автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка и исследование методов и средств принятия решений в процессе идентификации личности по сегментам нижних конечностей

На правах рукописи

ТУРЛАК ВЕРА ВАСИЛЬЕВНА

РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДОВ И СРЕДСТВ ПРИНЯТИЯ РЕШЕНИЙ В ПРОЦЕССЕ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО СЕГМЕНТАМ НИЖНИХ КОНЕЧНОСТЕЙ

Специальность 05.13.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Курск 2006

Работа выполнена в Воронежском государственном техническом университете

Научный руководитель - доктор технических наук, профессор

Мутафян Михаил Иванович

Официальные оппоненты: доктор технических наук, профессор

Кореневский Николай Алексеевич

Ведущая организация - Воронежская государственная технологическая академии.

Защита диссертации состоится "27" июня 2006 года в 14 час, в конференц-зале на заседании диссертационного совета Д 212.105.03 при Курском государственном техническом университете по адресу: 305004, г. Курск, ул. 50 лет Октября, 94.

С диссертацией можно ознакомиться в библиотеке Курского государственного технического университета.

Автореферат разослан «25"» мая 2006г.

кандидат технических наук, доцент Руденко Вероника Викторовна

Ученый секретарь диссертационного совета Д 212.105.03

Старков Ф.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность исследования. Задача создания моделей и алгоритмов идентификации личности по фрагментам человеческого тела является одной из наиболее актуальных в условиях локальных военных конфликтов, природных и техногенных катастроф для точного подсчета людских потерь, безошибочного и своевременного информирования родственников погибших и проведения различных следственных мероприятий. Часто в распоряжении экспертов оказывается незначительное количество материала для анализа, что существенно затрудняет работу по идентификации погибшего человека.

Непрерывно совершенствующиеся современные методы математического моделирования позволяют разрабатывать алгоритмы и модели, использующие параметры отдельных фрагментов человеческого тела для точного установления видовой принадлежности исследуемого фрагмента, пола, возраста, роста и веса. Однако на расчет и применение разработанных моделей накладывают ряд ограничений значительные вариации, которым подвержены индивидуальные антропометрические характеристики, а так же во многих случаях вычислительная мощность компьютеров, распространенных во время проведения аналогичных исследований.

Разработка каждой такой методики основывается на обсчете и анализе данных, собранных при серийном изучении ряда останков. Все исследованные ряды обладали рядом отличительных особенностей, на которые оказали влияние, в том числе и место проживания, и время проведения исследований каждым ученым.

Вычислительные возможности компьютерной техники, бывшей в распоряжении у исследователей в сочетании со значительным объемом анализируемых данных являлись основной причиной того, что в результате исследований судебно-медицинским экспертам для работы были предложены алгоритмы, основанные на применении диагностических таблиц, рассчитанных для антропометрических параметров, изменяющихся в определенных границах.

Описанный подход представляет неудобства, значительно усиливающиеся в случае необходимости применения нескольких диагностических таблиц или при значении какого-либо антропометрического параметра, выходящем за рамки, определенные в имеющихся диагностических таблицах.

В результате проведенного анализа разработанных и применяющихся в судебно-медицинской практике алгоритмов становится очевидной необходимость разработки комплекса моделей определения основных идентифицирующих параметров (таких, как пол, рост, возраст, вес) по совокупности морфометрических признаков, для использования которых достаточно задать в качестве параметров идентифицирующей модели измеренные значения антропометрических величин р'^^ НАЦИОЙМьТшГ

■ библиотека оэ -¿т I

Использование подобных моделей позволяет сократить время, необходимое на определение пола, роста, возраста и веса погибшего человека, повысить качество идентификационной модели, а так же не накладывает ограничений на значения измеренных параметров.

Работа выполнена в соответствии с одним из основных научных направлений Воронежского государственного технического университета (ВГТУ) «Биомедкибернетика, компьютеризация в медицине».

Пели и задачи исследования. Целью диссертационной работы является разработка методов и средств, позволяющих повысить скорость и качество определения идентификационных параметров по сегментам нижних конечностей на основе установления статистических взаимосвязей морфологических признаков в условиях ограниченности количества исходной информации.

Для достижения поставленной цели необходимо решить следующие задачи.

выявить статистические зависимости между антропометрическими признаками нижних конечностей.

- разработать комплекс методов определения идентификационных параметров по метрическим признакам нижних конечностей.

разработать автоматизированную инструментальную систему судебно-медицинской идентификации личности, обеспечивающую возможность выбора идентификационной модели в зависимости от конкретной экспертной ситуации.

провести статистический анализ влияния латеральной асимметрии на определение пола, возраста, роста, веса.

выявить статистические взаимосвязи между параметрами сегментов нижних конечностей и размером одежды.

провести апробацию созданных методов и средств на практических объектах при идентификации человека по сегментам останков.

Объектом исследования являются совокупность сегментов человеческих останков, принадлежащих лицам обоего пола в возрасте от 16 до 95 лет.

Методы исследования. Для решения поставленных задач в работе применялись методы математического моделирования, теории принятия решений, математической статистики, объектно-ориентированного программирования.

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

метод, обеспечивающий поддержку принятия решения о выборе оптимальной идентификационной модели в зависимости от заданной экспертной ситуации;

комплекс регрессионных моделей, отличающихся учетом латеральной асимметрии при выявлении взаимосвязей между ростом, возрастом, весом и параметрами сегментов нижних конечностей;

комплекс дискриминантных моделей,, позволяющих учитывать влияние латеральной асимметрии при выявлении взаимосвязей между полом и параметрами сегментов нижних конечностей;

способ, обеспечивающий возможность определения размера одежды по морфометрическим параметрам нижней конечности, основанный на применении методов регрессионного моделирования;

про1раммное обеспечение автоматизированной информационной системы, разработанное с использованием методов поддержки принятия решений для автоматизированной поддержки анализа поступающей информации, позволяющее осуществлять определение идентификационных параметров в зависимости от сложившейся экспертной ситуации.

Практическая ценность результатов работы заключается в возможности внедрения информационной системы, основанной на разработанных методах и средствах в деятельность судебно-медицинских экспертов по идентификации личности, что способствует повышению качества производства экспертиз; способствует сокращению времени ее проведения; обеспечению высокой точности и достоверности результатов экспертизы; облегчает принятие решения о выборе наиболее эффективной модели с учетом сложившейся экспертной ситуации и позволяет определить с более высокой точностью идентификационные параметры - пол, возраст, рост, вес.

Реализация результатов работы. Программное обеспечение, разработанное в ходе выполнения диссертационной работы внедрено на кафедре судебной медицины Воронежской государственной медицинской академии им. Н.Н.Бурденко и на кафедре «Управление в социальной сфере и медицине» Воронежского государственного технического университета и в деятельность Государственного учреждения здравоохранения «Воронежский медицинский информационно-аналитический центр». Материалы диссертации используются в учебном процессе кафедры "Управление в социальной сфере и медицине" Воронежского государственного технического университета при обучении студентов специальности 060819 "Экономика и управление на предприятиях социально-культурной сферы" в курсе "Информационные технологии в управлении".

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Биотехнические, медицинские и экологические системы и комплексы" (Рязань, 2001), конференции

«Вооруженные силы и реформы в России» (Санкт-Петербург, 2001), V Международная научно-техническая конференция «Физика и радиоэлектроника в медицине и экологии» ФРЭМЭ-2004 (Владимир), 7 и 8 Международных открытых научных конференциях «Современные проблемы информатизации в непромышленной сфере и экономике» (Воронеж, 2002, 2003), 60-й Юбилейной открытой итоговой научной конференции студентов и молодых ученых Волгоградской медицинской академии «Медицина нового века, достижения и перспективы» (Волгоград-2002); ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основные результаты диссертации опубликованы в 11 печатных работах.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в работах [1, 7-11] лично автором предлагаются методики установления взаимосвязей между морфометрическими параметрами сегментов нижних конечностей, определения пола, возраста, роста и веса с учетом латеральной асимметрии организма и алгоритмы выбора оптимальной модели в зависимости от сложившейся экспертной ситуации. В работах [2-6] соискатель предлагает алгоритмическое обеспечение информационной системы, обеспечивающей поддержку принятия решений в процессе идентификации личности по сегментам останков.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 125 страницах, списка литературы из 140 наименований, 2 приложений. Содержит 24 рисунка, 27 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, дается ее краткая характеристика, сформулированы цели и задачи исследования.

В первой главе диссертации делается обзор судебно-медицинских методов, позволяющих определить пол, возраст, вес и рост по фрагментам останков, в результате анализа литературы проводится оценка эффективности различных алгоритмов и методик. Отмечаются такие свойства существующих методик, как использование ограниченного количества доступных признаков, недостаточная точность оценки, и высокая трудоемкость вследствие ограниченного применения средств вычислительной техники.

Отмечается недостаточное развитие методик, позволяющих прогнозировать различные антропометрические параметры по имеющимся фрагментам останков. Привлекается внимание к тому факту, что значительный объем судебно-медицинской информации, которую можно извлечь при исследовании мягких тканей, практически не нашел отражения в

существующих методах и методиках диагностики отдельных идентификационных характеристик по заданным морфологическим объектам.

