автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Построение оперативных диагностических правил с использованием структурного анализа классов инфекционных заболеваний

На правах рукописи

Габусу Паулина Айкипсовна

ПОСТРОЕНИЕ ОПЕРАТИВНЫХ ДИАГНОСТИЧЕСКИХ ПРАВИЛ С ИСПОЛЬЗОВАНИЕМ СТРУКТУРНОГО АНАЛИЗА КЛАССОВ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ

Специальность 05 13.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

□03060401

Москва - 2007

003060401

Работа выполнена на кафедре «Прикладная математика» Государственного образовательного учреждения высшего профессионального образования (ГОУ ВПО) «Московский государственный институт радиотехники электроники и автоматики (технический университет)»

Научный руководитель-

Научный консультант:

Официальные оппоненты:

Ведущая организация:

заслуженный деятель науки РФ доктор физико-математических наук, профессор

Самохин Александр Борисович

кандидат технических наук Михеев Олег Валерьевич

доктор технических наук, профессор Карп Виктория Павловна

кандидат физико-математических наук, доктор биологических наук, профессор Поройков Владимир Васильевич

Институт электронных управляющих машин (ИНЭУМ)

Защита состоится «3о» нд^ 2007 г. в КЪЪ на заседании диссертационного Совета Д 212.131.03 при ГОУ ВПО «Московский государственный институт радиотехники, электроники и автоматики (технический университет)» по адресу: 119454, г.Москва, проспект Вернадского, д. 78.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «Московский государственный институт радиотехники, электроники и автоматики (технический университет)».

Автореферат разослан «2.6 » апреля 2007 г.

Ученый секретарь диссертационного совета кандидат технических наук, доцент

Тягунов О А

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Эпидемическая ситуация по инфекционным и паразитарным заболеваниям в мире продолжает оставаться напряженной Именно ранняя диагностика опасных инфекционных заболеваний (ОИЗ) играет решающую роль в предотвращении серьезных последствий возможного распространения, позволяет определить тактику лечения больных на догоспитальном этапе, оказать неотложную внебольничную помощь Таким образом, диагностика опасных инфекционных заболеваний на ранних стадиях является чрезвычайно важной задачей государственного масштаба

В настоящее время идет непрерывное совершенствование "старых" диагностических методов, разрабатываются новые, всё более эффективные и надежные методики Необходимость дальнейшей разработки методов оперативной диагностики инфекционных заболеваний во многом обусловлена тем, что происходит заметное изменение патоморфоза и клинической картины инфекций Увеличивается количество стертых, атипичных, затяжных форм инфекций, нарастание частоты смешанных инфекций бактериальной и вирусной природы Надо признать, что ни один из современных оперативных методов не обеспечивает 100% выявления возбудителя инфекции. Поэтому целесообразным является использование нескольких методов диагностики, нередко требуется проведение повторных исследований.

Существующие методы диагностики ОИЗ, во-первых, длительны во времени, во-вторых, требуют либо дорогостоящего оборудования (иммуноферментный и радиоиммунный анализ, вирусологический, бактериологический, серологический, паразитологический методы исследования), либо недостаточно чувствительны (клинико-иммунологическая оценка лабораторных данных, основанная на качественной визуальной оценке биохимической реакции) Проблема диагностики заболевания на ранних стадиях, наблюдение за течением заболевания, прослеживание эффективности применяемого лечения -все это в настоящее время является проблемой, для решения которой необходимо объединение усилий медиков и специалистов смежных областей знаний

Обстоятельства выявления очагов инфекций и опасность массового заражения обязывают к оперативности действий при возникновении подозрения на инфекционное заболевание Доступность персо-

нальных компьютеров делает возможным их повсеместное использование в лечебных заведениях для диагностики заболеваний с помощью методов теории распознавания, однако недостатки соответствующих диагностических систем и методов их разработки не позволяют решить эту задачу в полной мере Одной из причин такого положения вещей являются значительные теоретические трудности в построении медицинских информационных систем (МИС), основанных на знаниях опытных специалистов-экспертов Медицинская диагностика относится к так называемым слабоструктурируемым предметным областям, в которых доминирующими факторами при принятии решений являются профессиональный опыт и интуиция. Трудности выявления экспертных знаний во многом обусловлены их подсознательным характером, когда эксперт не может вербализовать полную и непротиворечивую систему правил, которую он использует при принятии решений В совокупности с повышенными требованиями к точности и полноте, которые предъявляются к экспертным знаниям для построения на их основе МИС, эта проблема делает актуальной разработку методик выявления не только полных и непротиворечивых систем экспертных решающих правил, но и методик повышения достоверности извлеченных знаний, минимизирующих ошибки эксперта

В связи со сказанным, актуальной задачей является разработка методов структурной организации исходной информации и преобразование ее в формализованный вид, применимый для эффективной и оперативной реализации с помощью современных вычислительных средств.

Цель работы и задачи исследования Целью данной работы является разработка автоматизированной методики процесса оперативной диагностики опасных инфекционных заболеваний на основе первичной информации о состоянии здоровья пациента

Для достижения поставленной цели в ходе исследований по теме диссертационной работы ставились и решались следующие основные задачи

разработка метода формализации исходной информации, ее преобразования, унификации и представления для последующего анализа,

разработка методов классификации и идентификации опасных инфекционных заболеваний;

разработка методов определения диагностической значимости признаков,

разработка алгоритмов формального представления диагностических решающих правил,

экспериментальная проверка правильности функционирования и оценка качества разработанных методов на контрольных примерах;

реализация построенных методов и алгоритмов с помощью программно-вычислительных средств.

Методы исследования При решении поставленных задач использовались: теория распознавания образов, методы математической статистики, методы анализа структуры данных, математический аппарат нечеткой логики, методы теории принятия решений, принципы построения алгоритмов и систем, а также методы вычислительной математики и программирования.

Научная новизна работы В диссертации получены следующие новые научные результаты:

1) разработан метод анализа структуры ведущих признаков инфекционных заболеваний посредством процедур статистической обработки данных с привлечением экспертной информации, учитывающий специфику слабо структурированных медико-биологических данных;

2) на основе методов теории распознавания образов разработаны методы ранней классификации опасных инфекционных заболеваний;

3) построен и реализован алгоритм оперативной диагностики опасных инфекционных заболеваний, проведена экспериментальная проверка его работы,

4) создана автоматизированная система оперативной диагностики, позволяющая оперативно идентифицировать опасные инфекционные заболевания

Практическая значимость полученных в диссертационной работе результатов состоит в следующем

построен и реализован алгоритм, позволяющий проводить оперативную диагностику опасных инфекционных заболеваний с максимальной эффективностью;

на основе разработанного метода классификации опасных инфекционных заболеваний созданы средства экспресс-диагностики;

полученные результаты дают возможность достоверно на ранних этапах диагностировать опасные инфекционные заболевания, что, в случаях их выявления, позволяет избежать возможного массового распространения и принять меры по локализации очага, что особенно актуально для постановки диагноза в «полевых» условиях, когда лабораторные и инструментальные методы недоступны Результаты, выносимые на защиту

методы классификации и идентификации опасных инфекционных заболеваний;

метод структурной организации слабоформализуемой медицинской информации с нечеткими данными; методы анализа информативности показателей опасных инфекционных заболеваний;

методы формального представления комбинированных диагностических правил;

алгоритм оперативной диагностики опасных инфекционных заболеваний.

