автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка методов и средств комплексной диагностики шизофрении на основе нечеткой логики принятия решений

На правах рукописи

Уварова Анна Георгиевна

РАЗРАБОТКА МЕТОДОВ И СРЕДСТВ КОМПЛЕКСНОЙ ДИАГНОСТИКИ ШИЗОФРЕНИИ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ ПРИНЯТИЯ РЕШЕНИЙ

Специальность 05.13.01 Системный анализ, управление и обработка

информации АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Курск 2004

Работа выполнена в Курском государственном техническом университете

Научный руководитель: доктор технических наук, старший

научный сотрудник Бурмака Александр Александрович

Официальные оппоненты доктор технических наук, профессор

Лопин Вячеслав Николаевич

кандидат технических наук, доцент, Руденко Вероника Викторовна

Ведущая организация Воронежский государственный

технический университет

Защита диссертации состоится 07.10.2004 в 16 часов в конференц-зале на заседании диссертационного совета Д 212.105.03 при Курском государственном техническом университете по адресу: 305040, Курск, ул. 50 лет Октября 94.

С диссертацией можно ознакомиться в библиотеке Курского государственного технического университета.

Автореферат разослан 2004 г.

Учёный секретарь диссертационного совета ДОП. 105.03 Старков Ф.А.

Общая характеристика работы

Актуальность проблемы. По данным Всемирной организации здравоохранения в последнее время отмечается рост психических заболеваний. Патологии, относящиеся к данному классу, помимо утраты трудоспособности, в ряде случаев могут приводить к летальному исходу. Среди заболеваний этого класса значительное место занимает шизофрения, которая поражает приблизительно 1 % населения планеты (Каплан Г.И., Сэдок Б.Дж.).

Диагностика шизофрении, особенно на ранних стадиях, является достаточно сложной задачей, требующей зачастую длительных и дорогостоящих процедур. Некоторые виды шизофрении могут маскироваться другими клиническими и параклиническими проявлениями. Точное же знание диагноза и стадий протекания заболевания позволит в значительной мере рационализировать тактику лечения больных шизофренией.

В клинической практике диагностика шизофрении чаще всего осуществляется на основе данных психологических исследований, которые не всегда обеспечивают требуемую точность классификации этого заболевания. При этом следует иметь в виду, что процесс диагностики шизофрении трудно формализуем. Поэтому психиатры предпочитают использовать различные тесты мышления с последующим эвристическим анализом результатов тестирования (Плотников В.В.). Точность такой интерпретации связана с рядом объективных и субъективных факторов, которые определяют нечеткость границ классов. При этом, одни и те же результаты тестирования могут по-разному толковаться различными специалистами, а при повторном тестировании один и тот же объект может быть отнесен к разным классам даже одним специалистом.

Повысить оперативность и точность диагностики можно путем использования комплекса показателей, характеризующих различные проявления жизнедеятельности на психическом и физиологическом уровнях, количество и состав которых оптимизируется с помощью современных математических методов и информационных технологий. В таких случаях для построения систем поддержки принятия решений целесообразно использовать теорию нечетких множеств. При этом, учитывая, что в медицинских задачах трудно подобрать количественные критерии для оценки эффективности той или иной альтернативы, целесообразно использовать такие методы, которые позволяют интегрировать достоинства, как эвристических, так и нечетких моделей.

Таким образом, исследования в области совершенствования методов и средств интеллектуальной поддержки комплексной диагностики шизофрении является актуальной задачей.

Работа выполнена в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий» и в соответствии с научной -технической программой. Научные исследования высшей школы по приори-

РОС. НАЦИОНАЛЬНАЯ

тетным направлениям науки и техники», подпрограмма 204 «Технологии живых систем».

Цель работы. Разработка методов и средств комплексной диагностики шизофрении по данным, психологического и физиологического тестирования, обеспечивающих повышение оперативности и качества диагностики в условиях нечёткого представления исходных данных и диагностируемых классов.

Для достижения поставленной пели необходимо решить следующие задачи:

• - Обосновать возможность совместного использования информации,

получаемой при реализации психологической методики дискриминации свойств понятий, и информации, снимаемой с биологически активных точек, для диагностики шизофрении.

• Предложить метод синтеза нечетких решающих правил для диагностики шизофрении на основе признаков, характеризующих понятийное мышление.

• Разработать метод синтеза решающих правил для диагностики шизофрении по комплексу показателей, характеризующих психологические и физиологические компоненты.

• Синтезировать набор меридианных моделей управления энергетическими характеристиками проекционных зон посредством электрических сигналов, параметры которых изменяются при наличии у пациента предпосылок к заболеванию или самого заболевания шизофренией.

• Предложить алгоритмы синтеза решающих правил и принятия решений для диагностики шизофрении.

• Предложить структуру системы поддержки принятия решений для диагностики шизофрении с соответствующим программным обеспечением.

• Провести экспериментальную проверку и сравнительную оценку разработанных моделей, методов, алгоритмов и программных средств. Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории управления, математической статистики, моделирования, теории нечетких множеств, рефлексологии, психодиагностики, экспертного оценивания и принятия решений.

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

• Метод синтеза решающих правил диагностики шизофрении, отличающийся использованием признаков, характеризующих понятийное мышление, получаемых посредством методики дискриминации свойств понятий, позволяющий получать диагностические заключения при не полностью определенной исходной информации и нечетком представлении исходных данных и классов.

• Меридианные модели управления энергетическими характеристиками, проекционных зон, связанных с заболеванием шизофренией, отличающиеся учетом всех существенных связей, влияющих на электрические характеристики этих зон, позволяющие обеспечивать выбор информативных признаков и синтезировать решающие правила распознавания шизофрении на физиологическом уровне.

• Метод синтеза комбинированных решающих правил для диагностики шизофрении, отличающийся использованием комплекса признаков физиологической и психологической природы, позволяющий получить правила классификации заданных классов состояний с высокой степенью уверенности при разнородном признаковом пространстве, неполном и нечетком представлении исходных данных и нечетком описании границ классов.

• Алгоритмы построения решающих правил и принятия решений по диагностике шизофрении, позволяющие учитывать индивидуальные особенности организма и обеспечивающие повышение оперативности и качества получаемых диагностических заключений.

• Система поддержки принятия решений, позволяющая повысить качество организации лечебно-диагностического процесса при диагностике шизофрении, отличающаяся иерархической перестраиваемой структурой базы данных, управляемой в интерактивном режиме, и наличием модуля тестирования, реализующего методику дискриминации свойств понятий.

•» Решающие правила для диагностики шизофрении, отличающиеся учетом психологических и физиологических компонентов, позволяющие достигать уверенности в принимаемых решениях на уровне 0,9.

Практическая значимость и результаты внедрепия. Разработанные методы, модели и алгоритмы составили основу построения системы поддержки принятия решений по диагностике шизофрении и управлению энергетическим балансом меридианных структур, связанных с этим заболеванием.

Практическое использование предложенной системы показали ее высокую диагностическую эффективность и приемлемое качество рекомендаций по коррекции энергетики меридианных структур. Рекомендации системы могут быть использованы при планировании тактики лечения больных шизофренией.

Результаты работы внедрены в учебный процесс Курского государственного технического университета при подготовке специалистов по направлению 553900 - «Биомедицинская инженерия» по дисциплинам «Методы обработки биологических сигналов и данных» и «Основы теории распознавания образов», а также используются при проведении научно-исследовательских работ в Центрально-Черноземном научном центре РАМН.

