автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Моделирование, индивидаульное прогнозирование и классификация состояний в системах мониторинга больных хроническими заболеваниями

На правах рукописи

ргб оа

Подвальный Евгений Семенович 2 ^ Г;':ЭН К'-

МОДЕЛИРОВАНИЕ, ИНДИВИДУАЛЬНОЕ ПРОГНОЗИРОВАНИЕ И Ю1АССИФИКАЦИЯ СОСТОЯНИЙ В СИСТЕМАХ МОНИТОРИНГА БОЛЬНЫХ ХРОНИЧЕСКИМИ ЗАБОЛЕВАНИЯМИ

Специальность 05.13.09— Управление в биологических и медицинских системах (включая применение вычислительной техники)

АВТОРЕФЕРАТ ДИССЕРТАЦИИ на соискание ученой степени доктора технических наук

Воронеж - 1999

Работа выполнена в Воронежском государственном техническом университете и в Воронежском областном лечебно-диагностическом центре.

НАУЧНЫЙ КОНСУЛЬТАНТ Заслуженный деятель науки РФ, доктор

технических наук, профессор Фролов В. Н.

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ Доктор технических наук, профессор

Матвеев М. Г.,

Доктор технических наук, профессор Родионов О. В.,

Доктор технических наук, профессор РындинА. А.

ВЕДУЩАЯ ОРГАНИЗАЦИЯ Курский государственный технический

университет: (г. Курск)

Защита состоится «¿8» мая 1999г. в 16 " час в конференц-зале на заседании диссертационного совета Д 063.81.04 при Воронежском государственном техническом университете по адресу: 394026, г. Воронеж, Московский пр., 14.

С диссертацией можно ознакомится в библиотеке Воронежского государственного технического университета

Автореферат разослан « апреля 1999г.

Р.^.О

Ученый секретарь диссертационного совета

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Важнейшими направлениями реформирования здравоохранения России являются повышение эффективности использования ресурсов здравоохранения, качества медицинской помощи и эффективности труда, внедрение современных медицинских технологий.

Одним из реальных путей проведения реформ, вывода медицины из кризиса, является повсеместное внедрение высоких медицинских технологий диагностики и лечения, обладающих ощутимым экономическим эффектом и способных сократить расходы на лечение пациентов. Не вызывает сомнений, что быстрая и точная диагностика заболеваний, быстрое и качественное лечение являются не только медицинской, но и экономической категорией.

Для освоения современных высоких медицинских технологий в условиях особенностей лечебно-диагностического процесса необходимо обеспечить интеллектуальную и компьютерную поддержку, разработать информационное и программное обеспечение, модели, алгоритмы и процедуры принятия решений. Эффективность интеллектуальной поддержки принятия решений существенным образом зависит от адекватности математического описания и возможностей компьютерного моделирования.

Существует большой класс медико-биологических систем компьютерного мониторинга, в которых по результатам текущих измерений необходимо оперативно решать задачи диагностики состояний. При этом по данным измерений, как правило неполным, необходимо не просто отнести объект к одному из возможных состояний, но и осуществить прогноз на определенный интервал времени. Для медико-биологических объектов существенно при этом учесть индивидуальные свойства в рамк;1х интегрированных систем индивидуального прогнозирования и классификации (ИПиК), особенно для больных хроническими заболеваниями.

Нужно отметить, что упоминаемый класс задач необходимо рассматривать и решать с позиций статистической теории принятия решений. Связано это с наличием различных неопределенностей, которые присутствуют при решении задачи. Используемый при этом аппарат линейных и нелинейных дискрими-нантных функций основан на всестороннем учете статистических особенностей многомерных распределений, процедурах адаптивной коррекции теоретических решений по данным экспериментальных измерений.

Таким образом, как можно больший учет всех упомянутых факторов требует создания информационной технологии создания моделей ИПиК, включая их реализацию в автоматическом или интерактивном режиме. Создание теоретических и методологических основ построения моделей автоматической диагностики и.прогнозирования состояний больных хроническими заболеваниями, визуализации и мониторироаания путем использования автоматизированных

процедур классификации на база интегрированных систем моделирования и управления делает актуальной проблему научного исследования.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 "Перспективные информационные технологии в высшей школе" в рамках одного из основных направлений Воронежского государственного технического университета "Биокибернетика, компьютеризация в медицине". Научные результаты, изложенные в диссертации, получены при выполнении госбюджетных НИР МО и ПО России по темам: "Разработка алгоритмического, программного обеспечения процессов диагностики и лечения заболеваний и формирования автоматизированных систем" и "Разработка моделей и алгоритмов распознавания и диагностики функциональных состояний сердечно-сосудистой системы" в рамках единого заказа-наряда.

Методы исследования. В работе использованы методы системного анализа, имитационного моделирования, дискретного программирования, теории вероятностей и математической статистики, методы теории распознавания образов и теории принятия решений, теории колебаний, идентификации и моделирования.

Цель, и задачи исследования. Целью исследования является создание теоретических и методологических основ построения моделей автоматической диагностики и прогнозирования состояний больных хроническими заболеваниями, визуализации и мониторирования путем использования автоматизированных процедур классификации на базе интегрированных систем моделирования и управления.

Для достижения поставленной цели необходимо решить следующие задачи:

• проанализировать разработанные системы автоматизированного распознавания образов для задач медицинской диагностики и выделить инвариантное ядро;

• сформулировать основной класс задач диагностики и прогнозирования состояний на концептуальном, методическом и формально-математическом уровне;

• разработать основы теории построения математических моделей диагностики и принятия решений в условиях стохастической неопределенности;

• рассмотреть специфику и особенности разработки специального математического обеспечения систем моделирования (СпМО);

• разработать методологию синтеза иерархических систем компьютерного мониторинга;

• провести рассмотрение основных особенностей архитектуры и информационного наполнения телекоммуникационных систем медицинского назначения на базе 1п1еше1-технологий.

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

• методология построена'! алгоритмов многомерной диагностики состояния объектов биологических и медицинских объектов и систем, отличающаяся интеграцией с системами моделирования при индивидуальной диагностике и прогнозировании состояний хронических заболеваний на основе применения комбинационных алгоритмов классификации с обучением;

• информационная технология диагностики и классификации, использующая сочетание процедур многоуровневого статистического оценивания и экспертного анализа, как на этапе обучения, так и на этапе верификации диагностических моделей на основе построения разделяющих гиперповерхностей;

• система диагностически« моделей на базе обобщешшго понятия дискри-минантной функции, отличающаяся применением знаковых критериев достоверности классификации, включая критерий достоверности использования ДДФ по матрице коэффициентов корреляции и наличием вспомогательной процедуры статистического оценивания матрицы разностей i&R] и в общем случае близости ковариационных матриц с использованием имитационного моделирования;

• комплекс алгоритмов классификации по обучающей выборке с учителем, на основе принципа эквивалентной надежности, как для нелинейных, так и для кусочно-линейных разделяющих поверхностей; теорема о системе линейных дискриминантных функций и ее важные следствия о базовой системе для адаптивной процедуры уточнения разделяющих границ в классе непараметрических граничных гиперплоскостей;

• критерии и количественные оценки многоальтернативности эволюционных структур СпМО для анализа потенциальных возможностей, эволюции систем и целесообразности введения новых уровней и модулей специального математического обеспечения;

• процедуры формирования структуры лечебно - диагностической подсистемы локальной сети медицинского учреждения, учитывающие технологиче-<ский процесс диагностики и лечения данного типа ЛПУ, необходимость оптимального проектирования и принятия решений по выбору субоптимального варианта параметров и структуры; система информационно-логических моделей реабилитации сердечно-сосудистых заболеваний, лечебно-диагностического процесса, оптимального проектирования и рационального выбора на базе теоретико-множественного подхода.

• архитектура и теоретико-множественные модели информационного наполнения Web-сервера и центра телемедицинской сети, интегрированной в Internet, отличающейся принципами многоальтернативности, аппаратной неза-

висимостыо, стандартизацией графических пользовательских интерфейсов и автоматизацией компьютерного ввода.

