автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы дифференциальной диагностики органов слуха, основанные на обработке субъективной информации

Министерство образования и науки РФ Тверской государственный технический университет

У

На правах рукописи

ГРИГОРЬЕВА Ольга Михайловна

МОДЕЛИ И АЛГОРИТМЫ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ОРГАНОВ СЛУХА, ОСНОВАННЫЕ НА ОБРАБОТКЕ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Специальность: 05.13.01 - Системный анализ, управление

и обработка информации.

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Министерство образования и науки РФ Тверской государственный технический университет

б/

На правах рукописи

ГРИГОРЬЕВА Ольга Михайловна

МОДЕЛИ И АЛГОРИТМЫ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ОРГАНОВ СЛУХА, ОСНОВАННЫЕ НА ОБРАБОТКЕ СУБЪЕКТИВНОЙ ИНФОРМАЦИИ

Специальность: 05.13.01 - Системный анализ, управление

и обработка информации

Автореферат

диссертации на соискание ученой степени кандидата технических наук

УМ 5 36

Работа выполнена в Тверском государственном техническом университете.

Научный руководитель:

Официальные оппоненты:

Ведущая организация:

доктор технических наук, профессор Филатова Н.Н.

доктор технических наук, профессор Кореневский Н.А. кандидат технических наук, доцент Борисов Н.А.

Тверская государственная Медицинская академия

Защита состоится " " декабря 2004 г. в 00 часов на заседании диссертационного совета Д 212.262.04 в Тверском государственном техническом университете по адресу: 170026, г.Тверь, наб. Афанасия Никитина, 22 (ауд. Ц-212).

С диссертацией можно ознакомиться в библиотеке Тверского государственного технического университета.

Автореферат разослан "_" ноября 2004 г.

Ученый секретарь диссертационного совета

Жгутов А. В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы.

В последние 20 лет успешно развивается новое направление системного анализа и принятия решений, связанное с разработкой методов моделей и алгоритмов обработки экспертных знаний. В работах отечественных ученых (Поспелова ДА, Попова Э.В., Осипова Г.С., Ларичева О.И. и Кобринского Б А.) получены теоретические и практические решения, позволяющие автоматизировать процесс формирования диагностического заключения в ряде областей медицины.

Как отмечено в работах Ларичева О.И. и Кобринского Б.А., для успешной реализации технологии экспертных систем в задачах медицинской диагностики необходимо по возможности интегрировать процессы исследования и постановки окончательного диагноза. Однако, не смотря на ясность общей концепции компьютерной диагностики, создание систем 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 конкретного варианта модели представления знаний и алгоритмов обработки диагностической информации.

Диагностика заболеваний органов слуха - область медицины, практически не охваченная интеллектуальными информационными технологиями. Это объясняется, прежде всего, сложностью органов слуха как объекта исследования, вытекающей из следующих фактов.

1) Особенностей методов оценки функционального состояния объекта:

Аудиология использует в основном косвенные оценки слуха, вытекающие из субъективных ощущений пациента. Эта особенность, а также применение качественных показателей, усиливают субъективный характер результатов исследования органов слуха. В области аудиологии диагноз ставиться по итерационной схемы, а функциональные исследования слуха проводятся в течении длительно1 о время и требуют большого внимания как от пациента, так и от врача.

2) Высокой скорости развития заболеваний и их необратимого характера, а также тесной взаимосвязи с состоянием других функциональных систем организма.

При нарушениях слуха связанных с возрастными изменениями большое значение для правильной постановки имеет дополнительная информация об общем состоянии пациента (перенесенные заболевания, травмы, эпида-намнсз, реакции на лекарственные препараты и т.д.).

3)Массового характера применения методик исследования-диагностики слуха. Этот факт связан с тем, что настоящее время во всем мире наблюдается рост длительности жизни, для повышения качества которой необходимо своевременно и верно поставить диагноз и вовремя начать лечение.

Основные задачи, решаемые в процессе дифференциальной диагно-

стики заболеваний органов слуха, включают:

- локализацию патологии органов слуха: определяется звукопроводящий или звуковоспринимающий аппарат поврежден и на каком участке;

- определение вида заболевания органов слуха: распознавание диагностической ситуации на множестве близких по некоторому симптому-комплексу классов заболеваний.

На кафедре Автоматизации технологических процессов Тверского государственного технического университета в 2001 году была разработана концепция автоматизированной системы исследования органов слуха и компьютерные варианты методик аудиометрических исследований. Однако, задачи интерпретации результатов функциональных исследований и дифференциальной диагностики заболеваний остались нерешенными. Указанные задачи относятся к классу интеллектуальных, и их решение требует расширения функций автоматизированной системы.

Приведенные факты позволяют сделать вывод об актуальности темы диссертации, которая определяется:

- отсутствием моделей и алгоритмов эффективной обработки субъективной аудиометрической информации, позволяющих ускорить процесс исследования и повысить точность решения задачи локализации патологии;

- большим количеством методик функциональных исследований, для которых характерно пересечение в пространстве оцениваемых диагностических признаков;

- отсутствием алгоритмов и методов формирования и коррекции плана исследования.

Целью диссертационной работы является создания моделей и алгоритмов обработки субъективной аудиометрической информации для дифференциальной диагностики заболеваний органов слуха.

Задачи исследования. Для достижения поставленной цели в диссертации необходимо решить следующие задачи:

1. Провести структурный анализ предметной области и существующих медицинских систем с целью определения функций интеллектуальных компонент автоматизированной системы, ориентированных на поддержку врачебных решений при интерпретации результатов аудиометрических исследований и дифференциальной диагностики заболеваний органов слуха;

2. Провести анализ процессов обработки информации при аудио-метрических исследованиях и формировании диагностического заключения;

3. Исследовать субъективные оценки потерь слуха на заданном множестве частот с целью оценки возможности их использования для классификации и распознавания аудиограмм. Сформировать систему признаков для описания результатов аудиометрических исследований;

4. Разработать алгоритмическое и программное обеспечение для об-

работки нечеткой субъективной информации, основанной на анализе формы и взаиморасположения аудиометрических кривых;

5. Разработать информационные модели представления знаний о состоянии пациента и модели представления диагностических знаний о заболеваниях органов слуха (на примере отосклероза и невриномы 8 нерва);

6. Разработать алгоритмы управления исследованием и дифференциальной диагностики заболеваний.

Методы исследования. Для решения поставленных задач в качестве базовой методологии, являющейся основой исследования, в работе использовались методы структурного системного анализа. При разработке моделей и алгоритмов для решения задачи автоматического анализа аудиограмм используется математический аппарат теории нечетких множеств, методы математической статистики и кластерного анализа. Для решения задачи управления исследованием слуха при дифференциальной диагностике класса заболеваний, проявляющихся общим симптомо-комплексом использованы методы и модели интеллектуальных систем.

Новые научные результаты;

1. Модели и алгоритмы анализа результатов функциональных исследований слуха, получаемых на основе косвенных субъективных показателей.

2. Модели и алгоритмы автоматизации всего цикла диагностики (осмотр - исследование - формирование диагностического заключения).

3. База знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза (для заболеваний отосклероз).

