автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методы и алгоритмы анализа и управления сложными объектами на гетерогенных нечётких моделях для систем медицинского назначения

Гаврилов Игорь Леонидович

Методы и алгоритмы анализа и управления с ложным и объектами на гетерогенных нечётких моделях для систем медицинского назначения

Специальность 05.1301 - Системный анализ,управление и обработка информации

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических Наук

Курск-2011 2.4МАР2011

4841421

Работа выполнена в ГОУ ВПО «Юго-Западный государственный университет»

Научный руководитель

Заслуженный деятель нгу ки РФ, доктор технических наук,профессор Титов Виталий Семенович

Официальные оппоненты:

доктор технических н»^к, профессор Дегтярёв Сергей Викторович

кандидаттехнических н^к, доцент Горбатенко Светлана Александровна

Ведущая организация

ГОУ ВПО Воронежский госудфственный технический университет

Защита диссертации состоится «7 » О^ухггьа 2011 года в|Х_ часов на заседании диссертационного совета Д 212.105 ЙЗ при Юго-Западном государственном университете по адресу: 305040, г. Курск, ул. 50 л ет О кгябр я, 94.

- С диссертацией можно ознакомиться в научной библиотеке ГОУ ВПО Юго-Западный государственный университет

Автореферат разослан ГисУруй.^ 2011 г.

еггна

Текст автореферата размещ Ь Ор:// \vvvw кигякя!ц .гиА вэ/

гн а сайте

Уч ен ый секр етар ь со вета по защите докторских и кандидатских диссертаций

Старков Ф.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В последние 25-30 лет успешно развивается новое направление системного анализа и принятия решений, связанное с разработкой методов моделей и алгоритмов обработки экспертных знаний в системах поддержки принятия решений различных типов и назначений.

В работах отечественных и зарубежных ученых получены теоретические и практические решения, позволяющие автоматизировать процесс принятия решений в различных сферах человеческой деятельности. Для успешной реализации технологии систем поддержки принятия решений в задачах исследования и управления состоянием сложных объектов и систем необходимо по возможности интегрировать процессы исследования и принятия окончательных решений. Однако, несмотря на ясность общей концепции построения систем поддержки принятия решений, их создание для решения конкретных системных задач требует дополнительных исследований. Последнее утверждение вытекает из мирового опыта разработки и эксплуатации таких систем, подтверждающего прямую зависимость эффективности работы этих систем от структуры используемых данных, конкретного варианта модели представления знаний и алгоритмов обработки информации.

Многочисленные исследования в различных предметных областях, связанных с анализом и управлением сложными и сверхсложными объектами и системами, показали, что одним их эффективных методов представления и обработки знаний в системах поддержки принятия решений является нечеткая логика. При этом наибольшими логическими и функциональными возможностями обладают так называемые гетерогенные нечеткие множества, для которых при синтезе соответствующих решающих правил допускается использование различных наиболее подходящих математических структур.

Гетерогенные нечеткие множества позволяют моделировать ситуации многокритериального принятия решения, когда имеются признаки с различными типами шкал, что характерно для большого количества практически важных системных задач. Однако практическая применимость этого типа нечётких множеств для различных предметных областей, включая медицину, изучена недостаточно. В частности, существуют проблемы эффективной агрегации разнородных информационных блоков, с помощью которых описывается состояние сложных и сверхсложных систем. Недостаточно исследован также вопрос о построении баз знаний систем поддержки принятия решений при использовании гетерогенных нечётких структур. Это, в свою очередь, приводит к снижению качества принимаемых решений, которое в рамках нечеткой логики принятия решений определяется степенью уверенности в принимаемых решениях, а в системах медицинского назначения традиционно определяется диагностической чувствительностью, специфичностью, эффективностью и прогностической значимостью. Таким образом, разработка методов синтеза нечётких гетерогенных моделей и построения на их основе высококачественных алгоритмов системного анализа и управление состоянием сложных объектов, включая организм человека, для систем поддержки принятия решений соответствующих предметных областей является актуальной задачей.

Работа выполнена в соответствии с Федеральной целевой программой «Научные и научно-педагогические кадры инновационной России на 2009-2013 гг., в рамках реализации мероприятия № 1.2.1 «Проведение научных исследований научными группами под руководством докторов наук» и в соответствии с совместным научным направлением Юго-Западного государственного университета и Курского государственного медицинского университета «Разработка медико-экологических информационных технологий» и в соответствии с программой проблемной комиссии хирургии органов брюшной полости.

Цель работы. Разработка методов, моделей и алгоритмов для экспертных систем медицинского назначения, обеспечивающих повышение качества принятия решения по анализу и управлению, состоянием здоровья за счет применения гетерогенных нечетких моделей, позволяющих агрегировать различные типы решающих правил с разнородными информационными блоками для задач предметной области различного уровня.

Для достижения поставленной цели необходимо решить следующие задачи:

- на основании изучения существующих подходов к анализу и управлению состоянием сложных объектов, функционирование которых описывается разнородной системой нечетких признаков, определить задачи исследования и выбрать адекватный математический аппарат исследования;

- разработать метод синтеза гетерогенных нечетких решающих : правил для базы знаний экспертных систем медицинского назначения;

- разработать алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений в условиях неполного и нечёткого описания объекта исследования;

- создать основные элементы программного обеспечения длл экспертной системы медицинского назначения с базой знаний, использующей гетерогенные нечёткие правила;

-оценить эффективность предложенных методов моделей и ал-оритмов на примере решения задач прогнозирования, ранней и дифференциальной диагностики заболеваний системы пищеварения.

Методы исследований. Для решения Поставленных задач испо;ьзопались методы системного анализа, теории нечеткой логики принятия решений, экспертного оценивания, статистического анализа и математического моделирования. Для синтеза и проверки качества работы нечетких решающих правил использовалась система компьютерной математики MATLAB7 SP1 и пакет визуального моделирования Simulink с системой нечеткой логиш Fuzzy Logic Toolbox.

Область исследования. Содержание диссертации соответств/ет П4 «Разработка методов и алгоритмов решения задач системного тализа, оптимизации, управления, принятия решений и обработки информации» специальности 05.13.01 - Системный анализ, управление и обрботка информации паспорта номенклатуры специальностей научных рабо-ников (технические науки).

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

- метод синтеза гетерогенных нечетких решающих правил для анализа состояния сложных объектов, отличающийся возможностью агрегации различных типов нечётких математических моделей с разнородными информационными блоками, позволяющий решать задачи прогнозирования и оценки состояния исследуемых объектов на различных уровнях их функционирования с требуемым для практики качеством;

- алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений, отличающийся возможностью гибкой смены тактики анализа и управления состоянием объекта исследования в условиях его разнородного, неполного и нечёткого описания, позволяющий обеспечивать рациональное взаимодействие между экспертной системой и лицом принимающим решение;

- математическое и программное обеспечение экспертной системы медицинского назначения, отличающееся тем, что сетевая база знаний этой системы использует гетерогенные нечёткие правила, реализуемые унифицированными решающими модулями, взаимодействующими с модулями графического представления исследуемых объектов, позволяющее обеспечивать интеллектуальную поддержку специалистов выбранной предметной области;

- система гетерогенных нечетких решающих правил экспертной системы медицинского назначения для прогнозирования, ранней диагностики и оценки степени тяжести острого панкреатита, отличающаяся тем, что высокое качество принятия решений обеспечивается агрегированием различных типов правил, выбираемы* в соответствии со структурой данных с учетом защитных механизмов и индивидуальных особенностей организма, что позволяет достигать уверенности в принимаемых решениях на уровне 0,9 и выше в зависимости от количества собираемой о пациентах информации;

Практическая значимость работы.

Разработанные методы, модели, решающие правила и алгоритмы составили основу построения экспертной системы интеллектуальной поддержки врача - гастроэнтеролога, клинические испытания которой показали целесообразность ее использования в медицинской практике.

Применение предложенных в диссертации разработок позволяет снизить риск возникновения, развития и обострения заболеваний системы пищеварения, а также выработать рациональные схемы проведения лечебно-оздоровительных мероприятий, повышая эффективность лечения и сокращая его сроки.

Основные теоретические и практические результаты работы внедрены в составе медицинской информационной системы в практическую деятельность муниципального учреждения здравоохранения «Городская клиническая больница №4», используются в научно-исследовательской работе кафедры химической технологии биологически активных веществ Курского государственного медицинского университета и в учебном процессе Юго-Западного государственного университета при подготовке специалистов по направлению Биомедицинская инженерия.

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения.

Апробация работы. Основные положения диссертационной работы докладывались и обсувдались на следующих научно-технических конференциях: на международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов» (Курск, 2008); на 3-м международном радиоэлектронном форуме «Прикладная радиоэлектроника, конференция проблемы биомединженерии» (Харьков, 2008); на XI и XII международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009); на XIV международной научно-практической конференции «Экология и жизнь» (Пенза, 2008); на Всероссийской научно-практической конференции «Биомедицинская инженерия и биотехнология» (Курск, 2008); на научно-технических семинарах кафедры химической технологии биологически активных веществ Курского государственного медицинского университета (Курск, 2005,...,2009) на межрегиональной научно-практической конференции «Информационные проекты в медицинской и педагогической практике» (Курск, 2010).

Публикации. По материалам диссертации опубликовано 14 печатных работ, перечень которых приведен в конце автореферата, из них три работы в журналах по перечню журналов и изданий, рекомендованных ВАК РФ.

Личный вклад автора. В работах Г1.2. 6] соискателем предложен метод синтеза гетерогенных, нечетких решающих правил прогнозирования поведения и оценки состояния сложных систем, включая организм человека и показана эффективность его применения в медицине. В работах [3 и 13] показывается роль микроэлементного статуса в прогнозировании и дифференциальной , диагностике заболеваний ..на примере панкреатита; в работе [4] приведен алгоритм интеллектуальной поддержки принятия решений в экспертной системе с базой знаний на основе гетерогенных нечетких правил; в работах [5, 7, 8, 10, 12, 14] показывается, что применение гетерогенных нечётких правил, использующих комбинированное пространство разнородных признаков, обеспечивает повышение качества прогнозирования и диагностики заболеваний системы пищебарения; в работах, [9, II] разрабатывается база знаний для экспертной системы интеллектуальной поддержки принятия решений врача-гастроэнтеролога.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 189 наименований,- Объем диссертации 135 страниц машинописного текста, 30 рисунков и 25 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определяются ■ цели и задачи работы, её научная новизна и практическая значимость.

