автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Нейросетевой динамический анализ биологических тканей и жидкостей

На правах рукописи

ЯНКИНА Наталья Николаевна

НЕЙРОСЕТЕВОЙ ДИНАМИЧЕСКИЙ АНАЛИЗ БИОЛОГИЧЕСКИХ ТКАНЕЙ И ЖИДКОСТЕЙ

Специальности:

05.13.01 - Системный анализ, управление и обработка информации;

05.11.17 - Приборы, системы и изделия медицинского назначения

Автореферат

диссертации на соискание ученой степени кандидата технических наук

ПЕНЗА 2005

Работа выполнена на кафедре «Автономные информационные и управляющие системы» государственного образовательного учреждения высшего профессионального образования «Пензенский государственный университет».

Научный руководитель - доктор технических наук, профессор

Геращенко С.И.

Официальные оппоненты: доктор технических наук,

Иванов А. И.;

доктор технических наук, профессор Мясникова Н. В.

Ведущая организация - производственное объединение «СТАРТ», г. Заречный Пензенской обл.

Защита диссертации состоится 23 декабря 2005 г., в 14 часов, на заседании диссертационного совета Д 212.186.04 в государственном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

С диссертацией можно ознакомиться в библиотеке государственного образовательного учреждения высшего профессионального образования «Пензенский государственный университет».

Автореферат разослан 22 ноября 2005 г.

Ученый секретарь диссертационного совета доктор технических наук,

профессор Смогунов В. В.

2 'ШШ

Л 8 <0 О Ц ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В различных областях медицины оценка состояния биологических тканей и жидкостей является очень важной задачей. Практически при каждом заболевании требуются диагностика на ранних стадиях и выбор рациональной тактики лечения.

В настоящее время существует множество методов, позволяющих оценивать состояние биологических объектов (рентгенологические, радионуклидные, ультразвуковые, компьютерная томография, ядерно-магнитно-резонансная томография и др.), но возможности их ограничены из-за оказания на организм человека лучевой нагрузки, больших размеров применяемой аппаратуры, высокой стоимости, низкой чувствительности и низкой информативности и т. д.

В этой связи одной из основных задач, стоящих перед разработчиками медицинской аппаратуры, является создание новых и информативных методов контроля состояния биологических объектов.

В последнее время для решения поставленной задачи стали применять электрохимические методы анализа (А. Ф. Калашник, А. П. Ха-чатрян, В. И. Никольский и др.), основанные на измерении электрических параметров биообъектов при пропускании через них электрического тока. Главными достоинствами данных методов являются простота реализации метода, низкая стоимость аппаратуры, оперативность использования и безопасность для здоровья человека.

Из электрохимических методов для оценки состояния биологических объектов наиболее приемлемым является импедансный метод, в котором оцениваемым параметром является регистрируемое значение импеданса. Импедансометрию применяли для оценки свойств тканей полости носа при остром синусите (А. В. Давыдов), для исследования первичного и вторичного сращивания костей (С. С. Тка-ченко, В. В. Руцкий), для исследования параметров сердечнососудистой системы (С. И. Щукин) и т. д. В процессе исследований получились результаты, подтверждающие целесообразность использования электрохимических методов для оценки состояния биологических тканей. Но импедансные методы обладают низкой информативностью, а также требуют существенных временных затрат из-за необходимости проведения исследований в широком диапазоне частот. К тому же импедансные методы не позволяют получать достаточного количества признаков для применения нейросетевой клас-

сификации биологических объектов из-за того, что являются линеа-ризационными методами (упрощают задачу).

В связи с этим для решения задач оценки состояния биологических объектов предлагается джоульметрический метод, обладающий высокой чувствительностью и позволяющий увеличить количество информативных признаков при малых временных затратах. В работах C.B. Сергеева, В. И. Никольского выявлено, что с помощью дасо-ульметрического метода можно осуществлять постоянный контроль непосредственно в очаге воспаления, что позволяет выбирать рациональную тактику лечения больных.

Таким образом, актуальность темы определяется потребностью создания более эффективных по сравнению с существующими на сегодняшний день приборов и систем для контроля состояния биологических тканей и жидкостей при различных заболеваниях пациентов, позволяющих осуществлять своевременную диагностику заболевания, постоянно наблюдать за процессом лечения с целью сокращения сроков реабилитации больных, предотвращения дальнейшего развития заболевания, снижения осложнений и вероятности неблагоприятных последствий.

Как правило, биологические объекты являются нелинейными нестационарными системами. Поэтому оценка их состояния является достаточно сложной проблемой и требует разработки методики, позволяющей адекватно описывать исследуемый объект.

В данной работе предлагается сформировать признаковое пространство, описывающее исследуемые объекты на основе оценки их линейных и нелинейных свойств, позволяющее с помощью нейросетевого классификатора распознавать образы биологических тканей и жидкостей.

Целью данной работы является разработка методики получения и обработки информации для описания состояния биологических объектов.

Основные задачи исследования:

1. Анализ биологических объектов, их электрических и электрохимических свойств.

2. Модернизация джоульметрического метода.

3. Разработка математических моделей, обеспечивающих описание состояния биологических объектов и формирование признакового пространства.

4. Описание нелинейно-динамических свойств биологических объектов.

5. Разработка нейросетевого классификатора и аппаратуры для распознавания образов костной ткани и биологических жидкостей.

Методы исследования. При решении поставленных задач использовались методы математического анализа линейных динамических и нелинейных динамических систем, теория идентификации, электрохимические методы анализа, теория нейронных сетей.

Научная новизна работы:

1. Предложен джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации, позволяющий получать устойчивые признаки, сократить время восстановления объекта после каждого изменения амплитуды тока и получать для каждого тока отдельный отклик, что обеспечивает реализацию процедур нелинейной динамической многопараметрической идентификации.

2. Оптимизировано многомерное параметрическое пространство, описывающее биологические жидкости и костную ткань.

3. Определены авторегрессионные модели для идентификации биологических жидкостей и костной ткани, позволяющие получить параметры, характеризующие исследуемые объекты.

4. Разработана методика описания функционалами нелинейных статических и нелинейных динамических свойств моделей, позволяющая получить параметры, характеризующие биологические объекты.

5. Оптимизирована структура нейронной сети и разработаны алгоритмы обучения нейросетевых классификаторов для распознавания образов костной ткани и биологических жидкостей.

Практическая ценность работы. Полученные в диссертационной работе теоретические и практические результаты обеспечивают возможность создания нового класса приборов медицинского назначения для оценки состояния биологических объектов, основанных на получении информативных признаков и проведении нейросетевой классификации биологических тканей и жидкостей.

Основные положения, выносимые на защиту:

1. Джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации.

2. Математические модели, описывающие нелинейные динамические свойства биологических объектов.

3. Структура нейронной сети для распознавания образов биологических жидкостей и костной ткани и алгоритмы ее обучения.

4. Результаты экспериментальных исследований свойств костной ткани и биологических жидкостей.

Реализация работы и внедрение результатов.

1. Пензенская областная больница им. Н. Н. Бурденко. Методика оценки состояния биологических жидкостей и костного регенерата.

2. ПО «СТАРТ». Прибор для оценки динамики воспалительных процессов.