Исследование в области применения компьютерных систем, используемых для идентификации личности по различным антропометрическим признакам, и анализ их возможностей позволили сделать вывод, что разработанные системы применимы в достаточно узком диапазоне задач, а надежность их работы требует разработки более надежных методов.

Проведенный анализ современных инструментальных средств позволяет сделать оптимальный выбор среды для построения информационной системы с использованием встроенных механизмов обмена данными между различными (в том числе и стандартными) приложениями с учетом класса решаемых задач, возможностей интеграции с офисными приложениями и скорости обработки данных.

Поскольку процесс судебно-медицинской идентификации сопровождается обработкой значительных потоков информации, очевидной становится необходимость применения современных информационных технологий в качестве инструментария разработки автоматизированной информационной системы, обладающей широкими возможностями и отвечающей современным требованиям.

В результате анализа существующих судебно-медицинских идентификационных методов и возможностей современных инструментальных средств формулируются цель и задачи исследования.

Вторая глава посвящена построению статистических моделей и алгоритмов идентификации личности по параметрам сегментов нижних конечностей. На основе предложенного расширенного набора параметров сегментов нижних конечностей была выявлена система взаимосвязей между данными параметрами и идентификационными признаками человека, такими, как пол, рост, возраст, вес, что является одним из основных этапов построения моделей определения недостающих параметров, поскольку способствует повышению скорости и точности расчета идентификационных моделей.

На рис.1 приведена принципиальная схема моделирования идентификационных параметров по сегментам нижней конечности.

В качестве исходных данных для построения моделей используется совокупность антропометрических параметров нижних конечностей 254 останков мужчин и женщин (154 мужчин и 100 женщин) в возрасте от 16 до 95 лет. Измерялись 18 признаков нижней конечности, условные обозначения которых приведены в таб. 1.

Определены основные этапы построения статистических моделей для решения вопроса установления пола, возраста, роста и веса человека на основе признаков нижней конечности.

Задание на экспертизу

Комплекс 1

статистических | _ . моделей

I у, = !

Дополнительные обстоятельства экспертной ситуации (Сохранность тканей, информация о половой принадлежности останков, отсутствие отдельных сегментов нижних конечностей)

Рис.1 Схема моделирования идентификационных параметров

Таблица 1,

Список антропометрических параметров, измеряемых на нижних конечностях

Код признака Наименование Ед. измер.

С38 Длина нижней левой конечности см

С39 Длина левого бедра см

С40 Окружность левого бедра см

С41 Жировая складка левого бедра см

С42 Длина левой голени см

С43 Окружность левой голени см

С44 Окружность левого голеностопного сустава см

С45 Длина левой стопы см

С46 Ширина левой стопы см

С47 Длина правой нижней конечности см"

С48 Длина правого бедра см

С49 Окружность правого бедра см

С50 Жировая складка правого бедра см

С51 Длина правой голени см

С52 Окружность правой голени см

С53 Окружность правого голеностопного сустава см

С54 Длина правой стопы см

С55 Ширина правой стопы см

Изучение взаимосвязей между различными антропометрическими параметрами позволяет определить наличие устойчивых связей в наблюдаемой выборке между исследуемыми параметрами нижних конечностей между собой

и такими идентификационными признаками человека, как пол, рост, возраст и вес. Наибольшую наглядность в представлении выявленных взаимосвязей имеет метод корреляционных плеяд, использовавшийся в данной работе. На рис. 2 приведена корреляционная плеяда, отражающая наиболее сильные статистические взаимосвязи между идентификационными признаками и исследуемыми параметрами нижних конечностей.

Построение моделей определения роста, возраста, веса по сегментам нижних конечностей осуществлялось методами пошаговой линейной регрессии. Для определения пола в возможных экспертных ситуациях применялся пошаговый дискриминантный анализ.

В таблице 2 приведены результаты построения идентификационных моделей, полученные в ходе проведения регрессионного и дискриминантного анализа без учета сегментационного разбиения нижних конечностей. Модели строились как на данных совокупной выборки (мужчины и женщины) так и на данных мужской и женской выборки.

У4В

■ сильная или средняя положительная корреляционная связь — — - сильная или средняя отрицательная корреляционная связь

Рис. 2 Корреляционная взаимосвязь междутгсследуемыми признаками нижних конечностей

В таблице используются следующие обозначения: К (коэффициент канонической корреляции между рассчитанными значениями идентификационного параметра и фактически измеренными значениями исходной выборки) и ±о (ошибка оценки, измеряется в тех же единицах, что и искомая величина);

Таблица 2

Сводная таблица идентификационных моделей, построенных без учета сегментации нижней конечности (совокупная выборка, мужчины и женщины

по отдельности)

Вся совокупность Женщины Мужчины

Рост Р=32,964+0,864*У47+1,377* У45+0,257*У40+0,361*У39-3,251*У50 Р=39,659+0,939*У47+ +1,492* У54+0,196* У40 Р=42,636+0,837*У47+0,263 *У40+0,930*У48+0,422*У39

К о И. а К а

0.919 ±3.97 0.878 ±3,65 0.859 ±4.16

ы « « В=-76,644+1,263*У40+1,207* У53+0,86*У52+1,135*У54 В=-101,355+0,906*У52+ 1,956*У54+1,418*У53+ 1,253*У40 В=-62,684+1,19б*У40+3,254 *У55+0,813 *У53+0,487*У51

К. а Л о К о

0.836 ±7.37 0.864 ±7.47 0.812 ±7.092

Возраст В=117,784-1,424*У47-1,211*У49+2,83*У44+ 4,71*У55 В=76,248-2*У47+5,247*У44-2,404*У43+4,104*У46. В=172,634-1,315*У38-1,29*У48+2,113*У53

И а Л а К в

0.571 ±15.12 0.653 ±14.48 0.571 ±15.12

Пол Б = -20,143+0,438*У45+0,775*У46+0,073*С47-0,079*С49

Значение функции в групповых центроидах К

Женщины Мужчины 0,723

-1,259 0,862

В третьей главе рассматривается структура информационной системы (рис.3), предназначенной для автоматизации процесса идентификации личности по сегментам нижних конечностей, приводятся характеристики отдельных ее составляющих.

Разработанная система позволяет вводить, обрабатывать и хранить определенные с помощью измерительной ленты антропометрические характеристики сегментов тела с сохранными мягкими тканями в совокупности с различной текстовой и графической информацией (такой, как описание места происшествия, локализация и характер обнаруженных повреждений, данные гистологического анализа, фотографии), эта возможность предусмотрена для удобства составления отчетов, актов экспертных заключений и аналогичных документов.

Формализованная и введенная в компьютер информация, полученная в процессе производства экспертизы, в дальнейшем хранится в базе данных и обрабатывается в соответствии с встроенными правилами и процедурами. На основе данных, полученных после обработки, с помощью разработанных

алгоритмов происходит принятие решения о выборе наиболее эффективной процедуры нахождения идентификационных параметров.

Для удобства взаимодействия судебно-медицинских экспертов с разработанной системой, создана интерфейсная подсистема, которая выполняет функцию посредника, в ее обязанности входит преобразование данных из вида, удобного для восприятия экспертом в форму, наиболее приспособленную для дальнейшей работы с базой данных, и наоборот - представления результата отработки процедур принятия решения в виде готового отчета с возможностью

импорта его в приложения Microsoft Office и пересылки результатов идентификации, оформленных в соответствии с принятыми стандартами посредством сети Internet/Intranet с помощью коммуникационной подсистемы.

Подробно описывается логическая схема работы информационной системы в условиях различных экспертных ситуаций, приводятся схемы всех возможных расчленений нижних конечностей и развивается понятие сегментадионной идентификационной матрицы, предложенное М.И.

Мутафяном. Особое внимание было уделено тому факту, что сегментация нижней конечности возможна в различных вариантах и в настоящей работе приводятся карты возможного расчленения нижних конечностей человека, основанные на антропометрических параметрах, доступных для измерения в данном экспертном случае.

Разработан комплекс статистических моделей определения идентификационных параметров, способный успешно интегрироваться с идентификационной матрицей, благодаря учету возможных вариантов сегментации нижних конечностей.

Идентификационная матрица послужила основой для разработки метода принятия решения о выборе максимальных моделей определения идентификационных параметров на основе комплекса статистических идентификационных-моделей.

Обобщая полученные результаты нами был сформулирован метод принятия решения о выборе рациональной идентификационной модели в условиях отсутствия возможности измерения всех возможных морфометрических параметров включающий в себя следующие этапы:

1. Формирование множества статистических моделей, с помощью которых возможно проведение процедуры определения пола, возраста, роста и веса, весовых;

2. Определение весовых коэффициентов набора параметров, характеризующих достоверность и точность модели;

3. Формирование целевой функции, значение которой зависит от параметров и весовых коэффициентов;

4. На полученном множестве моделей осуществляется выбор той модели, значение целевой функции для которой максимально.

Комплекс моделей построенных на совокупной выборке (мужчины + женщины) с учетом сегментации нижних конечностей и оценки точностных характеристик всего комплекса построенных моделей приведены в таблицах 3,4 соответственно.

В таблице 3 использовались обозначения: С6 - рост (длина тела), см; С4 - возраст, годы; С7 - вес, кг; С2 - пол.

