автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методы формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения

На правах рукописи

003067443

МЕТОДЫ ФОРМАЛИЗАЦИИ ПРОФЕССИОНАЛЬНЫХ ЗНАНИЙ ВРАЧА НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ЗДОРОВЬЯ ПАЦИЕНТА И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

Специальность 05.13.01 - Системный анализ,

управление и обработка информации

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2006

003067443

Работа выполнена в Воронежском государственном техническом университете

Научный руководитель Официальные оппоненты:

Ведущая организация

доктор технических наук, доцент Разинкин Константин Александрович

доктор технических наук, профессор Львович Игорь Яковлевич; кандидат технических наук, доцент Воронин Александр Иванович

Курский государственный технический университет

Защита состоится 26 января 2007 г. в 14 часов в конференц-зале на заседании диссертационного совета Д 212.037.02 Воронежского государственного технического университета по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета

Автореферат разослан « 26 » декабря 2006 г.

Ученый секретарь диссертационного совета

Федорков Е.Д.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Проблемы формализации и структуризации знаний в различных областях человеческой деятельности и принятия на их основе обоснованных и адекватных управленческих решений занимают в настоящее время особое место в информационных технологиях. При этом все большую актуальность приобретают задачи медицинской диагностики и выбора тактики лечения, так как в данном случае значительная часть информации об объекте исследования носит невербальный характер, а роль опыта и интуиции врача в выборе комплекса клинико-диагностических мероприятий весьма велика.

В современной теории идентификации все более важную роль начинают играть методы, привлекающие лингвистическую информацию при построении моделей нелинейных зависимостей. Одним из наиболее разработанных в инженерном отношении инструментов учета лингвистической информации является теория нечетких множеств и нечеткая логика.

Вместе с тем, успешное освоение новых терапевтических методик и лечебно-диагностических технологий, усложнение методов и средств мониторингового контроля физиологических показателей стимулировали значительное увеличение объема информации, поступающей в распоряжение врачей, что приводит к формированию неопределенности в выборе целей на текущих этапах лечебных и реабилитационных мероприятий. Необходимость учета большого числа взаимосвязанных факторов и быстро меняющихся требований к адекватной оценке и прогнозированию состояния больного, выбору и корректировке схемы лечения диктует необходимость использования вычислительной техники в рамках систем интеллектуальной поддержки принятия решений. В этой связи очевидна не: обходимость разработки методов, позволяющих получать точные, адекватные и воспроизводимые результаты, необходимые для анализа результатов диагностики и лечения больных, поиска путей повышения их эффективности, проверки и обоснования выдвигаемых врачами гипотез -всего того, что принято называть научной работой в клинической медицине. Таким образом, актуальность темы диссертационного исследования определяется необходимостью разработки методов прогнозирования и алгоритмов оптимального управления в рамках структуры информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе» в рамках одного из основных направлений Воронежского государственного технического университета «Биомедкибернетика, компьютеризация в медицине».

Цель и задачи исследования. Целью исследования является разработка методов формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения. Для достижения поставленной цели необходимо решить следующие задачи:

провести системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации;

сформировать структуру информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов;

предложить методику формализации исходной нечеткой информации в терминах лингвистических переменных и формирования правил вывода в общей структуре информационного обеспечения;

разработать алгоритм формирования нелинейных регрессионных моделей для описания-процесса течения заболеваний на основе подбора линеаризующего преобразования;

построить комплекс нелинейных регрессионных моделей динамики физиологических показателей и предложить оптимизационную процедуру выбора тактики лечения;

реализовать математический аппарат численных расчетов в рамках предложенных методов и алгоритмов и оценить эффективность его использования по результатам клинической апробации.

Методы исследования. Для решения поставленных задач использовались основные положения теории вероятности и математической статистики, теории информации, методов нечеткой логики, основных положений теории управления биосистемами.

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

структура информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора так-

тики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов, отличающаяся введением информационных оценок эффективности принятия решений в клинической практике на основе энтропийных критериев полезности информации;

методика формализации исходной нечеткой информации в терминах лингвистических переменных, отличающаяся применением композиционного правила вывода в общей структуре информационного обеспечения;

метод формализации динамики физиологических показателей в виде нелинейных моделей множественной регрессии, отличающийся использованием модифицированного алгоритма подбора линеаризующего преобразования;

комплекс нелинейных регрессионных моделей на примере изучения динамики ведущих показателей гомеостаза при экзотоксическом шоке при традиционном лечении, вспомогательном кровообращении и экстракорпоральной оксигенации крови и предложить оптимизационную процедуру выбора тактики лечения, отличающуюся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

Практическая значимость и реализация результатов работы. Сформированы принципы создания инвариантной среды формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения. Внедрение разработанных моделей и методов позволяет сократить время диагностики нарушений системы гомеостаза, максимально индивидуализировать программу лечения, проводить коррекцию осложнений на основании данных о состоянии пациента. Учет динамики контролируемых физиологических показателей, алгоритмические схемы адаптивного форми-1 рования оценок эффективности лечения позволили врачам выбирать более эффективную схему терапевтических мероприятий. Результаты диссертации внедрены в практику работы отделения анестезиологии и реанимации №1 Воронежской областной клинической больницы. Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на кафедре «Системный анализ и управление в медицинских системах» для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы".

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: III Международная электронная научная конференция «Современные проблемы информатизации» (Воронеж, 1998); труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); Всероссийская научно-практическая конференция «Духовность, нравственность, патриотизм» (Воронеж, 2002); Международная научно-практическая конференция «Качество образования на современном этапе развития: концепции и практика» (Орел, 2002); Международная научно-практическая конференция молодых ученых и специалистов «Социально-экономическое развитие регионов: реальность и перспективы» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Современные сложные системы управления» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Информация, коммуникации общество» (Санкт-Петербург, 2003); Всероссийская научно-практическая конференция «Интеллектуальные информационные системы» (Воронеж, 2003); Всероссийская конференция «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2004); Всероссийская конференция «Интеллектуальные информационные системы» (Воронеж, 2005)

Публикации. По теме диссертации опубликовано 17 научных работ, в том числе 1 в изданиях по перечню ВАК РФ. В работах, опубликованных в соавторстве, лично соискателю принадлежит: в [1, 3, 4, 5, 7, 8] рассмотрены информационные оценки эффективности принятия решений в клинической практике; в [9, 12] представлена алгоритмизация инновационных признаков состояния пациентов; в [13, 16, 17] обоснованы особенности создания понятийных моделей сложных процессов; в [6, 10, 14] рассмотрены характеристики задач нечеткого математического программирования; в [2, 11, 15] проведен анализ методов диагностики и формирования понятий.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, изложенных на 124 страницах, списка литературы (113 наименований), приложения, содержит 7 рисунков, 23 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, определены цель и задачи исследования, определены научная новизна и практическая значимость результатов исследования.