Апробация работы. Основные положения диссертационной работы докладывались обсуждались на следующих научно-технических конференциях: на VI Международной научно-технической конференции «Медико-экологические информационные технологии - 2003 (Курск 2003)»; XXXI ву-

зовской научно-технической конференции «Молодежь и XXI век»; 6-й Международной конференции Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации (Распознавание- 2003), Курск, 2003; Всероссийской научно-технической конференции студентов, молодых ученых и специалистов БИОМЕДСИСТЕМЫ-2003, Рязань; X Российской научно-технической конференции Материалы и упрочняющие технологии -2003, (Курск, 2003); Биотехнические системы в XXI веке, (Санкт-Петербург, 2004); VII Международной научно-технической конференции «Медико-экологические информационные технологии - 2004», (Курск, 2004).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 11 печатных работ.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] лично автором предложен способ оценки эффективности решающих правил при психологическом тестировании, в [2] автором показана целесообразность использования тестов мышления при разработке решающих правил для диагностики шизофрении на основе нечеткой логики, в работе [4] автором предложен метод синтеза решающих правил на основе теста понятийного мышления, в работах [5, 6, 7 и 8] авгсрСхМ исследуются вопросы влияния функционального состояния человека на возникновение и развитие психических заболеваний, в [9] автор предложила модель прогнозирования уровня риска психических заболеваний, в [10] автором разработана структура системы поддержки принятия решений для диагностики шизофрении, в [11] автором предложена концептуальная модель базы данных для системы поддержки принятия решений при диагностике шизофрении.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 123 отечественных и 10 зарубежных наименований. Работа изложена на 126 страницах машинописного текста, содержит 38 рисунков, 15 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.

Во введении к диссертации обосновывается актуальность темы, определяются цели и задачи исследования, определяется научная новизна и практическая значимость работы. Кратко излагается содержание глав диссертации.

• В первой главе исследуются методы диагностики шизофрении. Основное внимание уделяется методам психологического и физиологического тестирования шизофрении, как наиболее эффективным на данном этапе развития психодиагностики. Классификация симтомокомплексов, используемых при диагностике шизофрении, приведена на рис.1. В результате их анализа показано, что при структуре входных данных, получаемых на основе тестов мышления, наиболее предпочтительны методы распознавания, основанные на нечеткой логике принятия решений.

Рис. 1. Классификация симптомокомплексов, используемых при диагностике шизофрении

В заключение первой главы определяются цель и задачи исследований.

Во второй главе рассматривается метод синтеза нечетких решающих правил диагностики шизофрении на основе теста дискриминации свойств понятий. Показывается, что повышение качества диагностики можно достичь, используя дополнительную информацию об энергетических характеристиках меридианных структур, связанных с ситуацией шизофрения.

На основе исследований ученых Курского государственного медицинского университета было установлено, что ряд психических заболеваний, включая и шизофрению, можно диагностировать, используя методику дискриминации свойств понятий (ДСПН). Результаты тестирования представляются шестикомпонентным вектором каждая компонента которого определяет число актуализированных понятий из определенной их группы, называемой ключом. При этом имеются шесть таких групп

(ключей), один из которых общий, учитывающий все актуализируемые понятия, и пять специфических. Группировка понятий по ключам осуществлена психологами и психиатрами по данным, полученным в процессе специально проведенных статистических исследований-по частоте их выбора относительно здоровыми людьми. Однако известная методика формализует только процесс получения данных, но не процесс принятия решений.

Используя методику дискриминации свойств понятий в качестве базовой, нами был разработан метод синтеза решающих правил по результатам психологического тестирования, основанный на теории нечётких множеств с использованием функций принадлежности к классам состояний здоров (w0) и болен (wm). Он включает следующие этапы.

1. Используя данные по частотам распределения больных шизофренией, по числу актуализируемых признаков По, П], П2, Пз, щ, 115 группой высоко квалифицированных экспертов под контролем инженера по знаниям строятся функции принадлежности по классам wo и wm с носителями по шкалам По, Пз, П4, Пз - (iwo(no). Ц»ш(по)> Цшо(пз), Hwofa), Щщ^пД Hwofas), Ключи ni и П2 оказались не информативными.

2. Полученные функции принадлежностей аппроксимируются следующей системой аналитических выражений:

0,06п0,если п0(5 Ц»о(по)=| 0,3,если 5 £ п0(60

- 0,025 щ + 0,45,если 60 <. п0(180 О, если п0 2:180

Ишш(по)=

Ц»ш(пз)~

Hwo(ai)=

II /п.Ь

О, если п0{10 0,0033 п0 - 0,033 .если 10 < п0(ЮО 0,3, если n0tlOO 0,35, если п3<, 10 - 0,0175 п3 + 0,525, если 10 < п3 (30 О, если п} £ 30 0,05, если п3{17 0,023 п3 - 0,34, если 17 <, п3{30 0,35, если п3> 30 0,3 если п4(10 -0,018 п4 + 0,43, если 10йп4{20 0,07, если п4 > 20 О,Об, если п4(30 U,Uli> п4 - Ù.5, если 30 S n4(4û 0,25, если п4 2. 40

Hwo(nî)=

¡0,25, если n, = О

Hwui(nj)-

0,05, если

О,Об, если п5(3 0,19 п; - 0,5, если 3 <, п,(4 0,25 , если Hj £ 4

3. Определяется общая уверенность в отнесении объектов к классам w0 и \уш по психологическому симптомокомплексу Кппо формулам:

Knw0(P+l)= Knw0(P)+ Мч>[1- Kr'wo(P)]; (2)

К".ш(Р+1)= Knwul(P)+ цжш(пч)[1- Knwul(P)]; (3)

где P - номер этапа расчета (P=l ,2,3); q={0,3,4,5}; Knw0(l)= ^(n0); Кп„ш(1)= щ™(п0).

Анализ результатов тестирования шизофрении по правилам (2) и (3) показал, что между классом здоровых людей и классом больных шизофренией нет четкой границы, и эти классы плавно переходят друг в друга. Максимальная уверенность в постановке диагноза шизофрения по данным психологического тестирования с помощью методики ДСПН при использовании формулы (3) достигает величины 0,74.

Учитывая это обстоятельство, а также опыт синтеза комбинированных диагностических решающих правил по группам признаков различной природы, накопленный на кафедре биомедицинской инженерии КурскГТУ, нами был предложен комплексный метод диагностики шизофрении, включающий следующие этапы.

1. По выражению (3) определяется коэффициент уверенности в диагнозе шизофрения на основе психологического симптомокомплекса.

2. Используя метод динамического конструирования двумерных классификационных пространств, способный обеспечивать обучение классификации при неизвестной и сложной структуре классов в многомерном пространстве признаков, получаем двумерное классификационное пространство

с отображающими функциями вида Y,=0,2no+0,6nb У2=0,5п4+п5.

При обучении в Ф была получена разделяющая прямая между классами Wq и w„, - Lom, уравнение которой имеет вид:

YÎ=-0,82 Yi+45. (4)

Мерой близости отображающей точки с координатой (У], У2) до линии может служить величина

г=0,82 У,+У2-45.

Выбрав г в качестве носителя, получаем функции принадлежностей

.. м,,,. м. " h^wLiiW

0,8, если r{-15 ■ 0,027г + 0,4, если -15й г{15 » (5)

О, если г >15

Ц»ш(г)=1- МО- (6)

Общая уверенность в диагнозе шизофрения по тесту ДСПН при использовании двух решающих правил (3) и (5) может быть определена из выражения KynWlu=max{Kn wui> P-wui(r)}. а в диагнозе здоров - из выражения KYnwo=max{Knwo» P-wo(r)}- Общая диагностическая уверенность определяется выражением

КУо=КУпШш-КУ\о. (7)

Дополнительно проведенные исследования на контрольной выборке показали, что уверенность в правильной диагностике шизофрении находится в интервале 0,78...0,8.

3. Используя общую методику синтеза меридианных моделей и определения диагностически значимых (информативных) биологически активных точек (ДЗТ), разработанную на кафедре биомедицинской инженерии КурскГТУ, определяется список биологически активных точек (БАТ), меняющих свое энергетическое состояние при возникновении у обследуемого пациента предпосылок к возникновению или заболевания шизофренией. Относительно выделенных ДЗТ строятся меридианные модели и таблицы связей, по которым уточняется список ДЗТ. Для этих точек строятся функции принадлежностей определяемым как относительное изменение электрического сопротивления БАТ из ДЗТ, выраженное в процентах. Уверенность в диагнозе шизофрения КУ6«,,,, по величине 5R,' выбранной в качестве энергетической характеристики БАТ, определяется по формуле, аналогичной (3).

4. Общая уверенность в диагнозе шизофрения по группе психологических и физиологических признаков определяется выражением

КУ°„Ш=КУ\Ш+КУБ*Ш[1-КУП*Ш] (8)

В главе 3 решается задача синтеза комбинированных решающих правил и разрабатываются алгоритмы принятия решений по управлению лечебно-оздоровительным процессом при диагностике шизофрении, а также структура системы поддержки принятия решений, реализующая предложенные в работе методы и алгоритмы.

