автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.16, диссертация на тему:Разработка и исследование информационно-измерительной системы поддержки принятия решений при диагностике и прогнозировании

На правах рукописи

Полозов Станислав Валерьевич

РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ И ПРОГНОЗИРОВАНИИ

Специальность 05.11 16 «Информационно-измерительные и управляющие системы»

(промышленность)

□ОЭ1В1482

АВТОРЕФЕРАТ диссертации на соискание ученой степени

кандидата технических наук

Липецк-2007

003161482

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Липецкий государственный технический университет»

Научный руководитель доктор технических наук, профессор Мещеряков Виктор Николаевич

Официальные оппоненты

доктор технических наук, профессор Глинкин Евгений Иванович

кандидат технических наук Милонов Михаил Валерьевич

Ведущая организация государственное образовательное учреждение высшего профессионального образования «Елецкий государственный университет им И А Бунина» (г Елец)

Защита состоится 13 11 2007 года в 1200 на заседании диссертационного совета Д212108 01 при государственном образовательном учреждении высшего профессионального образования «Липецкий государственный технический университет» по адресу 398600, г Липецк, ул Московская 30, административный корпус, ауд 601

С диссертацией можно ознакомиться в библиотеке при государственном образовательном учреждении высшего профессионального образования «Липецкий государственный технический университет»

Автореферат разослан « » октября 2007 г

Ученый секретарь диссертационного совета,

В И Бойчевский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

'Актуальность работы Одной из задач информационных технологий является обеспечение оперативного получения информации, обработка данных различной спецификации и квалифицированное принятие решений Можно выделить два способа принятия решений - логический и интуитивный Подразумевается, что логический метод базируется на использовании формальных правил, интуитивный же использует накопленный опыт Последний подход, в настоящее время, наиболее эффективно воплощается с помощью, активно развивающихся, нейросетевых технологий Отдельной областью является обработка данных медицинских измерительных систем при диагностике и прогнозировании В данной области интеллектуальные возможности компьютера в большинстве случаев не используются, однако в последнее время все больше находит применение интуитивный метод Одним из примеров может служить интерпретация данных спектрофотометрического анализа для классификации диагноза вирусного гепатита, сложность которой заключается в необходимости учета большого количества входных факторов (может быть более 100) для принятия решения из 40 возможных вариантов Другим примером может служить задача прогнозирования влияния техногенного загрязнения воздушной среды и метеорологических условий на заболеваемость верхних дыхательных путей Сложность этой задача обуславливается определением уровня влияния на результат прогноза, как отдельного фактора, так и совокупности ряда факторов с учетом временного интервала развития патогенного процесса

Цель работы Разработка и исследование нейросетевой информационной системы с возможностью автоматизированного ввода данных, для проектирования информационно-измерительных систем поддержки принятия решений при диагностике и прогнозировании.

* Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 07-01-96400)

Идея работы заключается в применение нейросетевых методов для обработай данных измерений при решении задач диагностики и прогнозировании, на основе растущей нейронной сети с направленной активацией нейронных элементов, с последующим определением уровня влияния отдельных компонентов измерений на результат обработки данных

Задачи исследования

- выполнить анализ информационно-измерительных систем, применяемых в медицине для принятия решений в условиях многофакторной трудноформализуемой субъективной исходной информации,

- разработать и исследовать нейросетевую модель на базе существующих нейронных сетей, обладающую гибкой архитектурой применительно к задачам диагностики и прогнозирования по данным измерений,

- разработать схему взаимодействия микропланшетного спектрофотометра и нейросетевой модели интерпретации данных,

- разработать информационно-измерительную систему интерпретации данных измерений микропланшетного спектрофотометра с использованием разработанной нейросетевой модели,

- разработать информационную систему прогнозирования уровня заболеваемости верхних дыхательных путей в зависимости от состояния воздушной среды

Методы и объекты исследования В работе использованы положения и методы теории искусственных нейронных сетей, теории планирования экспериментов, математического моделирования, методы теории автоматического управления, методы объектно-ориентированного проектирования и программирования Объектом исследований являлись данные измерений, предоставленные Липецкой клинической инфекционной больницей и Липецким областным центром по гидрометеорологии и мониторингу окружающей среды

Научная новизна

- разработана архитектура нейронной сети на базе существующих типов нейронных сетей для решения задач диагностики и прогнозирования Ее отличие заключается в специфичной архитектуре с локальным возбуждением нейронных элементов сети, что позволяет не только повысить точность вычислений и сократить время обучения, но и дает возможность работать с зашумленной неполной информацией и изменять количество входных и выходных факторов без потери информации и перенастройки весов сети,

- предложена методика анализа входных сигналов информационно-измерительной системы и формирования обучающей и: тестирующей выборок непосредственно математическим аппаратом нейронной сети, Особенность данного подхода позволяет оптимизировать обучающую выборку в процессе обучения, не используя дополнительных вычислительных ресурсов;

- предложен подход к оценке значимости отдельных компонентов входного вектора по набору матриц весовых коэффициентов, обученной системы Оригинальность данного подхода позволяет определить характер влияния каждого фактора на выходной сигнал системы,

- разработана нейросетевая информационно-измерительная система интерпретации данных спектрофотометра Отличительная особенность данной системы позволяет определить влияние каждого компонента на результат обработки данных и дает возможность изменять количество компонентов измерения, не перенастраивая при этом интеллектуальный модуль

- разработана нейросетевая информационная система прогнозирования влияния совокупности техногенного загрязнения атмосферы и погодных условий окружающей среды на уровень заболеваемости органов дыхания у детей Ее особенность позволяет не только прогнозировать, но и дает возможность определения уровня влияния каждого фактора на заболеваемость верхних дыхательных путей

Практическая ценность

- разработанные в диссертации методики, алгоритмы, нейросетевые

модели и научно-практические рекомендации использованы для создания информационно-измерительной системы интерпретации диагноза гепатита Данная система позволяет интерпретировать диагноз гепатита с учетом совокупности данных иммуноферментного анализа и дополнительных результатов обследования пациента,

- практическое применение результатов данной работы позволяет повысить качество лечебно-диагностического процесса в инфекционных больницах, оперативность принятия профилактических мер по снижению уровня заболеваемости верхних дыхательных путей;

- разработана нейросетевая информационная система прогнозирования уровня заболеваемости органов дыхания на основе данных измерений техногенного загрязнения атмосферного состояния воздушной среды, которая позволяет не только прогнозировать уровень заболеваемости дыхательных путей, но и определить влияние каждого фактора на результат прогнозирования

Достоверность результатов и выводов подтверждается сходимостью результатов теоретических исследований с фактическими данными, полученными на реальном объекте с погрешностью менее 5%, математическим обоснованием разработанных моделей

Реализация результатов работы Основные теоретические и практические положения диссертационной работы реализованы в виде пакета программ, которые могут быть использованы для проектирования информационно-измерительных систем интерпретации входных данных в соответствии с набором выходных сигналов

В данном направлении выполнены следующие научно-исследовательские работы

- «Разработка способов и методов формирования навыковой системы диагностики гепатитов в Липецкой области», грант № 07-152, при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 07-01-96400).

