автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Обработка слабоструктурированной информации при построении базы знаний экспертной системы микроэлементных нарушений у человека

На правах рукописи

МАХАЖИНА Валерия Викторовна

ОБРАБОТКА СЛАБОСТРУКТУРИРОВАННОЙ ИНФОРМАЦИИ ПРИ ПОСТРОЕНИИ БАЗЫ ЗНАНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ МИКРОЭЛЕМЕНТНЫХ НАРУШЕНИЙ У ЧЕЛОВЕКА

05.13.11 - Системный анализ, управление и обработка информации (биологические науки)

Автореферат

диссертации на соискание ученой степени □□34ЕЗОЗЗБ кандидата биологических наук

Тула-2009

003480336

Работа выполнена на кафедрах «Санитарно-гигиенические и профилактически дисциплины», «Медико-биологические дисциплины» и «Автоматизировании информационные и управляющие системы» ГОУ ВПО «Тульский государственны университет».

Научные руководители:

доктор биологических наук, кандидат технических наук, профессор доктор технических наук, профессор

Хромушин Виктор Александрович Фатуев Виктор Александрович

Официальные оппоненты:

доктор биологических наук кандидат биологических наук, доцент

Жеребцова Валентина Александровна Исаева Нина Магомедрасуловна

Ведущая организация: УРАМН НИИ нормальной физиологии им. ПК Анохина РАМН

Защита состоится «//» /¿¿¿¿¿Уйл' 2009 г. в /¿£0 часов на заседании диссертационного совета Д212.271.06 при ГОУ ВПО «Тульский государственный университет» по адресу: 300026, г. Тула, ул. Болдана, 128.

С диссертацией можно ознакомиться в Научной библиотеке ГОУ ВПО «Тульский государственный университет» по адресу: 300600, г. Тула, пр. Ленина, 92.

Автореферат разослан СЛЗл&и>!. 2009 г.

Ученый секретарь

диссертационного совета,

доктор медицинских наук, профессор

О.Н. Борисова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время разработано множество азличных систем, направленных на повышение уровня интеллектуальной [нформационной поддержки современного специалиста при принятии решений. Это истемы интеллектуального анализа данных, позволяющие выявить скрытые акономерности; системы компьютерного имитационного моделирования; кспертные системы (ЭС), основанные на знаниях и опыте принятия решений кспертов в определенных предметных областях, и другие системы, облегчающие выбор лучшего решения из множества предложенных (Попов Э.В., 1990; Дюк В., Эммануэль В., 2003; Абдикеев Н.М., 2004).

Наиболее трудными для анализа и поддержки принятия решений являются слабоструктурированные предметные области, типичные для задач интерпретации, диагностики и прогнозирования в экономической, биологической, медицинской и других сферах деятельности, в которых данные могут быть представлены и количественно, и качественно. В слабоструктурированных областях знаний формализация модели (выявление основных факторов, связей между ними) должна происходить в тесном контакте с экспертами, причем для сложных предметных областей такая работа должна осуществляться при помощи компьютерной поддержки. Современные системы, предназначенные для работы со слабоструктурированной информацией, должны включать различные методы анализа, оценки и выработки решений, развитый пользовательский интерфейс, средства редактирования и настройки баз знаний (БЗ), а также визуализации всего процесса принятия решения, анализа результатов, их интерпретации и объяснения (Гаврилова Т.А., Червинская К.Р., 1992; Степанова М.Д., Самодумкин С.А., 2000). Архитектуры систем, удовлетворяющих указанным требованиям, в настоящее время находятся на этапе бурного развития, т.к. применение подобных систем открывает более широкие аналитические возможности для исследования сложных предметных областей. Поэтому тематика данной работы, посвященная разработке методологии построения БЗ сложных ЭС поддержки принятия решений в слабоструктурированных предметных областях биологии и медицины, является актуальной (Луценко Е. В., 2004).

Цель исследования. Разработка методологии построения БЗ сложных ЭС поддержки принятия решений, принимаемых в слабоструктурируемых предметных областях биологии и медицины на примере микроэлементных нарушений у человека для экологически и производственно обусловленных заболеваний органов дыхания.

Исходя из цели, были поставлены следующие задачи:

1. Определить принципы построения ЭС моделирования слабоструктурированной информации.

2. Проанализировать существующие ЭС в области медицины, биологии и, в частности, в области микроэлементных нарушений у человека, выявить их основные достоинства и ограничения.

3. Выявить эффективные способы приобретения знаний от экспертов и определить методы обработки экспертной информации для создания структуры исходной базы данных (БД) микроэлементных нарушений у человека для экологически и производственно обусловленных заболеваний органов дыхания.

4. Исследовать существующие методы анализа данных и способы приобретения знаний из плохо формализуемых данных для построения БЗ ЭС микроэлементных

нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

5. Разработать методологию перехода от данных к знаниям, включающую ее компьютерную поддержку, с построением полных и непротиворечивых БЗ ЭС для слабоструктурированных предметных областей на примере экологически и производственно обусловленных заболеваний органов дыхания.

6. Экспериментально проверить предложенную методологию и качество получаемых результатов на практике при построении БЗ ЭС выявления микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

Научная новизна диссертации состоит в следующем:

1) Предложена и адаптирована процедура экспертного опроса для определения структуры исходной БД диагностики экологически и производственно обусловленных заболеваний органов дыхания по микроэлементам на основе согласованного коллективного решения.

2) Предложена новая методология анализа медико-биологических данных с учетом контекста по алгебраической модели конструктивной логики (АМКЛ), позволяющая проводить интерпретацию экологически и производственно обусловленных заболеваний органов дыхания по микроэлементам для построения полной непротиворечивой БЗ ЭС.

3) Доработан алгоритм АМКЛ в части его использования для построения БЗ ЭС: разработана методика вычисления обобщенной оценки результата, факторо: уверенности (ФУ), коэффициентов значимости (КЗ), анализа чувствительности каждого фактора.

4) Разработана архитектура модели ЭС, основанной на логике предикатов, и смоделирована БЗ диагностики экологически и производственно обусловленных заболевания органов дыхания по биологическому маркеру - концентрации солей тяжелых металлов в биосубстрате моча и кровь.

5) Показана адекватность предложенной методологии на основе проведенного аналитического контрольного расчета по диагностике микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания, подтверждающая правильность построенной модели и обеспечивающая объективность и достоверность получаемых результатов.

Практическая значимость работы. Разработанная ЭС может быть использована в научных медико-биологических исследованиях, а также может применяться при подготовке студентов медицинских вузов и колледжей. Внедрение технологии ЭС в процесс обработки и интерпретации медицинской информации повышает объективность и достоверность полученных результатов обследования на микроэлементозы, что можно использовать в клинической практике после соответствующих утверждений в виде методических рекомендаций.

Внедрение результатов работы. Результаты исследования внедрены в диагностическую и лечебную практику работы Городской больницы №10 г. Тулы. Материалы диссертационной работы также внедрены в учебный процесс на кафедре «Санитарно-гигиенические и профилактические дисциплины» Тульского государственного университета по дисциплине «Медицинская информатика».

Апробация материалов работы. Апробация и внедрение результатов .¿следования осуществлялись на базе токсико-экологической лаборатории и Профцентра Городской больницы №10 г. Тулы.

Основные положения диссертационной работы докладывались и обсуждались на следующих научных мероприятиях: II Всероссийской научно-технической конференции (Тула, 2004); III Всероссийской научно-технической конференции (Тула, 2006); V Всероссийском конгрессе «Профессия и здоровье» (Москва, 2006); II Всероссийском съезде врачей-профпатологов (Ростов-на-Дону, 2006); 1-ой магистерской научно-технической конференции (Тула, 2006); научных семинарах и конференциях кафедры «Автоматизированных информационных и управляющих систем» (Тула, 2004-2008): VII Всероссийском конгрессе «Профессия и здоровье» (Москва, 2008); Всероссийской научно-практической конференции с международным участием, посвященной III Международному Полярному Году (Архангельск, 2009).

Результаты диссертационной работы апробированы на совместном заседании кафедр медико-биологических дисциплин, санитарно-гигиенических и профилактических дисциплин, автоматизированные информационные и управляющие системы Тульского государственного университета.

Публикации. По материалам диссертации опубликовано 13 печатных работ, из них 6 статей в рекомендованных ВАК журналах.

Структгура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, выводов, практических рекомендаций, списка литературы, приложений. Работа изложена на 187 страницах, содержит 20 рисунков, 17 таблиц. Список использованной литературы включает 235 источников, из них 53 зарубежных. .

Основные положения, выносимые на защиту.

1. Методология перехода от экспериментальных данных к знаниям с- учетом контекста AMKJI и применения обученной нейронной сети для построения полных и непротиворечивых БЗ ЭС в слабоструктурированных предметных областях на примере микроэлементных нарушений у человека для экологически и производственно обусловленных заболеваний органов дыхания.

2. Усовершенствованный AMKJI в части его использования для построения БЗ ЭС, который включает методику вычисления обобщенной оценки результата, ФУ, КЗ, анализа чувствительности каждого фактора.

3. Использование предложенной методологии для построения БЗ ЭС микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыханий.

4. Построенную модель БЗ ЭС можно использовать при проведении профессиональных медицинских осмотров для диагностики экологически и производственно обусловленных заболевания органов дыхания в качестве дополнительного метода установления диагноза заболевания, особенно для ранних стадий.

5. Программная реализация предложенной методологии обработки данных, обеспечивающей проектирование полных и непротиворечивых баз знаний в экспертных системах и улучшающей качество полученных знаний.

СОДЕЖАНИЕ

Во введении обосновывается актуальность выбранной темы, формулируются цель и задачи диссертационного исследования, определяется научная новизна и практическая значимость работы. Сформулированы основные положения, выносимые на защиту, приводятся сведения об апробации и внедрении результатов работы.

Первая глава посвящена обзору существующих методов построения ЭС или систем, основанных на знаниях, которые являются одним из наиболее распространенных и развитых классов в области искусственного интеллекта.

Достоинство применения ЭС заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений) из БЗ (Попов Э.В., 1990). Причем решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов (Тельнов Ю.Ф., 2004).

ЭС широко используются для решения медицинских и биологических задач (Дюк В., Эммануэль В., 2003; Б.А. Кобринский, 2005). К ним относятся задачи диагностики, прогнозирования, выбора стратегии, тактики лечения и др.

При построении ЭС наиболее «узким» местом является процесс приобретения, извлечения, формирования знаний. На практике выделяют четыре категории методов извлечения знаний (МИЗ):

1) коммуникативные методы, которые охватывают все виды контактов с экспертом (Ларичев О.И. и др., 1989; Гаврилова Т.А., Хорошевский В.Ф., 2000);

2) текстологические методы касаются МИЗ из документов и специальной литературы (Гаврилова Т.А., Червинская K.P., 1992);

3) традиционные методы - к ним относят инструментальные средства (ИС) запроса, статистическая техника, визуализация, интерактивная аналитическая обработка (OLAP), обучение, основанное на прецедентах (k-ближайший сосед) (Чубукова И.А., 2006; Николаев А.Б., Фоминых И.Б., 2003);

4) интеллектуальные (кибернетические) методы, направленные на выявление скрытых закономерностей между данными (деревья решений, ассоциативные правила, нейронные сети (НС), генетические алгоритмы и другие) (Чубукова И.А., 2006; Николаев А.Б., Фоминых И.Б., 2003).

Каждый МИЗ имеет свои возможности и условия их применения.

В данном исследовании выбор МИЗ определялся способностью модели к автоматическому обучению и формированию новых, непротиворечивых знаний, наглядностью и понятностью полученных знаний для интерпретации, а также удобством разработки БЗ ЭС.

Из описанных МИЗ наибольший интерес представляют интеллектуальные (кибернетические) методы, в частности, искусственные нейронные сети (ИНС) и алгебраические модели.

Основное достоинство НС состоит в том, что они умеют моделировать сложные нелинейные зависимости между входными и выходными переменными (Руанет В.В., 2007).

ИНС, в частности, многослойный персептрон, решают задачи регрессии и классификации. НС представляют собой вычислительные структуры, моделирующие простые биологические процессы, аналогичные процессам,

роисходящим в человеческом мозге. ИНС - это распределенные и параллельные .истемы, способные к адаптивному обучению путем реакции на положительные и отрицательные воздействия. В основе их построения лежит элементарный треобразователь, называемый искусственным нейроном.

Перед использованием НС производится ее обучение, что представляет собой итерационный процесс настройки весовых коэффициентов. Для обучения 1рименяются специальные алгоритмы - алгоритм обратного распространения эшибки (Back Propagation), сопряженных градиентов, RProp и другие.

Среди многочисленных алгоритмов, применяемых для решения медицинских $адач, можно выделить AMKJI, которая может быть использована для построения математических моделей по экспериментальным данным и ЭС. Следует заметить, что применение алгебраических алгоритмов прежде всего оправдывает себя при сплошном наблюдении или при скрининговых исследованиях, что характерно для поставленной задачи исследования.

В аналитическом обзоре приводятся примеры существующих ЭС, которые применяются для решения различных медицинских и биологических задач, рассматриваются их основные возможности и ограничения.

Во второй главе определены объект и предмет, методы исследования и программное обеспечение (ПО), использованное для сбора и анализа данных.

Объектом исследований являются данные медицинских обследований пациентов на содержание микроэлементов: 70 человек с заболеванием органов дыхания и 75 «условно здоровых» человек.

Предметом исследований является методология анализа данных для построения полных и непротиворечивых БЗ ЭС для трудных слабо формализованных областей знаний.

Результатом данного исследования является построение математической модели микроэлементных нарушений у человека на примере производственно и экологически обусловленных заболеваний органов дыхания с помощью созданных для этого методологии анализа и ПО.

Поставленные задачи решаются с использованием методов системного анализа, экспертного анализа, математической статистики, математической логики высказываний и предикатов первого порядка, теории вероятности, искусственного интеллекта, теории алгебраических моделей и программирования.