Таблица 3

Сводная таблица идентификационных моделей определения роста, возраста, веса и пола по сегментам нижних конечностей, построенных на совокупной выборке мужчины + женщины

Рост, см Возраст, годы Вес, кг Пол

Модель Модель Модель Модель Гр.центроиды М | Ж

Обе нижние конечности С6=32,964+0,863* У47 +1,377*У45+0,257*У40 +0,361 *У39-3,251*У50 С4=117,784-1,424*У47 -1,211*У49+2,83*У44 +4,71У55 С7=-76,644+1,263*У40 +1,207* У53+0,86*У52 +1,135*У54 С2—20,143+0.438*У45 +0,775*У46+0,073*У47 -0,079*У49 0,861 -1,259

Левая нижняя конечность С6=32,257+0,822*У38 +1,486*У45+0,214*У40 +0,421*У39 С4=120,058-1 ,Э99*УЗ 8 -1,193 * У40+2,85* У44 +4,088*У46 07—79,654+1,214*У40 +1,067*У44+2,505*У46 +0,764* У43+0,183 * У38 02—20,298+0,07* УЗ 8 -0,075*У40+0,45*У45 +0,767*У46 0,851 -1,243

Правая нижняя конечность С6=57,821+2,106*У39 +0,459*У40-4,554*У41 04=165,911-1,847* У39 -0,827*У40 С7=-44,069+1,868*У40 +0,531*У39 02—12,595+0,306*У39-1,44*У41 0,479 -0,699

Левое бедро 06=57,821+2Д06*У39 +0,459*У40-4,554*У41 С4=165,911-1,847*У39 -0,827*У40 С7=-44,069+1,868*У40 +0,531*У39 С2=-12,595+0,306* У39-1,44*У41 0,479 -0,699

Левая голень С6=70,184+2,294*У42 +0,51*У44 04+101,974-2,685*У42 +3,912*У44-1,562У43 С7=-60,554+2,283*У43 +1,287*У44+0,595*У42 С2=-14,766+0,292*У42 -0,09*У43+0,278*У44 0,474 -0,692

Левая стопа 06=58,467+4,598*У45 04=86,266-3,352*У 45 +1,721*У44 07—57,857+3,003*У44 +5,503*У46 С2—20,669+0,656*У45 +0,57*У46 0,755 -1,103

Правое бедро 06=57,658+2,128* У48 +0,456* У49-5,75* У50 С4=168,411-1,903*У48 -0,833*У49 С7=-45,48+1,852*У49 +0,593*У48 С2=-12,622+0,31 * У48-1,752*У50 0,51 -0,75

Правая голень 06=66,011+2,373*У51 +0,557*У53 04= 02,411-2,693*У51 +3,669*У53-1,392* У52 С7=-61,36+2,378* У52 +0,612*У51+1,184*У53 02—15,574+0,304*У51 +0,18*У53 0,481 -0,703

Правая стопа 06=59,355+4,565*У54 С4=86,125-3,377*У54 +4,717*У55 С7=-58,755+3,515*У53 +4,159*У55 С2=-19,875+0,69*У54 +0,391 *У55 0,721 -1,054

В качестве параметров, отражающих качество построенных моделей, использовались следующие критерии:

- для регрессионных моделей: К (коэффициент канонической корреляции между рассчитанными значениями идентификационного параметра и фактически измеренными значениями исходной выборки) и ±0 (ошибка оценки, измеряется в тех же единицах, что и искомая величина);

- для дискриминантных моделей ^коэффициент канонической корреляции между рассчитанными значениями дискриминантной функции и показателем принадлежности к группе) и С% (процент правильно классифицированных случаев исходной выборки).

На основе полученных моделей можно сделать вывод, что наиболее достоверно по нижним идентифицируется рост, затем вес, пол и наименее достоверны модели определения возраста.

Так же, в случае наличия обеих нижних конечностей результаты судебно-медицинской идентификации будут точнее, чем в случае наличия только одной из конечностей или их фрагментов. В отдельных случаях бывает целесообразно предварительно установить половую принадлежность останков для использования более достоверной модели, построенной на соответствующей выборке.

Таблица 4

Сводная таблица оценок статистических моделей, построенных по параметрам нижних конечностей как на совокупной выборке, так и на мужской

и женской выборках отдельно

□ 1 ж | м 1 п | Рост | Воз раст 1 Вес | Пол

1 ж+м [ к 1 ±о МГ] Я ±о . Я 1 ±сг 1 К. ±0 Я 1 ±а ! Я | с%

Обе нижний 0,87 3,65 0,85 | 4,16 ; 0,65 14,48 0,56 114,85 | 10,86 7,47 0,81 7,09 ч - . ■

конечности 0,91 3,97 0,57 15,12 0,83 7,37 0,72[ 84,ОС 0/711 85,2С

Левая нижняя конечность 0,87 | 3,76 0,85 14,17 0,64 | 14,58 0,54 | 15,05 0,85 | 7,60 0,80 | 7,22

0,91 4,06 0,56 15,22 0,83 7,45

Правая нижняя конечность 0,87 13,60 0,85 14,25 0,59 | 15,41 0,56 114,87 0,85 | 7,61 ! 0,80 17,21

0,91 4,05 0,55 | 15,35 0,83 7,44 0,70) 84.ОС

Левое бедро 0,76 14,90 0,75 | 5,30 0,36 117,55 0,51 115,40 0,79 | 8,83 0,76 17,76 ;

0,81 5,87 0,44 16,39 0, 77 8,42 0,50|73,8С

Левая голень 0,62 | 5,93 0,74 15,39 0,57 115,58 0,45 | 15,96 0,80 1 1 8,81 0,712 ШЕГ * ^т

0,77 6,32 0,49 15,90 0,76 8,64 0,491 Т2,ЗС

Левая стопа 0,61 15,90 0,64 | 6,20 0,26 118,15 0,35 | 16,66 0,63 111,35 0,56 ¡9,98

0,77 6,30 0,28 17,60 0,61 10,60 0,67! 80,9С

Правое бедро 0,75 14,98 0,73 | 5,49 0,38 117,38 0,52 115,21 0,80 | 8,66 0,75 17,85

0,80 5,93 0,45 16,35 0,77 8,460 ¡0,521 72,ЗС]|

Правая голень 0,75 15,02 0,73 | 5,47 0,50 | 16,41 0,39 I 16,41 0,79 | 8,90 0,71 ¡8,39 ч

0,81 5,88 0,47 16,17 0,76 8,59 0,50 | 75,0С|

Правая стопа 0,659 | 5,69 0,61 | 6,41 0,27 118,13 0,28 117,09 0,66 111,00 0,56 ¡9,99

0,77 6,31 0,25 .17,71 0,60 10,66 | 0,65 | 81,бС|

Важным этапом настоящего исследования является задача определения соматотипа - расчет размера одежды по сегментам конечностей.

Для расчетов была выбрана наиболее распространенная система размеров одежды, применяющаяся в современной швейной промышленности, использующаяся в качестве основного показателя обхват груди. Для мужчин значение этого параметра совпадает со значением обхвата грудной клетки, который является общепринятым судебно-медицинским параметром. Для женщин эти два параметра имеют различное значение, в связи с чем, возникла необходимость воспользоваться дополнительной статистической информацией производителей нижнего белья относительно взаимосвязи этих параметров.

Таким образом, для решения задачи определения размера одежды необходимо построить совокупность моделей определения обхвата грудной клетки по параметрам сегментов нижней конечности с учетом идентификационной карты.

В четвертой главе диссертации основное внимание уделяется программно-технической реализации информационной системы.

Отмечается, что информационная система была спроектирована таким образом, чтобы работа с его интерфейсом не вызывала затруднений даже у неопытного пользователя, что обеспечивается устранением сложных систем меню и использованием технологии чувствительных областей, которые активизируются с помощью мыши.

Описывается интерфейс пользователя, структура базы данных, используемой для хранения моделей, рассматриваются возможности отдельных подсистем и назначение основных процедур и функций. Так же приводятся примеры работы информационной системы и обсуждаются возможности обмена данными с другими внешними программами и прикладными системами.

Схема определения идентификационных параметров с помощью разработанной системы с использованием реальных данных приведена на рис. 4.

Подчеркивается, что внедрение разработанной системы в практику позволит автоматизировать процесс формирования экспертных заключений а также способствует удобству хранения и передачи экспертных материалов посредством сетевых технологий.

Важной частью настоящего исследования было изучение влияния латеральной асимметрии на построение моделей.