Реализация результатов. Результаты диссертации легли в основу научно-исследовательской работы по теме: «Обоснование системотехнических решений по созданию экспертной системы верификации биотерактов и разработка ее информационного обеспечения», проводимой в Пущинском научном центре РАН

Апробация работы Основные результаты диссертационной работы докладывались и обсуждались на Международной конференции «Параллельные вычисления и задачи управления» РАСО (Москва 2006 г.), Международной конференции «Информационно-вычислительные технологии в науке» (Москва 2006 г.), Международной научно-практической конференции «Пилотируемые полеты в космос», научном семинаре в Институте военной медицины МО РФ (Москва 2005 г.), научно-технической конференции МИРЭА (Москва 2005 г.), научных семинарах в Пущинском научном центре РАН (Пущино, 2004-2006 гг.)

Публикации. По материалам диссертации опубликовано 7 работ (в том числе 3 публикации в ведущих рецензируемых научных изданиях, рекомендованных ВАК, 4 публикации в трудах научных конференций)

Структура и объем работы Диссертация состоит из введения, четырех глав и заключения Работа содержит 107 страниц, включая 18 рисунков, 9 таблиц, 2 приложения и список литературы из 103 наименований

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цель и решаемые задачи, описана структура работы, приведены основные научные результаты и их практическая значимость

В первой главе проведен анализ методов, используемых в медицинских информационных системах, для постановки диагноза, рассмотрена методика учета особенностей различных критериев, на основе которых принимаются решения

Диагностика предусматривает определение множества показателей, характеризующих состояние пациента, отличное от нормального Задача оперативной диагностики усложняется необходимостью рассмотрения ограниченного набора показателей и их комбинаций, проявляющихся на различных стадиях заболевания (до и после проведения оперативной диагностики), кроме того, следует также учитывать возможные трансформации признаков с течением времени.

Из обзора теоретических работ следует, что известные методы, используемые для выбора и минимизации количества диагностических признаков, зачастую не обеспечивают получение оптимальной номенклатуры

Трудности статистического анализа медицинских данных, прежде всего, связаны с ограничением объема доступного для анализа Ограниченность медицинского материала усугубляется обилием информации, которую врачи считают существенной при рассмотрении того или иного вопроса. Это приводит к тому, что отбор наиболее важных признаков по формальным критериям информативности становится малопродуктивным. Поскольку клинические признаки варьируют в зависимости от стадии заболевания и индивидуальных осо-

бенностей организма, задача оперативной диагностики усложняется возможным отсутствием в момент диагностики полного набора показателей описывающих конкретное заболевание

На основании проведенного анализа сформулированы цель и задачи исследования, направленные на разработку алгоритмов оперативного выявления признаков инфекционных заболеваний заданных классов. Для этого вначале была рассмотрена альтернатива между двумя классами: А и в, где А - класс опасных инфекционных заболеваний, а В - класс неопасных заболеваний (НОЗ), а, затем, идентификация объекта из класса А с подклассом ОИЗ.

Во второй главе рассмотрены теоретические аспекты решения поставленной задачи

Сформулирована постановка задачи классификации и идентификации, а также основные критерии классификации - критерий полноты набора признаков, критерий различимости объектов и критерий различимости классов.

Для этого было определено множество {м}, состоящее из Мх,Мг,. ,МХ объектов, т.е

(1)

ы

Каждый объект М1 характеризуется множеством общих признаков Р,, значения которых, вообще говоря, могут быть различны для разных объектов То есть

/т

^ = (2)

(=1

Здесь 1{к) - число ненулевых признаков, соответствующих к-му объекту, Р1Л - ¡-ый признак к-го объекта. Значения признака Рп лежит внутри некоторого отрезка, т.е

Р^<Р1Л<Р,Ек, (3)

где /ц - начальное значение признака, а конечное значение признака (Пример. для некоторого заболевания температура варьируется в пределах от 37 2 °С до 38 4 °С)

Пусть размерность множества общих признаков

^ = (4)

1=1

равна Я

Л = = (5)

¡=1 /=1

где Еи} - значение ;-го признака, определенное на интервале [/, Т7]. Очевидно, что

тах1(к)<Л. (6)

Тогда расстояние между двумя объектами Мк и Мк. можно представить в виде.

К - М, | = (7)

где Е,л, Е1Х - любые элементы этого пространства, а - коэффициент диагностической значимости признака, установленный с помощью экспертных оценок

Далее, каждому объекту м1 поставим в соответствие Я -мерный параллелепипед П4, определяемый соотношением (5).

Определение 1 Признаки объекта Мк должны удовлетворять критерию полноты, каждый объект Мк описывается полным набором признаков Р, ■

ы

В случае отсутствия признака Р, для объекта Мк величина 6, полагается равной нулю

Определение 2. Критерий различимости объектов• параллелепипеды, относящиеся к различным классам, не должны иметь общих точек, т е

П?Г|П£=0, к*к'. (9)

Это очень важный критерий, он определяет основное направление для выбора признаков, характеризующих классы Очевидно, что при недостаточном числе признаков объекты могут быть неразличимы (Пример • по одной температуре нельзя различить заболевания)

Важным с практической точки зрения, является вопрос, какое число ненулевых признаков, и с какими именно значениями (показателями) требуется для наилучшей различимости объектов? Для этого можно воспользоваться соотношением (7).

ркЖ=тЦ\Мк-Мк.1, Мк е П^ , Мк еП» . (10)

Из соотношения (10) следует, что расстоянию ркХ можно придать геометрический смысл - минимальное расстояние между параллелепипедами Для проведения вычислений формулу (10) можно упростить:

РкХ=тт\Мк-М,\1, Мк&Ук\ М,еУк\ (11)

где К/,И/ - множество вершин параллелепипедов Щ' и П®.

Определение 3 Критерий различимости классов заключается в следующем объектам из двух сравниваемых классов Мке А и Мк, еВ, должно соответствовать такая комбинация значений признаков, чтобы величина

р = тах гат ркк., к = к,К, к' = 1, К, (12)

была как можно больше

Для установления факта наличия у пациента конкретного заболевания необходимо, чтобы показатели, характеризующие состояние, удовлетворяли критериям классификации. И отвечали требованиям интерпретируемости, разложимости, неизбыточности и минимальной размерности.

интерпретируемость специалисты должны понимать смысл показателей и их роль в обсуждаемой проблеме, разложимость возможность произвести декомпозицию для наборов с большим числом показателей и сформировать совокупности, каждая из которых содержит меньшее число показателей, без потери суммарной значимости полного объема;

неизбыточность ограничение на включение в набор показателей дублирующих одни и те же аспекты решаемой проблемы,

минимальная размерность• для решения поставленных задач набор показателей должен быть настолько малым, насколько это возможно.