4. Система нечетких признаков и алгоритм обработки субъективной аудиометрической информации, основанной на анализе формы и взаиморасположения аудиометрических кривых, позволяющий решить задачу распознавания принадлежности аудиограммы пациента к одному из 5 классов.

5. Модель представления диагностических знаний о заболеваниях органов слуха, представляющая иерархию правил. Правила первого уровня имеют наивысший ранг и используется для определения группы близких заболеваний. Правила второго уровня позволяют определить вид исследования. Правила третьего уровня содержат диагностическое заключение Введение иерархии правил позволяет интегрировать процедуры исследования и диагностики.

Практическая ценность работы:

Путем реализации фрагментов системы доказана релевантность и функциональная полнота базы знаний для диагностики заболеваний неври-номы 8 нерва и отосклероза.

1. Построено 5 классов аудиограмм и найдены их основные характеристики на множестве лингвистических признаков.

2. Создано программное обеспечение для построения информационной модели пациента, допускающее определение 210 характеристик, и про-

граммное обеспечение экспертно-диагностической подсистемы, включающей БЗ по дифференциальной диагностики заболеваний отосклерозом (три стадии) и невриномой восьмого нерва (четыре стадии).

3. Построены функции принадлежности для термов 6 лингвистических переменных, описывающих формы и взаиморасположения аудиометрических кривых.

4. Созданы первая версия интеллектуальной системы исследования и диагностики слуха для лечебных учреждений версия системы для массовых обследований слуха студентов.

Основные положения, выносимые на защиту:

1. Задача локализации патологии органов слуха может быть сведена к задаче распознавания принадлежности аудиограмм к одному из пяти классов, заданных на множестве нечетких признаков, характеризующих форму и взаиморасположение аудиометрических кривых.

2. Правило вычисления функций принадлежности для топологических характеристик аудиометрических кривых, основанное на анализе функций принадлежности отдельных участков аудиограмм.

3. Модель представления диагностических знаний о заболеваниях органов слуха, представляющая трехуровневую иерархию продукционных правил.

Внедрение результатов.

Результаты исследований, включающие первую версию интеллектуальной системы исследования и диагностики слуха и методическое обеспечение, переданы в поликлинику и ЛОР отделение Областной центральной клинической больницы г. Твери.

Создана специальная версия системы исследования слуха, предназначенная для массового обследования слуха студентов и применения в учебном процессе кафедры АТП Тверского государственного технического университета.

Апробация работы. Научные и практические результаты диссертационной работы докладывались и обсуждались в 2002-2004 году на научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" Тверь 2002, на 8-ой национальной конференции по ИИ «КИИ-2002» Коломна, на всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Биомедсистемы 2003" Рязань, на X International Conference "Knowledge-Dialogue-Solution" Varna Sofia 2003, на 4-ой международной конференции Современные сложные системы управления "HTCS'2004", а также на научно-технической конференции 40 -лет биотехнических систем Санкт-Петербург 2004.

Публикации. По теме диссертации опубликовано 7 печатных работ, из них 5 статей, 2 тезиса.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы и приложения. Основное со-

держание работы изложено на 160 страницах машинописного текста, 52 рис., 35 таблицах, приложения. Список использованной литературы включает ПО наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и задачи исследований, приводится краткое содержание работы по главам.

В первой главе диссертации проведен структурный анализ дифференциальной диагностики как процесса распознавания заболеваний органов слуха. На основе литературных источников разработан обобщенный алгоритм дифференциальной диагностики, определены основные этапы и необходимые источники информации. Выполнен анализ данных, необходимых для постановки диагноза, показано, что в зависимости от способа получения информации выделяется 6 групп источников данных. Выявлены виды ошибок, возникающих на различных этапах алгоритма, определены причины их возникновения.

Обобщенный алгоритм дифференциальной диагностики имеет три вложенные цикла: в первом цикле формируется и анализируется подмножество близких диагностических гипотез {DG}; во втором - решается задач распознавания принадлежности модели пациента к классу состояний, соответствующему одной из диагностических гипотез; третий цикл связан с организацией исследований с целью доопределения модели пациента необходимыми диагностическими признаками. Число возможных итераций в этих циклах различно.

Определяющее значение для сокращения времени диагностики оказывают второй и третий циклы. Очевидна необходимость разработки такого алгоритма формирования {DG}, который бы обеспечивал включение целевой гипотезы - диагноза пациента, в множество {DG} и не приводил к существенному увеличению его мощности.

Обычно, наибольшее число итераций приходится на третий цикл, причем в зависимости от вида исследования временные затраты в отдельных итерациях могут существенно различаться. Для сокращения временных затрат в третьем цикле необходима разработка алгоритма управления исследованием.

Наиболее распространенными и значимыми среди методик исследований состояния слуха являются субъективная тональная и речевая аудиомет-рия, для которых создан компьютерный вариант реализации. Целью аудио-метрических исследований является определение локализации патологии по отделам органа слуха как симптома. Наиболее важны с диагностической точки зрения и трудны в интерпретации результаты тональной пороговой аудио-метрии, отсутствуют решения по автоматическому распознаванию различных типов тональных аудиограмм.

Выполнен анализ систем, основанных на знаниях и ориентированных

на решение задач медицинской диагностики. Подавляющее большинство систем этого класса решают задачи дифференциальной диагностики заболеваний с использованием качественной и субъективной информации, что показывает перспективность применения концепции ЭС для рассматриваемой предметной области. Для интеграции задач управления исследованием и постановки диагноза необходима разработка эффективных моделей представления диагностических знаний.

Детализирована концепция архитектуры интеллектуальной системы исследования и диагностики слуха, определен состав и функции экспертно-диагностической подсистемы.

Обоснована цель дифференциальной диагностики и сформулированы основные задачи исследования.

Вторая глава посвящена разработке моделей описания аудиограмм и алгоритмов их автоматического анализа.

Тональная пороговая аудиограмма является графическим отображением значений порогов слышимости звука на отдельных частотах, измеренных по воздушному и костному проведениям (оис.1).

Анализ аудиограмм может преследовать 2 цели. Первая цель состоит в выявлении наличия патологии. В этом случае мы должны располагать описанием (представлением) двух классов аудиограмм:

класс НЕНОРМА. В случае если выявлено нарушение слуха (НЕНОРМА), ставиться вторая цель: определить пораженный отдел. Исходя из структуры органов слуха, выдвинута гипотеза о 3 классах аудиограмм, характерных для нарушения звукопроводящего аппарата НЗП (класс Ь), нарушения звуковое-принимаюгцего аппарата НЗВ (класс Ьз) и нарушениях в обоих отделах одновременно - смешанное нарушение НСМ (класс Ц4).

Задачу анализа индивидуальной аудиограммы (1) можно рассматривать как задачу распознавания принадлежности объекта 1 к одному из четырех классов:

1 = 1Ю£2иЛЗи14. (1)

Если (Ук) (Чг) 1к е И, 1геЬ2, то и 1Г ит.д.

(ЧО№)Ипц=о, ¡Ф], 1,]=!А

(3)

Для решения задачи классификации аудиограмм выбраны иерархические алгоритмы кластерного анализа, так как они позволяют получить представление о стратификационной структуре всей исследуемой совокупности объектов и уточнить гипотезу о числе классов.