Для этого исследования была создана база данных, содержащая 254 случая, каждый элемент этой базы вычислялся как отношение соответствующих параметров левой и правой нижних конечностей по формуле;

л и

о Я

3 о

5 2

^ го

ш -О

.П Н

X X

а 0) я

Правое бедре

Длина правого бедра 5' си Окружность правого бедра ВЕ 5 ск

Жировая складе 0 25 а/

Левое бедро

Длина левого бедра 5' си Окружность левого бедра 5Е си

Жировая ехпадга 02 с«

Правая стопа

Длина правой сгопь 6' си Окружность правого голеносгопногс сустава 5Е 5 от Ширина правой столы 0 2£ «

□ 2

ш ы оз

"О § I

Ш Ф ш

§ ХЗ X

(й Я) Я)

н л: I

О СГ ьо

я х

Выбор оптимальных идентификационных моделей

Пол

С вероятностью 86% пол женский

^2

Вес

Вес равен 75 5 кг с

возможными отклонениями 8 кг в обе стороны

12

Размер одежды

Наиболее вероятный размер одеждь 50 с возможными вариациями от 48 до 52 ,

Рост

Рост равен 179 5 см

с возможными отклонениями 4 9 см в обе стороны

Г

12

Возраст

По имеющимся параметрам возраст с достаточной степенью достоверности \опред&лить невозможно!/

Результат идентификации

Рис. 4 Схема определения идентификационных параметров

Для установления статистической значимости латеральной асимметрии для полученной базы данных рассчитывался набор следующих параметров дескриптивной статистики для каждого отношения признаков: минимальное, максимальное и среднее значения, стандартное отклонение, характеризующее разброс выборки относительно среднего, и выборочная асимметрия, характеризующая симметричность распределения полученной выборки. Предварительный анализ рассчитанных параметров позволил сделать вывод, что отношения параметров близки к единице и разброс выборки относительно среднего незначителен. Отношения некоторых параметров (например, отношения длин нижних конечностей) имеют асимметричное распределение со смещением выборки вправо относительно среднего значения.

С целью более наглядного представления данных и выявления скрытых закономерностей были проведены построение и анализ гистограмм распределения отношения морфометрических признаков левой и правой нижних конечностей. Наиболее характерные гистограммы, отражающие распределение введенных переменных, приведены на рис.5.

Гистограмма отношения окружностей правого и левого бедра

I р^цфя^!

&<1.1Эеу<»,0Э Мат-1,007 N»256,00

■% ■%ччччччччч

Гистограмма отношения толщины жировой складки правого и левого бедра

Мот - 1,02

N » 256,00

1,75 2Д5 2,73 1,50 2,00 2,30

Гистограмма отношения длин правой и левой нижних конечностей

ало«--,ог

Мет «,998 N»256,00

ЧЧЧЧЧЧЧЧЧЧ

Гистограмма отношения окружностей правого и левого голеностопного суставов

Рис. 5, Гистограммы распределения отношений морфометрических параметров нижних конечностей

Анализ гистограмм распределения отношений морфометрических параметров нижних конечностей показывает, что отношения всех параметров имеют распределение, близкое к нормальному, относительно единицы. Значения стандартного отклонения, близкие к нулю, свидетельствуют о малом разбросе данных в полученных выборках, что, в конечном счете, сопровождается увеличением надежности производимых оценок.

На этом основании был сделан вывод о том, что ни один из исследованных в настоящей работе параметров нижних конечностей не имеет статистически значимой латеральной асимметрии и, как следствие, вклад параметров левой и правой нижних конечностей в построенную модель равноценен.

С целью анализа эффективности разработанной информационной системы и адекватности построенных статистических моделей была проведена серия слепых опытов, для чего была выполнена следующая последовательность действий:

1. Случайным образом из базы были выбраны N случаев (15).

2. На основе получившейся выборки из (254->1) случая строились линейные регрессионные и дискриминантные модели с учетом вариантов сегментации нижних конечностей.

3. С помощью построенных моделей определялись рост, возраст, вес и пол для исключенных случаев для всех вариантов сегментации нижних конечностей.

4. Проверялась статистическая значимость полученных результатов с помощью нахождения абсолютной и относительной ошибки определения величины идентификационных параметров для всех исключенных случаев.

Значения абсолютной (Ла) и относительной (Л0) ошибки определения роста, возраста и веса в ходе проведения слепых опытов приведены в таблице 5.

Таблица 5

Сводная таблица ошибок оценки идентификационных параметров по «слепым опытам»

Рост Возраст Вес

Да 4,09 см 13,98 лет 6,18 кг

До 2,4% 30,5% 9,1%

Следующим шагом исследования был расчет отклонений рассчитанных значений идентификационных параметров от истинных значений с учетом ошибки оценки модели. Анализ вычисленных отклонений показывает, что рассчитанные параметры не менее, чем в 95% случаев для роста, 88% - для веса и 60% - для возраста соответствуют фактическим данным биоманекена, ошибка определения этих параметров не выходит за диапазон значимости и, как

следствие, разработанные модели и алгоритмы применимы в судебно-медицинской практике для определения идентификационных параметров.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Выявлены статистические зависимости между антропометрическими признаками нижних конечностей, позволяющие выявить морфометрические параметры, наиболее сильно взаимосвязанные с идентификационными параметрами с целью уменьшения объема расчетов по построению статистических моделей.

2. Разработан комплекс методов определения идентификационных параметров по метрическим признакам нижних конечностей, что позволяет быстрее и точнее производить идентификацию личности в условиях полной или частичной фрагментации останков.

3. Разработана автоматизированная инструментальная система судебно-медицинской идентифшсации личности, обеспечивающая возможность выбора идентификационной модели в зависимости от конкретной экспертной ситуации.

4. Проведен статистический анализ влияния латеральной асимметрии на определение пола, возраста, роста, веса, в результате которого был установлен вклад параметров левой и правой нижних конечностей в построенные статистические идентификационные модели.

5. Выявлены взаимосвязи между параметрами сегментов нижних конечностей и размером одежды, позволяющие сформировать более полное описание исследуемых останков, что увеличивает точность идентификации в целом.

6. Проведена апробация и подтверждена применимость созданных методов и средств на практических объектах при прогнозировании роста, возраста, веса и пола человека по сегментам нижних конечностей.

Основное содержание диссертации изложено в следующих публикациях:

1. Бабенко В.П. Использование макроструктурных признаков малоберцовой кости человека для определения пола/ В.П. Бабенко, А.А.Моисеев, М.А. Кислов, А.А Ролдугин, В.В. Турлак //Медицина в начале нового века: Достижения и перспективы. Общие закономерности морфогенеза в норме, патологии и эксперименте. - Воронеж, Волгоград, 2002.-С.18-19.

2. Мутафян М.И. Алгоритмизация задач идентификации личности в составе АРМ судебно-медицинского эксперта/ М.И, Мутафян, В.В. Турлак // Вооруженные силы и реформы в России: Межвузовский сборник научных трудов. Выпуск №2. СПб.: Изд-во СПбГТУ, 2001.- С. 312-313.

3. Мутафян М.И. Применение информационных технологий в задачах идентификации личности по фрагментам останков/ М.И. Мутафян, В.В. Турлак // Сборник научных трудов конференции. Владимир, 2001.- С. 14-15.

4. Мутафян М.И. Применение biternet-технологий к проблеме судебно-медицинской идентификации личности по фрагментам останков/ М.И. Мутафян, В.В. Турлак // Современные проблемы информатизации в непромышленной сфере и экономике: Сб. трудов. Вып. 8. Воронеж: Центрально-черноземное книжное издательство, 2003.- С. 53-54.

5. Основы математического моделирования средствами MATLAB. Мутафян М.И., Павлов В.А., Турлак В.В. // Методические указания по курсу "Информационные технологии в управлении" для студентов специальности 060819 дневной формы обучения. ВГТУ. Воронеж, 2002.- 20 с.

6. Основы построения информационных систем на основе СУБД Microsoft Access. Мутафян М.И., Антыков А.Н., Павлов В.А., Турлак В.В. // Методические указания по курсу "Информационные технологии в управлении" для студентов специальности 060819 дневной формы обучения. ВГТУ. Воронеж, 2002.- 20 с.

7. Турлак В.В. Применение автоматизированной системы идентификации личности для судебно-медицинского определения роста человека по малоберцовой кости/ В.В.Тур лак, В.П. Бабенко, М.И. Мутафян, В.И. Бахметьев// Материалы V международной научно-технической конференции «ФРЭМЭ» - Владимир-Суздаль, 2004.-С.35-39.

8. Турлак В.В, Применение статистического моделирования к проблеме судебно-медицинской идентификации пола человека на основе макроморфологических признаков малоберцовой кости./В.В. Турлак, В.II. Бабенко, М.И. Мутафян И Сборник Рязанской конференции молодых ученых. Рязань 2001.-С.65-66.

9. Турлак В.В. Использование систем поддержки принятия решения с целью решения зада1™ идентификации личности по фрагментам тела/ В.В. Турлак, М.И. Мутафян, Ю.В. Зазулин // Современные „ проблемы информатизации в непромышленной сфере и экономике: Сб. трудов. Вып. 7. Воронеж: Центрально-черноземное книжное издательство, 2002.- С 46-47.

10. Турлак В.В. Определение длины тела (роста) человека по малоберцовым костям/ В.В. Турлак, В.П. Бабенко, В.И. Бахметьев, М.И. Мутафян // Материалы 6 Всероссийского съезда судебных медиков. Москва-Тюмень, 2005.- С 39-40.

11. Турлак В.В. Определение пола, человека на основе математического моделирования взаимосвязей макроструктурных признаков малоберцовых костей/ В.В. Турлак, В.П. Бабенко // Системный анализ и управление в биомедицинских системах. Том 5, №1, Воронеж, 2006.-С. 196

Сдано в набор 2.2.05.2006. Подписано в печать 22.05.2006. Бумага офсетная 70 г/м . Формат 60x84/16. Гарнитура Times New Roman. Печать трафаретная. Усл. п. л. 1,25. Тираж 100.

Номер заказа 371.

Отпечатано в лаборатории оперативной полиграфии Издательско-полиграфического центра ВГУ

г. Воронеж, Университетская площадь, 1, ком.43, тел,208-853.