Во второй главе также описан метод проведения групповой экспертизы при формировании перечня признаков и их значений для исследуемых классов заболеваний. Приводится описание разработанного алгоритма объективизации экспертных оценок

Третья глава посвящена построению и обоснованию методики оценки диагностической значимости используемой медицинской информации для решения поставленной задачи.

Прежде всего, согласно определению 1, из множества признаков {/>}, экспертами были определены ведущие признаки (ВП) для каждого класса исследуемых заболеваний

Исходя из постановки задачи исследования, а именно, ранней диагностики ОИЗ, перечень признаков был ограничен только признаками, определяемыми при первичном осмотре пациента (данные объективного осмотра). Полный набор ВП содержал 90 признаков

Рассмотрев ВП с точки зрения их диагностической значимости, можно утверждать, что некоторые из них являются характерными для данного конкретного заболевания (специфические признаки - СП), а некоторые являются общими, проявляющимися у ряда исследуемых заболеваний (общие признаки - ОП) Учитывая этот факт, была проведена процедура типизации ведущих признаков, которая заключалась в определении принадлежности признака к типу ОП или СП

В таблице 1 приведен пример распределения ВП для каждого подкласса заболеваний по ОП и СП и указаны числа их совпадений с выбранным «эталоном» (в качестве «эталона» выбран грипп)

Таблица 1.

Число совпадений ВП ОИЗ с ВП гриппа.

Класс заболевания ВП оп Число совпадений с ОП гриппа СП Число совпадений с СП гриппа

Жептая лихорадка (тяжелая форма) [Ж/7 (тф)] 21 10 2 11 2

Желтая лихорадка (легкая форма) [Ж/7 (пф)] 19 9 2 10 2

Аргентинская геморрагическая лихорадка (тяжелая форма) [АГЛ (тф)] 18 11 4 7 2

Аргентинская геморрагическая лихорадка (легкая форма) [АГЛ (лф)] 16 10 4 6 2

Малярия (vwax) [M -vlvax] 18 14 5 4 1

Холера[Холера] 21 13 4 8 2

Сибирская язва [СЯ] 9 4 3 5 1

Чума бубонная [ЧБ] 30 22 7 8 2

Из таблицы 1 следует, например, что количество ведущих признаков тяжелой формы аргентинской геморрагической лихорадки [АГЛ (тф)] - 18, из них ОП - 11 и СП - 7. Причем количество совпадений ОП с подклассом грипп, составляет 4, а СП - 2. Аналогичные сведения приведены для всех рассматриваемых подклассов заболеваний.

Далее рассматривается отношение числа совпадений ОП с «эталоном» {грипп) к числу ОП рассматриваемого подкласса. Для приведенного примера это отношение составляет 4/11=0,37; аналогично, отношение СП - составляет 2/7=0,29 Полученные отношения отображены на рисунке 1, для ОП (рис.1, а) и СП (рис.1, б)

а) общие признаки б) специфические признаки

Рис 1. Отношение числа совпадений ОП и СП с выбранным «эталоном» (грипп) к числу ОП и СП рассматриваемых подклассов

Приведенные графики иллюстрируют, в некотором смысле, перспективность в плане диагностики сформированного набора признаков для каждого подкласса, относительно выбранного «эталона»

Последующий анализ структуры медицинской информации показал, что ведущие признаки подклассов исследуемых заболеваний могут быть сгруппированы по направлениям первичного осмотра пациента, принятым в клинической практике.

1) общее состояние больного,

2) состояние кожных покровов и слизистых,

3) состояние органов дыхания,

4) состояние сердечно-сосудистой системы,

5) симптомы поражения нервной системы,

6) состояние органов гепатолиеналъной системы,

7) состояние гемодинамики,

8) состояние органов пищеварения

На рисунке 2 приведен пример распределения ВП по направлениям осмотра, демонстрирующий диапазон значимости направлений осмотра для подкласса М-чыах (рис 2,а) и гриппа (рис 1,6)

Направления осмотра

а) малярия (\ivax) б) грипп

Рис 2 Гистограммы распределения ведущих признаков подклассов заболеваний по направлениям осмотра

Аналогичные распределения строятся для каждого подкласса. Эти гистограммы позволяют оценить диагностическую значимость каждого из восьми направлений осмотра для каждого из подклассов заболеваний.

В результате последовательного проведения описанных процедур формализации медицинских данных для каждого из исследуемых подклассов заболеваний были построены структурные спецификации, описывающие все упомянутые в клинической картине признаки заболеваний В таблице 2 приведен фрагмент структурной спецификации подкласса заболевания М-умах.

Как видно из таблицы 1, структурная спецификация подкласса рассмотренного заболевания состоит из совокупности ведущих признаков (столбец 1), сгруппированных по направлениям осмотра (столбец 2), описания признака (столбец 3), области принимаемых значений с указанием частоты проявления признака (столбец 4) и типа (столбец 5).

Таблица 2

Фрагмент структурной спецификации подкласса М-угуох.

N8 признака Группа Описание Значения Тип

0 | 1 | 2 | 3 | 4 | 5

1 2 3 4 5

2 Общее состояние (1) Начало заболевания 1 | 1 | СП

3 Общее состояние (1) Артериальное давление 1 | оп

10 Общее состояние (1) Боли в мышцах (миалгия) 1 I оп

12 Общее состояние (1) Боли в пояснице 1 1 1 оп

14 Общее состояние (1) Боли е суставах (артралгия) 1 # 8 оп

20 Общее состояние (1) Головная боль 1 1 * 1 оп

24 Общее состояние (1) Жамща 1 оп

27 Общее состояние (1) Озноб 1 I оп

29 Общее состояние (1) Потливость 1 * 8 оп

35 Общее состояние (1) Температура тела зе.в-зв 1 I 1 1 оп

43 Кожные покровы и слизистые (2) Гангренознаязвенные изменения слизистой кишечника 1 $ СП

77 Нервная система (5) Нефропатоломя 1 & СП

82 Гепатолиенальная система (6) Печень увеличена 1 1 оп

84 Гепатолиенальная система (6) Селезёнка увеличена $ оп

85 Гепатолиеиатъная система (6) Фиброзный панкреатит (восп поджелудочной иелезы) оп

86 Состояние гемодинамики (7) Ишемия органов и тканей (местное малофовие) 1 * | оп

88 Состояние гемодинамики (7) Кровообращение нарушено 1 оп

90 Органы пищеварения (8) Стул I 1 г Я СП

В четвертой главе рассматривается обобщенный алгоритм принятия диагностических решений на основе данных объективного осмотра пациента с использованием построенных структурных спецификаций

Суть оперативной диагностики опасных инфекционных заболеваний заключается в оперативном принятии решения относительно принадлежности выявленного состояния пациента, описанного с помощью карты обследования (КО), к классу ОИЗ, и последующей идентификации состояния пациента с подклассом ОИЗ с целью проведения необходимых мер по изоляции зараженного пациента и экстренной профилактике выявленного заболевания

Логическая схема обобщенного диагностического алгоритма представлена на рисунке 3.