В первой главе на основе обзора литературы проанализированы современные подходы, используемые в системном анализе к решению задач оценки состояния и управления сложными объектами и системами. Показана роль нечёткой логики принятия решений в общей методологической базе

6

системного анализа. Определен круг задач, где целесообразно использовать аппарат нечёткой логики принятия решений, включая гетерогенные нечёткие модели. Определены задачи исследования и обоснован выбор соответствующего математического аппарата.

Во второй главе определяются объект, методы и средства исследования, разрабатываются метод синтеза гетерогенных нечетких решающих правил для прогнозирования и оценки состояния сложных объектов и алгоритм интеллектуальной поддержки принятия решений для экспертной системы медицинского назначения с базой знаний, использующей гетерогенные нечеткие правила.

Учитывая научные интересы Курского государственного медицинского университета и кафедры биомедицинской инженерии Юго-Западного государственного университета (ЮЗГУ), в качестве основного объекта исследования было выбрано состояние здоровья человека, и, в частности, состояние его системы пищеварения. Для решения задач выбора систем информативных признаков, определения классов состояний, элементов и параметров нечетких решающих правил и способов их агрегации была сформирована группа высококвалифицированных экспертов (2 доктора наук, 3 кандидата наук, 3 специалиста высшей квалификации). Количественный состав группы определяется в соответствии с рекомендациями госстандарта по формированию экспертных групп для решения задач различной сложности.

Из всего многообразия классов состояний на основании мнения экспертов были отобраны пять уровней, характеризующих состояние одной и той же системы: объект нормально функционирует, и в течение времени прогноза Т0 не ожидается изменение его состояния (класс сой); объект нормально функционирует, но в течение времени прогноза Т0 ожидается изменение его состояния в сторону ухудшения параметров функционирования (в медицине: будет приобретена исследуемая патология (класссоя)); с точки зрения внешнего наблюдателя о&ьект функционирует нормально, но в нем появились внутренние дефекты не регистрируемые без применения дополнительных исследований (в медицине: донозологическая (доклиническая) стадия заболевания (класс Юд); объект функционирует не нормально с выделением степеней нарушений (для определенности в медицинской задаче выделено две стадии течения заболевания - легкое течение (класс а>л); тяжелое течение (класс сот)).

Для описания состояний объекта исследования используются три группы (блока) информативных признаков:

- признаки, измеряемые по одной технологии на одном типе шкал интервалов, каждый из которых можно использовать как свидетельство в пользу исследуемого класса состояний сое (например, концентрация микроэлементов в волосах человека);

- признаки, измеряемые на шкалах процентных отклонений относительно номинальных значений, каждый из которых одновременно со свидетельством в пользу исследуемого класса состояний, свидетельствует в пользу, других возможных состояний из ограниченного, их списка, а точность свидетельства

зависит от времени и других факторов (например, энергетические характеристики биологически активных точек, «связанных» с исследуемыми классами состояний со();

- разнородные признаки, измеряемые в различных типах шкал, но приведенные к единой шкале баллов путем использования последовательной диагностической процедуры, реализующей метод секвенциального анализа А. Вальда.

В ходе разведочного анализа структуры исходных данных и исследуемых классов состояний было установлено, что одним из наиболее адекватных математических аппаратов исследования является аппарат нечеткой логики принятия решений с объединением методологии нечеткого вывода по Л.Заде, использующего в качестве базовых элементов - функции принадлежностей к нечетким множествам а>е с базовой переменной х, (¿1а/ аппарата теории

уверенности по Е. Шортлифу, использующего в качестве базовых элементов коэффициент уверенности КУ0(, меры доверия и недоверия к гипотезе со, и

методологии разведочного анализа, решающего задачи изучения структуры многомерных данных, описывающих состояния объекта исследования.

С учетом • применения различных типов математических моделей • использующих различные типы шкал представления признаков описывающих различные состояния объекта исследования, для синтеза нечетких правил принятия решений в работе применен аппарат гетерогенных нечетких множеств.

С учетом приведенных описаний объекта исследований и обоснования использования двух типов базовых математических моделей нечеткой логики принятия решений процесс синтеза гетерогенных нечетких решающих правил предлагается производить, реализуя следующую последовательность действий.

1. В группе информативных признаков выделяются те их них, которые представлены единой шкалой интервалов и характеризуются тем, что каждый из них «свидетельствует» в пользу исследуемой гипотезы, а также тем, что по величинам их абсолютных значений эксперты могут судить об уверенности ■ нахождения системы в классах состояний и й?д.

На шкалах значений этих ' признаков х, строятся гистограммы распределения исследуемых классов состоянии, по которым, пользуясь рекомендациями разработанными на кафедре биомедицинской инженерии Юго-Западного государственного университета, эксперты определяют формы и параметры функций принадлежностей Цщ(х,) к классам со, (¿=ОД,Д), используя в качестве базовых переменных выделенные информативные признаки х1 (/=1.....п).

Например, для системы пищеварения это признаки, определяющие концепцию меди (Си), железа (Ре) и цин^а (7м) в волосах человека.

Полученные функции принадлежностей агрегируются в частные решающие правила с расчетом коэффициентов уверенности в классах сое в соответствии с формулой:

где ] - номер итерации в расчетах коэффициентов уверенности КУ% в классах со, по блоку признаков х,, е X; КУ*{ (1)= цщ (*,).

2. Выбираются группы признаков по которым суждение о классификации а>( можно производить только в том случае, если часть их, называемая диагностически значимыми признаками (ДЗП), выходит за рамки некоторых пороговых значений а уровень доверия к принимаемым решениям зависит от того, как долго значения признаков Уд б ДЗП выходят за

рамки пороговых значений. Например, в медицинских экспертных системах к таким признакам относятся относительные отклонения электрических сопротивлений биологически активных точек (БАТ), связанных с исследуемыми классами состояний а, от номинальных значений сопротивлений , измеренных для нормально функционирующих органов и (или) систем, т. е.

Я — И у = Й? = —1 .100%.

Я

Яном

По группам признаков Уч аналогично п.1 определяются соответствующие функции принадлежностей ), которые агрегируются в частное решающее правило для определения уровня доверия к классам ф( , через соответствующие коэффициенты уверенности КУ^ в соответствии с выражением:

ЕСЛИ 1(УГ, е ДЗП) Уд > Г" \ ТО

{КУI, О +1) = КУ * (]) + Мш, )[1" КУ 0")Ц (2)

ИНАЧЕ (КУ^ =0).

3. Для уточнения доверия к принимаемым решениям по блоку признаков Уч вводятся временные функции принадлежностей /л (/), которые эксперты строят, исходя из следующего правила. Чем большее время удерживается величина признака Уч е ДЗП за рамками пороговых значений, тем увереннее

можно говорить о гипотезе т1.

С учетом (/) уверенность в а>, определяется выражением: [о, ЕСЛИ КУ1 ■М1(') = О-,

кугт I ' ~ '"»Л- -

" +^«[1-^1 ЕСЛИКУ\ .¿,(,»0.

4. Для группы разнородных признаков, по которым имеется возможность определения оценок статистических распределений на обучающих выборках классов со( определяется их информативность, например по Кульбаку. Для

дальнейшей работы эксперты выбирают признаки Zp, информативность которых выше порогового значения. Для выбранных признаков на основе статистической последовательной процедуры, использующей секвенциальный анализ Вальда, рассчитываются диагностические баллы dp по формуле:

dp=mg(P(xp/A)/P(xpIB)), (4)

где Р(х /А) • оценка вероятности появления признака хр в классе А; Р(хр / В) - оценка вероятности появления признака хр в классе В.

Сумма этих баллов выбирается как базовая переменная D для построения функций принадлежностей //Щ((£>), реперными точками для которых являются

пороговые значения Dn определяемые в.соответствии с методом Вальда.

Полученная функция принадлежности определяет третье частное решающее правило с коэффициентом уверенности КУ* (D).

5.,По полученным в п.1,...,4 частными правилами расчета коэффициентов уверенности по классам a>Q, a>R, ад определяется финальное гетерогенное нечеткое решающее правило вида:

Мщ = +кущ+кК, -к< -ку^-КУ^ +

+ку^-КУ1т1-КУ:1. (5)

6. Для описания состояния системы функционирующей с различными типами нарушений эксперты формируют соответствующие классы состояний юs (например, для такого заболевания системы пищеварения как панкреатит

/ = Л соответствует легкому течению заболевания, f -Т - тяжелому течению заболевания).

По информационным блокам с тремя типами используемых шкал определяются частные коэффициенты КУКУ^, КУ^ по правилам, описанным выше с агрегирующим решающим правилом типа 5, со «своими» функциями принадлежностей с расчетом КУ„ ■

7. Для блока информативных признаков, по которому нечеткое решение принимается на основе проверки истинности четкого логического условия Q и

путем определения частного коэффициента уверенности КУ„ , используются логические высказывания типа

ЕСЛИ Q ТО (КУ^ = А) ИНА ЧЕ (КУ'а/ = В), (6)

где А и В некоторые числа от 0 до 1 характеризующие уверенность в классе состояний mf.

Агрегация КУ„ с КУ1Ы{ реализуется в соответствии с выражением:

КУ1г = ку:/+КУ!;/(\-КУ^). (7)

8. При наличии контрольных выборок с подтверждёнными классами состояний для каждого из решающих правил определяются критерии качества

10

классификации (ошибки первого и (или) второго рода, общее допустимое количество ошибок, прогностическая значимость положительных и (или) отрицательных результатов) и пороговые значения коэффициентов уверенности, при которых решается вопрос отнесения объекта исследования к классу а>е и (или) со/. По выбранным критериям качества и величинам порогов КУ \ КУЫ/ п рассчитываются величины ошибок классификации:

^ ^,(0,^,(0),КУ^д], (В)

Я, (9)

Если полученные величины ошибок устраивают экспертов, то процесс синтеза решающих правил заканчивается.