Л&Р6А

/YáPf

ВВЕДЕНИЕ

1. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ СУДЕБНО-МЕДИЦИНСКОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ С ИСПОЛЬЗОВАНИЕМ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ

1.1. Обзор и анализ методик идентификации личности по фрагментам останков

1.1.1. Объекты идентификации личности

1.1.2. Методы идентификации личности по фотоизображениям

1.1.3. Идентификация личности по костным останкам

1.1.4. Идентификация личности по сегментам останков с учетом мягких тканей.

1.2. Повышение эффективности средств идентификации личности по антропометрическим признакам с использованием компьютерных технологий

1.2.1. Возникновение и развитие систем идентификации личности

1.2.2. Современные системы идентификации личности, основанные на антропометрии

1.2.3. Обзор и анализ современных статистических пакетов программ (СПП)

1.3. Цели и задачи исследования

2. ОСНОВНЫЕ ЭТАПЫ МОДЕЛИРОВАНИЯ В ПРОЦЕССЕ СУДЕБНО-МЕДИЦИНСКОЙ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО СЕГМЕНТАМ ОСТАНКОВ

2.1 Формализация данных, используемых для моделирования процесса идентификации в составе информационной системы

2.2 Основные этапы обработки данных в процессе построения идентификационных моделей

2.3 Обоснование целесообразности и допустимости выбранных статистических методов на основе предварительного анализа морфометрической информации

2.4 Построение идентификационных моделей определения роста, возраста и веса на основе морфометрических параметров нижних конечностей и малоберцовой кости ф 2.5 Моделирование пола по морфометрическим признакам нижних конечностей с использованием методов дискриминантного анализа

V ВЫВОДЫ ВТОРОЙ ГЛАВЫ

3. АЛГОРИТМИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННОЙ СИСТЕМЫ ИДЕНТИФИКАЦИИ ЛИЧНОСТИ ПО СЕГМЕНТАМ ОСТАНКОВ

3.1. Структура информационной системы идентификации личности по сегментам останков

3.2. Разработка алгоритмов идентификации личности с учетом различных экспертных ситуаций

3.3. Результаты моделирования параметров личности по сегментам 85 останков

ВЫВОДЫ ТРЕТЬЕЙ ГЛАВЫ

4. РЕАЛИЗАЦИЯ МОДЕЛЕЙ И АЛГОРИТМОВ И РЕЗУЛЬТАТЫ ИХ ВНЕДРЕНИЯ В ПРАКТИЧЕСКУЮ ДЕЯТЕЛЬНОСТЬ

4.1. Влияние латеральной асимметрии на построение идентификационных моделей

4.2. Описание программного обеспечения автоматизированной системы идентификации личности по нижней конечности

4.3 Результаты практической реализации построенных моделей идентификации личности

Актуальность исследования. Задача создания моделей и алгоритмов идентификации личности по фрагментам человеческого тела является одной ф из наиболее актуальных в условиях локальных военных конфликтов, природных и техногенных катастроф для точного подсчета людских потерь, v безошибочного и своевременного информирования родственников погибших и проведения различных следственных мероприятий. Часто в распоряжении экспертов оказывается незначительное количество материала для анализа, что существенно затрудняет работу по идентификации погибшего человека.

Непрерывно совершенствующиеся современные методы математического моделирования позволяют разрабатывать алгоритмы и модели, использующие параметры отдельных фрагментов человеческого тела для точного установления видовой принадлежности исследуемого фрагмента, пола, возраста, роста и веса. Однако на расчет и применение разработанных моделей накладывают ряд ограничений значительные вариации, которым подвержены индивидуальные антропометрические l характеристики, а так же во многих случаях вычислительная мощность компьютеров, распространенных во время проведения аналогичных исследований.

Разработка каждой такой методики основывается на обсчете и анализе данных, собранных при серийном изучении ряда останков. Все исследованные ряды обладали рядом отличительных особенностей, на которые оказали влияние, в том числе и место проживания, и время проведения исследований каждым ученым.

Вычислительные возможности компьютерной техники, бывшей в распоряжении у исследователей в сочетании со значительным объемом *) * анализируемых данных являлись основной причиной того, что в результате i исследований судебно-медицинским экспертам для работы были

А предложены алгоритмы, основанные на применении диагностических таблиц, рассчитанных для антропометрических параметров, изменяющихся в определенных границах [77].

Описанный подход представляет неудобства, значительно усиливающиеся в случае необходимости применения нескольких диагностических таблиц или при значении какого-либо антропометрического параметра, выходящем за рамки, определенные в имеющихся диагностических таблицах.

В результате проведенного анализа разработанных и применяющихся в судебно-медицинской практике алгоритмов становится очевидной необходимость разработки комплекса моделей определения основных идентифицирующих параметров (таких, как пол, рост, возраст, вес) по совокупности морфометрических признаков, для использования которых достаточно задать в качестве параметров идентифицирующей модели измеренные значения антропометрических величин.

Использование подобных моделей позволяет сократить время, необходимое на определение пола, роста, возраста и веса погибшего человека, повысить качество идентификационной модели, а так же не накладывает ограничений на значения измеренных параметров.

Работа выполнена с одним из основных научных направлений Воронежского государственного технического университета (ВГТУ) «Биомедкибернетика, компьютеризация в медицине».

Пели и задачи исследования. Целью диссертационной работы является разработка методов и средств, позволяющих повысить скорость и качество определения идентификационных параметров по сегментам нижних конечностей на основе установления статистических взаимосвязей морфологических признаков в условиях ограниченности количества исходной информации.

Для достижения поставленной цели необходимо решить следующие задачи.

1) выявить статистические зависимости между антропометрическими признаками нижних конечностей.

2) разработать комплекс методов определения идентификационных параметров по метрическим признакам нижних конечностей.

3) разработать автоматизированную инструментальную систему судебно-медицинской идентификации личности, обеспечивающую возможность выбора идентификационной модели в зависимости от конкретной экспертной ситуации.

4) провести статистический анализ влияния латеральной асимметрии на определение пола, возраста, роста, веса.

5) выявить статистические взаимосвязи между параметрами сегментов нижних конечностей и размером одежды.

6) провести апробацию созданных методов и средств на практических объектах при идентификации человека по сегментам останков.

Объектом исследования являлась совокупность сегментов человеческих останков, принадлежащих лицам обоего пола в возрасте от 16 до 95 лет.

Методы исследования. Для решения поставленных задач в работе применялись методы математического моделирования, теории принятия решений, математической статистики, объектно-ориентированного программирования.

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

- метод, обеспечивающий поддержку принятия решения о выборе оптимальной идентификационной модели в зависимости от заданной экспертной ситуации; комплекс регрессионных моделей, отличающихся учетом латеральной асимметрии при выявлении взаимосвязей между ростом, возрастом, весом и параметрами сегментов нижних конечностей; комплекс дискриминантных моделей, позволяющих учитывать влияние латеральной асимметрии при выявлении взаимосвязей между полом и параметрами сегментов нижних конечностей; способ, обеспечивающий возможность определения размера одежды по морфометрическим параметрам нижней конечности, основанный на применении методов регрессионного моделирования; программное обеспечение автоматизированной информационной системы, разработанное с использованием методов поддержки принятия решений для автоматизированной поддержки анализа поступающей информации, позволяющее осуществлять определение идентификационных параметров в зависимости от сложившейся экспертной ситуации.

Практическая ценность результатов работы заключается в возможности внедрения информационной системы, основанной на разработанных методах и средствах в деятельность судебно-медицинских экспертов по идентификации личности, что способствует повышению качества производства экспертиз; способствует сокращению времени ее проведения; обеспечению высокой точности и достоверности результатов экспертизы; облегчает принятие решения о выборе наиболее эффективной модели с учетом сложившейся экспертной ситуации и позволяет определить с более высокой точностью идентификационные параметры - пол, возраст, рост, вес.

Реализация результатов работы. Программное обеспечение, разработанное в ходе выполнения диссертационной работы внедрено на кафедре судебной медицины Воронежской государственной медицинской академии им. Н.Н.Бурденко и в деятельность ГУЗ Воронежского Медицинского Информационно-аналитического Центра. Материалы диссертации используются в учебном процессе кафедры "Управление в социальной сфере и медицине" при обучении студентов специальности 060819 "Экономика и управление на предприятиях социально-культурной сферы" в курсе "Информационные технологии в управлении".

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской научно-технической конференции студентов, молодых ученых и специалистов "Биотехнические, медицинские и экологические системы и комплексы" (Рязань, 2001), конференции «Вооруженные силы и реформы в России» (Санкт-Петербург, 2001), V Международной научно-технической конференции «Физика и радиоэлектроника в медицине и экологии» ФРЭМЭ-2004 (Владимир), 7 и 8 Международных открытых научных конференциях «Современные проблемы информатизации в непромышленной сфере и экономике» (Воронеж, 2002, 2003), 60-й Юбилейной открытой итоговой научной конференции студентов и молодых ученых Волгоградской медицинской академии «Медицина нового века, достижения и перспективы» (Волгоград, 2002); а так же на семинарах кафедры «Управление в социальной сфере и медицине»; ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основные результаты исследования опубликованы в 11 печатных работах.