Рис 3 Логическая схема обобщенного диагностического алгоритма

Как видно из рисунка 3, обобщенный диагностический алгоритм состоит из двух основных этапов

Этап 1. (.Классификация ОИЗ)

На этом этапе алгоритма определяется перспектива принадлежности исследуемого состояния к классу ОИЗ Для этого осуществляется пошаговое сравнение каждого признака из сформированной карты обследования с построенной ранее структурной спецификацией ОИЗ.

Например, имеется два множества классов заболеваний, множество классов ОИЗ - А и множество классов неопасных заболеваний (НОЗ) - В, каждый из этих классов может быть охарактеризован значениями величин Ри, где 1 = 1,1 - номер признака, у = 1,2 - номер класса

Каждому Рц ставится в соответствие частота проявления признака, его важность 0 < < 1, определяемая заранее путем шкалирования экспертных оценок

Функция соответствия £>* рассчитывается по данным первичного

осмотра, оценки диагностической значимости множества Ри и подсчета числа совпадений-, (13)

2Х,

.и

и, является обобщенной оценкой риска принадлежности исследуемого объекта к классу А].

Для того чтобы сделать вывод, к какому из классов принадлежит исследуемая совокупность признаков, вполне достаточно сравнить полученное в (13) относительное значение с порогом уверенности выбора данной гипотезы

Порог уверенности gJ определяет степень уверенности эксперта

в принятии данного решения. В медицинских и других слабоструктурированных областях правильно выбрать этот множитель бывает так же трудно, как правильно выбрать критерий Поэтому чаще всего весовой множитель принимается в качестве средней «точки зрения» с исходным значением gJ = 0,3.

Правило принятия решения о принадлежности объекта к классу А}, определяется выражением-

Г = аг£тах(г>*) (14)

Действительно, если =1, то исследуемый объект полностью соответствует классу AJ, те состояние пациента можно отнести к классу ОИЗ

Этап 2. {Идентификация объекта с ОИЗ)

Если исследуемый объект классифицирован как ОИЗ, то для его идентификации применяется процедура принадлежности объекта к подклассу ОИЗ

Для этого предлагается использовать принцип раздельной обработки СП и ОП, подразумевающий учет значимости специфических и общих признаков в идентификации ОИЗ.

Суть алгоритма заключается в следующем.

Положим Р°[},]) = 0, если значение /-го общего признака для ) -го заболевания меньше 0,5 и (/,./) = 1 в противном случае

!*{}',]) = 0, если значение »'-го специфического признака для ] -го заболевания меньше 0,5 и Рс(г,у) = 1 в противном случае.

Пусть 8°(г) - характеристика /-го общего признака пациента, г = 1,/", а 5е(1) - характеристика ¡'-го специфического признака пациента, 1 = 1,Г, положим <Г(') = 1, если признак присутствует, <5°(г) = 0,5 если возможен и <У(г) = 0, если отсутствует

Аналогично, для СП ¿с(г') = 1, если признак присутствует, 8е(г') = 0,5, если возможен и 8е (Г) = 0 если отсутствует

Обозначим Г О) - количество общих признаков для у-го заболевания, доля встречаемости которых больше или равна 0,5, Г (у) - количество специфических признаков для ] -го заболевания, доля встречаемости которых больше или равна 0,5

Тогда решение о том, что пациент болен ] -м заболеванием, можно сделать на основе следующего комбинированного правила-

(V =ш£тах

И/с = ат^ шах

О)' = -й-

Iе и)

£<Г(0 р-у,]) л* = —

Iе О)

(15)

(16)

Если значения £>*° и £>*с превосходят некоторую пороговую величину, то имеем диагностическую гипотезу о возможном наличии заболевания с определенной степенью уверенности.

Применение обобщенного диагностического алгоритма позволяет в 80% случаях достигать максимальной точности идентификации. Достигнутый уровень эффективности алгоритма позволяет использовать его для оперативной диагностики ОИЗ

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие результаты:

1. Разработаны методы и сформулированы основные критерии классификации и идентификации опасных инфекционных заболеваний.

2. На основе сформированных врачами экспертных оценок определена структура опасных инфекционных заболеваний, включающая в себя типы признаков, классы и подклассы заболеваний Определена диагностическая значимость каждого из ведущих признаков.

3. Построены методы формального представления диагностических решающих правил, которые могут быть использованы при принятии диагностических решений.

4. На основе диагностических правил разработан диагностический алгоритм для оперативной оценки состояния пациента на различных стадиях заболевания

5. Проведена экспериментальная проверка правильности функционирования разработанных методов на контрольных примерах и оценена эффективность работы алгоритма

6 Построенные методы и алгоритмы реализованы с помощью программно-вычислительных средств.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

Публикации в изданиях, рекомендованных ВАК РФ

1 Габусу П А , Михеев О.В., Самохина А С. Идентификация сценариев эпидемического заболевания / Проблемы безопасности и чрезвычайных ситуаций. M , 2006 г., № 2 С 92-106

2. Габусу П А., Михеев О.В , Самохина А С Взаимодействие V-модели и имитационной математической модели распространения опасного эпидемического заболевания. / Проблемы безопасности и чрезвычайных ситуаций М., 2006 г., № 3 С 96-105

3 Габусу П А., Михеев О В , Самохина А С. Анализ схем обработки первичных данных в системе предотвращения биологической чрезвычайной ситуации / Проблемы безопасности и чрезвычайных ситуаций М, 2006 г,№4. С 64-71

Статьи и материалы конференций

4 Михеев О.В , Шевченко M В , Габусу П А Тренажеры с открытыми связями / Сборник тезисов шестой международной научно-практической конференции «Пилотируемые полеты в космос» 2006 г., С. 177-179.

5. Габусу П А, Михеев О В , Самохина А С Экспериментальные исследования имитационной математической модели распространения опасного эпидемического заболевания / Труды международной конференции «Параллельные вычисления и задачи управления» РАСО 2006 г.

6 Михеев О.В., Габусу П А , Чикова С С Интеллектуальные технологии в медикобиологических исследованиях / Сборник материалов конференций ИВТН-2006 M , 2006 г, с 37.