3. Пензенский государственный университет. Научные и практические результаты диссертационной работы использованы в учебном процессе кафедр: «Травматология, ортопедия и военно-экстремальная медицина», «Медицинские приборы и оборудование».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях и симпозиумах: Международном симпозиуме «Надежность и качество» (г. Пенза, 2001); научно-технической конференции «Безопасность информационных технологий» (г. Пенза, 2001); IV Всероссийской научно-практической конференции «Современные охранные технологии и средства обеспечения комплексной безопасности объектов» (г. Заречный Пензенской области, 2002); Тринадцатых научных чтениях памяти академика Н. Н. Бурденко (г. Пенза, 2002); Международном симпозиуме «Надежность и качество» (г. Пенза, 2002); научно-технической конференции «Наука, промышленность, оборона» (г. Новосибирск, 2002); научно-технической конференции «Безопасность информационных технологий» (г. Пенза, 2002); XV научно-технической конференции с участием зарубежных специалистов «Датчики и преобразователи информации систем измерения, контроля и управления» (Крым, 2003); XI Международном симпозиуме «Мониторинг, аудит и информационное обеспечение в системе медико-экологической безопасности» (Испания, Коста Дуарда, 2002); Пятой Международной конференции «Радиоэлектроника в медицине» (г. Москва, 2003); Всероссийской научно-технической конференции, посвященной 40-летию образования кафедры «Автономные информационные и управляющие системы» «Вооружение, безопасность, кон-

версия» (г. Пенза, 2003); Междисциплинарной конференции с международным участием «Новые биокибернетические и телемедицинские технологии 21 века для диагностики и лечения заболеваний человека» (г. Петрозаводск, 2002); Международном симпозиуме «Надежность и качество» (г. Пенза, 2005); научно-технической конференции «Безопасность информационных технологий» (г. Пенза, 2004).

Публикации. По теме диссертации опубликовано 20 печатных работ, в том числе 13 статей, 6 тезисов докладов и 1 патент.

Структура и объем работы. Диссертация состоит из введения, 4 глав, выводов по главам, заключения, библиографического списка использованной литературы и приложений. Объем работы: 137 страниц машинописного текста, 45 рисунков, 8 таблиц. Библиографический список использованной литературы содержит 112 источников.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, показаны научная новизна и практическая ценность работы, перечислены методы исследования, приведены сведения об апробации работы и публикациях, а также сформулированы основные положения, выносимые на защиту.

В первой главе рассматриваются особенности исследуемых биологических объектов, их физические, электрические и электрохимические свойства, проводится анализ методов исследования биологических объектов.

На основе анализа существующих методов исследования предлагается для решения поставленной задачи использовать электрохимические методы, поскольку они имеют низкую стоимость, достаточно просто реализуются, практически безопасны для здоровья человека и оперативны в использовании. Наиболее близкими из электрохимических методов для оценки состояния биологических объектов являются импедансные методы. В сравнении с другими электрохимическими методами они обеспечивают высокую точность для широкого диапазона частот. Но импедансные методы обладают низкой информативностью, а также требуют существенных временных затрат на проведение исследований в широком диапазоне частот. В связи с этим для оценки состояния исследуемых объектов предлагается использовать

джоульметрический метод, обладающий высокой чувствительностью и позволяющий увеличить количество информативных признаков.

Объектами исследования в данной работе являются биологические жидкости, отобранные у больных с диагнозом гайморит и костная ткань пациентов с переломами нижних конечностей.

В результате проведенных исследований определены основные задачи, возникающие в процессе исследования биологических объектов, поставлена цель исследований, намечены основные пути их решения.

Во второй главе приводится методика для описания исследуемых объектов, обеспечивающая формирование многомерного параметрического признакового пространства.

Для увеличения количества формируемых информативных признаков используется джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации. Он позволяет формировать устойчивые признаки, сокращать время восстановления объекта после каждого изменения амплитуды тока и получать для каждого тока отдельный отклик, что обеспечивает реализацию процедур многопараметрической идентификации.

В начальный момент времени коммутируется ток /,, а затем оценивается значение работы, совершаемой током. После вступления в реакцию всех частиц, способных преодолеть потенциальный барьер, подается обратный импульс тока той же амплитуды, но значительно меньше по длительности. Тем самым достигается сокращение времени разряда. Затем амплитуда тока увеличивается до значения /2 и т. д.

Практически установлены четыре значения амплитуды тока, дающие наиболее значимые результаты: /,= 8 мкА, /?= 22 мкА, /3= 47 мкА и /4=104 мкА.

Производится декомпозиция обобщенного значения работы каждого из токов на отдельные составляющие, которые используются в качестве самостоятельных признаков (имеется патент RU № 2217049 «Способ прогнозирования воспалительного процесса и устройство для его осуществления»).

Работа, совершенная каждым из четырех токов In, п = 1...4, согласно декомпозиционному методу, слагается из четырех компонент (рис. 1): Ап = А\п + А2п + А3„ + А4„.

-1л-

Рис. 1. Графики выходных и входных сигналов, поясняющие джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации

Значения каждой из них можно вычислить, если принять значение йп за момент окончания процесса заряда двойного электрического слоя, значение Ип - за момент окончания процесса электрохимических реакций, {Умэл - за падение напряжения на электрохимической

ячейке и значение 170п - за падение напряжения на электрохимической ячейке в момент коммутации каждого тока, но следующим зависимостям:

ААп=Шп1пап, характеризует межэлектродное сопротивление;

характеризует емкость двойного электрического слоя;

А2п = (ипп-иоп)1п(ап~ап), характеризует сопротивление электрохимической реакции;

А\п = /„^'С/мэДф -ипп{Пп

характеризует активность электрохимических реакций.

Значения этих работ выступают в качестве информативных признаков, используемых в процедурах нейросетевой классификации.

Биологические объекты представляют собой нелинейные нестационарные системы. Описание их состояния является достаточно сложной задачей. Поэтому для решения этой задачи можно использовать последовательную структуру, в которой нелинейная динамическая модель объекта получается путем разделения ее на две части: нелинейную статическую и линейную динамическую (рис. 2).

х(0

Система

Щ

0\ ■ » (У2

У(*)

Рис. 2. Последовательная структура (модель Гаммерштейна)

Для описания линейной динамической части предложено использовать авторегрессионные модели, обобщенная структура которых имеет вид:

где у(() и - соответственно измеряемый входной и выходной сигналы (/ = 1, 2, ..., ДО; е(/)- шум, В(д), С(^г), £>(#) и

Г(д) - полиномы степеней па, пЪ, пс, пс! и и/соответственно; «А: - число тактов запаздывания; q - оператор сдвига.

В качестве информативных признаков в авторегрессионных моделях выступают коэффициенты полиномов А(д), В(д), С(д), й(д),

В зависимости от того, какие многочлены задействованы, из обобщенной структуры могут формироваться различные модельные структуры, используемые при решении практических задач. Так, модель авторегрессии (АЯХ ) содержит многочлены А(д) и В(д), модель авторегрессии со скользящим средним ( АЯМАХ) - А(д), В(д), С(д), модель выходной ошибки - В(д), , модель Бокса-Джен-кинса- В(д), С(д), В(д), F(<?) .

Последовательность, приведенную на рис. 1, можно представить в виде системы, состоящей из нескольких подсистем (рис. 3).

У\

С, (5)

У2

1

*Э | Уз

1

Хп ад 1 Уп

1

0(з)

Рис 3. Обобщенная система с отдельными входами тока заданного уровня, представленная несколькими подсистемами

Результирующая система с обобщенной передаточной функцией G(s), состоящая из нескольких подсистем, с отдельными входами тока заданного уровня, имеет передаточную функцию, представленную по диагонали передаточными функциями подсистем:

В качестве параметров, характеризующих нелинейную статическую часть, в этом случае будут выступать коэффициенты полиномов, связывающих подсистемы, представленные на рис. 3, в зависимости от уровня тока и значения длительности разряда х„.

