риска развития атеросклероза.

3. Разработан алгоритм обучения нечёткой нейросетевой модели прогнозирования атеросклероза, включающий двухэтапную настройкой параметров агрегирующих нечётких функций, причём на первом этапе настройки определяются исходные нечёткие функции агрегаторов на основе перебора кортежа базовых нечётких операций настраеваемого агрегатора и оптимизации ошибки с его выхода, а на втором этапе настройки уточняются нечёткие функции агрегаторов посредством перебора кортежа базовых нечётких операций в настраиваемом агрегаторе и оптимизации ошибки на выходе модели.

4. Разработана автоматизированная система прогнозирования атеросклероза и его осложнений, включающая базу моделей функций принадлежностей по факторам риска атеросклероза, базу моделей нейронный сетей, базу моделей нечетких решающих модулей, базу моделей релевантности факторов риска и алгоритм принятия решений.

5. Разработанные метод, способы, модели и алгоритмы, а также соответствующее программное обеспечение прошли экспериментальную проверку в МЧС-125 г. Курчатова, на кафедре хирургических болезней Курского государственного медицинского университета и внедрены в учебный процесс на кафедре Биомедицинской инженерии Курского государственного технического университета. Экспериментальные исследования показали, что качество диагностики предложенных технических решений превосходит по аналогичным критериям известные методы прогнозирования на 5. 10%, что позволяет рекомендовать разработанные способы, модели, алгоритмы и программное обеспечение к практическому использованию.

1. Айвазян, С.А. Классификация многомерных наблюдений Текст./ С.А. Айвазян, З.И. Бежаева, О.В. Староверов. М., " Статистика", 1975.

2. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов: В 2 т. Т. 2. Основы эконометрики. Текст. / С.А. Айвазян. 2-е изд., испр. М.: ЮНИТИ-ДАНА, 2001. 432 с.

3. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов. В 2 т. Т. 1. Теория вероятностей и прикладная статистика Текст./ С.А. Айвазян, B.C. Мхитрян. 2-е изд., испр. М.: ЮНИТИ-ДАНА, 2001.656 с.

4. Акимов, Г. А. Начальные проявления сосудистых заболеваний головного мозга Текст./ Г. А. Акимов. Л., 1983. 222 с.

5. Алберг, Дж. Теория сплайнов и ее приложения Текст./ Дж. Алберг, Э. Нильсон, Дж. Уолш. М.:Мир, 1972.316 с.

6. Аль Муаалеми, В. А. Частотно-временной анализ акустических сигналов кровотока Текст. /А.В. Аль - Муаалеми и [др.] // XI Международная научно-техническая конференция "Медико-экологические информационные технологии-2008". Курск. 2008. С. 87-90.

7. Аль-Муаалеми, В. А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей Текст. / В.А. Аль-Муаалеми и [др.] // Биомедицинская радиоэлектроника, 2009, №5. С.77-82.

8. Ананич, В.А., Грацианский, Н.А., Карасев, А.В. и др. Впервые возникшая стенокардия: исходная характеристика и результаты наблюдения в течение 6-12 мес Текст./ В.А. Ананич, Н.А.Грацианский, А.В. Карасев и др. Cor et vasa 1990. №2. С. 99-106.

9. Аронов, Д. М. Вторичная профилактика хронической ИБС Текст. / Д. М. Аронов, В. Я. Лупанов // Лечащий врач. 2004. № 7. С. 66-68.

10. Аронов, Д. М. Руководство по кардиологии Текст./ Д. М. Аронов. Под ред. Е. И. Чазова. М., 1982. Т.2. С. 594-600.

11. Аронов, Д.М., Лупанов, В.П. Функциональные пробы в кардиологии Текст./ Д.М. Аронов, В.П. Лупанов. Москва, "МЕДпресс-информ", 2003 , 2-е изд, С.148-156.

12. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения Текст./ Н.М.Астафьева. УФН, тЛ66,11 1996. С. 1145-1170.

13. Атеросклероз. Текст. / В.К. Казимирко. К., 2007. 198с

14. Афифи, А., Эйзен, С. Статистический анализ Текст./ А. Афифи, С. Эйзен.-М. "Мир", 1972.