7. Габусу П А , Михеев О В Варианты выбора базовых схем в условиях повышения неопределенности данных при синтезе алгоритмического обеспечения автоматизированных систем медицинской диагностики / Сборник трудов 54 научно-технической конференции МИРЭА. Ч 1. Информационные технологии и системы Вычислительная техника. M, 2005 г, С 139-144

Подписано в печать 24 04 2007 г Исполнено 25 04 2007 г Печать трафаретная

Заказ №473 Тираж 100 экз

Типография «11-й ФОРМАТ» ИНН 7726330900 115230, Москва, Варшавское ш, 36 (495)975-78-56 www autoreferat ru

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СИМВОЛОВ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К РЕШЕНИЮ ДИАГНОСТИЧЕСКОЙ ЗАДАЧИ

1.1. Методы постановки диагноза, используемые в медицинских информационных системах

1.1.1. Математические методы решения задач медицинской диагностики

1.1.2. Классификация при наличии обучающих выборок

1.1.3. Классификация на основе байесовской теории принятия решений

1.2. Многокритериальные задачи принятия решений

1.3. Методы формирования номенклатуры признаков и оценка их информативности

1.4. Этапы работы над задачами диагностики и возникающие при этом трудности

1.5. Постановка задачи исследования 33 Основные результаты первой главы

ГЛАВА 2. МЕТОДЫ КЛАССИФИКАЦИИ И ИДЕНТИФИКАЦИИ ОПАСНЫХ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ

2.1. Общая постановка задачи классификации опасных инфекционных заболеваний

2.2. Формирование обобщенного диагностического показателя

2.3. Алгоритм объективизации экспертных оценок

2.4. Области значений диагностических признаков

2.5. Идентификация объекта с опасными инфекционными заболеваниями

Основные результаты второй главы

ГЛАВА 3. ПОСТРОЕНИЕ И ОБОСНОВАНИЕ МЕТОДИКИ

ИССЛЕДОВАНИЯ

3.1. Структурная организация информации

3.2. Экспериментальная проверка метода

3.2.1. Определение перечня информативных признаков

3.2.2. Типизация признаков по характеру проявления

3.2.3. Группировка признаков по направлениям осмотра

3.3. Исследование структуры диагностических признаков

Основные результаты третьей главы

ГЛАВА 4. РАЗРАБОТКА РЕШАЮЩЕГО АЛГОРИТМА

И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

4.1. Составление карты обследования

4.2. Обобщенный диагностический алгоритм

4.3. Оценка качества решающих правил

4.4. Реализация алгоритма оперативной диагностики

4.5. Анализ полученных результатов 84 Основные результаты четвертой главы 87 ЗАКЛЮЧЕНИЕ 88 СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 89 ПРИЛОЖЕНИЕ №1. 98 ПРИЛОЖЕНИЕ №2.

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ, УСЛОВНЫХ ОБОЗНАЧЕНИЙ

И СИМВОЛОВ

АГЛ(лф) аргентинская геморрагическая лихорадка (легкая форма)

АГЛ(тф) аргентинская геморрагическая лихорадка (тяжелая форма)

ВГЛ вирусные геморрагические лихорадки

ВП ведущие признаки

ДА дискриминантный анализ

ДП диагностическое правило

ЖЛ(лф) желтая лихорадка (легкая форма)

ЖЛ(тф) желтая лихорадка (тяжелая форма)

КО карта обследования

ЛДФ линейная дискриминантная функция Фишера

М (Чауах) малярия трехдневная (возбудитель - р1а$то(Иит у/уох)

МИС медицинские информационные системы

НЛ нечеткая логика

НО натуральная оспа

НОЗ неопасные заболевания

ОИЗ опасные инфекционные заболевания

ОКИ острая кишечная инфекция оп общие признаки

СП специфические признаки

СППР система поддержки принятия решений ся сибирская язва

УСП уровень состояния пациента эг экспертная группа эс экспертная система

ЧБ чума бубонная

ЧЛ чума легочная

А класс ОИЗ

В класс НОЗ номер класса общее число классов мк объект классификации к текущий номер объекта

К количество объектов в выборке

Р,- признак г номер признака (информационный элемент)

I общее число признаков (информационных элементов)

Т множество типов признаков

Е множество значений признаков

F максимальное число значений, принимаемых признаками

8а степень частоты проявления признака (важность, вес) g порог уверенности принятия решения обобщенный диагностический показатель

V полезность (эффективность) решения

Актуальность темы. Несмотря на значительные успехи, достигнутые в области эколого-вирусологических исследований, эпидемическая ситуация по инфекционным и паразитарным заболеваниям в мире продолжает оставаться напряженной [1]. Именно ранняя диагностика опасных инфекционных заболеваний (ОИЗ) играет решающую роль в предотвращении серьезных последствий возможного распространения, позволяет определить тактику лечения больных на догоспитальном этапе, оказать неотложную внебольничную помощь. Таким образом, диагностика опасных инфекционных заболеваний на ранних стадиях является чрезвычайно важной задачей государственного масштаба [2-5].

В настоящее время идёт непрерывное совершенствование "старых" диагностических методов, разрабатываются новые, всё более эффективные и надёжные методики [6]. Необходимость дальнейшей разработки методов оперативной диагностики инфекционных заболеваний во многом обусловлена тем, что происходит заметное изменение патоморфоза и клинической картины инфекций. Увеличивается количество стёртых, атипичных, затяжных форм инфекций, наблюдается нарастание частоты смешанных инфекций бактериальной и вирусной природы. Надо признать, что ни один из современных оперативных методов не обеспечивает 100% выявления возбудителя инфекции [7-9]. Поэтому целесообразным является использование нескольких методов диагностики; нередко требуется проведение повторных исследований [10].

Существующие методы диагностики ОИЗ, во-первых, длительны во времени, во-вторых, требуют либо дорогостоящего оборудования (иммуноферментный и радиоиммунный анализ, вирусологический, бактериологический, серологический, паразитологический методы исследования), либо недостаточно чувствительны (клиникоиммунологическая оценка лабораторных данных, основанная на качественной визуальной оценке биохимической реакции) [11]. Проблема диагностики заболевания на ранних стадиях, наблюдение за течением заболевания, прослеживание эффективности применяемого лечения - все это в настоящее время является проблемой, для решения которой необходимо объединение усилий медиков и специалистов смежных областей знаний [12-14].

Обстоятельства выявления очагов инфекций и опасность массового заражения обязывают к оперативности действий при возникновении подозрения на инфекционное заболевание. Доступность персональных компьютеров делает возможным их повсеместное использование в лечебных заведениях для диагностики заболеваний с помощью методов теории распознавания [15,16], однако недостатки соответствующих диагностических систем и методов их разработки не позволяют решить эту задачу в полной мере. Одной из причин такого положения вещей являются значительные теоретические трудности в построении медицинских информационных систем (МИС), основанных на знаниях опытных специалистов-экспертов. Медицинская диагностика относится к так называемым слабоструктурируемым предметным областям, в которых доминирующими факторами при принятии решений являются профессиональный опыт и интуиция [17]. Трудности выявления экспертных знаний во многом обусловлены их подсознательным характером, когда эксперт не может вербализовать полную и непротиворечивую систему правил, которую он использует при принятии решений. В совокупности с повышенными требованиями к точности и полноте, которые предъявляются к экспертным знаниям для построения на их основе МИС, эта проблема делает актуальной разработку методик выявления не только полных и непротиворечивых систем экспертных решающих правил, но и методик повышения достоверности извлеченных знаний, минимизирующих ошибки эксперта [18].

В связи со сказанным, актуальной задачей является разработка методов структурной организации исходной информации и преобразование ее в формализованный вид, применимый для эффективной и оперативной реализации с помощью современных вычислительных средств.