Основой исследований являются данные, для сбора, обработки и анализа которых использовано: ПО, созданное для автоматизации процесса сбора экспериментальных данных по теме исследования и дополнительной их верификации (BioElements, Махалкина В.В., 2006); ПО для проведения статистического анализа данных (Statistica 6.0); ПО для углубленного анализа данных с помощью алгебраических методов (AMKL, Хромушин В.А. и Бучель В.Ф., 2004); специализированное ПО для расчета максимальной мощности и анализа чувствительности импликант (RMM, Махалкина В.В. и Хромушин В.А., 2009); ПО для углубленного анализа данных с помощью НС технологий и построения обученной HC (Panalyzer, Россиев Д.А. и Россиев A.A., 2002); ПО, созданное для работы с БЗ ЭС, полученной с помощью алгебраических методов (ЭС AMKJI, Махалкина В.В., 2009) и нейронных сетей (ЭС ИНС, Махалкина В.В., 2009), и для сопоставления полученных результатов.

В третьей главе приведен алгоритм получения объективных и достоверны знаний из экспериментальных данных для построения полной непротиворечивой Б. ЭС (рис.1).

I Идентификация

II Концептуализация

Рис.1. Алгоритм обработки данных для создания БЗ ЭС

Предложенный алгоритм разработан с учетом особенностей поставленной задачи исследования, заключающейся в обработке слабоструктурированной информации для построения БЗ ЭС микроэлементных нарушений у человека, связанных с экологически и производственно обусловленными заболеваниями органов дыхания.

Алгоритм учитывает следующие особенности решаемой задачи: во-первых, предметная область мало изучена, т.е. нет четко формализованных знаний представленных в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.); во-вторых, не имеется достаточного количества квалифицированных экспертов для разработки БЗ; в-третьих, приходиться работать в ограниченном объеме информации; в-четвертых, из собранных данных необходимо выявить скрытые закономерности и получить качественно новые знания для решения задачи.

Методология анализа данных для построения полной непротиворечивой БЗ ЭС состоит из следующих этапов.

1. Поставка задачи исследования (идентификация проблемы) - определение назначения и сферы применения ЭС, формулировка целей и задач, решаемых ЭС, определение инструментария необходимого для построения ЭС.

2. Подбор рабочей экспертной группы - определение количества экспертов, критериев отбора экспертов, выбор минимально достаточной группы экспертов для решения задачи исследования.

3. Определение экспертной группой перечня входных и выходных атрибутов лекта исследования.

4. Сбор данных: набор репрезентативного материала для проведения гатистических исследований и анализа данных с помощью машинных методов бучения.

5. Предобработка и верификация данных: обнаружение дубликатов и ротиворечий, редактирование аномалий, заполнение пропусков, очистка от шумов.

6. Трансформация данных: табличная замена значений, изменение формата анных в вид пригодный для дальнейшей обработки.

7. Статистическая обработка данных: получение описательной статистики, роверка выборки по статистическим критериям, выявление закономерностей.

8. Применение АМКЛ и/или математического аппарата НС для получения лассификационных правил.

9. Обработка результатов АМКЛ (отбор значимых результирующих импликант и расчет ФУ) и/или НС (конструктивный анализ результатов работы обученной сети).

10. Создание БЗ: оформление логических правил, по которым работает ЭС.

11. Программирование алгоритмов: перенесение логических правил на язык программирования.

12. Создание интерфейса системы: разработка средств взаимодействия системы с пользователем - формы ввода данных, вывода ответа и т.п.

13. Отладка и тестирование: проверка работы программы и испытание в реальных условиях.

14. Доучивание ЭС происходит при накоплении новых дополнительных данных на основе АМКЛ и/или НС.

Описание данной методологии разбито на логические этапы, которые выделяют при построении ЭС. Здесь рассматриваются теоретические и методологические основы методов, которые используются при создании непротиворечивой и. полной БЗ ЭС, а также анализируются проблемы, возникающие при извлечении и обобщении знаний, предлагаются способы их преодоления.

На этапе идентификации определяются цели и задачи исследования, необходимое количество экспертов, критерии отбора экспертов, осуществляется выбор минимально достаточной группы экспертов для решения задачи исследования, проводится содержательный анализ предметной области, определяются параметры (характеристики) объекта исследования, на основании опыта и знаний приглашенных экспертов. Статистическая обработка результатов опроса экспертов производится в соответствии с предложенным алгоритмом, основные положения которого заимствованы из монографии (Добров Г. М., 1974).

Исходной информацией для обработки являются числовые данные предпочтения экспертов, полученные по каждому критерию (фактору) по важности вклада критерия в решение поставленной задачи (по 100 бальной шкале), и содержательное обоснование этих предпочтений. Целью обработки является получение обобщенных данных и новой информации, содержащейся в скрытой форме в экспертных оценках. Выявление экспертных знаний с применением коллективной экспертизы позволяет эффективно оценивать экспертные суждения, определять согласованность мнений экспертов, выделять оригинальные суждения, учитывать компетентность экспертов.

По данным экспертных мнений формируется логическая структура БД с возможным избыточным числом информационных полей, накапливаются исходные данные по исследуемой проблеме в ограниченном, но достаточном объеме для математической обработки с требуемой точностью, обязательно проводится предварительный входной контроль данных, осуществляются все необходимые преобразования для использования данных в математических или статистических методах (Хадарцев A.A. и др., 2006; Хромушин В.А., 2007).

На стадии концептуализации для оптимизации структуры БД производится разведочный анализ данных с помощью математических средств, например, АМКЛ. На основе проведенных расчетов исключаются те поля, участие которых в результирующих математических выражениях слабое или вообще отсутствует. Далее осуществляется контрольный расчет без выявленных слабо значимых информационных полей (Хадарцев A.A. и др., 2006). Если качество получаемых результатов остается прежним и не искажает конечный результат (вывод), то оставшиеся поля признаются значимыми и образуют оптимизированную БД.

Если выборка является информативной, то следует приступать к обработке информации с помощью статистических методов. Производится расчет статистических показателей выборки и выполняется корреляционный анализ данных, который позволяет определить существующие статистические зависимости между переменными.

Кроме этого необходимо проверить с помощью статистического критерия влияют ли выбранные факторы на состояние целевой переменной, т.е. установить не случайность зависимости между входными и выходным факторами. Один из наиболее популярных в медицине статистических критериев является у? (хи-квадрат). Главным его отличием от других критериев является непараметричность, т.е. независимость от формы распределения. Для того чтобы не давать слишком оптимистических оценок статистической значимости желательно делать вычисления с поправкой Йетса (F.Yates). Для таблиц с размерностью больше 2x2 используются коэффициенты взаимной сопряженности Пирсона и Чупрова (Г.Л. Громыко, 2000).

На этапе формализации БЗ осуществляется построение модели исследуемой задачи. Модель должна быть встроена в ЭС для формирования решения и для вывода объяснений причинно-следственных отношений, обнаруженных в БЗ.

При построении модели ЭС необходимо определить МИЗ для построения непротиворечивой БЗ. Для решения этой задачи можно воспользоваться АМКЛ, либо математическим аппаратом НС.

АМКЛ является в своей основе моделью интуитивистского исчисления предикатов, отображающей индуктивную часть мышления - формулирование сравнительно небольшого набора кратких выводов из массивов информации большой размерности (авторская работа В. Н. Щеглова).

Целью АМКЛ является получение классификационных правил, позволяющих эффективно распознавать объекты определенного класса. В работах В. Н. Щеглова, В.А. Хромушина было показано, что использование АМКЛ в алгоритмах анализа данных позволяет существенно повысить точность классификации объектов. Особенность данной модели состоит в ее приспособленности к исследованию динамики сложных объектов, зависящих от скрытых переменных. Алгоритм выявляет также контекст выводов, что позволяет уточнить их смысл, формирует пары прямых и «обратных» выводов с их контекстами, сопоставление которых

имулирует интуицию пользователя при интерпретации выводов или при азработке новой теории.

Вычисление моделей (в терминах дискретной математики - тупиковой изъюнктивной нормальной формы) начинается с квантования столбца целевых значений К на к значений соответствующей А-значной логики (0, 1, 2,..., к), часто производится разбиение У по медиане на булевы значения 0 и /. В АМКЛ предусмотрена также работа с векторными значениями У. Каждое целевое состояние объекта (строка массива данных) вначале сравнивается с ближайшей своей окрестностью нецелевых состояний. В результате вычисляется набор частных моделей (конъюнкций К), им соответствуют отдельные ситуации, в которых находится объект. Эти ситуации перечисляются в ИС с помощью логической связки «или» в порядке уменьшения их повторяемости (встречаемости в исходном массиве данных). Все это логическое выражение имплицирует (непротиворечиво соответствует) цели исследования - заданному значению дискретного У (логическая связка «если..., то ...»).

Таким образом, этот алгоритм определяет тупиковые дизъюнктивные формы (предикаты или «выводы») в виде набора конъюнкций:

...

где К=(а 1<Х!<р¡)&(а2<Х2< Ру)&...&(аг <хг<0г), & - логическая связка конъюнкция («и»), г - число интервалов (а, /?), т.е. ранг К, V - логическая связка дизъюнкция («или»), з - логическая связка импликация («если, то») и Z - цель исследования (обычно в булевом виде). Здесь все переменные х, будут булевыми, например, при обнаружении болезни х=1, при ее отсутствии х=0.

Предпочтительным является построение двух моделей: прямой расчёт (цель достигается) и расчет от обратного (цель не достигается), что упрощает интерпретацию результата за счет возможности сравнения противоположных результатов (В.А. Хромушин, В.Ф. Бучель, Т.В.Честнова, 2008).

В результате проведенных расчетов исследователь имеет набор логических выражений, каждое из которых представлено набором переменных (или одной переменной) с указанием области определения и мощности, т. е. общего числа выводов определенного вида, вычисленных из массива данных. Эти выводы непротиворечиво соответствуют заданной цели исследования. Чем больше оценка, тем чаще встречается данный вывод; такие выводы более устойчивы (надежнее).

Из полученных логических выражений отбираются результирующие импликанты с заданным пороговым минимальным значением мощности. Такие логические выражения формулируются в виде продукционных правил, а их мощности преобразуются в ФУ. Причем ФУ рассматриваются как весовые коэффициенты, которые отражают степень важности аргументов в процессе вывода заключений, а итоговые ФУ получаемых решений отражают порядок достоверности результата, а не его точность. В результате получается готовая БЗ.

Для работы с ней новый случай сверяют с правилами и отмечают те, формулировка которых соответствуют рассматриваемому случаю. Затем складывают доли отмеченных строк. В результате получают суммарную оценку по данному случаю.

Преобразование мощности в ФУ определяется по формуле:

где М, - текущая мощность; Мобщ - общее значение мощности для заданного значения целевой переменной.

Общая мощность определяется как максимально достигаемая мощность на множестве, полученных результирующих импликант. Она вычисляется путем полного перебора всех возможных значений переменных и пропуском их через фильтр результирующих импликант (рис. 2)._

Выбор переменной

¡«1 | [Построить график]|

Значения Факторов, в который достигается максимальная мощность

х10=2 х14-1 х22=1 «42=2 СР1 -168

2395 х1 -4 х2=1 хЗ-1 х4=2 хб-2 х7-1 х10-2 х14-2 х22-1 х42-2 СП -168

2396 х1 -4 х2-1 хЗ-1 х4=2 хб-2 х7=2 х10=2 х14=2 х22=1 х42-2 СР1 =168 12397 х1 =5 х2=1 хЗ=1 х4=2 хб-2 х7-1 х10-2 х14=2 х22=1 х42-2 СР1 =168 2398 х1 =5 х2=1 хЗ=1 х4=2 хб-2 я7=2 XI0-2 х14-2 х22=1 Х42-2 СР1 -168 2399x1-6x2-1 хЗ=1 х4=2 хб-2 х7=1

0=2x14=2x22=1 х42=2 СИ =168 2400 х1 =6 х2=1 хЗ=1 х4=2 х6=2 х7=2 х10-2 х14-2 х22-1 х42-2 СР1 =168 Количество записей с максимальной мощностью: 48

; 2

Расчетная мощность= М-144

Расчет максимально постигаемой мощности Максимально достигаемая мощность

Графическое отображение мощности по заданному фактору

..........^........

...Ж...

.....Я

Л! - -

Рис. 2. Программа для расчета максимальной мощности и анализа чувствительности импликант

Анализ чувствительности влияния каждого фактора на максимальную мощность выполняется для познания тонкостей полученной математической модели и природы влияния фактора на результат. Эта операция выполняется в едином цикле перебора значений при подсчете максимальной мощности.

Завершающим этапом аналитической работы является интерпретация результата, часто вызывающая у медицинского пользователя трудности. Для облегчения этой работы имеются различные рекомендации, графические представления результата и алгоритмы.

Одним из таких приемов является обобщенная оценка результата, которую необходимо выполнять на первоначальном этапе интерпретации результата.

Обобщенная оценка необходима для того, чтобы узнать какие результирующие импликанты следует считать наиболее значимыми, как сильно они выделяются на фоне остальных результирующих импликант, и на сколько эффективным следует считать выполненный аналитический расчет по своей пригодности для построения Э С.

Вычисление обобщенной оценки определяется в виде отношения числа результирующих импликант, ранжированных по убыванию мощности, второй части к числу первой части. Разделение на части представлено как пересечение накопительного ряда снизу вверх с накопительным рядом сверху вниз.

В табл. 1 факторы представлены в не сочетанном виде. Для данного примера обобщенная оценка равна 10/5 = 2. При этом предлагается оценивать результат как положительный при двукратном их превышении, а импликанты первой части как наиболее значимые.

Таблица I

Аналитический материал по микроэлементам

Части Сумма с накоплением снизу вверх Результирующие импликанты Сумма с накоплением сверху вниз

144 1. М= 21. (0,02 <Х6< 0,22) 21

123 2.М= 14. (0,08 <Х7< 0,19) 35

I 109 З.М= 14. (0,08 <Х7 <0,19 ) 49

95 4. М= 14. (0,08 <Х7< 0,19) 63

81 5. М= 10. (1,47 <Х2< 1,7) 73

71 6.М= 10. (0,01 <Х4< 0,03 ) 83

61 7. М= 10. (0,63 < Х6 < 0,82 ) 93

51 8. М=8. (0,08 <Х8< 0,16) 101

43 9. М= 7. (0,11 <ХЗ< 0,16) 108

II 36 10. М= 7. (0,05 < Х7 < 0,07 ) 115

29 11. М= 7. (0,04 < Х8 < 0,06 ) 122

22 12. М=6. (1,15 <Х2< 1,32) 128

16 13.М=6. (0,17 <Х5< 0,26) 134

10 14. М= 5. (1,76 <Х2< 2,0) 139

5 15. М=5. (0,22 < Х2 < 0,32 ) 144

В табл. 2 приведены результирующие импликанты в виде сочетанных факторов, отдельные из которых имеют одинаковые мощности, что затрудняет их ранжирование. Одновременно возникает вопрос о разделении на части, поскольку

значения сравниваемых накопленных сумм перекрываются.