15. Батюшин, М.М. Прогнозирование сердечно сосудистых заболеваний. Текст. / М.М. Батюшин //Монография. - Ростов -н/Д.: Издательство МАРТ. 2006. 144с.

16. Бокерия, Л. А. Непосредственные и отдаленные результаты стентирования ствола левой коронарной артерии у больных ИБС Текст. / Л. А.Бокерия, Б.Г. Алекян, Ю.А. Бузишвили и др. //Кардиология. 2006. № 3. С. 4-12.

17. Бутрова, С. А. Метаболический синдром: патогенез, клиника, диагностика, подходы к лечению Текст./ С. А.Бутрова// Русский медицинский журнал 2001; 2: 56 — 60.

18. Васильев, А.Ю. Диагностика стенозирующего поражения коронарных артерий при гипертонической болезни. Какой стресстест выбрать? Текст./ А.Ю.Васильев, Н.Н.Михеев, М.В. Жарикова.-Функциональная диагностика, 2004. №4. С. 17-22.

19. Воробьев, В.И. Теория и практика вейвлет-преобразования Текст. / В.И. Воробьев, В.Г. Грибунин. СПб.: ВУС, 1999. 204 с.

20. Галушкин, А.И. Синтез многослойных систем распознавания образов Текст. / А.И. Галушкин. М.: Энергия, 1974. 386 с.

21. Галягин, Д.К. Адаптивные вейвлеты (Алгоритм спектрального анализа сигналов) Текст. / Д.К. Галягин, П.Г. Фрик / ММСП. Пермь: ПГТУ, 1996. №4. С. 20-28.

22. Ганелина И. Е. Гомоцистеин как возможный фактор риска атеросклероза и ИБС Текст. / В кн.: Атеросклероз коронарных артерий и ИБС. СПб, 2004. С. 72—76.

23. Генкин, А.А. Новая информационная технология обработки ! данных (программный комплекс ОМИС) Текст. / А.А. Генкин. СПб.: Политехника, 1999. 191 с.

24. Гимаров, В.А. Нейро-нечеткий метод классификации объектов с разнотипными признаками Текст. / В.А. Гимаров, М.И. Дли, С .Я. Битюцкий // Системы управления и информационные технологии. 2004. №4 (16). С. 13-18.

25. Голд, Б. Цифровая обработка сигналов Текст.: [пер. с англ.] /Б. Голд, Ч. Рэйдер. М.: Сов. радио, 1973. 368 с.

26. Голухова, Е.З. Неинвазивная аритмология Текст./ Е.З. Голухова. М.: Издательство НЦССХ им. А.Н.Бакулева, РАМН, 2002. 148 с.

27. Горбань, А. Н. Обучение нейронных сетей Текст./ А. Н. Горбань-М.: СП Параграф, 1990.

28. Горелик, A.JT. Методы распознавания Текст. / А.Л. Горелик,

29. B.А. Скрипкин. М.: Высшая школа. 1989.

30. Грахов, А.А. Имитационное моделирование систем нечеткого вывода для медицинских приложений Текст. / А.А. Грахов, В.В. Жилин,

31. C.А. Филист// Медико-экологические информационные технологии 2008:сб. материалов XI Международной научно-технической конференции / Курск, гос. техн. ун-т. Курск, 2008. С. 102-105.

32. Грахов, А.А. Система поддержки принятия решений для врача-терапевта на основе нечетких сетевых моделей Текст./ А.А. Грахов, JI.A. Жилинкова, Е.В. Шевелева//Вестник новых медицинских технологий. Тула, 2006. T.XIII, №2. С.43-46.

33. Дабровски, А. Суточное мониторирование ЭКГ Текст. / А. Дабровски, Б. Дабровски. М.: Медпрактика, 2000. 208 с.

34. Дмитриева, Н.В. Индивидуальное здоровье и полипараметрическая диагностика функциональных состояний организма (системно -информационный подход)' Текст. / Н.В. Дмитриева, О.С. Глазачев. М, 2000. - 214 с.

35. Дремин, И.М. Вейвлеты и их использование Текст. / И.М. Дремин, О.В. Иванов, В.А. Нечитайло // Успехи физических наук, 2002. Т. 171, №5. С. 465-500.

