автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Разработка моделей и алгоритмов автоматизированной системы классификации и прогнозирования синдрома вегетативной дистонии

С'л

/ 2 ДсК Ы7

FF а правах рукописи

РЯЖСКИХ МИХАИЛ ВИКТОРОВИЧ

РАЗРАБОТКА МОДЕЛЕЙ II АЛГОРИТМОВ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ КЛАССИФИКАЦИИ И ПРОГНОЗИРОВАНИЯ СИНДРОМА ВЕГЕТАТИВНОЙ ДИСТОПИИ

Специальность 0s.l3.09 -

Управление в биологических и медицинских системах (вкиочая применение вычислительной техники)

АВТОРЕФЕРАТ

диссертации ici соискание ученой степени кандидата технических наук

Воронеж - 1997

Работа выполнен:) и Воронежском государственном техническом 1 университете.

Научным руководитель. кандидат технических наук

Пасмурной С.М.

Научный консультант ' , кандидат медицинских наук

Чернышкова М.А.

Официальные оппоненты: доктор технических наук

Мутафян М.И.,

кандидат технических наук Ширшова Г.В.

Ведущая организация Курский государственный

технический уштсрапгт

Защита диссертации состоится 18 декабря 1997 г. в конференц-зале на заседании диссертационного совета Д063.81.04 при Воронежском государственной техническом университете по адресу:

394026, г. Воронеж, Московский пр., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат раю,слан 18.11.97

Пасмурнов С.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы, Распространенность и рост цереброваскулярных и сердечно-сосудистых заболеваний диктует необходимость их дальнейшего изучения. Актуальным в этом аспекте представляется максимально раннее выявление соответствующих проявлений, их анализ, а затем и разработка комплекса профилактических и лечебных мероприятий. Подобные проявления впервые обнаруживаются еще в детском возрасте, позднее степень выраженности и частота их могут нарастать, приобретая устойчивые тенденции.

Одной из форм сосудистых заболеваний и одним из типичных предшественников серьезной сосудистой патологии является синдром вегетативной дистонии (СЕЗД), широко распространенный в популяции (до 80 %). Именно поэтому изучение вегетативного статуса в молодом возрасте поможет обеспечить раннее выявление разрушительных тенденций в сердечно-сосудистой и нервной системах, а следовательно, вовремя принять необходимые превентивные меры.

Автоматизированный подход к прогнозированию СВД, объединяя опыт работы в диагностике нервных болезней, может оказать помощь врачу на этапе постановки диагноза и при выборе методов обследования, лечения и дальнейшей профилактики цереброваскулярных заболеваний.

Ак1 дальность данной работы заключается в необходимости разработки математических моделей и алгоритмов прогнозирования СВД, а также создания на этой основе автоматизированной системы прогнозирования вегетативных нарушений.

Работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе" в рамках одного из основных направлений Воронежского государственного технического университета "Биокибернетика, компьютеризация в медицине».

Цель и задачи исследования. Целью работы является разработка прогностических моделей и алгоритмов для автоматизации прогнозирования синдрома вегетативной дистонии, а также использование полученных результатов в клинической практике.

Для достижения поставленной цели необходимо решить следующие задачи:

выявить особенности математического и информационного процессов классификации и прогнозирования синдрома вегетативной дистонии;

провести оценку классификационных признаков синдрома вегетативной дистонии;

разработать модели и алгоритмы классификации и прогнозирования синдрома вегетативной дистонии;

сформировать информационное обеспечение и автоматизированные процедуры для системы классификации и прогнозирования синдрома вегетативной дистопии, провести техническую реализацию;

проанализировать эффективность автоматизированной системы классификации и прогнозирования синдрома вегетативной дистопии в условиях клинической апробации.

Методы исследования. Для решения поставленных задач использовались основные положения теории управления биологическими системами, теории вероятностей, теории информации, математической статистики, классической и нечеткой логики, планирования эксперимента, методы моделирования.