Если ошибки превышают допустимые значения, то с использованием пакета прикладных программ кафедры БМИ ЮЗГУ, производится изменение параметров фуикций принадлежностей выражений 8 и (или) 9 в сторону уменьшения ошибок классификации с использованием процедуры половинения шага итерации.

Для решения задач управления программными модулями проектируемой экспертной системы и ее взаимодействия с лицами, принимающими решение, в работе предлагается соответствующий алгоритм интеллектуальной поддержки принятия решения, состоящий из трех основных модулей:

В первом модуле решаются задачи синтеза нечетких решающих правил в интерактивном режиме в соответствии с разработанным методом. Для выбора и уточнения параметров математических моделей, полученных нечетких функциональных зависимостей, используются методы разведочного анализа.

Во втором модуле реализуется процесс принятия решений по оценке и управлению состоянием объекта исследования.

В третьем модуле осуществляется коррекция используемых нечетких правил по выбранному критерию качества в направлении минимизации ошибок классификации.

На рис.1 приведен фрагмент алгоритма интеллектуальной поддержки, реализующий синтез гетерогенных нечетких решающих правил по трем информативным блокам. В соответствии с этим алгоритмом для индивидуальных признаков ИП{х,}, функции принадлежностей которых, определяемых в конкретных точках, совпадают с соответствующими значениями коэффициентов уверенности, синтезируются частные правила определения КУ*г и КУ% в соответствии с правилами (1) (блоки 1,2).

Для блока признаков ИП{К9} с гибридным правилом, состоящим из правила четкого вывода по ограничению и правил нечеткого вывода по Е. Шортлифу, осуществляется формирование четких условий по ограничениям От, и п0 группам классов со, и (блок 4) и синтез частных решающих

правил КУ1( и К)/Ы{ (формула 2, блок 5).

Если эксперты принимают решение учитывать время отклонения исследуемых параметров от их номинальных значений (блок 6), то

И

осуществляется выбор формы и параметров функций принадлежностей ц*щ (?) и

/'и/С') и коррекция частных нечетких решающих правил АТУ" и КУ™

(формула 3, блок 7).

Для блока информативных признаков ViП{Zp}, агрегирующихся на основе статистической последовательной процедуры Вальда, осуществляется расчет информативности используемых признаков хр (блок 9). Признаки, информативность которых меньше пороговой, из дальнейших расчетов исключаются. Для оставшихся параметров по формуле 4 осуществляется расчет

г

их диагностических коэффициентов (1р (блок 10). Используя шкалу О =

р*'

как базовую переменную для функций принадлежностей к исследуемым классам /лщ (о) и ,иИ/(о), получаем выражения для частных коэффициентов

КУгщ и КУ2Ю) по группе информативных признаков 2 (блок 11).

Далее частные коэффициенты уверенности агрегируются в выражения

для финальных коэффициентов уверенности КУ£{ и КУ^ в соответствии с

формулой (5) (блок 12).

Заглавные буквы латинского алфавита определяют адреса связи приведенного фрагмента с другими блоками разработанного алгоритма.

Рис. 1. Фрагмент схемы алгоритма интеллектуальной поддержки

12

В третьей главе разрабатывается математическое и программное обеспечение системы поддержки принятия решений медицинского назначения на основе базы знаний с гетерогенными нечеткими правилами, включающее в себя следующие программные модули: блок принятия решений, реализующий все полученные в работе нечеткие решающие правила; блок управления, реализующий алгоритм интеллектуальной поддержки, фрагмент которого приведен на рис.1; блок формирования графических моделей, формирующий на экране монитора графические образы, раскрывающие структуры связей исследуемой системы в том объеме, который позволяет пользователю принимать рациональные решения по оценке состояния и управлению объектом исследования. При этом- блок принятия решений представляет собой фрагмент базы знаний базовой экспертной системы ЮЗГУ, имеющей сетевую структуру с унифицированным нечетким решающим модулем, располагающимся в узлах сети. С учетом специфики решения медицинских задач блок формирования графических моделей формирует анатомические и меридианные модели взаимодействия внутренних структур организма с поверхностными меридианными структурами.

Использование таких моделей позволяет визуально оценить энергетическое состояние меридиан и назначить рефлексотерапию на те точки, которые, с одной стороны, позволяют осуществлять одновременную коррекцию элементов механизмов управления работой исследуемых органов и систем организма, а с другой стороны, обеспечивают возможность анализа соответствующей патологии. Такая информация позволяет выбирать порядок и режим воздействия, которые не нагружают другие пораженные системы с возможной одновременной положительной их реакцией.

, Эффективность предложенных в работе методов и алгоритмов проверялась на задачах оценки и управления состоянием системы пищеварения и, в частности, на решении задач прогнозирования, диагностики и оценки степени тяжести панкреатитов.

На основании анализа информации об этиологии и патогенезе панкреатита с участием экспертной группы с учетом ограничений на время и точность принятия решений на первом шаге исследований решалась задача формирования списка информативных признаков.

С учетом способов получения и структуры данных вся группа информативных признаков разделена на 3 подгруппы:

- признаки, используемые в медицинской практике (опрос, осмотр, инструментальные обследования);

- признаки, характеризующие микроэлементный статус человека;

- признаки, определяемые по энергетическим характеристикам меридианных структур, «связанных» с поджелудочной железой.

Для измерения параметров микроэлементного статуса используется метод атомно-эмиссионной спектроскопии с индуктивно связанной плазмой, реализуемый спектрофотометром 1САР-9000.

Проведенный разведочный анализ показал, что по отношению к классу «панкреатит» достаточно информативными являются такие микроэлементы, как медь, железо и цинк.

Работами в области рефлексодиагностики было показано, что для целого класса задач хорошей информативностью обладают меридианные и внемеридианные биологически активные точки. Их использование особенно эффективно, когда рассматриваются задачи прогнозирования и ранней диагностики, поскольку изменения в их «энергетике» возникают раньше, чем появляются первые болевые ощущения.

Используя методику, разработанную на кафедре биомедицинской инженерии ЮЗГУ, в качестве информативных точек были определены точки У21, Р6, УВ24 и УВ34, которые в соответствии с современными атласами меридиан «связаны» с заболеванием панкреатит.

В качестве традиционно получаемых информативных признаков эксперты отобрали следующий их набор: возраст (Х|); давность заболевания (х2); выраженность болевого синдрома (х3); рвота (X,); окраска кожных покровов (х3); пульс (х6); перитонеальные симптомы (Х7); критерий этиологии (хв); данные УЗИ (х^); наличие свободной жидкости в брюшной полости и сальниковой сумке (х,о); наличие конкрементов в желчном пузыре и холедохе (хп); признаки диструкции забрюшинной клетчатки (х^); данные Я-графии (х,3); осмотр КСДК (хн); косвенные признаки панкреатита (х15); прямые признаки острого панкреатита (Х16); косвенные признаки острого панкреатита (х\п).

В качестве исследуемых состояний экспертами были выбраны три класса: а)к - возникновение панкреатита в течение времени Т0; (Од - донозологический

диагноз (ранняя доклиническая стадия заболевания); сол - легкое течение заболевания; ат - тяжелое течение заболевания.

Используя предложенный метод синтеза гетерогенных нечетких решающих правил, в работе получены конкретные параметры соответствующих функций принадлежностей. В качестве примера на рис. 2 приведены графики функций принадлежностей к классам а>Юо, сок и тд по шкале концентрации меди в волосах человека. На рис. 3 приведен график функций принадлежностей к этим же классам по шкале отклонения электрического сопротивления точки У21 от номинального значения. На рис. 4 приведен график фушции принадлежностей к классам легкой и тяжелой формы протекания остзого панкреатита по шкале прогностической таблицы составленной по ме~оду Вальда.

Рис. 2 Функции принадлежностей к классам сог по шкале концентрция

М и, (Си)

0,4

10 20 30 40 50 60 70 80 90 100 Си (мкг"г)

меди (Си)

15 25 35 45 55 65 75 85 95 5ЯИ21

Рис. 3 Функции принадлежностей к классам (х>, с носителем по шкале

Рис. 4 Функция принадлежностей к классам сол и сот с носителем по шкале суммы баллов прогностической таблицы

Агрегация всех полученных функций принадлежностей позволила получить соответствующую систему гетерогенных нечетких решающих правил для экспертной системы медицинского назначения, поддерживающей работу врача гастроэнтеролога.

В четвертой главе приводятся результаты экспериментальных исследований. Полученные во второй главе решающие правила соответствуют субъективному мнению экспертов в том, какое качество классификации принципиально достигается при выбранной системе информативных признаков. Для повышения объективности исследований были сформированы репрезентативные контрольные выборки. Объемы выборок определялись в соответствии с рекомендациями, принятыми в теории распознавания образов, и составили не менее 100 человек на каждый из исследуемых классов. Качество классификации определяется по таким показателям, как диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС), прогностическая значимость (положительных П3+ и отрицательных П3~) результатов и диагностическая эффективность (ДЭ).

В ходе экспериментальных исследований было установлено, что при решении прогностических задач все показатели растут по мере увеличения срока наблюдения и, по мнению экспертов, на третий год наблюдения полученным решающим правилам можно доверять с уверенностью, приемлемой для практического использования.

Тенденция изменения качества прогнозирования по показателю П3+ в зависимости от времени наблюдения иллюстрируется графиком, приведенным на рис.5.

пз*

0,9

0,8

0,7

2005 2006 2007 2008 20091, год

Рис. 5 График изменения показателя П3+ по задаче прогнозирования возникновения панкреатита в зависимости от времени наблюдения

Аналогичные зависимости наблюдаются по остальным показателям качества классификации.

Численные значения показателей качества прогнозирования на трехлетний период с величинами коэффициентов уверенности для максимальных значений соответствующих функций принадлежностей КУ™Х и для наиболее часто встречающихся факторов риска определенными

экспертным оцениванием, приведены в табл.1. В этой же таблице приведены показатели качества классификации для задач диагностики и определения степени тяжести панкреатитов.