Цель работы и задачи исследования. Целью данной работы является разработка автоматизированной методики процесса оперативной диагностики опасных инфекционных заболеваний на основе первичной информации о состоянии здоровья пациента.

Для достижения поставленной цели в ходе исследований по теме диссертационной работы ставились и решались следующие основные задачи: разработка метода формализации исходной информации, ее преобразования, унификации и представления для последующего анализа; разработка методов классификации и идентификации опасных инфекционных заболеваний; разработка методов определения диагностической значимости признаков; разработка алгоритмов формального представления диагностических решающих правил; экспериментальная проверка правильности функционирования и оценка качества разработанных методов на контрольных примерах; реализация построенных методов и алгоритмов с помощью программно-вычислительных средств.

Методы исследования. При решении поставленных задач использовались: теория распознавания образов, методы математической статистики, методы анализа структуры данных, математический аппарат нечеткой логики, методы теории принятия решений, принципы построения алгоритмов и систем, а также методы вычислительной математики и программирования.

Научная новизна работы. В диссертации получены следующие новые научные результаты:

1) разработан метод анализа структуры ведущих признаков инфекционных заболеваний посредством процедур статистической обработки данных с привлечением экспертной информации, учитывающий специфику слабо структурированных медико-биологических данных;

2) на основе методов теории распознавания образов разработаны методы ранней классификации опасных инфекционных заболеваний;

3) построен и реализован алгоритм оперативной диагностики опасных инфекционных заболеваний, проведена экспериментальная проверка его работы;

4) создана автоматизированная система оперативной диагностики, позволяющая оперативно идентифицировать опасные инфекционные заболевания.

Практическая значимость полученных в диссертационной работе результатов состоит в следующем: построен и реализован алгоритм, позволяющий проводить оперативную диагностику опасных инфекционных заболеваний с максимальной эффективностью; на основе разработанного метода классификации опасных инфекционных заболеваний созданы средства экспресс-диагностики; полученные результаты дают возможность достоверно на ранних этапах диагностировать опасные инфекционные заболевания, что, в случаях их выявления, позволяет избежать возможного массового распространения и принять меры по локализации очага, что особенно актуально для постановки диагноза в «полевых» условиях, когда лабораторные и инструментальные методы недоступны.

Результаты, выносимые на защиту: методы классификации и идентификации опасных инфекционных заболеваний; метод структурной организации слабоформализуемой медицинской информации с нечеткими данными; методы анализа информативности показателей опасных инфекционных заболеваний; методы формального представления комбинированных диагностических правил; алгоритм оперативной диагностики опасных инфекционных заболеваний.

Реализация результатов. Результаты диссертации легли в основу научно-исследовательской работы по теме: «Обоснование системотехнических решений по созданию экспертной системы верификации биотерактов и разработка ее информационного обеспечения», проводимой в Пущинском научном центре РАН.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Международной конференции «Параллельные вычисления и задачи управления» РАСО (Москва 2006 г.), Международной конференции «Информационно-вычисли-тельные технологии в науке» (Москва 2006 г.), Международной научно-практической конференции «Пилотируемые полеты в космос», научном семинаре в Институте военной медицины МО РФ (Москва 2005 г.), научно-технической конференции МИРЭА (Москва 2005 г.), научных семинарах в Пущинском научном центре РАН (Пущино, 2004-2006 гг.).

Публикации. По материалам диссертации опубликовано 7 работ (в том числе 3 публикации в ведущих рецензируемых научных изданиях, рекомендованных ВАК, 4 публикации в трудах научных конференций).

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения. Работа содержит 107 страниц, включая 18 рисунков, 9 таблиц, 2 приложения и список литературы из 103 наименований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ЧЕТВЕРТОЙ ГЛАВЫ

1. Разработан диагностический алгоритм, на основе диагностических правил (ДП), с помощью которых можно оперативно оценить состояние пациента на различных стадиях заболевания. Разработанный алгоритм диагностики инфекционных заболеваний включает в себя пошаговую оценку состояния пациента для оперативного анализа выборки признаков заболевания и проведения сравнительных оценок.

2. Оценена эффективность алгоритма при его тестировании «слепым методом». Полученный эффект от работы диагностического алгоритма говорит о высоком качестве разработанного метода и возможности его использования для оперативной диагностики ОИЗ.

3. Разработана система оперативной диагностики, позволяющая оценивать риск выявления опасного инфекционного заболевания.

4. Проанализирована возможность применения разработанного метода диагностики для решения задач оперативного выявления инфекционных заболеваний и проведения необходимых мер по предотвращению возможных последствий массового распространения инфекции.

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие результаты:

1. Разработаны методы и сформулированы основные критерии классификации и идентификации опасных инфекционных заболеваний.

2. На основе сформированных врачами экспертных оценок определена структура опасных инфекционных заболеваний, включающая в себя типы признаков, классы и подклассы заболеваний. Определена диагностическая значимость каждого из ведущих признаков.

3. Построены методы формального представления диагностических решающих правил, которые могут быть использованы при принятии диагностических решений.

4. На основе диагностических правил разработан диагностический алгоритм для оперативной оценки состояния пациента на различных стадиях заболевания.

5. Проведена экспериментальная проверка правильности функционирования разработанных методов на контрольных примерах и оценена эффективность работы алгоритма.

6. Построенные методы и алгоритмы реализованы с помощью программно-вычислительных средств.

1. Сандахчиев JI.C., МартынюкР.А. Необходимость международного сотрудничества для успеха борьбы с инфекционными заболеваниями и биотерроризмом //Химическая и биологическая безопасность. № 1-2 (13-14) 2004.

2. Биобезопасность главная проблема начала нового века (материалы 11 сессии общего собрания РАМН), http://www.medvestnik.ru/Gazeta/2002/ 10/p08.html.

3. Федеральный закон от 18 июня 2001 г. N 77-ФЗ "О предупреждении распространения туберкулеза в Российской Федерации".

4. Федеральный закон от 30 марта 1995 г. N 38-Ф3 "О предупреждении распространения в Российской Федерации заболевания, вызываемого вирусом иммунодефицита человека (ВИЧ-инфекции)" (с изм. от 12 августа 1996 г., 9 января 1997 г., 7 авг. 2000 г.).

5. Концепция биологической безопасности Российской Федерации (исх. Минпромнауки России № МП-П666а от 14.06.2002 г.

6. Руководство по клинике, диагностике и лечению опасных инфекционных болезней // Под ред. Покровского В.И. и Иванова К.С. — М.: Медикас, 1994.-220 с.

7. Черкасский Б.Л. Инфекционные и паразитарные болезни человека. М.: Мед.газета, 1994.

8. Инструкция по экстренной профилактике и этиотропному лечению опасных инфекционных заболеваний в Вооруженных Силах Российской Федерации. М.: Воениздат, 2002.

9. Руководство по инфекционным заболеваниям. / Под ред. Покровского В.И., Лобана K.M. 2-е изд., перераб. И доп. - М.: Медицина, 1986,-464 с.