Практическая ценность и реализация результатов работы: разработана система моделей на теоретико-множественном и оптимизационном уровне для решения многокритериальных задач оптимального синтеза структуры региональной информационной среды в различных оптимизационных постановках; обоснована возможность разбиения глобальной задачи оптимального синтеза на совокупность оптимизационных подзадач, являющихся либо самостоятельными, либо вспомогательными для решения задач оптимизационного синтеза, с учетом заданной топологии, вектора -производительности различных элементов сети, количественных характеристик маршрутизации. Сформулирована структура и установлены основные принципы проектирования эволюционных структур СпМО: иерархическая многоуровневая форма, модульность и многоальтернативность каждого иерархического уровня, адаптируемость структуры к ситуационному изменению целей и условий моделирования, типизация к определенному классу объектов.

Научные результаты, изложенные в диссертации, получены автором в рамках проведения госбюджетных НИР, выполняемых по единому заказ-наряду по грантам Минобразования, Миннауки и РФФИ. Они внедрены в ряде лечебных учреждений г. Воронежа различного профиля: городской клинической больнице «Электроника», клиническом санатории им. М.Горького, ряде других лечебных учреждений, а также инвариантные компоненты: в системах мониторинга и диагностики в АООТ «Видеофон» и на Нововоронежской АЭС.

Подсистемы моделирования процессов ИПиК используются в рамках учебно-проектных АОС на кафедрах «Компьютеризации управления в медицинских и педагогических системах», «Автоматизированных и вычислительных систем» ВГТУ и в учебном процессе ВГМА им. Бурденко.

Апробация работы. Материалы диссертации докладывались и обсуждались на семинарах межвузовской кафедры "Компьютеризация управления в медицинских и педагогических системах" (ВГТУ, 1992-1998); ежегодных научных конференциях профессорско-преподавательского состава ВГТУ (1990 - 1998); III Всесоюзной конференции "Динамика процессов и аппаратов химической промышленности" (Воронеж, 1990); Всесоюзной конференции по математическому и машинному моделированию (Воронеж, 1991); конференции "Информационные технологии и системы" (Воронеж, 1992); YII научно-технической отраслевой конференции "Состояние и пути повышения надежности видеомагнитофонов" (Воронеж, 1993); региональном совещании-семинаре "Опыт информатизации в промышленности" (Воронеж, 1993); YII научно-технической отраслевой конференции "Состояние и пути повышения надежности вццеомаг-

нитофонов" (Воронеж, 1993); Всероссийском совещании-семинаре "Высокие технологии и проектировании технических устройств и автоматизированных систем" (Воронеж, 1993); Всероссийском совещании-семинаре "Высокие технологии в проектировании технических устройств и автоматизированных систем" (Воронеж, 1993); конференции "Информационные технологии и системы" (Воронеж, 1993); УШ научно-технической отраслевой конференции (Воронеж, 1994); I, II, III, IV международных электронных научных конференциях "Современные проблемы информатизации" (Воронеж, 1996-1999); конференции "Математическое обеспечение информационных технологий в технике, образовании, медицине" (Воронеж, 1997); Всероссийском совещании-семинаре «Высокие технологии в региональной информатике» (Воронеж, 1998).

Публикации. По материалам диссертации опубликовано 58 печатных работ, в том числе монография, 2 учебных пособия, авторское свидетельство на изобретение и 6 отчетов по НИР, прошедших гос. регистрацию.

Структура и объем работы. Диссертация состоит из введения, 6 глав, заключения, изложенных на 235 страницах машинописного текста, списка литературы (177 наименований), приложений, содержит 66 рисунков, 12 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, определены цель работы, объект и предмет исследования. Сформулированы основные научные результаты, выносимы на защиту, определена их научная новизна и практическая значимость, приведены сведения об апробации и внедрении работы.

В первой главе проведен системный анализ проблемы создания диагностических систем мониторинга: классификация методов и алгоритмов многомерной диагностики состояний объектов и систем; проблемы прогнозирования и диагностики при лечении хронических заболеваний; особенности построения систем и решения задач медицинской диагностики.

Проведен аналитический обзор и предложена новая классификация методов и алгоритмов многомерной диагностики состояния объектов и биологических систем в процессе мониторинга. Такой общий класс систем мониторинга, названный в работе синхронно-асинхронным, отличается как вариантами временных интервалов наблюдения и прогноза, так и другими особенностями информационной поддержки, тактикой организации информационных потоков, полной либо частичной наблюдаемостью объекта в процессе мониторирования.

Для индивидуализации диагностики и лечения в работе обоснован принцип интеграции систем диагностики для заданной нозологической группы больных и систем моделирования индивидуального поведения исследуемого субъекта на основе комбинационных алгоритмов классификации с обучением.

Рассмотрены особенности задач и технология построения моделей прогнозирования при диагностике и лечении хронических заболеваний, источники ошибок при классификации, связанные с изменчивостью и неоднородностью биосистем, нерепрезентативностью выбора, ошибками измерений.

Формулируются на основе анализа цель и задачи исследования.

Вторая глава содержит рассмотрение основ разработанной теории построения математических моделей диагностики и принятия решений в условиях стохастической неопределенности. Системы моделирования ИПиК должны содержать инвариантное ядро и некоторую настраиваемую на локальные условия надстройку.

Для этого подробно рассмотрена информационная технология построения диагностических моделей на базе экспериментальных исследований.

Наиболее распространенный логико-прэфсссионалышй подход к диагностике исходит из понятия «прямоугольной» нормы (гиперпараллелепипед в многомерном пространстве):

где - граничные значения к-го класса по признаку хр.

При нарушении нормы переходят к дифференциальной диагностике как самого заболевания, так и его фазы и стадии.

В работе подробно проанализированы недостатки такой «интервальной» диагностики на примере класса экспоненциаиьных распределений, для которых возможны аналитические оценки стохастического распределения:

где * - вектор признаков, измеряемых в процессе мониторинга;

©, 6(0) - параметры вероятностного распределения и функции от них. Формируется диагностическая модель для анализируемых попарно состояний Н* и Ц:

л

О; ,

О)

/(х,0) = ехр{@х-Ь(&Шх),

(2)

В(Л = 1п ' 1 -г^-.ХвН, Ш\Н,)

(3)

£)(Х)<Л0:Л'е//>

Тестовые расчеты для пяти различных типов распределений (нормальный, Бернулли, Пуассона, Релея, экспоненциального) в двумерном варианте х = (х,у) проводились для определения вероятности попадания в "прямоугольник" нор-

мы {т„ ±уха,);(/и„ ±у>ау) и оценки влияния коэффициента корреляции признаков Кху и значения у, выбор которого зависит от близости состоянии Н[:

у, =—---,у,=-(4)

с, ' ov v '

Искомая вероятность определялась прямым интефированием уравнения

id <./) P=\\f{x,yyhdy= \ ]/(x,y,R)dxdy (5)

Как следует из полученных результатов, традиционно используемая «прямоугольная» норма с достоверно известными сторонами от,+<7, дает вероятность диагностики здорового человека лишь Р,^=0.4-0.6, что явно недостаточно. Перенесение такого подхода на диагностику состояния «заболевания» требует большого количества дополнительных исследований.

При создании диагностических моделей для использования в информационных системах мониторинга исходят из идеи существования некоторой вычисляемой дискриминантной функции D(x). Векторный характер измерений х, фиксируемых в любой момент времени t, либо определяемых для интервала времени/,,, неопределенность в выборех из более общего множества наблюдений Z, неполнота и неточность измерений, неопределенность в признаках диагностируемого состояния и их многоальтернативность приводят к необходимости специального исследования.

Рассмотрены особенности статистического эксперимента для мониторинга больных хроническими заболеваниями в рамках существующей системы с целью максимальной автоматизации обработки и анализа информации.

Обобщенная алгоритмическая схема проведения экспериментальных исследований и построения разделяющей гиперповерхности представлена на рис. 1. Предлагаемая информационная технология состоит из следующих основных этапов:

1-2. Выбор признакового пространства и числа состояний; постановка задачи моделирования ИПиК.

3-4. Уменьшение размерности (редукции) пространства наблюдений. Проблематика визуализации при мониторинге состояний.

5. Набор экспериментальных данных из разных источников (ретроспективная обработка историй болезни, литературные данные, мониторинг).

6. Разделение на обучающую и контрольную выборку общего массива экспериментальных данных и их предварительная классификация.

12.

^^ Сравнение Д » 13.Изменение

огрешн остей п р изнако во го п р остран ства

""""^ГНет

14. Переход к лечебному 16. Имитационное

блоку моделирование

15. П овто р н ая 17. Экспертное

эксплуатация с адаптацией оцеп и вани е

Рис.1 Алгоритмическая схема информационной технологии классификации

7-8. Фильтрация и сглаживание, оценка косвенных измерений; отбраковка ложных измерений и ложных гипотез.