Таблица 1

Таблица контрольных испытаний и экспертных оценок прогностических и диагностических решающих правил

Класс ДЧ ДС П3+ П3~ ДЭ Экспертная уверенность

КУ? а,

юд 0,87 0,97 0,95 0,91 0,93 0,93 0,88

(0Д 0,95 0,93 0,92 0,95 0,94 0,93 0,88

азл 0,95 0,93 0,93 0,95 0,94 0,98 0,90

<йг 0,93 0,95 0,95 0,93 0,94 0,98 0,90

Как видно из приведенных расчетов, результаты контрольных испытаний достаточно «близки» к ожиданиям экспертов, а полученные числовые значения имеют достаточные величины для рекомендации полученных решающих правил в практическом использовании.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Диссертационная работа посвящена решению научных и практических задач, связанных с повышением качества оценки состояния и управления сложными объектами за счет совершенствования методов теории нечеткой логики принятия решений.

В ходе проведенных исследований получены следующие основные результаты.

1. На основании анализа достижимости целей и задач исследования определены объекты, методы и средства .исследований. Обосновано использование аппарата нечеткой логики принятия решений с гетерогенными математическими моделями, как наиболее адекватными для решаемых в работе задач.

2. Разработан метод синтеза гетерогенных нечетких решающих правил, позволяющий за счет- агрегации различных типов этих правил с разнородными информационными блоками решать задачи прогнозирования и оценки состояния сложных объектов- на различных уровнях их функционирования с требуемым для практики качеством.

3. Предложен алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений, позволяющий в условиях неполного и нечеткого описания объекта исследования обеспечивать рациональное взаимодействие между системой поддержки принятия решений и специалистами предметной области, решающими задачи оценки состояния и управления сложными объектами.

4. Разработано математическое и программное обеспечение системы поддержки принятия решений медицинского назначения, которое позволяет обеспечивать интеллектуальную поддержку специалистов выбранной предметной области, повышая качество медицинского обслуживания людей с заболеваниями системы пищеварения.

5. Получены решающие правила для прогнозирования, ранней диагностики и оценки степени тяжести панкреатитов, учитывающие различные типы информативных признаков (включая факторы риска), которые позволяют в условиях нечеткого и неполного представления данных получать уверенность в правильном прогнозе, раннем диагнозе, и в классификации обострений на уровне 0,9, что подтверждается данными статистических испытаний на репрезентативных контрольных выборках по таким показателям как диагностическая чувствительность, специфичность, эффективность и прогностическая значимость.

6. Проведена апробация предложенных. методов и средств на репрезентативных контрольных выборках и показана целесообразность их использования в практике врачей гастроэнтерологов.

СПИСОК НАУЧНЫХ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Научные работы в журналах из перечня ВАК РФ

1. Гаврилов, И.Л. Метод синтеза гетерогенных нечетких решающих правил для прогнозирования и оценки состояния сложных объектов [Текст] / H.A. Кореневский, И.Л. Гаврилов// Системный анализ и управление в биомедицинских системах.-2010.- Т. 9.-№4.-С.858-864.

2. Гаврилов, И.Л. Прогнозирование возникновения и оценка степени тяжести панкреатитов на основе нечеткой логики принятия решений [Текст] / А.Л. Локтионов, H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов // Биомедицинская техника и радиоэлектроника.-2009.-№ 5.-С.-16-22.

3. Гаврилов, И.Л. Прогнозирование и ранняя диагностика пакреатитов по микроэлементному статусу [Текст] / H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов, А.Л. Локтионов // Вестник Воронежского государственного университета.-2009.-Т. 5, № 5. - С.96-100.

Научные работы в других изданиях

4. Гаврилов, И.Л. Алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений в экспертных системах с базой знаний на гетерогенных нечетких правилах [Текст] / И.Л. Гаврилов // Сборник материалов международной научно-практической конференции «Интегративные процессы в науке -2010» Москва, 2010.- С.35-36.

5. Гаврилов, И.Л. Диагностика панкреатитов по микроэлементному статусу и электрическим характеристикам проекционных зон [Текст] / И.Л. Гаврилов // Сборник материалов XI международной научно-технической конференции «Медико-экологические информационные технологии -2008» / Курск, гос. техн. ун-т.-Курск, 2008,-С.36-38.

6. Гаврилов, И.Л. Использование гетерогенных нечетких моделей в экспертных системах медицинского назначения [Текст] / И.Л. Гаврилов, B.C. Титов, H.A. Кореневский // Сборник материалов международной научно-практической конференции «Интегративные процессы в науке -2010» Москва, 2010.- С.37-41.

7. Гаврилов, И.Л. Ранняя диагностика панкреатитов на основе правил нечеткого вывода [Текст] / Й.Л. Гаврилов // Сборник материалов XII международной научно-технической конференции «Медико-экологические информационные технологии -2009» Курск, гос. техн. ун-т.- Курск, 2009.- С.20-26.

8. Гаврилов, ИЛ. Использование энергетических характеристик проекционных зон для оценки влияния негативных факторов окружающей среды на организм человека [Текст] / H.A. Кореневский, И.Л. Гаврилов, H.A. Коптева, В.О. Устименко, A.C. Самофалов, М.Т. Шехине // Сборник статей XIV международной научно-практической конференции «Экология и жизнь»,-Пенза: АНОО Приволжский дом знаний, 2008.-С.11-12.

9. Гаврилов, И.Л. Нечеткие сетевые модели для решения задач принятия решений при социально-гигиеническом мониторинге состояния здоровья

18

населения [Текст] / H.A. Кореневский, 3.0. Устименко, A.C. Самофалов, М.Т. Шехине // Сборник статей XIV международной научно-технической конференции «Экология и жизнь».- Пенза: АНОО Приволжский дом знаний, 2008. - С.57-59.

10. Гаврилов, И.Л. Ранняя диагностика заболеваний, вызываемых экологическими факторами, по данным микроэлементного анализа и рефлексодиагностики [Текст] / H.A. Кореневский, И.Л. Гаврилов, A.C. Самофалов // Сборник трудов международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов» часть 2 / Курск, гос. техн. ун-т.-Курск, 2008.- С.172-173.

11. Гаврилов, И.Л. Построение экспертных систем с базой знаний на нечетких сетевых моделях, обучаемых по структуре данных [Текст] / H.A. Кореневский, И.Л. Гаврилов, ">Р. А. Крупчатников // Сборник научных трудов 3-го международного радиоэлектронного форума «Прикладная радиоэлектроника. Состояние и перспективы развития. Том IV Конференция «Актуальные проблемы биомединженерии (АКБ 2008)».- Харьков: ПНПРЭ, ХНУРЭ, 2008.- С.241 -243.

12. Гаврилов, И.Л. Определение уровня функционального резерва человека по электрическому разбалансу акупунктурных точек [Текст] / И.Л. Гаврилов, А.Н. Коростелей, Л.В. Стародубцева, Е.А. Бойцова // Материалов межрегиональной научно-практической конференции «Информационные проекты в медицинской и педагогической практике - 2010» Курск, 2010.- С.34-37.

13. Гаврилов, И.Л. Контроль состояния здоровья по микроэлементному статусу [Текст] / Л.П. Лазурина, И.Л. Гаврилов, В.О. Устименко // Сборник материалов XI международной научно-технической конференции «Медико-экологические информационные технологии -2008» / Курск, гос. техн. ун-т.-Курск, 2008.-С.40-43.

14. Гаврилов, И.Л. Ранняя диагностика пан' оеагитов 'методами эмиссионной спектрографии и рефлексодиагностики [Текст] / И.Л. Гаврилов, В.О. Устименко // Сборник трудов Всероссийской научно-практической конференции «Биомедицинская инженерия и биоценология»,- Курск: КГМУ, 2008.- С.82-83.

Соискатель ' /1 ' / И.Л. Гаврилов

Подписано в печать_20_г. Формат 60x84 1/16 .

Печатных листов 1,1. Тираж 100 экз. Заказ -/ . Юго-Западный государственный университет, 305040, Курск, ул. 50 лет Октября, 94.

ВВЕДЕНИЕ.

1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ.

1.1. Математические методы системного анализа в задачах прогнозирования и оценки состояния сложных объектов.

1.2. Использование нечеткой логики принятия решений в задачах оценки и управления состоянием сложных систем.

1.3. Использование экспертных систем в задачах системного анализа и управления сложными объектами.

1.4. Цель и задачи исследования.

2. МЕТОДЫ И АЛГОРИТМЫ ОЦЕКИ И УПРАВЛЕНИЯ СОСТОЯНИЕМ СЛОЖНЫХ ОБЪЕКТОВ НА ОСНОВЕ НЕЧЕТКИХ ГЕТЕРОГЕННЫХ РЕШАЮЩИХ ПРАВИЛ.

2.1. Объект, методы и средства исследований.

2.2. Метод синтеза гетерогенных нечетких решающих правил для прогнозирования и оценки состояния сложных объектов.

2.3. Алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений в экспертных системах медицинского назначения с базой знаний на гетерогенных нечетких правилах.

2.4. Выводы второй главы.

3. РАЗРАБОТКА ОСНОВНЫХ ЭЛЕМЕНТОВ ЭКСПЕРТНОЙ СИСТЕМЫ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ НА ОСНОВЕ БАЗЫ ЗНАНИЙ С ГЕТЕРОГЕННЫМИ НЕЧЕТКИМИ ПРАВИЛАМИ.

3.1. Разработка структуры программного обеспечения экспертной системы медицинского назначения.

3.2. Меридианные модели для реализации их средствами машинной графики.

3.3 Синтез решающих правил для прогнозирования, ранней диагностики и оценки степени тяжести панкриатита.

3.4 Выводы третьей главы.

4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ.

4.1. Результаты экспериментальной проверки прогнозирования возникновения панкреатитов.

4.2. Результаты экспериментальной проверки правил для ранней диагностики панкреатитов.

4.3. Результаты экспериментальной проверки правил определения степени тяжести острого панкреатита.

4.4 Выводы четвертой главы.

Актуальность темы. В последние 25-30 лет успешно развивается новое направление системного анализа и принятия решений, связанное с разработкой методов моделей и алгоритмов обработки экспертных знаний.