Первая глава посвящена изучению путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации. Проанализированы особенности методов диагностики сложных объектов и формирования понятий при формализации профессиональных знаний. Показана роль системного анализа в принятии решений для задач медицинской диагностики и выбора тактики лечения. В этой связи сформулированы требования для дальнейшего повышения эффективности прогнозирования развития заболевания и рационализации тактики лечения. Исходя из перечисленных требований, определены цель и задачи исследования.

Во второй главе рассмотрены особенности формирования структуры информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения. Показано, что поскольку прогнозирование состояния больных требует накопления информации, целесообразным является использование оперативного мониторирования динамики показателей как в непрерывном, так и в дискретном режимах. С другой стороны, объем поступающей к врачу информации диктует необходимость формирования алгоритмических процедур снижения параметрической избыточности, фильтрации информации и оптимизации признакового пространства за счет сокращения числа недостоверных сообщений и неинформативных показателей. В качестве методологической основы для формирования структуры информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения предлагается модификация общей схемы факторного анализа на основе метода экстремальной группировки параметров, заключающейся в разбиении параметров на классы, оптимизирующие функционал Jí, называется экстремальной группировкой параметров. Под задачей экстремальной группировки набора случайных величин х<",лг121,...,л:""на заранее заданное число классов ¿/понимают отыскание такого набора подмножеств 5,,^....^ натурального

ряда чисел 1,2,...р, что = {1,2,-,р}, а =0 при /*<?и таких //нор-

мированных (т.е. с единичной дисперсией О /"' = 1) факторов /П),/"\...,/'р), которые максимизируют какой-либо критерий оптимальности.

В качестве критерия оптимальности используется функционал

J^Y\corr(x«\fm)]+..Л Т[согф»,Г)1 (1)

г

в котором пбд согг(х, /) понимается обычный парный коэффициент корреляции между признаком хи фактором /. Обозначим

4 ={хг(,>,/е5'(},7 = 1,2.....р. Максимизация функционала (как по разбиению

признаков на группы так и по выбору факторов /(1>,/(2),...,/"'>) от-

вечает требованию такого разбиения параметров, когда в одной группе оказываются наиболее «близкие» между собой, в смысле степени коррелированное™, признаки. Далее рассматривается оценка информативности лабораторных показателей и клинических симптомов, основанная на вероятностном определении количества информации, предложенном К. Шенноном.

1. Для определения относительного количества информации 10, которое оценивает тяжесть данного симптома, используется следующее выражение:

где II' |о2 Р,— энтропия распределения данного симптома среди всех больных; Нх'к =-^/v„ log pxtl - условная энтропия распределения дан-

х

ного симптома при известной группе тяжести; #' = log рк - энтропия

¡г

распределения больных по группам тяжести; при этом я' >Я* так

что 1 < /0 < о.

2. Для оценки информативности лабораторных показателей целесообразно использовать для оценки тяжести от значения данного лабораторного показателя х. При этом выражение для энтропии Нк сохраняется, а энтропии Н" и Нх/к определяются следующим образом:

Н" = — jJ"{x)log f (x)dx - энтропия распределения данного лабораторного

показателя;

Н"'' = рк ¡/(х/к)\а£(х/к)<1х - средняя энтропия распределения лабо-

* X

раторного показателя при известной группе тяжести;/(х\£) — условная плотность распределения данного лабораторного показателя среди больных к-ой группы тяжести;/^ = - безусловная плотность рас-

к

пределения данного лабораторного показателя. Однако рассмотренные алгоритмы оценки информативности показателей справедливы только для числовых данных. В этой связи возникла необходимость разработки методики формализации исходной нечеткой информации в терминах лингвистических переменных. Для решения данной задачи введен ряд основных формализмов, необходимых для определения нечетких баз знаний, являющихся носителем экспертной информации.

Предложим, что рассматривается объект с одним выходом и п входами вида:

У ~ /у(х1>хг>—>хп), (3)

где у-выходная переменная; х1,х1,...,х„ - входные переменные.

Для качественных переменных х,+х„ и у предполагается, что известны множества всех возможных значений

/ = й, (4)

(5)

где у' (у^') - балльная оценка, соответствующая наименьшему (наибольшему) значению входной переменной х„ /О*-) - балльная оценка, соответствующая наименьшему (наибольшему) значению выходного переменной у, д,,/ = Ъл и дт - мощности множеств (4) и (5).

Для оценки лингвистических переменных х, и у предполагается использовать качественные термы из следующих терм-множеств:^, = {а',а,2,..„а''} - терм-множество переменной х„ Б = {с1^с1г,...,</„}. Мощности терм-множеств 4,/ = 1,л в общем случае могут быть различны, т.е. /, * /2 *...*/„. Лингвистические термы а?еА, и /> = Ц , / = 17п

]-й лингвистический терм переменной^, т - число различных решений в рассматриваемой области) будем рассматривать как нечеткие множества, заданные на универсальных множествах и,я У, определенных соотношениями (4), (5).

В случае качественных переменных х. и у нечеткие множества а? и ¿] определяются как:

г=1

где (у*)- степень принадлежности элемента у* е {/,. терму а'еА, р = / = Пч, А = ^'{у'У степень принадлежности элемента /еУ терму-решению е £>, у = йя.

Далее изложены особенности формирования нечеткой матрицы знаний, которые определяют систему логических высказываний типа <если-то, иначе>, связывающих значения входных переменных с одним из возможных типов решений с одним из возможных типов решения й,:

еслм(х, = а,")и(д:2 = о") и...и(х„ = о") или (6)

= а") и (х, = а") и ...и (х„ = а") или....

то у = е/,, иначе

если (х, = О и (х, = я22') и...и(хп = а") или (х, = а22) н(хг =а?) и...и(дгя = а22)или

где ¿^(у = 1,т)- лингвистическая оценка выходной переменной у, определяемая из терм-множества £); а',"- лингвистическая оценка входной переменной дг,в р-н строкеу-ой дизъюнкции, выбираемая из соответствующего терм-множества количество правил, определяющих значение вы-

ходной переменной. Будем называть подобную систему логических высказываний нечеткой базой знаний.

С использованием операций и (ИЛИ) и п(И) система логических высказываний (6) может быть переписана в более компактном виде:

и,

-*у = И1,] = \,т. (7)

p-.iL

Таким образом, искомое соотношение (3), устанавливающее связь между входными параметрами х,и выходной переменной у, формализовано в виде системы нечетких логических высказываний (7), которая базируется на введенной матрице знаний.

Далее рассмотрим особенности формирования правил вывода в информационной базе. Постановка задачи сводится к необходимости разра-

ботки алгоритма принятия решения, позволяющего фиксированному множеству (а[,а\,...,а'н), а," е Л,,...,а„ е Ап качественных оценок параметров состояния конкретного объекта поставить в соответствие решение-класс ¡/'ей.