- «Разработка методологии медицинской диагностики на основе

технической интуиции», грант № 04-161 Администрации Липецкой области

- «Разработка информационно-прогнозирующей системы экологического мониторинга воздушной среды промышленного города по заболеваемости органов дыхания человека на основе обучаемой навыковой системы», грант № 05-156 Администраций Липецкой области

Результаты исследований использованы в Липецкой клинической инфекционной больнице и в Областном центре Госсанэпиднадзора города Липецка

На защиту выносятся

- архитектура нейроподобной сети, предназначенная для поддержки принятия решений в задачах диагностики и прогнозирования, разработанная на основе модификации каскадно-корреляционной нейронной сети,

- методика формирования выборок обучения и тестирования входных данных, повышающая эффективность обучения сети,

- нейросетевая информационно-измерительная система интерпретации диагноза гепатита на основе совокупных данных иммуноферментного анализа и дополнительных обследований,

- нейростевая информационная система прогнозирования влияния техногенного загрязнения и метеорологического состояния воздушной среды на уровень заболеваемости органов дыхания у детей

Апробация работы

Материалы работы докладывались на научной конференции студентов и аспирантов ЛГТУ (Липецк, 2004 г ), научно-практической конференции «Наука в Липецкой области, истоки и перспективы» (Липецк, ЛГТУ, 2004 г), Всероссийской научно-практической конференции «Здоровье ребёнка и пути его формирования и защиты IV» (Липецк, 23-24 ноября 2004 г), разработки демонстрировались на международной выставке «Интеллектуальные и адаптивные роботы-2005» (ВВЦ, Москва, медаль «Лауреат ВВЦ»), Международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии» (СПб, 2006)

Публикации Теоретические и практические результаты диссертации были отражены в 12 печатных работах, включенных в список литературы

Объем и структура работы

Диссертация состоит из введения и четырех глав, заключения, библиографического списка (91 наименование отечественных и зарубежных авторов) Общий объем работы 142 страницы машинописного текста Основная часть изложена на 128 страницах машинописного текста, содержит 43 рисунка и 18 таблиц)

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, ее научная новизна, сформулированы цели и задачи диссертационного исследования

В первой главе проведен анализ существующих подходов к созданию информационно-измерительных систем. В ходе анализа дается описание проблемы использования современной вычислительной техники Осуществлен анализ основных существующих нейронных структур, рассмотрены их основные преимущества специфика использования Проведен обзор существующих информационно-измерительных систем применяемых в медицине В качестве общего признака, объединяющего традиционные методы, отмечено использование классических алгоритмов обработки информации Выделены основные недостатки в отношении проектирования медицинских информационно-измерительных систем

Во второй главе дается описание схемы информационно-измерительного комплекса на базе микропланшетного фотометра АпИюэ 2010. Рассмотрены основы спектрофотометрии и иммуноферментного анализа (ИФА) дается описание схемы взаимодействия измерительного оборудования и нейросетевой модели, представляющими собой информационно-измерительный комплекс (рис 1).

Измерительный комплекс - на базе микропланшетного фотометра АпЙюб 2010

Основными модулями информационно-измерительного комплекса являются спектрофотометр Ап&ов 2010 и интеллектуально-информационный блок интерпретации данных с клиент-серверной архитектурой базы данных Используя интерфейс интеллектуального блока, врач-инфекционист может в

любой момент просмотреть базу данных с обработанными данными, окончательно поставив диагноз и определив стратегию лечения Данная схема позволяет оперативно получать данные измерений ИФА и четко прослеживать историю болезни пациента

В третьей главе описывается алгоритм обучения и топология нейронной сети Представлена модификация алгоритма каскадной корреляции (рис 2) Алгоритм этого класса не только определяет состояние

Сервер базы

данных пациентов

Модуль нейронной сети

Приемное отделение (предварительные данные)

окончательная интерпретация диагноза

Рис 1 Схема информационно-измерительного комплекса интерпретации результатов спектрофотометра Апйюз 2010

пространства весов, но и саму структуру нейронной сети В процессе обучения каскадной сети строится топология с наименьшим количеством узлов многослойной нейронной сети прямого распространения У данного подхода существуют два отличительных достоинства

- нет необходимости подбирать оптимальную топологию сети, что является одним из основных критериев, позволяющим разрабатывать индивидуализированные информационные экспертные системы

- скорость обучения сети существенно быстрее стандартных алгоритмов, вследствие того, что ее архитектура является прямонаправленной

Однако существует ряд недостатков мешающих применению данного

алгоритма для разработки практически используемых информационно-измерительных систем в медицине

- вследствие специфичной структуры сети становится проблематичным изменение набора входных и выходных факторов информационной системы,

- при наличии большого количества входных факторов или объема входных данных, вычисление корреляции существенно уменьшает скорость обучения сети и требует значительных вычислительных ресурсов

Выходы сети {У}

Дополнительные ней эоны

Весовые коэффициенты

т}

Входной слой

Входы

X! х2 хт сети {XI Рис 2 Архитектура каскадной сети с выборочной активацией нейронов

Для устранения недостатков каскадно-корреляционной архитектуры предложена модификация нейронной сети, которую можно описать, как каскадно-корреляционную сеть с направленной активацией нейронов на основе алгоритма обучения прямого распространения Отличительной особенностью обучения сети является локализованное возбуждение нейронов в пространстве

весов Таким образом, при обучении активизируются не все нейронные элементы, а лишь та часть весов, которая необходима для формирования корректного отклика сети Преимущество данного подхода заключается в отсутствии необходимости использовать всю выборку обучения, что существенно уменьшает использование вычислительных ресурсов и увеличивает скорость обучения

Для коррекции весов сети используется алгоритм прямого распространения, базирующийся на минимизации невязки обучения Математическая модель расчета весов сети запишется

*11 *12 *21 *22

хк\ хк2

> х2п

кп

Ч" 'V

=

IV в Ук

Ошибка (невязка) не должна превышать значения допуска, задаваемого при обучении

Уг =уб1 -У,, * = Ц, где Уф[ - фактический отклик г-той опорной ситуации,

При тестировании ситуаций, не участвовавших в обучении, то есть при прогнозировании решений, ошибка (невязка) не должна превышать некоторого значения

$>АУг=Уб1 -у„ где Уф[ - фактический отклик 1-той тестируемой ситуации

_ п _

У = X х м> , г=к,т

Применительно к задаче тестирования математическая модель будет иметь вид

хк\ хк2 хк\ хк2

хк\ хк2

кп хкп

"V ' У к '

• №2 = Ук+1

•м у

_ . п_ т .