В работах отечественных и зарубежных ученых получены теоретические и практические решения, позволяющие автоматизировать процесс принятия решений в различных сферах человеческой деятельности. Для успешной реализации технологии экспертных систем в задачах исследования и управления состоянием сложных объектов и систем необходимо по возможности интегрировать процессы исследования и принятия окончательных решений. Однако, несмотря на ясность общей концепции построения экспертных систем, их создание для решения конкретных системных задач требует дополнительных исследований. Последнее утверждение вытекает из мирового опыта таких систем разработки, подтверждающего прямую зависимость эффективности работы экспертных систем от структуры используемых данных, конкретного варианта модели представления знаний и алгоритмов обработки информации.

Многочисленные исследования в различных предметных областях, связанных с анализом и управлением сложными и сверхсложными объектами и системами, показали, что одним их эффективных методов представления и обработки знаний в экспертных системах является нечеткая логика принятия решений. При этом наибольшими логическими и функциональными возможностями обладают так называемые гетерогенные нечеткие множества, для которых при синтезе соответствующих решающих правил допускается использование различных наиболее подходящих математических структур.

Гетерогенные нечеткие множества позволяют моделировать ситуации многокритериального принятия решения, когда имеются признаки с различными типами шкал, что характерно для большого количества практически важных системных задач.

Однако практическая применимость этого типа нечётких множеств для различных предметных областей, включая медицину, изучена недостаточно. В частности, существуют проблемы эффективной агрегации разнородных информационных блоков, с помощью которых описывается состояние сложных и сверхсложных систем. Недостаточно исследован так же вопрос о построении баз знаний экспертных систем при использовании гетерогенных нечётких структур.

Таким образом, разработка методов синтеза нечётких гетерогенных моделей и построения на их основе высокоэффективных алгоритмов системного анализа и управление состоянием сложных объектов, включая организм человека, для экспертных систем соответствующих предметных областей является актуальной задачей.

Работа выполнена в соответствии с Федеральной целевой программой «Научные и научно-педагогические кадры инновационной России на 20092013 гг., в рамках реализации мероприятия № 1.2.1 «Проведение научных исследований научными группами под руководством докторов наук» и в соответствии с совместным научным направлением Юго-Западного государственного университета и Курского государственного медицинского университета «Разработка медико-экологических информационных технологий» и в соответствии с программой проблемной комиссии хирургии органов брюшной полости.

Цель работы. Разработка методов, моделей и алгоритмов для экспертных систем медицинского назначения, обеспечивающих повышение качества принятия решения по анализу и управлению состоянием здоровья за счет применения гетерогенных нечетких моделей, позволяющих агрегировать различные типы решающих правил с разнородными информационными блоками для задач предметной области различного уровня.

Для достижения поставленной цели необходимо решить следующие задачи:

- на основании изучения существующих подходов к анализу и управлению состоянием сложных объектов, функционирование которых описывается разнородной системой нечетких признаков, определить задачи исследования и выбрать адекватный математический аппарат исследования;

- разработать метод синтеза гетерогенных нечетких решающих правил для базы знаний экспертных систем медицинского назначения;

- разработать алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений в условиях неполного и нечёткого описания объекта исследования ;

- создать основные элементы программного обеспечения для экспертной системы медицинского назначения с базой знаний, использующей гетерогенные нечёткие правила;

-оценить эффективность предложенных методов моделей и алгоритмов на примере решения задач прогнозирования, ранней и дифференциальной диагностики заболеваний системы пищеварения.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории нечеткой логики принятия решений, экспертного оценивания, статистического анализа и математического моделирования. Для синтеза и проверки качества работы нечетких решающих правил использовалась система компьютерной математики MATLAB 7 SP1 и пакет визуального моделирования Simulink с системой нечеткой логики Fuzzy Logic Toolbox.

Область исследования. Содержание диссертации соответствует П4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» специальности 05.10.01 «Системный анализ, управление и обработка информации» паспорта номенклатуры специальностей научных работников (технические науки)

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

- метод синтеза гетерогенных нечетких решающих правил для анализа состояния сложных объектов, отличающийся возможностью агрегации различных типов нечётких математических моделей с разнородными информационными блоками, позволяющий решать задачи прогнозирования и оценки состояния исследуемых объектов на различных уровнях их функционирования с требуемым для практики качеством;

- алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений, отличающийся возможностью гибкой смены тактики анализа и управления состоянием объекта исследования в условиях его разнородного, неполного и нечёткого описания, позволяющий обеспечивать рациональное взаимодействие между экспертной системой и лицом принимающим решение;

- математическое и программное обеспечение экспертной системы медицинского назначения, отличающееся тем, что сетевая база знаний этой системы использует гетерогенные нечёткие правила, реализуемые унифицированными решающими модулями, взаимодействующими с модулями графического представления исследуемых объектов, позволяющее обеспечивать интеллектуальную поддержку специалистов выбранной предметной области;

- система гетерогенных нечетких решающих правил экспертной системы медицинского назначения для прогнозирования, ранней диагностики и оценки степени тяжести острого панкреатита, отличающаяся тем, что высокое качество принятия решений обеспечивается агрегированием различных типов правил, выбираемых в соответствии со структурой данных с учетом защитных механизмов и индивидуальных особенностей организма, что позволяет достигать уверенности в принимаемых решениях на уровне 0,9 и выше в зависимости от количества собираемой о пациентах информации;

Практическая значимость работы.

Разработанные методы, модели, решающие правила и алгоритмы составили основу построения экспертной системы интеллектуальной поддержки врача - гастроэнтеролога, клинические испытания которой показали целесообразность ее использования в медицинской практике.

Применение предложенных в диссертации разработок позволяет снизить риск возникновения, развития и обострения заболеваний системы пищеварения, а также выработать рациональные схемы проведения лечебно-оздоровительных мероприятий, повышая эффективность лечения и сокращая его сроки.

Основные теоретические и практические результаты работы внедрены в составе медицинской информационной системы в практическую деятельность муниципального учреждения здравоохранения «Городская клиническая больница №4», используются в научно-исследовательской работе кафедры химической технологии биологически активных веществ Курского государственного медицинского университета и в учебном процессе Юго-Западного государственного университета при подготовке специалистов по направлению «Биомедицинская инженерия».

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов» (Курск, 2008); на 3-м международном радиоэлектронном форуме «Прикладная радиоэлектроника, конференция проблемы биомединженерии» (Харьков, 2008); на XI и XII международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2008, 2009); на XIV международной научно-практической конференции «Экология и жизнь» (Пенза, 2008); на Всероссийской научно-практической конференции «Биомедицинская инженерия и биотехнология» (Курск, 2008); на научно-технических семинарах кафедры химической технологии биологически активных веществ Курского государственного медицинского университета (Курск, 2005,.,2009) на межрегиональной научно-практической конференции «Информационные проекты в медицинской и педагогической практике» (Курск, 2010).

Публикации. По материалам диссертации опубликовано 16 печатных работ, перечень которых приведен в конце автореферата, из них две работы в журналах по перечню журналов и изданий, рекомендованных ВАК РФ.

Личный вклад автора. В работах [1,2,5] соискателем предложен метод синтеза гетерогенных нечетких решающих правил и показана эффективность его применения в медицине. В работах [3 и 6] показывается роль микроэлементного статуса в прогнозировании и дифференциальной диагностике заболеваний на примере панкреатита; в работе [4] приведен алгоритм интеллектуальной поддержки принятия решений в экспертной системе с базой знаний на основе гетерогенных нечетких правил; в работах [7, 9, 10, 12, 13] показывается, что применение гетерогенных нечётких правил, использующих комбинированное пространство разнородных признаков, обеспечивают повышение качества прогнозирования и диагностики заболеваний системы пищеварения; а в работах [8, 11] разрабатывается база знаний для экспертной системы интеллектуальной поддержки принятия решений врача-гастроэнтеролога; в работах [14-16] предложены методы синтеза гетерогенных нечетких решающих правил для прогнозирования поведения и оценки состояния сложных систем включая организм человека.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 189 наименований. Объем диссертации 124 страницы машинописного текста, 30 рисунков и 25 таблиц.

4.4. Выводы четвертой главы

1. Качество принятия прогностических решений, обеспечиваемое нечеткими решающими правилами проверено на репрезентативных контрольных выборках и было установлено, что для наиболее часто встречающихся факторов риска они обеспечивают трехлетний прогноз по риску заболевания панкреатитом на уровне 0,85 и выше в зависимости от количества и качества собираемой информации.

2. Правила принятия решений о наличии у пациента ранней стадии панкреатита обеспечивают уверенность для наиболее распространенных факторов риска на уровне 0,88 и выше, что достаточно для их использования в практике врачей, работающих с выбранным контингентом больных.

3. Статистическая проверка правил принятия решений о степени тяжести панкреатита превышает уровень 0,95, что соответствует медико-техническим требованиям по выбранному классу задач.

ЗАКЛЮЧЕНИЕ.

Предлагаемая работа посвящена решению научных и практических задач, связанных с повышением качества оценки состояния и управления сложными объектами за счет совершенствования методов теории нечеткой логики принятия решений.

В ходе проведенных исследований получены следующие основные результаты.

1. На основании анализа достижимости целей и задач исследования определены объекты, методы и средства исследований. Обосновано использование аппарата нечеткой логики принятия решений с гетерогенными математическими моделями, как наиболее адекватными для решаемых в работе задач.

2. Разработан метод синтеза гетерогенных нечетких решающих правил, позволяющий за счет агрегации различных типов этих правил с разнородными информационными блоками решать задачи прогнозирования и оценки состояния сложных объектов на различных уровнях их функционирования с требуемым для практики качеством.

3. Предложен алгоритм интеллектуальной поддержки для анализа и управления процессами принятия решений позволяющий в условиях неполного и нечеткого описания объекта исследования обеспечивать рациональное взаимодействие между экспертной системой и специалистами предметной области решающими задачи оценки состояния и управления сложными объектами.

4. Разработано математическое и программное обеспечение экспертной системы медицинского назначения, которое позволяет обеспечивать интеллектуальную поддержку специалистов выбранной подметной области повышая качество медицинского обслуживания людей с заболеваниями системы пищеварения

5. Получены решающие правила для прогнозирования, ранней диагностики и оценки степени тяжести панкреатитов, учитывающие различные типы информативных признаков (включая факторы риска), которые позволяют в условиях нечеткого и неполного представления данных получать уверенность в правильном прогнозе, раннем диагнозе, и в классификации обострений на уровне 0,9, что для данного класса задач достаточно для практического использования.

