автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методы и средства прогнозирования возникновения и оценки степени тяжести панкреатитов на основе правил нечеткого вывода

На правах рукоп [

Гаврилов Игорь Леонидо

Методы и средства прогнозирования возникновения и оценки степени тяжести панкреатитов на основе правил нечеткого вывода

Специальность 05.13.01 - Системный анализ, управление и обработка

информации (технические и медицинские системы)

2 6 НОЯ 2009

АВТОРФЕРАТ иий

диссертации на соискание ученой степени кандидата технических наук

Курск-2009

003484887

Работа выполнена в ГОУ ВПО «Курский государственный медицинский университет» на кафедре химической технологии биологически активных веществ

Научный руководитель доктор медицинских наук,

профессор

Мишустин Владимир Николаевич

Официальные оппоненты:

доктор технических наук, профессор Филист Сергей Алексеевич

кандидат технических наук, доцент Руденко Вероника Викторовна

Ведущая организация ГОУ ВПО Воронежский государственный

технический университет

Защита диссертации состоится «3» декабря 2009 года в 16 часов на заседании диссертационного совета Д 212.105.03 при Курском государственном техническом университете по адресу: 305040, г. Курск, ул. 50 лет Октября, 94.

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

Автореферат разослан «2» ноября 2009 г.

Текст автореферата размещен на сайте

http:// www.kurskstu.ru/diss/ «2» ноября 2009г.

Ученый секретарь совета по за и кандидатских диссертаций,

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Среди всего многообразия задач, возникающих в хирургической гастроэнтерологии, достаточно остро встает вопрос о прогнозировании и адекватной, математически обоснованной оценке степени тяжести острого панкреатита. Среди острой патологии органов брюшной полости на долю этого заболевания приходится до 16% случаев, причем у 1520% пациентов из числа заболевших наблюдается тяжелый осложненный характер заболевания (Пацырев Ю.М., Данилов М.В., Винник Ю.С.).

Общая летальность при панкреатите по Российской Федерации достигает 2,08 на 1000 населения (Анишева Т.Н., Винник Ю.С., Локтионов А.Л.). Разработка эффективных методов диагностики и современных хирургических технологий позволили стабилизировать летальность на уровне 16-25 %, достигая в отдельных районах 50 - 85 % при его деструктивных формах (Винник Ю.С., Локтионов А.Л.).

Проведенный анализ показывает, что, несмотря на успехи современной медицины, потери общества от исследуемого заболевания остаются достаточно высокими. Недостаточно эффективно ведется и лечебно -профилактическая работа по снижению риска возникновения панкреатитов.

Социальная значимость проблемы определяется тем, что наибольший уровень заболеваемости отмечается в возрасте от 30 до 50 лет.

Работы по совершенствованию лечения острого панкреатита могут проводиться в нескольких направлениях, включая совершенствование методов прогнозирования, ранней диагностики и оценки тяжести заболевания на основе современных математических методов и информативных технологий (Попечителев Е.П., Устинов А.Г., Фролов В.Н.).

Таким образом, актуальность темы исследования определяется необходимостью повышения эффективности прогнозирования возникновения и определения степени тяжести больных острым панкреатитом на основе методологии системного анализа реализуемого средствами математического моделирования и вычислительной техники.

Работа выполнена в соответствии с программой проблемной комиссии хирургии органов брюшной полости и совместным научным направлением Курского государственного технического университета и Курского государственного медицинского университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка методов, моделей и алгоритмов для системы поддержки принятия решений врача-гастроэнтеролога, обеспечивающих повышение качества прогнозирования, донозологической диагностики и оценки степени тяжести панкреатитов за счет применения комбинированных нечетких решающих правил, использующих информацию о микроэлементном статусе организма и электрическом состоянии биологически активных точек в сочетании с информативными признаками, используемыми в современной медицинской практике.

Для достижения поставленной цели необходимо решить следующие задачи:

- на основании данных об этиологии и патогенезе панкреатита сформировать систему информативных признаков, изучить структуру классификационных данных, определить цель исследования и выбрать адекватный математический аппарат;

- разработать метод синтеза нечетких решающих правил для прогнозирования и диагностики панкреатитов;

синтезировать набор нечетких решающих правил для прогнозирования возникновения, ранней диагностики и оценки степени тяжести панкреатитов;

- разработать модели взаимодействия поджелудочной железы с поверхностными биологически активными точками меридианных структур;

- разработать алгоритм управления процессами принятия решений и структуру программного обеспечения соответствующей автоматизированной системы;

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

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.

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

- метод синтеза нечетких решающих правил для принятия решений по прогнозированию и диагностике панкреатитов, отличающийся тем, что получаемые классификационные решающие правила дополнительно к общепринятым в медицине признакам учитывают микроэлементный статус организма и энергетическое состояние биологически активных точек, «связанных» с поджелудочной железой, позволяющий получать нечеткие решающие правила, обеспечивающие достаточный для практики уровень уверенности в принимаемых решениях при плохо формализуемой структуре данных;

- система нечетких решающих правил 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;

- меридианная модель взаимодействия поджелудочной железы с биологически активными точками, отличающаяся возможностью контроля

4

энергетического баланса структур организма, меняющегося при нарушениях в работе контролируемого органа, что позволяет повысить эффективность прогнозирования и ранней диагностики выбранного класса заболеваний;

- алгоритм управления процессами прогнозирования, диагностики и профилактики панкреатита, отличающийся возможностью гибкой смены тактики обследования и профилактики пациентов с учетом индивидуальных особенностей организма и наличия сочетанных заболеваний, обеспечивающий приемлемую для медицинской практики эффективность работы соответствующей системы поддержки принятия решений.

