автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка моделей и алгоритмов диагностики и выбора тактики лечения вертебрально-базилярной недостаточности на основе многовариантного подхода

На правах рукописи

БАРАНОВ Роман Леонидович

"Р

ООЗДЬ<г^ //

РАЗРАБОТКА МОДЕЛЕИ И АЛГОРИТМОВ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ ВЕРТЕБРАЛЬНО-БАЗИЛЯРНОЙ НЕДОСТАТОЧНОСТИ НА ОСНОВЕ МНОГОВАРИАНТНОГО ПОДХОДА

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (технические и медицинские системы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2008

пГ« ^

г 0- -

003457275

Работа выполнена в ГОУ ВПО «Воронежский государственный технический университет»

Научный руководитель доктор технических наук, доцент

Работкина Ольга Евгеньевна

Официальные оппоненты: доктор технических наук, профессор

Львович Игорь Яковлевич;

кандидат технических наук, доцент Воронин Александр Иванович

Ведущая организация ГОУ ВПО «Курский государственный

технический университет»

Защита состоится 26 декабря 2008 г. в 16" часов в конференц-зале на заседании диссертационного совета Д 212.037.02 ГОУ ВПО «Воронежский государственный технический университет» по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в научной библиотеке ГОУ ВПО «Воронежский государственный технический университет».

Автореферат разослан «Д/» ноября 2008 г.

Ученый секретарь

диссертационного совета у Федорков Е.Д.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Сосудистые поражения нервной системы в настоящее время являются наиболее важной проблемой в клинической неврологии. Исключительное внимание к сосудистой патологии мозга, це-реброваскулярным заболеваниям объясняется, прежде всего, их широкой распространенностью. Современные условия жизни (неблагоприятная экологическая обстановка, частые стрессы, усложнение процессов трудовой деятельности, недостаток физической активности) способствуют также увеличению заболеваемости среди молодых людей. Это приобретает социальную значимость, поскольку затрагивает трудоспособные слои населения. В структуре смертности взрослого населения большинства экономически развитых стран смертность от цереброваскулярных заболеваний составляет 12-15%. В то же время отмечается, что сосудистые кризы встречаются гораздо чаще при недостаточности кровообращения в вер-тебрально-базилярном бассейне.

Вертебрально-базилярная недостаточность (ВБН) - это обратимое нарушение функций мозга, вызванное уменьшением кровоснабжения области, питаемой позвоночными и основной артериями. Основными причинами ВБН являются сочетание атеросклеротического поражения позвоночных артерий с экстравазальными воздействиями.

На современном этапе удельный вес вертебрально-базилярной недостаточности среди всех нарушений мозгового кровообращения составляет 25-30%, однако она недостаточно хорошо диагностируются из-за ограниченных возможностей лечащего врача (ЛВ) в области обработки большого количества клинических признаков и данных большого числа обследований, и его субъективностью в постановке диагноза.

С другой стороны, возможности современных компьютеров обеспечивают высококачественную обработку данных в таких трудно формулируемых областях, как медицина. В связи с этим, применение ЭВМ для автоматизации принятия клинических решений открывает новые возможности для повышения точности диагностики за счет систематичности и полноты используемых данных и возможности совместного использования данных из разных источников, а также для повышения надежности клинических решений на основе моделирования физиологических процессов и

алгоритмического обеспечения, ориентированного на данную локальную область медицины.

Таким образом, актуальность диссертационного исследования обусловлена необходимостью разработки эффективных методов и алгоритмов диагностики вертебрально-базилярной недостаточности и их внедрения в клиническую практику.

Работа выполнена в соответствии с основными научными направлениями ГОУ ВПО «Воронежский государственный технический университет» «Биокибернетика и компьютеризация в медицине» и «Проблемно-ориентированные системы управления» при выполнении научно-исследовательской работы ГБ 2007.27 «Интеллектуализация принятия управленческих решений в медицинских системах при диагностике и лечении».

Цели и задачи исследования. Цель диссертационной работы состоит в разработке моделей и алгоритмов интеллектуальной поддержки процесса принятия решений при диагностике вертебрально-базилярной недостаточности на основе многовариантного подхода с последующим внедрением их в клиническую практику.

Для достижения поставленной цели необходимо решить следующие задачи:

разработать логическую модель постановки дифференцированного диагноза и выбора реабилитационных мероприятий пациентам с вертебрально-базилярной недостаточностью на основе анализа клинических признаков и применения современных методов диагностических исследований;

выделить на основе метода к-средних группы пациентов с различной степенью выраженности изгиба шейного отдела позвоночника;

разработать математическую модель классификации пациентов с патологией шейного отдела позвоночника на основе дискриминантного анализа;

реализовать систему оценки выраженности лордоза на основе нейро-сетевого моделирования;

разработать и внедрить автоматизированную компьютерную систему диагностики и выбора тактики лечения вертебрально-базилярной не-

достаточности, предназначенную для повышения эффективности постановки диагноза в клинических условиях.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории управления, экспертного оценивания и принятия решений, методы теории искусственного интеллекта, нейросетевого моделирования и прикладной статистики.

Научная новизна результатов исследования. В работе получены следующие результаты, характеризующиеся научной новизной:

логическая модель диагностики и выбора тактики лечения вертеб-рально-базилярной недостаточности, позволяющая повысить эффективность процесса постановки диагноза и учитывать индивидуальные особенности пациентов;

методика классификации пациентов с учётом различий в степени выраженности изгиба шейного отдела позвоночника, направленная на доказательство наличия обособленных групп на основе использования накопленной клинической информации;

математическая модель классификации пациентов с патологией шейного отдела позвоночника на основе дискриминантного анализа, ориентированная на дифференцированную диагностику пациентов по итогам рентгенологического исследования;

нейросетевая модель оценки выраженности лордоза, обеспечивающая информационную поддержку принимаемых лечащим врачом решений с проведением количественной оценки влияния различных диагностических показателей на выходной сигнал сети;

автоматизированная система интеллектуальной поддержки диагностики вертебрально-базилярной недостаточности, реализующая интеграцию методов, моделей и алгоритмов рационального принятия решений.