Каждый класс с11 е Ду = \,т представляет собой нечеткое множество:

г=1

где V/ е IV, \¥- универсальное множество, определяемое соотношением (5).

*

Аналогично, нечеткое множество « 6 & выражается соотношением а' =^р(с1',м>г)/м>г.

Г. I

Для интерпретации нечеткого множества ^ ей' необходимо найти нечеткое множество с? е.о = {¿1,с11,...,с1т}, являющееся ближайшим к нечеткому множеству о?" с . Для решения этой задачи предлагается следующий алгоритм, основанный на минимизации обобщенного расстояния по Хеммингу.

1. Вычислить расстояние Хемминга между и сГ

ДЛЯ всех ] = \,т.

2. Выбрать такое . е О, для которого

Найденному нечеткому множеству и будет соответствовать

искомое решение. С целью объективизации правильности принимаемых врачебных решений в рамках системы поддержки принятия решений введены информационные оценки эффективности выбора врачебных решений, основанные на определении количества полезной информации, извлекаемой при исключении заведомо ошибочных вариантов терапевтической тактики.

В третьей главе посвящена вопросам алгоритмизации прогнозирования и оптимального управления в задачах медицинской диагностики и выбора тактики лечения.Показано, что формы нечеткого описания исходной информации в задачах принятия решений могут быть различными; отсюда и различия в математических формулировках соответствующих

задач нечеткого математического программирования. Приводятся некоторые из таких постановок. На основании выделенных наиболее значимых показателей состояния больных показано, что наиболее приемлемой формой прогнозирования течения осложнений у больных является интеграция данных оперативного мониторинга и имеющейся ретроспективной информации с построением по этим двум составляющим математической модели, включающей оценку влияния на результативный признак, как показателей состояния, так и временного фактора. С этой целью в работе представлен подход к прогнозированию течения заболеваний на основе нелинейных моделей множественной регрессии, с использованием модифицированного алгоритма подбора линеаризующего преобразования на основе параметризации регрессионной модели. Этап параметризации регрессионной модели, т.е. выбора параметрического семейства функций {Г(Х,А)}, в рамках которого производится дальнейший поиск неизвестной функции регрессии С(Х) = Е (у|Х), является одновременно наиболее важным и наименее формализованным и теоретически обоснованном этапом регрессионного анализа. 3 ходе теоретического обоснования подходов к формированию комплекса полиномиальных моделей множественной регрессии осуществлен подбор таких преобразований к анализируемым переменным у, х(1), х(2), ..., х(п>, которые позволяли представить искомую зависимость в виде линейного соотношения между преобразованными переменными; другими словами, если go, ..., - искомые функции, которые определяют переход к преобразованным переменным, т.е. 57=&)(у), Зс(!) = Е1(х(1)), х(2) = ёг(х(2}), х(п) = ёп(х(п)), то связь между у и X = (х0), х<2), ..., х(п)) может быть представлена в виде линейной функции регрессии у и X на основе процедуры линеаризации, а именно:

Д^а.+Е^Г+е,- (8)

В результате поиска и формализации функций g2, ..., §„, которые по отдельности описывают наилучшим образом функцию у, то представляется целесообразным представление функции, описывающей модель нелинейной регрессии, в виде аддитивной свертки :

У1 =*о + (9)

Обобщенная схема алгоритма анализа данных и построения моделей идентификации состояния здоровья пациента и выбора тактики лечения представлена на рис. 1.

ю

В четвертой главе представлена реализация методов формализации знаний врача в рамках интеллектуальных технологии идентификации состояния пациента и выбора тактики лечения на примере моделирования ведущих показателей экзотоксического шока в зависимости от вариантов терапевтического воздействия: традиционного лечения, в условиях вспомогательного кровообращения и экстракорпоральной оксигенации крови. С этой целью разработан комплекс прогностических моделей основных показателей гомеостаза больного при лечении тяжелого экзотоксического шока (ОЦК - объем циркулирующей крови, УИ - ударный индекс и УПС - удельное периферическое сопротивление). Пространство параметров входных и выходных переменных после реализации алгоритмических процедур снижения параметрической избыточности, фильтрации информации и оптимизации признакового пространства за счет сокращения числа недостоверных сообщений и неинформативных показателей представлено в табл.1.

Таблица 1

Наименование параметров моделей

Вид Наименование параметра Обозначение

параметра в моделях

Xi площадь тела пациента St

х2 площадь аорты Sa

х3 частота сердечных сокращений CHSS

Х4 среднее артериальное давление AD

х5 средняя скорость кровотока V

y, объем циркулирующей крови OSK

y2 ударный индекс UI

y3 удельное периферическое UPS

сопротивление

С использованием статистического пакета Statraphics for Windows 6.0 получили линейные регрессионные модели для параметров пространства Y, а именно: ОЦК, УИ и УПС. После проверки на адекватность моделей установили, что ни одна из построенных линейных регрессионных моделей не отвечает условиям адекватности математического описания результатам эксперимента. При построении квадратичных моделей также были получены неудовлетворительные показатели адекватности и точности моделей. Поэтому для прогнозирования динамики показателей

Рис.1,Схема алгоритма анализа данных и построения моделей идентификации состояния здоровья пациента и выбора тактики лечения

гомеостаза использовался подход, связанный с построением нелинейной регрессионной модели за счет введения процедуры параметрической линеаризации исходной модели. Рассмотрим пример формирования модели, где в качестве выходной переменной выступает объем циркулирующей крови (ОЦК). Для этого подберем такие функции g2, ..., которые бы по отдельности оптимальным способом описывали выходной параметр. Результаты подбора таких функций представлены в табл. 2.

Таблица 2

Подбор оптимальных функции по каждому из параметров пространства У

Параметр Ба СНББ АО V Т

Функция у ~ 1п X у~е(а/х) у ~ 1/(а+Ьх) у~х у~х у~ 4~х

После подбора регрессионных коэффициентов и проверки их значимости получили следующую нелинейную регрессионную модель: 08К = -78,1 + 2,9 1п ф) + 0,94 е(4'37-0-та) + + 0,9/(0,011 + 0,00001бСН88) + ОД1АО + 0,28У - 0,28 4Т Проверив полученную модель на адекватность и получив неравенство расчетного и табличного значения критерия Фишера в виде Ррасч = 13,42 > РТабл = 3,02, можно считать построенную модель адекватной результатам эксперимента. Прогноз динамики изменения ОЦК при различных

тактиках лечения представлен на рис. 2.

^ШШ^шу^ДШ^щ^Г1..........—"—ши

30 • 20 • 10 •

0 ■!-----1 . |—1-1

О 10 20 30 «О во 60 120

Ё2Ш 7*-* I

Рис.2. Прогноз динамики ОЦК при различных тактиках лечения.