10. Ригельман Р. Как избежать врачебных ошибок. Книга практикующего врача: Пер. с англ. М.: Практика, 1994.

11. Международная классификация болезней, травм, и состояний, влияющих на здоровье 10-го пересмотра (МКБ-10). Электронная версия: http://www.mkb 10.ги/.

12. Шувалова Е.П. Инфекционные болезни, учебник. М.: «Медицина», 1995,-656 с.

13. Система стандартизации в здравоохранении Российской Федерации. Отраслевой классификатор 91500.09.0001-2001 «Простые медицинские услуги» (ОК ПМУ): http://www.jurportal.com/consult/viewnpdoc.php?id=5063.

14. Справочник медицинской сестры по уходу // под ред. Н.Р. Палеева // -М.: «Медицина», 1981.

15. Кобринский Б.А. Системы искусственного интеллекта в медицине: состояние, проблемы и перспективы // Новости искусственного интеллекта. №2,1995.

16. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1984.

17. Гельфанд И.М., Розенфельд Б.И., ШифринМ.А. Очерки о совместной работе математиков и врачей / Под ред. С.Г.Гиндикина. Изд. 2-е, испр. и доп. М.: Едиториал УРСС, 2005. - 320 с. (Синергетика: от прошлого к будущему).

18. Айламазян А.К., Осипов Г.С. Проблемы создания интегрированной среды поддержки лечебно-диагностического процесса / Информационные технологии, № 10,1997.

19. Виноградов А.В. Дифференциальный диагноз внутренних болезней: справочное руководство для врачей. М.: Медицина, 1987.

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

21. Статические и динамические экспертные системы: Учеб. пособие / Э. В. Попов и др. М.: Финансы и статистика, 1996.

22. Осипов Г.С. Приобретение знаний интеллектуальными системами: основы теории и технологии. М.: Наука, 1997.

23. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: классификация и снижение размерности. -М.: Финансы и статистика, 1989.

24. Голенков В.В. Графодинамические методы и средства параллельной асинхронной переработки информации в интеллектуальных системах. Мн.: БГУИР, 1996.

25. Боровиков В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. - М.: Информационно-издательский дом ФИЛИНЪ, 1997.

26. Гринберг С.Я. Обзор средств построения экспертных систем // Ротапринт ВЦ СО РАН, 1993.

27. Андреев В.Н., Герасимов Ю.Ю. Принятие оптимальных решений: Теория и применение в лесном деле. Иоэнсуу: Издательство университета Йоэнсуу, 1999, 200 с.

28. Ландензон A.B., Литвак Б.Г. Принцип упорядоченных критериев для многокритериальных альтернатив. Известия АН СССР. Техн. кибернетика.— № 6, 1988, С. 49-54.

29. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения.— М.: Радио и связь, 1981.

30. Синюк В.Г., Котельников А.П. Системы поддержки принятия решений: основные понятия и вопросы применения. Белград: Изд-во БелГТАСМ, 1998, 78 с.

31. Ларичев О.И., Петровский А.Б. Системы поддержки принятия решений: современное состояние и перспективы развития. Итоги науки и техники. Техн. кибернетика.—1987.—Т. 21.—С. 131—165. 1.

32. Беллман Р., Калаба Р. Динамическое программирование и современная теория управления. М.: Наука, 1969. 120 с.

33. Вентцель Е.С. Элементы динамического программирования. М.: Наука, 1964,176 с.

34. Калихман И.Л., Войтенко М.А. Динамическое программирование в примерах и задачах. М.: Высшая школа, 1979, 125 с.

35. Кузнецов А.В., Холод Н.И., Костевич Л.С. Руководство к решению задач по математическому программированию. М.: Высшая школа, 1978, 256 с.

36. Davis L.S., Johnson K.N. Forest management. New York: McGraw-Hill Book Company, 1987, 790 c.

37. Моисеев H.H., Математические методы системного анализа. М.: Наука, 1981 487 с.

38. Курицкий Б.Я. Оптимизация вокруг нас. -Л.: Машиностроение, 1989,. 144 с.

39. Киреева А.Я., Трошин Л.И. Сборник задач по математическому программированию. М.: МЭСИ, 1968, 168 с.

40. Жак С.В. Математическое программирование. Нелинейные и стохастические задачи. Ростов-на-Дону: РГУ, 1972, 90 с.

41. Злобинская Э.А. Методические указание по математическому программированию для студентов экономических специальностей. Часть 1. -Барнаул: АСХИ, 1980.

42. Редькин А.К. Основы моделирования и оптимизации процессов лесозаготовок. М.: Лесная промышленность, 1988,256 с.

43. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: В 2-х том. Пер. с англ. М.: Мир, 1986. Т. 1. - 279 с. Т. 2. - 320 с.

44. Юдин Д.Б. Задачи и методы стохастического программирования. -М.: Сов. радио, 1979.392 с.

45. Дюк В., Самойленко A. Data Mining. -СПб.: Питер, 2001.

46. Подиновский В.В., Ногин В.Д. Парето оптимальные решения многокритериальных задач. -М.: Наука, 1982, 254 с.

47. Руа Б. Классификация и выбор при наличии нескольких критериев. //Вопросы анализа и процедуры принятия решений. -М.: Мир, 1976, с. 80107.

48. Бабинцев B.C., Подиновский В.В., Шорин В.Г. Выбор решения по многим критериям, упорядоченным по важности. М,: ИОНХ, 44 с.

49. Фишберн П. Теория полезности для принятия решения. -М.: Наука, 1978.352 с.

50. ДюкВ.А. «Компьютерная психодиагностика», -С-Пб.: Питер, 1994.

51. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. -М.: Экономика, 1978, 133 с.

52. Кобринский Б.А. Логика и интуиция специалиста в медицинских системах искусственного интеллекта // Научная сессия МИФИ-2000: Сб. науч. тр. Т.З. М., 2000. - С.64-65.

53. Барабаш Б.А. Минимизация описания в задачах автоматического распознавания образов // Техн. Кибернетика, 1964, № 3.— с. 32-44

54. Загоруйко Н.Г. Методика оценки информационной эффективности независимых параметров речевого сигнала // Тр. ИМ Сиб. отд. АН СССР: Вычислительные системы, 1964, вып. 10.— с. 77-89.

55. Marill Т., Green D. М. On the effectivness of receptors in recognition systems // IEEE Trans., v. IT — 9, 1963.— p. 11 17.

56. Kittrer J. Feature set search algorithms // Proc. Conf. om Pattern Recogn. and Signal Processing.— Paris, France, 25 June — 4 July, 1978.— p. 41-60.

57. Backer E., Young F. W., Takane Y. An asymmetric Euclidean Model (available from F. W. Young).— Psychometric Laboratory, Dave Hall 13a, University of North Carolina, Chapel Hill, NC 27514, 1977.

58. Лбов Г.С. Выбор эффективной системы зависимых признаков // Труды Сиб. отд. АН СССР: Вычислительные системы.— Новосибирск, 1965, вып. 19 —с. 87-101.