В исследуемом варианте использовалась группа признаков, получаемых по психологической методике исследования понятийного мышления с определением меры уверенности в диагнозе шизофрения по формуле (7) и группа признаков физиологической природы, характеризующая энергетические характеристики информативных БАТ.

В результате анализа таблиц связей ДЗТ с диагнозом шизофрения, было установлено, что группу ДЗТ составляют БАТ Е40 и API21. Для этих точек группой высококвалифицированных экспертов были получены семей-

ства функций принадлежностей, аналитические выражения для которых имеют вид:

(5ЯЕ40>

II™ (6ЯЕ40)=

,0178ЯЕ40 + 0,35, если ЬЯЕ 40(20 0, если ЬШ40^20

О, если 5ЯЕ 40 {10 0,0175 5НЕ 40 - 0,175 .если 10 <: 5ЬЯЕ 40 (30 ' 0,35,если ЪКЕ 40 £ 30

ц«о(5КАР121>=1_-0/5 ЪКАЛ 121 +0.3, если 5ЛАР 121 (20 >

0, если ЪМР 121 а 20

(6ЯАР121)=

0, если &&4Р 121 (10 0.15 8ЯЛР 121 - 0,15 , ест 10 й 5МР 121 {30 ' 0,3. если ЫМР 121 5 30

Общая уверенность в диагнозе шизофрения по физиологическому симптомокомплексу. рассчитывается по формуле

КУЖ, (4+1) = КУ„, (ч)+ [1 - КУ„, (я)], (9)

где /- идентификатор класса здоров и болен («О» или «ш»), и достигает величины 0,54. Низкая уверенность в диагнозе по электрическим характеристикам БАТ объясняется осторожным отношением экспертов к информации, снимаемой с биологически активных точек относительно диагноза шизофрения.

Общая уверенность в диагнозе шизофрения по группе психологических и физиологических признаков, рассчитываемая по формуле (8), достигает величины 0,9, что вполне приемлемо для практических приложений.

Схема алгоритма синтеза решающих правил для диагностики шизофрении на основе разработанных моделей приведена на рис. 2. В соответствии с этим алгоритмом, исходя из современных представлений об этиологии и патогенезе исследуемого заболевания, выбирается тест, который обладает достаточной чувствительностью, надежностью и валидностью по отношению к шизофрении (блок 1). С использованием базовых формул расчета функций принадлежности и коэффициентов уверенности производится синтез решающих правил по данным психологического тестирования (блок 2). Если полученное качество классификации не удовлетворяет пользователя (блок 3), то производится синтез решающих правил по энергетическим характеристикам БАТ, для чего строятся графические меридианые модели (блок 4), составляются таблицы связей, производится их минимизация и формируются группы диагностических значимых точек (ДЗТ) (блок 5). Если по выделенной группе ДЗТ исключаются все мешающие ситуации и этой группе точек доверяют эксперты (блок 6), производится синтез рефлексодиагностических

решающих правил (блок 9). На контрольной выборке проверяется качество классификации по энергетическим характеристикам БАТ (блок 10) и если оно не удовлетворительно, то осуществляется синтез комбинированного решающего правила по типу (8) Далее решается вопрос о завершении этапа обучения (блок 12). Если обучение не закончено, то производится возврат к блоку 10. В противном случае решается вопрос о синтезе правил определения стадий заболевания (блоки 13 и 14) и формируются рекомендации по профилактике и лечению шизофрении, включая рефлексотерапию при наличии энергетического разбаланса точек, связанных с ситуацией шизофрения (блок 15).

Если с помощью БАТ по выбранной ситуации Хо исключить сопутствующие патологии не удается (блок 6), то формируются дополнительные меридианные модели для ситуаций, которые необходимо исключить или подтвердить их у больного (блок 8). Далее производится переход к блоку 5.

Схема алгоритма принятия решений по диагностике шизофрении приведена на рис. 3. В соответствии с этим алгоритмом на первом этапе исследований проводится реализация методики дискриминации свойств понятий (блок 1), в результате чего определяется частный коэффициент уверенности на психологическом уровне КУП (блок 2). Если пользователя устраивает полученная уверенность в принятии решений по величине порогового значения КУП0р (блок 3), то решается вопрос о необходимости определения стадий шизофрении (блок 11). Определение стадий заболеваний осуществляется путем расчета частных коэффициентов уверенности КУц,ш Предпочтение отдается стадии 8 с максимальной величиной КУ

Если пользователя не устраивает точность диагностики по психологическим признакам (блок 3), производится измерение параметров информативных БАТ и проверяются условия наличия искомой патологии (блоки 4, 5). Далее определяется уверенность в диагностике по энергетическим характеристикам БАТ и общая диагностическая уверенность КУ° (блок 6). Если при этом получается уверенность ниже пороговой (блок 7) принимается решение о не установленном диагнозе (блок 8) и диагностика заканчивается.

Если КУ° > КУпор> то решается вопрос о дополнительном обследовании (блок 9), Если проводятся дополнительные обследования, то осуществляется уточнение КУ^ (блок 10). В противном случае уточняются стадии заболевания (блок 11) с изучением возможностей терапии для коррекции состояния больного.

Если при контроле энергетического состояния точек Е40 и АР121 наблюдается более чем 10% энергетичесский разбаланс, то принимается решение о проведении рефлексотерапии (блок 13) Выбор рациональных схем рефлексотерапии определяется на основании анализа «раскрашенных» графических схем меридианных моделей (блок 14)

Если рефлексотерапия не производится и врач принимает решение об окончании лечения (блок 15), то работа алгоритма заканчивается Если по

клиническим показаниям необходимо проведение лечения, то врач самостоятельно или пользуясь рекомендациями базы данных, выбирает схему лечения (блок 16) и организует контроль состояния пациента. В случае улучшения состояния (блок 17) через блоки 15 и 16 алгоритм организует «подсказки» по тактике лечения. Если в ходе выбранной схемы лечения улучшения не наблюдается, организуется смена тактики лечебно-оздоровительных мероприятий.

В четвертой главе обсуждаются результаты экспериментальных исследований разработанной системы поддержки принятия решений по диагностике шизофрении.

Предлагаемые в работе методы, модели и алгоритмы реализованы в виде пакета прикладных программ в среде DELPHI-6 и составляют основу построения системы поддержки принятия решений (СППР) для врача психиатра.

Структурная схема СППР приведена на рис. 4. Исходя из задач, решаемых системой, в ее состав входят три подсистемы: 1) подсистема управления базой данных (СУБД); 2) подсистема тестирования; 3) подсистема принятия решений. База данных СППР (блок 1) разбита на два сегмента: глобальную базу данных и локальную базу данных. Источником информации для базы данных является блок тестирования 2. После тестирования данные поступают в локальную базу данных, из которой они могут быть направлены в подсистему принятия решений 3 для постановки диагноза посредством интерактивного взаимодействия с пользователем. По желанию пользователя данные могут быть сохранены в локальной базе данных для формирования файлов глобальной базы данных. В глобальной базе данных хранится информация, получаемая в процессе обучения СППР.

Интегральная среда созданного программного продукта представляет собой стандартное окно WINDOWS.

В процессе обучения системы определяются гистограммы по ключам, которые аппроксимируются функциями принадлежности, типа выражений (1). Пример окна с результатами расчета функций частости по данным, хранящимся в локальной базе данных, показан на рис.5 ~

СППР предлагает пользователю множество режимов работы, выбор которых осуществляется посредством экранных форм и системы вложенных меню.

Основные режимы СППР следующие:

1) Управление базой данных.

2) Обучение.

3) Создание обучающих выборок.

4) Принятие решений.

В основу подхода к диагностике психических больных в предлагаемой системе положен комплексный метод распознавания на основе нечеткой логики, использующий данные психологического и физиологического сим-

птомокомплексов Для сравнения предлагаемого метода с известными методами в системе реализован метод распознавания на основе линейных дис-криминантных функций Фишера.