Правило коррекции весов можно представить как

и>,(г)=(ДГ(1) хи +дг(2) XI, + + ДГ(0 х„) к, где - вес связи между у-м нейроном и г-й компонентой входного вектора информационного множества; удельное значение 1-го входа сети

где х1 - входные сигналы сети, N - размерность входного вектора обучения

Далее приводятся результаты исследования характеристик системы. Описывается методика обучения системы суть, которой заключается в формировании обучающей выборки путем расчета коэффициента, определяющего новый вектор обучения с максимальным расстоянием, как на поверхности ошибок, так и в пространстве входных данных

где Ау] - погрешность для у-го вектора тестовой выборки, Дг, - последний вектор включенный в обучаемую выборку, хл - у-ый вектор из тестовой выборки Данная методика позволяет сократить не только время обучения, но и уменьшить объем обучающей выборки

В четвертой главе приводятся результаты разработки нейросетевой информационно-измерительной системы интерпретации диагноза гепатита на

ДУ(г) вычисляется по формуле

дг(0 = Г, - ду(1) 51( - ДУ(2) 521 - - дг(с -1) где ( - коэффициент соотношения двух образов

Коэффициент скорости обучения вычисляется по формуле

1=1

базе микропланшетного фотометра Алйюв 2010 Общее число входных факторов равно 54 Для формирования выборки входных данных было обработано данных более 600 пациентов Получена транспонированная матрица-столбец решений

Ж' =[-0,00238^ 0,021562; -0,004023, 0,011474; ,Д0187054]

В результате обучения системы погрешность отклика сети на тестовые примеры, не превышает 3%, а количество правильно классифицированных примеров составляет 98,6% Полученные результаты говорят о хорошей обобщающей способности информационной сети, способной классифицировать вид и фазу развития вируса гепатита по набору входных факторов в условиях зашумленности данных и неполного набора данных

Рассмотрены результаты формирования весовых коэффициентов серологических, для разных видов гепатита На графике (рис 3) представлены коэффициенты для входных данных спектрофотометра, они разделены на две группы, которые соответствуют значениям входного фактора «Нет» и «Да»

0,023 0,018 0,013 0,008 0,003 -0,002 -0,007 -0,012

/ \ Л •

/ \ \ ■»"•••Г —

/ 1 ч/ \ V / \

/ X У \ 1 \ 1_ <г"* 1 \

к 4 Р л ч* I— \

\ I / Ч г— у V

ч г >

5 «Я

Ч. ее ф

> ш ш т I I

х

Е 5> 5

о» Я

о

2 2

о о

аз со

X X

5 ^ ь: □ II — а. а. л

о о

X X

<г о>

а

х ■

с <

зе

х <

2 О а> о»

<п

со <л

■г. -г.

> > > >

о б ш ш

X X -Р +

I О 15

О1 О) а> > > >

О О < ххх

I X

с с с < < <

< <

Серологические маркеры

-Нет-

■Да

Рис 3 Распределение весовых коэффициентов серологических маркеров по результатам обучения системы

Наиболее важной является группа, которая соответствует значению «Да» другую же группу «Нет» можно расценивать, как вспомогательную Для данного вида гепатита видно, что для группы «Да» самыми активными и значительными являются серологические маркеры HBs-Ag, НВе-А£, АгЛ-НВе сум, Апй-НВв Ag, Апй-НВУсоге сум, Апи-НВУсоге что

подтверждается специалистами, так как именно эта группа отвечает за индикацию гепатита В, фазы репликации в крови Различие же весовых коэффициентов по значению и по знаку говорит о неоднозначности и сложности интерпретации данных

Далее в главе приводится описание применения разработанной нейросетевой информационно-измерительной системы прогнозирования влияния техногенного загрязнения и метеорологических условий воздушной среды на уровень заболеваемости органов дыхания у детей В качестве данных обучения были обработаны среднемесячные показатели измерений показателей техногенного загрязнения и погодных условий воздушной атмосферы за период с 1998 по 2005 гг, в общей сложности 96 месяцев Для определения объекта исследования были обработаны данные детской возрастной группы в возрасте до 14-ти лег г Липецка в количестве 5879 человек с заболеваниями респираторной системы Результаты тестирования точности прогнозирования системы приведены на рис 4

Общее количество входных параметров равно 19 Выходом сети является число уровня заболеваемости дыхательных путей на тысячу населения Тестовая выборка данных сформирована общим объемом 32 примера, что составляет около 30% от общего объема данных Получена транспонированная матрица-столбец решений

^'=[6,9216,; 18,38512; 16,46423; 5,71344;...6,742919]

Данная система позволяет прогнозировать уровень заболеваемости верхних дыхательных путей в зависимости от совокупности техногенного загрязнения атмосферного воздуха и погодных условий окружающей среды, с погрешностью менее чем 5%

м

8 12

| 10

£ 8

2 б

I .

ф 4

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Пример тестирования —♦ - Реальное значение —— Расчетное значение^

Рис. 4 График соответствия расчетного и заданного уровня заболеваемости на 1000 населения

ЗАКЛЮЧЕНИЕ

В результате выполненных в диссертации исследований, решена актуальная задача - разработана математическая модель растущей нейронной сети с направленной активацией нейронных элементов для обработки данных измерений при диагностике и прогнозировании, с последующим определением уровня влияния каждого компонента измерений на результат обработки данных

Основные результаты исследований, представленных в материалах диссертации, позволили сформулировать следующие выводы

1 Предложена методика синтеза информационно-измерительных систем диагностики и прогнозирования В отличие от существующих подходов, разработанная методика пригодна для синтеза автоматизированных систем интерпретации данных измерений микропланшетного спектрофотометра и позволяет осуществлять его врачам без специальной подготовки

2 Разработана модификация каскадно-корреляционной нейронной сети

и методика ее обучения, которая более эффективна по сравнению с классическим алгоритмом каскадной корреляции, его модификациями и классическим алгоритмом обратного распространения ошибок, за счет выборочной активации нейронов сети Алгоритм толерантен к явлениям «проклятие размерности», «паралич сети» и «переобучение», свойственным алгоритму обратного распространения ошибок, обеспечивает высокую скорость сходимости и точность аппроксимации

3 Предложена методика объективного определения влияния каждого фактора на принимаемое решение на основе анализа весовых коэффициентов, что позволяет выявить доминирующие и второстепенные факторы и соответственно рационально назначать анализы, учитывать совокупное влияние всех факторов, повысить качество и оперативность диагностики

4 Разработаны нейросетевая информационно-измерительная система «Серологические маркеры 1 0» (Свидетельство об отраслевой регистрации разработки №6936) и «Серологические маркеры 2 0» (Свидетельство об отраслевой регистрации разработки №8925), которые позволяют определять вид гепатита и стадию его развития соответственно по 11 и 22 серологическим маркерам.