Наиболее удобной формой представления каждой подсистемы в данном случае является ее импульсная характеристика. На рис. 4 показаны импульсные характеристики для п уровней тока. Зависимость значений в т точках импульсной характеристики от уровня тока {т~ 1,2,...,к - дискретность значений импульсной характеристики) описывается полиномами Рт(Г), приведенными на рис. 5.

ед=

0 ... О

О G2(s) . I

О

О - 0 G„(s)

t

Рис. 4. Импульсные характеристики для п уровней тока

Их можно представить в виде системы:

Р1(1) = с1оХ+4и1 + с12]12+... + йпХ1п

Р2 (I) = ¿02 + <¡121 + <12212 +... + <1п11"

- Р3(1) = с103+<1131 + <12з12+... + 4п31п ,

Рт О = <*0т + ¿1 т! + ¿2т12 +... + с1пт1п

где с1о, </],..., с1п - коэффициенты полинома л-й степени.

Коэффициенты полиномов Р\(1), Р2{1), ..., Fm(/) рассматриваются в качестве информативных признаков исследуемой системы, характеризующих ее нелинейные статические свойства.

Рассмотренные параметры, характеризующие биологические объекты (параметры, полученные в результате джоульметрических измерений, параметры, описывающие нелинейную статическую и линейную динамическую части) используются в процедурах нейросе-тевой классификации для распознавания образов биологических объектов.

В третьей главе рассматриваются процедуры идентификации биологических объектов в классах линейных динамических и нелинейных статических моделей.

Из-за нестационарности свойства биологических объектов способны в значительной мере изменяться, в связи с чем в джоульмет-рических системах процесс получения информации, обработки данных и выдачи результатов ведется в реальном масштабе времени. Поэтому для описания биологических объектов применяются рекуррентные методы идентификации, основанные на последовательной обработке измеряемых входно-выходных данных. Они позволяют отслеживать изменения, происходящие в исследуемом объекте непосредственно в процессе измерений при априорном использовании информации, содержащейся в наблюдаемых данных. Для оценки параметров линейных динамических моделей использовался рекуррентный метод наименьших квадратов. Оценка адекватности модели осуществлялась путем анализа ошибок прогнозирования (невязок). При использовании рекуррентных методов идентификации по результатам эксперимента для костного регенерата была выбрана модель Бокса-Дженкинса третьего порядка (95,39 % соответствия модели реальному объекту), а для биологических жидкостей, отобранных у пациентов с диагнозом гайморит, - модель ошибки уравнения третьего порядка (97,77 % соответствия модели реальному объекту).

Коэффициенты полиномов этих моделей рассматривались в качестве информативных признаков, используемых для обучения нейронной сети. Также в качестве информативных признаков рассматривались значения работ, полученных с помощью декомпозиционного метода для четырех токов, и коэффициенты полиномов, полученные при оценке нелинейных статических свойств исследуемых жидкостей и костной ткани. Для биологических жидкостей и костной ткани нелинейные статические свойства описываются полиномами третьего порядка.

Для распознавания образов созревшего и несозревшего костного регенерата, а также для распознавания образов биологических жидкостей использовались радиально-базисные нейронные сети, которые имеют в своем составе два слоя: скрытый радиальный базисный слой нейронов и выходной линейный слой нейронов.

Количество полученных признаков зависит от типа авторегрессионных моделей и порядка их полиномов, частоты воздействия на исследуемые объекты электрическим током при проведении экспери-

мента, количества выбранных значений импульсных характеристик при описании объектов функционалами и порядка функционалов.

Оптимизация полученных признаков осуществлялась с помощью факторного анализа, позволяющего сократить количество полученных признаков посредством выделения главных компонент.

Математическая модель факторного пространства имеет следующий вид:

к

xi = f j) + ci Ф/ +ei > j=1

где i = 1... п, xt - исходная переменная (характеристика состояния); fj - общие факторы; Ьу - величины нагрузок на общие факторы; Cj - величины нагрузок на характерные факторы; ег - ошибки.

Для обучения радиально-базисного слоя использовался алгоритм обучения сети Кохонена.

Уравнение коррекции весов синапсов имеет вид

= wiP +а(,и/ ~ w\p)»

где wy (к) - вес синапса, соединяющего /-й нейрон Кохонена с j -м

нейроном предшествующего слоя на к -м шаге обучения; а - коэффициент, управляющий величиной коррекции весов слоя Кохонена; щ - характеристика объекта обучающей выборки. В результате использования данного метода объекты обучающей выборки группируются в кластеры и определяется ширина радиально-базисной функции для каждого нейрона слоя Кохонена.

Для нахождения весов линейного слоя использовался метод спуска по сопряженным градиентам.

Градиент ошибки gj вычисляется как сумма градиентов ошибок

по всем обучающим наблюдениям. Начальное направление поиска задается формулой

do = ~go •

На последующих шагах направление поиска корректируется с помощью формулы Полака-Рибьера

dj+\ =-gJ+i+ßjdj,

где

т

Таким образом, по результатам идентификации для биологических жидкостей и костной ткани определены авторегрессионные модели, обоснованы принципы оптимизации признакового пространства и алгоритмы обучения нейронной сети.

В четвертой главе анализируются экспериментальные исследования биологических жидкостей и костной ткани.

Исследования биологических жидкостей проводились в оторино-ларингологическом отделении областной клинической больницы им. Н. Н. Бурденко. Исследовались жидкости, отбираемые у больных гнойным гайморитом на протяжении периода лечения. Для исследований использовался четырехэлектродный датчик проточного типа.

В результате исследований было установлено, что при прогресси-ровании воспалительного процесса в околоносовых пазухах значения работы тока увеличиваются, а по мере снижения воспалительного процесса значения работы тока уменьшаются. Проведенные исследования позволяют сделать вывод, что с помощью джоульметрического метода можно осуществлять контроль за протеканием воспалительного процесса у больных с гнойным гайморитом, по оценкам джо-ульметрических параметров судить о его активности и выбирать рациональную тактику лечения больных.

Были полнены информативные признаки, характеризующие исследуемые биологические жидкости при прогрессировании воспалительного процесса и его регрессировании. С помощью джоульметрического метода было получено 20 признаков при воздействии на исследуемые объекты четырьмя токами различной амплитуды, при получении коэффициентов авторегрессионных моделей было получено 24 признака, при получении коэффициентов полиномов при описании нелинейных статических свойств исследуемых объектов функционалами - 16 признаков.

С помощью полученного набора признаков была обучена ради-ально-базисная нейронная сеть. Дня обучения использовались данные, характеризующие биологические жидкости с наличием и отсутствием воспаления.

Обученная нейронная сеть позволяет разделять исследуемые жидкости на два класса: жидкости с наличием воспалительного процесса и жидкости с отсутствием воспалительного процесса с ошибкой менее 1,5%.

Исследования костной ткани у больных с переломами нижних конечностей и необходимостью удлинения проводились в отделении травматологии и ортопедии областной клинической больницы им. Н. Н. Бурденко.

В результате исследований было установлено, что по мере преобразования костного регенерата в костную ткань значения работы тока уменьшаются и постепенно становятся постоянными. Проведенные исследования позволяют сделать вывод, что с помощью дасо-ульметрического метода можно осуществлять контроль формирования костной ткани как при переломах костей, так и при удлинении конечности. По оценкам джоульметрических параметров можно определять оптимальный момент начала дистракции и ежесуточную величину дозированных однократных перемещений костных фрагментов.

