автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Синергизм биологических и технических систем

На правах рукописи

Проценко Владимир Данилович

СИНЕРГИЗМ БИОЛОГИЧЕСКИХ И ТЕХНИЧЕСКИХ СИСТЕМ

Специальность 05.13.01 - системный анализ, управление и обработка информации (в медицине)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора биологических наук

Москва - 2004

Работа выполнена в Российском университете дружбы народов

Научный консультант:

доктор медицинских наук, профессор

В.А. Фролов

Официальные оппоненты:

доктор биологических наук, профессор доктор биологических наук доктор биологических наук Ведущая организация:

Московский государственный университет им. М.В. Ломоносова

А.В. Иткес А.в. Сыроешкин А.Е. Белозеров

Защита диссертации состоится

2004 г. в

часов

на заседании диссертационного совета Д 212.203.06 в Российском университете дружбы народов по адресу: 117198, г. Москва, ул. Миклухо-Маклая, д.8.

С диссертацией можно ознакомиться в Научной библиотеке Российского университета дружбы народов: 117198, г. Москва, ул. Миклухо-Маклая, д.6. Автореферат разослан "_"_2004 г.

Ученый секретарь диссертационного совета доктор медицинских наук, профессор

Г.А. Дроздова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы

Осваивая элементы информационной культуры, общество все больше овладевает основами информационных технологий. Темпы информатизации особенно велики в сфере образования и научных исследований. Заметно выросло число школьников, достаточно хорошо подготовленных для пользовательской работы на компьютере и в компьютерных сетях. Компьютер становится привычным инструментом извлечения знаний и реализации когнитивных мотиваций. Однако темпы роста числа пользователей и количества компьютеров, интегрированных в Интернеге, значительно превышают темпы научных исследований новой для человека сферы виртуального обитания.

Одновременно с этим быстро развиваются программные средства и основанные на них технологии. Интерфейсы программных систем становятся все дружественнее и эргономичнее, так что необходимость и объем предварительного обучения использованию программ стремится к нулю (A.B. Могилев, 1997).

По мере продвижения вперед в развитии аппаратной и программной составляющей компьютерного оборудования, наращивания мощности компьютерных сообществ, средств коммуникаций и информационных ресурсов, не всегда впереди находятся ряд областей науки, которые призваны регулировать отношения биологических и не биологических компонентов системы человек-компьютер.

Высшей формой информации, проявляющейся в управлении в социальных системах, являются знания. Это "наддисциплинарное" понятие, широко используемое в педагогике и исследованиях по искусственному интеллекту, также претендует на роль важнейшей философской категории.

РОС. НАЦИОНАЛЬНАЯ БИБЛИОТЕКА С.Петербург

Процесс познания является одним из функциональных аспектов управления. Само же знание очень привлекательно рассматривать как функционализированную информацию (Г.Ю. Ризниченко, 2001)

В изучении механизмов типовых физиологических и патологических реакций организма животного, оказывается недостаточным использование только биологических методов. Обязательным компонентом исследований сегодня является автоматизированный прибор, на выходе которого программно формируются результаты. Они подвергаются компьютерному статистическому анализу, который неразрывно связан с информационно-статистическим моделированием, также выполняемым на компьютере. Формируется вектор взаимодействия биологических и технических систем, направленный на достижение цели. Сравнение некоторых наиболее общих свойств объектов, исследуемых в работе, позволяет предположить, что существует общность разнородных систем и единый для всех элементов ресурс. В системе изучаемых объектов устанавливаются отношения, основанные на разделении существующего ресурса при его потреблении. То есть, информация, потребляемая из внешней среды, воспринимается, интегрируется в нужное информационное поле носителя, сохраняется, интерпретируется и формирует новый информационный квант, знание, выделяемый во внешнюю среду. Система существует на основе законов, общих для клеточной, человеческой (когнитивной) и технической (компьютерной) популяций. Информационные отношения между человеческой и компьютерной популяциями имеют взаимодополняющий и усиливающий синергичный характер.

Таким образом, изучение механизмов взаимодействия разнородных систем биологического и не биологического происхождения, являются актуальными, а некоторые из упомянутых проблем позволяют сформулировать цель настоящего исследования.

Цель и задачи работы.

Цель работы состоит в выявлении наиболее общих закономерностей структурных перестроек элементов клеточной, компьютерной и человеческой (когнитивной) популяций в условиях независимого или совместного существования в информационной среде.

Задачи исследования:

1. Анализ структурно-функциональных отношений компонентов клеточной популяции на примере лимфоидных клеток в норме, в остром эксперименте и при лимфомах кожи

2. Анализ структурной организации миокарда левого желудочка в эксперименте с моделями гипертонической болезни и инфаркта.

3. Разработка информационно-статистических моделей элементов клеточной популяции.

4. Создание интерактивной компьютерной среды, предназначенной для решения учебно-научных, квалификационных и административных задач в медицинском образовании.

5. Разработка модели технической популяции в сообществе сетевых компьютеров.

6. Сравнительный анализ уровня знаний абитуриентов и выпускников медицинского факультета.

7. Разработка модели когнитивной популяции.

8. Анализ взаимоотношений между когнитивной и технической популяциями в условиях разделения общего ресурса.

9. Моделирование межпопуляционных отношений.

Научная новизна

Впервые сформулированы принципы системного подхода к изучению биологических и технических популяций в аспекте использования единой информационной ниши Введено новое понятие когнитивной популяции

Впервые сформулированы принципы совместного синергичною существования компьютерной и К01нитивн0й популяций в условиях обмена информацией и приращения ее количества за счет популяционных изменений

Разработан новый метод графического моделирования структуры хроматина ядра, основанный на анализе гистограммных и текстурных параметров ядер лимфоцитов белых крыс в норме и в экспериментальной модели алло- и аутотрансплантации эпидермиса. На основе данного метода разработаны статистические модели информационной нагруженности персональных компьютеров в локальной сети и дана интерпретация коэффициента информационной загруженности, дисперсии информационной нагрузки и степени разнородности элементов сети.

Разработаны методики построения систем, тестирующих знания студентов, на основе \УеЬ-технологии. Разработаны теоретические основы и модель развития предметного знания учащихся.

Практическая значимость

Принципы системного решения задач, связанные с использованием сетевых персональных компьютеров в наукоемких производствах, к которым относится учебный процесс, могут эффективно использоваться для разработки стратегии высшего медицинского образования, что влечет за собой экономию средств и времени, необходимых на подготовку одного учащегося

Опыт внедрения в учебный процесс автоматизированных систем самоподготовки и методического обеспечения их поддержки и эксплуатации показал, что индивидуальный подход к образованию и предоставление учащемуся возможности выбора собственной траектории приобретения знаний, возможен не только в теоретических (медицинской информатике, патофизиологии, биологии и др ), но и в клинических дисциплинах (туберкулез, акушерство и I инекология, терапия и т д.).