5 Спроектирована нейросетевая информационно-измерительная система «Гепатиты 1 0», которая позволяет определять вид гепатита и стадию его развития по 54 факторам биологическим, клиническим синдромам, данным эпиданамнеза, преджелтушечного периода, иммуноферментного анализа, биохимическим показателям, результатам ультразвукового обследования

6 Разработана информационно-измерительная система «Метеоэкология 1 0» (Свидетельство об отраслевой регистрации разработки №6935), которая прогнозирует влияние совокупности техногенного загрязнения атмосферного воздуха и погодных условий окружающей среды на уровень заболеваемости органов дыхания у детей

Основные положения диссертации опубликованы в работах

1 Мещеряков, В Н Обучаемые навыковые системы технического зрения, диагностики гепатитов, экологического мониторинга и выбора оборудования [Текст] / В Н Мещеряков, В В Кавыгин, С В Полозов //Информационно-измерительные и управляющие системы Т4 - М. Изд Радиотехника,2006 № 1-3 -С 128

2 Кавыгин, В В Образная математика живых и технических нервных систем [Текст] / В В Кавыгин, В М Антонов, С В Полозов // Мехатроника, автоматизация, управление М • Изд Новые технологии, 2006 № 8. - С 64

3 Полозов, С В. Навыковая система диагностики гепатитов «Серологические маркеры 1 0» [Текст] / С В Полозов, В В Кавыгин, А Т Чесноков, // Компьютерные учебные программы и инновации (Отраслевой фонд алгоритмов и программ). - М., 2007. № 6 С 128

4 Полозов, С В Навыковая система «Метеоэкология 10» [Текст] / С В Полозов, В В Кавыгин, А Т Чесноков, // Компьютерные учебные программы и инновации (Отраслевой фонд алгоритмов и программ) - М, 2007 № 6 С 127

5 Кавыгин, В В Обучаемая интеллектуальная система «Серо-марк» [Текст] / В В Кавыгин, С В Полозов // Сб тезисов докладов науч конф студентов и аспирантов ЛГТУ - Липецк, 2004 - С 243

6 Кавыгин, В В Обучаемая интеллектуальная система «Серо-марк» [Текст] / В В Кавыгин, С В Полозов // Сб докладов и тезисов обл науч -практ конференции «Наука в Лип обл Истоки и перспективы» / Липецкий государственный технический университет. - Липецк, 2004 г - С.55

7 Бала, М А Обучаемая интеллектуальная система диагностики гепатитов [Текст] / М А Бала, В В. Кавыгин, С В Полозов // Междисциплинарная конференция с международным участием «Новые биокибернетические и телемедицинские технологии 21 века для диагностики и лечения заболеваний человека» - Петрозаводск, 2004 - С 93

8 Стамова, Л Г Обучаемая интеллектуальная система «Экология»

[Текст] / Л Г Стамова, Е А Чеснокова, В Н Мещеряков, В В Кавыгин, С В Полозов//Экология ЦЧО РФ - Липецк, 2004 -№2 - СЗ

9 Стамова, Л Г Возможности экологического мониторинга и охрана здоровья детей г Липецка [Текст] / Л Г Стамова, В Н Мещеряков, Е А Чеснокова, М М Расулов, В В Кавыгин, С В Полозов // Тезисы IV всероссийской научно-практической конференции «Здоровье ребенка и пути его формирования и защиты» - Липецк, 2004 - С 45.

10 Герман, КМ Обучаемая интеллектуальная система диагностики гепатитов «Серологические маркёры 1.2» [Текст] /КМ Герман, А.Т Чесноков, В В Кавыгин, С В Полозов // XVIII Межрегиональная научно-практическая конференция «Актуальные вопросы повышения эффективности здравоохранения» - Липецк,2005 -С38

11 Стамова, Л.Г Информационная навыковая система «Метеоэкология» и анализ заболеваемости органов дыхания у детей [Текст] / Л Г. Стамова, Е А Чеснокова, В В Кавыгин, С В Полозов // Труды 8-й Международной научно-практической конференции «Экономика, экология и общество России в 21-мстолетии» -СПб Изд-воПолитехи Ун-та, 2006 -С 588

12 Мещеряков, В Н Обучаемая интеллектуальная система диагностики гепатита [Текст] / В Н Мещеряков, В.В Кавыгин, С В Полозов // Сб научн тр «Технические науки - региону» / Липецкий государственный технический университет - Липецк, 2006 - С 129

Личный вклад автора в работах, написанных в соавторстве, заключается в следующем- предложены новые решения задач интерпретации данных микропланшетного спектрофотометра в [1,3,5,6,7], в [2] проанализированы преимущества новой методики обучения перед существующими, в [10,12] рассмотрены способы улучшения методики, обработки данных измерений спектрофотометра; предложен поход к обработке данных о техногенном загрязнении воздушной среды в [4,8,9,11]

Подписано в печать 03 10 2007 г Формат 60x84 1/16

Ризография Печ л 1,1 Тираж 100 экз Заказ Липецкий государственный технический университет 398600, г Липецк, ул Московская, 30 Типография ЛГТУ 398600, г Липецк, ул Московская, 30

ВВЕДЕНИЕ.

1. ОБЗОР ОСНОВНЫХ ТИПОВ НЕЙРОСЕТВЫХ ИНФОРМАЦИОННЫХ СТРУКТУР И ИХ ПРИМЕНЕНИЯ ДЛЯ ОБРАБОТКИ МЕДИКО-БИОЛОГИЧЕСКОЙ ИНФОРМАЦИИ.

1.1. Задачи, решаемые нейроподобнымии сетями.

1.2. Краткое описание математической модели нейрона, его составных частей.

1.3. Обзор основных типов нейросетевых структур обработки информации.

1.4. Использование нейросетевых информационно-измерительных для обработки медико-биологических данных.

Выводы.

2. ОПИСАНИЕ СХЕМЫ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОГО КОМПЛЕКСА НА БАЗЕ МИКРОПЛАНШЕТНОГО ФОТОМЕТРА

Anthos 2010.

2.1. Описание информационно-измерительного комплекса на базе микропланшетного фотометра Anthos 2010.

2.2. Теоретические аспекты спектрофотометрии.

2.3. Методика проведения иммуноферментного анализа крови. Метод связывания с фиксированным антителом.

2.4. Описание измерительного модуля на базе спектрофотометра

Anthos 2010.

Выводы.

3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ИНТЕРПРЕТАЦИИ НАБОРА ВХОДНЫХ ДАННЫХ. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ПРЕДЛОЖЕННОЙ АРХИТЕКТУРЫ НЕЙРОННОЙ СЕТИ.

3.1. Математическая модель нейронной сети с направленной активацией нейронных элементов.

3.2. Исследования характеристик системы.

3.3. Методика обучения.

Выводы.

4. РАЗРАБОТКА САМООБУЧАЮЩЕЙСЯ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ДИАГНОСТИКИ И ПРОГНОЗИРОВАНИЯ ЗАБОЛЕВАНИЙ.

4.1. Информационно измерительная система интерпретации диагноза гепатита.

4.2. Разработка нейросетевой информационной интеллектуальной системы прогнозирования заболеваний верхних дыхательных путей.

4.3. Апробация нейронной сети каскадной корреляции с выборочной активацией нейронов.

4.4. Результаты разработки нейросетевой информационно-измерительной интеллектуальной системы диагностики и прогнозирования.