«!Е1 •*>?•? > И*« 58<9» »4 ♦»¿'С > £1_»щ

а) б)

Рис.5. Функции частости по ключам для больных (а) и для здоровых (б) пациентов, построенные компьютером по одной из выборок

Система может быть настроена либо на режим обучения, либо на режим тестирования. В правой части окна высвечивается меню, в котором пользователь может выбрать один из двух режимов обучение/тестирование Каждый из Э1ИХ режимов имеет два подрежима. У режима тестирование это создание обучающей выборки/принятие решения, а у режима обучения - дис-криминантный анализ/нечеткая логика

В зависимости от выбранной конфигурации в режиме настройка, режим обучения может быть реализован либо для дискриминантного анализа, либо для нечеткой логики принятия решений.

Для проверки эффективности предложенных методов и средств была сформирована контрольная выборка, в которую были привлечены 300 студентов 5-6 курса Курского государственного медицинского университета и 100 студентов 3-5 курсов Курского государственного технического университета Объём выборки больных (в основном хронический тип течения заболевания) составил 180 человек. Возраст больных был сопоставлен с возрастом контрольной группы. Данные по группе больных были получены т архивов Курской областной психиатрической больницы и в психосоматической лаборатории Курского государственного медицинского университета.

Качество классификации в СППР оценивалось по показателям чувствительности и специфичности. Чувствительность предложенного метода на контрольной выборке составила 0,833, а специфичность 0,86.

На той же самой выборке дискриминантный анализ показал чувствительность 0,58, а специфичность 0,69.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ;.

Предлагаемая работа посвящена решению научных и прикладных задач, связанных с повышением оперативности и качества диагностики шизофрении, путем использования современных информационных технологий.

В результате выполнения работы получены следующие основные результаты:

1. Обоснована возможность совместного использования информации, получаемой при реализации психологической методики дискриминации свойств понятий и информации, снимаемой с биологически активных точек для решения задач диагностики шизофрении.

2. Предложен метод синтеза нечетких решающих правил по признакам, характеризующим понятийное мышление испытуемого, позволяющий получать правила диагностики шизофрении на психологическом уровне.

3. Разработан метод синтеза нечетких решающих правил для диагностики шизофрении и ее стадий по комплексу показателей, характеризующих психологическую и физиологическую компоненты, обеспечивающий получение правил классификации выбранных классов состояний с высокой степенью уверенности в разнородном признаковом пространств при неполном и нечетком представлении исходных данных и нечетком описании границ классов.

4. Получены меридианные модели управления энергетическими характеристиками проекционных зон посредством электрических сигналов, параметры которых изменяются при наличии у пациента предпосылок к заболеванию или самого заболевания. Использование этих моделей позволяет обеспечить выбор минимальных наборов информационных признаков и синтезировать решающие правила для распознавания шизофрении на физиологическом уровне.

5. Построены алгоритмы синтеза решающих правил и принятия решений по диагностике шизофрении, позволяющие учитывать индивидуаль-. ные особенности организма, а так же обеспечивающие повышение оперативности и качества диагностических заключений.

6. Разработана структура автоматизированной системы поддержки, принятия решений с соответствующим программным обеспечением, позволяющая, используя информацию психологической и физиологической природы, решать задачи диагностики шизофрении и управления энергетическим балансом меридианных структур при этом заболевании с высоким качеством при использовании достаточно дешевых и доступных технических средств.

7. Проведены экспериментальные исследования, доказывающие работоспособность разработанной системы поддержки принятия решений при диагностике шизофрении. Экспериментальные проверки полученных решающих правил позволяют ставить диагноз шизофрения с уверенностью на уровне 0,86. Сравнительная оценка разработанного метода показала, что его точность превышает точность распознавания посредством линейного дискрими-нантного анализа более чем на 10%.

СПИСОК НАУЧНЫХ РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Китаева А.Г., Филист СА, Штотланд Т.М. Теоретико-множественная модель мощности пересечения компетенции диагностических алгоритмов//Передовые технологии образования и науки. Сб.науч. тр.-Курск: МУ «Издательский центр «ЮМЕКС», 2003.-С.40-42.

2. Китаева А.Г., Королева СА Диагностика шизофрении с использованием тестов оценки параметров мышления//Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание- 2003: Сб. мат-лов 6-й Межд. конф.: В 2-х ч. 4.2/ Курск, гос. техн. ун-т. Курск, 2003. - С. 304-306.

3. Китаева А. Г. Автоматизированная диагностика шизофрении с использованием методики дискриминации свойств поня-тий//БИ0МЕДСИСТЕМЫ-2003. Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов. Тезисы докладов. Рязань, 2003. - С. 125-126.

4. Кореневский Н.А., Китаева А.Г., Штотланд Т.М. Метод синтеза решающих правил для решения социальных и медицинских задач с использованием тестов исследование понятийного мышления//Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание- 2003: Сб. мат-лов 6-й Межд. конф.: В 2-х ч. 4.2/ Курск, гос. техн. ун-т. Курск, 2003. - С. 293-296.

5. Китаева А.Г, Штотланд Т.М., Шаталова О.В. Анализ и моделирование функциональных состояний человека посредством методов физиологического тестирования//У1 Международная научно-техническая конференция "Медико-экологические информационные технологии-2003". Курск, 2003. - С. 48-54.

6. Королева С.А., Китаева А.Г., Штотланд Т.М. Методика моделирования состояния эмоционального напряжения// VI Международная научно-техническая конференция "Медико-экологические информационные техко-логии-2003". Курск, 2003. - С. 28-32.

7. Китаева А.Г., Королева СА Диагностика состояний человека с использованием показателей пространственно-конструктивного мышле-ния//Материалы и упрочняющие технологии -2003. Сборник материалов X

18

04-16132

Российской научно-технической конференции. Ч.2./Курск. Гос. техн. ун-т. Курск,2003.-С. 16-19.

8. Китаева А.Г., Штотланд Т.М., Шаталова О.В. Способ расширения признаковых пространств при диагностики функциональных состояний/Молодежь и XXI век. Тезисы докладов вузовской научно-технической конференции студентов и аспирантов в области научных исследований. В 3 ч. 41 ./Курск. Гос. техн. ун-т. Курск, 2003. - С.93-94.

9. Китаева А.Г., Минайлов Р.С., Филист СА, Шаталова О.В. Система комбинированных моделей для прогнозирования уровня заболеваемости населения по нозологиям//Известия Курского государственного технического университета, № 1 (12), 2004. - С.147-153.

10. Уварова А.Г., Филист С.А., Шаталова О.В Система поддержки принятия решений для диагностики шизофрении на основе модифицированной нечеткой нейронной сети Ванга-Менделя //Биотехнические системы в XXI веке. Материалы конференции. Санкт-Петербург, 2004. - С. 70-72.

11. Филист С.А., Уварова А.Г., Штотланд Т.М. Структура системы поддержки принятия решения (СГШР) для диагностики шизофрении// VII Международная научно-техническая конференция "Медико-экологические информационные технологии-2004". Курск, 2004. - С. 42-45.

ИД №06430 от 10.12.01 Подписано в печать 02. О,?, 2004. Формат 60x84 1/16

Печатных листов 1,0. Тираж 100 экз. Заказ 219 Курский государственный технический университет 305040,1. Курск, ул. 50-ле1 Ок1ября

Введение.

Глава 1. Методы экспериментальных исследований и технологии построения экспертных систем при диагностике шизофрении.

1.1. Нозологические характеристики шизофрении.

1.2. Современные подходы к диагностике шизофрении.

1.3. Использование психологического тестирования для диагностики шизофрении.

1.4. Использование методов распознавания образов при диагностике заболеваний и их стадий.

1.5. Использование теории нечеткой логики принятия решений для диагностики заболеваний с разнородной структурой и неполным представлением исходной информации.

1.6. Цели и задачи исследования.

Глава 2. Разработка методов комплексной диагностики шизофрении.

2.1. Алгоритмы синтеза нечетких решающих правил диагностики шизофрении по методике «дискриминации свойств понятий»

2.2. Синтез нечетких решающих правил диагностики шизофрении на основе метода динамического конструирования двумерных классификационных пространств, построенных с использования теста ДСПН.

2.3. Расширение признакового пространства при диагностике шизофрении на основе группы физиологических признаков.

Выводы по второй главе.

Глава 3. Разработка автоматизированной системы поддержки принятия решений по диагностике шизофрении.

3.1. Метод синтеза комбинированных решающих правил для диагностики шизофрении.

3.2. Алгоритм синтеза решающих правил для диагностики шизофрении.