9. Построение линейной, кусочно-линейной или нелинейной границы между классами состояний в редуцированном пространстве.

10. Оценка различных типов ожидаемых погрешностей классификации (по ОГр и КГр). Здесь ОГр - обучающая, КГр - контрольная группы.

11. Проверка и верификация моделей ИПиК по контрольной группе.

12-13. Сравнение погрешностей н определение необходимости коррек-

- ции пространства наблюдений или порядка их использования (в любом случае изменение алгоритма классификации).

14. Переход к лечебному блоку, выбор лечебных мероприятий из библиотеки типовых лечебных схем.

15. Повторная эксплуатация системы с адаптацией к "локальным" условиям использования.

16-17. Имитационное моделирование и экспертная оценка результатов ИПиК.

На этапах 1, 2, 5, 6 широко могут быть использованы экспертные оценки как для выбора признакового пространства X, так и для оценки числа состояний (типов заболеваний), предварительное разбиение на нозологические группы и подгруппы. Нам предстанляется, что при лечении хронических заболеваний принципиально важно, чтобы экспертами была выделена предметная область, учтена предистория заболевания при построении моделей мониторинга. Рассмотрены несколько примеров из класса сердечно-сосудистых заболеваний; на рис. 2 представлена модельная ситуация: линейный вариант развития острого нарушения мозгового кровообращения (инсульта). Переход осуществляется из одной стадии в другую с некоторыми, вероятностями (их можно оценить по данным экспертизы). Сама последовательностная цепочка, по-видимому, имеет значение с точки зрения прогнозирования, если известен период (интервалы) нахождения в каждой стадии 7;. Эффективное лечение может вернуть систему в состояние более низкого уровня (пунктир на рис. 2) со своими вероятностями Р2,, Рп, /'„.

Привлечение экспертов к этой проблеме могло бы позволить оценить предварительно вероятность перехода из одного состояния в другое. Тогда времянахождения Т) в у-м состоянии определяется вероятностями и Р:1 при используемом варианте лечения , который очевидно связан с ранней или своевременной диагностикой /)(■).

Рис. 2 Модельная ситуация развития инсульта Таким образом, для моделей ИПиК имеем кортеж

(г1с\Т,р,Ал,Ъ), (7)

часть элементов которого может бьпь уточнена по данным экспертных оценок.

Для получения численных оценок этих векторов и их взаимосвязи широко используется экспертная процедура: для ранжирования признаков Л <с\ реже для получения оценок тактики лечения Ал. В общем случае число диагностируемых состояний определяется экспертом (группой экспертов) на этапе разработки моделей ИПиК для заданной нозологической группы. Модель (прогноза) представлена как взаимосвязь кортежей состояний и тактики лечения (диагностики):

{^.Р^Ыр.Я,} (7)

По схеме (6), (7) могут быть оценены экспертами многие общепринятые схемы и методики диагностики и лечения. В частности, с использованием лингвистической переменной можно оценить искомые вероятности 1\ для пограничных состояний.

Основные постулаты корректного использования линейных диагностических моделей основаны на гипотезах многомерного нормального распределения в пространстве измеряемых признаков (Х,,Хи совпадения матриц кова-риаций 2 для обоих состояний (#,, ИДиагностика состояний сводится к системе решающих правил:

Заметим, что фильтрации и сглаживание переменных 2е также способствуют сближению ковариационных матриц.

Линейная дискриминантная функция для большого числа состояний (5„52,...5',Х*>2) строится аналогичным образом. Требование совпадения ковариационных (корреляционных) матриц всех классов здесь вряд ли выполнимо, хотя по смыслу некоторые состояния близки ( "здоров" и начало заболевания (стадия I)) или например, оба состояния на последующих этапах заболевания (стадия 2 и стадия 3 в фазе ремиссии). В крайнем случае, корректно попарное использование соотношения (8) для получения отдельных гиперплоскостей; т.е. для многих состояний мы фактически строим выпуклую допустимую область существования, при выходе из которой 0(Х) меняет знак. В зависимости от представительности статистических данных, такая выпуклая допустимая область существования может быть построена, по крайней мере, для ряда состояний: здоров, острое (по ним обычно больше данных, чем по пограничным стадиям).

Отклонения от нормального закона взаимного распределения требует специальных процедур коррекции: нелинейных, кусочно-линейных, линейных с адаптацией и др. С целью получения соответствующих оценок проведены имитационные эксперименты на ЭВМ. Варьировались следующие признаки: законы распределения (нормальный, нормально-логарифмический, биномиальный, Пуассона); точность установления центров и моментов распределения, как функция числа измерений в контрольной выборке; степень корреляции измеряемых параметров - для примера двумерного распределения и эффективности ЛДФ при разделении 2-х и 3-х состояний системы.

Результаты имитационных экспериментов представлены соответствующими графиками и номограммами, что позволяет говорить о создании инженерных методик оценки нелинейности диагностических моделей. Имитационная схема содержит информацию также о погрешности ЛДФ при адаптивной подстройке и без нее. Фрагмент обобщенного алгоритма представлен на рис. 3.

Следуя многоальтернатииному принципу, необходимо иметь несколько вариантов близости ковариационных матриц |£|| (или их оценок |у|) и несколько способов преобразования координат для облегчения получения обратных матриц Е~. Укажем, что из нашего опыта эффективным является преобразование вида:

Г = ^-"3(Х-(М,+М2)/2), (9)

которое превращает обычную ковариационную матрицу в единичную (для строго нормальных; распределений) и уменьшает степень косоугольности Е'для других типов распределений.

Вычисление основных статистик

X

Близость оценок £

Через !|/а

Усреднение для • пограничных составляющих

X

X

Вычисление X

Прямое преобразование

Линейное преобразование

Ортогональное преобразование

Вычисление^*)

X

Переход к ЛДФ

Рис. 3. Подсистема блока имитационного моделирования

В любом случае возможно рассмотрение задач ИПиК в пространстве У с существенно уменьшенной размерностью пространства наблюдений, что важно с точки зрения визуализации при компьютерном мониторинге.

Помимо указанных вопросов в данной главе рассмотрена еще одна задача, связанная с дифференциальной диагностикой и основанная на введении оценок энтропии поиска (установлении истинного диагноза).

«и)=-Е £А, (10)

Чем больше энтропия, тем больше первичная неопределенность и, если энтропия уменьшается в результате т шагов принятого алгоритма классификации на большую величину А/, значит в нем лучше организована процедура поиска.

Итак, речь идет о последовательном введении на каждом шаге многоэтапной процедуры нового измеряемого признака 2/° и дихотомическом разделении увеличенного гиперпространства на две части, что наиболее эффективно

осуществляется с помощью новой разделяющей гиперповерхности О(Х). Это и есть приложение идеи последовательного дискриминантного анализа к задачам классификации. Важно, чтобы граф поиска соответствовал виду с простой структурой связен (идеально бинарной!), но в общем случае с малым числом альтернатив.

Таким образом, вводится новый класс задач последовательного дискриминантного анализа который обозначим .ЧВ(х). Схема алгоритма включает последовательное включение нового параметра 2Р или сразу группы параметров и циклическое повторение процедуры дискриминантного анализа, пока не будет достигнут конечный объект дискриминантного анализа ("лист" диагностического дерева). Начинать в каждом новом этапе диагностики следует с корня.

Совокупность решения двух групп задач дискриминантного анализа: для параметров распределений />©) (по обучающей выборке) и текущим измерениям (по контрольной выборке) - приводит нас к бифункциональной (сдвоенной) дискриминантной процедуре Д(Э) О(х) ~ 1Щх) (см. рис. 4 а, 46).

Рис. 4а. Общая схема ОО(х) Рис. 46. Наиболее распространенные варианты ЛДФ и НЛДФ

Здесь же, в эгой главе, проведено исследование класса алгоритмов линейной и нелинейной классификации с учителем (с учетом надежности).

При использовании обучающей выборки разные состояния (здоров - болен) имеют разную надежность (достоверность, точность) определения основных параметров в статистического распределения.

Отсюда, очевидно, целесообразно сформулировать такой принцип: надежная (точная) граница строится для надежных (точных) данных. Назовем это принципом эквивалентной надежности.