Далее предлагается формализация процедуры рационального выбора тактики лечения на основе формирования адаптивной процедуры синтеза обобщенного показателя эффективности лечения, введены показатели

эталонных значений показателей динамики гомеостаза при тяжелом эк-зотоксическом шоке у"'1 и остаточного значения параметрау0)- уГ"-

Остаточное значение параметра у$) - это абсолютное отклонение между значением параметра у$) в любой момент времени т от его идеального значения у"д:

уГ(т) = \у,(т)-у,ид\. (10).

Для количественной характеристики меры остаточного значения за время 1ф используем следующую формулу:

У,

уг = / |У,(о: - уп^.

I]

л

\

Л.

(П) (12)

Нормализуя значения уь получим:

ЛуХО-У?-у:

у; -у;

Для свертки остаточных значений у\ необходимо подобрать весовые коэффициенты важности, так как один параметр может варьироваться значительно, а другой нет, то воспользуемся подбором весовых коэффициентов по формуле:

к"* = -

У,

<-' У.

(13)

Далее получим обобщенный критерий оптимальности остаточных значений:

5 = 1

ы у.

(14)

Вычислив Б для различных трех тактик лечения, оптимальным из них будет Б :

Б* =гпт (Бь Бг, 83). (15)

В качестве примера адаптации предложенных методов и алгоритмов к задачам медицинской диагностики в работе рассмотрены подходы к дифференциальной диагностике ишемической болезни сердца на основе методов нечеткой классификации. В соответствии со сложившейся клинической практикой тяжесть ИБС определялась на следующих уровнях, ко-

торые считаются типами диагнозов (от низшего к высшему): с1г нейро-циркуляторная дистония (НЦЦ) легкой степени; с1- НЦЦ средней степени; Ы3- НЦЦ тяжелой степени; с1А- стенокардия первого функционального класса; ¿5- стенокардия второго функционального класса; с1ъ- стенокардия третьего функционального класса. Параметры *,.,( = 1,12, определенные на множестве входных переменных как наиболее информативные, рассматриваются как лингвистические переменные. Кроме того, вводятся следующие лингвистические переменные: у- опасность ИБС, которая измеряется уровнями;¿{+с16- инструментальная опасность; 2- биохимическая опасность.

Структура модели для дифференциальной диагностики ИБС отвечает соотношениям:

Для оценки значений лингвистических переменных Х1 а также г. будем использовать единую шкалу качественных термов: Н - низкий, нС - ниже среднего, С - средний, вС - выше среднего, В - высокий. Каждый из этих термов представляет нечеткое множество, заданное с помощью соответствующей функции принадлежности.

Пользуясь введенными качественными термами и знаниями эксперта, представим соотношения (16-18) в виде системы нечетких логических уравнений, связывающих функции принадлежности диагнозов и входных переменных с учетом операций » (И - min) и v (ИЛИ - шах), например,

Введем интервалы изменения каждой переменной к одному универсальному интервалу [о,4] с помощью следующих соотношений:

У ~ fy{x 2>x}>x4>x5ix\0>x\\) }

d = /„(*!, У, г),

(16)

(17)

(18)

fiJ(xl) = fti{u), и = 4=—=, j = Н,НС,С,ВС,В,

X, - Xj

На примере нечеткого уравнения (19) вместе с функциями принадлежности нечетких термов (20), позволяющих принимать решение об уровне ИБС, по следующему алгоритму:

1. Зафиксируем значения параметров состояния больного

Л'" = {х',х'2,...,х'и).

2. Используя модель (20) и параметры b и с, определяются значения функций принадлежности м'{х') ПРИ фиксированных значениях параметров x',i = Ц2.

3. Используя логические уравнения, представленные на примере уравнения (17), вычислим значения функций принадлежности //'(r'.xj,...,*,^) при векторе состояния X' =(х[,х'2,...,х'п) для всех диагнозов dl,d1,...,ds. При этом логические операции И(л) и ИЛИ( v) над функциями принадлежности заменяются операциями min и тах.

4. Определим решение d), для которого:

/.1,12

Примеры численных расчетов по предложенной методике представлены в рамках клинических примеров, приведенных в диссертационной работе.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации и определены требования к рационализации аналитического описания биомедицинских систем.

2. Сформирована структура информационного обеспечения интеллектуальных технологий идентификации с учетом задач медицинской диагностики и выбора тактики лечения, ориентированная на интеграцию алгоритмов статистической обработки информации, направленных на фильтрацию информации на основе метода экстремальной группировки параметров, а также методы вероятностного определения количества информации на основе энтропийных оценок в рамках системы поддержки принятия врачебных решений.

3. Обоснованы информационные оценки эффективности математического обеспечения принятия врачебных решений и определен ряд дополнений к традиционным средствам интеллектуальной поддержки решений по терапевтиче-

ской тактике, обеспечивающих более эффективное накопление в процессе выбора скрытой информации.

4. Разработана методика формализации исходной нечеткой информации в терминах лингвистических переменных и процедура формирования правил вывода в информационной базе на основе модификации алгоритма принятия решения в условия нечеткой информации, позволяющего фиксированному множеству качественных оценок параметров состояния конкретного объекта поставить в соответствие решение-класс на основе использования композиционного правила вывода.

5. Предложена методика построения регрессионных моделей на основе интеграции данных оперативного мониторинга и ретроспективной информации, включающих оценку влияния на результативный признак, как показателей состояния, так и временного фактора на основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования.

6. Разработан комплекс нелинейных регрессионных моделей динамики ведущих показателей гомеостаза при экзотоксическом шоке при традиционном лечении, вспомогательном кровообращении и экстракорпоральной оксигенации крови.

7. Предложена оптимизационная процедура выбора тактики эфферентной терапии экзотоксического шока, отличающейся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

8. Реализован алгоритм дифференциальной диагностики ишемической болезни сердца на основе методов нечеткой классификации.

9. Комплекс моделей, алгоритмов и программных средств интеллектуальной поддержки принятия решений при выборе тактики лечения интенсивных патологических процессов внедрен в клинический и учебный процессы.

Основные результаты диссертации опубликованы в следующих работах: Публикации в изданиях, рекомендованных ВАК РФ

1. Разинкин К.А. Особенности формирования структуры информационного обеспечения интеллектуальных технологий идентификации/ К.А. Разинкин, A.B. Паринов // Вестник Воронежского государственного технического университета. 2006. Т. 2. №7. С. 168-170.

Статьи

2. Паринова JI.B. Исследование целевой функции оптимизационной булевой задачи с помощью численного статистического моделирования / Л.В. Паринова, A.B. Паринов, В.Н. Фролов // Высокие технологии в технике, медицине и образовании: межвуз. сб. науч. тр. - Воронеж: ВГТУ, 2000. С. 85-90.