6. Проведена апробация предложенных методов и средств на репрезентативных контрольных выборках и показана эффективность их использования в практике врачей гастроэнтерологов.

1. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерностей Текст. / С.А. Айвазян, В.М. Буштабер, И.С. Енюков Л.Д. Мешалкин // — М.: Финансы и статистика, 1989. 607 с.

2. Айвазян, С.А. Прикладная статистика. Основы моделирования и первичная обработка данных Текст. / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин // Справочное издание. М.: Финансы и статистика, 1983. - 472 с.

3. Александров, В.В. Обработка медико -биологических данных на ЭВМ Текст. /В.В. Александров, B.C. Шнейдеров //-Л.: Медицина, 1984. 160 с.

4. Александров, В.В. Анализ данных на ЭВМ (на примере СИТО). Текст. / В.В. Александров, А.И. Алексеев, И.Д. Горский М.: Финансы и статистика, 1990.-245с.

5. Алексахин, C.B. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. Текст. / C.B. Алексахин // В 2-х томах. М. ПРИОР, 2002. -688 с.

6. Ананин, В.Ф. Рефлексология (теория и методы). Текст. / В.Ф. Ананин // Монография. М.: изд-во РУДН и Биомединформ, 1992. -168с.

7. Андерсен, Т. Введение в многомерный статистический анализ М.: Физматгиз, 1963. -500 с.

8. Анохин, П.К. Очерки по физиологии функциональных систем. Текст. // П.К. Анохин // М.: Медицина, 1975. 446с.

9. Анишева, Т.Н. Применение препаратов-производных нуклеиновых кислот в лечении острого панкреатита: автореферат дисс. канд. мед. наук / Т.Н. Анищева. Курск 2005. -23с.

10. Баевский, P.M. Оценка адаптационных возможностей организма и риск развития заболеваний. Текст. / P.M. Баевский, А.П. Берсенева-М.: Медицина, 1997. -235с.

11. Башлыков, И.А. Разработка и исследование методов и средств управления процессами диагностики и комбинированной терапии язвеннойболезни желудка. Текст. // дисс. канд. мед. наук: 05.13.01 защищена 23.12.05/Башлыков Иван Анатольевич. Воронеж, 2005.139с.

12. Бешелев, С.Д., Гурович Ф.Г. Математико-статистические методы экспертных оценок. -М.: Статистика, 1980. -263с.

13. Бикел, П., Доксам, К. Математическая статистика. — М.: Финансы и статистика, 1983. вып.1. -278с.; Вып.2. -254с.

14. Боровиков, В.П. Statistica для студентов и инженеров. — М.: Компьютер Пресс,2001.-301с.

15. Браверман, Э.М., Мучник, Ч.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. -464с.

16. Васильев, Н.С., Панов, В.М. «Имитационное моделирование сложных систем» М.: Практика, 1998.

17. Вапник, В.Н., Червоненкис, А.Я. Теория распознавания образов. М.: Наука, 1974. -487с.

18. Васильев, В.Н. Распознающие системы. Текст. / В.Н. Васильев // Справочник. -Киев.: Наукова думка, 1983. -82с.

19. Вельховер, Е.С. Клиническая рефлексология. Текст. Е.С. Вельховер, В.Г. Никифоров. -М.: Медицина, 1983.С. 19-83.

20. Воробьев, С.А. Математическая обработка результатов исследований в медицине, биологии и экологии. Текст. / С.А. Воробьев, A.A. Яшин // под ред. A.A. Яшина. Монография. Тула. ТулГу, 1999. -120с.

21. Винник, Ю.С. Эффективность применения глутоксима в комплексном лечении больных острым панкреатитом / Ю.С. Винник, Г.В. Бульгин, С.С. Дунаевская // Сибирское мед. Обозрение 2002.- №2. -С.29-32.

22. Гаваа Лувсан. Очерк методов восточной рефлексотерапии.- 3-е изд. -Новосибирск, 1991. 432 с.

23. XIV Международной научно-практической конференции «Экология и жизнь» Пенза, 2008 АНОО Приволжский дом знаний, С. 11-12.

24. Гаврилов, И.Л. Прогнозирование и ранняя диагностика панкреатитов по микроэлементному статусу Текст.: H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов, А.Л. Локтионов. Вестник Воронежского государственного университета.

25. Гаврилов, И.Л. Прогнозирование возникновения и оценка степени тяжести панкреатитов на основе нечеткой логики принятия решений Текст.: А.Л. Локтионов, H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов / Биомедицинская техника и радиоэлектроника

26. Гайдышев, И.П. Анализ и обработка данных: специальный справочник. -СПб.: Питер, 2001.-752 с.

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

28. Генкин, Я.Я. Новая информационная технология анализа медицинских данных. СПб: Политехника, 1999. -191с.

29. Глухов, A.A. Статистика в медицинских исследованиях Текст. / A.A. Глухов, A.M. Земсков, H.A. Степанян, A.A. Андреев, А.Н. Рог, Э.В. Савенюк, И.Н. Химина, В.А. Куташов. Воронеж: Изд-во «Водолей», 2005. -158с.

30. Горбань, А.Н., Дунин-Барковский B.JL, Кирдин А.Н. и др. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998.-296С.

31. Горбань, А.Н. Обучение нейронных сетей. -М.: Изд. СССР-США СП «ParaGraph», 1990. -160с.

32. Горбатенко, П.К. Моделирование процесса распознавания с помощью нейронной сети. Текст. / П.К. Горбатенко, JI.H. Паринский // Вестник новых медицинских технологий. -2000 -Т.: VII, №3 -4.С.21-22.

33. Горелик, A.JI. Методы распознавания. Текст. / A.JI. Горелик, В.А. Скрипкин М.: Высшая школа, 1984.-258с.

34. Гублер, Е.В. Применение непараметрических критериев статистики в медико-биологических исследованиях / Е.В. Гублер, A.A. Генкин. JL: Медицина, 1973.-103с.

35. Гублер, Е.В. Вычислительные методы анализа и распознавания патологических процессов. JL: Медицина, 1978. -296с.

36. Гринин, A.C. Математическое моделирование в экологии Текст.: Учебное пособие для вузов / A.C. Гринин, H.A. Орехов, В.Н. Новиков. -М.: ЮНИТИ-ДАНА, 2003.296с.

37. Демьянов, A.B. Диагностическая ценность исследования уровней цитокинов в клинической практике / A.B. Демьянов, А.Ю. Котов, A.C. Симбирцев // Цитокины и воспаление. -2003. -Т.2, №3. -С.20-35.

38. Дуброва, Т.А. Статистические методы прогнозирования Текст.: Учебное пособие для вузов / Т.А, Дуброва. М.: ЮНИТИ-ДАНА, 2003.206с.

39. Дуда, Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1978.-510с.

40. Дюк, В., Эмануэль, В. Информационные технологии в медико-биологических исследованиях. СПб: Питер, 2003. -528с.

41. Елисеева, H.H. Общая теория статистики. Текст./ H.H. Елисеева, М.М. Юзбашев // Учебник под ред. И.И. Елисеевой. -4-еизд., перераб. и доп. М.: Финансы и статистика, 2003.-480с.

42. Енюков, И.С. Методы, алгоритмы, программы многомерного статистического анализа. -М.: Финансы и статистика, 1986. 325 с.

43. Загоруйко, Н.Г. Методы распознавания и их применение. — М.: Сов. радио, 1972.-308с.

44. Заде, JI. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание, 1974.

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

46. Зилов, В.Г. Новое в изучении акупунктурных меридианов тела человека. Текст. / В.Г. Зилов // Вестник новых медицинских технологий. -1999 -Т. VI. №3-4. -С. 148-153.

47. Ивахненко, А.Г. Самообучающиеся системы распознавания и автоматического регулирования. Текст. / А.Г. Ивахненко Киев. Техника, 1969.-392с.

48. Ивахненко, А.Г. Долгосрочное прогнозирование и управление сложными системами. — Киев: Техника, 1975. 311с.

49. Ивахненко, А.Г., Юрачковский, Ю.П. Моделирование сложных систем по экспериментальным данным. -М.: Радио и связь, 1987. -118с.

50. Исаева, Н.М, Системный подход к математическому моделированию в биологии и медицине / Н.М. Исаева, Т.Н. Субботина // Вестник новых медицинских технологий. -2000 -Т.VII №3-4. -25с.

51. Казначеев, В.П. Донозологическая диагностика в практике массовых заболеваний населения. Текст. / В.П. Казначеев, P.M. Баевский, А.П. Берсенев Л.: Медицина, 1986. -216с.

52. Кетлинский, С.А. Цитокины мононуклеарных фагоцитов в регуляции реакции воспаления и иммунитета / С.А. Кетлинский, Н.М. Калинина // Иммунология. -1995. -№3. -С.30-44.

53. Козлов, В.А. Лапароскопический метод лечения панкреонекроза / В.А. Козлов, И.В. Козлов, Е.Б. Головко / VIII Всерос. съезд хирургов: тез. докл. -Краснодар, 1995.-С.592-593.

54. Кон, Е.М. Оценка тяжести заболевания при остром панкреатите / Е.М. Кон, В.А. Черкасов // IX Всерос. съезд хирургов (20-22 сентября 2000г., г.Волгоград). -Волгоград, 2000. -С.62-63.

55. Коптева, H.A. Прогнозирование возникновения заболеваний работников сельскохозяйственного производства Текст. / H.A. Кореневский, В.И. Серебровский, H.A. Коптева // Курск: изд-во Курск, гос. с.-х. ак., 2005. -35с.

56. Кореневский, H.A. Проектирование нечетких решающих сетей настраиваемых по структуре данных для задач медицинской диагностики. Текст. / H.A. Кореневский // Системный анализ и управление в биомедицинских системах. Москва, 2005, Т.4, №1.С.12-20.

57. Кореневский, H.A. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики ипрогнозирования. Текст. / H.A. Кореневский // Вестник новых медицинских технологий, 2006.T.XIII, №2.С.6-10.