Таблица 2

__Примерный вариант аналитического материала ._

Части Сумма с накоплением снизу вверх Результирующие импликанты Сумма с накоплением сверху вниз

I 383 1. М=108 (68<Х2<73) & (2<Х1 <5) 108

275 2. М=50 (2,3<X3<4)&(69<X2<75)&(0<X1<5) 158

225 3. М=50 (1<Х5<2) & (0<Х4<2)&(2<Х1<5) 208

II 175 4. М=50 (1<Х4< ) & (1<Х5<2) & (3<Х1< 5) 258

125 5. М=45 (68<Х2<71) & (1<Х4<2)&(0<Х1<5) 303

80 6. М=40 (74<Х2<78)&( 1 <Х4<2)&(0<Х6 < 1) 343

40 7. М=40(1.15<ХЗ<2)&(1<Х5<2)&(68<Х2<80) 383

Для ответа на поставленный вопрос предлагается:

1. Сравнить разности перекрывающихся накопленных сумм. Для выбранного примера: 225-158=67 и 208-175=33. Линию раздела провести по наименьшей разности.

2. Ранжирование результирующих импликант провести с учетом приоритета наибольшего числа перекрывающихся факторов по области их определения всех результирующих импликант. Для выбранного примера сравнение 3 и 4 импликант даст следующий результат, представленный в табл.3.

Предложенная обобщенная оценка позволяет оценить полученный результат и внести определенность в определении наиболее значимых результирующих составляющих.

Таблица 3

Сравнение импликант_

Импликанта № 3

3. (1 <= Х5 < 2) 3. (0<Х4<2) 1. (2 < XI < 5)

4. (1 <= Х5 <2) 6. (1 <= Х4 < 2) 2. (0 < XI < 5)

7.(1 <= Х5 < 2) 3. (2 < XI <= 5)

4. (3<Х1 <=5)

5. (0 < XI < 5)

Общее число с перекрывающимися областями определения факторов равно 10

Импликанта № 4

3.(1 <= Х5 < 2) 4. (1 < Х4 <= 2) 1. (2 < XI < 5)

4. (1 <= Х5 < 2) 5. (1 < Х4 <= 2) 2. (0 < XI < 5)

7.(1 <= Х5 < 2) 3. (2 < XI <= 5)

4. (3 < XI <= 5)

5. (0 < XI < 5)

Общее число с перекрывающимися областями определения факторов равно 10

Используя приведенные выше принципы построения окончательной результирующей модели, можно создать «отчуждаемую» ЭС (отдельный полнофункциональный модуль), в которую будут автоматически перенесены логические правила, по которым будет функционировать ЭС.

Второй подход заключается в построении БЗ ЭС с помощью НС. В этом случае БЗ формируется путем обучения на основе примеров, взятых из практической медицины. При этом приобретение знаний происходит через НС, а не посредством извлечения экспертных знаний, что позволяет существенно сократить время разработки ЭС, исключить субъективизм, свойственный экспертным методам, и получить новые скрытые знания.

В результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций. Таким образом, автоматически формируется БЗ, используемая при решении задач классификации (Тельнов Ю.Ф., 2004).

На этапе выполнения полученные результаты с помощью АМКЛ и/или НС преобразуют в правила вида: «Если <условие> то <действие> с ФУ=<значение>». Преобразование выводов, полученных из АМКЛ и/или НС, производится в соответствии с особенностями используемых алгоритмов и формой представления их результатов.

Процесс тестирования предполагает проверку полученной модели БЗ ЭС на адекватность, т.е. проверяют правильность выдаваемых заключений ЭС, оценивается дизайн системы, широта охвата предметной области, количество тупиковых ситуаций, когда система не может принять решение, анализ чувствительности программы к незначительным изменениям в представлении знаний, весовых коэффициентах, применяемых в механизме логического вывода, данных и т.п. (Гаврилова Т.А., Червинская К.Р., 1992).

Опытная эксплуатация предполагает использование ЭС для решения реальных задач в массовом порядке. В процессе опытной эксплуатации осуществляется сбор критических замечаний и по необходимости осуществляется внесение необходимых корректив в работу системы.

В четвертой главе приводился контрольный аналитический расчет по диагностике микроэлементных нарушений у человека на примере экологически и

производственно обусловленных заболеваний органов дыхания, подтверждающий адекватность предложенной модели и обеспечивающий объективность и достоверность получаемых результатов.

В связи с тем, что отмечается тенденция к увеличению заболевания хронической обструктивной болезнью легких (ХОБЛ), весьма актуальным представляется изучение проблемы своевременного диагностирования случаев этого заболевания. В России насчитывается около 1 млн. больных ХОБЛ (официальные данные МЗ РФ), но в действительности их количество может превышать 11 млн. человек (Чучалин А.Г., 2008).

В Городской больнице №10 г. Тулы в отделении пульмонологии и профпатологии «Тульского областного центра профпатологии» проводились исследования по оценке микроэлементных нарушений у пациентов с бронхообструктивным синдромом (Маленко И.В., 2001; Каменев Л.И., 2004).

Обследование пациентов осуществлялось с использованием следующих лабораторно-инструментальных методов: анализ крови (гемоглобинометрия, подсчет количества эритроцитов, лейкоцитов, лейкоцитарная формула, СОЭ); общий анализ мочи; биохимические тесты на фибриноген, сиаловую кислоту, белок и белковые фракции, глюкозу, липиды; общий клинический анализ мокроты, исследование мокроты на микробактерии туберкулеза и клетки злокачественных образований, оценка функции внешнего дыхания на установке «Брич^й», рентгенотомография органов дыхания, бронхофонография с использованием компьютерно-диагностикого комплекса «Паттерн».

Кроме приведенных выше лабораторно-инструментальных исследований больным проводилось определение содержания микроэлементов (МЭ) в суточном количестве моче и сыворотке крови с целью изучения возможности осуществления дополнительной диагностики ХОБЛ с помощью биологических маркеров -концентрации солей тяжелых металлов.

Определение концентрации МЭ в биосредах осуществлялось в Тульской областной токсико-экологической лаборатории при Городской больнице №10 методом атомной абсорбционной спектроскопии (пламенной) на установке «Сатурн-ЗП-1».

Для исследования зависимостей между содержанием МЭ и наличием заболеваний органов дыхания для построения прототипа ЭС было проведено обследование 75 человек, составляющих группу «условно здоровых», и 70 человек с заболеванием органов дыхания.

В первую группу «условно здоровые» вошли обследованные не страдающие заболеваниями органов дыхания и не работающие во вредном производстве.

Вторую группу обследованных составили пациенты с заболеваниями органов дыхания. Все пациенты, прошедшие обследование, страдают хроническим профессиональным бронхитом (ХПБ), хроническим пылевым бронхитом (ХПыБ), хроническим обструктивным бронхитом (ХОБ) непрофессиональной этиологии.

В результате обследования пациентов на содержание МЭ были получены результаты, представленные в табл. 4.

В табл. 5 приведены сведения о частотной встречаемости заболеваний органов дыхания по содержанию МЭ (отклонение, норма).

Таблица 4

Статистика распределения содержания МЭ у условно-здоровой группы _обследованных и пациентов с заболеванием ХОБЛ_

Группы РЬ Бе |Мп Си № гп Бг Сг Всего, чел.

о н о н о н о н о н о н о н о н

I группа 0 75 58 17 70 5 42 33 40 35 71 4 19 56 57 18 75

II группа 0 70 53 17 20 50 27 43 54 16 24 46 0 70 38 32 70

где о - отклонение, н - норма.

Таблица 5

Статистика распределения содержания МЭ по заболеваниям ХОБЛ

Заболевание (основной диагноз) РЬ Бе Мп Си № Ъл Бг Сг Всего, чел.

о н о н о н о н о н о н о н о н

ХПБ 0 26 19 7 10 16 11 15 19 7 7 19 0 26 13 13 26

ХПыБ 0 24 20 4 8 16 13 11 18 6 9 15 0 24 11 13 24

ХОБ 0 20 14 6 2 18 3 17 17 3 8 12 0 20 14 6 20

где о - отклонение, н - норма.

На сегодняшний день не существует утвержденных нормативов предельно-допустимых концентраций (ПДК) содержания МЭ в биосредах человека. Поэтому ПДК взяты из нормативов, разработанных тульскими специалистами, в которых учтены специфика и особенности региона Тульской области (Луцкий Я.М. и др., 1997).

Полученные данные показали, что в основном у большинства заболевших идет превышение содержания МЭ, либо они находятся в норме, за исключением РЬ и Бг -их содержание у всех обследуемых в норме.

В данном случае по табл. 4 и 5 нельзя сделать никаких выводов о существовании зависимости между содержанием МЭ и наличием проявления заболеваний органов дыхания. Это связано с тем, что для контрольного примера, взят ограниченный объем выборки.

В табл. 6 приведены средние значения содержания МЭ по группам.

Таблица б

МЭ Среднее содержание МЭ*, мкг/л

Группа I Группа II

РЬ 0,009±0,0016 0,023±0,003

Бе 1,24±0,1 1,96±0,2

Мп 0,065±0,008 0,03±0,005

Си 0,1±0,015 0,37±0,05

№ 0,07±0,01 0,06±0,006

гп 0,41 ±0,03 0,83±0,07

Бг 0,06±0,012 0,015±0,003

Сг 0,085±0,017 0,05±0,016

*« х ± Дх », где Ах - стандартная ошибка среднего Собранные данные проверялись на нормальность распределения. Все статистические расчеты выполнены в программе 81а1131юа 6.0. Для принятия решения о виде распределения применялись критерии Колмогорова-Смирнова (К-5 р), Лиллиефорса (УШеСэге р), Шапиро-Уилка

Результаты проверки показали, что распределение выборки можно считать отличающимся от нормального. В этом случае статистический анализ данных должен проводиться с использованием исключительно непараметрических методов (Реброва О.Ю., 2001).

Для исследования зависимости между переменными построена корреляционная матрица (КМ) (рис.3, 4) на основе вычисления коэффициентов ранговой корреляции Спирмэна, в которой красным цветом выделены те корреляции, которые указывают на наличие средней и сильной связи между переменными по шкале Чеддока при уровне значимости р<0,05. ______

РЬ | Ре ! МП Си N1 гп I Бг Сг

\/апаЫе 1 I

РЬ 1,000000 0,033150; 0,115807 0,190768; -0,138643 0.361187 0.237821; 0,197645

Ре 0,033150 1,000000; 0,440346 0,507825; 0,322796 0,250009 -0,042052! 0,600006

Мп 0,115807 0,440346; 1,000000 0,342729! 0,056048 0,144172 -0,112823 0,210328

Си 0,190768 0.507825; 0,342729 1,000000: 0,091275 0,495492 0,051485; 0,511307

N1 -0,138643 0,322796! 0,056048 0,091275; 1,000000 0,017426 -0,094842! 0,311267

гп 0.3611871 0,250009; 0,144172 0,495492; 0,017426 1,000000 -0,019861! 0,446756

Бг 0,237821: -0,042052; -0,112823 0,051485; -0,094842 -0,019861 : 1,000000; 0,019379

Сг 0,197645; 0,600006; 0,210328 0,511307; 0,311267 0,446756: 0,019379! 1,000000

Рис. 3. Корреляционная матрица по Спирмэну (для группы I)

\/апаЫе РЬ Ре МП Си № гп Бг | Сг

РЬ 1,000000 -0,039928 -0,025643! -0,007133 0,021852 -0,098109: 0,206414: 0,020110

Ре -0,039928 1,000000 0,137591! 0,724429 0,170114 0,558659! -0,072076: 0,260497

Мп -0,025643 0,137591 1.000000! 0,022222 0,250951 0,234364! -0,025728; 0,062351

Си -0,007133 0.724429 0,022222! 1,000000 -0,059588 0,522503: -0,136022 0,094888

N1 0,021852 0,170114 0,250951 ! -0,059588 1,000000 0,320000' 0,106597 0,071020

Тп -0,098109 0.558659 0,234364! 0,522503 0.320000 1,000000! -0,185244; 0,167954

Бг 0,206414 -0,072076 -0,025728 -0,136022 0,106597 -0,1852441 1,000000 -0,310354

Сг 0,020110 0.260497 0,062351 0,094888 0,071020 0,167954 -0,310354; 1,000000

Рис. 4. Корреляционная матрица по Спирмэну (для группы II) КМ, представленная на рис. 5, указывает на наличие связей между содержанием МЭ и состоянием обследованного. _

РЬ Ре ! Мп ] Си N1 | гп ! Бг Сг :' ^ад

\/апаЫе I I

РЬ 1,000000 0,030544 -0,069240; 0,189148 -0,036461! 0,176420: 0,076067 -0,009020 0.255655

Ре 0,030544 1,000000! 0.219389! 0,639029 0,236462! 0,454532! -0,131715 0,312461! 0,181531

Мп -0,069240 0,219389: 1,000000! 0,027654 0,076722! 0,021107! 0,107042 0,266552! -0,383555

Си 0,189148 0,639029! 0,027654! 1,000000 0,050437; 0,588774; -0,200732 0,129103; 0,426131

№ -0,036461 0,236462 0,076722! 0,050437 1,000000 0,159331! -0,051777 0,168850! 0,081759

2п 0,176420 0,454532: 0,021107! 0,588774 0,159331! 1,000000! -0,232131 0,142944; 0.393421

Бг 0,076067 -0,131715 0,107042! -0,200732 -0,051777! -0,232131: 1,000000 0,037571! -0,412418

Сг -0,009020 0.312461 0,266552; 0,129103 0,168850; 0,142944; 0,037571 1,000000; -0,315522

Ршд 0.255655 0,181531 -0,383555! 0.426131 0,081759: 0,393421! -0,412418 -0.315522; 1,000000

Рис. 5. Корреляционная матрица по Спирмэну (по всем группам) Из построенных КМ, выделены связи между МЭ (рис. 6). В ходе проведения корреляционного анализа было выделено большее количество связей, но здесь представлены наиболее значимые. 1 ,

Бе

Мп

Си

Ре

№

Сг

га

Ре

Л5

0,6

Си

оЗНсг ИЗТ

Ре

Си

гп

Рис. 6. Взаимосвязи по МЭ (1 - группа I, 2 - группа II) Данные, полученные в ходе корреляционного анализа, понадобятся на этапе тестирования для проверки результирующей АМКЛ встроенной в ЭС.