3. Разинкин К.А. Информационные оценки эффективности принятия решений в клинической практике / К.А. Разинкин, A.B. Паринов // Высокие тех-

нологии в технике, медицине и образовании: межвуз. сб. науч. тр. - Воронеж: ВГТУ, 2001. С. 150.

4. Паринов A.B. Аспекты формирования оптимизационной модели выбора начального плана лечения / A.B. Паринов, О.Н. Чопоров, К.А. Разинкин // Интеллектуализация управления в социальных и экономических системах: труды всерос. конф. Воронеж. 2003. С. 186-188.

5. Федянина Я.В. Лингвистическая структуризация медицинской информации в рамках нечеткой классификации и распознавания патологических процессов / Я.В. Федянина, A.B. Паринов, К.А. Разинкин // Интеллектуальные информационные системы: труды всерос. конф. Воронеж. 2003. 4.1. С. 118.

6. Федорков Е.Д. Комплексный анализ показателей вариабельности ритма сердца и поздних потенциалов желудочков у больных с ишемической болезнью сердца / Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 122-125.

7. Федорков Е.Д. Алгоритмизация инновационных признаков состояния пациентов / БД. Федорков, A.B. Паринов, К.А. Разинкин // Интеллектуализация управления в социальных и экономических системах: труды всерос. конф. Воронеж, 2004. С.156.

8. Федорков Е.Д. Прогностическое значение поздних потенциалов желудочков, дисперсии интервала Q-T и вариационной пульсометрии у больных перенесших инфаркт миокарда / Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 194-197.

9. Федорков Е.Д. Анализ факторов риска и выбор оптимальной схемы лечения сосудистых поражений при атеросклерозе различных локализаций и сахарном диабете / Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Интеллектуализация управления в социальных и экономических системах: труды всерос. конф. Воронеж, 2004. С. 169.

10. Федорков Е.Д. Оценка значимости предикторов и вероятности риска развития внезапной сердечной смерти при ишемической болезни сердца методами нечёткой логики / Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 194-197.

11. Паринов A.B. К проблеме идентификации систем с хаотической динамикой / A.B. Паринов, К.А. Разинкин, М.В. Питолин // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 35-40.

12. Федорков Е.Д. Алгоритмизация выбора информативных признаков состояния пациентов/ Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Интеллектуализация управления в социальных и экономических системах: труды всерос. конф. Воронеж, 2004. С. 187.

13. Паринов A.B. Особенности создания понятийных моделей сложных процессов / A.B. Паринов, К.А. Разинкин, Е.Д. Федорков // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2005. С.

14. Паринов A.B. Характеристика задач нечеткого математического программирования / A.B. Паринов, К.А. Разинкин, Е.Д. Федорков // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2005. С. 90-97.

15. Федорков Е.Д. Анализ методов диагностики и формирования понятий / Е.Д. Федорков, К.А. Разинкин, A.B. Паринов // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2005. С. 140-143.

16. Разинкин К.А. Алгоритмизация нечеткого оптимального управления в задачах идентификации сложных систем / К.А. Разинкин, Е.Б. Моссула, A.B. Паринов // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2005. С. 147-153.

17. Моссула Е.Б. Особенности методов диагностики сложных объектов и формирования понятий при формализации профессиональных знаний в условиях неопределенности / Е.Б. Моссула, К.А. Разинкин, A.B. Паринов // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж:

127-131.

ВГТУ, 2005. С. 153-159.

Подписано в печать 25.12.2006. Форма" '' ~~' ~ ' атов.

ГОУВПО «Воронежский государственный технический университет» 394026 Воронеж, Московский просп., 14

ВВЕДЕНИЕ

1. ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ФОРМАЛИЗАЦИИ ПРОФЕССИОНАЛЬНЫХ ЗНАНИЙ ВРАЧА НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ

1.1. Особенности методов диагностики сложных объектов и формирования понятий при формализации профессиональных знаний

1.2. Системный анализ проблем принятия решений в задачах медицинской диагностики и выбора тактики лечения

1.3. Цель и задачи исследования

2. ФОРМИРОВАНИЕ СТРУКТУРЫ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

2.1. Методика формирования информационной базы медицинских интеллектуальных систем идентификации

2.2. Формализация исходной нечеткой информации в терминах лингвистических переменных и формирование правил вывода в информационной базе

2.3. Информационные оценки эффективности принятия решений в клинической практике

Выводы второй главы

3. АЛГОРИТМИЗАЦИЯ ПРОГНОЗИРОВАНИЯ И ОПТИМАЛЬНОГО УПРАВЛЕНИЯ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

3.1. Алгоритмизация задач нечеткого математического программирования в задачах идентификации состояния пациента и 60 выбора тактики лечения

3.2. Особенности формирования нелинейных регрессионных моделей для описания процесса течения заболеваний

3.3. Методика формирования систем нелинейных моделей на основе подбора преобразования Бокса-Кокса и линеаризации при помощи параметризации регрессионной модели

Выводы третьей главы

4. РЕАЛИЗАЦИЯ МЕТОДОВ ФОРМАЛИЗАЦИИ ЗНАНИЙ ВРАЧА В РАМКАХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ПАЦИЕНТА И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

4.1. Реализация моделей и алгоритмов, описание прогностического программного инструментария течения экзотоксического шока при различных тактиках лечения

4.2. Диагностика ишемической болезни сердца 105 Заключение 114 Список Литературы 116 Приложение

Актуальность темы. Проблемы формализации и структуризации знаний в различных областях человеческой деятельности и принятия на их основе обоснованных и адекватных управленческих решений занимают в настоящее время особое место в информационных технологиях. При этом все большую актуальность приобретают задачи медицинской диагностики и выбора тактики лечения, так как в данном случае значительная часть информации об объекте исследования носит невербальный характер, а роль опыта и интуиции врача в выборе комплекса клинико-диагностических мероприятий весьма велика.

В современной теории идентификации все более важную роль начинают играть методы, привлекающие лингвистическую информацию при построении моделей нелинейных зависимостей. Одним из наиболее разработанных в инженерном отношении инструментов учета лингвистической информации является теория нечетких множеств и нечеткая логика.

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

В этой связи очевидна необходимость разработки методов, позволяющих получать точные, адекватные и воспроизводимые результаты, необходимые для анализа результатов диагностики и лечения больных, поиска путей повышения их эффективности, проверки и обоснования, выдвигаемых врачами гипотез - всего того, что принято называть научной работой в клинической медицине.

Таким образом, актуальность темы диссертационного исследования определяется необходимостью разработки методов прогнозирования и алгоритмов оптимального управления в рамках структуры информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе» в рамках одного из основных направлений Воронежского государственного технического университета «Биомедкибернетика, компьютеризация в медицине».