58. Кореневский, H.A. Методы поиска информативных проекционных зон и синтеза нечетких решающих правил для рефлексодиагностики. Текст. / H.A. Кореневский, В.В. Буняев // Системный анализ и управление в биомедицинских системах. Том 3, №2, 2004. -С. 175-178.

59. Кореневский, H.A. Синтез меридианных моделей для рефлексодиагностики и рефлексотерапии. Текст. / H.A. Кореневский, В.В. Буняев // Системный анализ и управление в биомедицинских системах. Том 3.№2, 2004. -С.178-182.

60. Кореневский, H.A. Энергоинформационные основы рефлексологии. Текст. / H.A. Кореневский, М.И. Рудник, Е.М. Рудник, Курск, гуман.-техн. инст., Курск, 2001-236с.

61. Кульбак, С. Теория информации и статистика. М.: Наука, 1967. -408с.

62. Кэнал, JI. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога. Текст. / JI. Кэнал //

63. Распознавание образов при помощи цифровых вычислительных машин. -М.: Мир; 1974. -157с.

64. Лбов, Г.С. Логические функции в задачах эмпирического предсказания. Текст./ Г.С. Лбов // Эмпирическое предсказание и распознавание образов: Вычислительные системы. Новосибирск, 1978, вып.76. -С.34-64.

65. Лбов, Г.С. Методы обработки разнотипных экспериментальных данных. Текст. / Г.С. Лбов, Новосибирск: Наука. 1981. -287с.

66. Лейдерман, И.Н. Синдром полиорганной недостаточности (ПОН). Метаболические основы (Лекция часть 1) / И.Н. Лейдерман // Вестн. интенсив, терапии. —1999. —№2. -С.24-28.

67. Лейдерман, И.Н. Синдром полиорганной недостаточности (ПОН). Метаболические основы (Лекция часть 2) / И.Н. Лейдерман // Вестн. интенсив, терапии. -1999. —№3. -С.32-37.

68. Лисенков, А.Н. Математические методы планирования многофакторных медико-биологических экспериментов. М.: Медицина, 1979. -344с.

69. Литвак, Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982. -184с.

70. Методика применения экспертных методов для оценки качества продукции // М.: Стандарт, 1975. 31 с.

71. Мелихов, А.Н. Расплывчатые ситуационные модели принятия решений Текст. / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин // Учеб. Пособие, Таганрог: ТРТИ, 1986. -211с.

72. Новосельцев, В.И. Теоретические основы системного анализа Текст. / В.И. Новосельцев, Б.В. Тарасов, В.А. Голиков, Б.Е. Демин / Под ред. В.И. Новосельцева // М.: Майор, 2006. 592 с.

73. Никифоров, В.Г. Электропунктура метод изучения механизмов иглорефлексотерапии Текст. / В.Г. Никифоров // В кн. Электропунктура и проблемы информационно-энергетической регуляции деятельности человека. М: 1976.-С.11-19.

74. Нильсен, Н.Д. Искусственный интеллект. Методы поиска решений. -М.: Мир, 1973.-298с.

75. Омельченко, В.П. Практикум по медицинской информатике Текст. / В.П. Омельченко, A.A. Демидова // Серия учебники. Учебные пособия / Ростов на Дону. Феникс, 2001.304с.

76. Орлов, А.И. Прикладная теория измерений // Прикладной многомерный статистический анализ. -М.: наука, 1978.С.68-138.

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

78. Пашков, В.Г. Использование лапароскопии в лечении деструктивного панкреатита / В.Г. Пашков, С.А. Аносов // Эндоскопич. хирургия. -1998. -№1. -С.37.

79. Подшибякин, А.К. Об изменении электрических потенциалов во внутренних органах и связанных с ними активных точек кожи // Физиол. журнал. СССР, 1995, Т.41, вып.З. -С.357-362.

80. Попов, Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. -287с.

81. Портнов, Ф.И. Электропунктурная рефлексотерапия. Рига: Зинатне.1980. -245с.

82. Порохна, B.C. Некоторые аспекты рефлексодиагностики и рефлексотерапии // Вестник новых медицинских технологий. 2003 Т.Х, №3 -С.45-47.

83. Построение экспертных систем: Пер. с англ./ Под ред. Ф. Хейса Рота, Д. Уотермана, Д. Лената. -М.: Мир, 1987.-412с.

84. Плотников, В.В. Автоматизация методик психологического исследования Текст. / В.В. Плотников, H.A. Кореневский, Ю.М. Забродин. -Орел, изд-во института психологии АНСССР; ВНИИОТ Госагропрома СССР, 1989. -327с.

85. Радионов, И.А. Критерии оценки тяжести состояния больных с панкреонекрозом / И.А. Родионов, A.B. Шабунин, М.С. Гордеев // IX Всерос. съезд хирургов (20-22 сентября 2000 г., г. Волгоград). Волгоград, 2000. -С.77.

86. Распознавание образов и медицинская диагностика / Под ред. Неймарка Ю.И., гл. ред. физ.-мат. литературы издательства «Наука»,- М., 1972.-328с.

87. Рыков, A.C. Модели и методы системного анализа: принятие решений и оптимизация // Учебное пособие для вузов / М.: «МИСИС». Издательский дом «Руда и металлы», 2005. 352 с.

88. Руднов, В.А. Сепсис: современный взгляд на проблему / В.А. Руднов // Рус. мед. журн. -2000. -Т.2, №1. -С.25-28.

89. Савельев, B.C. Лечебная тактика при панкреонекрозе / B.C. Савельев, М.И. Филимонов, Б.Р. Гельфанд // IX Всерос. съезд хирургов (20-22 сентября 2000 г., г. Волгоград). -Волгоград, 2000. -С. 111-112.

90. Савельев, B.C. Панкреонекроз. Состояние и перспектива / B.C. Савельев, В.А. Кубышкин // Хирургия. 1993. -№6. -С.22-28.

91. Сидельников, Ю.В, Теория и организация экспертного прогнозирования. -М.: ИМЭМО АН СССР, 1990. -196с.

92. Справочник по функциональной диагностике в педиатрии Текст. / Под ред. Ю.Е. Ватищева, И.С. Кисляк. М., Медицина, 1979. 624с.

93. Сопия, P.A. Лечебно-тактическая концепция острого деструктивного панкреатита: дис. . д-ра мед. наук: 14.00.27 / P.A. Сопия. —М., 2001. -300с.

94. Судаков, К.В. Функциональные системы организма в норме и патологии // Системные механизмы поведения / Труды научного совета по экспериментальной и прикладной физиологии РАМН. -1993 -Т2. -С.17-33.

95. Судаков, К.В. Системное взаимодействие в целом организме Текст. / К.В. Судаков, Е.А. Юматов // Физиология функциональных систем. Учебное пособие. Иркутск, 1997. С. 498-510.

96. Табеева, Д.М. Руководство по иглорефлексотерапии Текст. / Д.М. Табеева.М.: Медицина, 1980. -560с.

97. Танака, К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве Текст. / К. Танака // в кн. Нечеткие множества и теория возможностей. Последние достижения Пер. с англ./ Под ред. P.P. Ягеря М.: Радио и связь, 1986. -408с.

98. Таусенд, К., Фохт, Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика 1990. -346с.

99. Терехина, А.Ю. Анализ данных методами многомерного шкалирования Текст. / А.Ю. Терехина. М.: Наука, 1986. -215с.

100. Тутов, Н.Д. Методы диагностики заболеваний по содержанию микроэлементов в органах и тканях / Тутов Н.Д., Лазурина Л.П. // Биомедицинская радиоэлектроника 2001. №З.С. 35-40.

101. Уинстон, П. Искусственный интеллект. М.: Мир, 1980. -520с.

102. Уотермен, Д. Руководство по экспертным системам. 1980. -384с.

103. Уотерман, Р.Д. Построение экспертных систем Текст.: Д. Уотерман, Д. Ленат, Ф. Хейсе-Рот.: пер. с англ. М.Мир, 1987. -521с.

104. Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика Текст. / A.A. Усков, A.B. Кузьмин. М.: горячая линия телеком, 2004. -143с.

105. Устинов, А.Г. Автоматизированные медико-технологические системы в 3-х частях Текст. / А.Г. Устинов, В.А. Ситарчук, H.A. Кореневский // Под ред. А.Г. Устинова // Монография КурскГТУ, Курск. 1995. -390с.

106. Флейшман, Б.С., Брусиловский, П.М., Розенберг, Г.С. О методах математического моделирования сложных систем // Системные исследования. Ежегодник. — М.: Наука, 1982. С. 65-79.

107. Фогель, Л., Оуэне, А., Уолш, М. Искусственный интеллект и эволюционное моделирование. — Мир, 1969. -230с.

108. Фомин, A.A., Тарловский, Г.Р. Статистическое распознавание образов. Текст. / A.A. Фомин, Г.Р. Тарловский. Радио и связь, 1986. 288с.

109. Фролов, В.Н., Управление в биологических и медицинских системах Текст.: Учеб. пособие / В.Н. Фролов. Под ред. д-ра техн. наук проф. Я.Е. Львовича и д-ра мед. наук, проф. М.В, Фролова Воронеж, гос. техн. унт, Воронеж, 2001. 327с.

110. Фу, К. Структурные методы в распознавании образов. Текст. К. Фу. -М.: Мир, 1977. 320с.

111. Фукунага, К. Введение в статистическую теорию распознавания образов. Текст. / К. Фукунага. Пер с англ. М.: наука, 1979. 350с.

112. Цитокиновый баланс в патогенезе системного воспалительного ответа: новая мишень иммунотерапевтических воздействий при лечении сепсиса / Е.Р. Черных, О.Ю. Леплина, М.А. Тихонова и др. // Мед. Иммунология. -2001. -Т.З. -С.415-429.

113. Шабанов, В.В. Роль цитокинов и других сигнальных молекул в патогенезе острого панкреатита / В.В. Шабанов // Вестн. Рос. академии мед. наук. -2003. —№9. -С.44-47.

114. Шалимов, С.А, Острый панкреатит и его осложнения / С.А. Шалимов, А.П. Радзиховский, М.Е. Ничитайло. Киев: Наукова думка, 1990. -272с.