36. Дубров, A.M. Многомерные статистические методы Текст.: учебник / A.M. Дубров, B.C. Мхитрян, Л.И. Трошин. М.: Финансы и статистика, 2000. 352 с.

37. Дуда, Р. Распознавание образов и анализ сцен Текст. / Р. Дуда, Р. Харт. М.: Мир, 1976.

38. Дьяконов, В. Обработка сигналов и изображений Текст.: специальный справочник / В. Дьяконов, И. Абраменкова. СПб.: Питер, 2002. 608 с.

39. Дюк, В. Обработка данных на ПК в примерах Текст. / В. Дюк. -СПб: Питер, 1997. 240 с.

40. Елисеева, И.И. Логика прикладного статистического анализа Текст. / И.И. Елисеева, В.О. Рукавишников. М.: Финансы и статистика, 1982. 192 с.

41. Жданов, B.C. Особенности эволюции атеросклероза за 25-летний период у мужчин с различными темпами развития атеросклероза в пяти европейских городах Текст. / В.С.Жданов, Я.Г. Стернби, И.Е. Галахов и др. // Кардиология. 2001. — № 7. С. 4-8.

42. Завьялов, Ю.С. Сплайны в инженерной геометрии Текст./ Ю.С. Завьялов, В.А. Леус, В.А. Скороспелов. М: Машиностроение, 1985. 224с.

43. Заде, А. Основы нового подхода к анализу сложных систем и процессов принятия решений Текст. / А. Заде // Математика сегодня. М., 1974.

44. Заде, Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений Текст. / Л.А. Заде. М.: Мир, 1976. 312 с.

45. Заенцев, И.В. Нейронные сети: основные модели: учебное пособие по курсу «Нейронные сети» для студентов 5 курса магистратуры физического ф-та Воронежского государственного университета Текст. / И.В. Заенцев. Воронеж, 1999. 76 с.

46. Захаров, В.Н. Современная информационная технология всистемах управления Текст. / В.Н. Захаров // Изв. АН Теория и системы управления,2000. -№1. С. 70-78.

47. Злочевский, М.С. Обработка электрокардиограмм методом сплайн функций Текст./ М.С. Злочевский. Новости мед. Техники, 1983. Вып.1. С. 18-20.

48. Иванов Г.Г., Востриков В.А. Внезапная сердечная смерть и поздние потенциалы желудочков Текст./ Г.Г. Иванов, В.А.Востриков // Анестезиология и реаниматология, 1991. №3.

49. Изучение генетических и лабораторных маркеров у пациентов с ишемической болезнью сердца и сахарным диабетом 2 типа / Назаренко Г.И., Клейменова Е.Б., Пающик С.А. // Российские Медицинские Вести. 2009.-том XIV, №2. С.28-36.

50. Изучение генетических маркеров и традиционных факторов риска у пациентов с ишемической болезнью сердца Текст./ Назаренко Г.И., Клейменова Е.Б., Гущина Н.Н., Пающик С.А. // Российские Медицинские, Вести. 2009.- том XIV, №1. С. 41-48.

51. Ильинский, Б.В. Ишемическая болезнь сердца и наследственность. Текст. / Б.В. Ильинский, С.К. Клюева // Л.: Медицина, 1985. 176 с.

52. Калинина, A.M. Влияние многофакторной профилактики ИБС на прогноз жизни Текст. / A.M. Калинина, Л.Ж. Чазова, Л.И. Павлова //Кардиология. 1996. — № 3. С. 22 — 27.

53. Климов, А. Я. Атеросклероз Текст. / А.Я. Климов // В кн.: Превентивная кардиология. М., 1987. С. 239-316.

54. Кобалава, Ж.Д. Секреты артериальной гипертонии: ответы на Ваши вопросы Текст. / Ж.Д. Кобалава, К.М. Гудков. М.: 4ТЕ—Арт. 2004. 243 с.

55. Козлов, С. Г. Значение чреспищеводной кардиостимуляции левого предсердия в диагностике ишемической болезни сердца Текст./ С. Г. Козлов, И. Ю. Миронова, А. А.Лякишев. Тер. арх., 1991. №1. С.108-111.