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 125 страницах, списка литературы из 140 наименований, 2 приложения. Содержит 24 рисунков, 27 таблиц.

ВЫВОДЫ ТРЕТЬЕЙ ГЛАВЫ

1. Разработана структура автоматизированной системы идентификации личности, позволяющей на основе данных, измеренных в ходе экспертизы сегментов останков определять различные идентификационные характеристики, такие, как пол, рост, возраст и вес. В составе автоматизированной системы имеются модули хранения и обработки экспертной информации и удобными средствами взаимодействия со сторонними программами.

2. Проанализированы возможные варианты расчленения нижних конечностей и произведена алгоритмизация определения пола, роста, возраста, веса в зависимости от сложившейся экспертной ситуации. В соответствии с разработанными алгоритмами рассчитаны модели определения идентификационных характеристик, позволяющие производить определение роста, возраста, веса и пола в случае отсутствия того или иного фрагмента конечности. На основе построенных моделей можно сделать вывод, что определение роста с наибольшей достоверностью можно провести на основании признаков обеих конечностей, наименьшую надежность полученных результатов получается при расчетах на основании параметров стопы. Возраст наиболее достоверно определяется по параметрам несегментированных нижних конечностей и голеней, по бедру и стопе достоверность определения возраста недостаточна для проведения экспертизы. Вес с наибольшей точностью определяется по несегментированным нижним конечностям, с наименьшей точностью - по стопам.

3. Разработан алгоритм определения размера одежды по сегментам нижних конечностей, одним из этапов которого является определение обхвата грудной клетки и построены регрессионные модели определения обхвата грудной клетки по сегментам конечностей, с помощью которых становится возможными определение размера одежды на основе параметров сегментов нижних конечностей. Наибольшая точность определения размера одежды достигается при использовании моделей, построенных по обеим нижним конечностям. Модели, построенные по правой и левой стопам наименее точны и рекомендуются для проведения экспертиз в последнюю очередь.

4. РЕАЛИЗАЦИЯ МОДЕЛЕЙ И АЛГОРИТМОВ И РЕЗУЛЬТАТЫ ИХ ВНЕДРЕНИЯ В ПРАКТИЧЕСКУЮ ДЕЯТЕЛЬНОСТЬ

4.1. Влияние латеральной асимметрии на построение идентификационных моделей

В ходе выяснения влияния латеральной асимметрии на точность и достоверность построенных статистических моделей идентификации личности были выполнены целый ряд действий.

Первым этапом анализа латеральной асимметрии было построение новой базы данных из 256 случаев, каждый элемент которой вычислялся согласно следующей формуле:

4 = р, Р i+9

38.46 где Р - элементы исходной матрицы, i - номер признака левой нижней конечности, совпадающий с классификацией, приведенной в главе 2; i+9 является номером соответствующего признака правой конечности.

В качестве следующего этапа выполнялось исключение из анализа тех признаков, единицами измерения которых являются баллы, поскольку предлагаемая методика не является корректной для анализа таких признаков. Поскольку в ходе нашей работы вышеописанные признаки нижних конечностей не входили в сферу наших интересов, то ни один признак из анализа исключен не будет.

Следующим этапом было проведение формирования и анализа дескриптивной статистики для полученных данных.

Рассмотрим табл. 4.1, в которой содержится информация о полученной базе данных. В столбце N содержится количество случаев для каждой переменной, Minimum и Maximum содержат, соответственно, минимальное и максимальное значение каждой переменной, в столбце Mean можно увидеть среднее значение переменной. Стандартное отклонение является показателем разброса выборки относительно среднего значения, выборочная асимметрия характеризует, насколько симметрично относительно средней величины располагаются значения выборки. Если закон распределения случайной величины симметричен относительно среднего значения, то выборочная асимметрия близка к нулю. Если же она положительна (отрицательна), то мы наблюдаем смещение выборки относительно среднего значения вправо (влево).

ЗАКЛЮЧЕНИЕ

В ходе выполнения диссертационной работы были исследованы возможности современных методов идентификации личности по сегментам останков с учетом мягких тканей и скелетизированных останков, а так же обоснование необходимости использования современных вычислительных средств с целью проведения расчетов значений идентификационных параметров.

На основе проведенного анализа была сформулирована необходимость разработки моделей и алгоритмов определения пола, роста, возраста и веса по сегментам нижних конечностей на основе установления статистических взаимосвязей морфологических признаков в составе автоматизированной системы судебно-медицинской идентификации личности по сегментам тела, были поставлены и решены следующие задачи:

1) выявлены статистические зависимости между антропометрическими признаками нижних конечностей, позволяющие выявить морфометрические параметры, наиболее сильно взаимосвязанные с идентификационными параметрами с целью уменьшения объема расчетов по построению статистических моделей;

2) разработаны комплекс методов определения идентификационных параметров по метрическим признакам нижних конечностей, что позволяет быстрее и точнее производить идентификацию личности в условиях полной или частичной фрагментации останков;

3) разработана автоматизированная инструментальная система судебно-медицинской идентификации личности, обеспечивающая возможность выбора идентификационной модели в зависимости от конкретной экспертной ситуации;

4) проведен статистический анализ влияния латеральной асимметрии на определение пола, возраста, роста, веса, в результате которого был установлен вклад левой и правой нижних конечностей в построенные статистические идентификационные модели;

5)выявлены взаимосвязи между параметрами сегментов нижних конечностей и размером одежды, позволяющие сформировать более полное описание исследуемых останков, что увеличивает точность идентификации.

6) проведена апробация и подтверждена адекватность созданных методов и средств на практических объектах при прогнозировании роста, возраста, веса и пола человека по сегментам нижних конечностей.

Программное обеспечение, разработанное в ходе выполнения диссертационной работы, внедрено на кафедре судебной медицины Воронежской государственной медицинской академии им. Н.Н.Бурденко и в деятельность ГУЗ Воронежского Медицинского Информационно-аналитического Центра. Материалы диссертации используются в учебном процессе кафедры "Управление в социальной сфере и медицине" при обучении студентов специальности 060819 "Экономика и управление на предприятиях социально-культурной сферы" в курсе "Информационные технологии в управлении".

1. Абрамов С.С. Выбор методов исследования при судебно-медицинской остеологической идентификации /С.С. Абрамов //Судебно-медицинская экспертиза. 1996. - Т.39, №4. - С. 13-20.

2. Автандилов Г.Г. Медицинская морфометрия: Руководство / Г.Г.Автандилов. М.: Медицина, 1990. - 384 с.

3. Айвазян С.А. Статистическое исследование зависимостей /С.А. Айвазян.-М.: Издательство "Металлургия", 1968.- 227 с.

4. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных. /С.А. Айвазян,- М.: Финансы и статистика, 1983.- 471 с.

5. Айвазян С.А. Прикладная статистика: Исследование зависимостей: Справ, изд. /С.А. Айвазян.- М.: Финансы и статистика, 1985.- 487 с.

6. Алгоритмическое и программное обеспечение статистического анализа. Сб. статей. М.: Наука, 1980.- 421 с.

7. Александров В.В. Анализ данных на ЭВМ / В.В. Александров, А.И. Алексеев, Н.Д. Горский.- М.: Финансы и статистика, 1990.- 191 с.

8. Александров В.В. Обработка медико-биологических данных на ЭВМ. /В.В. Александров, B.C. Шнейдеров.- М.: Медицина, 1984.- 157с.

9. Андерсон Т. Введение в многомерный статистический анализ./ Т. Андерсон.- М.: Физматгиз, 1963. -500 с.

10. Атлас по судебной медицине/ А.А. Солохин, В.Н. Крюков, П.П. Ширинский, Ю.И. Пиголшин; Под ред. А.А. Солохина.- М.: Медицина, 1998.-512 с.

11. И.Афифи А. Статистический анализ. Подход с использованием ЭВМ / А.

12. Афифи,, С. Эйзен.- М.: Мир, 1982. -488 с. 12.Бабенко В.П. Использование макроструктурных признаков малоберцовой кости человека для определения пола/ В.П. Бабенко, А.А.Моисеев, М.А. Кислов, А.А Ролдугин, В.В. Турлак //Медицина в начале нового века:

13. Достижения и перспективы. Общие закономерности морфогенеза в норме, патологии и эксперименте. Воронеж, Волгоград, 2002.-С.18-19.

14. З.Бабичев В.И. О количественном распределении некоторых остеонных конструкций большеберцовой кости человека в связи с возрастом/В.И.Бабичев // Современ. вопр. суд. мед-ны и экспертной практики. Ижевск, 1975.- С.303-304.

15. Бабичев В.И. Экспертно-диагностические особенности определения возраста по фрагментам большеберцовой кости человека: Автореф.дис. канд. мед. наук /В.И.Бабичев; II Московский государственный медицинский институт им. Пирогова. М., 1977. - 20 с

16. Бакаев А.А. Методы организации и обработки баз знаний./А.А. Бакаев, В.И. Гриценко, Д.Н. Козлов.- Киев: Наукова думка, 1993.- 300 с.

17. Бахметьев В.И. Исследование фрагментов сожженных костей в судебно-медицинском отношении: Автореф. дис . канд. мед. наук / В.И.Бахметьев; II Московский государственный медицинский институт им. Пирогова. М., 1977. - 20 с.

18. Беллман Р. Математические модели в медицине./Р. Беллман М.: Мир, 1987.- 135 с.