Проверка данных осуществлялась по критерию х2 и критерию х2 с поправкой Йетса (табл.7). Из проведенных расчетов видно, что все МЭ влияют на наличие заболевания органов дыхания, кроме железа. Так как по мнению экспертов железо играет важную роль в возможности развития заболевания органов дыхания, то Бе остается для уточнения его роли в модели АМКЛ.

Таблица 7

Расчет по статистическому критерию %2 и %2

МЭ Fe Мп Си Ni Zn Sr Cr

0,05 64,5 4,41 9,00 58,43 20,41 7,56

0,82 0,00 0,036 0,03 0,00 0,00 0,006

zL (F.Yates) 0,00

61.78 3,74 7,99

55.79 18,24 6,63

с поправкой Иетса

0,97 0,00 0,05 0,005 0,00 0,00 0,01

Для построения АМКЛ использовалась программа AMKL. Причем проводился прямой расчет, когда цель достигается, и обратный расчет, когда цель не может быть достигается.

Для построения модели использовались входные переменные: XI - возраст (age), Х2 - пол (sex), ХЗ - биологическая жидкость (bg), Х4 - свинец (РЬ), Х5-железо (Fe), Х6 - марганец (Мп), Х7 - медь (Си), Х8 - никель (Ni), Х9 - цинк (Zn), Х10 - стронций (Sr), XI1 - хром (Сг) и выходная (целевая) переменная диагноз: Х12 - диагноз (diag). Переменная Х12 принимает значение 1 - для группы «условно здоровые», 2 - группа с заболеваниями органов дыхания.

После проведения первоначального расчета выяснилось, что переменные XI, Х2 и ХЗ в построенной модели не участвуют. Поэтому эти переменные исключаются из результирующей модели. Переменная Х5 задействована во многих результирующих импликантах, следовательно, на данном этапе представляется целесообразным не исключать ее из результирующей модели.

В связи с тем, что ряд переменных был исключен и произведен перерасчет модели АМКЛ с измененной структурой данных: XI - Pb, Х2 - Fe, ХЗ - Мп, Х4 Си, Х5 - Ni, Х6 - Zn, Х7 - Sr, Х8 - Cr, Х9 - diag.

Для построения решающих правил ЭС использовались импликанты мощностью >3. Полученная результирующая модель представлена в табл. 8.

Таблица 8

Результирующая модель АМКЛ

Здоровые (М0бщ=83) - прямая модель

1. М= 21. ФУ=25% (0,02 <Х6 < 0,22 )

2. М= 14. ФУ=17% (0,08 < Х7 < 0,19 )

3.М=10. ФУ=12% (1,47 <Х2< 1,7)

4. М= 10. ФУ=12% (0,01 < Х4 < 0,03 )

5. М= 10. ФУ=12% (0,63 < Х6 < 0,82 )

6. М= 8. ФУ=9,6% (0,08 < Х8 < 0,16 )

7. М= 7. ФУ=8,4% (0,11 < ХЗ < 0,16)

8. М= 7. ФУ=8,4% (0,05 < Х7 < 0,07)

9. М= 7. ФУ=8,4% (0,04 < Х8 < 0,06)

10. М= 6. ФУ=7,2% (1,15 < Х2 < 1,32 )

11. М= 6. ФУ=7,2% (0,17 < Х5 < 0,26 )

Больные (Мобщ =64) - прямая модель

1. М= 16. ФУ=25% (1,2 < Х6 < 2,36)

2. М= 12. ФУ=19% (0,03 < XI < 0,06)

3. М= 10. ФУ=15,6% (2,76 <Х2 < 3,55)

4. М= 10. ФУ=15,6% (0,48 < Х4 < 0,62)

5. М= 9. ФУ=14% (0,72 < Х4 < 1,8 )

6. М= 9. ФУ=14% (0,99 < Х6 < 1,2 )

7. М= 7. ФУ=11% (0,32 < Х4 < 0,48 )

8. М= 7. ФУ=11% (1,84 < Х2 < 2,33 )

9. М= 6. ФУ=9,4% (0,00 < Х8 < 0,01)

10. М= 4. ФУ=6,2% (0,39 < Х6 < 0,42 )

11. М= 4. ФУ=6,2% (0,59 < Х2 < 0,64)

¿овые (Мобщ=83) - прямая модель Больные (Мобщ =64) - прямая модель

1. М= 5. ФУ=6% (1,76 < Х2 < 2,0) 3. М= 5. ФУ=6% (0,22 < Х2 < 0,32) 4. М= 4. ФУ=6% (0,32 < Х2 < 0,41) 5. М= 4. ФУ=6% (0,67 < Х2 < 0,8) 6.М=3. ФУ=3,6% ),23 < Х6 < 0,26) & (0,00 < XI < 0,04) 7. М= 3. ФУ=3,6% (0,34 < Х6 < 0,38 ) 8. М= 3. ФУ=3,6% (0,49 < Х2 < 0,54 ) 12. М= 4. ФУ=6,2% (1,6 < Х2 < 1,78) 13. М= 4. ФУ=6,2% (0,36 < Х2 < 0,44) 14. М= 4. ФУ=6,2% (0,13 < Х5 < 0,16) 15. М= 3. ФУ=4,7% (0,006 < ХЗ < 0,01) 16. М= 3. ФУ=4,7% (0,45 < Х2 < 0,49 ) 17. М= 3. ФУ=4,7% (0,07 < Х4 < 0,09) & (0.00 < ХЗ < 0,04) 18. М= 3. ФУ=4,7% (0,06 < Х5 < 0,08) 19. М= 3. ФУ=4,7% (1,13 < Х2 < 1,16 )

Особенностью полученной модели является то, что в ней практически не

стречаются сочетанные переменные.

По табл. 8 производился расчет общей мощности и ФУ. Для этого модель изуально представлялась в виде осей координат, на каждой из которых отмечены пределенная переменная или некоторая сочетанность. Каждый блок соответствует дному правилу, в нем можно указать мощность и номер правила, а также диапазон зменения переменной в виде интервала.

На рис. 7 жирными линиями выделены блоки с максимальными мощностями по переменным, сложив их - получаем общую мощность для заданной модели.

Основываясь на построенной схематичной модели (рис.7), подсчитан вклад каждой переменной или сочетанных переменных в решение задачи.

Рис. 7. Визуальная модель построенной модели АМКЛ (Группа II)

Для этого по каждой оси считаем общую мощность, делим на общую мощность и получаем коэффициент значимости каждого фактора (табл. 9).

Таблица 9

Коэффициенты значимости в полученных АМКЛ

Переменные К2 для модели здоровые К2 для модели больные

XI - 0,19

Х2 0,54 0,59

ХЗ 0,08 0,05

Х4 0,12 0,41

Х5 0,07 0,11

Х6 0,37 0,41

Х7 0,25 -

Х8 0,18 0,09

Х6&Х1 0,04 -

Х4&ХЗ - 0,05

По полученным результирующим импликантам с вычисленным ФУ оформлены логические правила, по которым должна работать ЭС. На рис. 8 представлен интерфейс ЭС.

М] ► [ НИ -I -И 1

Сработавшие правила вывода. Причем Фактор уверенности считается с нарастающим итогом.

Правило №19 Если 1.2<&1<-2.~36 то Бронхит с ФУ=0.25 Правило №20 Если 0.03<РЬ<-0.06 то Бронхит с ФУ=0.44 Правило №21 Если 2.76<Ре<3.55то Бронхит с ФУ=0.5Э6

Класс Здоровые -ОХ Класс БронхитьНЭ.59ЁХ

Рис. 8. Экспертная система, построенная на основе АМКЛ С помощью данного ПО проводили тестирование работы ЭС сначала н обучающей выборке (ОВ), затем на контрольной выборке (КВ) (табл. 10).

Таблица 1

Класс Количество примеров в ОВ Количество правильно распознанных примеров в ОВ Количество примеров в КВ Количество правильно распознанных примере в КВ

Группа I 75 72 96% 18 16 89%

Группа II 70 57 81,4% 16 12 75%

Несмотря на малый объем исходных данных тестирование модели показал: достаточно хорошие результаты. Для перенесения модели в практическу! деятельность необходимо повторить этап обучения ЭС на большем объеме выборке.

Второй вариант моделирования БЗ ЭС осуществлялся посредство использования обученной НС с помощью программы Рапа1угег, в которо реализованы автоматическая стратегия и тактика обучения НС, обеспечивающи оптимальное изменение параметров обучения для достижения цели, определенно специалистом.

Целью создания НС являлось распознавание наличия заболевания органе _ дыхания или его отсутствия на основании 8 входных параметров. Обучающа выборка для создания НЭС составила 145 человек, т.е. использовался тот же набо данных, что и для метода АМКЛ. I

Для проведения обучения была инициализирована нейросеть-классификато[ 1 Перед обучением НС устанавлись стартовые параметры, которые настраивают сет на желаемый уровень исполнения. Все параметры обученной НС представлены табл. 11. Через 231775 тактов функционирования НС полностью обучилась.

Таблица 11

Число нейронов Число тактов обмена Характеристика Допустимое отклонение, % Матрица Циклы

5 2 0,100 5,000 65 23177

Вычисление НС значимости обучающих параметров позволяет выявить какие .¡ременные оказывают малое влияние и исключить их НС.

Кроме того, используя метод AMKJI и НС, можно изменять значения ¡стируемого примера для получения требуемого ответа, тем самым моделируя ггуацию принятия решения «что будет, если...». Эта возможность позволяет тециалисту моделировать определенные ситуации с целью выяснить прогнозные гачения выходной переменной, а также проверять и строить интуитивные гипотезы предположения, выбирать наилучшую тактику.

После того как НС полностью обучена из нее извлекаются правила для остроения БЗ ЭС. Правила генерируются системой автоматически в виде рограммного кода на языке Object Pascal. Полученные правила соединяются с БД.

Обученную НС проверяем на ОВ и KB (по тем же данным, что и в АМКЛ). В 16л. 12 приведены данные по результатам тестирования обученной НС.

Таблица 12

Тестирование работы экспертной системы, построенной на основе НС

Класс Количество примеров в ОВ Количество правильно распознанных примеров в ОВ Количество примеров в KB Количество правильно распознанных примеров в KB

уппа I 75 62 82,6% 18 13 72,2%

>уппа II 70 64 91,4% 16 13 81,2%

Из представленных результатов тестирования НС можно сделать вывод, что НС учше распознает класс больных нежели класс здоровые. А при тестировании одели АМКЛ было определено, что лучше распознается класс здоровые.

Сравнительные исследования результатов работы АМКЛ и НС показали, что есмотря на сходство полученных результатов, АМКЛ обладает большей гачимостыо и предпочтительностью использования.

ВЫВОДЫ

1. Проведен анализ применения ЭС для решения плохо формализуемых задач, /шествующих ЭС в области биологии и медицины и, в частности, в области икроэлементных нарушений у человека, с целью выявить их основные достоинства ограничения.

2. Определены способы приобретения знаний от экспертов и методы обработки -сспертной информации для создания структуры исходной БД микроэлементных арушений у человека для диагностики экологически и производственно эусловленных заболеваний органов дыхания.

3. Исследованы существующие методы анализа данных и способы риобретения знаний из плохо формализуемых данных применимые для построения 3 ЭС микроэлементных нарушений у человека на примере экологически и роизводственно обусловленных заболеваний органов дыхания.

4. Предложено использование АМКЛ для анализа экспериментальных данных ри построении БЗ ЭС.

5. Разработана новая методология анализа медико-биологических данных с четом контекста по АМКЛ, позволяющая проводить интерпретацию экологически

производственно обусловленных заболеваний органов дыхания по икроэлементам для построения полной непротиворечивой БЗ ЭС.

6. Произведена доработка алгоритма АМКЛ в части его использования построения БЗ ЭС, которая включает: определение обобщенной оценк интерпретации результата, методику вычисления ФУ, КЗ, анализа чувствительност каждого фактора.

7. С помощью предложенной методологии построена полная непротиворечивая БЗ ЭС выявления микроэлементных нарушений у человека н примере экологически и производственно обусловленных заболеваний органо дыхания.

8. На основе построенной БЗ создано ПО, которое используется в Городско больнице №10 г. Тулы при проведении профессиональных медицинских осмотро для диагностики экологически и производственно обусловленных заболевани органов дыхания по биологическому маркеру - концентрации солей тяжелы металлов в биосубстрате моча и кровь.

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

1. Возможность использования выполненных в диссертационной работ методических разработок и рекомендаций в процессе обработки и интерпретаци медицинской информации при построении БЗ ЭС с помощью АМКЛ, чт существенно повышает объективность и достоверность полученных результате исследования.

2. Построенная модель диагностики заболеваний органов дыхания можс служить основой разработки системы профессиональных медицинских осмотров г биологическим маркерам выявлять здоровых лиц, группы риска и больных заболеваниями органов дыхания.

3. Разработанное ПО рекомендуется использовать для проведет аналитических расчетов в области микроэлементных нарушений.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Статьи в журналах, рекомендованных ВАК России

1. В.В. Могилина (В.В. Махалкина), В. А. Фатуев Анализ влият микроэлементов на здоровье населения в системе «окружающая среда-население» Известия ТулГУ. Серия «Вычислительная техника. Информационные технологи] Системы управления». Том 1. Вып. 4 «Информационные системы». - Тула, 2004. С. 189-196.