Научная новизна. Для оценки информативности признаков синдрома вегетативной дистонии предложено использовать алгебраический канал, отличающийся своей простотой и точностью использования априорной информации.

Разработана нечеткая классификационная модель синдрома вегетативной дистонии, учитывающая качественный характер симптомов и позволяющая решить слабо формализованную задачу прогнозирования.

Разработано информационное обеспечение автоматизированной системы классификации и прогнозирования синдрома вегетативной дистонии, использующее модельные и экспертные оценки при принятии решения в условиях многоальтернативности информации.

Практическая ценность и реализация результатов работы. На основе модели прогнозирования СВД разработано программное обеспечение автоматизированной системы прогнозирования синдрома вегетативной дистонии для оказания помощи врачу и обучения будущих специалистов.

Внедрение системы позволяет:

увеличить вероятность максимально точного прогнозирования состояния пациента;

сократить время постановки диагноза;

документировать диагноз.

Проведенные исследования дают основания рекомендовать использование автоматизированной системы в процессе прогнозирования синдрома вегетативной дистонии и дачее в выборе оптимальных профилактических мероприятий. Ожидаемый годовой экономический эффект от внедрения составит 8430000 руб.

Автоматизированная система классификации и прогнозирования синдрома вегетативнойдистонии (АСПроС) внедрена на кафедре неврологии и медицинской генетики Воронежской государственной медицинской академии им. H.H. Бурденко, в Воронежском областном клиническом лечебно-диагностическом центре. Материалы диссертации используются в учебном процессе межвузовской кафедры "Медицинские и гуманитарные

системы" при обучении студентов специальности 190500 "Биотехнические и медицинские аппараты и системы" в курсах "Применение ЭВМ для моделирования процессов в биомсдицинских системах" и "Управление в биотехнических и медицинских системах".

Апробация работы. Материалы диссертации докладывались и обсуждались на семинарах межвузовской кафедры «Медицинские и гуманитарные системы» (ВГТУ, 1995-1997), межвузовской кафедры «Управление в социальной сфере и медицине» (ВГТУ, 1996-1997), Всероссийском совещании-семинаре "Математическое обеспечение высоких технологий в технике, образовании и медицине" (Воронеж, 1995), научно-практической конференции "Высокие технологии в практике учреждений здравоохранения г. Воронежа" (Воронеж, 1995), конференциях профсоюза медиков России «Архей» (Москва, 1996-1997), ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. По материалам диссертации опубликовано 18 работ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, содержит список лигера7уры из 102 наименований, изложена на 175 страницах машинописного текста, в котором приведено 10 таблиц и 24 рисунка.

Основное содержание работы

Во введении обосновывается актуальность исследования, дается ее краткая характеристика, формулируются цель и задачи исследования, научная новизна и практическая значимость полученных результатов, приведены сведения об апробации и внедрении работы.

В первой главе анализируется применение компьютерных систем для классификации и прогнозирования хронических заболеваний.

Эффективным искусственным подходом, направленным на выявление дисфункций организма, в последнее время является использование автоматизированных систем диагностики, прогнозирования, лечения хронических заболеваний. Такие системы в стремлении к идеалу, решая основную задачу ведения и обработки документации врачей-специалистов, отвечают требованиям совместимости ЭВМ и периферии в произвольном наборе, отличаются гибкостью программного обеспечения и характеристик операционной среды. Современные ЭВМ недостаточно оснащены средствами для обработки таких нечисловых данных, как символика, тексты, речь, изображения и т.п. Архитектура современных компьютеров фактически не предусматривает механизмов получения выводок. В связи с этим решение соответствующих задач занимает слишком много времени. Существенным сдвигом в решении проблемы может быть использование концепции