Были получены информативные признаки, характеризующие состояние костного регенерата при переломах костей и удлинении конечности для созревшего и несозревшего костного регенерата. С помощью джоульметрического метода было получено 20 признаков при воздействии на исследуемые объекты четырьмя токами различной амплитуды, при получении коэффициентов авторегрессионных моделей было получено 48 признаков, при получении коэффициентов полиномов при описании нелинейных статических свойств исследуемых объектов функционалами - 16 признаков.

С помощью полученного набора признаков была обучена ради-ально-базисная нейронная сеть. Для обучения использовались данные, характеризующие созревший и несозревший костный регенерат.

Обученная нейронная сеть позволяет разделять костный регенерат на два класса: созревший костный регенерат и несозревший костный регенерат с ошибкой менее 2 %.

Для оценки состояния костной ткани предложено устройство (рис. 6), в основу которого заложен джоульметрический метод (имеется положительное решение о выдаче патента «Устройство для кон-

троля состояния дистракдионного костного регенерата» по заявке №2003132627/14(034928) от 15.06.2005 г.).

Рис. 6. Устройство для ежесуточного контроля состояния костного регенерата

Устройство содержит кнопку «Пуск», схему управления СУ, источник стабилизированного тока ИСТ, ключ К, измеритель временных интервалов ИВИ, первый пороговый элемент ПЭ1, второй пороговый элемент ПЭ2, датчик с первым и вторым электродами, первый участок цепи, второй участок цепи, временное устройство ВУ, запоминающее устройство ЗУ, арифметическо-логическое устройство АЛУ, электронный блок управления ЭБУ, электродвигатель ЭД.

После включения устройство непрерывно работает в течение периода дистракции. Первый электрод устройства представляет собой металлическую иглу, поверхность которой изолирована с возможностью ее введения в участок сочленения костных фрагментов, а вторым электродом является опора со спицами комггрессионно-дистракционного аппарата.

Принцип работы основан на ежесуточном измерении работы тока и оценке состояния костного регенерата по разнице между последующим и предыдущим суточными значениями работы.

Это устройство позволяет ежесуточно контролировать изменения, происходящие в костном регенерате, определять оптимальный момент начала дистракции и ежесуточную величину дозированных однократных перемещений костных фрагментов, тем самым достигаются оптимизация сроков лечения больных и снижение травматичное™.

В приложении приводятся алгоритмы и программы обработки сигналов, а также документы, подтверждающие внедрение результатов работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Проведен анализ существующих электрохимических методов исследования. Показана ограниченная возможность вольтамперомет-рических методов, связанная с получением данными методами параметров, описывающих только линейные свойства исследуемых объектов. Для решения поставленных задач выбран джоульметрический метод, обладающий высокой чувствительностью и высокой информативностью.

2. Предложен джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации, позволяющий получать устойчивые признаки, сокращать время восстановления объекта после каждого изменения амплитуды тока и получать для каждого тока отдельный отклик, что обеспечивает реализацию процедур нелинейной динамической многопараметрической идентификации.

3. Показано, что математическая модель Гаммерштейна достаточно точно описывает состояние исследуемых биологических объектов. Определены устойчивые модельные структуры для описания свойств костной ткани и биологических жидкостей. Наиболее адекватно описывающей костную ткань принята модель Бокса-Джен-кинса третьего порядка (95,39% соответствия модели реальному объекту), а моделью, описывающей биологические жидкости, отобранные у пациентов с диагнозом гайморит, является модель ошибки уравнения третьего порядка (97,77 % соответствия модели реальному объекту). Коэффициенты полиномов третьего порядка авторегрессионных моделей выступают в качестве информативных признаков исследуемых объектов.

4. Разработана методика описания нелинейных статических свойств и нелинейных динамических свойств биологических объектов специализированными функционалами. Показано, что коэффициенты полиномов третьего порядка являются хорошими информативными признаками при описании биологических жидкостей и костной ткани.

5. Оптимизировано пространство информативных признаков, позволяющее распознавать образы костной ткани и биологических жидкостей.

6. Разработанная структура нейронной сети позволяет распознавать образы биологических жидкостей с ошибкой менее 1,5 % и костной ткани с ошибкой менее 2 %.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Янкина Н. Н. Формирование признаков для описания состояния биологических объектов в частотной области / Н. Н. Янкина, С. М. Геращенко, Ф. III. Енгалычев // Надежность и качество: Тр. Междунар. симп. - Пенза: Инф.-изд. центр ПГУ, 2001. - С. 410-411.

2. Янкина Н. Н. Обеспечение электробезопасности джоульметриче-ского медицинского аппаратно-программного комплекса / Н. Н. Янкина, С. М. Геращенко, Д. А. Толмачев // Надежность и качество: Тр. Междунар. симп. - Пенза: Инф.-изд. центр ПГУ, 2001. - С. 411-413.

3. Янкина Н. Н. Оптимизация структуры линейных динамических моделей для описания биометрических объектов / Н. Н. Янкина, С. М. Геращенко, А. В. Иванов // Безопасность информационных технологий: Тр. науч.-техн. конф. - Пенза: Изд-во Пенз. науч.-исслед. элек-тротехн. ин-та, 2001. - Т. 2. - С. 48-50.

4. Янкина Н. Н. Алгоритм получения признаков для оценкй характеристик биологических объектов в частотной области / Н. Н. Янкина С. М. Геращенко // Современные охранные технологии и средства обеспечения комплексной безопасности объектов: Материалы IV Всерос. науч.-практ. конф. - Пенза: Инф.-изд. центр ПГУ, 2002. -С. 112-115.

5. Янкина Н. Н. Типы регрессионных моделей, используемых при идентификации биологических объектов / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Тринадцатые научные чтения памяти академика Н. Н. Бурденко: Материалы науч.-практ. конф. -- Пенза: Инф.-изд. центр ПГУ, 2002.-С. 57-58.

6. Янкина Н. Н. Исследование влияния емкостной, миграционной и диффузионной составляющих электрического тока на достоверность и воспроизводимость джоульметрических измерений / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Надежность и качество: Тр. Междунар. симп. - Пенза: Инф.-изд. центр ПГУ, 2002. - С. 460-462.

7. Янкина Н. Н. Типы регрессионных моделей, используемых при проведении процедур идентификации биологических объектов в системах защиты информации / Н. Н. Янкина, С. М. Геращенко / Наука, промышленность, оборона: Материалы науч.-техн. конф. - Новосибирск: Межрегион, ассоциация «Сибирское соглашение», 2002. - С. 107-109.

8. Янкина Н. II. Джоульметрический медицинский аппаратно-программный комплекс: обеспечение электробезопасности / Н. Н. Янкина, С. М. Геращенко, А. В. Иванов // Безопасность информационных технологий: Тр. науч.-техн. конф. - Пенза: Изд-во Пенз. науч.-исслед. электротехн. ин-та, 2002. - Т. 3. - С. 10-12.

9. Янкина Н. Н. Использование робастных регуляторов в формирователях входного воздействия для биометрических систем / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Безопасность информационных технологий: Тр. науч.-техн. конф. - Пенза: Изд-во Пенз. науч.-исслед. электротехн. ин-та, 2002. - Т. 3. - С. 13-14.

10. Янкина Н. Н. Исследование влияния емкостной составляющей электрического тока на достоверность и воспроизводимость результатов джоульметрических измерений / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Безопасность информационных технологий: Тр. науч.-техн. конф. - Пенза: Изд-во Пенз. науч.-исслед. электротехн. ин-та, 2002. - Т. 3.- С. 15-17.

11. Янкина Н. Н. Применение рекуррентных методов идентификации в джоульметрических информационно-измерительных системах / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Датчики и преобразователи информации систем измерения, контроля и управления: Сб. материалов XV науч.-техн. конф. с участием зарубежных специалистов. - М.: МГИЭМ, 2003. - С. 64.