Тональная пороговая аудиометрия позволяет получить описание объекта (аудиограммы одного пациента) в виде выборки точек на множестве УхБ. Мощность (УхБ) зависит от целей исследования и не превышает 572 пар. Каждая выборка представляет собой кортеж значений потерь слуха по воздушному и костному проведениям. Все эти значения не зависимы друг от друга, т.к. уровень потерь слуха на частоте ^ не зависит от аналогичной характеристики на частоте Указанную выборку можно рассматривать как описание объекта дискретным набором признаков: РУ,- потеря слуха по воздуху на частоте г = 1, 7, РК^ - потеря слуха по кости на частоте ] = Все признаки измеряются по одной шкале в диапазоне от -10 дБ до ПО дБ с шагом кратным 2,5 дБ.

Проведены исследования выборки VI (число объектов - 363, число классов - N = 4), состоящей из аудиограмм архива сурдологического отделения Областной клинической больницы г.Твери. Использовались метод дальнего соседа, центроидный метод, метод медианы, группового среднего и метод Варда. Для оценки расстояния между объектами применялись метрики -евклидово расстояние, квадрат евклидова расстояния и метрика городских блоков.

Доказана возможность отделения аудиограмм, принадлежащих типу «НОРМА», от аудиограмм, связанных с наличием патологии. Дальнейшие исследования показали, что система признаков (PV; РК) не позволяет выполнить условие (3) для всех объектов, принадлежащих классам Ь2-Ь4. Характер пересечений классов для разных пар признаков различен. Выдвинутая гипотеза о верном разбиении выборки на непересекающиеся классы при увеличении числа классов до 5 - класс нарушение смешанного типа с преобладанием звукопроведения НСМ(ЗП), Ь42 - класс нарушение смешанного типа с преобладанием звуковосприятия НСМ(ЗВ)) не подтвердилась.

Анализ литературы показывает, что для описания результатов тональных аудиметрических исследований широко используются различные вербальные характеристики, которые связаны с различием формы и взаиморасположения аудиометрических кривых. Разработана система признаков, основанная на лингвистических переменных и математическом аппарате нечетких множеств.

Множества лингвистических переменных включает: ЬР1-«Величина костно-воздушного интервала (КМ)», ЬР2 - «Положение воздушной кривой

(УК)», ЬР3 - «Положение костной кривой (КК)». Для указанных лингвистических переменных предложены следующие терм-множества:

ЬР1 ЬР2 ЬРЗ

(4)

Ти-'малый", Ти="незначигельный", Ти~"значительный" Т21="близко от нулевой линии", Т22 - 'далеко от нулевой линии"

Тз1="близко от нулевой линии", Тзг~"далеко от нулевой линии"

Для формирования терм-множеств лингвистических переменных ЬР1-ЬР3 разработаны специальные правила:

Ич(КУП = &Л,(РУЦ)-РКЦ)), 1

»„(руш-РШ,)),

ы

и,(кт=и м,(РГШ-РКЦ)), ■-1

где: = {250,500,1000,2000,4000,8000}.

дл(ИЕ)=й Мд(РШ)), 1-1

МКК)=&м„(РКШ),

где ={125,250,500,1000,2000,4000,8000}.

Построенные с помощью экспертов функции принадлежности ми(РШ)-РШ)), Мя(РШ)-РКШ), мЛРШ)~РКШ)> ме(РЩ)), МД(РУ(/,)), ме(РкШ) и Мд(РК(/,)) аппроксимируются следующей системой аналитических выражений:

I, если (РУЦ)-РКЦ)) аа+а1*{РУЦ)-РКЦ),еспч8\<{]РУЦ)-РКЦ))<,5г (7) 0, если (РУЦ) - РКЦ, ))> 32

(5)

(6)

о,(РУ(/,)-РШ))<зг ¿о + V (РУЦ) - РКЦ)), 33 < (РУЦ) - РКЦ)) < 54

4 (8)

с0 + с, * (РУЦ) - РКЦ)), 34 < (РУЦ) - РКЦ)) < 35 0,(РУЦ)-РКЦ))>35

0,если(РУ(/1)-РК(/1))^8\ d0 + d, *(PV{ft)~PK(f,)), если 51 < {PV(f,)- PK{f,)) < 87. (9) \,если(РУШ-РКЩ)>32

X, если(РУ(/,))<86 e0+e,*(i>K(/,)), если 86<(PV(f,))<87 О, если (PV(/,))> 81

0, если (PV (/,))<, 8^

g» + S, * (РУ(/,)), если 86 < (PV(f,)) £ dl

1, если (PV{/,))> 81

МЛ(РКШ) =

(10)

(И)

1, если (PK(fl)) £ 58 Ä0+V(>W,))> если 88 < (РК(/,У) й 89 (12)

О, если(РК(/,))>89

0, если (PK(f,))iSi ре+р,*(РК(/Л eanu8S<(PK(f,))iS9 , (13)

1, если (PK(f,)) > 89

Величины (ао, а,, b0, bb с0) с1; do, d,, е0, е,, g0, gi, h0, hb p0, Pi) и (81- 59) являются настраиваемыми параметрами и определяются экспертами.

Предложены 5 правил для распознавания типов аудиограмм, позволяющих определить тип нарушения слуха:

ЕСЛИ (LP,=T„& LP2=T2i & LP3=T31 ), ТО LPD= «НОРМА»

ЕСЛИ (LP2=T22 & LP3=T3, & (LPi=Tn ! LP,=T13)), TO LPD= «НЗП»

ЕСЛИ (LP2=T72 & LP3=T32 & LPi=T,,), TO LP0= «H3B» (14)

ЕСЛИ (LP2=T22 & LP3=T32 & LPi=Tu), TO LPD= «HCM(3B)»

ЕСЛИ (LP2=T22 & LP3=T32 & LP,=T13), TO LP0= «НСМ(ЗП)»

В нарушениях каждого типа можно выделить одну из двух стадий (начальную или конечную). Для распознавания стадии нарушения введен дополнительный признак, определяемый на основе формы аудиометрической кривой. Построены функции принадлежности для его термов и правила вычисления.

В третьей главе диссертации разработаны информационные модели представления знаний о состоянии пациента и модели представления диагностических знаний о заболеваниях органов слуха (на примере отосклероза и невриномы 8 нерва). Использована концепция трехуровневой модели пациента, предложенная в работах Филатовой H.H.'1'.

Разработана структура информационной модели первого уровня А^д. Модель представляет собой электронный вариант истории болезни пациента

"Филатова Н.Н. Автоматическое формирование знаний в САПР: Тверь: ТГТУ, 1996-С. 144

и содержит информацию, идущую от пациента, выраженную вербальными субъективными характеристиками, а также количественную информацию, получаемую в ходе различных исследований, которая регистрируется с сохранением исходных форматов М], - {а, (Л)^, А ~ . Для построения модели можно использовать 210 атрибутов.