Как уже неоднократно упоминалось, наиболее надежны сведения о крайних состояниях: здоров - острое заболевание.

Между этими двумя состояниями наиболее целесообразно построить нелинейную разделяющую границу. Если же точно известны параметры только для одного из распределений (например, нормы), то она может быть достоверно представлена в виде дифференциальной функции распределения и ее проекции на плоскость визуализации. Геометрическая интерпретация этого случая дана на рис. 5. Смысл заключается в том, что там, где это позволяет обучающая выборка, воспользоваться нелинейными - в данном случае квадратичными разделяющими поверхностями.

Рис. 5. Проекции разделяющей границы на плоскость визуализации

В свою очередь, для неточно определенных подгрупп - пограничные заболевания - где форма области существования определена неточно - достаточно ограничиться кусочно-линейной аппроксимацией. Причем, поскольку проекции распределений и области существования достоверно неизвестны, следует использовать непараметрические методы прямого построения границы. Полезно при этом использовать доказанную в диссертации теорему о кусочно-линейных разделяющих поверхностях (гиперплоскостях), которые строятся как гиперме-диатриссы к линиям математических ожиданий диагностируемых состояний, как наиболее надежному элементу статистических данных обучающей группы.

2,

Рис. 5 а

Рис. 5 б

Эта базовая система гиперплоскостей подвергается процедуре адаптивной коррекции совместно с экспертной оценкой и тщательным профессиональным анализом всех спорных ситуаций (погрешности инструментальных исследований, анализ истории болезни, неточный диагноз и т.д.).

В третьей главе рассматриваются особенности разработки специального математического обеспечения компьютерного мониторинга.

В тех случаях, когда мы получаем несколько близких по вероятности диагностических заключений, форма и область проекции классов <Бь Бр может облегчить выбор для ЛПР (врача-диагноста).

Ведущей в этой проблеме является выбор пространства наблюдений и пространства отображений.

Системный анализ позволяет упорядочить параметры 7.,Х по некоторому критерию полезности, объединить или сформировать меньший набор измеряемых признаков. Поскольку влияние числа признаков р и числа данных в обучающей выборке <щ ,«,> идет в разных направлениях, есть возможность построить экстремальную задачу в классе оценок эффективности алгоритма <рА.

Всякая изменчивость образа характеризуется вариациями значений признаков /»-мерного пространства наблюдений и определяет некоторый характеристический объем, присущий классифицируемым состояниям (гипотеза компактности). Центром этого объема служат средние значения </4 ,/4 >.

Пересечение областей существования и вызывает собственно необходимость принятия решения с помощью модели диагностики. Проекция в пространство визуализации — не просто выбор 2 (3) признаков в /»-мерном пространстве наблюдений, а по существу проекция исходных данных на вспомогательные разделяющие поверхности Яи(х).

Системный анализ методов преобразования пространства наблюдений показал, что наиболее простыми и эффективными являются варианты использования сдвоенной процедуры: а) от пространства X размерностью р переходят к пространству У размерностью 2 (3); б) в новом пространстве У строится нелинейная модель диагностики как НЛДФ.

В качестве начального приближения для У могут быть выбраны уравнения:

¥=*>»<*)-о*»+м2к)п)

(11)

с оценкой расстояния с!2 между центрами

Признаки, для которых отдельные слагаемые в (12) меньше £,к , могут быть заведомо отброшены как неинформативные, что определяет чувствительность моделей ИПиК.

Более точно пространство визуализации УкхУ| может быть синтезировано из условия:

0я{х)ьс,-с/, <=1,2,...,/; (13)

Константы С|, С^ являются решениями вспомогательной системы интегральных уравнений. В общем случае линейная функция (8) содержит вектор 8, получаемый численным решением системы:

Ж = -л?,) (14)

и который должен обеспечить экстремум критерия классификации при любом выборе меры расстояния (1 (Евклидова, Махаланобиса, Кульбака).

Дальнейшее уточнение V. э£> (х)не имеет смысла, т.к. мы намерены использовать нелинейные диагностические модели классификации, когда на пространство базисных функций У отображается нелинейная дискриминантная функция. В общем случае допустима кусочно-линейная аппроксимация этих нелинейных границ. Известно, что КЛА дает выпуклую область допустимых решений, которая лишь случайно может иметь прямоугольную форму. Для того, чтобы более обоснованно говорить о КЛА, рассмотрим истинную форму НЛДФ. Пусть речь идет о двумерной плоскости визуализации ХОУ. В данном случае X, У либо трансформированные переменные, либо какие-то частные В у (х), на плоскости которых осуществляется визуализация.

Для двумерного нормального уравнения вероятности распределения /(х,у) модель НЛДФ в матричной форме имеет вид:

(15)

где А =

; и векторы коэффициентов Ь, с являются функциями сред-

21 22II

них, дисперсий и коэффициента корреляции. Получим серию условий для формы НЛДФ. Для этого введем вспомогательную функцию произведений собственных чисел матрицы ||у4||:

а

/4(Г<)=

Г/ / \2

И '-! M -,

w VW

<U°yi )h2 yr

Об)

Если А(Ш)>0 будет эллипс; Л(Я)=0 - парабола; А(К)<0 - гипербола. Иллюстрация этого дана ла схеме рис.б.

A(R) 1

О 1

Рис. 6. Критерий формы нелинейной диагностической модели

Аналогичные знаковые критерии формы нелинейной модели получены и для других типов экспоненциальных распределений типа (3), хотя сели выражения для A(R) оказ,злись н более сложными; не всегда они решаются в явном виде, но численный анализ всегда позволяет получить номограммы типа рис.6.

Моделирование колебательных процессов связано с решением двух взаи-мосвязанних задач: визуализации состояния индивидуума во времени и прогнозирования его состояния, что имеет важное значение для организации лечения. Это сначала диагностика (ранняя диагностика) возможных, осложнений, затем организация превентивных либо профилактических мер при лечении хронических заболев аний.

Изложим общие принципы построения таких моделей:

• чередование типов колебаний;

• возможные изменения ориентации фазовых траекторий на плоскости;

• повторяемость отдельных траекторий при длительном мониторинге.

На основании этих положений сформулированы основные постулаты моделей нелинейных мшеЗаний физиологических процессов: неравномерность движения по траектории, наличие метатраектории бифуркаций, предельный гиперэллипсоид; точки «памяти» в фазовом пространстве, подобие фазового пространства, соизмеримость интервала прогнозирования с периодом колебаний.

Положение соответствующих фокусов колебаний по отношению к Д/-*) позволяет диагностировать прогнозируемое состояние. Тогда, несмотря на то, что в отдельные моменты времени система будет пересекать разделяющую поверхность, переходя из одной части пространства состояний в другую, диагноз, основанный на предельных оценках, будет иметь устойчивый характер, так как движение по соответствующей фазовой траектории более точно выявляет положение фокуса колебаний. Определение местоположения фокусов, узлов и других особых точек (топология фазового пространства) позволяет соответственно строить тактику ведения индивидуального хронического больного,

Принцип "подобия" позволяет заключить, что групповые классификаторы оценивают центры таких фокусов, как "квазифокусы". Во всяком случае - это хорошие начальные приближения, которые могут быть уточнены в процессе обучения либо адаптивного мониторинга конкретно]« ишншидуума.

В силу изложенного, можно считать, что в систем; многоальтернативного моделирования должно содержаться несколько вариантов моделей колебаний, соответствующих разным вариантам сочетания исходных гипотез.

Идентификация моделей колебаний сводится к вспомогательной задаче оптимизации по минимизации меры погрешности. В разных постановках возможны вариации критерия, методов оптимизации, огргишче/шй. Форма модг-ли и ее структура выбираются из числа представленных в блоке «Прогноз». При этом определяется сразу вся группа траекторий. При отсутствии большого количества наблюдений задача определения может бкть решена лишь для лекальной траектории по ее начальному участку и далее прогноз на весь последующий период.

Приведены формулы для «скользящих» моделей, дающих прогноз на 3-4 шага вперед.

Что касается прогноза состояния узла для дальнейшего диагностического заключения, то поскольку нас интересует только знак Г^фф)), - эта задача по своей логике позволяет рекуррентным счетом для достаточно большого интервала времени Т оценить предельное состояние узла (фокуса).

Изложенный подход относится к конкретному иадшшдуальному больному. Если же речь идет о каких-то групповых (усредненных) оценках, например, для данной нозологической группы, то следует использовать иной подход. Он основан на анализе корреляционных моментов и корреляционных функций.