Практическая значимость работы.

Разработанные методы, модели, решающие правила и алгоритмы составили основу построения системы поддержки принятия решений 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 поджелудочной железы, 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 Курского государственного технического 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: 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 международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов» (Курск, 2008); на XV Российской научно-технической конференции с международным участием «Материалы и упрочняющие технологии» (Курск, 2008); на 3-м международном радиоэлектронном форуме «Прикладная радиоэлектроника, конференция проблемы биомединженерии» (Харьков, 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).

Публикации. По материалам диссертации опубликовано 11 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, 5, 11] соискателем предложены метод синтеза и система нечетких решающих правил для прогнозирования и диагностики стадий острого панкреатита; в работах [2 и 3] показывается роль микроэлементного статуса в прогнозировании и дифференциальной диагностике панкреатитов; в работах [4, 6, 8, 10] показывается, что комбинированное прогнозирование и диагностика по микроэлементному статусу в сочетании с рефлексодиагностикой обеспечивают повышение качества классификации до практически приемлемых значений; в работе [7] исследуется применение интерактивных систем распознавания в практической гастроэнтерологии; а в работе [9] разрабатывается база знаний для системы поддержки принятия решений врача-гастроэнтеролога.

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.

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 к прогнозированию и диагностике панкреатита, показано, что улучшение качества медицинского обслуживания выбранного контингента людей можно достичь, используя современные информационные технологии. Обоснован выбор соответствующего математического аппарата.

Во второй главе определяются объект, методы и средства исследования, разрабатываются методы и модели для прогнозирования, ранней диагностики и оценки степени тяжести панкреатита на основе теории нечетких множеств с привлечением моделей взаимодействия внутренних органов с поверхностными проекционными зонами, включая биологически активные точки.

Объектом исследования являются пациенты, имеющие предрасположенность, раннюю стадию и острое развитие панкреатита.

Для решения поставленных в работе задач была сформирована группа высококвалифицированных экспертов (2 доктора медицинских наук, 3 кандидата медицинских наук, 3 врача высшей квалификации). У выбранной группы экспертов по исследуемому классу медицинских задач проверялся коэффициент конкардации, определяющий способность экспертов к выполнению согласованной профессиональной экспертизы. Этот

коэффициент составил 0,81, что позволило сделать вывод о профессиональной пригодности врачей к выполнению задач предлагаемой работы.

На основании анализа информации об этиологии и . патогенезе панкреатита с участием экспертной 1руппы 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.

Для определения концентрации микроэлементов волосы человека состригаются с затылочной области около 1 грамма.

Далее они обезжириваются в спирто-эфирной смеси, подвергаются термической обработке и растворяются в концентрированной азотной кислоте.

В волосах людей разного возраста и пола выделялись такие элементы, как хром, молибден, медь, кадмий, цинк, марганец, свинец, никель, кобальт, железо, бор, мышьяк, литий и другие элементы.

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

Работами многочисленных исследователей 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 КурскГТУ в качестве диагностически значимых информативных точек (ДЗТ) была определена пара меридианных биологически активных точек (БАТ) - У21 и Р6. Для уточнения диагноза панкреатит и определения возможного сочетанного заболевания печени дополнительно предлагается использовать точки УВ24 и УВ34.

В качестве традиционно получаемых информативных признаков эксперты отобрали следующий их набор: возраст (хО; давность заболевания (хз); выраженность болевого синдрома (*3); рвота (х/); окраска кожных покровов (хзУ, пульс (л«); перитонеальные симптомы (х7); критерий этиологии (рев)-, данные УЗИ (х9); наличие свободной жидкости в брюшной полости и

7

сальниковой сумке (лг10); наличие конкрементов в желчном пузыре и холедохе (*ц); признаки диструкции забрюшинной клетчатки (*12); данные Я-графии (дг13); осмотр БСДК (хц); косвенные признаки панкреатита (х^); прямые признаки острого панкреатита (*1б); косвенные признаки острого панкреатита (хп).

В ходе выполнения разведочного анализа по отобранному медицинскому материалу было установлено, что система исходных признаков носит неполный и нечеткий характер, а структура классов такова, что для них невозможно составить достаточно точного формализованного описания и, более того, исследуемые классы плавно переходят друг в друга, а зоны пересечения классов «учитель» четко не идентифицирует. Многочисленный опыт решения задач распознавания образов показывает, что в таких условиях из всего разнообразия известных методов целесообразно использовать теорию нечеткой логики принятия решений.