2. В.В. Махалкина, В.А. Фатуев Экспертная система «Биоэлементы» Известия ТулГУ. Серия «Вычислительная техника. Информационные технологи: Системы управления». Вып. 4 «Информационные системы». - Тула, 2005. - С.34-4!

3. В.В. Махалкина, В.А. Фатуев Анализ экспертной информации в сложнь системах // Известия ТулГУ. Серия «Вычислительная техника. Информационнь технологии. Системы управления». Вып. 4 «Информационные системы». - Тул 2006. -С.95-104.

4. В.В. Махалкина, В.А. Фатуев Анализ экспертной информации на осно1 использования коллективной экспертизы // Вестник ТулГУ. Серия «Вычислительн. техника. Информационные технологии. Системы управления». Вып. «Информационные системы». - Тула: Изд-во ТулГУ, 2007. - С. 14-22.

5. Хромушин В.А., Махалкина В.В. Обобщенная оценка результирующ« алгебраической модели конструктивной логики // Вестник новых медицинсю технологий. -2009. -С.39-40.

6. Хромушин В.А., Махалкина B.B. Использование алгебраической модели /нструктивной логики при построении экспертных систем // Вестник новых гдицинских технологий. - 2009. - С.40-41.

Статьи

7. В.В. Могилина (В.В. Махалкина), Л.И. Каменев, A.A. Хадарцев, И.В. анова, E.H. Наумова Компьютерная диагностика микроэлементозов // нформационные системы и модели в научных исследованиях промышленности и :ологии: II Всероссийская научно-техническая конференция. - Тула: Изд-во улГУ, 2004.-С.69-71.

8. Л.И. Каменев, A.A. Хадарцев, И.В. Панова, В.В. Махалкина, В.А. Фатуев □мпьютерные программы в изучении биоэлементозов // Информационные системы

модели в научных исследованиях промышленности и экологии: Доклады III :ероссийской научно-технической конференции. - Тула: Изд-во ТулГУ, 2006. -.89-91.

9. И.В. Панова, Л.И. Каменев, A.A. Хадарцев, В.В. Махалкина, E.H. Наумова омпьютерные технологии в диагностике биоэлементозов // Материалы V :ероссийского конгресса «Профессия и здоровье». - М.: Изд-во «Дельта», 2006. -.460-461.

10. Л.И.Каменев, И.В. Панова, В.В. Махалкина, В.А. Фатуев, E.H. Наумова истема анализа влияния биоэлементов на здоровье населения // Материалы II :ероссийского съезда врачей-профпатологов. - Ростов-на-Дону: ЗАО Толиграфист», 2006. - С.53-55.

11. В.В. Махалкина Интеллектуальная система анализа влияния биоэлементов i здоровье населения // 1-ая магистерская научно-техническая конференция: зисы докладов. Тула: Изд-во ТулГУ, 2006. - С. 179. -

12. В.В. Махалкина, Л.И. Каменев, A.A. Хадарцев, И.В. Панова, Е.Н. Наумова Микроэлементы - индикаторы здоровья / Материалы VII Всероссийского конгресса Трофессия и здоровье». Москва 25-27 ноября 2008 г. М.: ООО «Графикон», 2008. -556-557.

13. В.В. Махалкина, Л.И. Каменев, A.A. Хадарцев, И.В. Панова, E.H. Наумова рименение экспертных систем в диагностике экологически и производственно ¡условленных профессиональных заболеваний / Материалы Всероссийской учно-практической конференции с международным участием, посвященной III еждународному Полярному Году. Архангельск 17-19 июня 2009 г. - С.229-232.

СПИСОК СОКРАЩЕНИЙ ЯКЛ - алгебраическая модель НС - нейронные сети

нструктивной логики НЭС - нейросетевая экспертная система

[ - база данных OB - обучающая выборка

i - база знаний ПО - программное обеспечение

1С - интеллектуальная ФУ - фактор уверенности

формационная система ХОБ - хронический обструктивный

Г - инструментальные средства бронхит

1С - искусственные нейронные сети ХОБЛ - хроническая обструктивная i - контрольная выборка болезнь легких

! - коэффициент значимости ХПБ - хронический профессиональный

/Г - корреляционная матрица бронхит

ИЗ - методы извлечения знаний ХПыБ - хронический пылевой бронхит Э - микроэлемент ЭС - экспертная система

Формат бумаги 60x84/16. Бумага для множительных аппаратов. "Гарнитура «Times New Roman». Печать риз. Усл. печ. л. 2,0. Уч.-изд. л. 1,9. Тираж 60 экз. Заказ № 455.

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА I АНАЛИТИЧЕСКИЙ ОБЗОР ИСПОЛЬЗОВАНИЯ РАЗЛИЧНЫХ МЕТОДОЛОГИЙ ДЛЯ ПОСТРОЕНИЯ БАЗЫ ЗНАНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ В БИОЛОГИИ И МЕДИЦИНЕ.

1.1 Интеллектуализация медицинских систем.

1.2 Применение экспертных систем в медико-биологических исследованиях

1.3 Методы приобретения знаний для построения экспертной системы.

1.4 Состояние разработок в области медицинских экспертных систем.

ГЛАВА II ОБЪЕКТ И МЕТОДЫ ИССЛЕДОВАНИЯ.

ГЛАВА III МЕТОДОЛОГИЯ ОБРАБОТКИ ДАННЫХ ДЛЯ ПОСТРОЕНИЯ МЕДИЦИНСКОЙ БАЗЫ ЗНАНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

3.1 Алгоритм обработки данных для построения базы знаний экспертной системы.

3.2 Идентификация проблемы исследования.

3.3 Построение концептуальной модели.

3.4 Формализация базы знаний.

3.5 Выполнение экспертной системы.

3.6 Тестирование и опытная эксплуатация экспертной системы.

ГЛАВА IV ПОСТРОЕНИЕ БАЗЫ ЗНАНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ МИКРОЭЛЕМЕНТНЫХ НАРУШЕНИЙ У ЧЕЛОВЕКА НА ПРИМЕРЕ ЭКОЛОГИЧЕСКИ И ПРОИЗВОДСТВЕННО ОБУСЛОВЛЕННЫХ ЗАБОЛЕВАНИЙ ОРГАНОВ ДЫХАНИЯ.

4.1 Постановка задачи контрольного аналитического расчета по микроэлементным нарушениям при заболеваниях органов дыхания.

4.2 Диагностическая значимость микроэлементов при заболеваниях органов дыхания для построения экспертной системы микроэлементных нарушений.

4.3 Аналитический контрольный расчет для построения базы знаний экспертной системы микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

Актуальность проблемы. В настоящее время разработано множество различных систем, направленных на повышение уровня интеллектуальной информационной поддержки современного специалиста при принятии решений. Это системы интеллектуального анализа данных, позволяющие выявить скрытые закономерности; системы компьютерного имитационного моделирования; экспертные системы, основанные на знаниях и опыте принятия решений экспертов в определенных предметных областях (ПрО), и другие системы, облегчающие выбор лучшего решения из множества предложенных [1,8, 30, 41, 42, 44, 55, 62, 150, 183, 185-191].

Наиболее трудными для анализа и поддержки принятия решений являются слабоструктурированные ПрО, типичные для задач интерпретации, диагностики и прогнозирования в экономической, биологической, медицинской и других сферах деятельности, в которых данные могут быть представлены и количественно, и качественно. Кроме того, анализу информации и выработке вариантов решений должна предшествовать формализация модели (выявление основных факторов, связей между ними и силы влияния одних факторов на другие). В слабоструктурированных областях знаний этот процесс должен происходить в тесном контакте с экспертами, причем для сложных ПрО такая работа должна осуществляться при помощи компьютерной поддержки. Современные системы, предназначенные для работы со слабоструктурированной информацией, должны включать различные методы анализа, оценки и выработки решений, развитый пользовательский интерфейс для работы с экспертами, средства редактирования и настройки баз знаний, а также визуализации всего процесса принятия решения, анализа результатов, их интерпретации и объяснения [22, 150]. Архитектуры систем, удовлетворяющих указанным требованиям, в настоящее время находятся на этапе бурного развития, т.к. применение подобных систем открывает более широкие аналитические возможности для исследования сложных ПрО. Поэтому тематика данной работы, посвященная разработке методологии построения базы знаний сложных экспертных систем поддержки принятия решений в слабоструктурированных ПрО биологии и медицины, является актуальной [36, 43,68, 150, 202,211,213].

В рамках проводимого исследования представляется необходимым разработать методологию получения знаний из плохо формализованных данных для проектирования полной и непротиворечивой базы знаний экспертных систем, которая бы обеспечила компьютерную поддержку принятия решений современного специалиста в области микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

В связи с этим возникает противоречие между отсутствием эффективных средств для создания полной и непротиворечивой базы знаний экспертных систем и необходимостью разработки такой методологии, которая решала бы эту задачу в данной проблемной области. Разрешение данного противоречия определяет проблему исследования, которая заключается в разработке методологии обработки данных, обеспечивающей проектирование полных и непротиворечивых баз знаний в сложных экспертных системах и улучшающей качество полученных знаний.

Потребность в разрешении указанного противоречия, актуальность, практическая значимость этой проблемы определили тему нашего исследования -«Обработка слабоструктурированной информации при построении базы знаний экспертной системы микроэлементных нарушений у человека».

Цель исследования. Разработка методологии построения базы знаний сложных экспертных систем поддержки принятия решений, принимаемых в слабоструктурируемых предметных областях биологии и медицины на примере микроэлементных нарушений у человека для экологически и производственно обусловленных заболеваний органов дыхания.

Исходя из цели, были поставлены следующие задачи:

1. Определить принципы построения экспертных систем моделирования слабоструктурированной информации.

2. Проанализировать существующие экспертные системы в области медицины, биологии и, в частности, в области микроэлементных нарушений у человека, выявить их основные достоинства и ограничения.

3. Выявить эффективные способы приобретения знаний от экспертов и определить методы обработки экспертной информации для создания структуры исходной базы данных микроэлементных нарушений у человека для экологически и производственно обусловленных заболеваний органов дыхания.

4. Исследовать существующие методы анализа данных и способы приобретения знаний из плохо формализуемых данных для построения базы знаний экспертной системы микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

5. Разработать методологию перехода от данных к знаниям, включающую ее компьютерную поддержку, с построением полных и непротиворечивых баз знаний экспертных систем для слабоструктурированных предметных областей на примере экологически и производственно обусловленных заболеваний органов дыхания.

6. Экспериментально проверить предложенную методологию и качество получаемых результатов на практике при построении базы знаний экспертной системы выявления микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

Диссертационное исследование осуществлялось следующим образом:

1. Теоретико-проектировочный этап включал в себя анализ литературы по изучаемому вопросу, систематизацию и обобщение современных подходов. В этот период определялись основные методологические характеристики исследования, разрабатывался план работы, и проектировалась модель.

2. Экспериментальный этап был связан с разработкой методик диагностики изучаемого процесса, реализацией программной части исследования, внедрением результатов исследования в практику медицинских учреждений.

3. Завершающий этап включал проверку, уточнение результатов работы экспертной системы.

Научная новизна диссертации состоит в следующем:

1) Предложена и адаптирована процедура экспертного опроса для определения структуры исходной базы данных диагностики экологически и производственно обусловленных заболеваний органов дыхания по микроэлементам на основе согласованного коллективного решения.

2) Предложена новая методология анализа медико-биологических данных с учетом контекста по алгебраической модели конструктивной логики (АМКЛ), позволяющая проводить интерпретацию экологически и производственно обусловленных заболеваний органов дыхания по микроэлементам для построения полной непротиворечивой базы знаний экспертной системы.

3) Доработан алгоритм АМКЛ в части его использования для построения базы знаний экспертных систем: разработана методика вычисления обобщенной оценки результата, факторов уверенности, коэффициентов значимости, анализа чувствительности каждого фактора.

4) Разработана архитектура модели экспертной системы, основанной на логике предикатов, и смоделирована база знаний диагностики экологически и производственно обусловленных заболевания органов дыхания по биологическому маркеру — концентрации солей тяжелых металлов в биосубстрате моча и кровь.

5) Показана адекватность предложенной методологии на основе проведенного аналитического контрольного расчета по диагностике микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания, подтверждающая правильность построенной модели и обеспечивающая объективность и достоверность получаемых результатов.

Практическая значимость работы. Разработанная система может быть использована в научных медико-биологических исследованиях, а также может применяться при подготовке студентов медицинских вузов и колледжей. Внедрение экспертных технологий в процесс обработки и интерпретации медицинской информации повышает объективность и достоверность полученных результатов обследования на микроэлементозы, что можно использовать в клинической практике после соответствующих утверждений в виде методических рекомендаций.

Внедрение результатов работы. Результаты исследования внедрены в диагностическую и лечебную практику работы Городской больницы №10 г. Тулы. Материалы диссертационной работы также внедрены в учебный процесс на кафедре «Санитарно-гигиенические и профилактические дисциплины» Тульского государственного университета по дисциплине «Медицинская информатика».

Апробация материалов работы. Апробация и внедрение результатов исследования осуществлялись на базе токсико-экологической лаборатории и Городской больницы №10 г. Тулы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных мероприятиях: II Всероссийской научно-технической конференции (Тула, 2004); III Всероссийской научно-технической конференции (Тула, 2006); V Всероссийском конгрессе «Профессия и здоровье» (Москва, 2006); II Всероссийском съезде врачей-профпатологов (Ростов-на-Дону, 2006); 1-ой магистерской научно-технической конференции (Тула, 2006); научных семинарах и конференциях кафедры «Автоматизированные информационные и управляющие системы» (Тула, 20042008); VII Всероссийском конгрессе «Профессия и здоровье» (Москва, 2008); Всероссийской научно-практической конференции (Архангельск, 2009).

Результаты диссертационной работы апробированы на совместном заседании кафедр медико-биологических дисциплин, санитарно-гигиенических и профилактических дисциплин, автоматизированные информационные и управляющие системы Тульского государственного университета.

Публикации. По материалам диссертации опубликовано 13 печатных работ, из них 6 статей в рекомендованных ВАК журналах.