Практическая значимость и результаты внедрения. В результате проведенного исследования разработана и научно обоснована методика дифференциальной диагностики и выбора тактики лечения пациентов с вертебрально-базилярной недостаточностью, позволяющая повысить эффективность процесса принятия решений лечащим врачом и, следовательно, качество оказания медицинской помощи населению.

Результаты исследований в виде информационного и программного обеспечения автоматизированной системы поддержки принятия решений

при диагностике и выборе тактики лечения для клинического использования апробированы в Воронежском областном клиническом консультативно-диагностическом центре.

Материалы диссертации внедрены в учебный процесс кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».

Апробация работы. Основные положения и научные результаты диссертационного исследования докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах" (Воронеж, 2005, 2006, 2007), Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2004, 2005, 2007), научно-методических семинарах кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет» (Воронеж, 2004-2007).

Публикации. Основные результаты диссертации опубликованы в 12 научных работах, в том числе 3 - в изданиях, рекомендованных ВАК РФ.

■ В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат: [1,8,12] разработка логической модели диагностики и выбора оптимальной тактики лечения вертеб-рально-базилярной недостаточности; [3] разработка математической модели диагностики пациентов с патологией шейного отдела позвоночника; [2] разработка нейросетевой модели диагностики степени выраженности лордоза; [4,9] анализ и формирование совокупности показателей лабораторных исследований, применяемых в процессе диагностики; [5] анализ возможностей автоматизации диагностического процесса; [6,7,10] анализ актуальности проблемы заболевания и современных методов диагностики вертебрально-базилярной недостаточности; [11] предложение пути повышения эффективности классификации пациентов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 120 наименований, приложения. Основная часть работы изложена на 111 страницах, содержит 27 рисунков, 3 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность диссертационной работы, сформулированы цель и задачи исследования, показываются основные пути решения сформированных задач. Приведены сведения об апробации и внедрении работы.

В первой главе представлен обзор современного состояния проблемы сосудистых заболеваний мозга, в частности вертебрально-базилярной недостаточности. Определены факторы риска развития ВБН и её клинические проявления. Особо отмечено влияние патологических изменений в шейном отделе позвоночника (ШОП) на возникновение ВБН, в связи с чем проведён анализ диагностических критериев оценки степени и характера выраженности изгиба ШОП с учётом классификации, принятой во врачебной практике.

Рассмотрены основные современные методы диагностики заболевания, включая ультразвуковую допплерографию, рентгенографию шейного отдела позвоночника, рентгеновскую компьютерную томографию и маг-ниторезонансную томографию. Оценены все преимущества и недостатки данных методов диагностики, а также выявлены диагностические показатели, которые могли бы использоваться в ходе математической обработки статистической информации по пациентам с ВБН.

Дано представление об основных способах коррекции заболевания, а также обзор применяемых лекарственных препаратов и терапевтических процедур в зависимости от состояния пациента.

На основании проведенного анализа были определены цель и задачи исследования.

Во второй главе были предложены пути повышения качества и эффективности диагностики вертебрально-базилярной недостаточности на основе разработки логической модели, основанной на априорной информации и логических действиях лечащего врача.

Логическая модель позволяет достаточно просто реализовать её на ЭВМ для процедуры машинного выбора в автоматизированном диалоговом режиме и является одним из методов интеллектуальной поддержки врача в сочетании с методами, комплексирующими модельные и экспериментальные оценки в системе принятия решений.

Рис. 1. Логическая модель диагностики и выбора тактики лечения ВБН

Разработанная логическая модель диагностики и выбора тактики реабилитационных мероприятий при коррекции ВБН представлена на рис. 1.

На начальном этапе диагностики в соответствии с полученными данными анамнеза, а также клинического осмотра JIB высказывает предположение о наличии болезни у пациента, результатом чего становится назначение рентгенологического исследования и ультразвукового доппле-рографического исследования (УЗДГ БЦА). В случае исключения патологии шейного отдела позвоночника, а также отсутствия асимметрии доп-плеровского сигнала при исследовании УЗДГ БЦА пациент направляется для выявления другой патологии, а остальным назначается допплеровское сканирование позвоночных артерий в режиме ЦДК. На этом этапе выявляется наличие нарушений в кровотоке по головным артериям, ведущих к дисциркуляторным изменениям.

В качестве гипотезы на основании обработки статистических данных допплеровского сканирования группы из 20 пациентов с дисциркулятор-ными нарушениями было принято, что коэффициент асимметрии более 25% говорит о нарушениях в кровотоке по головным артериям. Для статистической проверки гипотезы был выбран непараметрический критерий знаков Вилкоксона (W), который рассчитывается по формуле:

где - сумма рангов наблюдений, в которых значение коэффициента асимметрии больше чем проверяемое.

Фактическое значение критерия Вилкоксона lV,/)aKm (150) относительно высокое, что говорит о том, что при коэффициенте асимметрии более 25% риск нарушения кровотока в сосудах головы достаточно велик. Также это значение находится в интервале табличных значений W„m&, (53-157) критерия. Следовательно, нулевая гипотеза не может быть отклонена на 2,5%-ном уровне, то есть на 2,5%-ном уровне значимости можно утверждать, что мнение о наличии дисциркуляторных нарушений у пациентов с асимметрией кровотока в ПА ниже 25% некорректно.

В итоге пациентам с нарушением кровотока назначается рентгеновская компьютерная томография шейного отдела позвоночника, а осталь-

ным, в зависимости от результатов предыдущего обследования, назначается терапия остеохондроза шейного отдела позвоночника, терапия дис-циркуляции в ВББ и ОХ ШОП либо пациент ставится на динамическое наблюдение.

С помощью рентгеновского компьютерного томографического исследование шейного отдела позвоночника выявляется узость канала ствола позвоночных артерий. В случае выявления подобной патологии у пациента, он направляется на дообследование, в противном случае, в зависимости от показателей обследования на первом этапе ему назначается лечение в виде сосудистой терапии или сосудистой терапии с преобладанием вазотоников.

Третья глава посвящена применению различных методов поддержки принятия решений на этапе рентгенологического исследования для достоверного выявления патологий в шейном отделе позвоночника.

Для доказательства наличия обособленных групп пациентов с этими патологиями был использован кластерный анализ (метод к-средних). Большое достоинство кластерного анализа состоит в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков.