нечетких рассуждений, но на сегодняшний день аппарат нечеткой логики7 скуден для представления информации, а развитие нечетких компьютеров идет в направлении снизу вверх. Лицу, принимающему решение, необходим программный «помощник», позволяющий самим формировать среду обработки биомедицинской информации без знаний того, как провести статистическую и классификационную обработку. Наиболее развитые автоматизированные системы обработки медицинской информации представляют основу для перехода к экспертным системам в медицине, банкам знаний по отдельным ее разделал!. В настоящее время в области медицинской диагностики происходит сдвиг в сторону специализированных экспертных систем (ЭС) невысокого уровня сложности и небольшого объема, допускающих реализацию на персональных ЭВМ, так как за счет сужения области поиска решений происходит сокращение объема баз знаний и упрощение используемых математических моделей.

Экспертная система, по определению Британского компьютерного общества, рассматривается как результат создания в ЭВМ основанной на знаниях компоненты, соответствующей навыку эксперта, в такой форме, которая позволяет системе дать разумный совет или принять разумное решение о функции обработки данных. В экспертных системах обеспечивается архитектура, основу которой составляют база знаний и машина логического вывода или, иначе, соотношение "знания" + "вывод" = -"система".

Решение поставленной проблемы осуществимо путем использования в разрабатываемой системе классификации и прогнозирования СВД подсистемы экспертной поддержки, реализующей не поддающиеся формализации процедуры творческого процесса постановки диагноза. При этом экспертная компонента позволяет автоматизировать процесс выявления знаний непосредственно от высококвалифицированных специалистов с возможностью последующего использования полученных знаний при эксплуатации автоматизированной системы пользователями невысокой квалификации. Главная сложность здесь заключается в том, что прогнозирование СВД является слабоструктурированной проблемой, в связи с этим требуется разработка системной модели прогнозирования СВД как объекта управления. Математическое моделирование имеет смысл, если между моделью и исследуемым процессом сохраняется та или иная аналогия, то или иное подобие. Наиболее приемлемым является случай, когда математическая модель идентична оригиналу по форме уравнений и соотношению между переменными в уравнениях. Однако такая идентичность достижима чаще всего для простых моделей. Для построения модели "сложных" объектов (а именно таковым является синдром вегетативной дистопии), где не все цели выбора управляющих решений и условия, влияющие на этот выбор, могут быть точно выражены в виде количественных

соотношений, отсутствует либо является неприемлемо сложным формализованное описание объекта управления; значительная часть информации, необходимая для математического описания объекта, существует в форме представлений и пожеланий специалистов-экспертов, присутствует в контуре управления лицо, принимающего решение, оперирующее нечеткими, приблизительными рассуждениями и интуитивно образными представлениями, конструируется особый идеальный объект, заменяющий и представляющий объект реальный. Затем математическая модель исследуется, и результата исследования с особой осторожностью переносятся на реальную систему и проверяются специальными экспериментами.

По второй главе рассматриваются модели и алгоритмы, с помощью которых достаточно достоверно классифицируется и прогнозируется синдром вегетативной дистопии.

В связи с тем, что первые симптомы проявления вегетативных нарушений наблюдаются уже в юношеском возрасте, для классификационной оценки признаков анализировались данные осмотра 113 студентов техникума (56 девушек и 57 юношей в возрасте от 16 до 18 лет), проводившегося в течение двух лет. Для выявления жалоб и анамнестических данных, помимо опроса, была использована анкета, разработанная на кафедре неврологии Воронежской государственной медицинской академии им. II ¡.Бурденко. В анкете с акцентом на выявление СВД учитывались: перенесенные операции и травмы головы, наличие заболеваний у кровных родственников (инсульт, алкоголизм, сахарный диабет, артериальная гипертония, избыточный вес (ожирение), аллергические реакции), родители, умершие до 60 лет от кровоизлияния в мозг или инфаркта, подобные заболевания, стресс и нервные перегрузки, курение, частое употребление алкоголя, малоподвижный образ жизни, головная боль, головокружение, шум в ушах (голове), тошнота, рвота, озноб (дрожь), общая слабость, потливость, чувство жара, боль (тяжесть) в области cepdtja, сердцебиение (перебои), похудение, склонность к полнота (лишний вес), кратковременная потеря сознания, колебания артериального давления (AJI), повышение АД, понижение АД.