Изучение особенностей структуры данных о решаемых задачах позволило сделать вывод о том, что рациональные решающие правила будут получены, если, с учетом этих особенностей, используемые признаки будут сгруппированы в блоки, а для каждого из этих блоков под определенную структуру распределения классов будет подобрано «свое» решающее правило.

В соответствии с поставленными в работе задачами и особенностью структуры данных, для синтеза решающих правил предлагается последовательность действий по агрегации разнородных признаков в финальные решающие правила для трех классов: сол - возникновение панкреатита в течение времени Т0; Фд — донозологический диагноз (ранняя доклиническая стадия заболевания); юу/ - легкое течение заболевания; юг -тяжелое течение заболевания.

Предлагаемая последовательность действий, приводящая к получению классифицированных правил, оформлена в виде соответствующего метода, состоящего из следующих пунктов:

1. По наборам гистограмм распределения классов юя и &д по

шкалам концентрации меди (Си), железа (Ре) и цинка (7м) в волосах человека эксперты на этих же шкалах определяют формы и параметры функций принадлежностей, используя рекомендации общего метода синтеза нечетких решающих правил по данным разведочного анализа, разработанного на кафедре биомедицинской инженерии (БМИ) КурскГТУ.

Полученные функции принадлежностей агрегируются в частные решающие правила с расчетом коэффициентов уверенности в классах со{ ((. =Я, Д) в соответствии с формулой:

*У£0+0= п., (сД1 - (1),

где 3 - номер итерации в расчетах коэффициентов уверенности в классах по микроэлементному статусу - КУ^; цюДС9) - функции принадлежности

классам а>( с носителем по величине концентрации микроэлемента с номером Ч; КУ™ (1) = (Си).

2. По гистограммам распределения классов юй и Юд и с учетом рекомендации по синтезу решающих правил по энергетическому разбалансу БАТ эксперты выбирают форму и параметры функций принадлежностей с носителем по отклонению электрического сопротивления БАТ от номинальных значений - 5Я%.

Полученные функции принадлежностей агрегируются в частные решающие правила для определения уровней довёрия к классам со( (£ =11, Д) через соответствующие коэффициенты уверенности с использованием логических операторов и правил нечеткого вывода по Шортлифу:

ЕСЛИ [(V БАТ е ДЗТ) 5К]>6Кпор] ТО , (2)

{ ку!:; о-1.) ю(у)! Мп, (зл>, .Дь ю(./)]}

ИНАЧЕ (КУ^= 0), где} -номер итерации в расчете частных коэффициентов уверенности в классе со? - КУщ, определяемых по энергетическому р§збалансу БАТ; 6Rj -отклонение электрического сопротивления БАТ- .от своего номинального значения в %; (оЯу+1) - функции принадлежностей к классам ю^ с носителем по величине 5ЯГ|,,Р пороговые значения отклонений

сопротивлений БАТ от их номинальных значений, превышение которых позволяет говорить о появлении уверенности в гипотезе <х>(.

3. Для уточнения доверия к результатам прогнозирования и ранней диагностики по величине энергетического разбаланса БАТ, связанных с поджелудочной железой, вводятся временные функции принадлежащей

,Д![ (/), которые эксперты строят исходя из следующего положения: чем

большее время удерживается величина энергетического разбаланса БАТ € ДЗТ, тем увереннее можно говорить о гипотезе сое.

С учетом ,дэт (/), уверенность в а>( по величинам определяется выражением:

¡О.еси А'У^-п (/) = 0; •

+ - ККI ' если КК ' ^®„ДЗТС) >о.

4. Используя данные об этиологии и патогенезе панкреатита, определяются факторы риска ^ и признаки ранней стадии заболевания ук и на основании общих рекомендаций по синтезу нечетких решающих правил, аналогично пункту 1 строятся нечеткие решающие правила определения уверенности в а>(по традиционно используемым медицинским технологиям:

5. По классам оз й и сод синтезируются финальные, полученные

экспертным путем, решающие правила вида:

г -КУМС ■КУТТ -

(4)

КУт = КУМС +КУБТ + КУп ~ КУМС ■ КУБТ - КУис • КУП -

Of а; о>; <0( <of

-КУШ •КУ" +КУМ^-КУШ ■КУ

of а>( vif <üf 0(

где í =R, Д

6. Для классов тл и <лт определяются частные функции принадлежностей, определяемые по шкалам: Y - сумма балов прогностической таблицы, построенной по рекомендациям, разработанным в Курском государственном медицинском университете (Анищева Т.Н., 2005) с использованием признаков х\уJC]7; прием алкоголя; факторы объема и характера поджелудочной железы; показатели кислородозависимого метаболизма полиморфноядерных клеток; кислородонезависимые показатели (миелопероксидаза, лизосомальные катионные белки). По этой системе показателей определяются выражения для коэффициентов уверенности в принадлежности к классам с% и сат.

7. Исходя из технических возможностей медицинского учреждения, составляется список показателей, характеризующих защитные механизмы организма (в идеальном случае - защитные механизмы, ориентированные на работу поджелудочной железы). В качестве таких показателей могут быть адаптационный потенциал (Баевский P.M., 1997) и энергетическая сбалансированность общесистемных БАТ (Коптева H.H., 2008).