Разработанные методики переноса знаний от компьютерной популяции к когнитивной интенсифицируют образование и стимулируют мотивации учащихся, что подтверждено опытом внедрения автоматизированных систем самоподготовки и самоконтроля на кафедрах теоретического, параклинического и клинического циклов.

Внедрение в практику микроскопических исследований разработанных методик и программ анализа цитологического материала, использование методов информационно-статистического моделирования элементов клеточной популяции, обеспечивает более высокий уровень фундаментальных исследований, как в эксперименте, так и в клинике.

Основные положения, выносимые на защиту

1. Количественные параметры клеточной популяции, а также отдельных особей позволяют построить гипотетическую модель структурных перестроек ядра клетки при воздействии факторов внешней среды, как в эксперименте, так и в клинике.

2. Компьютерные системы по ряду критериев способны вести себя аналогично биологическим популяциям. Они могут вступать в конкурентные и симбиотические отношения с когнитивной популяцией людей за разделение общих информационных ресурсов.

3. Использование общего информационного пространства когнитивной и компьютерной популяциями приводит к синергизму, связывающему их и усиливающему эффект познания мира.

Реализация результатов

1 Разработана топология локальной информационно-вычислительной сети медицинского факультета РУДН с выходом в Интернет, разработка WEB -сервера медицинского факультета, НТТП «Перспективные информационные технологии в высшей школе», 1996 - 1997 гг

2. Исследованы закономерности изменений информационных потоков при нарушении структурной организации органов и тканей. Межвузовская научная программа «Университеты России - фундаментальные исследования». Регистрационный № 11.7.835,1998 - 1999 гг.

3. Изучены возможности информационно-статистического моделирования структурных перестроек миокарда в динамике развития патологического процесса. Межвузовская научная программа «Университеты России -фундаментальные исследования». Регистрационный № 015.11.01.026, 2000 -2001 гг.

4. Выполнены исследования по теме "Здоровье и болезнь в системе человек-компьютер". Межвузовская научная программа «Университеты России». Регистрационный № УР 11.01.027,2001 - 2003 гг.

5 Выполнены три дипломные работы и ряд студенческих научных исследований.

Результаты работ использованы в курсе лекций, практических и лабораторных занятиях кафедр медицинской информатики, патологической физиологии, акушерства и гинекологии, курса туберкулеза. Более ста преподавателей медицинского и аграрного факультетов прошли повышение квалификации, возглавляемые автором. На кафедре медицинской информатики читаются 4 элективных курса по современным информационным технологиям для студентов III, IV, V и VI курсов.

Апробация работы

Результаты проведенных исследований доложены на:

- Выставке достижений народного хозяйства (ВДНХ СССР) "Научно-техническая интеграция 86" (Москва, 1986 г ),

- Выставке достижений народного хозяйства (ВДНХ СССР) "70 лет по знаменем Великого Октября" (Москва, 1987 г ),

- Выставке достижений народного хозяйства (ВДНХ СССР) "Изобретатели и рационализаторы - медицине". (Москва 1989 г ),

XVII Конгрессе Международного Общества Аналитической Цитологии (Лэйк Плэсид, США, 1994 г.),

Международном конгрессе Pittcon'95 (Питсбург, США, 1995 г.),

- XVIII Конгрессе Международного Общества Аналитической Цитологии (Римини, Италия, 1996 г.),

- конференци сотрудников ЦКВИ, посвященной 78-летию института (Москва,

1999 г.),

VI конференции «Математика, компьютер, образование» (Пущино, 1999),

- научно-педагогической конференции «Медицинское образование в наступающем 21 веке» (Москва, 2000 г.),

XX Конгрессе Международного Общества Аналитической Цитологии (Монтпелье, Франция, 2000 г.),

- Всероссийской конференции с международным участием «Математика, компьютер, образование» (Пущино, 2001 г.),

- I Всероссийской конференции «Развитие научных исследований на медицинских факультетах университетов России» (Москва, 2001 г.),

- специализированной выставке «Медицина, здоровье, компьютер» (Москва,

2000 г.),

- LX Международной конференции «Математика. Компьютер. Образование» (Москва, 2002 г.),

- конференции «Информационно-образовательные технологии в медицине» (Великий Новгород, 2002 г.),

- XXI Конгрессе Международного Общества Аналитической Цитологии (Сан Диего, США, 2002 г.),

Публикации

По материалам диссертации опубликованы 32 научные работы, в том числе семь - в зарубежной печати. Разработки награждены двумя медалями ВДНХ.

Структура и объем работы

Диссертация изложена на 258 страницах машинописного текста в стиле монографии, состоит из введения, четырех глав, заключения, выводов, списка литературы, включающего 349 источников (255 отечественных и 94 иностранных авторов) и приложений. Материалы диссертации иллюстрированы 23 таблицами, 77 рисунками и графиками

СОДЕРЖАНИЕ РАБОТЫ Материал и методы

Объекты исследования: 1. Клеточная популяция; 2. Техническая (компьютерная) популяция; 3. Человеческая (когнитивная) популяция.

Клеточные препараты. Изучали структуру ядер лимфоцитов в эксперименте алло- и аутотрансплантации кожи у белых половозрелых крыс-самцов и в клинике у больных лимфомами кожи. Мазки фиксировали в метаноле и окрашивали по Романовскому-Гимзе и по Фельгену. Цифровые изображения анализировали с помощью свободно-распространяемых в Интернете программ, а также программы 881МР.

Тканевые препараты миокарда в виде полутонких срезов, окрашенных метиленовым синим, исследовали на системе анализа изображений собственной конструкции.

По цифровым изображениям ядер лимфоцитов рассчитывали площадь (Б), концентрацию (М) и количество (Мб) ДНК, стандартное отклонение (Бё), асимметрию (А&) и эксцесс (Ех) оптической плотности Для исследования

текстурных отличий ядер лимфоцитов периферической крови использовали гомогенность (От) и структурную энтропию (Н).

Изображения миокарда подвергали двумерному Фурье преобразованию. Спектры распределения яркостных частот анализировали с помощью интегралов Фурье по углу (8-А1^1_Р) и по радиусу (Д_Р). На основе полученных характеристических функций рассчитывали величину наименьшей структурной компоненты (ЯтаП^ь-й-), анизотропию (Ашийгору), угол максимальной частоты яркостных компонент (Мах_апд1) и площадь графика угловой характеристической функции (8_асМг).

Полученные результаты обрабатывали параметрическими (Стьюдента) и непараметрическими (Мана-Уитни) статистическими методами (уровень значимости р<0,05). Результаты иллюстрированы гистограммами и диаграммами Парето.

Анализ популяционных взаимодействий проводили с использованием методов графического и математического моделирования.

Результаты собственных исследований 1. Клеточная популяция

Экспериментальные исследования клеточной популяции при воздействии на организм оперативного вмешательства в сочетании с антигенной стимуляцией выявили ряд особенностей в изменении структур ядер лимфоцитов. Параметры ядер, полученные после проведения алло- и ауютрансплантации кожи в сроки 6 часов и трое суток после операции сравнивали с количественными характеристиками ядер в норме.