Выводы.

Актуальность работы. Одной из задач информационных технологий является обеспечение оперативного получения информации, обработка данных различной спецификации и квалифицированное принятие решений. Можно выделить два способа принятия решений - логический и интуитивный. Подразумевается, что логический метод базируется на использовании формальных правил, интуитивный же использует накопленный опыт. Последний подход, в настоящее время, наиболее эффективно воплощается с помощью, активно развивающихся, нейросетевых технологий. Отдельной областью является обработка данных медицинских измерительных систем при диагностике и прогнозировании. В данной области интеллектуальные возможности компьютера в большинстве случаев не используются, однако в последнее время все больше находит применение интуитивный метод. Одним из примеров может служить интерпретация данных спектрофотометрического анализа для классификации диагноза вирусного гепатита, сложность которой заключается в необходимости учёта большого количества входных факторов (может быть более 100) для принятия решения из 40 возможных вариантов. Другим примером может служить задача прогнозирования влияния техногенного загрязнения воздушной среды и метеорологических условий на заболеваемость верхних дыхательных путей. Сложность этой задача обуславливается определением уровня влияния на результат прогноза, как отдельного фактора, так и совокупности ряда факторов с учётом временного интервала развития патогенного процесса.

Цель работы. Разработка и исследование нейросетевой информационной

Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 07-01-96400) системы с возможностью автоматизированного ввода данных, для проектирования информационно-измерительных систем поддержки принятия решений при диагностике и прогнозировании.

Идея работы заключается в применении нейросетевых методов для обработки данных измерений при решении задач диагностики и прогнозирования, на основе растущей нейронной сети с направленной активацией нейронных элементов, с последующим определением уровня влияния отдельных компонентов измерений на результат обработки данных.

Задачи исследования:

- выполнить анализ информационно-измерительных систем, применяемых в медицине для принятия решений в условиях многофакторной трудноформализуемой субъективной исходной информации;

- разработать и исследовать нейросетевую модель на базе существующих нейронных сетей, обладающую гибкой архитектурой применительно к задачам диагностики и прогнозирования по данным измерений;

- разработать схему взаимодействия микропланшетного спектрофотометра и нейросетевой модели интерпретации данных;

- разработать информационно-измерительную систему интерпретации данных измерений микропланшетного спектрофотометра с использованием разработанной нейросетевой модели;

- разработать информационную систему прогнозирования уровня заболеваемости верхних дыхательных путей в зависимости от состояния воздушной среды.

Методы и объекты исследования. В работе использованы положения и методы теории искусственных нейронных сетей, теории планирования экспериментов, математического моделирования, методы теории автоматического управления, методы объектно-ориентированного проектирования и программирования. Объектом исследований являлись данные измерений, предоставленные Липецкой клинической инфекционной больницей и Липецким областным центром по гидрометеорологии и мониторингу окружающей среды.

Научная новизна:

- разработана архитектура нейронной сети на базе существующих типов нейронных сетей для решения задач диагностики и прогнозирования. Её отличие заключается в специфичной архитектуре с локальным возбуждением нейронных элементов сети, что позволяет не только повысить точность вычислений и сократить время обучения, но и дает возможность работать с зашумленной неполной информацией и изменять количество входных и выходных факторов без потери информации и перенастройки весов сети;

- предложена методика анализа входных сигналов информационно-измерительной системы и формирования обучающей и тестирующей выборок непосредственно математическим аппаратом нейронной сети, Особенность данного подхода позволяет оптимизировать обучающую выборку в процессе обучения, не используя дополнительных вычислительных ресурсов;

- предложен подход к оценке значимости отдельных компонентов входного вектора по набору матриц весовых коэффициентов, обученной системы. Оригинальность данного подхода позволяет определить степень влияния каждого фактора на выходной сигнал системы;

- разработана нейросетевая информационно-измерительная система интерпретации данных спектрофотометра. Отличительная особенность данной системы позволяет определить влияние каждого компонента на результат обработки данных и дает возможность изменять количество компонентов измерения, не перенастраивая при этом интеллектуальный модуль.

- разработана нейросетевая информационная система прогнозирования влияния совокупности техногенного загрязнения атмосферы и погодных условий окружающей среды на уровень заболеваемости органов дыхания у детей. Её особенность позволяет не только прогнозировать, но и дает возможность определения уровня влияния каждого фактора на заболеваемость верхних дыхательных путей.

Практическая ценность:

- разработанные в диссертации методики, алгоритмы, нейросетевые модели и научно-практические рекомендации использованы для создания информационно-измерительной системы интерпретации диагноза гепатита. Данная система позволяет интерпретировать диагноз гепатита с учетом совокупности данных иммуноферментного анализа и дополнительных результатов обследования пациента;

- практическое применение результатов данной работы позволяет повысить качество лечебно-диагностического процесса в инфекционных больницах, оперативность принятия профилактических мер по снижению уровня заболеваемости верхних дыхательных путей;

- разработана нейросетевая информационная система прогнозирования уровня заболеваемости органов дыхания на основе данных измерений техногенного загрязнения атмосферного состояния воздушной среды, которая позволяет не только прогнозировать уровень заболеваемости дыхательных путей, но и определить влияние каждого фактора на результат прогнозирования.

Достоверность результатов и выводов подтверждается сходимостью результатов теоретических исследований с фактическими данными, полученными на реальном объекте с погрешностью менее 5%, математическим обоснованием разработанных моделей.

Реализация результатов работы. Основные теоретические и практические положения диссертационной работы реализованы в виде пакета программ, которые могут быть использованы для проектирования информационно-измерительных систем интерпретации входных данных в соответствии с набором выходных сигналов.

В данном направлении выполнены следующие научно-исследовательские работы:

- «Разработка способов и методов формирования навыковой системы диагностики гепатитов в Липецкой области», грант № 07-152, при финансовой поддержке Российского фонда фундаментальных исследований (код проекта 07-01-96400).

- «Разработка методологии медицинской диагностики на основе технической интуиции», грант № 04-161 Администрации Липецкой области.

- «Разработка информационно-прогнозирующей системы экологического мониторинга воздушной среды промышленного города по заболеваемости органов дыхания человека на основе обучаемой навыковой системы», грант № 05-156 Администрации Липецкой области.

Результаты исследований использованы в Липецкой клинической инфекционной больнице и в Областном центре Госсанэпиднадзора города Липецка.

На защиту выносятся:

- архитектура нейроподобной сети, предназначенная для поддержки принятия решений в задачах диагностики и прогнозирования, разработанная на основе модификации каскадно-корреляционной нейронной сети;

- методика формирования выборок обучения и тестирования входных данных, повышающая эффективность обучения сети;

- нейросетевая информационно-измерительная система интерпретации диагноза гепатита на основе совокупных данных иммуноферментного анализа и дополнительных обследований;

- нейросетевая информационная система прогнозирования влияния техногенного загрязнения и метеорологического состояния воздушной среды на уровень заболеваемости органов дыхания у детей.