Большинство признаков СВД имеют качественный, декларативный характер, и некоторые из них слабо информативны при постановке диагноза. Логично снизить размеры признакового пространства. Хорошее определение информативности признаков даег алгебраический подход, используемый в теории информации. Каждый обследуемый описывается набором качественных признаков и относится к тому или иному классу (диагнозу) из R={A,B,C} (А - «здоров», В - «практически здоров», С - «СВД»).

Информация о признаках представляется в виде таблицы. Все признаки в этой таблице являются словами « конечном алфавите xi=(x,i,x,2, ..., Хз;), где i -номер признака, а каждая из 31 координаты имеет значение 0 или I.

Узнать, к какому классу отнести состояние обследуемого, можно по формуле

lo,(X1:R) = Io(R)-Io(R/X1) (1)

где I0i(X,:R) - количество информации в признаке X относительно R; I0(R) -максимально возможная информативность; Io(R'Xj) - условная информация слова R.

Io(RyXi)=m,*H, + m2*H2,

H, - - m,aMog2(m,a /mi )/mr

- m,b*Iog2(m!b/№i )/mr

- MicHog2(mu /mi ) / mi, (2)

Нг =- - m0i,*)og2(moa Лп2 ) / m2-

- mttflogîOnob /m2 ) / m2-

- moc*log2(moc /m2 ) / ra2,

где mia, inib, ni|C - количество переходов « ]» соответственно в буквы «а», «Ь», «с» слова R; т®,, пъь, п'гк - количество переходов «О» соответственно в буквы «а», «Ь», «с» слова R; шь т2 - композиция слова X (n = rai + in2).

Безусловная информация слова R вычисляется по формуле

Io ( R ) = ri * Н( R ), (3)

№

H(R) = -L m,*log2(m,/n)/n. (4)

Признак Xi называется чистым, то есть полностью раскрывающим неопределенность, если Ioi(R/X,)=0. Функциональной зависимости R от X нет, если io,(X,:R)-0. В этом случае признак считается шумом, и он не дает никакой информации о принадлежности объекта к какому-либо классу А, В или С. Информативность признаков приведена на рис. ].

150 , 130,S

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 23 30 31

Рис, 1

Далее вводится минимально допустимый уровень информативности, в процентах от 1о(К). Все признаки, информативность которых ниже этого уровня, отбрасываются.

В итоге при уровне 8,4 % от для дальнейшего анализа остаются 5 признаков (рис. 2): 15-й - «головная боль», 16-й - «головокружение», 21-й -«общая слабость», 24-й - «боль, тяжесть в области сердца», 31-й -«понижение артериального давления»). Их можно использовать для построения прогностической модели и прогнозирования СВД.

признак признак признак признак признак 15 16 21 24 31

Рис. 2

Как правило, вегетативные нарушения развиваются в связи с многими психическими и соматическими заболеваниями. На этом фоне задача прогнозирования СВД как мпогопричинного объекта упраи пня зачастую проводится врачом интуитивно и является субъективной. Поэтому применение математических методов может оказать помощь.

Бели объект исследования представить в виде «черного ящика», в котором XI, Х2, хз, х.1, х5 - входные каналы (симптомы), Кь К2, Кз - выходные каналы (состояния «Здоров», «Риск СВД», «СВД»), - неконтролируемые случайные возмущения, то для пяти входных переменных множественная регрессионная модель зависимости К, построенная с помощью стандартной программы, имеет вид

К. = 2,72181 + 0,640465*х,5 + 0,175509*х,б + 0,173631*х21+ (5) + 0,385526*х24 + 0,310327*х3|.