В качестве исходной информационной базы были взяты результаты рентгенологического обследования 95 пациентов с симптомами ВБН, разделённых на три подгруппы в соответствии со степенью выраженности лордоза (изгиба ШОП кпереди): 1 подгруппа - пациенты с нормальным лордозом (нормолордозом) - 30 человек; 2 подгруппа - пациенты с уплощенным или выпрямленным лордозом (гиполордозом) - 45 человек; и 3 подгруппа - пациенты с кифозированием ШОП (кифотической установкой) - 20 человек.

Статистическая обработка данных проводилась в пакете StatSoft Sta-tistica 6.0. Для оценки состояния пациента использовалась совокупность показателей, характеризующих степень выраженности физиологического изгиба шейного отдела позвоночника: X: - верхний угол лордоза (ВУЛ, град.), Х2 - нижний угол лордоза (НУЛ, град.), Х3 - интегральный показа-

тель степени изгиба ШОП (мм), Х4 - интегральный показатель равномерности изгиба ШОП (мм).

На рис. 2 представлена характеристика каждого кластера относительно этих показателей.

140 120 ICO 80 Б» 40 20 0 -20 -40

. Рис. 2. Средние значения показателей выраженности изгиба ШОП

в кластерах

В результате была подтверждена правильность разделения пациентов на три группы (нормолордоз, гиполордоз, кифоз), принятого во врачебной практике, и отмечено, что для 1 подгруппы пациентов характерны высокие значения показателей Хь Х2, Х3 и низкое значение показателя Х4, для 2 подгруппы низкие значения показателей Хь Х4 и средние значения показателей Х2 и Х3, в то время как 3 подгруппа характеризуется низкими значениями всех показателей, кроме Х4. При этом следует отметить довольно заметное расстояние между средними значениями показателей выраженности изгиба ШОП в кластерах, что свидетельствует о значимости этих показателей для постановки дифференцированного диагноза. Ошиб-

ка в постановке диагноза на основе кластерного анализа составила 15,79%.

Для более точной постановки диагноза был проведён дискриминант-ный анализ данных, и получены математические модели, позволяющие прогнозировать принадлежность пациентов к одной из трёх групп. Проверка точности построенных моделей осуществлялась с помощью контрольной группы, состоящей из 30 человек.

На рис. 3 приведено распределение пациентов в зависимости от степени выраженности лордоза в осях канонических дискриминантных функций.

о Нормолордоз п .„Гиполордоз Д Кифоз

Рис. 3. Диаграмма рассеивания пациентов по плоскости дискриминантных функций по степени выраженности лордоза

Дискриминантные функции для каждого диагноза имеют следующий вид:

Z)=-24,633+0,331 *Х|+0,471 *Х2+0,25*Х3+0,183 *Х4;

Z2=-9,368+0,368*Xi+0,444*X2+0,034*X3+0,369*X4;

Z3=-19,086+0,293 *Х, -Ю,414 *Xr0,08 *X3+1,595*X4,

где Z, - вероятность наличия нормолордоза у пациента; Z2 - вероятность гиполордоза; Z3 - вероятность наличия кифотической установки.

Значение критерия Уилкса стремится к нулю (Л=0,083), что говорит о хорошем различии между классами. Достоверность постановки диагноза по дискриминантным функциям в обучающей выборке составила 100%. В контрольной группе верно распознанных примеров было 93,3% (таблица).

На следующем этапе исследования с целью повышения достоверности решения задачи по классификации и прогнозированию состояния пациентов была разработана нейросетевая модель оценки выраженности лордоза на базе многослойного персептрона с прямым распространением информации.

Нейросетевые модели рекомендуется применять для отыскания скрытых закономерностей в запутанных данных. Несмотря на их большую вычислительную трудоёмкость, они помогают получить более точный результат. При этом обучение нейронной сети сводится к задаче построения полинома от элементарных функций, для которого на некотором обучающем множестве входных значений переменных х/,..., х„ заданы промежутки, в которые попадают значения полинома.

Обучение нейросети осуществлялось с помощью пакета Deductor 5.0. Всё множество исходных данных было разделено на три подмножества: обучающее, тестовое и валидационное. Обучение проводилось в режиме с кросс-проверкой на тестовом подмножестве. Валидационное подмножество использовалось в качестве дополнения для независимого контроля качества обученной нейронной сети. В качестве функции активации была выбрана сигмоида.

Для оценки состояния пациента использовалась совокупность показателей, характеризующих степень выраженности физиологического изгиба шейного отдела позвоночника: Х| - верхний угол лордоза (ВУЛ, град.); Х2 - нижний угол лордоза (НУЛ, град.); Х3, Х4, Х5, Х6, Х7, Х8 - расстояния от прямой АТЫ, соединяющей позвонок С1 и ТЫ, до позвонков С2-С7 соответственно (мм).

Граф полученной нейронной сети включает в себя 8 входных и 1 выходной узел, а также скрытый слой из 5 нейронов.

В процессе проверки разработанной нейросетевой модели выявлен один случай неверной постановки диагноза в тестовой и контрольной выборке, что соответствует достоверности постановки диагноза на уровне 96,7% и говорит о её высокой точности.

В таблице приведены данные для сравнения результатов апробации разработанных математических моделей. Учитывая высокую достоверность этих моделей, они могут быть представлены в виде распознающих правил в автоматизированной системе диагностики.

Результаты апробации моделей оценки выраженности лордоза

Метод обработки данных Контрольная выборка, количество примеров Количество неверно распознанных примеров Процент распознавания, %

Тестовое множество Валидационное множество

Дискриминантами анализ 30 - 2 93,3

Нейронные сети 23 7 1 96,7

В четвертой главе представлены результаты реализации и апробации автоматизированной компьютерной системы поддержки принятия решений при диагностике вертебрально-базилярной недостаточности и выборе реабилитационных мероприятий, которая была построена на основе разработанных моделей и алгоритмов. Общая структура данной авто-

матизированной системы и организация взаимодеиствия её компонент представлена на рис. 4.

Пациент

lint

Лечащий врач

^ИТ"

Рис. 4. Структура автоматизированной системы диагностики и выбора тактики лечения ВБН

Данная автоматизированная система позволяет повысить эффективность и качество диагностики за счёт тех возможностей, которые обеспечивает компьютер в осуществлении сбора, обработки, хранения, представления и использования медицинской информации, а также за счёт применения в её основе авторских моделей и алгоритмов. Программная реализация автоматизированной системы была проведена с использованием интегрированной среды разработки Borland Delphi 7.