3.3. Алгоритм принятия решений по диагностике шизофрении и ее стадий.

3.4. Структура и архитектура системы поддержки принятия решений по диагностике шизофрении.

3.4.1. Структурная схема системы поддержки принятия решений (СППР) для диагностики шизофрении.

3.4.2. Взаимодействие подсистемы СУБД и подсистемы тестирования.

Выводы по третьей главе.

Глава 4. Экспериментальные исследования системы поддержки принятия решений при тестировании и распознавании шизофрении.

4.1. Объект, методы и средства исследования.

4.2. Инструментарий исследований - СППР по диагностике шизофрении на основе теста ДСПН.

4.2.1. Общая концепция построения СППР. Главное меню системы.

4.2.2. Управление базой данных.

4.2.3. Настройка системы.

4.2.4. Окно тестирования.

4.2.5. Окно обучения.

4.3. Результаты, полученные в процессе эксплуатации СППР при диагностике шизофрении.

Выводы по четвертой главе.

Актуальность проблемы. По данным Всемирной организации здравоохранения в последнее время отмечается рост психических заболеваний. Патологии, относящиеся к данному классу, помимо утраты трудоспособности, в ряде случаев могут приводить к летальному исходу. Среди заболеваний этого класса значительное место занимает шизофрения, которая поражает приблизительно 1 % населения.

Диагностика шизофрении, особенно на ранних стадиях является достаточно сложной задачей, требующей зачастую длительных и дорогостоящих процедур. Некоторые виды шизофрении могут маскироваться другими клиническими и параклиническими проявлениями. Точное же знание диагноза и стадий его протекания позволит в значительной мере рационализировать тактику лечения больных шизофренией.

При диагностике шизофрении используются симптомокомплексы биологических, физиологических и психологических показателей. Повысить оперативность и точность в диагностике можно путем использования комплекса показателей, характеризующих различные проявления жизнедеятельности на психическом и физиологическом уровнях, количество и состав которых оптимизируется с помощью современных математических методов и информационных технологий. Но процесс диагностики шизофрении очень трудно формализовать и довести до уровня достаточно простых импликаций. Поэтому психиатры предпочитают использовать различные тесты мышления с последующим эвристическим анализом результатов тестирования. Точность такой интерпретации связана с рядом объективных и субъективных факторов, которые определяют нечеткость границ классов. Поэтому одни и те же результаты тестирования могут по-разному толковаться различными специалистами, а при повторном тестировании один и тот же объект может быть отнесен к разным классам даже одним специалистом.

В таких случаях для построения систем поддержки принятия решений целесообразно использовать теорию нечетких множеств. Однако в медицинских задачах трудно подобрать количественные критерии для оценки эффективности той или иной альтернативы, поэтому необходимо использовать такие методы, которые позволяют интегрировать достоинства, как эвристических методов, так и нечетких моделей.

Таким образом, исследования в области совершенствования методов и средств интеллектуальной поддержки комплексной диагностики шизофрении является актуальной задачей.

Работа выполнена в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий» и в соответствии с научной -технической программой «Научные исследования высшей школы по приоритетным направлениям науки и техники», подпрограмма 204 «Технологии живых систем».

Цель работы. Разработка методов и средств комплексной диагностики шизофрении, обеспечивающих повышение оперативности и качества диагностики в условиях нечёткого представления исходных данных и диагностируемых классов.

Для достижения поставленной цели необходимо решить следующие задачи:

• Обосновать возможность совместного использования информации, получаемой при реализации психологической методики дискриминации свойств понятий, и информации, снимаемой с биологически активных точек, для диагностики шизофрении.

• Предложить метод синтеза нечетких решающих правил для диагностики шизофрении на основе признаков, характеризующих понятийное мышление.

• Разработать метод синтеза решающих правил для диагностики шизофрении по комплексу показателей, характеризующих психологические и физиологические компоненты.

• Синтезировать набор меридианных моделей управления энергетическими характеристиками проекционных зон посредством электрических сигналов, параметры которых изменяются при наличии у пациента предпосылок к заболеванию или самого заболевания шизофренией.

• Предложить алгоритмы синтеза решающих правил и принятия решений по диагностике шизофрении.

• Предложить структуру системы поддержки принятия решений для диагностики шизофрении с соответствующим программным обеспечением.

• Провести экспериментальную проверку и сравнительную оценку разработанных моделей, методов, алгоритмов и программных средств.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории управления, моделирования, теории нечетких множеств, рефлексологии, психодиагностики, экспертного оценивания и принятия решений.

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

• Метод синтеза решающих правил диагностики шизофрении, отличающийся использованием признаков, получаемых с использованием методики дискриминации свойств понятий, характеризующей понятийное мышление, позволяющий получить диагностические заключения при не полностью определенной исходной информации и нечетком представлении исходных признаков и классов.

• Меридианные модели управления энергетическими характеристиками проекционных зон, связанных с заболеванием шизофрении, отличающиеся учетом всех существенных связей, влияющих на электрические характеристики этих зон, позволяющие обеспечивать выбор информативных признаков и синтезировать решающие правила распознавания шизофрении на физиологическом уровне.

• Метод синтеза комбинированных решающих правил для диагностики шизофрении, отличающийся использованием комплекса признаков физиологической и психологической природы, позволяющий получить правила классификации заданных классов состояний с высокой степенью уверенности в разнородном признаковом пространстве при неполном и нечетком представлении исходных данных и нечетком описании границ классов.

• Алгоритмы синтеза решающих правил и принятия решений по диагностике шизофрении, позволяющие учитывать индивидуальные особенности организма и обеспечивающие повышение оперативности и качества получаемых диагностических заключений.

• структура системы поддержки принятия решений, позволяющая повысить качество организации лечебно-диагностического процесса при диагностике шизофрении, отличающаяся иерархической перестраиваемой структурой базы данных, управляемой в интерактивном режиме, и наличием модуля тестирования, реализующего методику дискриминации свойств понятий.

• Решающие правила для диагностики шизофрении, отличающиеся учетом психологических и физиологических компонентов, позволяющие достигать уверенности в принимаемых решениях на уровне 0,9.

Практическая значимость и результаты внедрения.

Разработанные методы, модели и алгоритмы составили основу построения системы поддержки принятия решений по диагностике шизофрении и управлению энергетическим балансом меридианных структур, связанных с этим заболеванием.

Практическое использование предложенной системы показали ее высокую диагностическую эффективность и приемлемое качество рекомендаций по коррекции энергетики меридианных структур. Рекомендации системы могут быть использованы при планировании тактики лечения больных шизофренией.

Результаты работы внедрены в учебный процесс Курского государственного технического университета при подготовке специалистов по направлению 553900 - «Биомедицинская инженерия» по дисциплинам «Методы обработки биологических сигналов и данных» и «Основы теории распознавания образов», а также используются при проведении научно-исследовательских работ в Центрально-Черноземном научном центре РАМН.

Апробация работы. Основные положения диссертационной работы докладывались обсуждались на следующих научно-технических конференциях: на VI Международной научно-технической конференции «Медико-экологические информационные технологии - 2003 (Курск 2003)»; XXXI вузовской научно-технической конференции «Молодежь и XXI век»; 6-й Международной конференции Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации (Распознавание- 2003), Курск, 2003; Всероссийской научно-технической конференции студентов, молодых ученых и специалистов БИОМЕДСИСТЕМЫ-2003, Рязань; X Российской научно-технической конференции Материалы и упрочняющие технологии -2003, (Курск, 2003); Биотехнические системы в XXI веке, (Санкт-Петербург, 2004); VII Международной научно-технической конференции «Медико-экологические информационные технологии - 2004», (Курск, 2004).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 11 печатных работ.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] лично автором предложен способ оценки эффективности решающих правил при психологическом тестировании, в [2] автором показана целесообразность использования тестов мышления при разработке решающих правил для диагностики шизофрении на основе нечеткой логики, в работе [4] автором предложен метод синтеза решающих правил на основе теста понятийного мышления, в работах [5, 6, 7 и 8] автором исследуются вопросы влияния функционального состояния человека на возникновение и развитие психических заболеваний, в [9] автор предложила модель прогнозирования уровня риска психических заболеваний, в [10] автор предложила структуру системы поддержки принятия решений для диагностики шизофрении, в [11] автором разработана концептуальная модель базы данных для системы поддержки принятия решений при диагностике шизофрении.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 123 отечественных и 10 зарубежных наименований. Работа изложена на 126 страницах машинописного текста, содержит 38 рисунков, 15 таблиц.