Результаты пассивного эксперимента сведены в табл. 1.

Таблица I

Дисперсия Степени свободы Средний квадрат отклонений Г- критерий Уровень значимости

Фактическая 145,936 5 29,1871 83,55 0,01

Остаточная 174,33 499 0,349358 - -

Общая 320,265 504 - - -

Из статистических таблиц находим критическое значение Р-критерия. Оно равно 17кр„т =2,21. Фактическое значения критерия Фишера больше табличного, следовательно, можно утверждать, что нуль-гипотеза не соответствует фактическим данным, влияние признаков-факторов является существенным, иначе говоря, статистически значимым.

При этом коэффициент детерминации Л, говорящий о доли общей дисперсии результативного признака К, равен 45,5671 %. При такой низкой тесноте регрессионной связи (при К2 < 0,8) адекватность математического. описания ставится под сомнение. Возможно, требуется изменить вид зависимости К от пяти входных переменных, может быть, учитывая межпризнаковые влияния. В условиях неоднородности обучающей выборки линейная диагностическая модель должна смениться нелинейной. Однако решение задачи построения нелинейных моделей затруднено из-за отсутствия априорных сведений о виде искомы* функций. В этом случае результаты обследований разбиваются на группы (классы), а эффективность модели рассматривается под углом зрения ее способности разделять (дискриминировать) классы.

Решение о принадлежности объекта хк к классу К, принимается при выполнении условия, обеспечивающего минимум средней вероятности ошибки классификации

Р(К, I х ) = тгкГ(К, /хЛ. (6)

|=Г>

При использовании стандартной процедуры дискриминантного анализа для экспериментальных данных получаются следующие результаты (табл.2);

Таблица 2

Таблица классификации СВД___

Классы Кол-во обследуемых Прогнозируемые классы

А В С

А _ 101 87 12 2

В 114 27 75 12

С 290 16 70 204

Анализируя таблицу, можно сделать вывод, что обучающей выборке, состоящей из 505 объектов наблюдения, можно предсказать результат с вероятностью 72,48 %.

Синдром вегетативной дистопии подходит под образ «сложного» объекта. И наиболее перспективным при построении модели СВД является подход, основанный на моделировании действий квалифицированного специалиста (эксперта). Основным критерием эффективности здесь будет близость результатов, полученных от врача и модели.

Нечеткой классификационной моделью считается тройка объектов:

M=<W, К, R>, (7)

где W={P[xP2x...xP¡}-MHoroMepHoe пространство признаков-факторов, наиболее существенно влияющих на выбор решения; K=¡Kj, К2, ... , Kj}-разбиение W на расплывчатые эталонные классы Р,; R-{RU R2, ... , R|¡-множество решений, со ответ ствующнх классам К,.

Строится качественная структура модели. Она оформляется в виде специальной таблицы (ее часто называют решающей), имеющей plxp2x ... хрг строк и (М-1) столбцов. Строки таблицы соответствуют всевозможным наборам лингвистических значений переменных Р,,Р2, ... , Р,. В столбце R эксперт проставляет одно из возможных решений Rj б R, которое он принял бы в ситуации, словесно описанной набором. Строятся все функции принадлежности для всех лингвистических значений переменных, входящих в нечеткую модель. Класс K¡ разбиения W характеризуется функцией принадлежности цк,)

№)(Рь ..., P¡) V (u;,(Pl) & |,S(P2) ... & (8)

Результаты нечеткого моделирования представлены в табл.3.

Таблица 3

Решение Решение врача

по -.'.одели «Здоров» «ЛВС» «СВД»

«Здоров» 24 0 0

«ЛВС» 0 37 7

«СВД» 0 0 33

24 обследуемых врач и модель единогласно определили здоровыми. 40 пациентов врач счел больными (СВД), а модель отнесла 7 человек из этих 40 к группе с легкими вегетативными сдвигами. Из табл. 3 видно, что степень соответствия решений врача и модели составляет 93 % от всех правильных решений, что говорит о хорошей адекватности построенной модели и возможности использования ее в дальнейшем процессе принятия решения.