56. Коломоец, Н.М. Гипертоническая болезнь и ишемическая болезнь сердца: Руководство для врачей, обучающих пациентов в школе больных гипертонической болезнью и ишемической болезнью сердца Текст./ Н.М. Коломоец, В.И. Бакшеев. М.: Медицина, 2003. 336 с.

57. Кореневский, Н.А. Автоматизированные медико-технологические системы Текст./ монография. В 3 ч. / Н.А. Кореневский, А.Г. Устинов, В.А. Ситарчук; под ред. А.Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. 390 с.

58. Кушаковский, М.С. Аритмии сердца Текст./ М.С. Кушаковский. СПб.: Фолиант, 1998.

59. Лабораторные и генетические маркеры в стратификации риска ишемической болезни сердца / Назаренко Г.И, Клейменова Е.Б, Гущина Н.Н. // Кардиоваскулярная терапия и профилактика. 2009. том 8,-№1 - С. 35-42

60. Ламбич, И.С. Текст./ Пер. с сербско-хорват./ И.С. Ламбич, С.П. . Стожинич. М.: Медицина, 1990. 432 с.

61. Левкович-Маслюк. // Дайджест вейвлет анализа Текст./ Левкович-Маслюк. - Компьютерра, 1998. №8.

62. Леоненков, А.В. Нечеткое моделирование в среде Matlab и fuzzyTECH Текст. / А.В. Леоненков. СПб.: БХВ - Петербург, 2005. 736 с.

63. Липовецкий Б.М. Атеросклероз и его осложнения со стороны сердца, мозга и аорты Текст. / Б.М. Липовецкий. Спб.: СпецЛитр, 2008. 143с.

64. Марпл.-мл, С.Л. Цифровой спектральный анализ и его приложения Текст./ С.Л. Марпл.-мл, пер. с англ. М.: Мир, 1990. 584 с.

65. Мисявигене, И.С. О взаимосвязи между курением и смертностью от ИБС среди 45-59-летнего мужского населения Каунаса Текст. / И.С. Мисявигене, Т.Н Станикас, И.С. Глазунов. // Cor et Vasa. 1980. Т. 22. С. 409417.

66. Назаренко, Г.И. Оценка риска ИБС с помощью комбинации традиционных факторов риска и генетических маркеров Текст. / Г.И. Назаренко, Е.Б. Клейменова, С.А. Пающик // Кардиоваскулярная терапия и профилактика. 2008. №7, Прил. №1. С. 260.

67. Немирко, А.П. Вейвлет преобразование ЭКГ BP для диагностики ИБС Текст./ А.П. Немирко, С.Г. Подклетнов, В.Н.Солнцев. - Вестник аритмологии, 2002. №25. С. 148.

68. Нечеткие модели для экспертных систем в САПР Текст. / Н.Г. Малыше, П.С. Берштейн, А.В. Боненюк. М.: Энергоатомиздат, 1991. 136 с.

69. Нечеткие множества в моделях управления и искусственного интеллекта Текст./Под ред. Д.А. Поспелова. М.: Наука, 1986. 312 е.

70. Общепринятые алгоритмы для оценки факторов риска ишемической болезни сердца и генетические полиморфизмы Текст./ Назаренко Г.И., Клейменова Е.Б., Пающик С.А.// Сердце. 2009 - том 8, №2. С. 104-108.

71. Оганов, Р.Г. Профилактика сердечно-сосудистых заболеваний: возможности практического здравоохранения Текст. / Р.Г. Оганов //Кардиоваскулярная терапия и профилактика. 2002. —№ 1. С. 50—9.

72. Оганов, Р.Г. Роль здорового образа жизни в стратегии охраны здоровья населения Текст. / Р.Г. Оганов, С.А. Шалънова, Г.Я Масленникова, А.Д. Деев. //Российские Медицинские Вести. 2001. —6(3)34 — 7.

73. Омельченко, В.П. Практикум по медицинской информатике Текст. : учеб. пособие / В.П. Омельченко, А.А. Демидова // Ростов-на-Дону. Докл. «Феникс», 2001. 304 с.