Для формирования алгоритмической структуры системы моделирования и ее (структуры) реализации с помощью соответствующих вычислительных методов рассмотрим основные закономерности, которые могу г быть получены из системного анализа различных систем классификации образов.

Основные особенности создаваемой системы моделей ИПиК должны удовлетворять специфике диагностики и лечения хронических заболеваний:

• работа с косвен кымн измерениями, выбранными для удобства монитори-рования и дающими шггсгральную оценку состояния;

• необходимость отслеживать динамику изменения состояния пациента во времени;

• работа в режиме реального времени с использованием следящей стратегии;

• диалоговый характер системы и интеллектуальная поддержка принятия решений с учетом неопределенности;

• индивидуализация диагностики, прогноза и лечения, и их взаимосвязь в рамках единого итерационного процесса управления;

• учет групповых факторов и нозологических групп при управлении на верхнем уровне с последующей декомпозицией на локальные подзадачи;

» визуализация всех стадий и этапов моделирования и управления с учетом структуры данных.

Общая структура вычислительных алгоритмов содержит следующие блоки и подсистемы:

1. Измерение состояния, оценка измерений с учетом косвенного характера и динамических свойств датчиков и объекта измерения.

2. Лнализ структуры данных, разбиение на группы и подгруппы по разным критериям близости.

3. Отображение и двух- и трехмерные пространства с использованием разные типов преобразования координатного пространства наблюдений.

4. Накапливание данных о работе системы и адаптивная коррекция границ классов и разделяющих поверхностей.

5. Альтернативные варианты принятия решений, исходя из разных критериев эффективности и вариантов практической реализации подсистем 1-4; организация интеллектуальной поддержки процедур выбора в многокритериальной постановке экстремальных задач ИПиК.

Сформулированные системные выводы позволяют сформулировать определенные принципы построения системы моделирования ИПиК.

Принцип 1. Эффективные методы диагностики состояний могут быть построены лишь путем комбинации логических и вероятностных приемов классификации. В частности, сочетание линейных (нелинейных) дискриминантных функций с логическими иерархическими многоуровневыми правилами анализа альтернатив может обеспечить приемлемый результат.

Принцип 2. Цик лический и итерационный характер управления процессом диагностики и лечения как единого интеграционного процесса моделирования.

При этом для обеспечения сходимости процедуры принятия решений требуется организация прогнозирования на базе специальных моделей.

Принцип 3. Информационное имитационное дополнение для недостающих и недостоверных данных.

Это достигается за счет генерации соответствующих данных вычислительных экспериментов, результатом которых является некоторое множество вариантов принятия решений по диагностике состояний. Каждый вариант является порождением неопределенности.

Принцип 4. Повторяемость процедур диагностики и лечения позволяет устранить логическую противоречивость н скорректировать, процесс лечения.

Празильное организованное повторение цикла .диагностика-лечение позволяет постепенно уменьшать степень неопределенности, особенно при активном участии врача в каждом цикле.

Принцип 5. Многоальтернативность для обеспечения задач оптимальной структурной адаптации.

Мнсгоальтернативность должна быть обеспечена на всех этапах принятия решений: множество альтернатив по типам алгоритм ов и методов; множество критериев оценки эффективности; множество альтернатив по принятию решений и др.

Эти основные принципы должны быть дополнены общей идеей диалогового характера построения системы моделирования; оптимального сочетания декомпозиции и интеграции задач с соблюдением приемов ведения диалога и интеллектуальной поддержкой принятия решений. Мнсгоальтернативность эволюционных: моделирующих систем будем характеризовать количественной мерой типа энтропия и её относительным значением р—Jffl), называемым коэффициентом многоальтернативности. Введём три типа коэффициентов: первого fia, вто рого ,1(0 и третьего рода ц-г Коэффициент мнсгоальтсрнативмости первого рода, вычисляют для отдельного уровня, он определён п ак

Як

- Y.P(xtk)logP(xtk)

VkaŒk) = —1—--.

maxH(Xk)

где Pfxtk ) — вероятность (частота) использования отдельных альтернативных модулей данного к-го уровня иерархии;

Nk - общее число уровней к-го уровня.

Коэффициент многоальтернативности (Лр характеризует связанность уровней и при ¡U/f'-l все уровни содержат независимо испол ьзуемые модули. В свою очередь /г,, показывает степень независимого равновероятного использования модулей системы в целом.

В общем случае при достижении fia(X^)<4 некоторого критического значения целесообразно осуществить генерацию и замен}' модулей данного уроз-

ш, либо создание дополнительного уровня иерархии, что сопровождается соответствующим ростом энтропии.

Система должна иметь механизм генерации новых структурных элементов и связей. Такая генерация может быть внутренним свойстеом структуры либо организовываться па б о псе высоком уровне иерархии (например, в процессе диалога) - внешня я генерация.

В заключительном разделе главы рассмотрены особенности формирования рабочего варианта структуры в диаюговом режиме и использованием графов дихотомического принятия решения. В процессе такого конструирования осуществляется выход на генерируемый модуль (эквивалентно расширению состава системы) либо выбор одного из существующих в системе модулей.

В четвертой главе рассмотрены общие вопросы синтеза медицинских иерархических систем компьютерного мониторинга.

Общая структура вычислительной сети должна быть реализована я виде иерархической многоуровневой системы, содержащей серверы, персональные ЭВМ п роли автоматизированных рабочих мест (АРМ) отдельных пользователей, маршрутизаторов и терминальных станций. Необходимо, чтобы на начальном этапе эксплуатации л внедрения функциональная структура интегрированной системы управления лечсбно-профилактическим медицинским учреждением (ЖГУ) была как можно ближе к существующей, чтобы не создавать дискомфорт у эксплуатирующих систему медицинских работников. Разумеется, в дальнейшем, з эту фугкционально-технологическую структуру управления ЛПУ дэлгшы будут внесены изменения, т.к. интегрированная компьютерная система станет ее неотъемлемой частью. В то же время в саму интегрированную систему но данным опытной эксплуатации следует внести ряд изменений конструктивного характера, чтобы она более точно адаптировалась к реальным условиям. Налицо, таки образом, взаимное влияние функциональных н организационных. структур управления.

Сосредоточимся на анализе и синтезе лечебно-диагностической системы (НДС), поскольку ста может быть сделана достаточно автономной и легко адаптирована к разным типам лечебных учреждений. Общая структура решения данной задачи содержит (рис. 7) три основных составляющих:

1. Модель технологического процесса диагностики и лечения данного типа ЛПУ.

2. Модель опт; гмалиюга проектирования лечебно-диагностической системы.

3. Модуль принятия решений по выбору оптимальных параметров и структуры ЛДС.

Рис. 7. Структурная схема решения задачи оптимизации ЛДС

Без потери общности, рассмотрим конкретный пример, относящийся к реабилитации больных сердечно-сосудистыми заболеваниями (ССЗ).

Для целей системного анализа принятой технологии компьютерной реабилитации разработана модель М, представленная кортзкем

М=(Г;/5;Ол;С0;5,{ ДК);/), (18)

где Т - варианты организации технологических трасс лечебно-диагностического процесса: линейной, линейно-разветвляющейся и адаптивной структуры.

К — альтернативные модули интеллектуальной поддержки принятия решений из классов методов: экспертные оценки, лингвистические переменные, логические деревья - для индивидуального лечения.

- различные варианты организации и локалшаиди исходной информации и базы данных дня выбора типовых лечебных схем н соответствии с сочетаниями основных и сопутствующих заболеваний на ( азе информационно-классификационных графов.

Со~ альтернативные варианты взаимодействия компьютерных источников и ЛПР (врач) при реализации диалогового режима принятия решений и оценке текущего состояния больного.

Б! - стандарты лечения и альтернативные модули оптимальной дифференциации в сочетании с экспертными оценками на базе редуцированных микромоделей диагностики <Б> и лечения <Я>.

I— критерии оценки результатов лечения индивидуального больного (микро-уровень управления) и эффективного управления ОСЛУ в целом, на интегральном микроуровне. Число модулей оценок: 5-1(1.

Обратим внимание на то, что в соответствии с теорией систем каждый иерархический уровень может быть разбит в свою очередь на более детализированные модели, как это сделано на примере медицинских стандартов = <К,0>, подробная детализация которых приведена в диссертации.