Вычисленные параметры гомогенности (Сш) и энтропии (Н) клеток крови указывают, что по структуре хроматина имеется большое разнообразие форм лимфоцитов. По-видимому, это наблюдение можно отнести к существующим субпопуляциям иммунокомпетентных клеток, циркулирующих в кровотоке.

В корковом веществе тимуса через 6 часов отмечается уменьшение размеров ядер и снижение концентрации ДНК, уменьшение количества ДНК в ядрах, снижение среднего квадратического отклонения, возрастание коэффициента асимметрии. Достоверность изменений этих показателей по сравнению с нормой доказана статистически и свидетельствует о ранней реакции лимфоцитов коркового вещества тимуса на воздействие. Через трое суток значимо возрастают площади ядер и концентрация ДНК по сравнению с шестичасовым сроком и нормой. Достоверно отличаются от показателей предыдущего срока количество ДНК и среднее квадратическос отклонение. Возрастает количество ядер с отрицательной асимметрией.

В мозговом веществе тимуса через 6 часов после аллотрансплантации отмечается тенденция к уменьшению площадей ядер, увеличению их количества с более высокой, чем в норме концентрацией ДНК. По количеству ДНК выделяются две группы с Мб =9-16 и 17-26 усл.ед. Среднее квадратическое отклонение достоверно больше нормы, что свидетельствует об увеличении разнообразия упаковки ДНК. Распределение ядер по Ая и Ех указывает на рост количества ядер с отрицательными значениями через 6 часов, т.е - на увеличение доли конденсированного хроматина. Через трое суток отмечается достоверное увеличение площадей ядер и концентрации, содержания ДНК и среднего квадратического отклонения Недостоверно возрастает число ядер с отрицательными значениями Ав и Ех. Анализ показал, что в популяции лимфоцитов на третьи сутки увеличивается число ядер с большой площадью и относительно невысокой концентрацией ДНК

При исследовании препаратов тимуса после аутотрансплантации выявлен ряд отличий по сравнению с реакцией на аллотрансплантат. В корковом веществе тимуса достоверные изменения через 6 часов после операции претерпевают показатели Б, Б<3 и Мб Через трое суток изменения по сравнению

с 6-ти часовым сроком происходят со всеми показателями, кроме коэффициента асимметрии.

Через трое суток появляются ядра с еще большей площадью, которые имеют сравнительно высокий показатель концентрации ДНК М = 0,40 0,45 Значимо увеличивается содержание ДНК и возрастает среднее квадратическое отклонение. Увеличивается количество ядер с отрицательной асимметрией и эксцессом. Такое изменение клеточных показателей может свидетельствовать об активации синтетической деятельности ядра.

В паракортикалъной зоне лимфатических узлов через 6 часов после аллотрансплантации кожи выявлено достоверное снижение показателей площади ядер 8, концентрации и содержания ДНК, а также среднего квадратического отклонения. Показатели Аб и Ех достоверно увеличиваются. Через трое суток все перечисленные показатели возвращаются на уровень нормы, а их значения указывают на преобладание в лимфоидной популяции клеток с малой площадью ядер и более высокой концентрацией и количеством ДНК, чем в шестичасовой срок.

Через 6 часов после аутотрансплантации наблюдается достоверное уменьшение показателей концентрации и содержания ДНК и среднего квадратического отклонения, что говорит о преобладании в ядрах лимфоцитов дисперсного хроматина Через трое суток возрастают площади ядер.

В крови через 6 часов после аллотрансплантации отмечается недостоверное снижение площадей ядер малых лимфоцитов и концентрации ДНК в них. Изменения всех остальных показателей по сравнению с нормой носят достоверный характер. Преобладаю! ядра с высоким содержанием ДНК (37-45 усл.ед.), более высоким показателем среднею квадрашческого отклонения, низкими Аь и Ех, повышенной гомот енностью и небольшим снижением энгропии, что свидетельствует об увеличении в ядрах лимфоцитов доли гетерохроматина, более однородного по степени компактизации ДНК.

Через трое суток площади ядер и содержание ДНК в них возрастают, концентрация ДНК снижается. Гомогенность так же, как и на первые сутки, несколько повышена, а ■энтропия снижена. Показатель Ав достоверно снижается.

В крови через 6 часов после аутотрансплантации большая часть ядер лимфоцитов содержит ДНК в количестве 40 46 усл.ед., а также наблюдается увеличение конценфации ДНК и среднего квадратического отклонения. Через трое суток снова увеличивается количество ДНК в ядрах лимфоцитов, возрастает ее концентрация, расширяется диапазон гомогенности и структурной энтропии.

Таким образом, проведенное нами исследование позволило выявить морфологическую неоднородность популяции лимфоцитов крови, тимуса и паракортикальной зоны лимфатических узлов в норме и при стимуляции тканевыми антигенами. Показана высокая объективность и информативность количественных показателей, выявленных с помощью автоматизированного исследования изображений клеток и тканей.

Методики работы с лимфоидными клетками были проверены на клиническом материале, клетках периферической крови больных лимфомами кожи в динамике лечения, а также на тканевых препаратах миокарда в эксперименте с моделями гипертонической болезни и инфаркта.

Модель структуры ядра лимфоцита периферической крови

Условия построения модели: размер матрицы 30 х 30 точек; число условных градаций яркости 256; площадь объекта постоянна.

Алгоритм обработки модели: пороговая дискриминация фона; вычисление гистограммных и текстурных параметров.

Цифровая матрица

13x13

оооооооооооооооооооооооооо 00000000000000000000000000 00000007121616040600000000 00000616201920151308010100 00041411161405141614080100 00162319191308101608140300 05161919221209162409140200 09191714181210151907100200 07121514131513161110130400 09151014141818170916170800 04141413141413141515140500 00111111141920171712080000 00020712171719151815040000 00000011191212141306000000 00000001020506080100000000 ОООООООООООООООООООООООООО

Рис. 1. Этапы построения графической модели

Гистограмма распрадалания ОП

-и ггпгГ - У 1 г™

о 3 в ч 12 15 18 71 2 4

Эмачамия ОП

Рис. 2. Значения 0,1,2,3 и 4 соответствуют фону

Таблица 1.

Гистограммные параметры модели

Средняя оптическая плотность М 019542

Количество ДНК Мч 34 76893

Среднее квадратическое отклонение за 0 13424

Коэффициент асимметрии Ая 0 13258

Коэффициент эксцесса Ех -1 37293

Топовая градация Псевдореальное

изображение

Анализ результатов: по концентрации и количеству ДНК модели могут быть отнесены к одной субпопуляции. Отрицательное значение функционального параметра Ав говорит о зрелости клеток и достаточной степени дифференцированности, а положительное значение Ав (Табл. 1) указывает на функциональную активность. Отрицательный эксцесс, характеризует многокомпонентность структуры (гетерохроматин), что подчеркивает степень функциональной зрелости моделируемого объекта, ядра клетки.