Структура и объем диссертации. Диссертация имеет общепринятую структуру, состоит из введения, 4 глав, заключения, выводов, практических рекомендаций, списка литературы, приложений. Работа изложена на 187 страницах, содержит 20 рисунков, 17 таблиц. Список использованной литературы

ВЫВОДЫ

1. Проведен анализ применения ЭС для решения плохо формализуемых задач, существующих ЭС в области биологии и медицины и, в частности, в области микроэлементных нарушений у человека, с целью выявить их основные достоинства и ограничения.

2. Определены способы приобретения знаний от экспертов и методы обработки экспертной информации для создания структуры исходной БД микроэлементных нарушений у человека для диагностики экологически и производственно обусловленных заболеваний органов дыхания.

3. Исследованы существующие методы анализа данных и способы приобретения знаний из плохо формализуемых данных применимые для построения БЗ ЭС микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

4. Предложено использование AMKJI для анализа экспериментальных данных при построении БЗ ЭС.

5. Разработана новая методология анализа медико-биологических данных с учетом контекста по АМКЛ, позволяющая проводить интерпретацию экологически и производственно обусловленных заболеваний органов дыхания по микроэлементам для построения полной непротиворечивой БЗ ЭС.

6. Произведена доработка алгоритма АМКЛ в части его использования для построения БЗ ЭС, которая включает: определение обобщенной оценки интерпретации результата, методику вычисления ФУ, КЗ, анализа чувствительности каждого фактора.

7. С помощью предложенной методологии построена полная и непротиворечивая БЗ ЭС выявления микроэлементных нарушений у человека на примере экологически и производственно обусловленных заболеваний органов дыхания.

8. На основе построенной БЗ создано ПО, которое используется в Городской больнице №10 г.Тула при проведении профессиональных медицинских осмотров для диагностики экологически и производственно обусловленных заболеваний органов дыхания по биологическому маркеру - концентрации солей тяжелых металлов в биосубстрате моча и кровь.

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

1. Возможность использования выполненных в диссертационной работе методических разработок и рекомендаций в процессе обработки и интерпретации медицинской информации при построении БЗ ЭС с помощью AMKJI, что существенно повышает объективность и достоверность полученных результатов исследования.

2. Построенная модель диагностики заболеваний органов дыхания может служить основой разработки системы профессиональных медицинских осмотров по биологическим маркерам выявлять здоровых лиц, группы риска и больных с заболеваниями органов дыхания.

3. Разработанное ПО рекомендуется использовать для проведения аналитических расчетов в области микроэлементных нарушений.

1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова. М.: Издательство «Экзамен», 2004. - 528с.

2. Авцын А.П., Жаворонков А.А., Риш М.А., Строчкова Л.С. Микроэлементозы человека: этиология, классификация, органопатология. М.: Медицина, 1991. -496с.

3. Агаджанян Н.А., Велданова М.В., Скальный А.В. Экологический портрет человека и роль микроэлементов. М.: Медицина, 2001. 236 с.

4. Агаджанян Н.А., Желтиков А.А., Северин А.Е. Экопортрет и здоровье жителей средней полосы России. — Тула: Изд-во Тул. гос. пед. ун-та им. Л.Н. Толстого, 2000.- 309 с.

5. Адаптогены в медицинских и биологических системах (Теория и практика восстановительной медицины. Том III): Монография / Хадарцев А.А. и др.; [науч. ред. А.А. Хадарцева и В.М. Еськова] Тула: ООО РИФ «ИНФРА» -Москва, 2005.-220 с.

6. Александров В.В. Роль серы и других химических элементов в клинике, патогенезе и лечении бронхиальной астмы и хронического обструктивного бронхита / Дис. .к.м.н Санкт-Петербург, 2001.- С. 184.

7. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2004. — 424 с.

8. Арсеньев Ю.Н., Шелобаев С.И., Давыдова Т.Ю. Принятие решений. Интегрированные интеллектуальные системы: Учеб. пособие для вузов. М.: ЮНИТИ-ДАНА, 2003. - 270 с.

9. Бабенко Г.А. Микроэлементозы человека: патогенез, профилактика, лечение // Микроэлементы в медицине 2(1). 2001. - с.2-5.

10. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В.Ф. Хорошевский СПб: Питер, 2000. - 384 е.: ил.

11. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. - 304 е.: ил. - (Информатика в техническом институте).

12. Белых JI.H. Анализ математических моделей в иммунологии. М.: Наука, 1988.-192 с.

13. Боровиков В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. Издание 2-ое стереотипное - М.: Информационно-издательский дом «Филинъ», 1998.- 608 с.

14. Васильева О.С., Чучалин А.Г., Черняев A.JL, Самсонова М.В., Кулемина Е.А. Гиперчувствительный пневмонит, вызванный действием металлов-аллергенов // Пульмонология 4. 2008. - с. 116-118.

15. Велданова М.В., Скальный А.В. Йод знакомый и незнакомый. Москва, 2001.-112 с.

16. Витамины, макро- и микроэлементы / В.Г. Ребров, О.А. Громова. М.: ГЭОТАР-Медиа, 2008. - 960 е.: ил.

17. Власов А.В. Эпидемиология: учебное пособие / В.В. Власов. 2-ое изд., испр. - М.: ГЭОТ АР-Медиа, 2006. - 464 е.: ил.

18. Вознесенский Н.К., Величковский Б.Т. Аэрозоли конденсации оксидов низкоцитотоксичных металлов как этиологический фактор профессиональных кардиомиопатий // Пульмонология 4. — 2008. с.47-51.

19. Воронова Г.В. Бронхолегочная патология на территории Чувашской республики и ее связь с микроэлементами // Микроэлементы в медицине 2(3). -2001. с.15-19.

20. Вуколов Э.А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов STATISTICA и EXCEL: Учебное пособие. М.:ФОРУМ: ИНФРА-М, 2004. - 464 с. - (Профессиональное образование).

21. Выявление экспертных знаний (процедуры и реализации)/ О.И. Ларичев, А.И. Мечетов, Е.М. Мошкович, Е.М. Фуремс. М.: Наука, 1989. - 128 с.

22. Гаврилова Т.А., Червинская К.Р. Излечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 200 е.: ил.

23. Гаскаров Д.В. Интеллектуальные информационные системы. Учеб. для вузов. М.: Высш. Шк., 2003. - 431 с: ил.

24. Гидрохимические показатели состояния окружающей среды: справочные материалы / Под ред. Т.В. Гусевой. М.: ФОРУМ: ИНФРА-М, 2007. - 192 с. -(Высшее образование).

25. Гланц С. Медико-биологическая статистика. Пер. с англ. -М., Практика, 1998.- 459 с.

26. Голубкина Н.А., Скальный А.В., Соколов Я.А., Щелкунов Л.Ф. Селен в медицине и экологии. М.: Изд-во КМК. 2002. 134 с.

27. Горбачев А.Л., Ефимова А.В., Луговая Е.А., Бульбан А.П. Особенности элементного статуса жителей природно-географических территорий Магаданского региона // Экология человека. 2003. — №6. — с. 12-15.

28. Двоенко С.Д. Основы теории систем и системного анализа: Учебное пособие. Тула: Изд-во ТулГУ, 2006. - 119 с.

29. Девятков В.В. Системы искусственного интеллекта: Учеб. пособие для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 352 е., ил. (Сер. Информатика в техническом университете)

30. Джарратано Джозеф, Райли Гари Экспертные системы: принципы разработки и программирование, 4-ое издание.: Пер. с англ. — М.: ООО «И.Д. Вильяме», 2007. 1152 е.: ил. - Парал. тит. Англ.

31. Джексон Питер Введение в экспертные системы: Пер. с англ.: Уч. пос. — М.: Издательский дом "Вильяме", 2001. 624 е.: ил. — Парал. тит. англ.

32. Добров Г. М., Ершов Ю. В., Левин Е. И. и др. Экспертные оценки в научно-техническом прогнозировании. Киев: Наукова думка, 1974. — 159 с.

33. Долгодворов А.Ф. Роль изменения содержания микро- и макроэлементов в различных средах организма больных бронхиальной астмой и хроническим бронхитом в патогенезе заболевания / Дис.д.м.н. — Санкт-Петербург, 2001.— С. 329.

34. Дудина О.В. Гомеостаз глюкокортикостероидных гормонов, магния, кальция, цинка, меди у больных бронхиальной астмой и отдельные аспекты их взаимодействия: Автореф. дис. канд. мед. наук. СПб., 1995.- 16 с.

35. Духанин А.С., Булаева Н.И. Влияние кортизола на содержание кальция в лимфоцитах больных бронхиальной астмой // Бюлл. эксперим. биологии и медицины, 1992. Т. 114, N. 9. - С. 282 - 284.

36. Дюк В., Эммануэль В. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. - 528 е.: ил.

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

38. Загоруйко Н.Г., Елкина В.Н., Лбов Г.С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985. - 110 с.

39. Интеллектуальная автоматизированная система ситуационного управления безопасностью газопроводов / В.А. Фатуев, К.А. Морозов, В.М. Митин, А.С. Югфельд; под ред. д.т.н., проф., академика В.А. Фатуева, М.: Недра, 2001.-212 с.

40. Интеллектуальные модели анализа экономической информации: курс лекций, 2005. 44 с. http://www.basegroup.ru

41. Интеллектуальные системы общего назначения: А. А. Красил ов Информатика в семи томах. Том 7. Интеллектуальные системы (Системы решения пpoблeм).http://www.intellsyst.ru/

42. Интеллектуальные системы принятия проектных решений / А.В. Алексеев, А.Н, Борисов, Э.Р. Вилюмс, Н.Н. Слядь, С.А. Фомин. Рига: Зинатне, 1997.-320 е., ил.

43. Информационные технологии в медицине: Монография / Хадарцев А.А. и др.; [науч.ред.А.А.Хадарцев] Тула, 2006. - 272 с.

44. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. - 464 е.: ил.

45. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - 304 е.: ил.

46. Каменев Л.И. Системный анализ микроэлементных, вентиляционных и микроциркуляторных нарушений при немедикаментозной терапии заболеваний органов дыхания: Автореф. дис. . канд. мед. наук. — Тула, 2004. — 22 с.

47. Каменев Л.И., Панова И.В., Махалкина В.В., Фатуев В.А., Наумова Е.Н. Система анализа влияния биоэлементов на здоровье населения // Материалы II Всероссийского съезда врачей-профпатологов. Ростов-на-Дону: ЗАО «Полиграфист», 2006. - С.53-55.

48. Карп В.П. Метод направленного обучения в системах поддержки принятия врачебных решений // Новости искусственного интеллекта. 2005. №2. -С.34-50.

49. Каштанова Т.А. Применение фармакологических проб для диагностики характера обструктивных нарушений у шахтеров-угольщиков в преморбидной стадии хронического пылевого бронхита // Медицина труда и промышленная экология.- 1999.-№8.-С.35-39.

50. Клинические рекомендации. Пульмонология / под ред. Чучалина. М.: ГЭОТАР-Медиа, 2008. - 240 с.

51. Клюшин Д.А., Петрунин Ю.И. Доказательная медицина. Применение статистических методов. — М.: ООО «И.Д. Вильяме», 2008. 320 е.: ил.

52. Кобринский Б.А. Ретроспективный анализ медицинских экспертных систем // Новости искусственного интеллекта. 2005. №2. — С.6-17.

53. Кокосов А.Н. Определение и классификация хронического бронхита // в кн. Чучалин А.Г. Хронические обструктивные болезни легких. М.: ЗАО «Изд-во БИНОМ», 2000. - С.111-129.

54. Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. СПб.: Изд-во СПбГТУ, 2001. — 600 с.

55. Колпакова А.Ф. Роль загрязнения тяжелыми металлами среды обитания в патогенезе хронических заболеваний легких на Севере // Медицина труда и промышленная экология. 2004. - № 8. - с. 14-19.

56. Коммерческие оболочки экспертных систем, http://inf.susu.as.ru/~pollaky expert/commercial/faq-doc-7.html.

57. Коровина Н.А. Витамино-минеральная недостаточность // Русский медицинский журнал. 2003. - том 11, №25. - с.1432-1434.

58. Кочин Д.Ю. Построение баз экспертных знаний для интеллектуальных обучающих систем: Автореф. дис. . к.т.н. Москва, 2006. — 26 с.

59. Кудрин А.А., Скальный А.В., Жаворонков А.А., Скальная М.Г. Иммунофармакология микроэлементов. М.: КМК, 2000. — 456 с.

60. Куликов А.В. Исследование и разработка алгоритмов обобщения на основе теории приближенных множеств: Автореф. дис. . к.т.н. Москва, 2004. -20 с.

61. Кулинич А. А. Разработка принципов и методов построения программных систем поддержки принятия решений в слабоструктурированных ситуациях на основе моделирования знаний эксперта: Автореф. дис. . к.т.н. -Москва, 2003.-34с.

62. Лисецкая Л.Г., Дорогова В.Б. Методические подходы к определению микроэлементозов в биосредах//Медицина труда и промышленная экология. — 2003.-№3.-с. 35-39.

63. Литвак Б.Г. Экспертные технологии в управлении: Учеб. пособие. 2-е изд., испр. и доп. -М.: Дело, 2004. -400с.

64. Литовская А.В., Егорова И.В., Толкачева Н.И. Состояние местного иммунитета при воздействии антропогенных факторов биологической, химической и физической природы в условиях производства //Медицина труда и промышленная экология. 1998. - №1.-С. 13-16.

65. Лукашевич И.П. Проблемы информационного взаимодействия в медицине // Новости искусственного интеллекта. 2005. №2. — С.51-62.

66. Луценко Е. В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности: 351400 "Прикладная информатика (по отраслям)". Краснодар: КубГАУ. 2004. - 633 с.

67. Луцкий Я.М., Неудахин Е.В., Чернов В.М., Черниенко Е.И., Подчуфарова Л.Н., Жуков В.П., Котик Л.И., Сильверстова Л.А. Практическое пособие по раннему выявлению и этапному лечению ГУСов инфекционной и токсической этимологии. — Тула, 1997.- 40 с.

68. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2005. - 864 е.: ил. - Парал. тит. англ.

69. Лютикова Л.А. Моделирование и минимизация систем знаний в терминах многозначной логики предикатов: Автореф. дис. . к.ф.-м.н. Самара, 2008. - 19 с.