Цель и задачи исследования. Целью исследования является разработка методов формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения.

Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации; сформировать структуру информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов; предложить методику формализация исходной нечеткой информации в терминах лингвистических переменных и формирования правил вывода в общей структуре информационного обеспечения; разработать алгоритм формирования нелинейных регрессионных моделей для описания процесса течения заболеваний на основе подбора линеаризующего преобразования; построить комплекс нелинейных регрессионных моделей динамики физиологических показателей и предложить оптимизационную процедуру выбора тактики лечения; реализовать математический аппарат численных расчетов в рамках предложенных методов и алгоритмов и оценить эффективность его использования по результатам клинической апробации.

Методы исследования. Для решения поставленных задач использовались основные положения теории вероятности и математической статистики, теории информации, методов нечеткой логики, основных положений теории управления биосистемами.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: структура информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов, отличающаяся введением информационных оценок эффективности принятия решений в клинической практике на основе энтропийных критериев полезности информации; методика формализации исходной нечеткой информации в терминах лингвистических переменных, отличающаяся применением композиционного правила вывода в общей структуре информационного обеспечения; метод формализации динамики физиологических показателей в виде нелинейных моделей множественной регрессии, отличающийся использованием модифицированного алгоритма подбора линеаризующего преобразования; комплекс нелинейных регрессионных моделей на примере изучения динамики ведущих показателей гомеостаза при экзотоксическом шока при традиционном лечении, вспомогательном кровообращении и экстракорпоральной оксигенации крови и предложить оптимизационную процедуру выбора тактики лечения, отличающуюся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

Практическая ценность и реализация результатов работы.

Сформированы принципы создания инвариантной среды формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения.

Внедрение разработанных моделей и методов позволяет сократить время диагностики нарушений системы гомеостаза, максимально индивидуализировать программу лечения, проводить коррекцию осложнений на основании данных о состоянии пациента.

Учет динамики контролируемых физиологических показателей, алгоритмические схемы адаптивного формирования оценок эффективности лечения позволили врачам выбирать более эффективную схему терапевтических мероприятий. Результаты диссертации внедрены в практику работы кардиологического отделения и отделении реанимации № 1 Воронежской областной клинической больницы. Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на межвузовской кафедре «Системный анализ и управление в медицинских и педагогических системах» для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы" и кафедре «Анестезиологии и реаниматологии» Воронежской государственной медицинской академии им. Н.Н. Бурденко.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждалось на следующих конференциях, семинарах и совещаниях: III Международная электронная научная конференция «Современные проблемы информатизации» (Воронеж, 1998); Труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); Труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); Всероссийская научно-практическая конференция «Духовность, нравственность, патриотизм» (Воронеж, 2002); Международная научно-практическая конференция «Качество образования на современном этапе развития: концепции и практика» (Орел, 2002); Международная научно-практическая конференция молодых ученых и специалистов «Социально-экономическое развитие регионов: реальность и перспективы» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Современные сложные системы управления» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Информация, коммуникации общество» (Санкт-Петербург, 2003); Всероссийская научно-практическая конференция «Интеллектуальные информационные системы» (Воронеж 2003); Всероссийская конференция «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2004); Всероссийская конференция «Интеллектуальные информационные системы» (Воронеж, 2005)

Публикации. Основное содержание диссертационной работы изложено в 17 печатных работах, в том числе 1 в изданиях по перечню ВАК РФ.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, изложенных на 124 страницах машинописного текста, списка литературы из 113 наименований, приложения, содержит 7 рисунков, 23 таблицы.

Выводы третьей главы

1 .Алгоритмизация оптимального управления в задачах медицинской диагностики с учетом вероятностного характера тенденций изменении основных физиологических показателей должна производиться на основе формализованного представления моделей нечеткого прогнозирования и вывода в задачах идентификации состояния пациента и выбора тактики лечения.

2. Предложенная методика построения регрессионных моделей на основе интеграции данных оперативного мониторинга и ретроспективной информации, включающих оценку влияния на результативный признак, как показателей состояния, так и временного фактора позволит учитывать нелинейный характер взаимодействия основных физиологических показателей.

3. На основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования возможна реализация процедура выбора тактики лечения, в частности-эфферентной терапии экзотоксического шока, отличающаяся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

ГЛАВА 4. РЕАЛИЗАЦИЯ МЕТОДОВ ФОРМАЛИЗАЦИИ ЗНАНИЙ ВРАЧА В РАМКАХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ПАЦИЕНТА И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

4.1. Реализация моделей и алгоритмов, описание прогностического программного инструментария течения экзотоксического шока при различных тактиках лечения

Рассмотрим применение методов прогнозирования и выбора оптимальной тактики лечения на примере тяжелого экзотоксического шока (ЭШ).

С этой целью разработан комплекс прогностических моделей основных показателей гомеостаза больного при лечении тяжелого экзотоксического шока (ОЦК - объем циркулирующей крови, УИ - ударный индекс и УПС - удельное периферическое сопротивление) для трех видов лечения: традиционные противошоковые мероприятия, вспомогательное кровообращение в сочетании с операцией замещения крови и гипербарическая оксигенация в условиях вспомогательного кровообращения. Рассмотрим основные этапы. а). Традиционное лечение

С помощью врачей-токсикологов были выделены входные и выходные параметры течения и лечения ЭШ [29]. Их список представлен в таблице 4.1.

ЗАКЛЮЧЕНИЕ

Разработка методов формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения, является одним из приоритетных направлений прикладного системного анализа и теории управления биомедицинскими системами. Особую значимость приобретает интеграция предметно-ориентированных процедур обработки информации и управления по результатам мониторингового контроля ведущих физиологических показателей в систему интеллектуальной поддержки принятия решений врачом.

Таким образом, основными результатами работы являются следующие:

1. Проведен системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации и определены требования к рационализации аналитического описания биомедицинских систем.

2. Сформирована структура информационного обеспечения интеллектуальных технологий идентификации, с учетом задач медицинской диагностики и выбора тактики лечения ориентированная на интеграцию алгоритмов статистической обработки информации, направленных на фильтрацию информации на основе метода экстремальной группировки параметров, а так же методы вероятностного определения количества информации на основе энтропийных оценок в рамках системы поддержки принятия врачебных решений.

3. Обоснованы информационные оценки эффективности математического обеспечения принятия врачебных решений и определен ряд дополнений к традиционным средствам интеллектуальной поддержки решений по терапевтической тактике, обеспечивающих более эффективное накопление в процессе выбора скрытой информации.

4. Разработана методика формализации исходной нечеткой информации в терминах лингвистических переменных и процедура формирования правил вывода в информационной базе, на основе модификации алгоритма принятия решения в условия нечеткой информации, позволяющего фиксированному множеству качественных оценок параметров состояния конкретного объекта поставить в соответствие решение-класс на основе использования композиционного правила вывода.