По результатам моделирования построена гипотетическая классификация параметров, описывающих процесс дифференцировки ядра. Все параметры можно разделить на формообразующие (коэффициент формы, периметр, диаметр, хорды, проекции и пр.) и контентные. Последние подразделяются на весовые и функциональные (гистограммные, текстурные, спектральные, информационные).

2. Техническая популяция

Изученные литературные источники с данными о среде, окружающей человека, указывают на то, что в теоретических целях удобно использовать представление о не живом мире, точнее, о технических изделиях, как о мире параллельном живому. Концепция техноценоза (Б.И. Кудрин, 1996) представляет несомненный интерес для моделирования многочисленных процессов с участием человека. Существующие на сегодня теоретические разработки можно использовать в анализе компьютерных сообществ, взаимодействующих с человеком в таких жизненно важных для человеческой популяции областях, как здравоохранение и образование.

Развитие современных научных направлений и совершенствование процесса формирования специалистов в медицине неотъемлемо связаны с использованием информационных техноло! ий. Для решения задач объединения интеллектуальных ресурсов пользователей с мировыми источниками

информации создана и введена в эксплуатацию локальная сеть и основные серверы медицинского факультета' электронная почта, Web и др. С их помощью в первую очередь решены вопросы совершенствования учебного процесса.

Электронные учебные пособия

При разработке проекта электронных учебных материалов, в частности по туберкулезу и патофизиологии, были приняты следующие принципиальные требования: 1 Возможнос1ь доступа к учебному материалу в двух режимах -лекционном и справочном. 2 Максимальная простота интерфейса управления процессом доступа, в том числе через Интернет.

Преимуществами созданных ресурсов перед обычной формой изложения материала является доступность всей информации, возможность формирования оптимального объема знаний при индивидуальном подходе, а также «сквозное» согласование учебного материала по смежным дисциплинам.

Автоматизация проверки знаний студентов

Широкое применение получает практика проведения экзаменов, зачетов и других контрольных мероприятий в виде компьютерных тестов. Нами разработана автоматизированная система тестового самообучения и самоконтроля знаний для студентов медицинского факультета РУДН. Система работает в Интранете и состоит из серверной и клистской частей. Клиентская часть предельно упрощена за счет использования программ-броузеров Серверная часть программно выполнена на языках ASP, PHP и HTML. База знаний реализована с помощью СУБД Access. Программно-аппаратный комплекс позволяет проводить тестирование больших трупп студентов Комплекс был апробирован на вступительных экзаменах по биологии и химии в 1998 году и показал высокую эффективность За истекший период на основе

комплекса разработаны 24 предметные базы знаний. Общее количество проведенных испытаний превысило 20 тысяч.

Несомненным является экономический эффект от внедрения системы. Прежде всего, большая экономия времени и уменьшение численности персонала, необходимого для проведения теста.

Модель технической популяции в компьютерной сети

Известно, что в любой популяции, в технической в том числе, количество особей регулируется внутрипопуляционными отношениями и должно поддерживаться в оптимальном состоянии внешними факторами. Техническая популяция, так же как и любая другая, является открытой системой.

Компьютерная сеть, которая представляется нам такого рода популяцией, очевидно, отвечает всем качественным признакам открытой детерминированной системы. Пользователи и обслуживающий персонал заинтересованы в бесперебойной работе. Любое звено цепочки приема-передачи информации имеет неоценимое значение, когда речь идет об обмене данными, особенно такими, нарушение целостности которых может отрицательно сказаться на работе жизненно важных центров управления или, того хуже, на здоровье и жизнедеятельности человека. В условиях подготовки студентов - медиков перечисленные факторы риска также имеют большое значение При условии, что численность компьютерной популяции не превосходит 400 единиц, а количество подразделений, использующих компьютеры, не более 20-24, проводили группировку популяции в матрицу, размером 20x20 (см. рис. 3). Матрица заполнялась оценками, значение и размерность которых оговорены заранее и характеризуют некоторые параметры используемой техники, например, 0 - отсутствие компьютера, 1 - работает аппаратная часть и операционная система DOS, 2 - работает аппаратная часть и сетевая операционная система, и т.д.

Подразде Матрица оценок информационной Расчетные параметры

ление нагрузки

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 Среднее 1,66

2 1 1 2 2 2 3 3 3 3 3 0 0 0 0 0 0 0 0 0 0 Станд. ошибка 0,128841

3 4 4 4 4 4 4 4 4 0 0 0 0 0 0 0 0 0 0 0 0 Станд отклонение 0,576194

4 3 4 3 4 5 2 2 3 4 5 1 1 1 0 0 0 0 0 0 0 Дисперсия выборки 0.332

5 3 3 3 3 3 3 3 3 3 3 3 3 3 3 0 0 0 0 0 0 Эксцесс -0,15746

6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 0 Асимметричность -0,33719

7 3 3 3 3 3 3 3 3 3 3 3 3 3 4 0 0 0 0 0 0 Уров надежности(95,0%) 0,269667

8 33344333442220000000

9 444Э3000000000 0 0 0 0 0 0

10 00000000343452234511

11 03434522345111000000

12 00000034345223451110

13 00034345223451110000

14 34345223451110000000

15 33344333442220000000

16 00044433000000000000

17 44444444000000000000

18 33344333442220000000

19 33344333442220000000

20 33040000000000000000

Рис. 3. Этапы моделирования количественной оценки технической популяции в сегменте сети

Количественные параметры сети рассчитываются статистически по матрице с определением весовых и информационных параметров. Визуализация изменений в системе производится с помощью гистограммы информационной плотности (ИП) (см. рис. 3). При обслуживании сетевых особей определяется коэффициентом информационной загруженности, дисперсией информационной нагрузки и степенью разнородности элементов сети.

3. Когнитивная популяция

Внедрение автоматизированных систем подготовки и контроля знаний учащихся порождает проблемы взаимодействия параллельных популяций в информационной среде. Одной из важных характеристик среды является

0.5 1.0875 1,675 2,2625 Еще Уровень ИП

наполнение информацией, необходимой для получения, развития и порождения знаний. Популяцию людей в этой среде рассматривали как когнитивную, знания которой формируются с большей скоростью при взаимодействии с популяцией компьютерной. На основе опыта можно предположить, что представители когнитивной популяции неоднородны по происхождению и по различным признакам когнитивности. Из этого следует, что внутри выделенной нами популяции, скорее всего, доминируют законы борьбы за познавательные, информационные ресурсы. Одной из форм выраженной ресурсной конкуренции является потребление знаний в конкретной предметной области. С целью проведения количественных исследований, подтверждающих, или опровергающих сделанное предположение, была разработана и внедрена многоуровневая система компьютерного тестового контроля знаний. Проведен анализ пятилетнего опыта приема вступительных компьютерных экзаменов по биологии, русскому языку и литературе и химии. Аналогичное исследование было выполнено с данными, полученными после междисциплинарных выпускных компьютерных тестов за период с 1999 по 2003 годы.