В приложении помещены материалы исследования и акты внедрения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Разработана логическая модель постановки дифференцированного диагноза и выбора реабилитационных мероприятий пациентам с вер-тебрально-базилярной недостаточностью на основе анализа клинических признаков и применения современных методов диагностических исследований.

2. На основе метода к-средних выделены группы пациентов с различной степенью выраженности изгиба шейного отдела позвоночника и доказана правильность разделения, принятого во врачебной практике.

3. Предложена классификация пациентов по различным диагностическим показателям для определения наличия патологии в шейном отделе позвоночника и сформированы математические модели на основе дискри-минантного анализа.

4. Реализована нейросетевая модель, обеспечивающая информационную поддержку принимаемых лечащим врачом решений с проведением количественной оценки влияния различных диагностических показателей на выходной сигнал сети.

5. По результатам сравнения интерполяционных качеств разработанных моделей оценки степени выраженности лордоза шейного отдела позвоночника наиболее достоверными показали себя математические функции, используемые в нейросети.

6. На основании реализованных моделей и алгоритмов разработана автоматизированная система диагностики и выбора тактики лечения вер-тебрально-базилярной недостаточности.

7. Результаты исследования в виде специального программного обеспечения внедрены в учебный процесс кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет», а также используются в практической деятельности Воронежского областного клинического консультативно-диагностического центра.

Основные результаты диссертации опубликованы в следующих работах:

Публикации в изданиях, рекомендованных ВАК РФ

1. Баранов Р.Л., Кривцова Л.И., Родионов О.В. Выбор реабилитационной терапии вертебралыю-базилярной недостаточности на основе логического моделирования // Вестник Воронежского государственного технического университета. 2005. Т.1. №10. С. 44-46.

2. Баранов Р.Л., Работкина O.E., Родионов О.В. Разработка нейросе-тевой модели диагностики пациентов с патологией шейного отдела позвоночника на основе данных рентгенологического исследования // Вестник Воронежского государственного технического университета. 2008. Т.4. №8. С. 8-10.

3. Баранов Р.Л., Родионов О.В. Оценка состояния пациентов с патологией шейного отдела позвоночника на основе кластерного и дискрими-нантного анализа /У Вестник Воронежского государственного технического университета. 2008. Т.4. №9. С. 4-6.

Статьи и материалы конференций

4. Петросян С.Л., Кривцова Л.И., Баранов Р.Л. Оптимизация процесса диагностики физиологической кривизны шейного отдела позвоночника // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 35-39.

5. Родионов О.В., Баранов Р.Л., Новикова Е.И. Современные компьютерные технологии в обеспечении диагностического процесса в медицине // Интеллектуальные информационные системы: труды Вссрос. конф. Воронеж, 2004. Ч. 1. С.154-155.

6. Родионов О.В., Кривцова Л.И., Баранов Р.Л. Применение метода ультразвуковой допплерографии в процессе диагностики вертебрально-базилярной недостаточности // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж, 2005. 4.1. С.278-279.

7. Родионов О.В., Кривцова Л.И., Баранов Р.Л. Применение рентгенологического метода исследования в диагностике дистрофических процессов шейного отдела позвоночника // Интеллектуализация управления в

социальных и экономических системах: труды Всерос. конф. Воронеж,

2005. С.173-174.

8. Баранов Р.Л., Кривцова Л.И., Родионов О.В. Разработка логической модели классификации, диагностики и выбора тактики лечения вер-тебрально-базилярной недостаточности // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж, 2005. С. 34-37.

9. Баранов Р.Л., Родионов О.В. Интерпретация результатов доппле-рографического исследования у пациентов с нарушениями кровотока в вертебрально-базилярной системе // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж,

2006. С.181-183.

10. Родионов О.В., Баранов Р.Л. Расширение возможностей дуплексного сканирования позвоночных артерий при диагностике вертебрально-базилярной недостаточности // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж, 2007. С. 201-202.

11. Родионов О.В., Баранов Р.Л. Автоматическая классификация пациентов с разной степенью выраженности кривизны шейного отдела позвоночника при помощи кластеранализа // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж, 2007. С. 108-110.

12. Баранов Р.Л., Родионов О.В. Модель диагностики и выбора оптимальной тактики лечения вертебрально-базилярной недостаточности // Сборник трудов победителей конкурса на лучшую научную работу сту-

Формат 60x84/16. Бумага для множительных аппаратов. Усл. печ. л. 1,0. Тираж 85 экз. Заказ ШбРЛ. ГОУ ВПО «Воронежский государственный технический университет» 394026 Воронеж, Московский просп., 14

ВВЕДЕНИЕ.

1 ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ ВЕРТЕБРАЛЬНО-БАЗИЛЯРНОЙ НЕДОСТАТОЧНОСТИ.

1.1 Общая характеристика ВБН.

1.2 Патогенетические особенности развития вертебрально-базилярной недостаточности.

1.3 Анализ современных методов исследования, используемых в диагностике ВБН.

1.4 Цель и задачи исследования.

2 МОДЕЛИРОВАНИЕ ПРОЦЕССА УПРАВЛЕНИЯ ПОСТАНОВКОЙ ДИАГНОЗА ВБН.

2.1 Этапы построения системы диагностики и выбор вида моделирования.

2.2 Разработка логической модели диагностики и выбора тактики лечения.

Выводы второй главы.

3 РЕАЛИЗАЦИЯ МЕТОДОВ МНОГОВАРИАНТНОГО МОДЕЛИРОВАНИЯ ПРОЦЕССА ВЫЯВЛЕНИЯ ПАТОЛОГИИ В ШЕЙНОМ ОТДЕЛЕ ПОЗВОНОЧНИКА.

3.1 Применение метода к-средних для достоверной классификации пациентов с различной степенью выраженности лордоза.

3.2 Разработка математической модели классификации пациентов с патологией шейного отдела позвоночника на основе дискриминантного анализа.

3.3 Разработка модели оценки степени выраженности лордоза на базе многослойного персептрона.

Выводы третьей главы.

4 РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ

ПРИНЯТИЯ РЕШЕНИЯ ПРИ ДИАГНОСТИКЕ ВБН.