5. Предложена методика построения регрессионных моделей на основе интеграции данных оперативного мониторинга и ретроспективной информации, включающих оценку влияния на результативный признак, как показателей состояния, так и временного фактора на основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования.

6. Разработан комплекс нелинейных регрессионных моделей динамики ведущих показателей гомеостаза при экзотоксическом шока при традиционном лечении, вспомогательном кровообращении и экстракорпоральной окси-генации крови.

7. Предложена оптимизационная процедура выбора тактики эфферентной терапии экзотоксического шока, отличающуюся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

8. Реализован алгоритм дифференциальной диагностики ишемической болезни сердца на основе методов нечеткой классификации.

9. Комплекс моделей, алгоритмов и программных средств интеллектуальной поддержки принятия решений при выборе тактики лечения интенсивных патологических процессов внедрен в клинический и учебный процессы.

1. Адаптивные системы идентификации / Под ред. В.И. Костюка. Киев: Техника, 1975.

2. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. М: Наука, 1976, 280с.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

5. Алексеев А.В. Применение нечеткой математики в задачах принятия решений. В сб.: Методы и системы принятия решений. - Рига: РПИ, 1983, с. 38-42.

6. Амосов Н.М., Палец Б.Л., Агапов Б.Г. и др. Теоретические исследования физиологических систем. Математическое моделирование. -Киев: Наукова думка, 1977. 245 с.

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

8. Аоки М. Введение в методы оптимизации. М: Наука, 1977, 344с. Ю.Афифи А., Эйзен С. Статистический анализ: подход сиспользованием ЭВМ. Пер. с англ. М.: Мир, 1982. - 488 с.

9. Ахутин В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977.-С.З-7.

10. Балантер Б.И. Вероятностные модели в физиологии. М., Наука, 1977.-252 с.

11. Балантер Б.И., Ханин М.А., Чернавский Д.С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980, 264 с.

12. Бахур А.Б. Некоторые положения теории гомеостатических систем, используемые для анализа сложных управляющих комплексов. //Технологические системы и управление в организме: общие приципы и аналогии. Сб. трудов, вып. 3. М.: ИПУ РАН, 1996г. (стр. 15-29)

13. Бейли Н. Математика и биология в медицине.- М.:Мир, 1970.-269с.

14. Беллман Р. Математические методы в медицине: Пер. с англ. / Под ред. JI.H. Белых. М.: Мир, 1987. - 200 с.

15. Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М: Наука, 1965.

16. Беллман Р., Заде JL Принятие решений в расплывчатых условиях -В сб.: Вопросы анализа и процедуры принятия решений. М: Мир, 1976, с. 172215.

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

18. Бокерия JT.A. Информатизация кардиохирургии: нужно ли интеллектуальное обеспечение или достаточно компьютеризации?/ Л.А. Бокерия, В.А. Лищук // Третий Всероссийский съезд сердечно-сосудистых хирургов. М, 1996.- С.13-14.

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

20. Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления М: Мир, 1972, 544с.

21. Бураковский В.И., Керцман В.П., Лищук В.А., Мосткова Е.В. Острая сердечная недостаточность классификация и диагностика с использованием математических методов // Вестник. АМН СССР, 1982. - N 8 - С. 18-32.

22. Бутенин Н. В., Неймарк 10. И., Фуфаев Н. А. Введение в теорию нелинейных колебаний.- М.:Наука.-1987.-384 с.

23. Вейнер Э. Давление крови. Вопросы и ответы / Пер. с англ.-М.: Кран-Пресс, 1998.

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

25. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука, 1977.-287 с.

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

27. Волков Ю.Н. Принципы автоматического оперативного врачебного контроля и их реализация в практике реанимации. Автореферат дисс. д.мед.наук. Л. - 1975. - 49с.

28. Гельфанд И.М., Семенюк Э.П., и др. Некоторые задачи классификации и прогнозирования из различных областей медицины // Вопросы кибернетики. 1985. - Вып. 112. - с. 65-127.

29. Герасимов Б.М., Тарасов В.А., Токарев И.В. Человеко-машинные системы принятия решений с элементами искусственного интеллекта.- К.: Наукова думка.- 1993.- 180 с.

30. Гичев Ю.П. и др. Медико-биологические аспекты комплексной оценки состояния организма // Бюл. АМН СССР. 1981. - № 3. - с. 59-64.

31. Гольдман С. К вопросу о кибернетических аспектах гомеостазиса.-В кн.: Саморегулирующиеся системы. М., 1964.

32. Горелик A.J1. и др. Современное состояние проблемы распознавания: Некоторые аспекты / A.J1. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985. - 160 с.

33. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. JL: Медицина, 1978, - 294 с.

34. Джексон Д. Ряды Фурье и ортогональные полиномы. М.: изд-во иностранной литературы, 1958.

35. Добров Г.М., Ершов Ю.В. Экспертные оценки в научно-техническим прогнозировании. Киев: Наукова думка, 1974. - 112 с.

36. Дюк В. Обработка данных на ПК в примерах.- СПб: Питер, 1997.240 с.39.3аде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М: Мир, 1976, 165с.

37. Заде J1.A. Размытые множества и их применение в распознавании образов и кластер-анализе. В сб.: Классификация и кластер. М: Мир, 1980, с.208-247.

38. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. - 120 с.

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

40. Кини Р.П., Райфа X. Принятие решений при многих критериях. М.: Радио и связь.

41. Коротких И.Н., Родионов О.В., Фролов М.В. Технология реабилитационных мероприятий: Учеб. пособие. Воронеж, 1993.

42. Кофман А. Введение в теорию нечетких множеств. М: Радио и связь, 1982, 432с.

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

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

45. Лищук В.А. Математическая теория кровообращения. М.: Медицина, 1990.- 254 с.

46. Локшин Л.С., Лурье Т.О. Искусственное и вспомогательное кровообращение в сердечно-сосудистой хирургии. Практ. пособие. М.: Медицина. 1998.-212 с.

47. Лопаткин Н.А., Лопухин Ю.М. Эфферентные методы в медицине. М.: Медицина, 1989.-350 с.

48. Львович И .Я. Оптимизация принятия решений в САПР на основе интеграции вариационного моделирования и рационального выбора-Автореферат докт. мед. наук. Воронеж. 1999. - 32 с.

49. Львович И.Я., Федорков Е.Д. Математические основы информатики, Воронеж: изд. ВГТУ, 1997. 98 с.

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

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

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

53. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991, 136с.

54. Минцер О.П., Чуканов Ю.Г. Клиническое прогнозирование. К.: Здоровье, 1983.- 143 с.

55. Моделирование биотехнических и медицинских систем: Учеб. пособие / Я.Е.Львович, М.В.Фролов, К.А.Разинкин и др.; Под ред. В.Н.Фролова. Воронеж: Изд-во ВГТУ, 1994. СЛ14-119, 157-161, 165-169, 176-180.