С учетом рекомендаций кафедры БМИ КурскГТУ определяется коэффициент уверенности в уровне защитных свойств организма по отношению к поджелудочной железе для каждого из выделенных классов КУ1(% учитывая, что увеличение роли защитных механизмов снижает уверенность в гипотезе mt. С учетом защитных механизмов общую уверенность в гипотезе со, будем определять в соответствии с выражением:

Го, если КУщ > КУш ;

[АУо)( ~КУ1с,еслиКУ1( <КУЮГ

8. В задачах прогнозирования для класса &R по каждому из обследуемых определяется и запоминается его коэффициент уверенности. По истечении времени Т0 определяется факт перехода обследуемых в класс сой. Люди не перешедшие в класс соR определяются классом со0. Таким образом, формируются две выборки которые на оси КУ&к представляются двумя гистограммами ( КУЩ ) и /ц ( КУа)/( ). " .

По критерию минимума ошибки классификации определяется порог срабатывания прогностического нечеткого решающего правила КУ^ - когда обследуемых следует относить к классу н>й, а когда - к классу й>0 в

начальный момент времени 1=0. Учитывая, что ошибки прогнозирования сильно зависят от значения Т0, в ходе обучения может уточняться величина Т0, для которой по введенному списку признаков прогноз будет наиболее эффективным. Для такого уточнения экспертами выбирается несколько значений Т0к, для которых прогноз целесообразен по медико-технологическим соображениям. Для каждого значения Т01[ определяется факт нахождения обследуемых в классах со0 и к>Л, для которых строятся соответствующие гистограммы распределения классов по оси ЛГУШк.

Эксперты определяют пороги срабатывания КУ"(К, относительно которых

определяется ошибка классификации.

Предпочтение отдается правилу с меньшей величиной ошибки.

В другой постановке по отношению к каждому интервалу Ток составляется таблица величин ошибок прогнозирования, которые могут быть трансформированы экспертами в уверенность прогнозирования по каждому из введенных временных интервалов, например путем умножения рассчитанной уверенности А'УМя на поправочный коэффициент,

пропорциональный ошибке классификации, вычисленной по контрольной выборке, то есть КУ щ к = а Кк ■ КУ .

В общем случае экспертами могут быть синтезированы и уточнены различные нечеткие решающие правила по каждому интервалу Т0к, используя рассмотренную выше последовательность действий.

Задача синтеза нечетких решающих правил для донозологической диагностики и их коррекции с помощью контрольных выборок решается аналогично, с той лишь разницей, что в ней начальный момент времени совпадет с моментом Т0. То есть контрольная выборка формируется без ожидания результатов классификации.

Полученные экспертным путем формы и параметры решающих правил уточняются с помощью пакета прикладных программ кафедры БМИ КурскГТУ по критерию минимума ошибки классификации.

Используя предложенный метод синтеза прогностических и диагностических решающих правил, в работе получены конкретные параметры соответствующих функций принадлежностей. В качестве примера на рис. 1 приведены графики функций принадлежностей к классам юШо,

и шд по шкале концентрации меди в волосах человека. На рис. 2 приведен

график функций принадлежностей к этим же классам по шкале отклонения электрического сопротивления точки У21 от номинального значения. На рис. 3 приведен график функции принадлежностей к классам легкой и тяжелой формы протекания острого панкреатита по шкале, полученной по системе традиционно используемых в медицинской практике признаков.

меди (Си).

Рис. 2 Функции принадлежностей к классам со, с носителем по шкале 81* У21.

шкале суммы баллов прогностической таблицы.

В ходе проведенного экспертного оценивания и математического моделирования было установлено, что при максимальных значениях функций принадлежностей уверенность в прогнозе обострения, донозологической диагностике и оценке степени тяжести панкреатита превышает величину 0,93, а при наиболее часто встречающихся информативных признаках превышает величину 0,88, что вполне приемлемо для практических приложений.

В третьей главе разрабатываются меридианные модели по заболеваниям . поджелудочной железы, алгоритм управления процессами

принятия решений при риске возникновения и заболевании панкреатит, и основные элементы системы поддержки принятия решений врача-гастроэнтеролога.

Для решения вопросов выбора рациональной тактики рефлексотерапии в работе предложены графовые модели для основного заболевания панкреатит и возможной сопутствующей патологии - заболеваний печени.

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 поджелудочной железы и печени, а с другой стороны, обеспечивают возможность анализа соответствующей патологии. Такая информация позволяет выбирать такой порядок и режим воздействия, который не нагружает другие пораженные системы с возможной одновременной положительной их реакцией.

Для управления процессами взаимодействия между пользователем и системой поддержки принятия решений (СППР) и организации взаимодействия между основными блоками этой системы в работе предлагается алгоритм управления процессами прогнозирования, диагностики и профилактики панкреатита.

При построении соответствующего алгоритма мы исходим из того, что синтез нечетких решающих правил, включая их проверку на контрольных выборках и автоматизированную корректировку их параметров по выбранному критерию качества, осуществляется с помощью компьютерной математики MATLAB7SP1 и пакета визуального моделирования Simulink с системой нечеткой логики Fuzzy Logic Toolbox, имеющегося на кафедре биомедицинской инженерии КГТУ.