Русский язык и литература (2003 г ) К-С (¡=,14220. р> 20, Лиллифорс р<,10 Шалиро-Уилк УУ=,95543, р=,16629

30 40 50 60 70 80 X <= Category Boundary

Межаисциллинэрный экзамен 2003 г. К-С ¿=,10776, р> .20, Лиллифорс р> .20 Шапиро-Уилк И=,96312, р=,28303

50 60 70 80 90 X <= Category Boundary

Рис. 4. Результаты проверки выборок на принадлежность к нормальному распределению: а) вступительный экзамен; б) выпускной экзамен.

40 35 30

5 25

6 20 я

3- 15 10 5

0

-•

> * { -

• / w Ттгт-п

ш из Й £

а б

Рис. 5. Диаграммы Парето 2003 года: а) вступительный экзамен по русскому языку и литературе; б) выпускной междисциплинарный тест.

Анализировали результаты испытаний выборочных совокупностей размером 35 человек. Проверяли гипотезы о нормальности распределения с использованием критериев согласия - Шапиро-Уилка, Колмогорова-Смирнова и Лиллифорса. Результаты анализа (Рис. 4) показали, что при выбранной надежности значения доверительной вероятности больше теоретического (р<0,05), т.е. выборочные данные распределены нормально

Тестирование по русскому языку и литературе

Статистическая обработка результатов испытаний по русскому языку и литературе, так же, как и в других испытаниях, проводилась по случайным выборкам, объемом 35 человек. Результаты обработки данных, показанные в таблице 2, свидетельствуют о тенденции к росту среднего значения оценки, полученной на экзамене в течение исследуемого периода с 2001 по 2003 годы. Сравнение с результатами экзамена по биологии показало, что по русскому языку оценки имеют несколько большие значения. Стандартное отклонение близко к значениям после биологии. Отрицательные величины асимметрии свидетельствуют о сдвиге оценок в высшую сторону, а небольшие

отрицательные значения эксцесса говорят о наличии нескольких субпопуляций. Учитывая то, что биология для большинства специальностей является профилирующим предметом и ее сдают, в первую очередь, можно сказать, что полученные характеристики свидетельствуют в пользу правильности отбора абитуриентов в конкурсных экзаменах

Для исследования структуры оценок строили диаграммы Парето (рис 5а, 56). Сравнение результатов ранжирования баллов, полученных на вступительных и на выпускных экзаменах, указывает на заметный рост числа студентов с более высокими оценками к концу периода обучения, по сравнению с исходным состоянием.

Таблица 2.

Статистические оценки испытаний по русскому языку и литературе

Год Среднее Медиана Мин Макс Ст. Откп. Ошибка Асимметрия Эксцесс

2001 55,83 56,50 27,00 76,50 11,25 1,90 -0,15 -0,02

2002 56,83 57,50 31,00 83,50 12,87 2,18 -0,14 -0,59

2003 61,59 65,00 31,50 81,50 13,54 2,29 -0,50 -0,46

Междисциплинарное тестирование выпускников

В тестовом задании используется 80 вопросов и 20 ситуационных задач по предметам теоретического параклиническою и клиническою циклов Структура тестового задания формируется теми же профаммными средсшами, что и тест для вступительных экзаменов. В таблице 3 приведены результаты статистической обработки выборочных данных, из которых видно, что среднее значение оценки варьирует из года в год Учитывая величины стандартного отклонения значений оценок по отношению к среднему, можно сказать о стабильности вариаций в пределах недостоверных отклонений. Минимальные значения оценок указывают на то, что только в 2000 году экзамен был сдан с без "потерь". Во все остальные года в популяции выпускников встречались

такие студенты, которые по разным причинам не проходили через компьютерное испытание и не допускались к сдаче Государственных экзаменов. По 2003 году средний балл значимо отличается от среднего балла вступительного экзамена (см. табл. 4), что свидетельствует о положительном влиянии обучения на общее развитие специальных знаний.

Большое количество данных текущего компьютерного тестирования, проводимого в течение 1-ХП семестров обучения, подтверждает тенденцию роста успеваемости, которую можно связать с отсевом слабых студентов.

Таблица 3.

Статистические оценки испытаний по междисциплинарному экзамену

Год Среднее Медиана Мин Макс Ст. Откл. Ошибка Асимметрия Эксцесс

1999 77,44 81,00 34,00 97,00 12,55 2,12 -1,21 2,80

2000 72,10 73,00 50,50 95,00 12,49 2,11 -0,06 -1,07

2001 65,73 65,50 28,00 96,50 14,91 2,52 0,00 0,17

2002 67,50 67,50 37,00 95,50 15,47 2,61 0,02 -0,53

2003 78,61 81,50 39,00 97,00 12,59 2,13 -1,10 1,76

Структурная модель знаний

Знание является итогом связности ряда информационных образов, которые накапливаются в результате взаимодействия индивида с внешней средой. По мере получения образов через органы чувств, в мозгу человека формируются упорядоченные структуры, которые для упрощения исследований можно предстаешь в виде слоев. В один слой попадают образы одного порядка сложности. Внутри одного слоя формируются горизонтальные связи. Из нижележащего слоя вверх простираются свободные связи, которые можно представить в виде открытых вопросов. По мере поступления новых информационных образов происходит их первичная фильтрация, присоединение к свободным связям и закрытие открытых ранее вопросов.

Между слоями устанавливаются вертикальные связи По-видимому, образы выстраиваются в пирамиду, порождая вершинный образ без участия внешней среды. Этот образ является собственным для индивида-носителя и представляет информацию действия - знание. '

Общий вид модели представлен на рисунке 6. Модель отражает структурный (морфогенный) подход к классификации знаний индивида. Под цифрой 1 обозначен базовый слой информационных образов Цифра 2 показывает начало формирующегося адаптивного слоя образов. Все элементы одного слоя соединены друг с другом связями (3), которые могут быть свободными (4) в ожидании нового информационного образа. Вершиной взаимодействия информационных образов является новый информационный образ (5), индивидуальный, заполненный информацией действия, т.е. знанием

5

Рис. 6 Графическая модель порождения знания (5) на основе информационных образов, расположенных в слоях (1, 2) с горизонтальными и вертикальными связями (3, 4).

Рассмотрим вертикальные проекции и их диагональные сечения для двух типов структур (рис. 7). Элементы структуры расположены в узлах прямоугольной сетки (структура 1) Наложение второго слоя (структура 3) происходит так, что каждый элемент второго слоя связывается максимальным количеством вертикальных контактов с элементами первого слоя. В вертикальной проекции участки наложения элементов двух слоев видны, как более темные. Наложение следующих двух слоев формирует картину

струкгуры 5. В середине пирамидки в проекции будег наибольшее количес1во

наложенных элементов.