Апробация работы.

Материалы работы докладывались на междисциплинарной конференции с международным участием "Новые биокибернетические и телемедицинские технологии 21 века для диагностики и лечения заболеваний человека" "НБИТТ-21" 27.29 июня 2004 г, г. Петрозаводск, на научной конференции студентов и аспирантов ЛГТУ (Липецк, 2004 г.), научно-практической конференции «Наука в Липецкой области, истоки и перспективы» (Липецк, ЛГТУ, 2004 г.), Всероссийской научно-практической конференции «Здоровье ребёнка и пути его формирования и защиты IV» (Липецк, 23-24 ноября 2004 г.), разработки демонстрировались на международной выставке «Интеллектуальные и адаптивные роботы-2005» (ВВЦ, Москва, медаль «Лауреат ВВЦ»), Международной научно-практической конференции «Экономика, экология и общество России в 21-м столетии» (СПб, 2006).

Публикации. Теоретические и практические результаты диссертации были отражены в 12 печатных работах, включенных в список литературы.

Объем и структура работы

Диссертация состоит из введения и четырех глав, заключения, библиографического списка (91 наименование отечественных и зарубежных авторов). Общий объем работы 142 страницы машинописного текста. Основная часть изложена на 128 страницах машинописного текста, содержит 43 рисунка и 18 таблиц).

Основные результаты исследований, представленных в материалах диссертации, позволили сформулировать следующие выводы:

1. Предложена методика синтеза информационно-измерительных систем диагностики и прогнозирования. В отличие от существующих подходов, разработанная методика пригодна для синтеза автоматизированных систем интерпретации данных измерений микропланшетного спектрофотометра и позволяет осуществлять его врачам без специальной подготовки.

2. Разработана модификация каскадно-корреляционной нейронной сети и методика ее обучения, которая более эффективна по сравнению с классическим алгоритмом каскадной корреляции, его модификациями и классическим алгоритмом обратного распространения ошибок, за счет выборочной активации нейронов сети. Алгоритм толерантен к явлениям «проклятие размерности», «паралич сети» и «переобучение», свойственным алгоритму обратного распространения ошибок, обеспечивает высокую скорость сходимости и точность аппроксимации.

3. Предложена методика объективного определения влияния каждого фактора на принимаемое решение на основе анализа весовых коэффициентов, что позволяет выявить доминирующие и второстепенные факторы и соответственно рационально назначать анализы, учитывать совокупное влияние всех факторов, повысить качество и оперативность диагностики.

4. Разработаны нейросетевая информационно-измерительная система «Серологические маркёры 1.0» (Свидетельство об отраслевой регистрации разработки №6936) и «Серологические маркёры 2.0» (Свидетельство об отраслевой регистрации разработки №8925), которые позволяют определять вид гепатита и стадию его развития соответственно по 11 и 22 серологическим маркёрам.

5. Спроектирована нейросетевая информационно-измерительная система «Гепатиты 1.0», которая позволяет определять вид гепатита и стадию его развития по 54 факторам: биологическим, клиническим синдромам, данным эпиданамнеза, преджелтушечного периода, иммуноферментного анализа, биохимическим показателям, результатам ультразвукового обследования.

6. Разработана информационно-измерительная система «Метеоэкология 1.0» (Свидетельство об отраслевой регистрации разработки №6935), которая прогнозирует влияние совокупности техногенного загрязнения атмосферного воздуха и погодных условий окружающей среды на уровень заболеваемости органов дыхания у детей.

ЗАКЛЮЧЕНИЕ

В результате выполненных в диссертации исследований, решена актуальная задача - разработана математическая модель растущей нейронной сети с направленной активацией нейронных элементов для обработки данных измерений при диагностике и прогнозировании, с последующим определением уровня влияния каждого компонента измерений на результат обработки данных.

1. Петров, В.Н. Информационные системы Текст. / В.Н. Петров //-Санкт-Петербург: Издательский дом «Питер», 2002. 688 с.

2. Виноградова, Н.А. Основы построения информационно-измерительных систем Тескт. / Н.А Виноградова, В.В. Гайдученко, А.И. Карякин //-М.: Издательство МЭИ, 2004. 268 е.

3. Горбань А.Н. Обучение нейронных сетей Текст. / А.Н. Горбань //-М.: Параграф, 1990. 276 с.

4. Розенблатт, Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга Текст. / Ф. Розенблатт //- М.: Мир, 1965. 480 с.

5. Минский, М. Персептроны Текст. /М. Минский, С. Пейперт // -М.: Мир, 1971.-261 с.

6. Хехт-Нильсен, Р. Нейрокомпыотинг: история, состояние, перспективы Текст. / Р. Хехт-Нильсен // Открытые системы, 1998. № 4. - С.40-46.

7. Галушкин, А.И. Некоторые исторические аспекты развития элементной базы вычислительных систем с массовым параллелизмом (80- и 90-годы) Текст. / А.И. Галушкин // Нейрокомпьютер, 2000. № 1. - С. 6882.

8. Шахнов, В.А. Нейрокомпьютеры: архитектура и схемотехника Текст. / В.А. Шахнов, А.И. Власов, А.С. Кузнецов, Ю.А. Поляков //- М.: Изд-во Машиностроение, 2000. 64 с.

9. Горбань, А. Нейронные сети на персональном компьютере Текст.

10. А. Горбань, Д. Россиев // Новосибирск: Наука, 1996. 276 с.

11. Кирсанов, Э.Ю. Цифровые нейрокомпьютеры: Архитектура и схемотехника Текст. / Э.Ю. Кирсанов // Под ред. А.И.Галушкина. Казань: Казанский Госуниверситет, 1995.- 131 с.

12. Круглов, В.В. Искусственные нейронные сети. Теория и практика Текст. /В.В. Круглов, В.В.Борисов // М.: Горячая линия, 2001. -382 с.

13. Горбань, А.Н. Нейроинформатика Текст. /Горбань А.Н., Дудин-Барковский B.JL, Кирдин А.Н. // Новосибирск. Наука, 1998. 296 с.

14. Уоссермен, Ф. Нейрокомпьютерная техника. Теория и практика Текст. / Ф. Уоссермен // М.: Мир, 1992. - 184 с.

15. Поспелов, Г.С. Искусственный интеллект основка новой информационной технологии Текст. /Г.С.Поспелов // - М.: Наука, 1988.-280 с.

16. Haykin, S. Neural Networks a comprehensive foundation Text. / S.H. Haykin // McMaster Univursity Hamilton. Ontario, Canada, 2006. 1104 p.

17. Осовский, С. Нейронные сети для обработки информации Текст. / С. Осовский // М.: Финансы и статистика, 2004. - 344 с.

18. Fahlman, S. Е. The cascade-correlation learning architecture Text. / S. E. Fahlman, C. Lebiere // School of Computer Science, Carnegie Mellon University, 1991.-P. 21-26.

19. Fahlman, S. E. The recurrent cascade-correlation architecture Text. / Fahlman, S. // School of Computer Science, Carnegie Mellon University,1992.-P. 32-36.