115. Шапкин, Ю.Г. Прогнозирование течения острого панкреатита / Ю.Г. Шапкин, С.Ю. Березкина // Успехи современного естествознания. 2003. -№6. -С.95.

116. Шевердин, Ю.П. Нейроэндокринные аспекты патогенеза жирового панкреонекроза / Ю.П. Шевердин // Клинич. хирургия. -1991. -№2. -С.29-30.

117. Шугаев, А.И. Малоинвазивные методики в комплексном лечении больных с острым панкреатитом и его осложнениями / А.И. Шугаев, И.Н. Гера, А.Л. Андреев // Вестн. хурургии. -1999. -Т.158, №5. -С.85-88.

118. Яхъяева, Г.Э. Нечеткие множества и нейронные сети. Учебное пособие Текст. Г.Э. Яхъяева // М.: Интернет-Университет Информационных технологий.; БИНОМ. Лаборатория знаний. 2006. 316 с.

119. Arslan, Е. The relationship between tumor necrosis factor (TNF) alpha and survival following granulocyte colony stimulating factor (G CSF) administration in burn sepsis / E. Arslan,M. Yavuz, C. Dalay // Burns. -2000. -Vol.26, №6. -P.521-524.

120. Bachman, G. Leitfaden der akupunktur, die akupunktur, eine altchinesische Heilwese und ihre kliniseh-experimentle Bestâtigug.G. Bachman. Ulm-Donau: 1961.P.2039.

121. Bone, R.C. Sepsis: a new hypothesis for pathogenesis of the disease process / R.C. Bone, C.J. Godzin R.A. Balk // Chest. -1997. -Vol.112. -P.235-243.

122. Bone, R.C. Sir Isaac Newton, sepsis, SirS and CARS / R.C. Bone // Crit. Care. Med.-1996.-Vol.24.-P.l 125-1129.

123. Bruce, G. Buchanan, Edward H. Sportlife. Rule-Based Expert Systems'4 The MYCIN Experiments of the Stanford Heuristic Programming Projext. Addison-Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-201-101726.

124. Chandrasekaran, B., Mittal, S., Conceptual Representation of Medical Knowledge for Diagnosis by Computer: MDX snd Related System // Adv. Comput. 1983.-N22. -P.217-293.

125. Cheg, Tan-An "s "Treatment of Shang Han Diseases" American J. Acupuncture. 1988.V.16.№4. pp.351-357.

126. Clough, K., Jardine, I. Telemedicine — the agent for change // Brit. J. Healthcare Comput. Inform. Management.-2001.-Vol. 18, no.8.-P.22-24.

127. Demikova, N.S., Zhuchenko, L.A., Kobrynsky, B.A. The results of bith defects monitoring in newborn in Russia // Abstracts of the 8th European symposium "Prevention of congenital anomalies", Arch, of Perinatal Medicine, suppl.-2005.-P.31.

128. Deng Liangyue, Gan Yijun, He SHuhui. Chinese Acupuncture and Moxibustion Beijing, 1987.

129. Dong, J-T. "Research on the reduction of anxiety and depression with acupuncture". American Journal of acupuncture, 1993; 21 (4). Pp. 327-329.

130. Hammer, M., Champy, J. Reengineering the Croration: A Manifesto for Business Revolution.-New York: Harper Collins, 1993.

131. Han, J, Terenius L. "Neurochemical basis of acupuncture analgesia". American Review Pharm Toxicology, 1982; 22, pp.193-220.

132. Hayes-Roth, F.: "The Knowledge Based Expert System: A Tutorial". IEEE COMPUTER.-1987.-Vol. 17, N9.-P. 11 -18.

133. Head, G.Die Sensibilititsstiirungen der Hant bei Visceralerkrandkungen. Berlin: Hirschwald, 1998.

134. Hoang Bao T'au, La Kuang Niep. Acupucture. Translate from Vietnam, in Russian. Moscow: Medicine, 1989. ISBN 5-225-00299-4.

135. Hsu, Jay C., Andrew U. Meyer. Modern control principles and applications. New York: McGraw-Hill, 1968.

136. Hu Xianglong, Wu Baohua, You Zhenguan. "Preliminary analysis of the mechanism underlying the phenomenon of channel blocking" J. Trad. Chinese Medicine. 1986. V.6 №4.pp. 289-296.

137. Jayasuriya, A. Scientific Basis of Acupuncture. Chandrakanthi Press (International) Colombo, Sri Lanka, 1987.

138. Jonson, C.H. Pancreatic Diseases / C.H. Jonson, C.W. Imprie // Springer.-1999.-P. 1-253.

139. Kendall, D.E. "A Scientific model for acupuncture: part 1" American Journal of acupuncture. 1989. V.17, №3 .pp.251-268.

140. Kendall, D. "A Scientific model for acupuncture: part 1 &2" American Journal of acupuncture. 1989;.17(3) pp.251-268; 17(4)pp.343-360.

141. Kobrinsky,B., Tester, I., Demikova, N. et al. A. Multifunctional system of the national genetic register // Medinfo'98: Proc.9th Intern, congr. On medical informatics. Ptl.-Seoul, 1998.-P.121-125.

142. Kobrinsky, B.A., Database for disabled children received an injuries in disasters // Prehospital and Disaster med.-1997.-Vol.12, №3.Suppl.l.-P.90-91.

143. Kulback, S. Information Theory and Statistics. New York: Wiley, 1959.

144. Manaka, Y. Practice of Acupuncture.-Yokosuka, 1972.-185 p.

145. Mann, F. Acupuncture: The ancient Chinese art of heating.-L.A Heinemann, 1978.-200p.

146. Negoita, C.N. Expert System and Fuzzy Systems. The Benjamin/ Cammings Publishing Co., Menio Park, CA, 1985.

147. Nechushkin, A.L. "Definition of a functional condition of the channel on change of electroskin resistance in one point.'Tgloreflexoterapia in Russian. Gorkkii. 1974.pp.22-25.

148. Niboyet, J.E.H. L' anesthesia par 1' acupuncture. Maisonneuve, sainte Ruffine, 1973.

149. Nystrom, P.O. The systemic inflammatory response syndrome: definitions and aetiology/ P.O. Nystrom// Journal of Antimicrobial Chemotherapy.-1998.-Vol.4\-P.l-7.

150. Ostanin, A.A. Cytokine based immunotherapy of severe and generalized surgical infections / A.A. Ostanin, S.D. Nikolov, N.R. Chernykh // Crit. Care Intern.- 1996.-№11/12.-P.13-16.

151. Pruitt,J.H. Increased soluble interleukin-1 type II receptor concentrations in postoperative patients and in patients with sepsis syndrome / J.H. Pruitt, M.B. Welborn // Blood.-1996.-Vol.87.-P.3282-3288.

152. Sammon, Y.W. An optimal discriminant plane // IEEE Ttrans. Comput.-1970,-Vol. 19, N9.-P.15-25.

153. Sammon, Y.W. A. Nonlinear mapping for Data Structure Analysis// IEEE Trans/ Comput.-1969, -C-18-N5-P.401-409.

154. Sandifort, P., Annett H., Cibulskis ZR. What can information systems do for primary health care. An international perspective // Social sei. Andmed.-1992.-Vol.34.-P. 1077-1087.

155. Saoty, T. Measuring the fuzziness of sets // Cybernetics.-1974.-Vol. 4,N4.-P.53-61.

156. Scheibel, M.E. Strctural substurates for integrative patterns in the brain stremreticular cove. Reticular formation on the brain. Boston, 1985.

157. Schnorrenberger, C.C. Lehrbuch der chinesischen Medizin für westliche Arzte. Die theoretischen Grundlagen der chinesischen Akupunktur und Arzneiverordnung.-Stuttgart: Hippokrates Veri., 1979.-636 S.

158. Schnorrenberger, C.C. Spezielle Techniken der Akupunktur und Moxabustion.-Stuttgart: Hippokrates Veri., 1983.-385 S.

159. Seem, M.D. Acupuncture imaging: Perceiving the Energy Pathways of the Body: A Guide for Practitioners and Their Patients. Healing Arts Press Rochester, Vermont, 1990, p85.

160. Shortliffe, E.H. Computer- Based medical Consultations: MYCIN, New York: American Elseviver, 1976.

161. Tran, D.V. "The curious meridians." American Journal of acupuncture. 1989.V.17, №l,pp.45-56.

162. Tran, D.V. "Wind as a factor of pathogenesis." American Journal of acupuncture. 1988. V. 16,№2.pp. 159-164.

163. Weiss, S.M., Kulikowski, C.A. A Practical Guide to Desinging Expert System.- New Gersey: Powman &Allan heild Publ., 1984.

164. Voll, R. "Electroakupuncturdiagnostik" Medizin heute. 1960.№5.P. 128-131.

165. Voll,R. "Electroakupuncturtepapie" Medizin heute. 1960.№1.P.256-260.

166. Voll, R. "Gelöste und ungelöste Probleme den Electroakkupunctur" Schriftenrehe des Zentralrerbandes der Ärtzte für Naturheilverfahren. 1961.5. Sonderheft.P. 148-152.

167. World Health Organization. Standart Acupuncture Nomenclature, part 1 (revised). Edited by Regional Office for the Western Pacific, Manila, Phlippines, 1991,p 11.

168. Yeh, F.L. Changes in ciculating levels of anti inflammatory cytokine interreukin 10 in burned patients / F.L. Yeh, W.L. Lin, H.D. Shen // Burns.-2000.-Vol.26, №5.-P.454-459.

169. Zadeh, L.A Advances in Fuzzy Mathematics and Engineering Fuzzy Sets and Fuzzy information-Granulation Theory. Beijing. Beijing Normal University Press. 2005. ISBN 7-303-05324-7

170. Zadeh, L.A., King-Sun Fu, Kokichi Tanaka, Massamichi Shimura. Fuzzy sets and their applications to cognitive and decision processes. Academic Press, Inc. New York San Francisco London, 1975. ISBN 0-12-775260-9

171. Zhao Jianguo, Zhang Linying. "Review of the current status of acupuncture and moxibustion." American Journal of acupuncture. 1986. V/14, №2. pp. 105-109.