Информационная модель второго уровня Мц предназначена для создания обобщенного описания состояния пациента, на основе использования качественных характеристик и перехода к лингвистическим переменным. Модель М\ обеспечивает переход от данных к знаниям, создает фрагментарные обобщения в описании состояния конкретного пациента и предназначена для решении задач интерпретации результатов тональной аудиометрии и дифференциальной диагностики.

Переход от модели М]у к М^ имеет две интерпретации: во-первых, его можно рассматривать как переход от множества наблюдаемых характеристик к множеству выявленных у данного пациента симптомов; во-вторых, как переход от количественных значений признаков к качественным (вербальным) характеристикам. Переход от М'п к Мц в предлагаемой концепции полностью автоматизирован и выполняется на основе алгоритмов, предложенных в главе 2. Модель рассматривается как обобщенное описание состояния пациента, соответствующее некоторому классу аналогичных (РК). С каждым таким классом связано обычно одно диагностическое заключение.

Информационная модель третьего уровня М\ предназначена для создания описаний различных групп пациентов. Каждая такая группа пациентов объединена одним или несколькими общими симптомо-комплексами, при этом они могут принадлежать к разным классам РК Модель позволяет решать задачу выделения подмножества близких диагностических гипотез {ОО}.

Для построения модели представления диагностических знаний о заболеваниях органов слуха используется классическая продукция. С учетом

созданной модели пациента ее можно представить в виде:

М_т- (0_0&С_М&А&01_0&05_М&Ь_1а&к_Р)-+0г (15)

где - КОНЪЮНКТИВНО- дизъ-

юнктивные логические функции, определяющие группы симптомов: С_0 — общие жалобы пациента, - местные жалобы пациента, А - данные анамнеза, - результаты общего о с м о результаты местного осмотра ЛОР органов, Ь_Ьа - результаты лабораторных исследований, — результаты функциональных исследований; - диагноз.

Знания о симптомах заболеваний можно представить в виде графа И/ИЛИ. Для каждой стадии заболевания необходим отдельный вариант моде-

ли. Построены 7 графовых моделей, определяющих структуру симптомов, характерных для заболеваний отосклероз (3 стадии) и невринома 8 нерва (4 стадии).

Анализ построенных графов позволил сформулировать требования к новому виду модели представления диагностических знаний. Модель должна:

- позволять выделять близкие группы заболеваний {БО};

- определять вид исследования, результаты которого позволят доопределить модель пациента новым симптомом;

- получать конкретное диагностическое заключение при полном списке симптомов, характерных для одного класса заболеваний (Р^.

Предложена модель организации диагностических знаний, представляющая собой устойчивую иерархию правил. Правила первого уровня имеют наивысший ранг, актуализируются на начальном шаге обследования и используется для определения группы близких заболеваний. Правила второго уровня позволяют определить вид исследования, результат которого позволит доопределить модель пациента. Правила третьего уровня содержат конкретное диагностическое заключение и вызываются после того, как исчерпаны правила второго уровня.

Введение иерархии правил позволяет интегрировать процедуры исследования и диагностики. Эффективность процедур управления исследованием целиком определяется эффективностью правил второго уровня.

В четвертой главе рассмотрены вопросы программной реализации предлагаемых теоретических решений.

На основе построенных диаграмм потоков данных (БРБ) разработано программное обеспечение для решения основных задач информационной подсистемы:

- задач передачи информации между подсистемами исследования и диагностики слуха (в рамках интеллектуальной системы исследования и диагностики слуха, ИСИДС);

- информационно-справочных задач, решаемых в процессе обследования пациента и постановки диагностического заключения: регистрация пациента, ведение истории болезней пациента, получение отчетной информации о пациенте и получение справочной информации о заболеваниях и лекарственных средствах.

Для решения информационно-справочной группы задач был создан специальной многооконный интерфейс, состоящий из двадцати трех экранных форм. Интерфейс позволяет осуществлять ведение баз данных с использованием принятых в медицинских учреждениях стандартов представления документов.

Разработано программное обеспечение для решения основных задач экспертно-диагностической подсистемы (рис.2.):

- программное обеспечение для обработки нечеткой субъективной

Рис.2. БРБ диаграмма ИСИДС и результат выполнения программы модуля обработки субъективной аудиометрической информации (экспертно-диагностическая подсистема)

информации, основанной на анализе формы и взаиморасположения аудио-метрических кривых (рис.2.);

- база знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза;

- программное обеспечение макета экспертно-диагностической подсистемы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. Проведенные исследования методами кластерного анализа показали, что субъективные оценки потерь слуха на основе тональной аудиометрии позволяют выделить только два непересекающихся класса аудиограмм (Норма / Ненорма).

2. Выполнена постановка задачи локализации патологии органов слуха как задачи распознавания принадлежности аудиограмм к одному из пяти классов (НОРМА (класс Н); нарушения звукопроводящего аппарата (класс НЗП), нарушения звуковоспринимающего аппарата (класс НЗВ), смешанное нарушение с преобладанием НЗП (класс СМ- НЗП) и смешанное нарушение с преобладанием НЗВ (класс СМ- НЗВ).

3. Создана система нечетких признаков и алгоритм обработки субъективной аудиометрической информации, основанный на анализе формы и взаиморасположения аудиометрических кривых, позволяющий решить задачу распознавания принадлежности аудиограммы пациента к одному из 5 классов.

4. Разработаны информационные модели представления знаний о состоянии пациента. Модель первого уровня представляет собой электронный вариант истории болезни пациента и включает 210 характеристик. Модель второго уровня предназначена для решения задач дифференциальной диагностики, создает обобщенное описание состояния пациента, соответствующее некоторому классу. С каждым таким классом связано обычно одно диагностическое заключение. Модель третьего уровня предназначена для создания описаний групп пациентов, объединенных одним или несколькими общими симптомо-комплексами. Модель позволяет решать задачу выделения подмножества близких диагностических гипотез.

5. Разработана модель представления диагностических знаний о заболеваниях органов слуха (на примере близких по основному симптомо-комплексу заболеваний -отосклероз и невринома 8 нерва), которая представляет иерархию правил. Правила первого уровня имеют наивысший ранг и используется для определения группы близких заболеваний. Правила второго уровня позволяют определить вид исследования. Правила третьего уровня содержат диагностическое заключение. Иерархия правил позволяет интегрировать процедуры исследования и диагностики.

6. Разработан алгоритм управления исследованиями органов слуха и дифференциальной диагностики заболеваний. Создано программное обеспечение ведения информационной модели пациента и экспертно-диагностической подсистемы.

7. Разработана база знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза. Путем реализации фрагментов системы доказана релевантность и функциональная полнота БЗ для диагностики заболеваний невриномы 8 нерва и отосклероза.

ПУБЛИКАЦИИ ПО ТЕМЕДИССЕРТАЦИИ

1. Бодрин А.В., Григорьева О.М., Калюжный М.В., Стрельников И.Н., Филатова Н.Н. Интеллектуальная система исследования слуха// Сборник

трудов Восьмой национальной конференции по ИИ с международным участием "КИИ-2002", Том 2, Коломна. С.600-605.