Решающие правила, диагностические и терапевтические справочники и меридианные модели считаются заданными и используются разрабатываемым алгоритмом в ходе его выполнения.

На рис. 4 приведен фрагмент схемы алгоритма для решения задач прогнозирования и диагностики панкреатита.

В соответствии с этим алгоритмом, если решается задача определения риска возникновения панкреатита (класс со R) или ранней диагностики этого заболевания (©д), то при наличии возможности определения микроэлементного статуса (МС) (блоки 1 и 2) производится отбор волос человека и на высокочувствительном спектрометре, например ICAP-2000, определяется концентрация Си, Fe и Zn, для которых определяются соответствующие функции принадлежностей и коэффициенты уверенностей АУ^ = Л,Д)(блокЗ).

В силу недостаточной информативности микроэлементного статуса решается вопрос о возможности измерения электрических характеристик (ЭХ) корпоральных (блок 4) и (или) аурикулярных (блок 10) БАТ.

сю

Рис. 4 Фрагмент схемы алгоритма управления.

При работе с корпоральными БАТ осуществляется поиск БАТ У21 и Я6 и измерение их энергетических характеристик (например, сопротивления на переменном токе) (блок 5).

Учитывая, что точками У21 и Я6 не исключается заболевание печени (ситуация Х8), эту ситуацию либо следует уточнить другими способами и определить ЛГУ* уже без Х8 (блоки 6, 7), либо определить меру

неуверенности по методике второй главы и уточнить величину (блоки 8,9).

Если вместе с корпоральными точками имеется возможность получения информации об энергетическом состоянии аурикулярных БАТ, производится измерение энергетических характеристик точек АР96 и АР122 и определяется КУ^ (блоки 10, 11, 12). Далее вычисляется обобщенный

коэффициент уверенности КУ* по всем задействованным БАТ (блок 13), после чего осуществляется выбор гипотез <а0, <в/( или Шд (блок 14).

В ходе выполнения этой части алгоритма рассчитывается КУ*Т для

однократного измерения ЭХ БАТ. Если принимается решение учитывать время энергетического разбаланса БАТ, то в соответствии с рекомендациями, предложенными в работе, определяется интервал времени энергетического разбаланса диагностически значимых точек, для которого строится функция принадлежностей >дзг(0 и уточняется величина КУ (блоки 15, 16, 17).

По скорректированному КУ уточняются гипотезы юл и сод (блок 18).

Выходы А и В алгоритма передают управление блокам алгоритма, формирующим рекомендации по диагностике и лечению панкреатита.

Анализ специальной литературы показал, что известные СППР, включая автоматизированные рабочие места для врачей-гастроэнтерологов, не решают поставленных в работе цели и задач. Поэтому в предлагаемой работе была поставлена задача построения специализированных программных блоков, интегрирующихся в программное обеспечение универсальной СППР, разработанной на кафедре биомедицинской инженерии КурскГТУ.

Предлагаемая СППР решает задачи управления процессами прогнозирования, ранней и дифференциальной диагностики, профилактики и лечения больных, страдающих панкреатитом, с учетом индивидуальных особенностей организма пациента.

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 объективизации 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,

Рис. 5 График изменения показателя ПЗ* 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

и для наиболее часто встречающихся факторов риска КУ^, определенными

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

Таблица контрольных испытаний и

Таблица 1 экспертных оценок

Класс ДЧ ДС П3+ пз~ ДЭ Экспертная уверенность

кутгх щ, КУср со,

0,87 0,97 0,95 0,91 0,93 0,93 0,88

°>Д 0,95 0,93 0,92 0,95 0,94 0,93 0,88

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

шг 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

Предлагаемая работа посвящена решению научных и практических задач, связанных с повышением качества медицинского обслуживания пациентов, предрасположенных к панкреатиту или страдающих этим заболеванием.

В ходе проведенных исследований получены следующие основные, результаты.

1. На основании сведений об этиологии и патогенезе панкреатита определена система информативных признаков, проведен разведочный анализ структуры данных, на основании чего был выбран математический аппарат нечеткой логики принятия решений для поставленных в работе задач.

2. Разработан метод синтеза комбинированных правил нечеткой классификации, позволяющий получать систему правил для расчетов >. коэффициентов уверенности в задачах прогнозирования риска возникновения, ранней диагностики и оценки степени тяжести острого панкреатита, что позволяет решать задачи рационального ведения пациентов

с выбранной патологией.

3. Синтезирована система нечетких решающих правил для решения задач прогнозирования возникновения панкреатитов, их ранней диагностики и оценки степени тяжести, обеспечивающая уверенность в прогнозе заболевания на уровне 0,85, ранней диагностики на уровне 0,88 и определение степени тяжести этого заболевания на уровне 0,95, что

соответствует требованиям практической медицины к подобному классу задач.

4. Получены меридианные модели взаимодействия поджелудочной железы с поверхностными биологически активными точками, использование которых позволяет повысить эффективность прогнозирования и ранней диагностики, а также рационализировать тактику проведения лечебно-оздоровительных мероприятий.