Дли создания решающего правила возможно использование метода фазового интерпата, где установление диагноза происходит по минимуму числа несовпадений признаков больного с характерной совокупностью признаков для данного заболевания. Очень близок к рассмотренному методу метод логического базиса, в котором диагноз ставится путем исключения из списка заболеваний, симптомы которых ле совпадают с симптомом, обнаруженным у обследуемого. Однако такой подход менее гибок и не позволяет прогнозировать синдром, очень близко подходящий по набору признаков к одному из диагнозов. Оптимальным представляется следующий алгоритм классификации (рис. 3): )) подставляется состояние испытуемого

[ Начало ^

ш

Оценка состояния об следуемого

[3-

Вычисление функции принадлежности к множеству «Здоров» (j^d)

PD-

Вычисление функции принадлежности к множеству «Риск СВД» (jjfa)

Ш-

Вычисление функции принадлежности к множеству

«ОВД» (но)

Выбор максимального значения ráax (рк!, Цд, Мкз)_

Ш-

Принятие соответствующего решения К, («Здоров», «Риск СВД», «СВД» )

( Конец J

(Рю, Р20, Р.о) в функцию

принадлежности эталонных классов

ц}|(Р|, Рз, ... , Р;) и вычисляются

значения цк,(Рю, Р20, ■ , Рю), 2) Среди всех Pkí(Pio, Р20, ... , Р,о) находится имеющая максимальное значение в точке (Рш, Р20, ••• , Pío), 3) принимается решение Кщ, соответствующее эталонному классу К,(обследуемый здоров, имеется СВД, риск СВД).

В третьей главе расгматри-вается интеграция автоматизированных процедур классификации и прогнозирования синдрома вегетативной дистонии и информационного обеспечения. В системе прогнозирования синдрома вегетативной дистонии целесообразным и логически обоснованным является использование экспертных компонент, оформление процедур которых осуществляется на основе формального представления коллективных знаний группы высококвалифицированных экспертов о предметной области. И в этой системе используется подсистема экспертной поддержки автоматизированных процедур, обеспечивающая эффективное формирование, хранение и обработку эвристических знаний врачей-специалистов.

В автоматизированной системе используется наиболее прогрессивная форма представления решения таблица.

Правила в базе знаний представляются в преобразований. В ходе решения происходит

Рис.3 виде разрешенных сопоставление одной из частей правила с содержимым базы данных. Схема функционирования АСПроС представлена на рис. 4.

Система функционирует в диалоговом режиме, используя преимущества объектно-ориентированного подхода.

и

..................................f

Рис. 4

В четвертой главе рассматривается структура и техническая реализация автоматизированной системы классификации и прогнозирования синдрома вегетативной дистопии (рис. 5).

Система состоит из экспертной компоненты поддержки, сервисных средств, базы знаний и данных и системы управления, которая организует взаимосвязь всех модулей системы между собой, а также осуществляет диалоговый режим между ЛИР и автоматизированной системой классификации и прогнозирования.

Представлены алгоритмы работы программного обеспечения автоматизированной системы прогнозирования СВД (рис.6). Проанализирована эффективность функционирования системы. Программное обеспечение создано в среде Delphi Developer (2.0) и работает под управлением системы MS Windows. Автоматизированная система реализована на ПЭВМ ШМ PC/AT.

В приложениях представлено программное обеспечение, архивный материал, модель прогнозирования СВД и акты внедрения.

Основные результаты работы состоят в следующем:

1. Проведенная классификация признаков синдрома вегетативной дистонии с использованием алгебраического канала позволила выявить наиболее существенные симптомы, необходимые » дальнейшем для построения модели прогнозирования СВД.