Рассмотренная модель реализована как распределенный программно-технический комплекс в сети ПЭВМ и проходит экспериментальную проверку

в условиях базового санатория им. Горького для лечения реабилитационных больных сердечно-сосудистых заболеваний.

Аналогичным образом построены концептуальные модели и для других этапов проектирования ЛДС.

Региональная информационная сеть области (региона) строится на более высоком уровне иерархии как объединение локальных вычислительных сетей отдельных медицинских учреждений, соединенных средствами телекоммуникации. Системы эти имеют открытый, развивающийся характер, что накладывает определенные особенности на специфику их формирования и эксплуатации.

Подробно рассмотрены структурные особенности областной медицинской сети передачи данных, информационное наполнение и поддержка принятия решений, сформулированы концепция и принципы создания региональной информационной среди: полнота информации; объективность и достоверность информации; открытость, доступность и оперативность системы; понятность и лаконичность информации.

Учитывая неравные технические возможности отдельных пользователей, рассмотрены и предложены технологические основы и последовательность ■ создания системы на всех этапах создания системы и всех уровней иерархии. Приведена соответствующая концептуальная модель региональной информационной сети.

Для синтеза оптимальной структуры региональной информационной среды разработана система моделей на теоретико-множественном уровне. Обоснована возможность разбиения общей глобальной задачи оптимального синтеза на совокупность оптимизационных подзадач, являющихся результатом решения рационального проектирования на различных этапах реализации развивающейся региональной сети. Задача сводится к решению некоторого класса экстремальных задач по критериям: объем обработанной информации V/ за Ь периодов трафика; коэффициент использования информационного пространства; показатели точности, стандартизации, унификации и экономичности информации с учетом ограничений топологического и количественного характера.

Рассмотрим обобщенную задачу оптимального проектирования интегрированной компьютерной информационной системы.

В зависимости от сочетания моделей, критериев и ограничений приходим к следующей нелинейной задаче целочисленного программирования:

(19)

У = 1 .V

(20)

где - булева переменная, равная 1 при загрузке j-го узла /-ой функцией и О - и противном случае; a,j -- загрузка /-го узла í-ой функцией;

by, cj — коэффициенты, играющие роль ограничений и узлах, распределенной компьютерной сети.

Сформулированная задача булева нелинейного программирования линеаризуется, что значительно упрощает ее решение. Недостатком такого подхода является очень большая размерность полученной модифицированной задачи при сравнительно небольшой размерности исходной задачи.

Альтернатив еяый вариант решения получают методом ветвей и границ. Полученные варианты структур <Р> для разных критериев оптимальности образуют Паргто-множество, выбор компромисса в котором осуществляется методами теории размытых множеств с использованием функции предпочтения.

В пятой главе рассмотрены телекоммуникацисишые системы медицинского назначения на базе Internet-технологий диагностики и лечения. Системный анализ позволил выделить базовые компоненты с дифференциацией по целям, критериям, результатам, условиям и технологии разработки (рис. 8)

Рассмотрены информационные системы и ресурсы fia примере сетей медицинского назначения MedNet и IMedNet с учетом их функций, взаимодействуя с другими сетями, доступа к мировому информационному пространству Internet, указаны основные центры, Web серверы и направления специализации.

Анализируются подробно особенности архитектуры я информационного наполнения Web сервера и центра телемедицинской сети, интегрированной в Internet и отличающейся принципами многоальтернатшшости, аппаратной независимостью, стандартизацией графических пользовательских интерфейсов и автоматизацией компьютерного ввода. Построены соответствующие теоретико-множественные модели информационного наполнения:

где К - вектор результатов,

Тц - средства технологической реализации, Ро~ ограничения-условия внедрения [Шсгпе^технолсгии Создаваемый в Воронежском регионе центр в составе Международной программы 1Мсс1Ме1, по мнению местных медицинских экспертов и кз гнали:,а

M¡=<C, CR>

(22)

где М; - информационная модель WWW-cepвepa либо сета,

С — вектор моделей и вытекающий из него вектор критериев С«.

(23)

уровня медицинской! обеспеченности в регионе организуется для медицинской помощи в следующим: направлениях диагностики:

• неоперационная урология;

• легочная оикопагапогия;

• операции на сердце и сосудах;

• диагностика и лечение бесплодия;

• диагностические обследования женщин климактерического возраста.

В связи с тем, что некоторые диагностические обследования, также как методики, могут существенно отличаться, для выбранного ряда заболеваний, осуществляется их приведение к единому международному стандарту.

По всем результатам дистанционного консультирования признано целесообразным ведение дублирующей БД: «запрос-результат» для получения собственной обучающей выборки в системах адаптивной диагностики с использованием адатгивных решающих правил по модели

A(x)=<X;Rd;Lr> (24)

где X - переданный вектор измерений по сети Internet,

Rd - диагностические заключения для каждого конкретного запроса; Lr-рекомендуемые лечебные схемы и процедуры. Адаптивная модель диагностики формируется автоматически в дублирующей базе данных и дубликате решателя А*(х).

Разработана типовая; система технических средств сопряжения медицинского оборудования и ко1лнютерной сети как элемент интегрирова! тих информационных систем медицинского учреждения. Функциональная структура канала обмена использует авторское свидетельство N 1501074.

В шестой главе рассмотрены прикладные задачи и проблемы медицинских систем мониторинга больных хроническими заболеваниями. Разработала инструментальная система моделирования и принятия решения в условиях неопределенности, представляющая собой программно-апппаратный комплекс на базе ПЭВМ. Описана специфика формирования структуры альтернативных алгоритмов и соответствующие алгоритмические схемы; приводятся данные по логической структуре программы и структуре баз данных.

Разработана имитационная система моделирования загрузки лечебно-диагностического оборудования ЛПУ. Подробно описана структура программных модулей комплексной имитационной модели, объектно-ориентированная структура программ!/, структура средств информационного обеспечения комплексной информационно]) модели, подсистема графического изображения и корректировки модели. Проведено моделирование и анализ функциональной структуры санатория имени A.M. Горького.

Рис. 8. Системный анализ телемедицины

В приложениях приведены листинги программ, результаты их работы и руководств! пользовЕ.телей.

Основные результаты работы

1. Разработана информационная технология диагностики и классификации, отличающиеся сочетанием процедур многоуровневого статистического оценивания и экспертного ашишза как на этапе обучения, так и на этапе верификации диагностических моделей. Предложена обобщенная адаптивная алгоритмическая схема экспериментальных исследований и построения разделяющих гиперповерхностей с использованием многоальтернативного набора алгоритмов как элемента структурной адаптации.

2. Построена система диагностических моделей на базе обобщенного понятия дискриминант ой функции, отличающаяся знаковыми критериями дос-товгрности классификации. Для линейной дискриминантом функции обоснован критерий достоверное га использования ЛДФ по матрице коэффициентов корреляции, путем введетпл вспомогательной процедуры статистического оценивания матрицы разностей 1Мч и в общем случае близости ковариационных матриц по нескольким критериям близости с использованием имитационного моделирования.

3. Для задач дифференциальной диагностики предложен новый класс алгоритмов дихотомической многоуровневой последовательной классификации, отличающейся последовательным расширением пространства наблюдений по критерию максимизации энтропии. Рассмотрены особенности классификации по обучающей выборке с учителем, отличающиеся применением принципа эквивалентной надежности испс для нелинейных, так и для кусочно-линейных разделяющих поверхностей. Доказаны теорема о системе линейных дискрими-нангных функций и ее важные следствия о базовой системе для адаптивной процедуры уточнения разделяющих границ в классе непараметрических граничных гиперплоскостей. Введены знаковые критерии формы нелинейных диагностических моделей.

4. Обосновано понятие интегрированной системы моделирования при диагностике и лечении хронических заболеваний и установлена необходимость построения специального математического обеспечения с учетом эволюционной природы в процессе адаптации к внешним условиям функционирования (тип заболевания, нозологическая группа, индивидуальная неоднородность).

5. Впервые для задач моделирования биомедицинских систем выдвинута и обоснована на основании ряда кибернетических аналогий центральная идея -многоальтернативности эволюционных структур СпМО. Даны количественные оценки - энтропия и степень многоальтернативности как мера разнообразия сложных структур. Степень многоальтернативности позволяет оценить потенциальные возможности, эволюцию систем и целесообразность введения новых уровней и блоков и СпМО.