5. Разработаны алгоритмы управления процессами принятия решений и структура программного обеспечения системы поддержки принятия решений, позволяющие на удобном для врача-гастроэнтеролога языке обеспечивать рациональное планирование лечебно-оздоровительных мероприятий для пациентов, склонных к заболеванию панкреатитом или имеющим различные формы этой патологии.

6. Проведена апробация предложенных методов и средств на репрезентативных контрольных выборках и показана эффективность 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. Прогнозирование возникновения и оценка степени тяжести панкреатитов на основе нечеткой логики принятия решений [Текст] / АЛ. Локтионов, H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов // Биомедицннская техника и радиоэлектроника.-2009.-№ 5.-С.-16-22.

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

Научные работы в других изданиях

3. 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.

4. Гаврилов, И.Л. 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.

5. Гаврилов, И.Л. Нечеткие сетевые модели для решения задач принятия решений при социально-гигиеническом мониторинге состояния здоровья населения [Текст] / H.A. Кореневский

В.О. 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.

6. Гаврилов, И.Л. Ранняя диагностика заболеваний, вызываемых экологическими факторами, по данным микроэлементного анализа и рефлексодиагностики [Текст] / H.A. Кореневский, И.Л. Гаврилов, A.C. Самофапов // 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.

7. Гаврилов, И.Л. Диагностика заболеваний с помощью интерактивных распознающих систем [Текст] / Л.П. Лазурина, И.Л. Гаврилов,

A.C. Самофалов // Сборник материалов XV Российской научно-технической конференции с международным участием «Материалы и упрочняющие технологии-2008» / Курск, гос. техн. ун-т,- Курск, 2008.- С.274-277.

8. 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.

9. Гаврилов, И.Л. Построение экспертных систем с базой знаний на нечетких сетевых моделях, обучаемых по структуре данных [Текст] / H.A. Кореневский, И.Л. Гаврилов, P.A. 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.

10. Гаврилов, И.Л. Ранняя диагностика панкреатитов методами эмиссионной спектрографии и рефлексодиагностики [Текст] / И.Л. Гаврилов,

B.О. Устименко // Сборник трудов Всероссийской научно-практической конференции «Биомедицинская инженерия и биотехнология»,- Курск: КГМУ, 2008.- С.82-83.

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

C.20-26. //

Соискатель s^^Jj / И.Л. Гаврилов

Подписано в печать // 2009г. Формат 60x84 1/16 . Печатных листов 1,1. Тираж 100 экз. Заказ .

Курский государственный технический университет, 305040, Курск, ул. 50 лег Октября, 94.

ВВЕДЕНИЕ.

1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА

ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1. Современные представления об этиологии, патогенезе, и диагностике панкреатитов.

1.2. Математические методы прогнозирования и диагностики в медицине.

1.3. Использование нечеткой логики принятия решений в медицинских исследованиях.

1.4. Цель и задачи исследования.

2. МЕТОДЫ И МОДЕЛИ ПРОГНОЗИРОВАНИЯ ВОЗНИКНОВЕНИЯ И ОЦЕНКИ СТЕПЕНИ ТЯЖЕСТИ ПАНКРЕАТИТОВ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ

ПРИНЯТИЯ РЕШЕНИЙ.

2.1. Объект, методы и средства исследования. Формирование системы информативных признаков.

2.2. Метод синтеза нечетких решающих правил для прогнозирования возникновения, ранней диагностики и оценки степени тяжести панкреатитов на основе анализа микроэлементного статуса и методов рефлексодиагностики.

2.3. Синтез решающих правил для прогнозирования возникновения и ранней диагностики панкреатита.

2.4. Синтез правил нечеткого вывода для оценки степени тяжести острого панкреатита.

2.5. Выводы второй главы.

3. РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО ВЕДЕНИЮ

БОЛЬНЫХ С ЗАБОЛЕВАНИЕМ ПАНКРЕАТИТ.

3.1. Меридианные модели взаимодействия поджелудочной железы с биологически активными точками.

3.2. Синтез алгоритма управления процессами прогнозирования, диагностики и профилактики панкреатита.

3.3. Структура системы поддержки принятия решений врача гастроэнтеролога ведущего больных с панкреатитом.

3.4. Выводы третьей главы.

4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ.

4.1. Результаты экспериментальной проверки правил 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.

Для успешной реализации технологии экспертных систем в медицинских приложениях необходимо по возможности интегрировать процессы исследования, прогнозирования и постановки диагноза. Однако, не смотря на ясность общей концепции компьютерной диагностики, создание новой системы этого класса для каждой новой области медицины требует дополнительных исследований. Последнее утверждение вытекает из мирового опыта их разработки, подтверждающего прямую зависимость эффективности систем этого класса от результатов системного анализа, конкретного варианта модели представления знаний и алгоритмов обработки диагностической информации.

К одной из проблемных областей медицины относят хирургическую гастроэнтерологию в которой достаточно остро встает вопрос о прогнозировании и адекватной, математически обоснованной оценке степени тяжести острого панкреатита. Среди острой патологии органов брюшной полости на долю этого заболевания приходится до 16% случаев, причем у 1520% пациентов из числа заболевших наблюдается тяжелый осложненный характер заболевания. Общая летальность при панкреатите по Российской Федерации достигает 2,08 на 1000 населения.