ИНН тт Структура 1 Структура 2 — 1ПГ 1ПП

Диагональный профиль 1

ггпл 111

* о ж Диагональный профиль 2

Структура 3 Структура 4 г! J

Диагональный ирофиль 3

г^^тг.гЖ

' 0 <05 Диагональный профиль 4

ШЩ К Структура 5 Структура 6 .ь 1 ли

Диагональный профиль 5

1 ^

" 0 «1« Диагональный профиль 6

Рис. 7. Вертикальные проекции и диагональные профили модельных структур.

Более сложное строение имеет структура 2, сформированная не в прямоугольной сеггке, а в треугольной. Треугольная сетка наиболее

оптимизирована то локализации и взаимодействию шаровидных элементов. При наложении вороге слоя (структура 4) видно, что участки наложений (более темного цвета,, имеют большую площадь, чем в структуре 3.

Наложение второга и третьего слоев (структура 6) приводит к видимой хаотичности участков раздой плотности. Разнородности структур 1-2, 3-4 и 5-6 можно подтвердить графически с помощью так называемых профилей сечений. Диагональные сечения, указанные черной линией в структурах, отражены профилями в правой части рисунка. Если профиль 1 не очень отличается от профиля 2, то наложения второго слоя элементов приводит к заметным различиям профилей 3 и 4, а в случае наложения третьего и четвертого слоя профили 5 и 6 отличаются существенно.

а б в

Рис. 8. Геометрия квадратов в моделировании наслоений структурных элементов: а) один слой; б) два слоя; в) много слоев.

Для получения количественных характеристик структур в модели использовали геометрию квадратов. Квадрат в плоскости и куб в пространстве отличаются, соответственно, от круга и шара, прежде всего, продолжительностью контактов. Если шар может контактировать с соседним шаром только в одной точке, что упрощает моделирование связей, то

количество точек соприкосновения кубов может быть безграничным, равным множеству точек, расположенных на гранях соприкосновения Такая модель сложна для понимания контактов Однако куб и квадрат в большей степени демонстративны при исследовании феномена наложения слоев (рис. 8 ).

Проекция на плоскость очень напоминает цифровое изображение клетки (рис. 8а) Наложенные друг на дру1 а слои аналогичны интснсивностям яркости изображений ядер лимфоцитов

Учитывая, что поверхность первого морфогенного слоя бесконечна в своей протяженности, а следующие слои, скорее все! о, ограничены рамками условий, в которых они формируются (рис. 86), то, моделируя рост последующих слоев, мы формируем структуру, которая, будучи носителем информации о той или иной предметной области, превращаясь в знания (порождая их), должна обретать определенную направленность действия.

Рис. 9. Вертикальная проекция многослойной структуры: а) в квадратах; б) профильная поверхность многослойной структуры.

Если придать наложенным слоям условные уровни плотности информации, то можно сформировать цифровую матрицу для участка бесконечно большого информационного пространства, которая будет представлять случайный процесс. Остается применить соответствующий математический метод обработки данного цифрового массива для выделения количественных параметров исследуемой когнитивной зоны.

Таким образом, мы получили метод модельной оценки когнитивных потенций особи в единицах когнитивности, что позволяет проводить дальнейшие теоретические исследования взаимоотношений внутри когнитивной популяции.

4. Информационный обмен, как способ взаимодействия разнородных популяций

Подходы к количественной оценке информационной упаковки особей в популяциях, представленные в предыдущих главах, лежат в основе исследования отношений, складывающихся между особями одной популяции и между различными популяциями. Отношения элементов клеточной популяции складываются в организме. Популяция в целом и отдельные ее компоненты изменят свойства и структуру только при нарушениях гомеостаза с целью его восстановления. К внешним воздействиям относятся в первую очередь патогенные, аналогичные рассмотренным в главе 1, а так же не патогенные физиологические, например, питание, или удовлетворение более высоких потребностей, свойственных организму человека, как существу мыслящему. В первую очередь это потребление и генерирование информации. Потребление информации из внешней среды, осуществляемое через рецепторный и сенсорный аппарат, вскоре после рождения сопровождается обратным процессом возврата в среду накопленной и трансформированной в сознании человека информации в виде знаний. Внешними потребителями информации являются люди и компьютеры. Хранимая в электронных устройствах

информация может быть любой формы и содержания. Познавая мир и себя самого через технические устройства, человек создал такие устройства, которые все более совершенно воспроизводят самые тонкие свойства человека, связанные с работой высшей нервной деятельности. Несмотря на то, что уровень мышления компьютеров еще достаточно примитивен, можно с уверенностью говорить о бурном развитии компьютерных технологий и их когнитивных возможностей Все зто позволяет сегодня рассматривав взаимодействие человеческих особей с особями технической популяции в среде, наполненной информационным содержимым, как одну из важных системных задач.

Следует обратить внимание на то, что информация, неизвестная человеческой популяции, может быть получена с помощью компьютеров. Например, компьютерная обработка изображений и количественный анализ структур, цвета, запаха, звука, вибраций и пр. Информация, неизвестная компьютерной популяции, т.е. не введенная человеком, тоже может присутствовать в компьютерной особи. Ее источником является сама компьютерная особь, либо внешняя среда, для восприятия которой компьютер имеет сенсоры и программы.

Вероятно, выделенные популяции, когнитивная и техническая, подчиняются известным законам популяционного развития и межпопуляционных отношений.

Исследование и проверку гипотезы начнем с анализа количественных отношений между популяциями.

Количественные соотношения особей в популяциях

По данным переписи населения 2002 года численность постоянного населения Российской Федерации составила 145,2 млн. человек. По сравнению с переписью населения 1989 г. численность населения уменьшилась на 1,8 млн.

человек. Почти пятая часть населения, то есть почти 29 млн. человек проживает в 13 городах-"миллионниках".

Используя официальные данные, мы провели корреляционный анализ между численностью населения с высшим образованием и количеством пользователей Интернета по некоторым городам России. Коэффициент корреляции составил 0,76, что говорит о сильной положительной связи двух исследуемых величин. Значит, когнитивная популяция тесно взаимодействует с технической компьютерной популяцией.

По данным РОЦИТ устойчивый рост компьютерного рынка в России продолжался в 1998 по сравнению с 1997 годом. На начало 1999 г. количество ПК, отвечающих требованиям по использованию современных программных продуктов (то есть процессор не ниже Pentium-100), составляет около 4 млн. нпук. Здесь же делался прогноз об увеличении парка ПК в России к 2004 году до 8,4-8,9 млн. единиц. По данным опроса «КОМКОН», «компьютеризация» (количество пользователей ПК на 1 тыс. жителей) населения крупных городов, например Москвы, Петербурга, Екатеринбурга, в 4-8 раз превышает средний показатель по России в целом. Количество регулярных пользователей Интернета в России за 1997-1998 годы удвоилось и к концу 1998 года составляло более 1 млн. человек. В тоже время в среднем по стране только каждый четвертый обладатель ПК имел выход в Интернет.

Для выяснения характера отношений между популяциями с помощью моделей было проведено исследование численностей особей с учетом прироста и гибели. Начальные параметры моделей выявляли из официальных источников.