74. Окороков, А.Н. Диагностика болезней внутренних органов. Диагностика болезней сердца и сосудов Текст. / А.Н. Окороков. Под редакцией Н.Е. Федорова. М.: Мед. литр. 2006. 464с.

75. Орлов, А.И. Экспертные оценки: учебное пособие Текст./ А.И. Орлов. М.: 2002.

76. Основы проектирования автоматизированных систем анализа медико-биологических сигналов Текст. / В.В. Губанов, Л.В. Ракитская, С.А. Филист / ГУИПП «Курск». Курск, 1997.134 с.

77. Осовский, С. Нейронные сети для обработки информации Текст./ С. Осовский; пер. с польского И.Д. Рудинского.- М.: Финансы и статистика, 2002. 344 с.

78. Патогенетические основы метаболического синдрома как состояния высокого риска атеросклеротических заболеваний Текст. / Н.В. Перова, В.А. Метельская, Оганов // Международный медицинский журнал 2001;7(3):6- 10.

79. Петри, А. Наглядная статистика в медицине Текст. / А. Петри, К. Сэбин. Пер. с англ. Леонова В.П. М.: ГЭОТАР-МЕД, 2003. 144с.

80. Поспелов, Г.С. Искусственный интеллект основа новой информационной технологии Текст. / Г.С. Поспелов - М.: Наука, 1988.-168 с.

81. Прогнозирование ишемической болезни сердца с использованием геномных и компьютерных технологий Текст. / Ю.И. Журавлев, Г.И. Назаренко, В.В. Рязанов, Е.Б. Клейменова // Кардиология, 2010.-том 49, №1.

82. Прогностическая значимость различных методов оценки риска ишемической болезни сердца Текст. / Ю.И. Журавлев, Г.И. Назаренко, В.В. Рязанов, Е.Б. Клейменова // Клиническая геронтология: научно-практический журнал. 2009. №8.

83. Профилактика, диагностика и лечение артериальной гипертензии. Российские рекомендации (второй пересмотр). М.: ВНОК. 2004. 20 с.

84. Рашевски, Н. Некоторые медицинские аспекты математической биологии Текст. / Н. Рашевски. М.: «Медицина», 1966. 244 с.

85. Симоненко, В.Б. Функциональная диагностика: руководство для врачей общей практики Текст./ В.Б. Симоненко, А.В. Цоколов, А.Я. Фисун. М.: ОАО "Издательство "Медицина", 2005. 304с.

86. Соколов, Е. И. Эмоции и атеросклероз Текст. / Е. И. Соколов. М., 1987. 253 с.

87. Сопоставление результатов ангиографии коронарных артерий и генетических маркеров у пациентов с ишемической болезнью сердца / Назаренко Г.И., Клейменова Е.Б., Янус В.М., Анохин Н.В., Гущина Н.Н. // Сердце. 2009 том 8, №1. С. 38-43.

88. Тарасов, В.Б. От искусственного . интеллекта к искусственной жизни: новые направления в науках об искусственном интеллекте Текст./ В.Б. Тарасов // Новости искусственного интеллекта. 1995. №4. С. 24-30.

89. Тэрано, Т Прикладные нечеткие системы: пер. с японского Текст. / Под ред. Т. Тэрано, К. Асаи, М. Сугено. М.: Мир, 1993.

90. Умарова, Х.Я. Клинико-патогенетические особенности ишемических инсультов в молодом возрасте Текст. / ХЛ. Умарова, П.Р. Камгатнов, А.В. Чугунов // Журнал неврологии и психиатрии им. С. С. Корсакова. (Приложение «Инсульт»). 2004. — № 11. С. 39—43.

91. Упницкий, А.А. Комбинированная (дипиридамол + чреспищеводная электрическая стимуляция предсердий) электрокардиографическая проба в диагностике минимального коронарного атеросклероза Текст./ А.А. Упницкий, В.П. Мазаев. Кардиология, 1992. 910. С. 50-53.

92. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика: пер. с англ. Текст./ Ф. Уоссермен. М.: Мир, 1992. 240 с.

93. Фейгин, В. JI. Эпидемиология мозгового инсульта в Сибири Текст. / B.JI Фейгин, Ю.П. Никитин, Д.О. Вивере и др. // Журнал неврологии и психиатрии им. С. С. Корсакова. 2001. — Т. 101. № 1. С. 52-55.