Проведенный анализ показывает, что, несмотря на успехи современной медицины, потери общества от исследуемого заболевания остаются достаточно высокими. Недостаточно эффективно ведется и лечебно -профилактическая работа по снижению риска возникновения панкреатитов.

Социальная значимость проблемы определяется тем, что наибольший уровень заболеваемости отмечается в возрасте от 30 до 50 лет.

Работы по совершенствованию лечения острого панкреатита могут проводиться в нескольких направлениях, включая совершенствование методов прогнозирования, ранней диагностики и оценки тяжести заболевания на основе современных математических методов и информативных технологий

Таким образом, актуальность темы исследования определяется необходимостью повышения эффективности прогнозирования возникновения и определения степени тяжести больных острым панкреатитом на основе методологии системного анализа реализуемого средствами математического моделирования и вычислительной техники.

Работа выполнена в соответствии с программой проблемной комиссии хирургии органов брюшной полости и совместным научным направлением Курского государственного технического университета и Курского государственного медицинского университета «Разработка медико-экологических информационных технологий».

Цель работы. Разработка методов, моделей и алгоритмов для системы поддержки принятия решений врача гастроэнтеролога, обеспечивающих повышение качества прогнозирования, донозологической диагностики и оценки степени тяжести панкреатитов за счет применения комбинированных нечетких решающих правил, использующих информацию о микро элементном статусе организма и электрическом состоянии биологически активных точек в сочетании с информативными признаками используемыми в современной медицинской практике.

Для достижения поставленной цели необходимо решить следующие задачи:

- на основании данных об этиологии и патогенезе панкреатита сформировать систему информативных признаков, изучить структуру классификационных данных, определить цель исследования и выбрать адекватный математический аппарат;

- разработать метод синтеза нечетких решающих правил для прогнозирования и диагностики панкреатитов; синтезировать набор нечетких решающих правил для прогнозирования возникновения, ранней диагностики и оценки степени тяжести панкреатитов;

- разработать модели взаимодействия поджелудочной железы с поверхностными биологически активными точками меридианных структур;

- разработать алгоритм управления процессами принятия решений и структуру программного обеспечения соответствующей автоматизированной системы;

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

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.

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

- метод синтеза нечетких решающих правил для принятия решений по прогнозированию и диагностике панкреатитов, отличающийся тем, что получаемые классификационные решающие правила дополнительно к общепринятым в медицине признакам учитывают микроэлементный статус организма и энергетическое состояние биологически активных точек «связанных» с поджелудочной железой, позволяющий получать нечеткие решающие правила обеспечивающие достаточный для практики уровень уверенности в принимаемых решениях при плохоформализуемой структуре данных;

- система нечетких решающих правил 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;

- меридианная модель взаимодействия поджелудочной железы с биологически активными точками, отличающаяся возможностью контроля энергетического баланса структур организма меняющегося при нарушениях в работе контролируемого органа, что позволяет повысить эффективность прогнозирования и ранней диагностики выбранного класса заболеваний;

- алгоритм управления процессами прогнозирования, диагностики и профилактики панкреатита, отличающийся возможностью гибкой смены тактики обследования и профилактики пациентов с учетом индивидуальных особенностей организма и наличия сочетанных заболеваний, обеспечивающий приемлемую для медицинской практики эффективность работы соответствующей системы поддержки принятия решений.

Практическая значимость работы.

Разработанные методы, модели, решающие правила и алгоритмы составили основу построения системы поддержки принятия решений 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 поджелудочной железы, а также вырабатывать 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 Курского государственного технического 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: 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 международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов» (Курск 2008); на XV Российской научно-технической конференции с международным участием «Материалы и упрочняющие технологии» (Курск 2008); на 3-ем международном радиоэлектронном форуме «Прикладная радиоэлектроника, конференция проблемы биомединженерии» (Харьков 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).

Публикации. По материалам диссертации опубликовано 11 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, 5, 11] соискателем предложены метод синтеза и система нечетких решающих правил для прогнозирования и диагностики стадий острого панкреатита; в работах [2 и 3] показывается роль микроэлементного статуса в прогнозировании и дифференциальной диагностике панкреатитов; в работах [4, 6, 8, 10] показывается что комбинированное прогнозирование и диагностика по микроэлементному статусу в сочетании с рефлексодиагностикой обеспечивают повышение качества классификации до практически приемлемых значений; в работе [7] исследуется применение интерактивных систем распознавания в практической гастроэнтерологии; а в работе [9] разрабатывается база знаний для системы поддержки принятия решений врача гастроэнтеролога.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 189 наименований. Объем диссертации 120 страниц машинописного .текста, 29 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 медицинского обслуживания пациентов предрасположенных к панкреатиту или страдающих этим заболеванием.

В ходе проведенных исследований получены следующие основные результаты.