6. Рассмотрены процедуры формирования структуры лечебно - диагностической подсистемы локальной сети медицинского учреждения, учитывающие технологический процесс диагностики и лечения данного типа ЛПУ, необходимость оптимального проектирования и принятия решений по выбору су-боптимальиого варианта параметров и структуры. На примере, относящемся к реабилитации больных сердечно-сосудистыми заболеваниями, разработаны информационно-логическая модель лечебно-диагностического процесса, модель оптимального проектирования и оптимизации и модель оптимального выбора на базе теоретико-множественного подхода.

7. Разработаны основные концепции создания региональной (областной) сети передачи данных, как более высокого уровня иерархии медицинских информационных систем. Разработаны и обоснованны основные прииципы региональной информационной системы: полнота, объективность и достоверность информации; открытость, оперативность и доступность; понятность и лаконичность информации.

8. Для синтеза оптимальной структуры региональной информационной среды разработана система моделей на теоретико-множественном и формально-математическом уровнях в многокритериальной постановке. Для.решения конкретных экстремальных задач рассмотрены особенности алгоритмов, их программной реализации, учет количественных характеристик маршрутизации и топология сети.

9. Проведен системный анализ проблем телемедицшш на базе Internet -технологии, отличающийся дифференциацией по целям, критериям и результатам, а таюке технологическим условиям проектирования, разработки и внедрения телекоммуникационных систем медицинского назначения. Рассмотрены информационные системы и ресурсы на примере сетей медицинского назначения Med Net и Irned Net с учетом их функций, взаимодействия с другими сетями, доступа к мировому информационному пространству через Internet, у каппы основные центры, Web - серверы и направления специализации.

Ю.Ргюсмо грены особенности архитектуры и информационного наполнения Web сервера и центра телемедицинской сети, итерированной в Internet и отличающейся принципами многоальтернативности, аппаратной независимостью, стандартизацией графических пользовательских интерфейсов и автоматизацией компьютерного ввода. Построены соответствующие теоретнко -множественные модели информационного наполнения.

11. Осуществлена практическая реализация лечебно-диагностических подсистем и автономных элементов интегрированных систем моделирования, индивидуального прогнозирования и классификации в форме программно-аппаратных комплексов на различных медицинских предприятиях и учреждениях с экономическим эффектом в 584 тыс. ру(> (в ценах 1998 года).

Основное содержание диссертации опубликовано в следующих работах: Книги и учебные ri о собня.

1. Подвальный Ê.C. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга /Под ред. Фролова D.H. Воронеж: Изд- во ВГТУ, 1998. 127 с.

2. Подвальный Е.С., Бурковский В.Л., Дорофеев В.И. Учебное пособие: «Методы моделирования и идентификации вычислительных система - Воронеж: ВГТУ, 1998, 149 с.

3. Подвальный Е.С., Савельев М.В. Учебное пособие: «Теория и практика проектирования специализированных вычислительных систем» - Ростов-на-Дону: издательство СКНЦВШ, 1998,92 с.

Статьи и тезисы докладов.

4. Подвальный Е.С., Фролов В.Н. Мониторинг операторов сложных автоматизированных комплексов // Оптимизация и моделирование в автоматизированных системах: Межвузов.сб.науч.тр. Воронеж, 1993. С. 4-9.

5. Подвальный B.C., Фролов В.Н. Организация статистического эксперимента по мониторингу больных хроническими заболеваниями // Компьютеризация и медицине: Мсжнуюв.сб.науч.гр. Воронеж, 1993. С. 6-11.

6. Подвальный Е.С., Фролов В.Н. Компьютерные диагностические системы // Информационные типологии и системы: Межвузов.сб.науч.тр. Воронеж, 1993. С. 5-10.

7. Подвальный Е.С., Бушнев Д.В., Фролов Ю.М., Кущенко В.А. Анализ сложных технических систем автоматического управления // Проблемы информатизации и управле ния: Межвузов.сб.науч.тр. Воронеж, 1996. С. 17-23.

8. Подвальный Е.С., Кулаков A.B., Сандберг ВЛС. Управление локальными и межцеховыми транспортными системами в промышленных АТСС // Проблемы информатизации и управления: Межвузов.сб.науч.тр. Воронеж, 1996. С. 7681.

9. Подвальный Е.С., Кравец О.Я., Сандберг Б.В. Оперативный контроль состояния меднко-тсхническнх объектов // Объектно-ориентированный анализ и проектирование алантишп.гх интеллектуальных систем реального времени: Межвузов.сб.науч.тр. Новочеркасск, 1996. С. 80-85

10.Подвальный Е.С., Фролов В.Н. Мониторинг состояний хронических заболеваний с учетом неоднородности // Системы управления и информационные технологии: Межвузов.сб.науч.тр. Воронеж, 1997. С. 143-149.

11 .Подвальный Е.С., Борисов В.А., Попова Г.В. Синтез структуры лечеб-но-диагностическон компьютерной системы санатория для реабилитации больных ССЗ // Системт vi равления и информационные технологии: Межвузов.сб.науч.тр. Воронеж, 1998. С. 181-185.

12.Подвальный Е.С., Лебедев В.Ф. Дифференциально-матричное уравнение Ршскати в задачах оптимального управления // Системы управления и информационные технологии: Межвузоп.сб.науч.тр. Воронеж, 1998. С. 59-62.

13.Подвальный П.С., Поваляев C.B. Алгоритм и программная реализация метода восстановления многомерного нормального распределения // Информационные технологии моделирования и управления: Мелсвузов.сб.науч.тр. Воронеж, 1998. С. 101-106.

14.Подвальный Е.С., Савинков Ю.А. Послухаев Н.И. Адаптивные дискри-минантные функции для текущей диагностики сложных систем // Новые информационные технологии в образовании: IV Всерос.науч.-практич.конф. Воронелс, 1998. С. 17».

15.Подвальный ЕС,, Савинков Ю.А. Послухаев Н.И. Формирование рациональной структуры специального математического обеспечения // Новые информационные те ;ноле гни в образовании: IV Всерос.науч.-практич.конф. Воронеж, 1998. С. 17;?.

16. Кравец О. Я., Подвальный Е.С. Области;« медицинская система: основные концепции // Труды КГТУ, 1998. С. 42.

17.Подвальный Е.С. Линейные дискриминантые функции для текущей диагностики сложных систем // Состояние и пути позыш'шня надежности видеомагнитофонов: Тез.докл.YII научн.-техн.отрасл.конф. Воронеж, 1993. С. 24.

18.11одвальный Е.С. Кусочно-линейные процедуры диагностики сложных технических систем // Опыт информатизации в промышлеи нести: Тез.докл. Ре-тион.совещ.-семинара. Воронеж, 1993. С. 73.

] 9.Подвальный Е.С. Косвенный контроль в системах автоматической классификации П Высокие технологии в проектировании технически:'; устройств и автоматизированных систем: Тез.докл. Всерос.совсщ.-есминара. Вороне,х, 1993.С. 95.

20.Подвал:ьный Е.С. Диагностика при управлении качеством технологичг-ских процессов // YIII научно-техническая отраслевая конференция: Тез.докл. Воронеж, 1994. С. 31.

2¡.Подвальный Е.С. Анализ задач оперативного управления автоматизированными технологическими комплексами tí YTII научно-техническая отраслевая конференция: Тез.докл. Воронеж, 1994. С. 23.

22.Подвальный Е.С. Использование имитациошюго моделирования для построения нелинейных диагностических правил // Современные проблемы информатизации: Тез.докл.конф. Воронеж, 1996. С. 41.

¿З.Подвальный Е.С. Визуализация колебаний дли диагностики состояний при хронических урологических заболеваниях // Современные проблемы информатизации: Тез.докл.конф. Воронеж, 1996. С. 83-84.

24.Подвальный Е.С. Информационно-графический подход к первичней диагностике П Современные проблемы информатизации: Тез.докл.конф. Воронеж, 1996. С. 105.

25.Подвальный Е.С. Анализ методов диагностики сост ояний при мониторинге больных: хроническими заболеваниями // Математическое обеспечение информационных технологий в технике, образовании, медицине: Тез.докл.конф. Воронеж, 1997. Ч. 1.С. 77.

26.Подвальный Е.С. Конструирование пространства при построении диагностических систем хронических заболеваний // Мате магическое обеспечение информационных технологий в технике, образовании, медицине: Тез.докл.конф. Воронеж, 1997. С. 81-82.