Выводы четвертой главы.

Актуальность темы. Сосудистые поражения нервной системы в настоящее время являются наиболее важной проблемой в клинической неврологии. Исключительное внимание к сосудистой патологии мозга, дереброва-скулярным заболеваниям объясняется, прежде всего, их широкой распространенностью. Современные условия жизни (неблагоприятная экологическая обстановка, частые стрессы, усложнение процессов трудовой деятельности, недостаток физической активности) способствуют также увеличению заболеваемости среди молодых людей. Это приобретает социальную значимость, поскольку затрагивает трудоспособные слои населения. В структуре смертности взрослого населения большинства экономически развитых стран смертность от цереброваскулярных заболеваний составляет 12-15%. В то же время отмечается, что сосудистые кризы встречаются гораздо чаще при недостаточности кровообращения в вертебрально-базилярном бассейне.

Вертебрально-базилярная недостаточность (ВБН) - это обратимое нарушение функций мозга, вызванное уменьшением кровоснабжения области, питаемой позвоночными и основной артериями. Основными причинами ВБН являются сочетание атеросклеротического поражения позвоночных артерий с экстравазальными воздействиями.

На современном этапе удельный вес вертебрально-базилярной недостаточности среди всех нарушений мозгового кровообращения составляет 2530%, однако она недостаточно хорошо диагностируются из-за ограниченных возможностей лечащего врача (ЛВ) в области обработки большого количества клинических признаков и данных большого числа обследований, и его субъективностью в постановке диагноза.

С другой стороны, возможности современных компьютеров обеспечивают высококачественную обработку данных в таких трудно формулируемых областях как медицина. В связи с этим, применение ЭВМ для автоматизации принятия клинических решений открывает новые возможности для повышения точности диагностики за счет систематичности и полноты используемых данных и возможности совместного использования данных из разных источников, а также для повышения надежности клинических решений на основе моделирования физиологических процессов и алгоритмического обеспечения, ориентированного на данную локальную область медицины.

Таким образом, актуальность диссертационного исследования обусловлена необходимостью разработки эффективных методов и алгоритмов диагностики вертебрально-базилярной недостаточности и их внедрения в клиническую практику.

Работа выполнена в соответствии с основными научными направлениями ГОУ ВПО «Воронежский государственный технический университет» «Биокибернетика и компьютеризация в медицине» . и «Проблемно-ориентированные системы управления» при выполнении научно-исследовательской работы ГБ 2007.27 «Интеллектуализация принятия управленческих решений в медицинских системах при диагностике и лечении».

Цели и задачи исследования. Цель диссертационной работы состоит в разработке моделей и алгоритмов интеллектуальной поддержки процесса принятия решений при диагностике вертебрально-базилярной недостаточности на основе многовариантного подхода с последующим внедрением их в клиническую практику.

Для достижения поставленной цели необходимо решить следующие задачи: разработать логическую модель постановки дифференцированного диагноза и выбора реабилитационных мероприятий пациентам с вертебрально-базилярной недостаточностью на основе анализа клинических признаков и применения современных методов диагностических исследований; выделить на основе метода к-средних группы пациентов с различной степенью выраженности изгиба шейного отдела позвоночника; разработать математическую модель классификации пациентов с патологией шейного отдела позвоночника на основе дискриминантного анализа; реализовать систему оценки выраженности лордоза на основе нейросе-тевого моделирования; разработать и внедрить автоматизированную компьютерную систему диагностики и выбора тактики лечения вертебрально-базилярной недостаточности, предназначенную для повышения эффективности постановки диагноза в клинических условиях.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, теории управления, добычи данных, экспертного оценивания и принятия решений, методы теории искусственного интеллекта, нейросетевого моделирования и прикладной статистики.

Научная новизна результатов исследования. В работе получены следующие результаты, характеризующиеся научной новизной: логическая модель диагностики и выбора тактики лечения вертебраль-но-базилярной недостаточности, позволяющая повысить эффективность процесса постановки диагноза и учитывать индивидуальные особенности пациентов; методика кластеризации пациентов с учётом различий в степени выраженности изгиба шейного отдела позвоночника, направленная на доказательство наличия обособленных групп на основе использования накопленной клинической информации; математическая модель классификации пациентов с патологией шейного отдела позвоночника на основе дискриминантного анализа, ориентированная на дифференцированную диагностику пациентов по итогам рентгенологического исследования; нейросетевая модель оценки выраженности лордоза, обеспечивающая информационную поддержку принимаемых лечащим врачом решений с проведением количественной оценки влияния различных диагностических показателей на выходной сигнал сети; автоматизированная система интеллектуальной поддержки диагностики вертебрально-базилярной недостаточности, реализующая интеграцию методов, моделей и алгоритмов рационального принятия решений.

Практическая значимость и результаты внедрения. В результате проведенного исследования разработана и научно обоснована методика дифференциальной диагностики и выбора тактики лечения пациентов с вертебрально-базилярной недостаточностью, позволяющая повысить эффективность процесса принятия решений лечащим врачом и, следовательно, качество оказания медицинской помощи населению.

Результаты исследований в виде информационного и программного обеспечения автоматизированной системы поддержки принятия решений при диагностике и выборе тактики лечения для клинического использования апробированы в Воронежском областном клиническом консультативно-диагностическом центре.

Материалы диссертации внедрены в учебный процесс кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».

Апробация работы. Основные положения и научные результаты диссертационного исследования докладывались и обсуждались на следующих конференциях, совещаниях и семинарах: Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах" (Воронеж, 2005, 2006, 2007), Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2004, 2005, 2007), научно-методических семинарах кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет» (Воронеж, 2004-2007).

Публикации. Основные результаты диссертации опубликованы в 12 научных работах, в том числе 3 - в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве, лично соискателю принадлежат: [1,8,12] разработка логической модели диагностики и выбора оптимальной тактики лечения вертебрально-базилярной недостаточности; [3] разработка математической модели диагностики пациентов с патологией шейного отдела позвоночника; [2] разработка нейросетевой модели диагностики степени выраженности лордоза; [4,9] анализ и формирование совокупности показателей лабораторных исследований, применяемых в процессе диагностики; [5] анализ возможностей автоматизации диагностического процесса; [6,7,10] анализ актуальности проблемы заболевания и современных методов диагностики вертебрально-базилярной недостаточности; [11] предложение пути повышения эффективности классификации пациентов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 120 наименований1, приложения. Основная часть работы изложена на 111 страницах, содержит 27 рисунков, 3 таблицы.