Так, о численности компьютерной популяции известно, что первые персональные компьютеры Apple начали продаваться в 1976 году, что вызвало заишересованность в использовании новой технике со стороны учебных заведений, населения и предприятий США. Компания IBM за 1980 год продала

130 тыс единиц этой техники. Рост продаж персональных компьютеров продолжался вплоть до 1999, когда было продано 140 млн единиц. С тех пор, периодически возникают в разных странах по-разному спады продаж, уровень которых колеблется от 3 до 15 процентов в год. С помощью модели логистического роста нами были определены показатели производства и выхода из строя персональных компьютеров, считая известными количества компьютеров, проданных в упомянутые годы. При уровне производства ПК, примерно равном 900 единиц, на 1000 существующих и 100 "погибающих" каждый год, а, начиная с 1984 года - списанных по старости, нами была получена картина изменений численности персональных компьютеров за период с 1975 по 2050 годы (рис. 10).

Рис. 10. Модель изменения количества особей компьютерной популяции за период с 1975 по 2050 годы

Спады, первый из которых наблюдается уже сегодня, свидетельствуют о наличии качественных переходов в производстве персональных компьютеров. Причин спадов много. Основные из них следующие: ожидание объявленных новых технологических решений, накапливание работающей и достаточной для

решения актуальных задач техники, переход на принципиально новые платформы и страх новизны со сюроны пользователей К этим причинам наверняка присоедини 1ся причины межионуляционного взаимодействия биологической и компьютерной популяций. В исследовании не принимались во внимание цены, так как, по имеющимся данным, возможность приобретать или арендовать компьютер за деньги не связана с материальной обеспеченностью пользователей.

Если развивающиеся популяции разделяют общий информационный ресурс, то они вступают в отношения. Частный случай отношений когнитивной и технической популяций представляв I, на данном этапе, скорее, георешческий, чем практический интерес. Мы исходили из представления о том, что для человеческой популяции, техническая популяция представляет угрозу, биологически интерпретируемую, как вытеснение из когнитивной экологической ниши. Поэтому наряду с моделями роста популяций были рассмотрены модели их взаимоотношений в общей экологической нише, сформированной из информации, как хранимой, так и передаваемой.

Модель сосуществования популяций

Допустим, что техническая популяция, как творение гения человеческой популяции, находится с ней в отношениях симбиоза таким образом, что каждая из этих популяций ио численное! и пропорциональна другой. Воспользовавшись моделью изменения численности вида, состоящей их двух линейных дифференциальных уравнений, определяли численности популяций во все моменты времени, следующие за начальным, когда численность человеческой популяции х(0) составляла 6000 млн особей (все население на Земле), а компьютерной у(0) - 2158 млн особей (все персональные компьютеры).

х'О) = -2х(1)+4у(1) У'(1) - х(1) - 2у0)

По результатам решения системы уравнений строили график, показанный на рисунке 11.

В результате, если предположить, что две популяции, человеческая и компьютерная симбиотически сосуществуют в общей информационной среде, которая является ресурсом существования каждой из них, то при росте компьютерной популяции, человеческая популяция уменьшается до определенного момента времени, после чего в количественном отношении между популяциями устанавливается равновесие. Это упрощение, не учитывает множество факторов, влияющих на отношения популяций. Тем не менее, из полученного результата вытекает неожиданный и настораживающий вывод. Увеличение количества компьютеров, потребляющих информационные ресурсы в то время, когда человеческая популяция их не пополняет, может привести к снижению последней. Интеллектуалов станет меньше.

7000

6000

_ 5000 £

Б 4000 ■ I 3000

а ...................

2000 -

1000

0 .........I . .-г

° ^ ^ " ^ чг *>■

время общего существования

Рис. 11 Изменения численностей двух сосуществующих популяций во времени, выраженном в условных интервалах (сплошная линия -численность человеческой популяции, пунктирная компьютерной

популяции)

Трудно согласиться с тем, что сделанный вывод корректен. Тогда представим, что принятое допущение о пропорциональности численности

рассмотренных популяций ошибочно. Это значит, что в сосуществовании взятых популяций в одной среде, информационной, для непротиворечивого обоюдного роста количества особей необходимо либо применяв «непропорциональные» правила, либо использовать иной принцип сосуществования Всрояшо, па данном Э1апе количественных соотношений должна быть принята модель роста компьютерной популяции с учетом того, чю она не оказывает никакого влияния на рост человеческой В таком случае можно творшь о том, чго компьютеры не развивают умственных способности человека В это грудно поверить, судя по динамике изменений уровня знаний у испытуемых, при использовании в образовании информационных технологий.

Модель конкуренции популяций в информационной среде

Воспользуемся разновидностью логистического уравнения, точнее его обобщением для случая борьбы за ресурсы двух и более конкурирующих популяций, известным под названием уравнения Л о гки -Вол ьтерра (Гросман С., 1983). В случае двух конкурирующих видов, для которых скорости роста равны нулю, они представляют в этой модели равновесную пару популяций. При положительных значениях чисел, составляющих решение уравнений модели и соответствующих численностям двух конкурирующих популяций, может возникнув равновесное состояние, свидетельствующее о возможности сосуществования и сохранения постоянных размеров. Сосуществование разнородных популяций возможно при условии, что межпоиуляционные взаимные влияния в меньшей степени выражены, чем внутрипопуляционные Помня о том, что мы сравниваем модели компьютерной, неживой, и биологической, живой, популяций, совершенно естественными выглядят приведенные условия, когда люди предпочитают обмениваться информацией и ее наращивать в общении друг с друюм. Компьютерам же значительно проще взаимодействовать в автоматическом режиме внутри собственной популяции

Они делают это быстро и точно. Обмен информацией происходит в объемах, значительно превышающих человеческие, в один и тот же промежуток времени.

Модель симбиоза популяций в информационной среде

Уравнение Лотки-Вольтерра для симбиотического сосуществования видов, численностью хи х2(() в некоторый момент времени I будет иметь вид:

^ = х, <Ъ,- а,, х,+а12 хг) ^¡¡г = хг(Ьг+агЛг апхг)

Скорость роста обеих популяций положительна, тогда уравнения, определяющие равновесные популяции, будут иметь вид:

ХгОУг + аиХгаиХг^-0

Рис. 12. Динамика изменений численности компьютерной (1) и когнитивной (2) популяций в модели симбиотического сосуществования (Лотки-Вольтерра)

При положительных значениях чисел х: и х2, которые соответствуют численностям двух сосуществующих популяций, динамика процесса выглядит так, как показано на рис. 12 . В качестве исходных брали равные численности популяций на 1980 год, что не противоречит публикуемым данным о количестве интеллектуалов и компьютеров в процессе их развития и взаимного дополнения.