27.Подвальный Е.С. Диагностика состояний динамических систем п реэкп-ме периодических колебаний // Современные проблемы: информатизации:. Тез.докл. ИРеспуб. электрон.науч.конф. Воронеж, 1997. С. 152-153.

28.Подвалшый Е.С. Исследование структуры гиперпро стра нен а наблюдений для задач принятия решений // Современные проблемы информатизации: Тез.докл. III Респуб. электрон.науч.конф. Воронеж, 1998. С. 85-86.

29.Подвальный Е.С. Рекуррентные алгоритмы построения линейных дис-криминантных шперновсрхностей // Современные проблемы информатизации: Тез.докл. III Респуб. электрон.науч.конф. Воронеж, 1998. С. 149-50.

30.Подвалъный Е.С. Моделирование нелинейных колебаний и прогнозирование при диагностике хронических заболеваний Н Высокие технологии в региональной информатике: Тез.докл. Вссрос.совещ.-семинара Воронеж, 1998. 4.2. С. 22.

31.Подвальный Е.С. Моделирование и принятие решений в компью терных диагностических системах // Современные проблемы информатизации: Тез.докл. [V Междунар.электрон.науч.конф. Воронеж, 1999. С. 70-71.

32.Подиальный Е.С., Фролов В.Н. Визуализация состояния динамических процессов на ПЭВМ. // Динамика процессов и аппаратов химической промышленности: Тез.докл. III Всесоюз.конф. Воронеж, 1990. С. 59-60.

33.Подвальный Е.С., Фролов B.II. Моделирование на ПЭВМ в процессе управления производственными системами // Всесоюзная конференция по математическому и мгшляшому моделированию: Тез.докл. Воронеж, 1991. С. 65.

34.Подвальный Е.С., Фролов В.Н. Моделирование процесса принятия решений в комш.ютерпмх диагаостических системах // Информационные технологии и системы: Тез.докл.конф. Воронеж, 1992. С. 132.

35.Подвальный Е.С., Фролов В.Н. Адаптивные диагностические методы для управления качеством в системах автоматизации производства // Состояние и пути повышения надежности видеомагнитофонов: Тез.докл. YI1 пауч.-технич.отрасл.конф. Воронеж, 1993. С. 20.

36.Подвальный B.C., Фролов В.Н. Влияние закона распределения на точность диагностических правил при контроле сложных систем // Опыт информатизации в промышлеЕшости: Тез.докл. Регион.совещ.-семинара. Воронеж, 1993. С. 56.

37.Подвальный Е.С., Фролов В.Н. Прогностические оценки автоматической классификации дли инерционных измерений // Высокие технологии в проектировании технических устройств и автоматизированных систем: Тез.докл.. Всерос.совещ.-семтизра. Воронеж, 1993. С. 4.

38.Подвальный B.C., Фролов В.Н. Особенности автоматической классификации для инерционных измерений // Информационные технологии и системы: Тез.докл.конф. Воронеж, 1993. С. 79.

39.Подвальный 15.С., Грнщенко В.Т., Кравец О.Я. Оптимальная конфигурация вычислительной сети интегрированной системы управления качеством // YI1I научно-техническая отраслевая конференция. Тез.дохл. Воронеж, 1994. С. 17. "

40.Подвальный Е.С., Ганцева Е.Л., Грищенко В.Т., Кравец 0..Я. Структурная оптимизация системы управления локальными подсистемами кошгроля качества // Y1II научно тех[шческая отраслевая конференция. Тез.докл. Воронеж, 1994. С.12.

41 .Фролов В.Н., Подвальный Е.С. Индивидуальная диагностика состояний больных хроническими заболеваниями с учетом неоднородности характеристик // Математическое обеспечение информационных технологий в технике, образовании, медицин;: Тез.докл.конф. Воронеж, 1997. Ч. 1. С. 57-58.

42.Подвальный B.C., Савинков Ю.А., Ярославцев С.С. Критерии формы дискриминантной функцин с учетом взаимосвязи параметров пространства ви-зуатизации // Высокие технологии в региональной информатике: Тез.докл. Все-рос.совещ.-семинара. Воронеж, 1998. Ч. 1. С. 23.

43.Подвальный Н.С., Савинков Ю.А. Синтез структуры алгоритмов и вычислительных методов эволюционных систем моделирования // Высокие технологии в региональной информатике: Тез.докл. Всерос.совещ.-семинара. Воронеж, 1998. Ч. 1. С. 24.

44.Подвальный Е.С., Савинков Ю.А. Редукция и проектирование пространства наблюдений в задачах индивидуальной диагностики // Высокие технологии в региональной информатике: Тез.докл. Всерос.совещ.-семишфа. Воронеж, 1998.Ч. 1. С. 25.

45.11одвальный К.С.„ Фролов В.Н. Стохастическая интерпретация принципа неоднородности при лечении хронических заболеваний ¡1 Высокие технологии в региональной информатике: Тез.докл. Всерос.совещ.-семинара. Воронеж, 1998. Ч. 2. С. 3-4.

46.1Тодвальный E.G., Борисов В.А., Попова Г.В. Информационно-логическая модель лечебно-диагностического процесса реабилитации больных ССЗ // Высокие тех поло гаи в региональной информатике: Тез.доки. Все-рос.совегц.-оеминарз. Воронеж, 1998. Ч. 2. С. 24-25.

47.Кравец О.Я., Савинков Ю.А., Подвальный Е С., П'ослухаев H.H. Концепция вероятностного управления качеством многостадийного производства модульных конструкций // Современные проблемы информатизации: Тез.докл. IV Междунар.электрон.науч.конф. Воронеж, 1999. С. 41-42.

48.Савинков Ю.А., Подвальный Е.С., Копылов B.C., Послухаев Н.И. Технико-экономическое обоснование инвестиций в создание распределенной региональной информационно-сбытовой системы // Современные проблемы информатизации: Тез.докл. IV Междунар.электрон.науч.конф. Воронеж. 1999. С.63-64.

49.Подвалы!ый Е.С. Моделирование и принятие решений в компьютерных диагностических системах // Современные проблемы информатизации: Тез.докл. IV Междунар.электрон.науч.конф. Воронеж, 1999. С. 70-71.

50.Кравец О.Я., Савинков Ю.А., Подвальный E.G., Копылов B.C., Послухаев Н.И. Формирование структуры системы иерархического контроля качества многостадийного производства // Современные проблемы информатизации: Тез.докл. IV Междунар.электрон.науч.конф. Воронеж, 1999. С. 99-100. Авторские свидетельства и зарегистрированные прогр.иtMi-r.te средства.

51.Подвальный Е.С., Кравец О.Я., Прохончуков С.1\ Канал обмена. // А. с. 1501074 (СССР) БИО N 30, 1989.

52.Нечаева JI.B., Бондарев С.А., ЛейкинМ.А., Подвальный Е.С., Ухин O.A. Подсистема визуализации системы моделировании пусковых режимов реакторных систем. Регистрационный номер 50980000050 ог 27.11,98г.

Отчеты по НИР, прошедшие гос. регистрацию.

53.Кравец ОЛ., Жданов A.A., Подвальный Е.С. и др. Разработка алгоритмов и методов оптимального контроля состояния распределенных объектов. N гос. регистрации 01970005104.

54.Бурковский В.Л., Подвальный Е.С. и др. Разработка методов управления распределенными системами непромышленного назначения. N гос. регистрации 01970003154.

55.Бурковский В.Л., Подвальный Е.С. и др. Разработка моделей и алгоритмов распознавания и диагностики функциональных, состояний сердечнососудистой системы. N гос. регистрации 01960005249.

56.Бурковский B.JL, Кравец 0.51., Подвальный Е.С. и др. Разработка средств субоптимального структурного синтеза коммуникационных подсистем территориально распределенных систем сбора и обработки информации. N гос. регистрации 019/0004870.

57.Тюрин C.B., Зайцева Л.В., Подвальный Е.С. к др. Программно-аппаратный комплекс для логико-временного моделирования дискретных процессов. N гос. регистрации 01980002970.

53.Лимаров Ю.Д., Кравец О .iL, Подвальный Е.С. и др. Разработка инструментальных средств автоматизированного проектирования интегрированных баз данных сложных технологических систем на оснозе концептуальных моделей. N гос. регистрации 01970003155.