12. Янкина Н. Н. Типы регрессионных моделей, используемых при проведении процедур идентификации / Н. Н. Янкина, В. И. Волчихин, С. И. Геращенко // Мониторинг, аудит и информационное обеспечение в системе медико-экологической безопасности - 2002 (Испания, Коста Дуарда): Материалы XI Междунар. симп. - М., 2002. - С. 286-287.

13. Янкина Н. Н. Описание биологических объектов эквивалентными схемами замещения // Радиоэлектроника в медицине: Докл. пятой Междунар. конф. - М.: Издательское предприятие редакции журнала «Радиотехника», типография ООО «Инсвязьиздат», 2003. - С. 58-61.

14. Янкина Н. Н. Модели описания физиологических объектов в джоульметрических томографических системах / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Вооружение, безопасность, конвер-

сия - 2003: Материалы Всерос. науч.-техн. конф., посвященной 40-летию образования кафедры «Автономные информационные и управляющие системы». - Пенза: Изд-во Пенз. гос. ун-та, 2004. - Ч. II. - С. 148-156.

15. Янкина Н. Н. Робастные регуляторы в джоульметрических системах / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Новые биокибернетические и телемедицинские технологии 21 века для диагностики и лечения заболеваний человека: Материалы Междисцип. конф. с международным участием. - Петрозаводск: Типография Петрозавод. гос. ун-та, 2002. - С. 60-61.

16. Янкина Н. Н. Применение радиально-базисных нейронных сетей для контроля состояния костной ткани при удлинении конечности // Нейрокомпьютеры: разработка и применение. - 2005. - № 7. - С. 36-42.

17. Янкина Н. Н. Джоульметрический метод контроля состояния костного регенерата при удлинении конечности / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Надежность и качество: Тр. Меж-дунар симп. - Пенза: Изд-во Пенз. гос. ун-та, 2005. - С. 462-464.

18. Янкина Н. Н. Использование рейтинговых оценок для выбора структуры нейросетевого классификатора в джоульметрических системах распознавания состояния биологических объектов / Н. Н. Янкина, С. И. Геращенко, И. Ю. Мартынов // Надежность и качество: Тр. Между-нар. симп. - Пенза: Изд-во Пенз. гос. ун-та, 2005. -С. 465-467.

19. Янкина H.H. Применение методов рекуррентного оценивания для идентификации биометрических объектов / Н. Н. Янкина, С. И. Геращенко, С. М. Геращенко // Безопасность информационных технологий: Тр. науч.-техн. конф. - Пенза: Изд-во Пенз. науч.-исслед. электро-техн. ин-та, 2004. - Т. 5. - С. 89-93.

20. Пат. 2217049 Российская Федерация С2, 7А61В5/053. Способ прогнозирования динамики воспалительного процесса и устройство для его осуществления / В. И. Волчихин, Ф. Ш. Енгалычев, С. М. Геращенко, С. В. Сергеев, Н. Н. Янкина, Н. О. Голотенков. - №2002102164/14, дата начала действия патента: 23.01.2002, дата утверждения: 27. 11. 2003, Бюл. № 33.

ЯНКИНА Наталья Николаевна

Нейросетевой динамический анализ биологических тканей и жидкостей

Специальности: 05.13.01 - Системный анализ, управление

и обработка информации; 05.11.17 — Приборы, системы и изделия медицинского назначения

Редактор О. Ю. Ещина Технический редактор Н. А. Въялкова

Корректор Ж. А. Лубенцова Компьютерная верстка М. Б. Жучкоьой

ИД № 06494 от 26.12.01

Сдано в производство 22.11.2005. Формат 60х841/16. Бумага писчая. Печать офсетная. Уел печ. л. 1,16. Заказ № 714. Тираж 100.

Издательство Пензенского государственного университета. 440026, Пенза, Красная, 40.

»226 3 32

РНБ Русский фонд

2006^4 28604

ВВЕДЕНИЕ.

1. АНАЛИЗ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ И МЕТОДОВ ИССЛЕДОВАНИЯ ИХ СОСТОЯНИЯ.

1.1. Описание объектов исследования.

1.2. Электрические и электрохимические свойства биологических объектов.

1.3. Методы исследования биологических объектов.

1.4. Типы датчиков используемых для исследования состояния биологических объектов.

1.5. Основные задачи, решаемые в работе.

Выводы по главе 1.

2. МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИАГНОСТИКИ СОСТОЯНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ.

2.1. Методика оценки джоульметрических параметров биологических объектов.

2.2. Методика оценки динамических свойств биологических объектов.

2.3. Методика оценки нелинейных статических свойств биологических объектов.

2.4. Обобщенная модель для описания биологических объектов.

Выводы по главе 2.

3. РАЗРАБОТКА МЕТОДИКИ ОЦЕНКИ СОСТОЯНИЯ БИОЛОГИЧЕСКИХ ОБЪЕКТОВ.

3.1. Методы идентификации в классе линейных динамических и нелинейных статических моделей.

3.2. Процедура подтверждения модели.

3.3. Методика формирования обобщенного параметра состояния биологических объектов.

3.3.1. Оптимизация признакового пространства.

3.3.2. Нейросетевой подход к решению задачи классификации биологических объектов.

3.4.Методика настройки нейросетевого классификатора.

Выводы по главе 3.

4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ БИОЛОГИЧЕСКИХ

ОБЪЕКТОВ.

4.1.Описание методики оценки параметров биологических объектов.

4.1.1. Описание методики оценки параметров биологических жидкостей.

4.1.2. Описание методики оценки параметров костной ткани.

4.1.3. Устройство для контроля состояния дистракционного костного регенерата при удлинении конечности.

4.2.Экспериментальная оценка параметров биологических объектов.

4.2.1. Экспериментальная оценка параметров биологических жидкостей.

4.2.2. Экспериментальная оценка параметров костной ткани.

4,З.Обучение нейросетевого классификатора.

Выводы по главе 4.

Актуальность работы.

В различных областях медицины оценка состояния биологических тканей и жидкостей является очень важной задачей. Практически при каждом заболевании требуются диагностика на ранних стадиях и выбор рациональной тактики лечения.

В настоящее время существует множество методов, позволяющих оценивать состояние биологических объектов (рентгенологические, радионуклидные, ультразвуковые, компьютерная томография, ядерно -магнитно - резонансная томография и др.), но возможности их ограничены из-за оказания на организм человека лучевой нагрузки, больших размеров применяемой аппаратуры, высокой стоимости, низкой чувствительности и низкой информативности и т. д.

В этой связи одной из основных задач стоящих перед разработчиками медицинской аппаратуры является создание новых и информативных методов контроля состояния биологических объектов.

В последнее время для решения поставленной задачи стали применять электрохимические методы анализа (Калашник А.Ф., Хачатрян А.П., Никольский В.И. и др.), основанные на измерении электрических параметров биообъектов при пропускании через них электрического тока. Главными достоинствами данных методов является простота реализации метода, низкая стоимость аппаратуры, оперативность использования и безопасность для здоровья человека.

Из электрохимических методов для оценки состояния биологических объектов наиболее приемлемым является импедансный метод, в котором оцениваемым параметром является регистрируемое значение импеданса. Импедансометрию применяли для оценки свойств тканей полости носа при остром синусите (Давыдов А.В.), для исследования первичного и вторичного сращивания костей (Ткаченко С.С., Руцкий В.В.), для исследования параметров сердечно-сосудистой системы (Щукин С.И.) и т.д. В процессе исследований получились результаты, подтверждающие целесообразность использования электрохимических методов для оценки состояния биологических тканей. Но импедансные методы обладают низкой информативностью, а также требуют существенных временных затрат из-за необходимости проведения исследований в широком диапазоне частот. К тому же импедансные методы не позволяют получать достаточного количества признаков для применения нейросетевой классификации биологических объектов из-за того, что являются линеаризационными методами (упрощают задачу).