20. Hoefeld, M. Learning with limited numerical precision using the cascade-correlation algorithm Text. / M. Hoefeld, S. E. Fahlman, // School of Computer Science, Carnegie Mellon University, 1991. P. 72-78.

21. Вальд, А. Последовательный анализ Текст. / А. Вальд II M.: Физматгиз, 1960. - 157 с.

22. Lipkin, М. The likelihood concept in differential diagnosis Text. / M. Lipkin // Perspect. Biol. Med., 1964. №7. P. 485-497.

23. Быховский, M.JI. Метод фазового интервала в проблеме диагностики Текст. / М.Л. Быховский // Экспериментальная хирургия и анестезиология, 1962. №2.-С. 16-19.

24. Todd, B.S. A probabilistic rule-based expert system Text. / B.S. Todd, R. Stamper, P. A Macpherson // Int. J. Biomed. Comput, 1993. №.2. -P. 129-148.

25. Гублер, E.B. Вычислительные методы анализа и распознавания патологических процессов Текст. / Е.В. Гублер // Л.: Медицина, 1978. -С. 36-49.

26. Парин, В.В. Медицина и техника Текст. / В.В. Парин, P.M. Баевский //-М.: Знание, 1968. С. 36-49.

27. Марасанов, В.В. Математические модели дифференциальной диагностики заболеваний Текст. / В.В. Марасанов // Кишинев: Штиинца, 1973. 62 с.

28. Baxt, W.G. Complexity, chaos and human physiology: the justification fornon-linear neural computational analysis Text. / W.G. Baxt // Cancer Lett, 1994. №2-3. -P. 85-93.

29. Постнова, Т.Б. Информационно-диагностические системы в медицине Текст. / Т.Б. Постнова //- М.: Наука, 1972. 233 с.

30. Переверзев-Орлов, B.C. Советчик специалиста. Опыт разработки партнерской системы Текст. / B.C. Переверзев-Орлов //М.: Наука, 1990.- 133 с.

31. Barreto, J.M. Connectionist expert systems as medical decision aid Text. / J.M. Barreto, F.M. De-Azevedo // Artif. Intell. Med., 1993. №6. P. 515523.

32. Stefanuk, V.L. Expert systems and it's applications Text. / V.L. Stefanuk // The lectures of Union's workshop on the main problems of artificial intillegence and intellectual systems. Part 2, Minsk, 1990. P. 36-55.

33. Hart, A. Evaluating black-boxes as medical decision aids: issues arising from a study of neural networks Text. / A. Hart, J. Wyatt // Med. Inf. Lond., 1990. №3.-P. 229-236.

34. Asada, N. Potential ucefulness of an artificial neural networks for differential diagnosis of interstitial lung diseases: pilot study Text. / N. Asada, K. Doi, H.MacMahon // Radiology, 1990. №3. P. 857-860.

35. Chiou, Y.S. Hybrid lung nodule detection (HLND) system Text. / Y.S. Chiou, Y.M. Lure // Cancer Lett., 1994. № 2-3. P. 119-126.

36. Snowden, S. An advisory system for artificial ventilation of the newborn utilizing a neural network Text. / S. Snowden, K.G. Brownlee, S.W. Smye

37. Med. Inf. Lond, 1993. №4. P. 367-376.

38. Poli, R. A Neural Network Expert System for Diagnosing and Treating Hypertension Text. / R. Poli, S. Cagnoni, R. Livi // Computer, 1991. №3. -P. 64-71.

39. Bertolucci, E. Two different neural network models for coronary artery disease classification Text. / E. Bertolucci, R. Mariotti, O. Biadi // Eur. Heart J., 1993.-P. 23.

40. Fujita, H. Application of artificial neural network to computer-aided diagnosis of coronary artery disease in myocardial SPECT bull's-eye images Text. / H.Fujita, T. Katafuchi, T. Uehara // J. Nucl. Med., 1992. №2. -P. 272-276.

41. Akay, M. Acoustical detection of coronary occlusions using neural networks Text. /М. Akay, W. Welkowitz // J. Biomed. Eng., 1993. №6. -P. 469-473.

42. Gindi, G.R. Neural network and conventional classifiers for fluorescence-guided laser angioplasty Text. / G.R. Gindi, C.J. Darken, K.M. O'Brien // IEEE Trans. Biomed. Eng., 1991. № 3. P. 246-252.

43. Astion, M.L. Application of neural networks to the classification of giant cell arteritis Text. / M.L. Astion, M.H. Wener, R.G. Thomas, G.G. Hunder, D.A. Bloch // Arthritis Reum., 1994. №5. P. 760-770.

44. Gabriel, G. Qualitative Morphological Analysis of Muscle Biopsies Using Neural Networks Text. / G. Gabriel, C.N. Schizas, C.S. Pattichis //Proceedings of 1993 International Joint Conference on Neural Networks,

45. Nagoya, Japan, October 25-29, 1993. P. 943-946.

46. Chan, K.H. A neural network classifier for cerebral perfusion imaging Text. / K.H. Chan, K.A. Johnson, J.A. Becker // J. Nucl. Med., 1994. №5.

47. Jensen, E.W. A model for estimation of the pulmonary capillary pressure Text. /E.W.Jensen, L. Demant, R. Sanchez // Methods Inf. Med., 1994. №1.-P. 139-142.

48. Siebler, M. Real-time identification of cerebral microemboli with US feature detection by a neural network Text. / M. Siebler, G. Rose, M. Sitzer // Radiology, 1994. №3. P. 739-742.

49. Baxt, W.G. A neural network trained to identify the presence of myocardial infarction bases some decisions on clinical associations that differ from accepted clinical teaching Text. / W.G. Baxt // Med. Decis. Making., 1994. №3.-P. 217-222.

50. Baxt, W.G. Analysis of the clinical variables driving decision in an artificial neural network trained to identify the presence of myocardial infarction Text. / W.G. Baxt//Ann. Emerg. Med., 1992. №12. -P. 1439-1444.

51. Barschdorff, D. Phonographic diagnostic aid in heart defects using neural networks Text. / D. Barschdorff, S. Ester, T. Dorsel // Biomed. Tech. Berlin., 1990. №11.-P. 271-279.

52. Volmer, M. Artificial neural network predictions of urinary calculus compositions analyzed with infrared spectroscopy Text. / M. Volmer, B.G. Wolthers, H.J. Metting // Clin. Chem., 1994. №9. P. 1692-1697.

53. Abeyratne, U.R. Artificial neural networks for source localization in thehuman brain Text. / U.R. Abeyratne, Y. Kinouchi, H. Oki // Brain Topogr.,1991. №1.-P. 5.

54. Modai, I. Clinical decisions for psychiatric inpatients and their evaluation by a trained neural network Text. /1. Modai, M. Stoler, N. Inbar-Saban // Methods Inf. Med., 1993. №5. P. 396-399.