2. Построена нечеткая классификационная модель прогнозирования синдрома вегетативной дистонии с помощью подхода, основанного на моделировании действий квалифицированных врачей специалистов, которая

Выявление экспертных

знании

Манипулировав ние знаниями и

данными

СУБЗ

Формирование процедурных 2 знаний

Формирование модели

\

Диалоговый интерфейс

Система управления

ю

База знании предметной области

Сервисные средства

Графические —(средства

Средства до кументирования

3]--1

СУБД

База знаний и данных

11

База.1 ных

Ш

1

Рис.5

используется в автоматизированной системе классификации и прогнозирования синдрома вегетативной дистопии.

3. На основе построенной модели прогнозирования СВД предложен нечеткий (использующий булеву алгебру для действительных чисел) алгоритм решения задачи, когда решение принимается при максимальном значении для него функции принадлежности.

4. Подсистема экспертной поддержки автоматизированных процедур обеспечивает эффективное формирование, хранение и обработку эвристических знаний врачей-специалистов.

5. Сформировано информационное и программное обеспечение автоматизированной системы прогнозирования СВД, проведена ее программно-техническая реализация.

6. Разработанные модель и алгоритм прогнозирования синдрома

Рис. 6

( Конец. ^

Продолжение рис. 6

вегетативной дистопии и использующая их автоматизированная система прогнозирования СВД апробированы в клинических условиях.

7. Подтверждена экономическая целесообразность использования АСПроС на практике.

8. Результаты работы внедрены в Воронежском областном клиническом лечебно-диагностическом центре, а ' также в учебный процесс кафедры "Медицинские и гуманитарные системы" для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы".

Основное содержание диссертации изложено в следующих публикациях:

1. Алгоритм принятия решения рубрификации и дифференциальной диагностики синдрома вегегативной дистони и / И.Л. Безхмельницына, MB Ряжских, М.А.Чернышкова, 11 В.Федоркова // Высокие технологии в практике учреждений здравоохранения г.Воронежа. - Воронеж, 1995. - С. 8-13.

2. Зацепина С.А., Ряжских М.В. Алгоритмизация диагностики и прогнозирования вегетативной дистопии // Высокие технологии в технике, медицине и образовании. -Воронеж, 1995.

3. Анализ некоторых особенностей вегетативных и психологических реакций лиц молодого возраста/ ИИ. Белоусова, И.С. Протасов, B.C. Протасов, М В. Ряжских // Заболевания вегетативной нервной системы,- М: Профессиональный союз медиков «Архен», 1996,- С.З.

4. Возможности анкетирования в диагностике синдрома вегетативной дистонии/ MB. Ряжских, И.С. Протасов, B.C. Протасов, И.И. Белоусова, H.H. Козлова, В.Н.Тарасона, К.Ф. Шалаев, К Ф. Шишлова // Актуальные вопросы современной медицины: Межрегион, сб. науч тр.-Воронеж, 1997. - С.250-251.

5. Пасмурнов СМ, Ряжских М.В. Интеграция информационного обеспечения и автоматизированных процедур прогнозирования синдрома вегегативной дистонии // Математическое обеспечение информационных технологий в технике, образовании и медицине: Тез. докл. Вссрос. совещания-семинара, май 1997г. Ч. 1 - Воронеж: ВГТУ, 1997.-С. 109-110.

6. Пасмурнов С М., Протасов И.С., Ряжских М.В. К вопросу о выделении признаков для надежной классификации клинических проявлений синдрома вегетативной дистонии // Конф. «Заболевания вегетативной нервной системы»,- М: Профессиональный союз медиков «Аэхей», 1997. - CA.

7. Лотическое моделирование диагностического процесса синдрома вегетативной дистонии в условиях многоальтернативности и неполной априорной информации/ И А. Безхмельнидына, М.В. Ряжских, Н.В. Федоркова, М.А Черныпжова // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. докл. Вссрос. совещания-семинара,28 июня - 1 июля 1995 г. - Воронеж, 1995. - С. 66-67.