94. Филист, С.А. Методика вейвлет-диагностики дисфонии по фонеме И Текст. / С.А. Филист, О.В. Шаталова, Н.В. Краснова Вестник новых медицинских технологий. - Тула, 2006. Т. XIII, №2. С. 21-22.

95. Филист, С.А. Методы двумерного спектрального преобразования электрокардиосигналов в ранней диагностике сердечно-сосудистых заболеваний Текст./ С.А. Филист. Биомедицинская радиоэлектроника, 2001. №3. С. 14-20.

96. Филист, С.А. Нейросетевой решающий модуль для исследования живых систем Текст./ С.А. Филист, С.Г. Емельянов, А.Ф. Рыбочкин// Известия Курского государственного технического университета №2 (23), 2008. С. 77-82.

97. Флетчер, Р. Клиническая эпидемиология. Основы доказательной медицины Текст. / Р. Флетчер, С. Флетчер, Э. Вагнер. М.: Медиа Сфера. 1998. 352 с.

98. Фомина, И.Г. PROGRESS во вторичной профилактике инсульта Текст. / И. Г. Фомина, В.А. Парфенов, Р.Г. Оганов // Кардиоваскулярная терапия и профилактика. 2002. — № 1. С. 61-67.

99. Хайкин, С. Нейронные сети: полный курс Текст. / С. Хайкин. -М.: ООО «И.Д. Вильяме», 2006. 1104 с.

100. Шестакова, М. В. Сердечно сосудистые факторы риска у пожилых больных сахарным диабетом 2 типа и методы их коррекции Текст. / М. В.Шестакова, Л. А. Чугунова, М. Ш. Шамхалова// Русский медицинский журнал 2002; 10; 11:480-485.

101. Шнейдер, Ю.А. Хирургическое лечение ИБС Текст./ Ю.А. Шнейдер, / В кн.: Атеросклероз коронарных артерий и ИБС. СПб., 2004. С. 326-340. ■ .

102. Austin MA, Breslow JL, Hennekens CH, Bunng JE, Willett WC, Krauss RM. Low-density lipoprotein subclass pattern and risk of myocardial infarction. JAMA. 1988:260:1917-1921.

103. Bernardes, R. Mapping the human blood-retinal barrier function / R. Bernardes, J. Dias, J. Cunha-Vaz // IEEE Trans. Biomed. Eng. 2005. - Vol. 52 (1)-P. 106-116.

104. Bruce R. Exercise testing of patients with coronary heart disease // Ann. Clin. Res. -1971. V. 3. - P. 323-332.

105. Distante A, Povai D, Picano E. et al./ Noninvasive detection of transient ischemic changes in cardiac mechanics by M-mode and two-dimensional Echocardiography // Ather. Rev. 1983. - V. 10. - P. 41-50.

106. Doll R, Peto R. Mortality in relation to smoking: tventy years observation of male British doctors // BMJ. 1976. - V. 2. - P. 1525-1536.

107. Executive summary of the Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III). JAMA.2001 ,-285:2486-2497.

108. Hebert PR, Gaziano JM, Chan KS, Hennekens CH. Cholesterol lowering with statin drugs, risk of stroke and total mortality: an overview of randomized trials. JAMA. 1997:278:313-321.

109. Hennekens CH. Clinical and research challenges in risk factors for cardiovascular diseases. Eur Heart J. 2000:21:1917-1921.

110. Hennekens CH. Current perspectives on lipid lowering with, statins to decrease risk of cardiovascular disease. Clin Cardiol. 2001;24(suppl 7): II2-II5.

111. Hennekens CH. Increasing burden of cardiovascular disease: current knowledge and future directions for research on risk factors. Circulation. 1998:97:1095-1102.

112. Lee, C.C. Fuzzy logic in control systems: fuzzy logic controller-part I, II // IEEE Trans, on Systems, Man and Cybernetics, Vol. 20,1990. -№2 -P. 404435.