55. Cohen, J.D. A theory of dopamine function and its role in cognitive deficits in schizophrenia Text. / J.D. Cohen, D.Servan-Schreiber // Schizophr. Bull, 1993. №1. P.85-104.

56. Chae, Y.M. The development of a decision support system for diagnosing nasal allergy Text. / Y.M. Chae, T.Y. Jang, I.Y. Park // Yonsei Med. J.,1992. №1.-P. 72-80.

57. Ercal, F. Neural network diagnosis of malignant melanoma from color images Text. / F. Ercal, A. Chawla, W.V. Stoeker // IEEE Trans. Biomed. Eng., 1994. №9.-P. 837-845.

58. Cohen, M.E. Neural network approach to detection of metastatic melanoma from chromatographic analysis of urine Text. / M.E. Cohen, D.L. Hudson, P.W.Banda // Proc. Annu. Symp. Comput. Appl. Med. Care, 1991. P. 295299.

59. Piraino, D.W. Segmentation of magnetic resonance images using an artificial neural network Text. / D.W. Piraino, S.C. Amartur, B.J. Richmond // Proc. Annu. Symp. Comput. Appl. Med. Care, 1991. P. 470-472.

60. Dwarakanath, S. A neural network approach to the early detection of cancer Text. / S. Dwarakanath, C.D. Ferris, J.W. Pierre // Biomed. Sci. Instrum,1994.-P. 239-243.

61. Astion, M.L. Application of neural networks to the interpretation of laboratory data in cancer diagnosis Text. / M.L. Astion, P. Wilding // Clin. Chem., 1992. №1.-P. 34-38.

62. Morrell, R. Personal computer-based expert system for quality assurance of antimicrobial therapy Text. / R. Morrell, B. Wasilauskas, R.Winslow// Am. J. Hosp. Pharm., 1993. №10. P. 2067-2073.

63. Lee, H.L. Fuzzy Theory in Traditional Chinese Pulse Diagnosis Text. /H.L. Lee, S. Suzuki, Y. Adachi // Proceedings of 1993 International Joint Conference on Neural Networks, Nagoya, Japan, October 25-29, 1993. -P. 774-777.

64. Hoher, M. Neural network based QRS classification of the signal averaged electrocardiogram Text. / M. Hoher, H.A. Kestler, G. Palm // Abstr. Supplement ХП-th World Congress Cardiology (734), 1994. P. 114.

65. Evans, S.J. Differentiation of beats of ventricular and sinus origin using a self-training neural network Text. / S.J. Evans, H. Hastings, M.M. Bodenheimer // PACE Pacing Clin. Electrophysiol, 1994. №4. -P. 611-626.

66. Kumaravel, N. Automatic diagnosis of neuro-muscular diseases using neural network Text. / N. Kumaravel, V. Kavitha // Biomed. Sci. Instrum., 1994. №30. -P. 245-250.

67. Vertosick, F.T. Predicting behavior of an enzyme-linked immunoassay model by using commercially available neural network software Text. / F.T. Vertosick, T. Rehn // Clin. Chem., 1993. №12. P. 2478-2482.

68. McAuliffe, J.D. Data compression of the exercise ECG using a Kohonen neural network Text. / J.D. McAuliffe // J. Electrocardiol, 1993. P. 80-89.

69. Шварц, Э. Программы, умеющие думать Текст. / Э. Шварц, Д. Трис // Бизнес Уик, 1992. №6.-С. 15-18.

70. Tu, J.V. Use of a neural network as a predictive instrument for length of stay in the intensive care unit following cardiac surgery Text. / J.V. Tu, M.R. Guerriere // Proc. Annu. Symp. Comput. Appl. Med. Care, 1992. -P. 667-672.

71. Davis, G.E. A neural network that predicts psychiatric length of stay Text. / G.E. Davis, W.E. Lowell, G.L. Davis HMD Comput., 1993. №2. -p.87-92

72. Budilova, E.V. Endocrine networks Text. /E.V. Budilova, A.T. Teriokhin // The RNNS/IEEE Symposium on Neuroinformatics and Neurocomputers, Rostov-on-Don, Russia, October 7-10, 1992. P. 729-737.

73. Hirahara, M. neural network model for visual motion detection that can explain psychophysical and neurophysiological phenomena Text. / M. Hirahara, T. A. Nagano // Biol. Cybern., 1993. №3. P. 247-252.

74. Alvager, T. Neural-network applications for analysis of adverse drug reactions Text. / T. Alvager, T.J. Smith, F. Vijai // Biomed. Instrum. Techno!., 1993. №5. P. 408-411.

75. Jamieson, P.W. A computational model of levodopa pharmacodynamics in Parkinson's disease Text. / P.W. Jamieson // Clin. Neuropharmacol., 1991. №6.-P. 498-513.

76. Буков, A.A. Технические нервные системы Текст. / А.А. Буков //Липецкий государственный технический университет, Липецк, 2001. 223 с.

77. Кавыгин, В.В. Образная математика живых и технических нервных систем Текст. / В.В. Кавыгин, В.М.Антонов, С.В.Полозов //Мехатроника, автоматизация, управление. М.: Изд. Новыетехнологии, 2006. № 8. С. 53-64.

78. Антонов, В.М. Обучаемые системы управления Текст. / В.М. Антонов // Липецк, ЛГТУ, 1998. 415 с.

79. Косяков, Ю.Б. Мой мозг. Строение, принципы работы, моделирование Текст. / Ю.Б. Косяков // М.: СИНТЕГ, 2001.- 164 с.

80. Кавыгин, В.В. Обучаемая интеллектуальная система «Серо-марк» Текст. / В.В. Кавыгин, С.В.Полозов // Сб. тезисов докладов науч. конф. студентов и аспирантов ЛГТУ. Липецк, 2004. - С. 243-245.

81. Полозов, С.В. Навыковая система диагностики гепатитов «Серологические маркёры 1.0» Текст. / С.В.Полозов, В.В. Кавыгин, А.Т. Чесноков, // Компьютерные учебные программы и инновации (Отраслевой фонд алгоритмов и программ). М., 2007. № 6. - С. 128.

82. Мещеряков, В.Н. Обучаемая интеллектуальная система диагностики гепатита Текст. / В.Н. Мещеряков, В.В. Кавыгин, С.В. Полозов // Сб.научн.тр. «Технические науки региону». / Липецкий государственный технический университет. - Липецк, 2006. - С. 129131.

83. Стамова, Л.Г. Обучаемая интеллектуальная система «Экология» Текст. / Л.Г. Стамова, Е.А. Чеснокова, В.Н. Мещеряков, В.В. Кавыгин, С.В. Полозов // Экология ЦЧО РФ. Липецк, 2004. - №2. - С. 3-6.

84. Полозов, С.В. Навыковая система «Метеоэкология 1.0» Текст. / С.В. Полозов, В.В. Кавыгин, А.Т. Чесноков, // Компьютерные учебные программы и инновации (Отраслевой фонд алгоритмов и программ). М., 2007. № 6. - С. 127.