В связи с чем, для решения задач оценки состояния биологических объектов предлагается джоульметрический метод, обладающий высокой чувствительностью и позволяющий увеличить количество информативных признаков при малых временных затратах. В работах Сергеева С.В, Никольского В.И. выявлено, что с помощью джоульметрического метода можно осуществлять постоянный контроль непосредственно в очаге воспаления, что позволяет выбирать рациональную тактику лечения больных.

Таким образом, актуальность темы определяется потребностью создания более эффективных по сравнению с существующими на сегодняшний день приборов и систем для контроля состояния биологических тканей и жидкостей при различных заболеваниях пациентов, позволяющих осуществлять своевременную диагностику заболевания, постоянно наблюдать за процессом лечения с целью сокращения сроков реабилитации больных, предотвращения дальнейшего развития заболевания, снижения осложнений и вероятности неблагоприятных последствий.

Как правило, биологические объекты являются нелинейными нестационарными системами. Поэтому оценка их состояния является достаточно сложной проблемой и требует разработки методики, позволяющей адекватно описывать исследуемый объект.

В данной работе предлагается сформировать признаковое пространство, описывающее исследуемые объекты, на основе оценки их линейных и нелинейных свойств, позволяющее с помощью нейросетевого классификатора распознавать образы биологических тканей и жидкостей.

Целью данной работы является разработка методики получения и обработки информации для описания состояния биологических объектов.

Основные задачи исследования:

Выводы по главе 4

1. При прогрессировании воспалительного процесса зачения работы тока увеличиваются, а при его регрессировании - уменьшаются. Таким образом, с помощью джоульметричесого метода можно осуществлять контроль за протеканием воспалительного процесса у больных с гнойным гайморитом и, по оценкам джоульметрических параметров, судить о его активности.

2. В результате исследований костной ткани у больных с переломами нижних конечностей и с необходимостью удлинения было установлено, что по мере преобразования костного регенерата в косную ткань значения работы тока уменьшаются и постепенно становятся постоянными. Таким образом, с помощью джоульметрического метода можно осуществлять контроль формирования костной ткани как при переломах костей, так и при удлинении конечности.

3. Для биологических жидкостей и для костной ткани с помощью джоульметрического метода было получено по 20 признаков при воздействии на исследуемые объекты четырьмя токами различной амплитуды, при получении коэффициентов авторегрессионных моделей для биологических жидкостей было получено 24 признака, а для костной ткани -48 признаков, при получении коэффициентов полиномов в результате описания нелинейных статических свойств исследуемых объектов функционалами было получено для биологических жидкостей и для костной ткани по 20 признаков.

4. Разработанная структура нейронной сети позволяет распознавать образы биологических жидкостей с ошибкой менее 1.5% и костной ткани с ошибкой менее 2%.

ЗАКЛЮЧЕНИЕ

1. Проведен анализ существующих электрохимических методов исследования. Показана ограниченная возможность вольтамперометрических методов, связанная с получением данными методами параметров, описывающих только линейные свойства исследуемых объектов. Для решения поставленных задач выбран джоульметрический метод, обладающий высокой чувствительностью и высокой информативностью.

2. Предложен джоульметрический декомпозиционный метод с воздействием разнополярным током различной амплитуды на объект идентификации, позволяющий получать устойчивые признаки, сократить время восстановления объекта после каждого изменения амплитуды тока и получать для каждого тока отдельный отклик, что обеспечивает реализацию процедур нелинейной динамической многопараметрической идентификации.

3. Показано, что математическая модель Гаммерштейна достаточно точно описывает состояние исследуемых биологических объектов. Определены устойчивые модельные структуры для описания свойств костной ткани и биологических жидкостей. Наиболее адекватно описывающей костную ткань принята модель Бокса - Дженкинса третьего порядка (95.39% соответствия модели реальному объекту), а моделью описывающей биологические жидкости, отобранные у пациентов с диагнозом гайморит, является модель ошибки уравнения третьего порядка (97.77% соответствия модели реальному объекту). Коэффициенты полиномов третьего порядка авторегрессионных моделей выступают в качестве информативных признаков исследуемых объектов.

4. Разработана методика описания нелинейных статических свойств и нелинейных динамических свойств биологических объектов специализированными функционалами. Показано, что коэффициенты полиномов третьего порядка являются хорошими информативными признаками при описании биологических жидкостей и костной ткани.

5. Оптимизировано пространство информативных признаков, позволяющее распознавать образы костной ткани и биологических жидкостей.

6. Разработанная структура нейронной сети позволяет распознавать образы биологических жидкостей с ошибкой менее 1.5% и костной ткани с ошибкой менее 2%.

1. В. Г. Зенгер. Хронический гайморит. Лечащий Врач, 2003, №8. С.8.13.

2. Чернух A.M. Воспаление. М.: Медицина, 1979. - 448 с.

3. В. И. Никольский, А. Ю. Сапожков. Абсцессы живота. Пенза, 1994.-204 с.

4. A.M. Чиркова. Репаративная регенерация и перестройка кости после разрыва дистракционного регенерата / A.M. Чиркова, С.А. Ерофеев // Гений ортопедии, 1997, №4. С. 39 42.

5. А. А. Шрейнер. Теоретические аспекты дистракционного остеосинтеза. Значение ритма дистракции / А.А. Шрейнер, С.А. Ерофеев, М.М. Щудло.// Гений ортопедии, 1999, №2. С. 13 17.

6. А.Д. Наумов. Влияние разных ритмов дистракции на костеобразование, концентрацию циклических нуклеотидов и гемодинамику в удлиняемой кости / А.Д. Наумов, Н.И. Гордиевских, С.А. Ерофеев // Гений ортопедии, 1996, №1. С. 34 36.

7. Г.А. Илизаров. Зависимость репаративной регенерации кости и функционального состояния удлиняемой конечности от дробности дистракции (экспериментальное исследование) / Г.А. Илизаров, С.А. Ерофеев, А.А. Шрейнер // Гений ортопедии, 1995, №1. С. 8 12.

8. В.И. Шевцов. Осложнения при удлинении бедра в высокодробном автоматическом режиме / В.И. Шевцов, А.В. Попков, Д.А. Попков // Гений ортопедии, 1997, №4. С.24 27.

9. А.В. Попков. Скорость удлинения конечности / А.В. Попков, Э.В. Бурлаков, Д.А. Попков // Гений ортопедии, 1996, №1. С.44 46.

10. А.В. Попков. Оперативное удлинение бедра методом Г.А. Илизарова: учебно методические разработки. - Курган: Российский научный центр «Восстановительная травматология и ортопедия» им. Г. А. Илизарова, 1994. - 19 с.

11. П. Власов. Рентгенодиагностика переломов скелета / П. Власов, О. Нечволодова // Медицинская газета, 2003, №91. С.8-9.

12. А.В. Попков. Биомеханические аспекты адаптационно-восстановительных изменений в дистракционном регенерате кости / А.В. Попков, А.Д. Попков, В.А. Немков // Гений ортопедии. 1996, №1. С. 47 -49.

13. Ньюман У. Минеральный обмен кости. Пер. с англ. О.Я. Терещенко. Под ред. И.И. Демина. М.: Изд. - во иностр. литературы, 1961. -270 с.