7. Результаты исследования в виде специального программного обеспечения внедрены в учебный процесс кафедры системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет», а также используются в практической деятельности Воронежского областного клинического консультативно-диагностического центра.

ЗАКЛЮЧЕНИЕ

Сосудистые поражения нервной системы в настоящее время являются наиболее важной проблемой в клинической неврологии. Исключительное внимание к сосудистой патологии мозга, цереброваскулярным заболеваниям объясняется, прежде всего, их широкой распространенностью. Удельный вес вертебрально-базилярной недостаточности среди всех нарушений мозгового кровообращения составляет 25-30%, однако она недостаточно хорошо диагностируются из-за ограниченных возможностей лечащего врача в области обработки большого количества клинических признаков и данных большого числа обследований, и его субъективностью в постановке диагноза.

В связи с этим необходимо разрабатывать эффективные методы и алгоритмы диагностики вертебрально-базилярной недостаточности и внедрять их в клиническую практику.

Данная задача была решена в настоящем диссертационном исследовании с применением методов искусственного интеллекта и математического моделирования, что способствует повышению эффективности принимаемых решений. В процессе выполнения работы были достигнуты следующие результаты:

1. Разработана логическая модель постановки дифференцированного диагноза и выбора реабилитационных мероприятий пациентам с вертебрально-базилярной недостаточностью на основе анализа клинических признаков и применения современных методов диагностических исследований.

2. На основе метода к-средних выделены группы пациентов с различной степенью выраженности изгиба шейного отдела позвоночника и доказана правильность разделения, принятого во врачебной практике.

3. Предложена классификация пациентов по различным диагностическим показателям для определения наличия патологии в шейном отделе позвоночника и сформированы математические модели на основе дискрими-нантного анализа.

4. Реализована нейросетевая модель, обеспечивающая информационную поддержку принимаемых лечащим врачом решений с проведением количественной оценки влияния различных диагностических показателей на выходной сигнал сети.

5. По результатам сравнения интерполяционных качеств разработанных моделей оценки степени выраженности лордоза шейного отдела позвоночника наиболее достоверными показали себя математические функции, используемые в нейросети.

6. На основании реализованных моделей и алгоритмов разработана автоматизированная система диагностики и выбора тактики лечения вертеб-рально-базилярной недостаточности.

1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 472 с.

2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.

3. Ангионеврология: Учебное пособие/ О.В. Калмин. СПБ.: СпецЛит, 2004. - 239 с.

4. Антомонов Ю.Г. Моделирование биологических систем. Справочник. К.: Наукова думка, 1977.

5. Афифи А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. Пер. с англ. М.: Мир, 1982. - 488 с.

6. Ахутин В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977. С. 3-7.

7. Балантер Б.И. Вероятностные модели в физиологии. М., Наука, 1977. 252 с.

8. Балантер Б.И., Ханин М.А., Чернавский Д.С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980. 264 с.

9. Барабаш ЮЛ., Барский Б.В., Зиновьев В.Т. Вопросы статистической теории распознавания. М.: Советское радио, 1967.

10. Баранов Р.Л., Кривцова Л.И., Родионов О.В. Выбор реабилитационной терапии вертебрально-базилярной недостаточности на основе логического моделирования // Вестник Воронежского государственного технического университета. 2005. Т.1. №10. С. 44-46.

11. Баранов Р.Л., Родионов О.В. Модель диагностики и выбора оптимальной тактики лечения вертебрально-базилярной недостаточности // Сборник трудов победителей конкурса на лучшую научную работу студентов и аспирантов ВГТУ. Воронеж: ВГТУ, 2007. С. 7-8.

12. Баранов Р.Л., Родионов О.В. Оценка состояния пациентов с патологией шейного отдела позвоночника на основе кластерного и дискрими-нантного анализа // Вестник Воронежского государственного технического университета. 2008. Т.4. №9. С. 4-6.

13. Барсуков С.Ф., Гришин Г.П. Состояние вертебрально-базилярного кровообращения головного мозга при наличии аномалии Ким-мерле // Отечественная военная медицина. 1991. - Вып. 6. - с.42-45.

14. Бассиль Т.Э. Диагностика поражений позвоночных артерий и их микрохирургическое лечение при вертебро-базилярной недостаточности. -Автореф. дисс. канд. мед. наук. -М., 1989. 16 с.

15. Бейли Н. Математика и биология в медицине. М.: Мир, 1970.269с.

16. Бейли Н. Статистические методы в биологии / Пер. с англ.: Под ред. В.В. Налимова. М.: Изд-во «Иностр.лит.», 1962.

17. Беличенко О.И., Дадвани С.А., Абрамова H.H., Терновой С.К. Магнитно-резонансная томография в диагностике цереброваскулярных заболеваний. М., Видар, 1998 - 112 с.

18. Беллман Р. Математические методы в медицине / Пер. с англ.: Под ред. Л.Н. Белых. М.: Мир, 1987. 200 с.

19. Бессмертный Б.С. Математическая статистика в клинической, профилактической и экспериментальной медицине. М.: Медицина, 1967.

20. Боголепов Н.К. Недостаточность церебрального кровообращения // Воп£. сосудистой патологии головного и спинного мозга. Кишинев, 1963.-Т. 11.-С. 18-26.

21. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. 432с.

22. Ван дер Варден Б.Л. Математическая статистика / Пер.с нем.; Под ред. Н.В.Смирнова, М.: Изд-во «Иностр.лит.», 1960.

23. Васильв Н.С., Панов В.М. «Имитационное моделирование сложных систем» М.: Практика, 1998.

24. Вентцель Е.С. Теория вероятностей. М.: Наука, 1998.

25. Верещагин Н.В. О некоторых формах патологии экстракраниального отдела позвоночной артерии // Сов. медицина. 1962. - №8. — С. 52-60.

26. Верещагин Н.В. Патология вертебрально-базилярной системы и нарушения мозгового кровообращения. -М.: Медицина, 1980. 321 с.