8. Зинюков ДВ, Ряжских М.В., Чернышкова М.А. Метод фазовых интервалов и прогнозиропание синдрома вегетативной дистонии //Высокие технологии в практике учреждений здравоохранения: Тез. докл. науч' -практ. конф., ноябрь 1995 г. - Воронеж, 1995.-С. 74-75

9 Протасов И.С., Ряжских М В. Новый подход к диагностике синдрома ве1етативной дистот-и // Новые методы диагностики и исследования: Сб. науч. тр Вып. 1,- Воронеж, 1996. - С 65

10. Протасов И.С., Рижских M.B. Отбор существенных признаков для надежной классификации клинических проявлений синдрома вегетативной дистонии // Новые методы диагностики и исследования: Сб. науч. тр Вып 2. - Воронеж, 1996 - С 63.

11. Белоусова ИИ, Протасов ИС, Ряжских MB. Повторное исследование вегетативного статуса лиц молодого возраста //Воронежская областная клиническая больница: специализированная медицинская помощь: Сб. статей. - Воронеж: Изд-во ВГУ,

1996. - С. 219-224.

12. Применение вегетативных проб для ранней диагностики синдрома вегетативной дистопии / М В. Ряжских, И.С. Протасов, B.C. Протасов, И И. Белоусова, H.H. Козлова, В.Н Тарасова, К.Ф. Шалаев, К.Ф. Шишлова // Актуальные вопросы современной медицины: Межрегион, сб. науч. тр.- Воронеж, 1997. - С 249

13. Применение метода фазовых интервалов при классификации и прогнозировании синдрома вегетативной дистонии / И.А. Безхмельиицына, И С. Протасов, М.В Ряжских, М.А. Черньнлкова // Конф. «Заболевания вегетативной нервной системы»,- М: Профессиональный союз медиков «Архей», 1996. - С.4.

14. Протасов B.C., Протасов И.С., Ряжских М.В. Прогнозирование синдрома вегетативной дистонии по нечеткой априорной информации //Воронежская областная клиническая больница: специализированная медицинская помощь: Сб. статей. - Воронеж: Изд-во ВГУ, 1996. - С. 224-227.

15. Разинкин К.А., Ряжских М.В., Федорков ЕД. Программное обеспечение цифроаналогового комплекса оптимизации лечения хронических заболеваний //Высокие технологии в практике учреждений здравоохранения: Тез. докл. науч-пракг. конф., ноябрь 1995 г. - Воронеж, ¡995. - С. 44.

16. Психологическое экспресс-тестирование в диагностике синдр иа вегетативной дистонии / М.В Ряжских, И.С. Протасов, B.C. Протасов, И.И. Белоус, i, H.H. Козлова, В.Н. Тарасова, К.Ф. Шалаев, К.Ф. Шишлова // Актуальные вопросы современной медицины: Межрегион, сб. науч. тр.- Воронеж, 1997. - С.248.

17. Невзоров H.H., Ряжских М.В. Снятие, преобразование и обработка биомедицинской информации // Высокие технологии в практике учреждений здравоохранения Тез. докл: науч. -нракт. конф., ноябрь 1995 г. - Воронеж, 1995, - С. 69.

18. Пасмурное С.М., Ряжских М.В. Структура программных средств автоматизированной системы прогнозирования синдрома вегетативной дистонии // Математическое обеспечение информационных технологий в технике, образ звании и медицине: Тез. докл Всерос совещания-семинара, май 1997 г. 41 - Воронеж: ВГТУ,

1997. - С. 79-80.

ЛР № 020419 от 12.02.92. Подписано в печать 12.11.97 Усл. исч. л. 1,0. Тираж 100 экз. Заказ ^iJ-'W

Воронежский государственный технический университет 394026 Воронеж, Московский просп., 14 Участок оперативной полиграфии Воронежского государственного технического университета