2. Филатова Н.Н., Григорьева О.М. Модель базы знаний для интеллектуальной системы исследования и диагностики слуха// Сборник трудов международной научно-технической конференции "Компьютерные техно-логии в управлении, диагностике и образовании", Тверь, С. 129-132.

3. Filatova N.N., Strelnikov I.N.,Grigorieva О.М. Bodrin A.V., Kalugniy M.V. The intelligent system of the hearing investigation// Informational Journal "Information Theories & Applications" 2003 Vol.10. Number 3 P.336-340.

4. Григорьева О.М. Автоматический анализ аудиограмм// Сборник трудов всероссийской науч.-технич. конференции студентов, молодых ученых и специалистов "Биомедсистемы 2003", Рязань 2003, С. 103-104.

5. Филатова Н.Н., Григорьева О.М. Распознавание класса аудиограммы по индивидуальным оценкам воздушного и костного проведения// Сборник трудов четвертой международной конференции Современные сложные системы управления "HTCS'2004" Тверь, 2004, С.231-234.

6. Филатова Н.Н., Григорьева О.М., Абу.-Мандил Н. Исследование возможности системы признаков на основе оценки потерь слуха для автоматической диагностики// Сборник трудов науч.-технич. конференции 40-лет биотехнических систем, Санкт-Петербург, 2004, С.34-35.

7. Филатова Н. Н., Григорьева О.М. Выбор системы признаков для описания и распознавания класса аудиограмм/ЛКомпытерные технологии в управлении и диагностике Сборник научных трудов, ТГТУ, 2004, С.21-24.

Подписано в печать 15.11.04

Физ.печ.л. 1,0 Усл.печ.л.0,93 Уч.-изд.л.о,87

Тираж 100 экз. Заказ Р 221_

издательство Тверского государственного технического университета, 170026, Тверь, наб.А.Никитина,22

тл 14

РНБ Русский фонд

2005-4 23122

ВВЕДЕНИЕ.

ГЛАВА 1. ПРОБЛЕМЫ АВТОМАТИЗАЦИИ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ ОРГАНОВ СЛУХА.

1.1. Структурный анализ медицинской диагностики как процесса распознавания заболеваний органов слуха.

1.2. Анализ методик исследования органов слуха.

1.2.1. Структура объекта при функциональных исследованиях.

1.2.2. Показатели, характеризующие состояние органов слуха человека.

1.2.3. Анализ методик аудиометрических исследований.

1.2.4. Интерпретация результатов исследований состояния органов слуха.

1.3. Медицинские экспертные системы.

1.4. Концепция архитектуры Интеллектуальной системы исследования и диагностики слуха. 45 1.5 .Постановка задач диссертации . 51 Выводы к главе 1.

ГЛАВА 2. АВТОМАТИЧЕСКИЙ АНАЛИЗ АУДИОГРАММ.

2.1. Постановка задачи автоматического анализа аудиограмм.

2.2. Методы классификации объектов.

2.3. Исследование системы признаков, основанной на значениях потерь слуха.

2.4. Формирование системы нечетких признаков для распознавания аудиограмм.

2.5. Алгоритм распознавания аудиограмм.

Выводы к главе 2.

ГЛАВА 3. ЗАДАЧА УПРАВЛЕНИЯ ИССЛЕДОВАНИЕМ СЛУХА

3.1. Концептуальная модель пациента.

3.2. Модель представления диагностических знаний о заболеваниях

3.3. Задача управления исследованием.

Выводы к главе 3.

ГЛАВА 4. ПРОГРАММНЫЕ КОМПОНЕНТЫ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ИССЛЕДОВАНИЯ И ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ ОРГАНОВ СЛУХА.

4.1. Информационная подсистема.

4.2. Разработка программного модуля обработки субъективной ау-диометрической информации

4.3. Разработка диагностической подсистемы.

Выводы к главе 4.

Актуальность проблемы. В последние 20 лет успешно развивается новое направление системного анализа и принятия решений, связанное с разработкой методов моделей и алгоритмов обработки экспертных знаний. В работах отечественных ученых (Поспелова Д.А., Попова Э.В., Осипова Г.С., Ларичева. О.И. и Кобринского Б.А.) получены теоретические и практические решения, позволяющие автоматизировать процесс формирования диагностического заключения в ряде областей медицины.

Как отмечено в работах ведущих специалистов (Ларичева О.И. и Кобринского Б.А.) для успешной реализации технологии экспертных систем в задачах медицинской диагностики необходимо по возможности интегрировать процесс исследования и постановки окончательного диагноза. Однако, несмотря на ясность общей концепции построения ДЭС, разработка систем этого класса для каждой новой области медицины требует дополнительных исследований. Последнее утверждение вытекает из мирового опыта разработки экспертных систем, подтверждающего прямую зависимость эффективности систем этого класса от конкретного варианта модели представления знаний и методов организации обработки диагностической информации.

Диагностика заболеваний органов слуха - область медицины, практически не охваченная интеллектуальными информационными технологиями. Это объясняется, прежде всего, сложностью органов слуха и методов их исследования:

1) Особенностей методов оценки функционального состояния объекта: Аудиология использует в основном косвенные оценки слуха, вытекающие из субъективных ощущений пациента. Эта особенность, а также применение качественных показателей, усиливают субъективный характер результатов исследования органов слуха. В области аудиологии диагноз ставиться по итерационной схемы, а функциональные исследования слуха проводятся в течении длительного время и требуют большого внимания как от пациента, так и от врача.

2) Высокой скорости развития заболеваний и их необратимого характера, а также тесной взаимосвязи с состоянием других функциональных систем организма.

При нарушениях слуха связанных с возрастными изменениями большое значение для правильной постановки имеет дополнительная информация об общем состоянии пациента (перенесенные заболевания, травмы, эпиданамнез, реакции на лекарственные препараты и т.д.).

3)Массового характера применения методик исследования-диагностики слуха. Этот факт связан с тем, что настоящее время во всем мире наблюдается рост длительности жизни, для повышения качества которой необходимо своевременно и верно поставить диагноз и вовремя начать лечение.

Основные задачи, решаемые в процессе дифференциальной диагностики заболеваний органов слуха, включают:

- локализацию патологии органов слуха: определяется звукопроводящий или звуковоспринимающий аппарат поврежден, и на каком участке;

- определение вида заболевания органов слуха: распознавание диагностической ситуации на множестве близких по некоторому симптому-комплексу классов заболеваний.

На кафедре Автоматизации технологических процессов Тверского государственнрго технического университета в 2001 году была разработана концепция автоматизированной системы исследования органов слуха и компьютерные варианты методик аудиометрических исследований. Однако, задачи интерпретации результатов функциональных исследований и дифференциальной диагностики заболеваний остались нерешенными. Указанные задачи относятся к классу интеллектуальных, и их решение требует расширения функций автоматизированной системы.

Приведенные факты позволяют сделать вывод об актуальности темы диссертации, которая определяется:

- отсутствием моделей и алгоритмов эффективной обработки субъективной аудиометрической информации, позволяющих ускорить процесс исследования и повысить точность решения задачи локализации патологии;

- большим количеством методик функциональных исследований, для которых характерно пересечение в пространстве оцениваемых диагностических признаков;

- отсутствием алгоритмов и методов формирования и коррекции плана исследования.