19. Брагина Н.Н. Функциональные асимметрии человека. 2-е изд. перераб. и доп. / Н.Н. Брагина, Т.А. Доброхотова, М.: Медицина, 1988.- 240 с.

20. Браунли К.А. Статистическая теория и методология в науке и технике./К.А. Браунли.- М.: Наука, 1977.- 407 с.

21. Бунак В.В. Антропология./ В.В. Бунак.- М.: Учпедгиз, 1941.- 376 с.

22. Бююль A. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей: Пер. с нем. / А. Бююль, П. Цёфель. СПб.: 000»ДиаСофтЮП», 2002,- 608 с.

23. Властовский В.Г. Об асимметрии скелета конечности человека /В.Г. Властовский //Вопросы антропологии. 1960. - Вып.З.

24. Вопросы судебной травматологии (материалы VI расширенной научной конференции)./ Киев, 1966.- 275 с.

25. Воронин Ю.А. Теория классифицирования и ее приложенияЛО.А.Воронин.- Новосибирск: Наука. Сибирское отделение, 1985.- 231 с.

26. Гармус А.К. Возможность идентификации личности по костям голени: Автореф. дис. канд. мед. наук / Каунас, 1974.- 18 с.

27. Гладышев Ю.М. Микроскопические конструкции костной ткани и их судебно-медицинское значение: Дис. . д-ра мед. наук/Воронеж, 1965.318 с.

28. Громов А.П. Судебно-медицинская экспертиза механических повреждений. / А.П, Громов, О.А. Ромодановский. Москва, типография метроснаба, 1969.- 62 с.

29. Джамса К. Программирование для Internet в среде Windows: перев с англ. / К. Джамса, К. Коул. СПб.: Питер, 1996. -688с.

30. Добряк В.И. Судебно-медицинская экспертиза скелетированного трупа./В.И,Добряк.- Киев: Государственное медицинское издательство УССР, I960.- 192 с.

31. Донцов В.Г. Возрастные особенности микроскопического строения и минерализации костной ткани плечевой кости человека в судебно-медицинском отношении: Автореф. дис . канд. мед. наук /В.Г.Донцов. -М, 1977. 19 с.

32. Зб.Звягин В.Н. Определение возраста по микроструктуре костей черепа: Метод, реком. / В.Н. Звягин , Г.П. Джуваляков. М., 1988.- 16 с.37.3олотов С. Протоколы Internet: Руководство для профессионалов./С. Золотов.- СПб.: BHV, 1998.- 304 с.

33. Казанцева И.А. Программа для компьютерного анализа дефектов клинической диагностики на основе паталогоанатомической базы данных/И.А.Казанцева // Архив патологии. № 4. 1992.- 31-33с.

34. Кендел М. Ранговые корреляции./М.Кендел.- М.: Статистика, 1975. — 756 с.

35. Кендел М. Статистические выводы и связи./ М. Кендел А. Стьюарт. М.: Наука, 1983 г. -899 с.

36. Кенул Т. Форматы файлов Интернет./Т.Кенул.- СПб.: Питер-пресс, 1997.318 с.

37. Козлов А.В. Программирование для Internet в Delphi 5.0./А.В.Козлов.-М.:ЗАО ""Издательсто БИНОМ", 2001.- 368 с.

38. Кокс Д. Прикладная статистика. Принципы и примеры. / Д. Кокс, Э. Снелл М.: Мир, 1984. -200 с.

39. Компьютеризация медицинских технологий / Н.И. Калядин, В.А. Леменков, И.Р. Лосев, М.В. Пилина, П.И. Чалый. // Мед. техника. 1996. № 2. С. 21-24.

40. Компьютерная биометрия / Под. ред. Ю.М. Барабанова. М.: Наука 1990.174 с.

41. Кощеев В.А. Автоматизация статистического анализа данных./В.А. Кощеев.- М.: Наука, 1988.- 230 с.

42. Лабораторные и специальные методы исследования в судебной медицине (Практическое руководство) / Под редакцией В.И. Пашковой, В.В. Томилина. М.: Медицина, 1975.- 454 с.

43. Лившиц М.И. Учебник о конституциях человека /М.И.Лившиц. -Харьков. 1924.-254 с.

44. Львович Я.Е., Фролов М.В. Моделирование биотехнических и медицинских систем: Учеб. пособие / Под ред. академика РАЕН В.Н. Фролова. Воронеж: ВГТУ, МУВТ, 1994.

45. Малиновский Л.Г. Классификация объектов средствами дискриминантного анализа. М.: Наука, 1978.- 260 с.

46. Мандрыкин А.В.' Разработка моделей и алгоритмов судебно-медицинского установления возраста человека по микроструктуре трубчатых костей: Дис. канд. техн. наук./ Воронеж, 1998 г.-160 с.

47. Математическая статистика и ее приложения: Сб. статей/ Под ред. Ф.П. Тарасенко. Томск: Издательство ТГУ. вып. 6. 1980.- 179 с.

48. Мейдоналд Дж. Вычислительные алгоритмы в прикладной статистике./Дж.Мейдоналд.- М.: Финансы и статистика, 1988.- 348 с.

49. Миркин Б.Г. Анализ качественных признаков и структур./Б.Г.Миркин М.: Статистика, 1980,- 319 с.

50. Молоденкова И.Д. Обработка экспериментальных данных./И.Д.Молоденкова.- Саратов: Издательство саратовского университета, 1990.- 31 с.

51. Мордасов В.Ф. Судебно-медицинское установление возраста человека по микроструктуре бедренной кости: Автореф. дис. . канд. мед. наук /В.Ф. Мордасов; НИИ судебной медицины. М., 1989. - 24 с.

52. Морфология человека: Учебное пособие. 2-е изд., перераб. доп. / Под ред. Б.А. Никитюка, В.П. Чтецова.- М.: Издательство МГУ, 1990.-344 с.

53. Мостеллер Ф., Тьюки Дж.У. Анализ данных и регрессия: В 2 т. /Ф Мостеллер, Дж.У .Тьюки.- М.: Финансы и статистика. 1982.Т.1.- 319 с.

54. Мостеллер Ф., Тьюки Дж.У. Анализ данных и регрессия: В 2 т. /Ф Мостеллер, Дж.У .Тьюки.- М.: Финансы и статистика. 1982.Т.2.- 299 с.

55. Мутафян М.И. Моделирование и алгоритмизация процессов визуализации и диагностики в биомедицинских системах на основе конвейерных технологий: Дис. докт. техн. наук / Воронеж, 1998.- 354 с.

56. Мутафян М.И. Применение методов цифровой обработки изображений в задачах медицинской диагностики // Компьютеризация в медицине: Сб. тр. Воронеж: ВПИ., 1991.- С.76-77.

57. Мутафян М.И., Федянин В.И. Построение программного комплекса визуализации и анализа биомедицинской информации // Оптимизация и моделирование в автоматизированных системах: Межвуз. сб. тр. Воронеж: ВГТУ, 1995.- С.21-25.

58. Мутафян М.И. Построение интерфейса прикладных программ в интегрированных программных комплексах // Интерактивное проектирование техн. устройств и автоматиз. систем на ПЭВМ: Тез. докладов Всесоюзного совещания. Воронеж, 1991.- С.34-37.

59. Мутафян М.И., Родионов О.В., Федянин В.И. Разработка компьютеризированного комплекса для исследования функциональных систем организма человека // Компьютеризация в медицине: Межвуз. сб.тр. Воронеж: ВГТУ, 1995.- С. 12-20.

60. Мутафян М.И. Применение информационных технологий в задачах идентификации личности по фрагментам останков/ М.И. Мутафян,

61. B.В. Турлак // Сборник научных трудов конференции. Владимир, 2001.1. C.14-15.

62. Мышкис А.Д. Элементы теории математических моделей./А.Д. Мышкис. М.: Физматлит, 1994.- 192 с.

63. Найнис И.-В.И. Комплексный метод определения возраста при идентификации личности по костным останкам/ И.-В.И. Найнис // Материалы 5-й Всесоюзн. научн. конф. судебных медиков. М., 1969. Т.1.-С.385-386.

64. Пашкова В.И. Очерки судебно-медицинской остеологии (определение пола, возраста и роста по костям скелета человека) /В.И.Пашкова. М., 1963. - 155 с.

65. Поиск зависимостей и оценка погрешности / Сб. ст. АН СССР, Институт проблем передачи информации; отв. ред. И.М. Пинскер.- М.: Наука, 1985.- 147 с.

66. Попов В. Судебная медицина. Учебник/В.Попов.-М.:Спарк, 1999.-495с

67. Прикладная статистика. Классификация и снижение размерностей / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин.- М.: Финансы и статистика, 1989.- 606 с.

68. Райскина М.Е. Статистическая обработка медицинских данных./М.Е. Райскина, М.А. Акялеме.- Вильнюс, 1989.- 354 с.

69. Райх В.А. Автоматизированная информационная система/В.А. Райх.- // Сов. здравоохранение, 1991. № 12. С.12-16.

70. Руководство по судебной медицине/Под ред. В.В. Томилина. М.: Медицина, 2001.- 576 с.

71. Рунион Р.П. Справочник по непараметрической статистике./Р.П. Рунин.-М.: Финансы и статистика, 1982.- 198 с.