70. Мазо В., Скальный А., Гмошинский И. Эссенциальные микроэлементы в питании // Врач. 2003. - с.34-36.

71. Маленко И.В. Прогностическая значимость математических моделей концентрации микроэлементов в моче на ранних стадиях хронического пылевого бронхита: Автореф. дис. . канд. мед. наук. Тула, 2004. - 22 с.

72. Маркунина Е.В., Утенина В.В. Характеристика кардиологического статуса у детей с тиреопатиями, проживающих в йоддефицитном регионе // Вестник ОГУ. Приложение «Биоэлементология»/ Оренбург, ИПК ГОУ ОГУ, 2006. -с.142-145.

73. Махалкина В.В. Интеллектуальная система анализа влияния биоэлементов на здоровье населения // 1-ая магистерская научно-техническая конференция: тезисы докладов. Тула: Изд-во ТулГУ, 2006. С.179.

74. Махалкина В.В. Компьютерная система диагностики биоэлементозов // Сборник докладов заочной Всероссийской конференции студентов «Молодежь и наука: начало XXI века». — Красноярск: Изд-во КГТУ, 2006.

75. Махалкина В.В., Каменев Л.И., Хадарцев А.А., Панова И.В., Наумова Е.Н. Микроэлементы индикаторы здоровья / Материалы VII Всероссийского конгресса «Профессия и здоровье». Москва 25-27 ноября 2008 г. М.: ООО «Графикон», 2008. - С.556-557.

76. Махалкина В.В., Фатуев В.А. Анализ экспертной информации в сложных системах // Известия ТулГУ. Серия «Вычислительная техника. Информационные технологии. Системы управления». Вып. 4 «Информационные системы». Тула, 2006. - С.95-104.

77. Методы нейроинформатики / Под ред. А.Н. Горбаня; отв. за выпуск М.Г. Доррер КГТУ, Красноярск, 1998. - 205 с.

78. Миркес Е.М. Нейроинформатика: Учеб. пособие для студентов: ИПЦ КГТУ. Красноярск, 2002. - 347 с.

79. Могилина В.В., Фатуев В.А. Экспертная система «Биоэлементы» // Известия ТулГУ. Серия «Вычислительная техника. Информационные технологии. Системы управления». Вып. 4 «Информационные системы». Тула, 2005. - С.34-48.

80. Модели для решения задач надежности искусственных нейронных систем: монография / В.И. Потапов. Омск: Изд-во ОмГТУ, 2009. - 98 с.

81. Нейлор К. Как построить свою экспертную систему: Пер. с англ. М.: Энергоатомиздат, 1991. — 286с.: ил.

82. Нейроинформатика / А.Н.Горбань, В.Л.Дунин-Барковский, А.Н.Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

83. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. с пол. И. Д. Рудинского. v Москва: Горячая линия-Телеком, 2008. 383 с.

84. Нейронные сети: полный курс / Саймон Хайкин; пер. с англ. Н. Н. Куссуль, А. Ю. Шелестова. Изд. 2-е, испр. — Москва: Вильяме, 2008. -1103 с.

85. Нейронные сети: распознавание, управление, принятие решений / А.Б. Барский. Москва: Финансы и статистика, 2007. - 174 с.

86. Нейросетевые технологии. Искусственные нейронные сети: учебное пособие / И.К. Никифоров. Чебоксары: Изд-во Чувашского ун-та, 2008. - 263 с.

87. Нефедов Е.И., Субботина Т.И., Яшин А.А. Современная биоинформатика. — М.: Горячая линия Телеком, 2005. - 272 е.: ил.

88. Николаев А.Б., Фоминых И.Б. Интеллектуальный анализ и обработка данных. Учебное пособие. М.: МАДИ (ГТУ), 2003. - 119с.

89. Николаев А.Б., Фоминых И.Б. Нейросетевые методы анализа и обработки данных. Учебное пособие. М.: МАДИ (ГТУ), 2003. - 95с.

90. Новиков Д.А., Новочадов В.В. Статистические методы в медико-биологическом эксперименте (типовые случаи). Волгоград: Издательство ВолГМУ, 2005. 84 с.

91. Ноздрюхина J1.P. Биологическая роль микроэлементов в организме животных и человека. М.: Наука, 1977. 183 с.

92. Оберлис Д., Харланд Б., Скальный А. Биологическая роль макро- и микроэлементов у человека и животных. СПб.: Наука, 2008. - 544 с.

93. Овчинников В. А. Алгоритмизация комбинаторно-оптимизационных задач при проектировании ЭВМ и систем: Учеб. для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. — 288 е., ил. (Сер. Информатика в техническом университете).

94. Орлов А.И. О применении статистических методов в медико-биологических исследованиях // Журнал «Вестник Академии медицинских наук СССР». 1987. No.2. С.88-94.

95. Орлов А.И. Экспертные оценки: Учебное пособие. — Москва, 2002. http://orlovs.pp.ru/

96. Основные показатели здоровья населения и деятельности органов и учреждений здравоохранения г. Тулы за 2003 год: Статистическо-аналитический справочник / Под общ. ред. В.П. Васильева. — Тула, 2004. — 81 с.

97. Панова И.В., Каменев Л.И., Хадарцев А.А., Махалкина В.В., Наумова Е.Н. Компьютерные технологии в диагностике биоэлементозов // Материалы V Всероссийского конгресса «Профессия и здоровье». М.: Изд-во «Дельта», 2006. -С.460-461.

98. Подунова Л.Г., Некрасова Г.И. Международное совещание «Влияние свинца и других тяжелых металлов на здоровье детей» // Здоровье населения и среда обитания. 1995. — №10. - с. 1-7.

99. Прогнозирование в системе STATISTIC А в среде Windows. Основы теории и интенсивная практика на компьютере: Учебное пособие/ В.П. Боровиков, Г.И. Ивченко. М.: Финансы и статистика, 2000 - 384 с.

100. Пупков К.А., Коньков В.Г. Интеллектуальные системы. М.: Издательство МГТУ им. Н.Э. Баумана, 2003. — 348 е., ил.

101. Райцес B.C. Нейрофизиологические основы действия микроэлементов. -Л.: Медицина, 1981. 152 с.

102. Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. М.: МедиаСфера, 2002. - 312с.

103. Ревич Б.А. Биомониторинг токсичных веществ в организме человека // Гигиена и санитария. 2004. — №6. — с. 26-31.

104. Ревич Б.А. Место факторов окружающей среды среди внешних причин смертности населения России // Гигиена и санитария. 2007. - №1. - с. 25-30.

105. Ревич Б.А., Шапошников Д.А., Семутникова Е.Г. Климатические условия и качество атмосферного воздуха как факторы риска смертности населения Москвы // Медицина труда и промышленная экология. 2008. - № 7. -с. 29-35.

106. Резолюция международной конференции «Государственная политика в области здорового питания; ликвидация недостаточности микронутриентов в России». Москва, 28-29 февраля 2000 г.

107. Россиев Д.А. Самообучающиеся нейросетевые экспертные системы в медицине: теория, методология, инструментарий, внедрение: Автореф. дис. . д.м.н. Красноярск, 1995. — 29 с.

108. Руанет В.В. Биоинспирированные информационные технологии в медико-биологических исследованиях (искусственные нейронные сети): Монография. М., 2007. - 146 с.

109. Руанет В.В. Использование искусственных нейронных сетей для комплексного решения медико-биологических проблем: Дис. . д.б.н. Тула, 2007. - 222 с.

110. Рукавишников B.C., Маторова Н.И., Ефимова Н.В., Дьякович М.П., Батурин В.А. Применение математического моделирования в системе здоровье -окружающая среда. — 2002. №4. - с. 65-66.

111. Сапожников СЛ., Голенков А.В. Роль биогеохимических факторов в развитии краевой патологии // Микроэлементы в медицине 2(3). 2001. - с.70-72.

112. Сергиенко В.И., Бондарева И. Б. Математическая статистика в клинических исследованиях. М.:ГЭОТАР-МЕД, 2001 - 256 с.

113. Синергетика в клинической кибернетике. Часть II. Особенности саногенеза и патогенеза в условиях Ханты-Мансийского автономного округа -Югры / В.М.Еськов, А.А.Хадарцев, О.Е.Филатова. Самара: ООО «Офорт», 2007. - 292 с.

114. Системный анализ, управление и обработка информации в биологии и медицине. Часть III. Системный анализ и управление в медицине / Под ред. А.А.Хадарцева. Тула: «Тульский полиграфист», 2002. - 256 с.

115. Скальная М.Г., Дубовой P.M., Скальный А.В. Химические элементы-микронутриенты как резерв восстановления здоровья жителей России: Монография. Оренбург. РИК ГОУ ОГУ, 2004. - 239 с.

116. Скальный А.В. Биоэлементология: основные понятия и термины Текст.: терминологический словарь / А.В.Скальный, И.А. Рудаков, С.В. Нотова, В.В. Скальный, Т.И. Бурцева, О.В. Баранова, С.Г. Губайдулина. Оренбург: ГОУ ОГУ, 2005. - 50 с.

117. Скальный А.В. Микроэлементозы человека: Диагностика и лечение: Практическое руководство для врачей и студентов медицинских вузов Серия: Школа биотической медицины. М.: Изд-во «Научный мир», 1999. - 96 е.: ил.

118. Скальный А.В. Микроэлементы для вашего здоровья / А.В. Скальный. -2-е изд., испр. и доп. М.: Издательский дом «ОНИКС 21 век», 2004. - 320, 2. с.

119. Скальный А.В. Химические элементы в физиологии и экологии человека. М.: Издательский дом «Оникс 21 век»: Мир, 2004. - 216 с.

120. Скальный А.В. Цинк и здоровье человека (книга для современных думающих врачей и любознательных пациентов). Оренбург: РИК ГОУ ОГУ, 2003.-80 с.

121. Скальный А.В. Эколого-физиологические аспекты применения макро- и микроэлементов в восстановительной медицине. Оренбург: РИК ГОУ ОГУ, 2003.- 198 с.

122. Скальный А.В., Быков А.Т., Лимин Б.В. Диагностика, профилактика и лечение отравлений свинцом. — М.: ВЦМК "Защита", 2002. 52 с.

123. Скальный А.В., Быков А.Т., Серебрянский Е.П., Скальная М.Г. Медико-экологическая оценка риска гипермикроэлементозов у населения мегаполиса. — Оренбург: РИК ГОУ ОГУ, 2003. 146 с.

124. Скальный А.В., Быков А.Т., Яцык Г.В. Микроэлементы и здоровье детей.1. М.: КМК, 2002.-134 с.

125. Скальный А.В., Горбачев А.Л., Велданова М.В. Элементный статус детей Северо-Востока России. Оренбург: РИК ГОУ ОГУ, 2004. 189 с.

126. Скальный А.В., Есенин А.В. Мониторинг и оценка риска воздействия свинца на человека и окружающую среду с использованием биосубстратов человека // Токсикологический вестник. 1996. — № 6. - С. 16-23.

127. Скальный А.В., Кудрин А.В. Радиация, микроэлементы, антиоксиданты и иммунитет (микроэлементы и антиоксиданты в восстановлении здоровья ликвидаторов аварии на ЧАЭС). М.: Изд-во Лир Макет, 2000. 421 с.

128. Скальный А.В., Лакарова Е.В., Кузнецов В.В., Скальная М.Г. Аналитические методы в биоэлементологии / под ред. А.В. Скального, С.П. Нечипоренко. Спб.: Наука, 2009. - 264 с.

129. Скальный А.В., Орджоникидзе З.Г., Катулин А.Н. Питание в спорте: макро- и микроэлементы. М.: ОАО «Издательский дом «Городец», 2005. 144 с.

130. Скальный А.В., Рудаков И.А. Биоэлементы в медицине. М.: Издательский дом «Оникс 21 век»: Мир, 2004. - 272 с.

131. Скальный А.В., Труханов И.А. Современные методы диагностики элементного баланса и их роль в восстановительной медицине // Современные технологии восстановительной медицины / Под ред. Труханова А.И. М.: Медика, 2004. - 288 с.

132. Скальный А.В., Яцык Г.В., Одинаева Н.Д. Микроэлементозы у детей. -М.:КМК, 2002.- 151 с.

133. Славин М.Б. Методы системного анализа в медицинских исследованиях. М.: Медицина, 1989. - 304 с.

134. Славин М.Б. Системное моделирование патологических процессов. М., Медицина, 1983. - 144 е., ил.

135. Смолин Д.В. Введение в искусственный интеллект: конспект лекций. — М.: ФИЗМАТЛИТ, 2004. 208 с.

136. Создание графической среды для экспертных систем / Я.С. Ватулин; Тул. гос. ун-т; Тула, 1997. 88 с.

137. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале: Пер.с англ.; Предисловие В.П.Иванникова. М.: Финансы и статистика, 1990.- 191 е.: ил.

138. Соломахина А.А.Актуальные аспекты применения методов системного анализа в медицине // Системный анализ и управление в биомедицинских системах. 2008. Том 7. № 2. - с.390-393.

139. Стариков А. Нейронные сети математический аппарат http://www. basegroup.ru

140. Статические и динамические экспертные системы: Учебное пособие / Э.В.Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. — М.: Финансы и статистика, 1996.-320 е.: ил.

141. Степанова М.Д., Самодумкин С.А. Прикладные интеллектуальные системы в области медицины: Учебно-методическое пособие — Мн.: БГУИР, 2000. -38 с.

142. Студеникин В.М., Балканская С.В., Шелковский В.И., Курбатаева Э.М. Витаминно-минеральная недостаточность у детей: соматические и психоневрологические аспекты проблемы // Лечащий врач. 2008. - №1. - с. 1922.

143. Судоплатов С.В., Овчинникова Е.В. Математическая логика и теория алгоритмов: Учебник. М.: ИНФРА-М; Новосибирск: Изд-во НГТУ, 2004. - 224 с. - (Высшее образование).

144. Сусликов В.Л.,. Толмачева Н.В, Родионов В.А.,. Демьянова В.Н О критериях оценки обеспеченности организма человека атомовитами // Микроэлементы в медицине 2(3). — 2001. с.2-9.