Целью диссертационной работы является создания моделей и алгоритмов обработки субъективной аудиометрической информации для дифференциальной диагностики заболеваний органов слуха.

Задачи исследования. Для достижения поставленной цели в диссертации необходимо решить следующие задачи:

1.Провести структурный анализ предметной области и существующих медицинских систем с целью определения функций интеллектуальных компонент автоматизированной системы, ориентированных на поддержку врачебных решений при интерпретации результатов аудиометрических исследований и дифференциальной диагностики заболеваний органов слуха;

2.Провести анализ процессов обработки информации при аудиометрических исследованиях и формировании диагностического заключения;

3 .Исследовать субъективные оценки потерь слуха на заданном множестве частот с целью оценки возможности их использования для классификации и распознавания аудиограмм. Сформировать систему признаков для описания результатов аудиометрических исследований;

4.Разработать алгоритмическое и программное обеспечение для обработки нечеткой субъективной информации, основанной на анализе формы и взаиморасположения аудиометрических кривых;

5.Разработать информационные модели представления знаний о состоянии пациента и модели представления диагностических знаний о заболеваниях органов слуха (на примере отосклероза и невриномы 8 нерва);

6.Разработать алгоритмы управления исследованием и дифференциальной диагностики заболеваний.

Методы исследования. Для решения поставленных задач в качестве базовой методологии, являющейся основой исследования, в работе использовались методы структурного системного анализа. При разработке моделей и алгоритмов для решения задачи автоматического анализа аудиограмм используется математический аппарат теории нечетких множеств, методы математической статистики и кластерного анализа. Для решения задачи управления исследованием слуха при дифференциальной диагностике класса заболеваний, проявляющихся общим симптомо-комплексом использованы методы и модели интеллектуальных систем.

Новые научные результаты:

1. Модели и алгоритмы анализа результатов функциональных исследований слуха, получаемых на основе косвенных субъективных показателей.

2. Модели и алгоритмы автоматизации всего цикла диагностики (осмотр - исследование - формирование диагностического заключения).

3. База знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза (для заболеваний отосклероз).

4. Система нечетких признаков и алгоритм обработки субъективной аудиометрической информации, основанной на анализе формы и взаиморасположения аудиометрических кривых, позволяющий решить задачу распознавания принадлежности аудиограммы пациента к одному из 5 классов.

5. Модель представления диагностических знаний о заболеваниях органов слуха, представляющая иерархию правил. Правила первого уровня имеют наивысший ранг и используется для определения группы близких заболеваний. Правила второго уровня позволяют определить вид исследования.

Правила третьего уровня содержат диагностическое заключение Введение иерархии правил позволяет интегрировать процедуры исследования и диагностики.

Практическая ценность работы:

Путем реализации фрагментов системы доказана релевантность и функциональная полнота базы знаний для диагностики заболеваний невриномы 8 нерва и отосклероза.

1. Построено 5 классов аудио грамм и найдены их основные характеристики на множестве лингвистических признаков.

2. Создано программное обеспечение для построения информационной модели пациента, допускающее определение 210 характеристик, и программное обеспечение экспертно-диагностической подсистемы, включающей БЗ по дифференциальной диагностики заболеваний отосклерозом (три стадии) и невриномой восьмого нерва (четыре стадии).

3. Построены функции принадлежности для термов 6 лингвистических переменных, описывающих формы и взаиморасположения аудиометрических кривых.

4. Созданы первая версия интеллектуальной системы исследования и диагностики слуха для лечебных учреждений версия системы для массовых обследований слуха студентов.

Основные положения, выносимые на защиту:

1. Задача локализации патологии органов слуха может быть сведена к задаче распознавания принадлежности аудиограмм к одному из пяти классов, заданных на множестве нечетких признаков, характеризующих форму и взаиморасположение аудиометрических кривых.

2. Правило вычисления функций принадлежности для топологических характеристик аудиометрических кривых, основанное на анализе функций принадлежности отдельных участков аудиограмм.

3. Модель представления диагностических знаний о заболеваниях органов слуха, представляющая трехуровневую иерархию продукционных правил.

Внедрение результатов.

Результаты исследований, включающие первую версию интеллектуальной системы исследования и диагностики слуха и методическое обеспечение, переданы в поликлинику и ЛОР отделение Областной центральной клинической больницы г. Твери.

Создана специальная версия системы исследования слуха, предназначенная для массового обследования слуха студентов и применения в учебном процессе кафедры АТП Тверского государственного технического университета.

Апробация работы. Научные и практические результаты диссертационной работы докладывались и обсуждались в 2002-2004 году на научно-технической конференции "Компьютерные технологии в управлении, диагностике и образовании" Тверь 2002, на 8-ой национальной конференции по ИИ «КИИ-2002» Коломна, на всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Биомедсистемы 2003" Рязань, на X International Conference "Knowledge-Dialogue-Solution" Varna Sofia 2003, на 4-ой международной конференции Современные сложные системы управления "HTCS'2004", а также на научно-технической конференции 40 -лет биотехнических систем Санкт-Петербург 2004.

Публикации. По теме диссертации опубликовано 7 печатных работ, из них 5 статей, 2 тезисов.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, списка использованной литературы и приложения. Основное содержание работы изложено на 160 страницах машинописного текста, 52 рис., 35 таблицах, приложения. Список использованной литературы включает 110 наименований.

ВЫВОДЫ к главе 4:

1. На основе построенных диаграмм потоков данных (ОББ) разработано программное обеспечение для решения основных задач информационной подсистемы: задач передачи информации между подсистемами исследования и диагностики слуха (в рамках интеллектуальной системы исследования и диагностики слуха, ИСИДС) и информационно-справочных задач, решаемых в процессе обследования пациента и постановки диагностического заключения: регистрация пациента, ведение истории болезней пациента, получение отчетной информации о пациенте и получение справочной информации о заболеваниях и лекарственных средствах.

2. Для решения информационно-справочной группы задач был создан специальной многооконный интерфейс, состоящий из двадцати трех экранных форм. Интерфейс позволяет осуществлять ведение баз данных с использованием принятых в медицинских учреждениях стандартов представления документов.

3. Разработано программное обеспечение для решения основных задач экспертно-диагностической подсистемы:

- программное обеспечение для обработки нечеткой субъективной информации, основанной на анализе формы и взаиморасположения аудиомет-рических кривых;

- база знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза;

- программное обеспечение макета экспертно-диагностической подсистемы.

ЗАКЛЮЧЕНИЕ

1. Проведенные исследования методами кластерного анализа показали, что субъективные оценки потерь слуха на основе тональной аудиометрии позволяют выделить только два непересекающихся класса аудиограмм (Норма / Ненорма).

2. Выполнена постановка задачи локализации патологии органов слуха как задачи распознавания принадлежности аудиограмм к одному из пяти классов (НОРМА (класс Н); нарушения звукопроводящего аппарата (класс НЗП), нарушения звуковоспринимающего аппарата (класс НЗВ), смешанное нарушение с преобладанием НЗП (класс СМ- НЗП) и смешанное нарушение с преобладанием НЗВ (класс СМ- НЗВ).