56. Моисеев Н.Н. Математические задачи системного анализа. М: Наука, 1981,488с.

57. Негойце К. Применение теории систем к проблемам управления. М: Мир, 1981, 179с.

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

59. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова.-М.:Наука.-1986.-312 с.

60. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М: Наука, 1981, 203с.

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

62. Понтрягин JI.C., Болтянский В.Г. и др. Математическая теория оптимальных процессов. М.: Наука, 1969.

63. Попечителев Е.П., Романов С.В. Интерактивные методы обработки биомедицинской информации: Учеб. Пособие. JI., 1983. - 64 с.

64. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука. - 1988.

65. Поспелов Д.А. Большие системы. Ситуационное управление.-М.:3нание.- 1975.-64 с.

66. Построение АРМ врача на основе цифроаналогового компьютерного комплекса / К.С. Коробова, Е.В. Мезенцев, К.А. Разинкин, Е.Д. Федорков // Прикладные задачи моделирования и оптимизации: Межвуз.сб.науч.тр. Воронеж, 1998. С. 4-6.

67. Разинкин К.А., Паринов А.В. Информационные оценки эффективности принятий решений в клинической практике. Межвузовский сборник «Высокие технологии в технике образования медицины». г.Воронеж 2001г.

68. Разинкин К.А., Чопоров О.Н. Выбор оптимального плана лечения больных на основе классификационных и прогностических моделей // Высокие технологии в региональной информатике: Всерос. совещ.-семинар. 1998. 4.2. С.13.

69. Резников А.П. Обработка накопленной информации в затрудненных условиях. М: Наука, 1976.

70. Ротштейн А.П. Медицинская диагностика на нечеткой логике. -Винница:Континент-Прим.- 1996. 132с.

71. Саати Т. Математические модели конфликтных ситуаций. М.: Сов. радио.-1977.-304 с.

72. Сазыкина J1.B., Газизова Д.Ш., Стороженко И.Н. Количественные показатели гемодинамики для оценки состояния больных с острой недостаточностью кровообращения. Методические рекомендации // М.: МЗ СССР. 1983.-32 с.

73. Сейдж Э. П., Мелса Дж. JI. Идентификация систем управления. М.,1974.

74. Семухин М.В. Теория нечетких множеств. Учебно-методическое пособие. Тюмень: ТюмГУ, 1999, 50 с.

75. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. Пособие для вузов.- 2-е изд., перераб. и доп. М.: Высш. шк., 1998.- 319 с.

76. Ткаченко Б.И., Левтов В.А., Москаленко Ю.Е. и др. Физиология кровообращения. Регуляция кровообращения. Л.: Наука - 1986. - 639 с.

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

78. Тэрано Т. Примеры применения нечеткой техники. Пер. ВЦП, N А-44061. 1976, с.1137-1144.

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

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

81. Федорков Е.Д. Управление в медицинских и социальных системах на основе моделирования и оптимизации дуальных динамических процессов. Автореферат докт. мед. наук. Воронеж. 1999. - 32 с.

82. Федорков Е.Д., Разинкин К.А., Паринов А.В. Алгоритмизация инновационных признаков состояния пациентов. Интеллектуализация управления в социальных и экономических системах. Воронеж 2004г.

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

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

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

86. Фролов В.Н., Львович Я.Е., Подвальный С.Л. Проблема оптимального выбора в прикладных задачах. Воронеж, изд-во ВГУ, 1980.

87. Фролов В.Н., Паринова Л.В., Паринов А.В. Исследование целевой функции оптимизационной булевой задачи с помощью численного статистического моделирования. Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000.

88. Химмельблау Д. Прикладное нелинейное программирование. М: Мир, 1975.

89. Цыпкин Я.З. Основы информационной теории идентификации. -М.: Наука.- 1984.-320 с.

90. Чопоров О.Н. Оптимизация планирования стационарного лечения больных на основе классификационных и прогностических моделей. Дис. канд. техн. наук / ВГТУ. Воронеж, 1997.

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

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

93. Эйкофф П. Современные методы идентификации систем. М: Мир, 1983,400с.

94. Ягер P.P. Множества уровня для оценки принадлежности нечетких подмножеств. В сб.: Нечеткие множества и теория возможностей. М: Радио и связь, 1986, с.71-78.

95. Baldwin I.F., Pilsworth B.W. A model of Fuzzy Reasoning through Multivalued Logic and Set Theory //International J. Man-Mach. Studies.- 1979.-№11.- p.351-380.

96. Bellman R., Kalaba K., Zadeh L.A. Abstraction and pattern classification. J.Math. Anal, and Appl., v.13, Nol, Jan, 1966.

97. Bellman R.E., Gierts M. On the analitical formalism of theory of fuzzy sets."Inform. Sci.", 1973, v.5, N2, p. 149-156.

98. Bonissone P.P., Tong R.M. Editorial: reasoning with uncertainty in expert systems."Int. J. Man-Mach. Stad.", 1985, N3, p.241-250.

99. Brdis M., Roberts P.D. Optimal structures for steady-state adaptive optimizing control of large-scale industrial processes. "Int.J.Syst. Sci.", 1986,N10,p. 1449-1474.

100. Caines P.E. On the adaptive control of stochastic systems with random parameters: a counterexample. "Ric. automat.", 1982, N1, p.190-196.

101. Carlsson C. Fuzzy systems: basis for modeling methodology? "cybernetics and Systems", N15, 1984, p.361-379.

102. Chang S.S.L. Application of fuzzy set theory to economics. "Kybernetes", 1977, v.6, p.203-208.

103. Chen S.,Brdys M., Roberts P.D. An integrate system optimization and parameter estimation technigue for hierarchical control of steady-state systems. "Int. J. Sci.", 1986, N8, p.1209-1228.

104. Daley S., Gill K.F. The fuzzy logic controller: an alternative design scheme? "Comput. Ind.", 1985, N1, p.3-14.

105. Distributed Parametr Control Systems: Teory and Application. Ed. Trafestas Spuras G. Oxford, 1982,497p.

106. Drouin M., Abou-Kandil H., Mariton M., Due G. Une nouvelle methode de decompozision-coordinasion 1 re partie: Principe et mise en ocuvre. "APH", 1985, N3, p.205-226.

107. Dubois D., Prade H. Fuzzy sets and systems: Theory and applications. New York: Acad. Press, 1980, 394p.

108. Dubois D., Prade H. Operations on fuzzy numbers. Int. J.System sci., 1978, v.5, N2, p.613-626.

109. Tanaka H., Asai K. Fuzzy solution in fuzzy linear programming problems. "IEEE Trans. Syst. Maan and Cybern.", 1984, N2, p.325-328.