14. Ю.М. Ирьянов. Пространственная организация и особенности минерализации регенератов, формирующихся при стабильной фиксации костных отломков аппаратом илизарова. // Гений ортопедии. 1998, №1. С. 39-44.

15. Ю.М. Ирьянов. Пространственная организация костной ткани дистракционных регенератов по данным сканирующей электронной микроскопии. // Гений ортопедии. 1998, №1. С. 22 - 27.

16. Ю.М. Ирьянов. Пространственная организация микроциркуляторного русла в дистракционных регенератах. // Гений ортопедии. 1996, №1. С. 14 - 18.

17. А.А. Свешников. Плотность минеральных веществ в дистракционном регенерате при стимуляции регенерации по способу В.И. Швецова А.В. Попкова / А.А. Свешников, А.В. Попков, Д.А. Попков, С.В. // Гений ортопедии. - 2001, №4. С. 61 - 65.

18. Электрический импеданс биологических тканей. Ю. В. Торнуев, Р. Г. Хачатрян, А. П. Хачатрян. М.: ВЗПИ., 1990. - 153 с.

19. Глазов В.М., Павлова JI.M. Химическая термодинамика и фазовые равновесия. М: Металлургия, 1988. - 560 с

20. Дональдсон П. Электронные приборы в биологии и медицине.

21. Изд.иностранной литературы. М., 1963.

22. Орлов Ю. И. Электрические измерения параметров биообъектов и биопроб: уч. Пособие по курсу «Биомедицинские измерения». М.: МГТУ, 1989.-37 с.

23. Биофизические характеристики тканей человека. Справочник. / В.А.Березовский, Н.Н.Колотилов. Киев: Наук. Думка, 1990. - 224 с.

24. Медицинские приборы: Разработка и применение. — М. -Медицинская книга, 2004. 720 с.

25. Рентгенология. / Под. Ред. В.И. Милько. Киев: Высшая школа,1983.

26. Рябоконь Е.Н. Структурно-функциональное состояние костной системы у больных с переломами мыщелкового отростка нижней челюсти. // Ортопедия, травматология и протезирование, № 2000, №2. С.134-135.

27. Н.И. Дедов. Костная денситометрия в диагностике и мониторинге остеопатий. (материалы Всемирного конгресса по остеопорозу, 15-18 июня 2000г., г.Чикаго, США) / Н.И. Дедов, Т.О.Чернова, О.Л. Григорян //Остеопороз и остеопатии, 2000, №3. Стр. 16-19.

28. Марченкова J1.A. Остеопороз: достижения и перспективы (материалы Всемирного конгресса по остеопорозу, 15-18 июня 2000г., г. Чикаго, США). //Остеопороз и остеопатии, 2000, №3. С.2-5.

29. С. В. Сергеев, С. И. Геращенко. Комплексная сравнительная диагностика синуитов // Труды международного юбилейного симпозиума «актуальные проблемы науки и образования» (АНПО 2003). -Пенза, 2003, Т1. С. 112-113.

30. Электроимпедансный компьютерный томограф для медицинских приложений. / А. В. Корженевский, В. Н. Корниенко, М. Ю. Культиасов, Ю. С. Культиасов, В. А. Черепенин // Приборы и техника эксперимента, 1997, №3. С. 133-140.

31. Объективизация процесса регенерации костной ткани. / А.И. Кислов, И.Р. Добровинский, А.С. Кибиткин, К.В. Громиков // Известия высших учебных заведений. Поволжский регион, 2004, №3. С.54 57.

32. Щукин С.И. Объективизация типапериферической реограммы в задачах оценки эффективности электромагнитных воздействий // Биомедицинские технологии и радиоэлектроника, 2003, №9. С.36 43.

33. Гороховская В.И., Гороховский В.М. Практикум по электрохимическим методам анализа: Учеб. Пособие для студентов вузов. -М.: Высш. школа, 1983. 191 с.

34. Электрохимический импеданс / З.Б. Стойнов, Б.М. Графов, Б.Н. Савова-Стойнова, В.В. Елкин М.: Наука, 1991. - 336 с.

35. Давыдов А.В. Использование электроимпедансометрии в диагностике острого синусита. //Бюллетень сибирской медицины, 2002, №1. С.101-107.

36. Ткаченко С.С., Руцкий В.В. Электростимуляция остеорепарации. Д.: Медицина, 1989. - 208 с.

37. Лопатин Б.А. Теоретические основы электрохимических методов анализа. Учеб. Пособие для ун-тов. М.: «Высшая школа», 1975. - 296 с.

38. Захаров М.С., Баканов В.И., Пнев В.В. Хронопотенциометрия. -М.: Химия, 1978. 200 с.

39. Галюс 3. Теоретические основы электрохимического анализа. Пер. с польского. -М.: «Мир», 1974. 552 с.

40. Дамаскин Б.Б. Принципы современных методов изучения электрохимических реакций. М.: Изд.-во моссковского университета, 1965. -104 с.

41. Геращенко С.И. Джоульметрия и джоульметрические системы: теория и приложение: монография. Пенза: Изд-во Пенз. Гос. Ун-та, 2000. -192 с.

42. Андреев B.C., Попечителев Е.П. Лабораторные приборы для исследования жидких сред. Л. Машиностроение, Ленингр. Отд-ние, 1981. -312 с.

43. Каттрал Роберт В. Химические сенсоры. М. : Научный мир, 2000.-144 с.

44. Ионоселективные электроды. И. Корыта, К. Штулик.— М.: Мир, 1989. —272 с.

45. Пат. RU № 2217049 С2, 7А61В5/053. Способ прогнозирования динамики воспалительного процесса и устройство для его осуществления /

46. B.И. Волчихин, Ф.Ш. Енгалычев, С.М. Геращенко, С.В. Сергеев, Н.Н. Янкина, Н.О. Голотенков. №2002102164/14, дата начала действия патента: 23. 01. 2002, дата утверждения: 27. 11. 2003, Бюл. №33.

47. Янкина Н.Н. Описание биологических объектов эквивалентными схемами замещения //5-я Международная конференция «Радиоэлектроника в медицине». Доклады. М.: Издательское предприятие редакции журнала «Радиотехника», 2003. - С. 58-61.

48. Льюинг JI. Идентификация систем. Теория для пользователя: Пер. с англ. / Под ред. Я.З. Цыпкина. М.: Наука, Гл. Ред. физ.-мат. лит., 1991.-432 с.

49. Янкина Н.Н. Типы регрессионных моделей используемых при идентификации биологических объектов / Н.Н. Янкина, С.И. Геращенко,

50. C.М. Геращенко // Тринадцатые научные чтения памяти Академика Н.Н. Бурденко: Материалы научно-практической конференции. Пенза: ИИЦ ЛГУ, 2002.-С. 57-58.

51. Янкина Н.Н. Оптимизация структуры линейных динамических моделей для описания биометрических объектов / Н.Н. Янкина, С.М. Геращенко, А.В. Иванов // Безопасность информационных технологий:

52. Труды научно технической конференции. - Т. 2 / Под редакцией В.И. Волчихина, С.Л. Зефирова, А.В. Иванова. - Пенза: Издательство Пензенского научно - исследовательского электротехнического института, 2001. С. 48-50.

53. Мармарелис П., Мармарелис В. Анализ физиологических систем (метод белого шума): Пер. с англ. М.: Мир, 1981. - 480 с.

54. R. Babuska, Н.В. Verbruggen. Fuzzy identification of Hammerstein systems // In Proceedings Seventh IFSA World Congress. Prague, Czech Republic, 1997. V. 2. P. 348-353

55. Marmarelis Vasilis Z. Advanced methods of physiological system modeling. V. 3. New York: "Plenum Press", 1994. P.29-53.