3. Создана система нечетких признаков и алгоритм обработки субъективной аудиометрической информации, основанный на анализе формы и взаиморасположения аудиометрических кривых, позволяющий решить задачу распознавания принадлежности аудиограммы пациента к одному из 5 классов.

4. Разработаны информационные модели представления знаний о состоянии пациента. Модель первого уровня представляет собой электронный вариант истории болезни пациента и включает 210 характеристик. Модель второго уровня предназначена для решения задач дифференциальной диагностики, создает обобщенное описание состояния пациента, соответствующее некоторому классу. С каждым таким классом связано обычно одно диагностическое заключение. Модель третьего уровня предназначена для создания описаний групп пациентов, объединенных одним или несколькими общими симптомо-комплексами. Модель позволяет решать задачу выделения подмножества близких диагностических гипотез.

5. Разработана модель представления диагностических знаний о заболеваниях органов слуха (на примере близких по основному симптомокомплексу заболеваний -отосклероз и невринома 8 нерва), которая представляет иерархию правил. Правила первого уровня имеют наивысший ранг и используется для определения группы близких заболеваний. Правила второго уровня позволяют определить вид исследования. Правила третьего уровня содержат диагностическое заключение. Иерархия правил позволяет интегрировать процедуры исследования и диагностики.

6. Разработан алгоритм управления исследованиями органов слуха и дифференциальной диагностики заболеваний. Создано программное обеспечение ведения информационной модели пациента и экспертно-диагностической подсистемы.

7. Разработана база знаний, включающая 190 правил, позволяющих генерировать сценарии работы врача при исследовании и постановке диагноза. Путем реализации фрагментов системы доказана релевантность и функциональная полнота БЗ для диагностики заболеваний невриномы 8 нерва и отосклероза.

1. Naumov LB., Main problems of modern medicine in diagnostics and learning. Ways to optimal solution. Anatol. Journ. Cardiol. Vol.1, Sept. 2001, 166-178

2. В.Ф. Ундриц, Я.С. Темкин, JI.B. Нейман. Руководство по клинической аудиологии. М., Медицинская литература. 1962.324с.

3. Физиология сенсорных систем. Под ред. A.C. Батуева. JL, Медицина, 1976.-400с.

4. Ермолаев В.Г., Левин A.JI. Практическая аудиология. Ленинградское отделение «Медицина», 1969.-240с.

5. Быстшановская Т. Клиническая аудиология Варшава 1965, 240 с

6. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ.-М.Ж Наука. Гл.ред. физ.-мат. лит., 1987.- 288с.

7. Г.Н.Калянов CASE структурный системный анализ (автоматизация и применение).М.: «ЛОРИ», 1996.-250с.

8. В.П.Руденко, Д.М.Малинский Подготовка тональных аудиограмм для обработки на ЭВМ и статистический анализ полученных результатов//Вестник оториноларингологии, 1977 №4, с.38-42

9. И. И.М. Белов, К.В.Грачев Компрессированное описание и обработка тональных аудиограмм// Вестник оториноларингологии, 1988 №4, с.20-24

10. В.Т.Пальчун, М.М.Магомедов, Л.А.Лучихин Оториноларингология. -М.Медицина, 2002,- 576с.

11. М.Бартон Болезни уха, горла и носа. М.Издательство БИНОМ, 2002.-288с.

12. Е.М.Харшан Алгоритм анализа аудиограмм и рационализация процесса его освоения//ЖУНГБ, 1976, №2, с.13-16

13. Загоруйко Н.Г. Прикладные методы анализа данных и знаний.-Новосибирск: Изд-во Ин-та математики, 1999.-270с.

14. Статистические методы для ЭВМ/Под ред. К.Энслейна, Э.Рэлстона:Пер. с англ.-М.:Наука. Гл.ред.физ-мат.лит., 1986.-464с.

15. Круглов В.В.Борисов В.В.Искусственные нейронные сети Теория и практика, М:Горячая линия-Телеком, 2001, С.382.

16. Мандель И.Д. Кластерный анализ.-М.Финансы и статистика. 1988,-176с.

17. Дюк В., Самойленко A.DataMining: учебный курс.-СПб:Питер, 2001.-368с.

18. В.И. Васильев Распознающие системы Наукова думка, 1983.-420с.

19. Ю.М. Козлов Адаптация и обучение в робототехнике.-М.: Наука.ГлРед.Физ.-мат. лит.,1990.-248с.

20. Е.А.Башкирова, Т.В. Истомина, Е.А. Мельникова Применение кластерного анализа для обработки аудиограмм// Актуальные проблемы науки и образования. Труды международного юбилейного симпозиума АСПНО-2003 Пенза, стр.3 54-3 57.

21. Благовещенская Н.С. Отоневрологические симптомы и синдромы.- М.: Медицина, 1981.-3 27с.

22. Шевригин Б.В. Справочник оториноларинголога: Справочное пособие для врачей. М.: «Крон-ПРЕСС», 1996. - 417 с.

23. Интеллектуальная система исследования слуха/ Бодрин А.В., Григорьева О.М., Филатова Н.Н. и др.// Сборник трудов Восьмой национальной конференции по ИИ "КИИ-2002", Коломна. С.600-605.

24. Гетманова А.С. Введение в логирЫУ1:МГУ.1996

25. Филатова Н.Н. Автоматическое формирование знаний в САПР: Монография-Тверь: Тверской госуд.технач.университет, 1996-144с.

26. Разработка экспертных систем средствами интеллектуальной оболочки в среде MS Windows: Методическое руководство/ Стрельников Ю.Н., Борисов Н.А.-Тверь:ТГТУ, 1997.-40с.

27. Дженнингс Роджер Использование Microsoft Access 2000. Специальное издание: Пер. с англ.-М.:Издательский дом «Вильяме», 2000.-1152с.

28. Юдицкий С.А., Кутанов А.Т. Технология проектирования архитектуры информационно-управляющих систем. М., ИПУ. 1993. 32с.

29. Гладун В.П. Партнерство с компьютером. Человеко-машинные целеустремленные системы. -К.: Port-Royal, 2000. -128с.

30. Гладун В.П. Процессы формирования новых знаний. -София. СД "Педагог 6", 1994.-192с.

31. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Спб. Питер, 2000

32. Гусева Т.И., Башин Ю.Б. Проектирование баз данных в примерах и задачах. М.: Радио и связь, 1992.-160с.

33. Андрейчиков А.В. Компьютерная поддержка изобретательства. М. Машиностроение. 1998.-476с.

34. Гейн К., Сарсон Т. Системный структурный анализ : средства и методы. М. Эйтекс. 1992.

35. Гаврилова Т.А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ // Изв. АНСССР. ТК N5 С. 165

36. Гаврилова Т.А. От поля знаний к базе знаний в экспертных системах // Сб. Представление знаний в экспертных системах. JL ЛИИАН

37. Гельфанд И.И. и др. Структурная организация данных и знаний в задачах медицинской диагностики и прогнозирования // ВК. Задачи мед. диагн. с точки зрения врача. М. АН СССР С. 5-64

38. Дюран Б. Кластерный анализ. М. Статистика. 1977.