Выводы по четвертой главе

1. Анализ результатов четвертой главы позволяет сделать вывод о том, что разработанные во второй и третьей главе модели, алгоритмы и методы синтеза решающих правил могут успешно применяться для диагностики шизофрении и ее стадий.

2. Разработанная автоматизированная система поддержки принятия решений позволяет, используя информацию о показателях понятийного мышления человека, решать задачи диагностики шизофрении с высоким качеством при использовании доступных и достаточно дешевых технических средств.

3. Экспериментальные проверки полученных решающих правил на основе предложенного метода позволяют ставить диагноз шизофрения с уверенностью на уровне 0,9.

4. Сравнительная оценка разработанного метода показала, что его качество распознавания превышает качество распознавания посредством метода линейного дискриминантного анализа более чем на 15%.

ЗАКЛЮЧЕНИЕ

Предлагаемая работа посвящена решению научных и прикладных задач, связанных с повышением оперативности и качества диагностики шизофрении и ее стадий путем использования современных информационных технологий.

В результате выполнения работы получены следующие основные результаты:

1. Обоснована возможность совместного использования информации, получаемой при реализации психологической методики дискриминации свойств понятий и информации, снимаемой с биологически активных точек для решения задач диагностики шизофрении и ее стадий.

2. Предложены методы синтеза нечетких решающих правил по признакам, характеризующим понятийное мышление испытуемого, позволяющие получать правила диагностики шизофрении и ее стадий на психологическом уровне.

3. Получены меридианные модели управления энергетическими характеристиками проекционных зон сигналами, меняющими свои параметры при заболевании шизофренией. Использование этих моделей позволяет обеспечить выбор минимальных наборов информативных признаков и синтезировать решающие правила для распознавания шизофрении и ее стадий на физиологическом уровне.

4. Предложен метод синтеза комбинированных решающих правил для диагностики шизофрении и ее стадий по комплексу показателей, характеризующих психологическую и физиологическую компоненты, обеспечивающий получение правил классификации выбранных классов состояний с высокой степенью уверенности в разнородном признаковом пространств при неполном и нечетком представлении исходных данных и нечетком описании границ классов.

5. Построены алгоритмы синтеза решающих правил и принятия решений по диагностике шизофрении, позволяющие учитывать индивидуальные особенности организма, а так же обеспечивающие повышение оперативности и качества диагностических заключений.

6. Синтезированы нечеткие правила принятия решений по выделению класса шизофрения с уверенностью, достигающей значения 0,9.

7. Разработана структура автоматизированной системы поддержки принятия решений, позволяющей, используя информацию психологической и физиологической природы, решать задачи диагностики шизофрении и ее стадий управления энергетическим балансом меридианных структур при этом заболевании с высоким качеством при использовании достаточно дешевых и доступных технических средств.

8. Проведены экспериментальные исследования, доказывающие работоспособность разработанной системы поддержки принятия решений при диагностике шизофрении. Экспериментальные проверки полученных решающих правил позволяют ставить диагноз шизофрения с уверенностью на уровне 0,9. Сравнительная оценка разработанного метода показала, что его качество распознавания превышает качество распознавания посредством линейного дискриминантного анализа более чем на 15%.

1. Автоматизированные медико-технологические системы в 3-х частях: Монография / А.Г. Устинов, В.А. Ситарчук, Н.А. Кореневский; Под ред. А.Г. Устинова. -Курск, гос. техн. ун-т. Курск, 1995. 390 с.

2. Айвазян С.А., Бежаева З.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974.- 386 с.

3. Александров В.В., Алексеев А.И., Горский Н.Д., Никифоров A.M. Система обработки разнотипных данных СИТО. 2 интерактивный вариант. Л.: ЛНИВЦ АН СССР, 1982.-258 с.

4. Ананин В. Ф. Рефлексология (теория и методы): Монография. М.: Изд-во РУДН и Биомединформ, 1992. 168 с.

5. Ананьев Б. Г. Комплексное изучение человека и психологическая диагностика. Вопр. психол., 1968, №6. - С. 58-65.

6. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2000. -368 с.

7. Анохин П. К. Очерки по физиологии функциональных систем. М.: Наука, 1972. - 372 с.

8. Анри В., Бине А. Умственное утомление. М., 1989. - 325с.

9. Ахутин В.М., Шаповалов В.В., Мансур Д. Автоматизированные системы профилактических осмотров детей (АСПОН Д) - состояние и перспективы // Биотехнические и медицинские системы. Сб. науч. тр. -JL, 1990. -С. 3-6.

10. Антюхов А. А., Автоматизированная система для комплексной психологической оценки феномена конформности. Дис. канд. техн. наук. -Курск, 1996. -133 с.

11. Асеев В.Г. Проблема монотонности в трудах зарубежных авторов. -Вопр. психол., 1975, №1.-С. 21-24.

12. Ахутин В.М., Зингерман A.M., Кислицин М.М. и др. Комплексная оценка функционального состояния человека-оператора в системах управления. В кн.: Проблемы космической биологии. Т. 34, М., 1977. -С. 120-125.

13. Баевский P.M., Берсенева А.П. Оценка адаптационных возможностей организма и риск развития заболеваний. -М.: Медицина, 1997. -235 с.

14. Баевский P.M., Казначееев В.П. Диагноз дозологический. -М.: БМЭ, 1978. -С. 252-255.

15. Баевский P.M., Кудрявцева В.И. Особенности регуляции сердечного ритма при умственной работе. Физиол. Человека, 1975, №2. -С 58-61.

16. Блок В. Уровни бодрствования и внимания. В кн.: Экспериментальная психология. Под. ред. П. Фресса и Ж. Пиаже. -М., 1970, вып. III. -С. 155-162.

17. Борецкий А.Б., Маслов В.Г., Хавронина М.А.Идентификация экспертныхзнаний на основе компетентных решающих правил в медицинских экспертных системах//Информатика в здравоохранении: Материалы Всесоюзной научн. конф. 11. 12.-М.: 1990. С.12-21.

18. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей.-Рига. Зинатие, 1990.-184 с.

19. Буняев В.В. Разработка моделей и алгоритмов оценки адаптационных ' возможностей организма и риска развития заболеваний: Дисс. канд. мед. Наук.1. Тула, 2000. 235 с.

20. Вельховер Е.С., Никифоров В.Г. Клиническая рефлексология. М.: Медицина, 1983. - С. 19-83.

21. Введение в энергономику. Под. ред. В.П. Зинченко. М., 1974. - 234 с.

22. Вогралик В.Г., Вогралик М.В. Пунктуационная рефлексотерапия. Горький: Волго-Вятское кн. Изд-во, 1988. 335с.

23. Верной Х.М. Промышленная усталость и производительность труда. М. Л., 1925.-215 с.

24. Воронов А.А., Титов В.К., Новогранов Б.Н. Основы теории автоматического регулирования и управления: Учеб. пособие для ВУЗов. М.: Высш. шк., 1977. - 519 с.

25. Гаава Лувсан. Традиционные и современные аспекты восточнойрефлексотерапии. М.: Наука, 1986. - 575 с.

26. Галушкин А.И. Синтез многослойных систем распознавания образов. -М.: Энергия, 1974. 386 с.

27. Генкин А.А. Новая информационная технология обработки данных (программный комплекс ОМИС).- СПб.: Политехника, 1999. 191 с.

28. Горобец Ю.Н. Система поддержки принятия решений по управлению лечебно-диагностическим процессом в рефлексотерапии: Дисс. канд. техн. наук. Воронеж, 2001. - 193 с.

29. Глушков В.М. Введение в кибернетику. Киев: Изд-во АН УССР, 1964. -357 с.

30. Гусев В.Г. Методы получения измерительной информации об электрических свойствах биологических тканей: Научное издание / Уфимский гос. авиац. техн. ун-т. Уфа, 1995. 167 с.

31. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высш шк., 1984. - 258 с.

32. Деревянко Е.А. Взаимоотношения между некоторыми физиологическими и психологическими факторами при развитии утомления в трудовой деятельности. В кн.: Тезисы докладов 1 Всесоюзного съезда общества психологов СССР. - М., 1959. - С. 111-112.