27. Веселовский В.П., Михайлов М.К., Самитов О.Ш. Диагностика синдромов остеохондроза позвоночника. Казань, 1990. - 287 с.

28. Власенко А.Г., Барон Ж.-К., Дерлон Ж.-М. Роль позитронно-эмиссионной томографии в диагностике, лечении и прогнозировании исхода сосудистых заболеваний головного мозга // Неврол. Журн. — 1998. №5.

29. Гайдышев И. Анализ и обработка данных. М.: Практика, 2001.

30. Гельфанд И.М., Семенюк Э.П. Некоторые задачи классификации и прогнозирования из различных областей медицины // Вопросы кибернетики, 1985. Вып. П2.С. 65-127.У

31. Глакц С. Медико-биологическая статистика / Перевод с англ.; Под ред. Н.Е. Бузикашвили и Д.В. Самойлова, М.: Практика, 1999.

32. Головко А.Н. Нейросетевое моделирование. М.: Мир, 1999

33. Горелик А.Л. Скрипкин В.А. Методы распознавания: Учеб. пособие. 2-е изд. - М.: Высш. шк., 1984.209с.

34. Горелик А.Л. Современное состояние проблемы распознавания: Некоторые аспекты /А.Л. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985.160с.

35. Дроздова М.М. Различия в строении внутрикостного отдела позвоночной вены // Арх. Анатомии, гистологии и эмбриологии. 1966. - Т.51, №9. - С.27 -3 1.

36. Дьяченко В.А. Аномалии развития позвоночника в рентгено-анатомическом освещении. М.: Медгиз, 1949.

37. Дюран Н., Оделл П. Кластерный анализ. М.: Статистика, 1987.

38. Елисеева И.И., Руковишников В.О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977.

39. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986. 174 с.

40. Жамбю М. Иерархический кластер-анализ и соответствия / Пер. с фр. М.: Финансы и статистика. 1988. — 342 с.

41. Загорулько Н.Г. Методы распознавания и их применение. М.: Радио и связь, 1972.

42. Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер. М.: Мир, 1980. 392 с.

43. Зайцев Г.Н. Математический анализ биологических данных. -М: Наука, 1991. 183 с.

44. Зацепина С.А., Львович Я. Е., Фролов М.В. Управление в биотехнических и медицинских системах / Под ред. В.Н. Фролова: Учеб. пособие. Воронеж: ВГТУ, 1994. 145с.

45. Исскуственный интеллект. Модели и методы. Справочник. Кн.2

46. Под ред. Д.А. Поспелова. М.: Радио и связь, 1990.

47. Кабаси X. Методы и проблемы извлечения знаний // Приобретение знаний / Пер. с англ.; Под ред. Н.Г. Волкова. М.: Мир, 1990. С. 68-88.

48. Кант В.И. Методология системного подхода и ее применение в практике здравоохранения. М.: Медицина, 1978. 135 с.

49. Капекки В., Меллер Ф. Выявление информативных признаков и группировка// Математика в социологии. М.: Мир, 1977. С. 301-338.

50. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р, Олдендерфер М.С, Блэшфилд Р.К. Факторный, дискриминантный и кластерный анализ / Пер. с англ. Под ред. И.С. Енкжова.- М.: Финансы и статистика, 1989.

51. Клир Дж. Системология. Автоматизация решения системных задач / Пер. с англ; Под ред. А.Н. Горлина. М.: Радио и связь, 1990.

52. Круглов В.В., Борисов В.В. Искусственные нейронные сети. -М.: Горячая линия Телеком, 2001. 382 с.

53. Куликов В.П. Цветное дуплексное сканирование в диагностике сосудистых заболеваний. Новосибирск, 1997. - 246 с.

54. Курант Р., Гильберт Д. Методы математических функций. Т. 1. М.: Гостехиздат, 1981.

55. Ларичев О.И., Мечитов А.И., Мошкович Е.М. Выявление экспертных знаний. М.: Наука, 1989.

56. Ластед Л. Введение в проблему принятия решений в медицине / Пер. с англ; Под. ред. МЛ.Быховского. М.: Мир, 1971.

57. Лорьер Ж.Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1990. 378с.

58. Львович Я.Е. Управление в биологических и медицинских системах / Я.Е. Львович, М.В. Фролов. Воронеж: ВГТУ, 1994. 183с.

59. Малета Ю.С., Тарасов В.В Математические методы статистического анализа в биологии и медицине, Вып. 2. М.: Изд-во МГУ, 1982.

60. Мандель И. Д. Кластерный анализ.- М.: ФИС, 1988

61. Математико-статистические методы в клинической практике /

62. Под ред. В.И.Кувакина. СПб.:Б.и, 1993. - 199 с.

63. Мееарович М. Общая теория систем и ее математические основы // Исследования по общей теории систем. Сб. переводов; Под ред. В.Н. Садовского и Э.Г. Юдина. М.: Прогресс, 1969. - С. 165-180.

64. Мееарович М. Теория систем и биология: точка зрения теоретика // Системные исследования. Ежегодник. М., 1970. - С. 137-164.

65. Миненков В.А. Нейропсихологический анализ пароксизмаль-ных вегетативных нарушений в клинике остеохондроза позвоночника // Па-роксизмальные вегетативные нарушения. — М., 1979. С. 121 - 122.

66. Неймарк Ю.И. Распознавание образов и медицинская диагностика / Ю.И. Неймарк, З.С. Баталова, Ю.Г. Васин, М.Д. Бредо, М: Наука, 1972.-328с.

67. Немов Н.В. Нейронные сети. М.: Вест, 2003.

68. Ошибки клинической диагностики / Под ред. С.С. Вайля. Л.: Медгиз. 1961.

69. Перегудов Ф.И. Тарасенко Ф.П. Введение в системный анализ -М.: Высшая школа, 1989. 368 с.

70. Петросян С.Л., Кривцова Л.И., Баранов Р.Л. Оптимизация процесса диагностики физиологической кривизны шейного отдела позвоночника // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2004. С. 35-39.

71. Поллард Дж. Справочник по вычислительным методам / Пер. с англ.; Под ред. П.П. Пархоменко. М.: Энергия, 1982. 344с.

72. Поляков Л.Е., Игнатович Б.И, Лашков К.В. Основы военно-медицинской статистики /Под ред. Л.Е.Полякова Л.: Б.и, 1977. -336 с.

73. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988.

74. Построение экспертных систем / Под ред. Ф. Хейес-Рота, Д. Уотермана, Д. Лената / Пер. с англ.; Под ред. В.Л. Стефанюка. М.: Мир, 1987.

75. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука; Пер. с англ. М.: Мир, 1989.

76. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки; Пер. с японского под ред. Н.Г. Волкова. М.: Мир, 1990.

77. Распознавание, классификация, прогнозирование. М.: Наука,1989.

78. Распознавание образов и медицинская диагностика. М.: Наука,1972.

79. Родионов О.В., Баранов Р.Л., Новикова Е.И. Современные компьютерные технологии в обеспечении диагностического процесса в медицине // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж: ВГТУ, 2004. 4.1. С.154-155.

80. Салазкина В.М., Брагина JI.K., Калиновская И.Я. Дисциркуля-ция в вертебрально-базилярной системе при патологии шейного отдела позвоночника. М., 1977. - 152 с.

81. Справочник по теории вероятностей и математической статистике / B.C. Королюк, Н.И. Портенко, A.B. Скороход и др. М.: Наука, 1985.-640с.

82. Статистические методы для ЭВМ / Под ред. К. Экслейна, Э. Рэлстона, Г. Уилфа; Пер. с англ. М.: Наука, 1986.

83. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М: Синтег, 1998. - 376с.

84. Ту Дж.? Гонзалес Р. Принципы распознавания образов / Пер с англ.; Под ред. Ю.И. Журавлева; М.: Мир, 1978.

85. Тьюки Д.У. Анализ данных, вычисление на ЭВМ и математика // Современные проблемы математики. М., 1977. - С. 41-64.

86. Тюрин Ю.Н., Макаров A.A. Анализ данных на компьютере. -М.: Финансы и статистика, 1995.

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

88. Факторный, дискриминантный и кластерный анализ. / пер. с англ. Ч. У. Мьюллер, У. Р. Клекка; под ред. И. С. Енюкова. М.: Финансы и статистика, 1989.- 465 с.

89. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М., 1986.

90. Фукунага К. Введение в статистическую теорию распознавания образов / Вер. с англ.; Под ред. A.A. Дорофеюка. М.: Наука, 1979.

91. Харин Ю. С. Имитационное моделирование. М.: ФИС, 1998

92. Холлендер М., Вулф Д.А Непараметрические методы статистики. -М.: Финансы и Статистика, 1983.

93. Шеннон Р. Имитационное моделирование систем Искусство и наука. - М.: Мир, 1978. 418 с.

94. Шеффе Г. Дисперсионный анализ. Пер. с англ. 2-е изд. - М.: Наука, 1980. 512с.

95. Шорников Б.С. Классификация и диагностика в биологическом эксперименте. М., Наука, 1979.

96. Юнкеров В.И. Основы математико-статистического моделирования и применения вычислительной техники в научных исследованиях: Лекции для адъюнктов и аспирантов/ Под ред. В.И. Кувакина. СПб.: Б.и, С. 240.

97. Adams Н.Р., Kappele L., et al. Ischemic stroke in young adults // Arch. Neurol. 1995. - Vol. 52, № 5.

98. Baacke H. Veränderungen am Venösen Gefassystem bei Osteochondrosis cervicalis // Fortschr. auf dem Gebiete der Rontgenstr. und der Nuklearmed.- 1957. Bd 87, H. 6. - S. 721-726.

99. Barre I.A. Sur un syndrome sympathique cervical posterieur et sa cause fryquonte: L'arthrite cervicale // Rev. nevrol. 1926/ - Vol. 33, N1.1. P. 1246-1248.

100. Bartels E. Dissection of the extracranial vertebral artery. Color duplex ultrasound findings and follow-up of 20 patients. // Ultraschall in der Medizin.- 1996.- Vol. 17, № 2. P.55.

101. Bartschi-Rochaix W. Migraine cervicale. Bern, 1949.

102. Bogousslavsky J., Regly F. Ischemic stroke in adults younger then 30 years of age // Arch. Neurol. 1987. - Vol. 44, № 5.

103. Büdingen N.J., Strandacher T.D. Die identifizierung der arteria basi-laris mit der trascariellen Doppler Sonographie // Ultrashai med. 1987. - Vol 8.

104. Dickinson C.J. Fanctional efficiency of the circle of Willis // Brit. Med. J. 1961. - №1. -H. 858-859.

105. Gutmann G., Tiwisina Th. Zur Problem der Irritation der Arteria ver-tebralis // Hippokrates. 1959. - № 15. - S. 545-551.

106. Gutzeit К. Die vertebrale Faktor im Krankheitsgesehen // Man. Med. -1981.-Bd 19 S. 66.

107. Hutchinson E.C., Jates P.O. The cervical portion of the vertebral artery a clinico-pathological stady // Brain. 1956. - Vol.79. - P.319.

108. Kovacs A. Kefalgia e Subluzatione articulacio cervicales // Fortschr. Auf dem Gebiete der Röntgenstrahlen/ 1956. - Bd. 85, Y.2. - S. 142-153.

109. Krayenbuhl H., Yasargil M.G. Die vascularen Erkrankungen im Gebiet der Arteria vertebralis und Arteria basillaris. Studgart, 1961. - P. 50-65.

110. Kunert W. Arteria vertebralis und Halswirbelsaule. Studgart, 1961. -P. 50-65.

111. Kitner S J., Stern B.J., Fesser B.R. et al. Pregnancy and the risk of stroke // New Engl. J. Med. 1996. - Vol. 335, №1.

112. Lechner H., Schmidt R., Bertha G. et al. Nuclear Magnetic Resonance Image Mhite Matter Lesions and Risk Factors for Stroke in Normal Individuals. // Stroke. 1988. - Vol. 19, № 2.

113. Sandercock P., Bamford J., Dennis M. et ai. Atrial fibrillation and stroke: prevalence in different types of stroke and influence on early and long term prognosis. // Br. Med. J. 1992. - Vol. 305.

114. Tohgi H., Chiba K., Kimura M. Twenty-Four-Hour Variation of Blood Pressure in Vascular Dementia of The Binswanger Type. // Stroke. 1991. -Vol. 22,№5.