113. Lippmann R.P. An introduction to computing with neural nets // IEEE ASSP Magazin, April, 1987. P. 4-20.

114. Pandua, A.S. Pattern recognition with neural networks in С++. -Boca Raton: CRC Press: 1996. -410 p.

115. Ridker P.M, Cushman M, Stamp fer MJ, Tracey RP, Hennekens CH. Inflammation, aspirin, and the risk of cardiovascular disease in apparently healthy men. N EnglJ Med. 1997:336:973-979.

116. Rubins H.B, Robins S.J., Collins D, el al. Gemfibrozil for the secondary prevention of coronary heart disease in men with low levels of high-density lipoprotein cholesterol. N EnglJ Med. 1999;341:410-418.

117. Rubins HB, Robins SJ, Collins D, el al. Gemfibrozil for the secondary prevention of coronary heart disease in men with low levels of high-density lipoprotein cholesterol. N EnglJ Med. 1999;341:410'-418.

118. Rumelhart, D.E. Learning integral representations by error propagation // Parallel Distributed Processing, Vol. 1, 1986.- № 8 -P.318-362.

119. Srinivasan D. Forecasting daily load curves using a hybrid fuzzy-neural apporoach // IEE Proc Generat. Transmiss. Distrib., Vol. 141, 1994- №6-P. 561-567.

120. Summary of the second report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Pane. II). JAMA. 1993:269:30153023.

121. Wilson PWF. D 'Agostino RB, Levy D, et al. Prediction of coronary heart disease risk factor categories. Circulation. 1998:97:1837-1847.

122. Zadeh L.A. Fuzzy algorithms // Information and control. Vol. 12, 1968.- №2-P. 233-238.

123. Акт выдан для предоставления в диссертационный совет.

124. Начальник учебного отдела к.т.н, доцент1. Романченко А.С.1. Зав. кафедрой БМИпреподаватель кафедры БМИ, к.т.н.1. Шаталова О.В.1. Кореневский Н.А.1. Ф.Н.Борозенец2010г.1. АКТоб использовании предложения

125. Авторы внедрения: Ваил Абдулкарим Аль-Муаалеми, Мишустин Владимир Николаевич.1. Источник предложения:

126. Модели рисков сердечно-сосудистых заболеваний с учетом вязкоупругих свойств тканей (Текст)/ В.А.Аль-Муаалеми, К.Дали Кассим, С.А.Филист// Известия ЮФУ. Технические науки. Тематический выпуск. Таганрог. Изд-во ТТИЮФУ, 2009, № 10. С.67-71.

127. Объект внедрения (методика, способ, описание): Способ прогнозирования атеросклероза и его осложнения посредством взаимного спектрального анализа окклюзионных фотоплетизмограмм.

128. Практическое использование результатов научных исследований позволяет:- в ходе профилактических обследований формирование индивидуальных программ по профилактике и лечении. Атеросклероза и его осложнений.

129. Использовано с 01 февраля 2009г. в хирургическом отделении МСЧ-125 г. Курчатова.

130. Зав. хирургическим отделением /&1СЧ-125 г. Курчатова1. В.Г.СоболевQ

131. Утверждаю»\/ Ректор ГОУ ВПО государственный ий университет В.А. Лазаренко &-{ 2010 г.1. АКТоб использовании предложения

132. Авторы внедрения: Ваил Абдулкарим Аль-Муаалеми, Филист Сергей Алексеевич Источник предложения:

133. Модели рисков сердечно-сосудистых заболеваний с учетом вязкоупругих свойств тканей Текст. / В.А. Аль-Муаалеми, К.Д. Али Кассим, С.А. Филист // Известия ЮФУ. Технические науки. Тематический выпуск. Таганрог. Изд-во ТТИЮФУ, 2009, №10. С.67-71.

134. Объект внедрения (методика, способ, описание)

135. Способ прогнозирования атеросклероза и его осложнений посредством взаимного спектрального .анализа окклюзионных фотоплетизмограмм.

136. Практическое использование результатов научных исследований позволяет:- в ходе профилактических обследований формирование индивидуальных программ по профилактике и лечения атеросклероза и его осложнений.

137. Использовано с «1» февраля 2009г. На кафедре хирургических болезней ФПО КГМУ

138. Зав. кафедрой хирургических болезней ФПО КГМУ, профессорlB.A. Лазаренко