33. Дмитриева Н.В., Глазачев О.С. Индивидуальные здоровье и полипараметрическая диагностика функциональных состояний организма (системно информационный подход). - VI. 2000. -214 с.

34. Дружинин В.В., Конторов Д.С. Системотехника. -М.: Радио и связь, 1985. 200 с.

35. Дубров A.M., Мхитрян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2000.-352 с.

36. Дуда Р., Харт Р. Распознавание образов и анализ сцен. М.: Мир, 1976. -395 с.

37. Дюк В., Эммануэль В. Информационные технологии в медико-биологических исследованиях. Спб.: Питер, 2003. - 528 с.

38. Заде Jl. А. Понятие лингвистической переменной и его применение к принятию приближённых решений: Пер. с англ.- М.: Мир, 1976. 165 с.

39. Зинченко В.П., Леонова А.Б., Стрелков Ю.К. применение ЭВМ для получения экспресс информации о функциональном состоянии оператора. В кн.: Эргономика. Принципы и рекомендации. - М., 1974. Т. 5. -С. 215-218.

40. Зинченко В.П., Мунипов В.М. Основы эргономики. М., 1978. - 352 с.

41. Инженерная психология. Под ред. Б.Ф. Ломова, В.Ф. Рубахина и В.Д. Венды.-М., 1977.-415 с.

42. Казначеев В.Б., Баевский P.M., Берсенева А.П. Донозологическая диагностика в практике массовых заболеваний населения. Л.: Медицина, 1980. -215 с.

43. Каплан Г.И., Сэдок Б.Дж. Клиническая психиатрия. В 2 т. Т. 1. Пер. с англ.- М.: Медицина, 1994, 672 с.

44. Караджов К.В., Труш В.Д., Гордон В.М. Изучение влияния функционального состояния на процесс принятия решения поисковых задач. -В кн.: Эргономика. Труды ВНИИТЭ. М., 1976. Т. 11. - С. 51-54

45. Китаева А.Г., Филист С.А., Штотланд Т.М. Теоретико-множественная модель мощности пересечения компетенции диагностических алгоритмов//Передовые технологии образования и науки. Сб.науч. тр.-Курск: МУ «Издательский центр «ЮМЕКС», 2003. С.40-42.

46. Китаева А.Г., Штотланд Т.М. Способ расширения признаковых пространств при диагностике функциональных состояний// XXXI вузовская научно-техническая конференция «Молодежь и XXI век». Курск. 2003. С.20-22.

47. Королева С.А., Китаева А.Г., Штотланд Т.М. Методика моделирования состояния эмоционального напряжения/ VI Международная научнотехническая конференция "Медико-экологические информационные технологии-2003". Курск. 2003. С. 28-32.

48. Китаева А.Г., Королева С.А Диагностика шизофрении с использованием тестов оценки параметров мышления//РАСПОЗНАВАНИЕ 2003. Курск. 2003. -С. 112-115.

49. Китаева А.Г., Минайлов Р.С., Филист С.А., Шаталова О.В. Система комбинированных моделей для прогнозирования уровня заболеваемости населения по нозологиям/ТИзвестия Курского государственного технического университета, № 1 (12), 2004. С.147-153.

50. Ковалева Е.С., Орлов О.Н., Цуцульковская П.Я. Динамика процессов перекисного окисления липидов в организме больных шизофренией // Журн. неврол. и психиатр.- 1989.- №5. С.32-34

51. Кореневский Н.А., Китаева А.Г., Штотланд Т.М. Метод синтеза решающих правил для решения социальных и медицинских задач с использованием тестов исследование понятийного мышления //РАСПОЗНАВАНИЕ 2003. Курск. 2003. С. 112-115.

52. Кореневский Н.А., Лазурина Л.П. Энергоинформационные модели рефлексодиагностики: Монография. Курск, 2000. - 117с.

53. Кореневский Н.А., Долгополов В.Н. Диалоговый метод обработки информации в задачах распознавания образов // Математическое обеспечение ЭВМ ВУЗов: Межвуз. темат. науч. сб. / ВГУ Ворнеж,1980. С. 121-127.

54. Кореневский Н.А. Обучение классификации в режиме диалога/ КурскПИ. ОФАП, ВНИИМТИ; Инв. № 5348939. 1983. - С. 116.

55. Кореневский Н.А. Принципы и методы построения интерактивных систем диагностики и управления состоянием здоровья человека на основе полифункциональных моделей: Дис. д-ра. техн. наук. СПб, 1993. 322 с.

56. Кореневский Н.А. Полифункциональная система интеллектуальной поддержки принятия решений по рационализации лечебно-диагностических процессов// Вестник новых медицинских технологий. ВНМТ. Тула, 1996. Т.З. №2. С. 43-46.

57. Кореневский Н.А., Тутов Н.Д., Корженевич И.М. Способы представления * разнотипных в данных задачах медицинских и экологических исследований//

58. Известия Курск, гос. техн. ун-та. 1998. №2. С. 56-63.

59. Кореневский Н.А., Рудник М.И., Рудник Е.Н. Энергоинформационные основы рефлексологии: Монография / Курск, гуманит. техн. ин-т. курск, 2001. -236 с.

60. Кореневский Н.А., Жиленкова JI.A., Штотланд Т.М. Применение методов двухмерной классификации для диагностики функциональных состояний человека// Системный анализ и управление в биомедицинских системах. 2003. Т.1. №1. С.13-16.

61. Кореневский Н.А. Двумерные классификационные пространства в задачах психологической диагностики// Известия С. Петербургского ГЭГУ, специальный выпуск «Человек и море», Санкт Петербург, 1994. - С. 58-63.

62. Косилов С.А. Очерки физиологии труда. М. 1965. - 315с.

63. Крыжановская О.В., Наумович А.С. Автоматизированные ► прогностические и диагностические системы для комплексной оценкифункционального состояния организма человека // Жизнь и компьютер-91: Тез. Всесоюз. Семинара, 10. 91. Харьков, 1991. С. 187-189.

64. Кэнал JI. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога// Распознавание образов при помощи цифровых вычислительных машин. М.: Мир, 1974. - 157 с.

65. Лаврентьев Б.И. Теория строения вегетативной нервной системы. М.: Медицина, 1983.-253 с.

66. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. -Новосибирск: Наука, 1981.- 287 с.

67. Леонова А.Б. Психодиагностика функциональных состояний человека. -М.: Изд во Моск. ун - та. 1984. - 200 с.

68. Леонова А.Б., Медведев В. И. Функциональное состояние человека в трудовой деятельности. М., 1981. - 125с.

69. Ломов Б.Ф. Человек и техника. М., 1966. - 285 с.

70. Марищук В.Л., Платонов К. К., Плетницкий Е. Н. Напряжённость в полёте. -М., 1969. 121 с.

71. Медведев В.И. Функциональные состояния оператора. В кн.: Эргономика. Принципы и рекомендации. М., 1970, Т. 1. - С. 35-48.

72. Медведев В.И. Психологические реакции человека в экстремальных условиях. В кн.: Экологическая физиология человека. - М., 1979. - С. 12-14.

73. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Расплывчатые ситуационные модели принятия решений: Учеб. пособие. Таганрог: ТРТИ, 1986.-211с.

74. Методы и критерии оценки функционального комфорта. М., 1978. 251 с.

75. Методика применения экспертных методов для оценки качества продукции. М.: Стандарт, 1975. - 31 с.

76. Наенко Н.И. Психическая напряженность. М., 1976. - 228 с.

77. Неймарк Ю.И., Баталова Э.С. Распознавание образов и медицинская диагностика. М.: Наука, 1972. - 302 с.

78. Нечеткие множества в моделях управления и искусственного интеллекта/Под ред. Д.А. Поспелова.- М.: Наука. 1986.-312 с.

79. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. М.: Радио и связь, 1986. - 408 с.

80. Нехаенко Н.Е. Рациональная микроволновая терапия на основе мониторирования потенциалов биологически активных точек. Воронеж. ВГТУ, 2002.-113 с.

81. Общий курс физиологии человека и животных. В 2 кн. Кн. 1. Физиология нервной, мышечной и сенсорной систем //А.Д. Ноздрачёв, А.Н. Ноздрачева. -М: Высшая школа, 1991. 512 с.