39. Орловский С.А. Проблема принятия решений при нечеткой исходной информации. М. Наука. 1981.

40. Попов Э.В. и др. Статические и динамические экспертные системы. М. Финансы и статистика. 1996.

41. Марселлус Д. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика. 1994. -256с.

42. Искусственный интеллект.- В 3-кн. Кн. 2. Модели и методы: Справочник/ Под ред. Д.А.Половинкина,- М.: Радио и связь, 1990.-304с.

43. Емелин И.В. О стандартах электронного обмена медицинскими документами.// Компьютерные технологии в медицине. N1, 1996 С.44-48.

44. Бонгард М.М. Проблемы узнавания. М.: Наука, 1967.

45. Вапник В.Н. Теория распознавания образов. М.: Наука, 1974.

46. Леман Э. Проверка статистических гипотез. М.: Наука, 1979

47. Лихачев А.Г. Справочник по оториноларингологии. -М.: Медицина. 1984.

48. Кобринский В.С.Подходы к отображению субъективно-нечетких представлений эксперта и пользователя в интеллектуальных системах // Програм. прод. и системы (ППС) 1995, 4, С.30-32.

49. Д. Уотерман Руководство по экспертным системам. -М.:Мир,1989.

50. Рего К.П. Справочник по метрологическим величинам. Киев, 1984.

51. Б.А.Кобринский, Л.Н.Таперова, О.В. Веприцкая Экспертная диагностическая система по неотложным состояниям//Программные продукты и системы. 1995 №1 С.30-32

52. Кобринский Б.А. Системы искусственного интеллекта в медицине: Состояние, проблемы и перспективы//Новости искусств, интеллекта 1995,65-79

53. Б.А.Кобринский, A.M. Кудрявцев, А.Е.Фельдман РС-ориентированная информационно-диагностическая система по наследственной патологии у детей//Крмпьютерная хроника 1994 №8-9.С.31-37

54. С. Каратыгин, А. Тихонов, В. Долголаптев. Базы данных. Москва: ABF, том 2, 1995. - 46 с.

55. К. Дейт. Введение в системы баз данных. М.:Наука, 1980.

56. В. Дж. Орвис. Visual Basic for Applications на примерах. М., Киев: Бином, 1995.-512 с.

57. Гаврилова Т.А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ // Изв. АНСССР. ТК N5 С.165

58. Kahneman D., Slovic P., Tversky A. Judgment under uncertainty: heuristics and biases. Cambridge: Univ.Press.1982. 555p.

59. Feigenbaum I.A. McCorduck P. The 5th generation. Addison Wesley. Mass. 1983. 266c.

60. Ким B.H., Малыгин В.П., Ларичев О.И. и др. Использование автоматизированной системы в диагностике ишемической болезни сердца на догоспитальном этапе//Воен.-мед. журн. 1987. №1 С.23-26.

61. Фрумкина P.M. О некоторых особенностях экспертного понимания (на материалах экспертных оценок психических состояний)// Вопросы кибернетики: Экспертные оценки. М.-.-ПИК ВИНИТИ, 1979. С.44-56.

62. Попов Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. -С.360.

63. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - С.283.

64. Злотник Э.И., Склют И.А. Невриномы слухового нерва. Минск, «Беларусь», 1970.- С. 184.

65. Хилов К.Л., Преображенский H.A. Отосклероз. Л.: «Медицина», 1965.-С.239.

66. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер. с англ. и предисл. Б.И. Шитикова. М.: Финансы и статистика, 1987. — С. 191.

67. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознаванияобразов. М.: Финансы и статистика, 1988. - С.200.77. www.pediatr.mtu-net.ru/programms/programms.html.

68. Гаскаров Д.В., Шаповалов В.И. Малая выборка М.-.Статистика, - 1978.-С.248.

69. Мейер Д. Теория реляционных баз данных- М.: Наука, 1987. С. 191.

70. Цикритзис Д. Модели данных. М.: Радио и связь, 1985. - С.300.

71. Дракин В.И., Попов Э.В. Общение конечных пользователей с системами обработки данных- М.: Радио и связь, 1988. С.230.

72. Миркин Б.Г. Анализ качественных признаков- М.: Финансы и статистика, 1976.-С.246.

73. Поспелов Д.А. Моделирование рассуждений: Опыт анализа мыслительных актов- М.: Радио и связь, 1989. С.200.

74. Б.А. Кобринский Автоматизированные диагностические и информационно-аналитические системы в педиатрии //Российский медицинский журнал Т.7 №4 1999 (www.rmj.ru)

75. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере.- М.: Нука, 1998.-С.450.

76. Жамбю М. Иерархический кластер-анализ и соответствия- М.: Радио и связь, 1988.-С. 187.

77. Елисеева И.И.Группировка, корреляция, распознавание образов- М.: Финансы и статистика, 1977. — С.246.

78. Александров В.В.Анализ данных на ЭВМ М.: Радио и связь, 1990. - С.380.

79. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками -М.: Финансы и статистика, 1991. С.280.

80. Алгоритмы и программы решения задач на графах и сетях- М.: Наука, 1990.- С.340.

81. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных- М.: Радио и связь, 1983. С.376.

82. Ларичев О.И., Мошкова Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. С.470.

83. Червинская K.P. Медицинская психодиагностика и инженерия знаний- М.: Наука, 202. С.780.

84. Зорич.В.А. Математический анализ- М.: Наука, 2001. С.450.

85. Нечеткие множества в моделях управления и ИИ М.: Наука, 1986. С.311.

86. Самарский A.A. Математическое моделирование: Идеи, Методы. Примеры М.: Финансы и статистика, 2001. С.302.

87. Окулов Е.Д. Программирование в алгоритмах- М: Наука, 2002. С.341.

88. Кузнецов П.И., Пчелинцев J1.A. Последовательное обучение систем диагностики -М: Наука, 1987. С.458.

89. Коханер Д. И др. Численные методы и программное обеспечение-М: Наука, 1998.-С.564.

90. Ларичев О.И. Наука и искусство принятия решений- Наука, 1979. С.251.

91. Попечителев Е.П., Романов C.B., Анализ численных данных в биотехнических системах. —Л.:Наука, 1985.-С. 148.

92. Интеллектуальный анализ данных методы и средства М.: Финансы и статистика, 2001. С.51.

93. Платонов А.Е. Статистический анализ в медицине. -Л.:Наука, 2000.-С.148.

94. Леман Э. Проверка статистических гипотез. М.: Наука, 1979

95. Нидал Фуад Наджжар "Автоматизированная система для аудиометрических исследований слуха" /диссертация на соискание уч. степени к.т.н., 05.11.17, Тверь. -2001.

96. Андерсон Т.В. Введение в многомерный статистический анализ М.:Физматгиз, 1963.

97. Siemens PC Audiometrie evaluation instruments. Part of the Unity System. 1998.

98. Гладун В.П. Планирование решений. Киев: Наукова думка, 1987

99. Клинический аудиометр «Дельфа-311». Рекламные материалы. 1997.

100. Большой клинический аудиометр МА-31. Документация для покупателя. Описание и инструкция по обслуживанию.