1. На основании сведений об этиологии и патогенезе панкреатита определена система информативных признаков, проведен разведочный анализ структуры данных, на основании чего был выбран математический аппарат нечеткой логики принятия решений для поставленных в работе задач.

2. Разработан метод синтеза комбинированных правил нечеткой классификации, позволяющий получать систему правил для расчетов коэффициентов уверенности в задачах прогнозирования риска возникновения, ранней диагностики панкреатита и оценки степени тяжести этого заболевания, что позволяет решать задачи рационального ведения пациентов с выбранной патологией.

3. Синтезирована система нечетких решающих правил для решения задач прогнозирования возникновения панкреатитов, их ранней диагностики и оценки степени тяжести, обеспечивающая уверенность в прогнозе заболевания на уровне 0,85, ранней диагностики на уровне 0,88 и определение степени тяжести этого заболевания на уровне 0,95, что соответствует требованиям практической медицины к подобному классу задач.

4. Получены меридианные модели взаимодействия поджелудочной железы с поверхностными биологически активными точками, использование которых позволяет повысить эффективность прогнозирования и ранней диагностики, а также рационализировать тактику проведения лечебно-оздоровительных мероприятий.

5. Разработаны алгоритмы управления процессами принятия решений и структуры программного обеспечения системы поддержки принятия решений позволяющие на удобном для врача гастроэнтеролога языке обеспечивать рациональное планирование лечебно-оздоровительных мероприятий для пациентов склонных к заболеванию панкреатитом или имеющим различные формы этой патологии.

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, С.В. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. Текст. / С.В. 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, Ц., 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, А.А. Яшин // под ред. А.А. 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.: Н.А. 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, Н.А. 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, А.А. Статистика в медицинских исследованиях Текст. / А.А. Глухов, A.M. Земсков, Н.А. Степанян, А.А. 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, А.А. Генкин. Л.: Медицина, 1973.-103с.

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

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

37. Демьянов, А.В. Диагностическая ценность исследования уровней цитокинов в клинической практике / А.В. Демьянов, А.Ю. Котов, А.С. 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, Н.Н. Общая теория статистики. Текст./ Н.Н. 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. / JI.A. 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, Н.А. Прогнозирование возникновения заболеваний работников сельскохозяйственного производства Текст. / Н.А. Кореневский, В.И. Серебровский, Н.А. Коптева // Курск: изд-во Курск, гос. с.-х. ак., 2005. -35с.

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

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

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

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

60. Кореневский, Н.А. Энергоинформационные модели рефлексодиагностики. Текст. / Н.А. Кореневский, Л.П. Лазурина // Монография Курск, ОЦМП, 2000, -177с.

61. Кореневский, Н.А. Энергоинформационные основы рефлексологии. Текст. / Н.А. Кореневский, М.И. Рудник, Е.М. Рудник, Курск, гуман.-техн. инст., Курск, 2001-236с.

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

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

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

65. 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.

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

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

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

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

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

71. Лорьер, Ж.-Л. Системы искусственного интеллекта. М.: Мир -1991. -342с.

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

73. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Р.П. Ягеря. М.: Радио и связь, 1986. -408с.

74. 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.

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

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

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

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

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

80. 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.

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

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

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

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

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

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

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

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, Р.А. Лечебно-тактическая концепция острого деструктивного панкреатита: дис. д-ра мед. наук: 14.00.27 / Р.А. 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. Р.Р. 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, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика Текст. / А.А. Усков, А.В. 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, Н.А. 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, JL, Оуэне, А., Уолш, М. Искусственный интеллект и эволюционное моделирование. Мир, 1969. -230с.

108. Фомин, А.А., Тарловский, Г.Р. Статистическое распознавание образов. Текст. / А.А. 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. Alexander, J., Jayne, D. Multi-Cause Coding: A Major Step in improving Mortality Statistics in Australia. Proceedings of the ICE on Automating Mortality Statistics, voi. II, CDC, Hyattsville, Maryland, September, 2001.

119. Arslan, E. 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 Bestatigug.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

124. Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-201-101726.

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

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

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

128. 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.

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

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

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

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

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

134. Head, G.Die Sensibilititssttirungen der Hant bei Visceralerkrandkungen. Berlin: Hirschwald, 1998.

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

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

137. 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.

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

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

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

141. 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.

142. 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. Pt I.-Seoul, 1998.-P. 121-125.

143. 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.

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

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

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

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

148. Nechushkin, A.L. "Definition of a functional condition of the channel on change of electroskin resistance in one point.'Tgloreflexoterapia in Russian. Gorkkii.l974.pp.22-25.

149. Niboyet, J.E.H. L' anesthesia par Г acupuncture. Maisonneuve, sainte Ruffine, 1973.

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

151. 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.

152. 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.

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

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

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

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

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

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

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

160. 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.

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

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

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

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

165. Vo 11, R. "Electroakupuncturdiagnostik" Medizin heute. 1960.№5.P. 128-131.

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

167. Voll, R. "Geloste und ungeloste Probleme den Electroakkupunctur" Schriftenrehe des Zentralrerbandes der Artzte fur Naturheilverfahren. 1961.5. Sonderheft.P .148-152.

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

169. 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.

170. 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

171. 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

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