59. Narendra P.M., Fukunaga К. A. A branch and bound algorithm for feature subset selection // Proc. Cybernetic and Society Inf. Conf.— Washington, D. C., 1976.

60. Енюков И.С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа: Ученые записки по статистики. -М.: Наука, 1980. Т.36. С. 309-316.

61. Карп В.П. Интеллектуальный анализ данных в проблеме построения решающих правил классификации (на примере задач медицинской диагностики) // Новости искусственного интеллекта. №2,2006, С.57-75.

62. Кобринский Б.А., Казанцева Л.З., Фельдман А.Е. Автоматизированные системы дифференциальной диагностики наследственных заболеваний // Наследственная патология человека / Под общ. ред. Вельтищева Ю.Е. и Бочкова Н.П. Т.Н. М, 1992. - С.229-239.

63. Эвербек Г. Дифференциальная диагностика болезней в детском возрасте: Пер. с нем. М.: Медицина, 1980.

64. Хэгглин Р. Дифференциальная диагностика внутренних болезней. -М.: Фирма "Миклош", изд-во "Инженер", 1993.

65. Лукашевич И.П., Сыркин А.Л. Проблема получения и передачи медицинских знаний // Компьютерная хроника. №8-9, 1994, С.39-43.

66. Финн В.К. Интеллектуальные системы: проблемы их развития и социальные последствия // Будущее искусственного интеллекта. М.: Наука, 1991, С.157-177.

67. Кобринский Б.А., Фельдман А.Е. Анализ и учет ассоциативных знаний в медицинских экспертных системах // Новости искусственного интеллекта. №3, 1995, -С.90-96.

68. Финн В.К. JSM-рассуждение как синтез познавательных процедур // 3-я Междунар. конф. "Информационные ресурсы. Интеграция. Технологии": Матер, конф. М., 1997. -С.207-208.

69. Есенин-Вольпин A.C. Об антитрадиционной (ультраинтуиционистской) программе оснований математики и естественнонаучном мышлении // Семиотика и информатика. 1993, Вып.ЗЗ, С. 13-67.

70. Клини С.К. Введение в метаматематику. М.: Изд-во иностр. лит., 1957.

71. Левенец Е.В. Рассуждения по аналогии // Логика и компьютер. 2: Логические языки, содержательные рассуждения и методы поиска доказательств. М.: Наука, 1995. - С.99-112.

72. Таран Т.А. Формализация рассуждений на основе аргументации при принятии решений в конфликтных ситуациях // НТИ. Сер. 2. -№9, 1998. -С.23-33.

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

74. Кобринский Б.А. К вопросу о формальном отражении образного мышления и интуиции специалиста в слабо структурированной предметной области // Новости искусственного интеллекта. 1998. - №3. - С.64-76.

75. Финн В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований // НТИ. Сер.2. 1996. - №5-6. - С. 1-2.

76. Искусственный интеллект: В 3-х кн. Справочник./ Под ред. Захарова В.Н., Хорошевского В.Ф.-М.: Радио и связь, 1990. Кн. 1 426 е., кн. 2 - 304 е., кн. 3 - 368 с.

77. Кулик Б.А. Основные принципы философии здравого смысла (познавательный аспект) // Новости искусственного интеллекта. 1996. - № 3.- С.7-91.

78. Воробьев Н.В. Умозаключения по аналогии. М., 1963.

79. Есенин-Вольпин А.С. О теории модальностей // Философия. Логика. Поэзия. Защита прав человека: Избранное. М.: Рос. гос. гуманит. ун-т, 1999.- С.165-177.

80. Рассел Б. Философия логического атомизма (1918) // Философия логического атомизма. Томск: Изд-во "Водолей", 1999. - С.3-108.

81. Финн В.К. Об одном варианте логики аргументации // НТИ. Сер.2. -1996.-№5-6.-С.3-19.

82. Есенин-Вольпин А.С. О теории диспутов и логике доверия // Философия. Логика. Поэзия. Защита прав человека: Избранное. М.: Рос. гос. гуманит. ун-т, 1999. - С.178-192.

83. Zadeh L.A. Discussion: Probability theory and fuzzy logic are complementary rather than competitive // Technometrics. 1995. - Vol.37, №3. -P.271-276.

84. Ларьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. -М.: Мир, 1991.- 568 с.

85. Построение экспертных систем // под ред. Хейеса-Рота Ф., Уотермана Д., Лената Д. -М.: Мир, 1987.

86. Кобринский Б.А. Нечеткая логика в анализе образных представлений в медицинских системах искусственного интеллекта // Междунар. конф. по мягким вычислениям и измерениям: Сб. докл. Т.1. СПб. - 1998. - С.233-235.

87. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. -М.: Радио и связь, 1982.- 432 с.

88. Дейвисон М. Многомерное шкалирование: Методы наглядного представления данных / Пер. с англ. -М.: Финансы и статистика, 1988. 254 с.

89. Заде Л. Понятие лингвистической переменной и его применение для принятия приближенных решений. -М.: Мир, 1976.

90. Проблемы представления и обработки не полностью определенных знаний // под ред. Швецова И.Е. Москва-Новосибирск, 1996.

91. Деметрович Я., КнутЕ., Радо П. Автоматизированные методы спецификации. Пер. с англ. М.: Мир 1989. 115 е., ил.

92. Михеев О.В., Габусу П.А., Чикова С.С. Интеллектуальные технологии в медикобиологических исследованиях. // Сборник материалов конференций ИВТН-2006. М., 2006 г., с.37

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

94. Михеев О.В., Шевченко М.В., Габусу П.А. Тренажеры с открытыми связями // Сборник тезисов шестой международной научно-практической конференции «Пилотируемые полеты в космос». 2006 г., С. 177-179.

95. Гурский Д.А., Flesh MX 2004 и ActionScript 2.0: обучение на примерах. Минск: Новое знание, 2004., 446 с.

96. Телерман В.В., Дмитриев В.Е. Технология программирования на основе недоопределенных моделей // Новосибирск, 1995.

97. Габусу П.А., Михеев О.В., Самохина A.C. Анализ схем обработки первичных данных в системе предотвращения биологической чрезвычайной ситуации. // Проблемы безопасности при чрезвычайных ситуациях. М.: 2006 г., №4. С. 64-71.

98. Габусу П.А., Михеев О.В., Самохина A.C. Идентификация сценариев эпидемического заболевания. // Проблемы безопасности при чрезвычайных ситуациях. М.: 2006 г., № 2. С. 92-106.

99. Габусу П.А., Михеев О.В., Самохина A.C. Взаимодействие V-модели и имитационной математической модели распространения опасного эпидемического заболевания. // Проблемы безопасности и чрезвычайных ситуаций. М.: 2006 г., № 3. С. 96-105.

100. Габусу П.А., Михеев О.В., Самохина A.C. Экспериментальные исследования имитационной математической модели распространения опасного эпидемического заболевания // Труды международной конференции «Параллельные вычисления и задачи управления» РАСО 2006 г.