82. Очерк методов восточной рефлексотерапии. Гаава Лувсан. 3-е изд. перераб. и доп. Новосибирск: Наука. Сиб. отд-е., 1991. - 432 с.

83. Овчинников С.В., Рьера Т. О нечетких классификациях. В кн. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Р. Р. Ягера. М.: Радио и связь, 1986. - 408 с.

84. Осовский С. Нейронные сети для обработки информации/ Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

85. Патент 96119067/14 RU, МКИ А61В5/05. Способ выявления патологического акупунктурного меридиана/ А.П. Морозов, А.А. Морозов; заявл. 25.09.99. Бюл. №3.

86. Пайар Ж. Применение физиологических показателей в психологии. В кн.: Экспериментальная психология. Под ред. П. Фресса и Ж. Пиаже. - М., 1970, вып III.-С. 29-35

87. Подвальный Е.С. Модели индивидуального прогнозирования и классификации состояний в системах компьютерного мониторинга.- Воронеж: Изд-во ВГТУ, 1998.- 127 с.

88. Плотников В.В. Комплексный подход к исследованию динамики работоспособности при нервно психологических нагрузках монотонного типа // Сборник научных трудов «Психологические системы охраны труда в сельском хозяйстве». Орел ВНИИОТ СХ 1984. - С. 3-15.

89. Плотников В.В. Определение и принципы диагностики функциональных состояний человека // Тезисы научных сообщений Всесоюзной конференции

90. Методы и технические средства психологической диагностики». Орел ВНИИОТ Госагропрома СССР, 1988. С. 14-15.

91. Плотников В.В., Кореневский Н.А., Забродин Ю.М. Автоматизация методик психологического исследования: Принципы и рекомендации. Орел: Изд-во ин-та психологии АНССР; ВНИИОТ Госагропрома СССР, 1989. 327 с.

92. Портнов Ф.П. Электропунктурная рефлексотерапия. Рига: Зинатне, 1980. - 245 с.

93. Прикладная статистика: классификация и снижение размерности/Под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. - 327 с.

94. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд., испр.-T.l: Айвазян С.А., Мхитрян B.C. Теория вероятностей и прикладная статистика. М.: ЮНИТИ-ДАНА, 2001. 656 с.

95. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд., испр.-Т.2: Айвазян С.А. Основы эконометрики.-М. ЮНИТИ-ДАНА,2001. 432 с.

96. Рождественская В.И., Левочкина И.А. Функциональные состояния при монотонной работе и свойства нервной системы. В кн.: Проблемы дифференциальной психофизиологии. М., 1972, Т. 6. - С. 20-24.

97. Розенблат В.В. Проблема утомления. Изд. 2-е. М., 1975. - 405 с.

98. Руководство по психиатрии/ Под ред. Г.В. Морозова. -В 2-х т. Т.1. М.; Медицина, 1988. - 640 с.

99. Руководство по психиатрии/ Под ред. А.В. Снежневского. Т.1. - М.; Медицина, 1983. - 430с.

100. Самсонов В.В. Эксперимент по реализации ЭС Консультант-2 методом трансляции базы знаний из глубинного представления в поверхностное//Технология разработки экспертных систем. Кишинев, - 1987

101. Справочник по функциональной диагностике в педиатрии. Под ред. Ю.Е. Вельтищева, Н.С. Кисляк. М., «Медицина», 1979, 624 с.

102. Стандартизованная методика «Дискриминация свойств понятий» для исследования свойств мышления/Курск: КГМИ, 1974. 53 с.

103. Сагдуллаев Ю.С., Титов B.C., Дегтярев С.В., Кореневский Н.А. Распознавание оптических изображений/Под ред. Ю.С. Сагдуллаева, B.C. Титова.- Ташкент; ТЭИС, 2000.-315 с.

104. Табеева Д.М., Дуринян Д.А., Цилбуян В.Н. Физиологические основы и клиническое проявление рефлексометрии//БМЭ. 3-е изд. М., 1988. Т. 29. - С. 260-266.

105. Табеева Д.М. Руководство по иглорефлексотерапии. М.: Медицина, 1980. - 560 с.

106. Танака К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве/УВ кн. Нечеткие множества и теория возможностей. Последние достижения. Пер. с англ./Под ред. P.P. Эгера.-М.: Радио и связь. 1986.-408 с.

107. Терехина А.Ю. Анализ данных методами многомерного шкалирования. -М.: Наука, 1986.-215 с.

108. Теория и практика рефлексотерапии: Медико-биологические и физико-технические аспекты/ Под ред. Р.А. Дяриняна и др. Саратов: Изд-во Сарат. унта, 1981.-231 с.

109. Теория автоматического управления/ Под ред. А.А. Воронова. М.: Высш. шк., 1986. - 367 с.

110. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере/ Под ред. В.Э. Фигурнова. 3-е изд., перераб. и доп. М., 2003. - 544 с.

111. Уотерман Р.Д., Ленат Д., Кейсе-Рот Ф. Построение экспертных систем: Пер. с англ. -М.:Мир. 1987.

112. Франкенхойзер М. Некоторые аспекты исследований в физиологической психологии. В кн.: Эмоциональный стресс. Под ред. Л. Леви. Л., 1970. С. 5358.

113. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. М.: Наука, 1979. - 432 с.

114. Хансен Г., Хансен Д. Базы данных: разработка и управление: Пер. с англ.- М.: ЗАО «Издательство БИНОМ». 1999. 704 с.

115. Хомская Е.Д. Мозг и активация. М, 1972. - 340 с.

116. Хомская Е.Д. К проблеме функциональных состояний мозга. Вопр. психол., 1977, №5. - С. 112-114

117. Чайнова Л.Д., Левшинова Ж.В., Каширина Л.В. О важности дифференцированной оценки состояний напряжённости. В кн. Проблемы функционального комфорта. - М., 1977. - С. 81-83.

118. Чжан Цзе-бинь. Атлас меридианов: Атлас точек накалывания и приглаживания, используемых при лечении методами акупунктуры и прижигания, с комментариями на китайском языке. Пекин: Жемин вэйшен чубаныие, 1958. - 292 с.

119. Экспериментальная физиология/ Под ред. Б. Эндрю. М.; Мир, 1974. -342 с.

120. Элти Дж. Кутбс Экспертные системы: концепция и примеры: Пер. с англ. М.: Финансы и статистика, 1987. - 352 с.

121. Andreasen N.C., editor. Schizophrenia.—In: Annual Review/Eds. A.J. Frances, R.E.- Hales, vol. 5. American Psychiatric Press, Washington, DC, 1986.

122. Grebb J.A., Weinberger D.R., Wyatt R.J. Schizophrenia.— In: Diseases of the Nervous System/Eds. A.K. Asbury, G. M. McKhann, W.I. McDonald, vol. II. W.B. Saunders, Philadelphia, 1986.

123. Horrobin D.F. The membrane phospholipid hipothesis as a bioshemical lasis for the neurodevelopmental concept of schizophrenia // Schizophr, Res. 1998. -vol. 30, №3. - P. 193 - 208.

124. Kay S. R., Lindenmayer J. P. Outcome predictors in acute schizophrenia. Prospective signisicance of background and clinical dimensions.—J. Nerv. Mental. Dis., 1987, P. 152-175.

125. Nasrallah H.A., Wemberger D.R., editors. The Neurology of Schizophrenia.— In: Handbook of Schizophrenia/Ed. H. A. Nasrallah, vol. 1. Elsevier, Amsterdam,1986.

126. Sammon Y.W. Nonlinear mapping for Data Structure Analises//IEEE Trans Comput.-1969/-C-18-N5. P.401 -409.

127. Sammon Y.W., Proctor A.H., Roberts D.E. An interactiv graphic subsistem for pattern analysis.- Pattern Recogh.- 1971.-Vol.3 -Nl.- P.15-25.

128. Volkow N. D., Wolf A. P., Von Gelder P. et al. Phenomenological correlates of metabolicactivity in 18 patients with chronic schizophrenia.—Am. J. Psychiatry,1987, P.144-151.

129. Zarcone V.P., Benson K. L., Berger P.A. Abnormal rapid eye movement latencies in 1 schizophrenia.—Arch. Gen. Psychiatry, 1987, P.44-45.