72. Себер Дж. А.Ф. Линейный регрессионный анализ./Дж.Себер.- М.: Мир, 1980.-456 с.

73. Системы управления базами данных и знаний: Справ, изд. / А.Н.Наумов, А.М.Вендров, В.К.Иванов и др.; Под ред. А.Н. Наумова. М.: Финансы и статистика, 1991.-352с.

74. Справочник по прикладной статистике/Под ред. Э. Ллойда, У. Ледермана:.- В 2 т. М.: Финансы и статистика 1990.Т2.- 525 с.

75. Станчев Н.А. Одонтологические критерии судебно-медицинской диагностики возраста человека: Автореф. дис. . канд. мед. наук / М., 1987.- 19 с.

76. Теория статистики / Под ред. Р.А. Шмойловой.- М.: Финансы и статистика, 1996.- 460 с.

77. Туровцев А.И. Комплексные методы исследования особенностей ребер для судебно-медицинской идентификации личности: Дис. . д-ра мед.наук. / Воронеж, 1970.- 380 с.

78. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере / Под ред. В.Э. Фигурнова.- М.: ИНФРА-М, Финансы и статистика, 1995.- 384 с.

79. Урбах В.Ю. Математическая статистика для биологов и медиков. /В.Ю.Урбах.- М.: Издательство академии наук СССР, 1963.- 323 с.

80. Урбах В.Ю. Статистический анализ в биологических и медицинских исследованиях. /В.Ю.Урбах.- М.: Медицина, 1975. -295 с.

81. Устройство для автоматических процессов биологического анализа // Кибернетика и вычислительная техника, 1991. Вып. 90.- 49-52 с.

82. Факторный, дискриминантный и кластерный анализ: Сборник / Под. ред. И.С. Енюкова.- М.: Финансы и статистика, 1989.- 218 с.

83. Ферстер Э. Методы корреляционного и регрессионного анализа. / Э. Ферстер, Б. Рену.- М.: Финансы и статистика., 1983.- 302 с.

84. Фролов А.В. Разработка моделей и алгоритмов судебно-медицинской идентификации личности по сегментам верхних конечностей человека: Дис. канд. техн. наук./Воронеж, 1998 г.- 152с.

85. Фролов В.Н др. Автоматизированные учебно-исследовательские системы, кн.2/ Львович И.Я., Родионов О.В., Федянин В.И., ред. Львович И.Я.; Под ред. В.Н. Фролова.- Воронеж: Изд-во ВГТУ, 1999.-196 с.

86. Фролов В.Н. Моделирование и оптимизация сложных систем (избранные главы).-Воронеж: ВГТУ, 1997.-151 с.

87. Фролов В.Н. Управление в биологических и медицинских системах: Учеб. Пособие/ В.Н. Фролов.-Воронеж: Изд-во ВГТУ, 2001.-327 с.

88. Халиков Р.Ш. Автоматизированная система медицинской диагностики/ Р.Ш. Халиков // Автоматизация процессов обработки первичной информации. Пенза, 1991, С. 36-40.

89. Angyal M.The conditions of the radiological comparison method in the forensic personal identification process/ M. Angyal, K. Derczy // Rechtsmedizin. 1999. № 4.- P. 141-144.

90. Anslinger K. Identification of the skeletal remains of Martin Bormann by mtDNA analysis International/ K. Anslinger, G. Weichhold, W. Keil, B. Bayer, W. Eisenmenger // Journal of Legal Medicine. 2001. № 3. P.- 194-196.

91. Behrman B.W.Eyewitness Identification in Actual Criminal Cases/ B.W. Behrman, S. L. Davey // An Archival AnalysisLaw and Human Behavior. 2001. №5. P.- 475-491.

92. Benthaus S., Rotzscher K., Engel H. The use of mobile dental x-ray techniques in the forensic investigation of mass disaster victims // Rechtsmedizin. 1999. № 4 . P.- 155-158.

93. Вое L.-J. Forensic voice identification in France Speech/ L.-J. Вое // Communication. 2000. № 2-3. P.- 205-224.

94. Bradley B.J. Accurate DNA-based sex identification of apes using noninvasive samples/. B.J. Bradley, K.E Chambers., L. Vigilant // Conservation Genetics. 2001. № 2.- P.- 179-181.

95. Brkic H. Odontological identification of human remains from mass graves in Croatia/ H. Brkic, D.Strinovic, M.Kubat, V. Petrovecki // International Journal of Legal Medicine. 2000. № 1/2 .- P. 19-22.

96. Brkic H. Dental identification of war victims from Petrinja in Croatia/ H.Brkic, D. Strinovic, M.Slaus, J.Skavic, D.Zecevic, M. Milicevic // International Journal of Legal Medicine. 1997. № 2 .- P. 47-51.

97. Cecchi R. Incorrect identification of a military pilot with international implications/ R.Cecchi, L.Cipolloni, M.Nobile // International Journal of Legal Medicine. 1997. № 3 .- P. 167-169.

98. Champod С. The inference of identity in forensic speaker recognition/ C.Champod, D. Meuwly // Speech Communication, 2000, № 2-3.- P. 193-203.

99. De Biasio P. Reference values for fetal limb biometry at 10-14 weeks of gestation/ P. De Biasio, F. Prefumo, P.B.Lantieri, P.L Venturini. // Ultrasound in Obstetrics & Gynecology, 2002 № 6.- P. 588-591.

100. Doddington G.R. The NIST speaker recognition evaluation Overview, methodology, systems, results, perspective/ G.R.Doddington, M.A.Przybocki, A.F.Martin, D.A. Reynolds // Speech Communication, 2000 № 2-3.- p. 225254.

101. Du Chesne A. Post-mortem orthopantomography an aid in screening for identification purposes/ A.Du Chesne, S.Benthaus, K.Teige, B. Brinkmann // International Journal of Legal Medicine, 2000 № 2.- P. 0063-0069.

102. Foreman L.A. A Bayesian approach to validating STR multiplex databases for use in forensic casework/ L.A. Foreman, A.F.M. Smith, I.W. Evett // International Journal of Legal Medicine, 1997 № 5.- P. 244-250.

103. Glassberg J. Method for forensic analysis/ J.Glassberg // Biotechnology Advances, 1997, № 2.- p. 494.

104. Goffinet F. Dating biometry during the first trimester: accuracy of an everyday practice/ F.Goffinet, D.Cabrol, G.Grange, E.Pannier, J.-R. Zom // European Journal of Obstetrics & Gynecology and Reproductive Biology, 2000, №1. p. 61-64.

105. Haigis W. Pseudophakic correction factors for optical biometry/ W.Haigis // Graefes Archive for Clinical and Experimental Ophthalmology, 2001, № 8.- P. 589-598.

106. Hasman A. "Medical application of computers: an overveiw "/ A. Hasman // "Int. J. Bio-Med. Comput."", 1987, v20, N 4.- P. 239-251."

107. Hunger H. Identification./ H.Hunger, D. Leopold Leipzig, 1978.

108. Jacquemyn Y. Fetal biometry in different ethnic groups/ Y. Jacquemyn, P.Verdonk, S.U. Sys // Early Human Development, 2000, № 1, P. 1-13.

109. Murray J.D.Mathematical Biology./ J.D.Murray.-Springer, New York, 1993

110. Praisler M. Pattern recognition techniques screening for drugs of abuse with gas chromatography-Fourier transform infrared spectroscopy/ M.Praisler, I.Dirinck, J.Van Bocxlaer, A.De Leenheer, D.L. Massart // Talanta, 2000, № 1.-P. 177-193.

111. Rahman A.F.R. Serial Combination of Multiple Experts: A Unified Evaluation/ A.F.R.Rahman, M.C. Fairhurst // Pattern Analysis & Applications, 1999, №4.- P. 292-311.

112. Schmittbuhl M. Sexual dimorphism of the human mandible: demonstration by elliptical Fourier analysis/ M.Schmittbuhl, J.M.Le Minor, F.Taroni, P. Mangin // International Journal of Legal Medicine, 2001, № 2 октябрь.- P. 100-101.

113. Soomer H. Identification of victims from the M/S Estonialnternational/ H.Soomer, H.Ranta, A.Penttila // Journal of Legal Medicine, 2001, № 4/5.- P. 259-262.

114. Tamura S. Male/female identification from 8x6 very low resolution face images by neural network/ S.Tamura, H.Kawai, H.Mitsumoto // Pattern Recognition, 1996, № 2.- P. 331-335

115. Thangaraj K. Is the amelogenin gene reliable for gender identification in forensic casework and prenatal diagnosis / K.Thangaraj, A.G. Reddy, L.Singh // International Journal of Legal Medicine, 2002, № 2.- P. 121-123.

116. Valenzuela A. The application of dental methods of identification to human burn victims in a mass disaster/ A.Valenzuela, S.Martin-de las Heras, T.Marques, N.Exposito, J.M. Bohoyo // International Journal of Legal Medicine, 2000, № 4.- P. 0236-0239.

117. Wojcikiewicz J. Statistical interpretation of eyewitness testimony using the mock witness paradigm: A case study/ J.Wojcikiewicz, I.Bialek, K.Deszynski, A.L. Dawidowicz // Expert Evidence, 1999, № 3.- P. 175-186.

118. Корреляционные таблицы признаков нижней конечности