145. Таджиев Ф.С., Рустамов Б.Р., Вахретдинов Ф.Н. и др. Содержание цинка и меди в крови и конденсате влаги выдыхаемого воздуха у больных хроническим обструктивным бронхитом // Пульмонология. 1992. - № 4з приложение. - 424 с.

146. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер.с англ./Предисл. Г.С.Осипова. — М.: Финансы и статистика, 1990. 320с.: ил.

147. Тельнов Ю.Ф. Интеллектуальные информационные системы. / Московский международный институт эконометрики, информатики, финансов и права. М.,2004. - 82 с.

148. Теория и технология построения интегрированных экспертных систем: монография / Рыбина Г. В. — Москва: Научтехлитиздат, 2008. 482 с.

149. Теория информационных процессов и систем: учеб. пособие для вузов / В.А. Подкучаев. М.: Гардарики, 2007. - 207 с.

150. Теория статистики: Учебник / Под ред. проф. Г.Л. Громыко. М.: ИНФРА-М, 2000. - 414 с. - (Серия «Высшее образование»).

151. Тестирование экспертных систем при эксплуатации и сопровождении / В.А. Фатхи, Д.В. Фатхи. Ростов-на-Дону: ГОУ РГАСМ, 2008. - 81 с.

152. Фомин И.Н., Соколов С.П., Грабеклис А.Р., Надоров С.А., Скальный А,В. Оценка элементного статуса работников металлургического производства: методологический аспект // Микроэлементы в медицине 8(1). 2007. - с.25-29.

153. Флетчер Р., Флетчер С., Вагнер Э. Клиническая эпидемиология: основы доказательной медицины. М.: Медиа Сфера, 1998.— 345с.: ил.

154. Хабаров С.П. Экспертные системы (конспект лекций) http://fiiTti.trade.spb.ru/ serp/maines.htm

155. Хадарцев А.А. Купеев В.Г., Морозов В.Н., Тутаева Е.С. Диагностические и лечебно-восстановительные технологии при сочетанной патологии внутренних органов и систем: Монография / Под ред. А.А. Хадарцева. Тула: Тульский полиграфист, 2003. — 172 с.

156. Хадарцев А.А., Зилов В.Г., Еськов В.М., Кидалов В.Н., Карташова Н.М., Наумова Э.М. Теория и практика восстановительной медицины: Монография / Под ред. А. А. Хадарцева. Тула, 2004. - Т. 1. - 248 с.

157. Хромушин В.А. Информатизация здравоохранения. Учеб. пособие // А.В. Черешнев, Т.В. Честнова — Тула: Изд-во ТулГУ, 2007. 207 с.

158. Хромушин В.А., Бучель В.Ф., Честнова Т.В.Особенности использования алгебраических моделей конструктивной логики в биофизике и биологии // Вестник новых медицинских технологий. 2008. - Т. XV, № 4. - С. 174-175.

159. Хромушин В.А., Бучель В.Ф., Честнова Т.В.Программа построения алгебраических моделей конструктивной логики в биофизике, биологии и медицине // Вестник новых медицинских технологий. 2008. - Т. XV, № 4. - С. 173-174.

160. Хромушин В. А., Махалкина В.В. Обобщенная оценка результирующей алгебраической модели конструктивной логики // Вестник новых медицинских технологий. 2009. - С.39-40.

161. Хромушин В.А., Махалкина В.В. Использование алгебраической модели конструктивной логики при построении экспертных систем // Вестник новых медицинских технологий. 2009. — С.40-41.

162. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. - 608 е.: ил.

163. Чащин В.П., Аскарова З.Ф., Ларионова Т.К., Кудашева А.Р. Элементный статус работников горно-обогатительного предприятия // Медицина труда и промышленная экология. — 2007. №10. - с.9-13.

164. Чернавский Д.С., Родштат И.В., Карп В.П. Искусственные нейросети и концепция аутодиагностической системы человека // Новости искусственного интеллекта. 2005. №2. С.63-76.

165. Черноруцкий И.Г. Методы оптимизации и принятия решений: Учебное пособие. СПб.: Издательство «Лань», 2001. - 384 с. - (Учебники для вузов. Специальная литература).

166. Чучалин А.Г. Хронические обструктивные болезни легких. М.: ЗАО «Изд-во БИНОМ»,- 2000. - 512 с.

167. Щеглов В. Н. Алгебраические модели конструктивной логики для управления и оптимизации химико-технологических систем // Автореферат кандидата технических наук. Л.: Технологический институт им. Ленсовета. -1983.-20 с.

168. Экспертные системы. Принципы работы и примеры: Пер. с англ./ А. Брукинг, П. Джонс, Ф. Кокс и др.; Под ред. Р. Форсайта. М.: Радио и связь, 1987. - 224 е.: ил. (Кибернетика).

169. Экспертные системы: состояние и перспективы: Сборник научных трудов / Под ред. Д.А. Поспелова. М.: «Наука», 1989. - 151 с.

170. Ярушкина Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие. М.: Финансы и статистика, 2004. - 320 е.: ил.

171. Ясницкий JI.H. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. заведений / Леонид Нахимович Ясницкий. — М.: Издательский центр «Академия», 2005. — 176 с.

172. Abebaw М. Yohannes, Robert С. Baldwin, and Martin Connolly Mortality predictors in disabling chronic obstructive pulmonary disease in old age Age Ageing, Mar 2002; 31: 137- 140.

173. Accounting expert systems, by Smith, L. Murphy http://www.cpajournal.com/ index.htm

174. Alejandro Macchia, Simona Monte, Marilena Romero, Antonio D'Ettorre, and Gianni Tognoni The prognostic influence of chronic obstructive pulmonary disease in patients hospitalised for chronic heart failure Eur J Heart Fail, September 2007; 9: 942 -948.

175. Architectural design of multi-agent systems: technologies and techniques / Hong Lin ed.. Hershey, Pa.; New York: Inform, science ref., cop. 2007. - XVIII, 421, [2] c.

176. Artificial intelligence and integrated intelligent information systems: emerging technologies and applications / Xuan F. Zha editor. Hershey, PA : Idea Group Publ., cop. 2007. - 454 p.

177. Artificial neural nets and genetic algorithms: proc. of the Intern, conf. in Roanne, France, 2003 / David W. Pearson, Nigel C. Steele, Rudolf F. Albrecht (eds.). -Wein ; New York : Springer, cop. 2003. X, 266 p.

178. Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992.

179. Aynsley M., Hofland A., Morris A.J. et al. Artificial intelligence and the supervision of bioprocesses (real-time knowledge-based systems and neural networks) // Adv. Biochem. Eng. Biotechnol.- 1993.- N.48.- P. 1-27.

180. Barnes PJI. Is asthma a nervous disease? // Chest.-1995.-Vol. 107.-N 3.-P. 119- 125.

181. Clarke K., O'Moore R., Smeets R., Talmon J., Brender J., McNair P., Nykanen P., Grimson J., Barber B. (1995) A methodology for evaluation of knowledge-based systems in medicine, Yearbook of Medical Informatics, p. 513-528.

182. Comparative Quantification of Health Risks: Global and Regional Burden of Diseases Attributable to Selected Major Risk Factors / Eds M. Ezzati et al. 2004. -Vol. 1-2.

183. Dannoni S.J., Massari P., Droy J.M., Mame N., Blanc Т., Moirot E., Lerroy J. SETH: an expert system for the management on acute drug poisoning in adults. Comput. Methods Programs Biomed. 1993; 43: P. 171 176.

184. Data Mining: Учебное пособие/ И.А. Чубукова. М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. - 382 е.: ил., табл. — (Серия «Основы информационных технологий»)

185. Deckhujisen P.N.R., Gosselink R. Pulmonare rehabilitation. COPD: diagnosis and treatment. Amsterdam, Barcelona, Hong Kong et al. 1996 - 93102 P.

186. Francesco Di Meo, Claudio Pedone, Sergio Lubich, Carlo Pizzoli, Marco Traballesi, and Raffaele Antonelli Incalzi Age does not hamper the response to pulmonary rehabilitation of COPD patients Age Ageing, September 2008; 37: 530 -535.

187. Frans H. Rutten, Maarten-Jan M. Cramer, Jan-Willem J. Lammers, Diederick E. Grobbee, and Arno W. Hoes Heart failure and chronic obstructive pulmonary disease: An ignored combination? Eur J Heart Fail, November 2006; 8: 706 -711.

188. Global Initiative for Chronic Obstructive Lung Diseases (GOLD). Global strategy for diagnosis, management, and prevention of chronic obstructive pulmonary disease // NHLBI/WHO workshop report. Publication Number 2701, April 2001.

189. Guidelines for the management of chronic obstructive pulmonary disease. Thoracic Society of Australia and New Zealand. Mod. Mad. — Australia; July, 1995. — P.132-146.

190. Holger Michael, Jennifer Hogan, Alexander Kel, Olga Kel-Margoulis, Frank Schacherer, Nico Voss, and Edgar Wingender Building a knowledge base for systems pathology Brief Bioinform, November 2008; 9: 518 531.

191. Hybrid intelligent systems: analysis and design / Oscar Castillo et al. (eds.). -Berlin [etc.]: Springer, cop. 2007. XV, 433, 1. c.

192. Innovations in intelligent systems / Ajith Abraham, Lakhmi C. Jain, Berend J. van der Zwaag (eds.). Berlin etc.: Springer, cop. 2004. - xxv, 468 p.

193. Jeremy Levy, Edwina Brown, Christine Daley, and Anastasia Lawrence Supplemental vitamins and trace elements Oxford Handbook of Dialysis, Jan 2009; 3.

194. Karim M.N., Rivera S.L. Artificial neural networks in bioprocess static estimation // Adv. Biochem. Eng. Biotechnol.- 1992.- N.46.- P. 1-33.

195. Khaltaev N. Global strategy for the diagnosis, management, and prevention of chronic obstructive lung disease: NHLBI / WHO Workshop. -1998. 32 p.

196. Kirchgessner M. 1993. Underwood material lecture. Homeostasis and homeorhesis in trace element metabolism // Trace Elements in Man and Animals-TEMA-8 / M. Ance, D. Meissner, C.F. Mills (eels.). Dresden. P.4-21.

197. Kors J.A., Sittig A.C. and Van Bemmel J.H., The Delphi Method to validate diagnostic knowledge in computerised ECG interpretation,1 Meth. Inform, Med. 29 (1990)44-50.

198. Marion Edwards and Roger E. Cooley Expertise in expert systems: knowledge acquisition for biological expert systems Comput. Appl. Biosci., December 1993; 9: 657 -665.

199. Mathew В., Altura B.M. The role of magnesium in lung diseases: asthma, alltgry and pulmonary hypertension // Magnes. Trace Elem.- 1991/92,- Vol. 10, №1.-P. 220 228.

200. Meissner D. 1993. Evaluation of trace elements status using biochemical indicators. // TEMA-8 /Eds. Anke M., Meissner D., Mills C.F. Dresden. P.1074-1078.

201. Mertz W. 1985. Metabolism and metabolic effects of trace elements // Trace elements in Nutrition of Children. /Ed. of R.K. Chandra. New York: Vevey Raven Press. P. 107-117.

202. MURRAY LONGMORE, IAN В WILKINSON, TOM TURMEZEI, and CHEE KAY CHEUNG Chronic obstructive pulmonary disease (COPD) Oxford Handbook of Clinical Medicine, Jan 2007; 7.

203. Nelson H. B-adrenergic bronchodilatators // N. Engl.J.Med.- 1995.- Vol. 333(8).- P. 449 506.

204. Nolan J., McNair P. and Brender J., Factors influencing iransferabiliry of knowledge-based systems. Int. J. Biomed Сотр. 27 (1991) 7-26.

205. O'Moore R., Clarke K., Brender J., McNair P., Nykanen P., Smeets R., Talmon J., Grimson J. and Barber В., Methodology for evaluation of knowledge based systems, Technical Report EM-1.2 of the KAVAS (A 1021) AIM Project, 1990.

206. O'Moore R.R. and Engelbrecht R., The evaluation of medical decision support/expert systems, in: J. Talmon and J. Fox, eds., Knowledge Based Systems in Medicine: Methods, Applications and Evaluation (Springer, Berlin, 1989) 263-273.

207. Planning in intelligent systems: aspects, motivations, and methods / ed. by Wout van Wezel, Ren6 Jorna, Alexander Meystel Hoboken, N.J.: Wiley-interscience , cop. 2006. 574 p.

208. Ramsey C.L., Reggia J.A., Nau D.S. and Ferrentino Т., A comparative analysis of methods for expert systems, Int. J. Man-Machine Studies 24 (1986) 475-499.

209. Rossi-Mori A. and Ricci F.L., On the assessment of medical expert systems, in: Expert Systems and Decision Support in Medicine, Lecture Notes in Medical Informatics 36, O. Rienhoff, U. Piccolo and B. Schneider, eds. (1988) 292-297.

210. Sergaard P., Evaluating expert system prototypes, in: 9th Scandinavian Seminar on Development of Expert Systems, Bastad (1986).'

211. Skalny A., Odinaeva N., Lukoyanova O. et al. 1999. Trace elements in newborns and their mothers from the different regions of Russia // Proc. 2nd Int. Symp. On trace elements in human: new perspectives. Athens, 7-9 Oct., 1999. Athens. P.41.

212. Smeets R.P., Talmon J.L. and O'Moore R., General methodology and problems in assessment of decision support systems, in: Medical Informatics Europe '90 Proc, R. O'Moore, S. Bengtsson, J.R. Bryant and J.S. Bryden tds. (Springer, Berlin, 1990) 225-230.

213. Theoretical neuroscience: computational and mathematical modeling of neural systems / Peter Dayan a. L. F. Abbott. Cambridge, Mass.; London: MIT press, cop. 2001.-XV, 460 p.

214. Wyatt J. and Spiegelhalter D., Evaluating medical expert systems: What to test and how, in: J. Talmon and J. Fox, eds., Knowledge Based Systems in Medicine (Springer, Berlin, 1989) 274-290.

215. Zimmermann M., Adou P., et al. 2000. Iron supplementation in goitrous, iron-deficient children improves their response to oral iodized oil // Eur. J. Endocrinol. Vol. 142. No. 3. P. 217-223.