56. P.Z. Marmarelis, V.Z. Marmarelis. Analysis of Physiological Systems // Computers in Biology and Medecine. New York: «Plenum Press», 1978.

57. D.T. Westwick. Methods for the Identification of Multiple-Input Nonlinear Systems. Montreal: McGill University, 1995. - 241 p.

58. H. Yuan, D.T. Westwick. Identification of Nonlinear Systems with Long Memory. // Applications to Lung Tissue Mechanics. Ann. Biomed. Eng. V.27, 1999. P. 548-562.

59. Современные методы идентификации систем / Под ред. Эйкхоффа П. М.: Мир, 1983. - 400 с.

60. Войтенков И.Н. Методы и средства дифференциального оценивания и идентификации моделей / Ин-т проблем моделирования в энергетике. Киев: Наук, думка, 1989. - 288 с.

61. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979. 240 с.

62. Эйкхофф П. Основы идентификации систем управления (оценка параметров и состояния) М.: Мир, 1975. 683 с.

63. Штейнберг Ш. Е. Идентификация в системах управления. М.: Энергоатомиздат, 1987. - 80 с.

64. Цыпкин Я.З. Основы теории автоматических систем.- М.: Наука, 1977.-560 с.

65. Справочник по теории автоматического управления /Под ред. А.А. Красовского. М.: Физматлит, 1987. 712 с.

66. Ljung L. System Identification Theory for the User. Prentice Hall, Upper Saddle River, N.J. 2nd edition, 1999.

67. Ljung L. System Identification Toolbox User's Guide. Computation. Visualization. Programming. Version 5. The Math Works, Inc., 2000.

68. Методы робастного, нейро-нечеткого и аддитивного управления. / Под ред. Н.Д. Егупова. (Методы теории автоматического управления).- М.: МГТУ им. Н.Э. Баумана, 2001. 744 с.

69. Ljung L. and L. Guo. The role of model validation for assessing the size of the unmodeled dynamics // IEEE Trans. Automat. Contr. 1997. N. 42. P. 1230-1239.

70. Soderstorm Т., Ljung L. Theoretical Analysis of Recursive Identification Methods // Automatica.- 1978.-Vol. 14.- P. 231-244.

71. Soderstorm T. On a method for model structure selection in system identification// Automatica. 1981.- Vol. 17. - P.387-388.

72. Янкина Н.Н. Применение рекуррентных методов идентификации в джоульметрических информационно-измерительных системах / Н.Н.

73. Айвазян С.А. Прикладная статистика и основы эконометрики: Учебник для вузов / С.А. Айвазян, B.C. Мхитарян. М.: ЮНИТИ, 1998. -1022 с.

74. Загоруйко Н. Г. Методы распознавания и их применение. М.: Изд-во «Советское радио», 1972.-208 с.

75. Горелик A. JI. Современное состояние проблемы распознавания. Некоторые аспкты. / A. JI. Горелик, И. Б. Гуревич, В. А. Скрипкин. М.: Радио и связь, 1985. - 160 с.

76. Горелик A. JI. Методы распознавания. / A.JI. Горелик, В.А. Скрипкин. М.: Высш. шк., 1989. - 232 с.

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

78. Богомолов А.В. Диагностика состояния человека: математические подходы / А.В. Богомолов, JI.A. Гридин, Ю.А. Кукушкин. -М.: Медицина, 2003. 464с.

79. Янкина Н.Н. Применение радиально-базисных нейронных сетей для контроля состояния костной ткани при удлинении конечности // Нейрокомпьютеры: разработка и применение, 2005, №7. С. 36-42.

80. Медведев В. С., Потемкин В. Г. Нейронные сети. Матлаб 6. М.: Диалог МИФИ, 2002. - 496 с.

81. Галушкин А.И. Теория нейронных сетей. Серия книг «Нейрокомпьютеры и их применение». Книга 1. Москва, ИПРЖР-2000г. -416 с.

82. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 240с.

83. Дубровин В.И., Субботин С.А. Построение адаптивных систем диагностики на основе нейронных сетей с латеральным торможением // Радюелектрошка. 1нформатика. Управлшня, 1999, № 2, С. 110-114.

84. Комарцова Л.Г. Нейрокомпьютеры: Учеб. пособие для вузов / JI. Г. Комарцова, А. В. Максимов. М: Изд-во МГТУ им. Н. Э. Баумана, 2002. -320 с.

85. Горбань А. Н. Нейронные сети на персональном компьютере / А. Н. Горбань, Д.А. Россиев. Новосибирск: Наука. Сибирская издательская фирма РАН, 1996-276с.

86. Каллан Р. Основные концепции нейронных сетей. М: Издательский дом "Вильяме", 2001. - 288 с.

87. Головко В. А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. — М.-ИПРЖР, 2001.-256с.

88. Elman, J. L. Finding structure in time // Cognitive Science, 1990. V. 14. P. 179-211.

89. Горбань A. H. Обучение нейронных сетей. M.: ПараГраф, 1990. -160 с.

90. Сизиков B.C. Математические методы обработки результатов измерений: учеб. для студ.вузов по прикладной математике. СПб.: Политехника, 2001. - 240 с.

91. Charalambous С. Conjugate gradient algorithm for efficient training of artificial neural networks // IEEE Proceedings, 1992. V. 139. P. 301-310.

92. Chen S. Orthogonal least squares learning algorithm for radial basis function networks // IEEE Transactions on Neural Networks, 1991. V. 2. P. 302309.

93. Нейроинформатика /А. H. Горбань, В. JI. Дунин-Барковский, А. Н. Кирдин, Е. М. Миркес, А. Ю. Новоходько, Д. А. Россиев, С. А. Терехов, М. Ю. Сенашева, В.Г. Царегородцев. Новосибирск: Наука, 1998. - 296 с.

94. Moller М. F. A scaled conjugate gradient algorithm for fast supervised learning. //Neural Networks, 1993. V. 6. P. 525-533.

95. Fletcher R. Function minimization by conjugate gradients // Computer Journal, 1964.V. 7. P. 149-154.

96. Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. М.: Радио и связь, 1998. - 122 с.

97. Hagan, М.Т., and М. Menhaj. Training feedforward networks with the Marquardt algorithm // IEEE Transactions on Neural Networks, 1994. V. 5. N. 6. P. 989-993.

98. Медицинские приборы и системы. // В.Т. Елистратов, С.И. Геращенко, Л.Г. Комарова, В.А. Спиридонов // Новые промышленные технологии, 2004, №5. С. 53-56.

99. Янкина Н.Н. Джоульметрический медицинский аппаратно-програмный комплекс: обеспечение электробезопасности / Н.Н. Янкина, С.М. Геращенко, А.В. Иванов // Безопасность информационных технологий:

100. Труды научно технической конференции. - Т. 3 / Под редакцией В.И. Волчихина, C.J1. Зефирова. - Пенза: Издательство Пензенского научно -исследовательского электротехнического института, 2002. С. 10-12.

101. В. Дьяконов. MATLAB 6/6.1/6.5 + Simulink 4/5. Основы применения. Полное руководство пользователя. М.: Солон-Пресс, 2002. -768 с.

102. В. Потемкин. MATLAB 6: Среда проектирования инженерных приложений. М.: Диалог-МИФИ, 2003. - 448 с.

103. Н. Мартынов. Введение в MATLAB 6. М.: Кудиц-образ, 2002.352 с.4. ос прнфмсш1. HCLKO'Ю«НЧСскос \ с rpoilc ГКО17