Из модели симбиотического сосуществования когнитивной и технической популяций следует, чго такая форма взаимодействия продуктивно отражается на численности людей, использующих компьютеры в качестве средств повышения уровня собственных знаний с одной стороны, и на росте количества компьютеров, в которых появляется настоятельная потребность, как в средстве хранения, обмена и модификации знаний человека

Заключение

Современное всестороннее развитие информатизации порождает множество проблем не только технических и образовательных, но и эколого-социальных и биологических. Привычным для человека является состояние доминирования над техникой, состояние управления ею. За человеком всегда остается право принятия окончательного решения. Антропогенные преобразования окружающей среды оборачиваются для человека необходимость менять свою жизнь, адаптироваться к новым условиям. Адаптация начинается с изменений структур и функций организма в целом и отдельных составляющих этой открытой и большой биологической системы. Проведенные исследования показали сложность взаимодействия клеток внутри популяции, и позволили выполнить моделирование некоторых трансформаций структуры ядра клетки в период действия антигенного раздражителя. Такая же информационно-статистическая модель, испытанная на тканевом уровне и на особях компьютерной и когнитивной популяций, продемонстрировала информативность полученных параметров. Интерпретируя параметры, мы

создаем некоторое качество рассматриваемой особи. Сопоставление качеств особи в различных состояниях, или сравнение качеств гомологичных особей в одном и том же состоянии системы, позволяет сделать индивидуальную оценку поведения особи в среде обитания. Для изучения интегральных параметров особей, популяционных, следует количественно оценить свойства популяции. Количественные параметры популяции клеток выраженные в виде характеристик ткани, были исследованы на примере миокарда. Количественные параметры компьютерной и когнитивной популяций на данном этапе работы были сведены к моделированию численности и выявлению закономерное!ей взаимодействия популяций, которое тем или иным образом отражается на их численности. Особые внутривидовые отношения складываются между особями одной популяции в условиях разделения общего ресурса. Они ярко проявляются в учебном процессе, когда небольшое количество способных в обучении студентов, "вяло" относится к предоставляемой информации. В то же время, большая часть упорных, но менее способных студентов, не пренебрегает имеющейся возможностью и потребляет предоставляемую информацию, обгоняя в своем развитии способных. Или наоборот, та же небольшая часть способных усиленно занимается. Они оставляют далеко позади менее способных, даже в их упорстве к знаниям Как результат - менее способные теряют интерес к захвату знаний и создают тяжелую помеху для преподавания. Уровень преподавания снижается, способные не могут наращивать хемп работы, весь процесс разрушается.

Гораздо сложнее рассматривать неживые объекты, наделенные памятью, управляющими функциями и структурами обмена информацией. В настоящий момент существует три разные точки зрения на возможности компьютера (А.Я Фридланд, 2003). Согласно первой, принято считать материальным все, что состоит из атомов Так как атомы всех веществ одинаковы, то логично предположить, что мышление человека представляет собой процесс

взаимодействия атомов и их составляющих. Значит нужно только время, чтобы понять процессы мышления и построить компьютер, который будет их воспроизводить, подобно человеку. В основе рассуждений второй точки зрения лежит различие законов существования живою и мертвого, органического и неорганического. Компьютер, как неживое, сделанное человеком, может выполнять только то, что вкладывает в него человек. И, наконец, с третьей точки зрения большие и сложные системы, к которым относятся социальные, экономические и компьютерные системы, в какой-то момент времени начинают жить собственной жизнью, по своим законам, которые могут быть не поняты человеком.

С первым представлением можно не согласиться в том, что уже наступил момент, когда не только человек вкладывает в электронный мозг компьютера полезную информацию. С появлением и бурным развитием сетевых компьютерных структур, распределенных ресурсов, компьютеры могут обменивайся нужной информацией без помощи, но пока под контролем человека. Наиболее реалистической сегодня представляется вторая точка зрения. Вопрос надолго ли? Не упустить бы тот момент, когда наступит эпоха третьего примера, но человек окажется не готовым к его пониманию и беспомощным в тяжелой ситуации как физически, так и интеллектуально.

В нашей работе проводились различные исследования, суть которых можно было бы обобщить до поиска решений вопросов наиболее тонких интеллектуальных отношений между живым мыслящим (человеком) и неживым, но потенциально способным мыслить (компьютером) в условиях, когда сфера мышления становится общим информационным пространством и для людей и для компьютеров.

Исследование, построенное на единении компьютерной техники и программного обеспечения в изучении структурных изменений ядер

лимфоцитов, позволило применить разработанные методики для исследования технических структур и структур знаний студентов.

На основе графических и математических моделей была проверена основная гипотеза о существовании общности разнородных систем и существовании единого для них информационного ресурса. В ходе теоретического исследования было показано, что несмотря на различные источники происхождения клеточной, когнитивной и компьютерной популяций, в рамках информационного пространства к ним применима общая методология исследования как на уровне количественного описания структуры их объектов (особей), так и на популяционном уровне.

Таким образом, в отношениях людей, выполняющих интеллектуальную работу, и компьютеров, которые сегодня чаще играют роль посредников в обмене знаниями, возникает эффект усиления, синергизм. Явление пока не изученное в рассматриваемой области, но чрезвычайно актуальное, ибо биологические последствия такого усиления носят отдаленный информационно-интеллектуальный эффект. Синергизм проявляется в особой сфере, которую можно представить в виде информационного пространства, общего для людей и компьютеров. Синергизм биологических и технических систем приводит к нарастающему проявлению новых знаний практически во всех областях деятельности человека.

Выводы

1. Изменения микроструктуры ядер лимфоцитов крови и лимфоидных органов специфичны для различных видов повреждения организма, что выявлено при сравнении количественных параметров на модели алло- и аутотрансплантации кожи в эксперименте Данные параметры отражают информационные процессы в клеточной популяции

2. Методика пространственно-частотного анализа изображений миокарда, по двумерным спектрам Фурье, выявляет отличие тканевых перестроек в разных участках сердца на моделях гипертонической болезни и инфаркта

3. Информационно-статистические модели клеточных структур, разработанные для определенного вида воздействия на организм, являются источником объективной количественной информации о структуре клеточной популяции и могут быть использованы для построения информационно диагностической системы.

4. Автоматизированные системы самоподготовки и контроля знаний студентов являются средством реализации принципиально нового подхода к высшему образованию - индивидуальной адресной доставки знаний.

5. Компьютерная популяция выделяется в техноценозе в отдельный вид, так как обладает способностью интеллектуального взаимодействия с биологическими системами в рамках общей информационной ниши. Численности компьютерной и когнитивной популяций взаимосвязаны.

6. Модельное поведение когнитивной и компьютерной популяций указывает на разнообразие форм взаимодействия, основными из которых являются симбиоз, конкуренция и нейтрализм.

7. Выраженное расслоение учащихся по уровню знаний, показанных на вступительных испытаниях, позволяет выделить в среде испытуемых группы с характером отношений к компьютерной популяции по типу нейтрализма (слабые знания) и конкуренции (уверенные знания). Характер отношений когнитивной популяции студентов к компьютерной популяции на междисциплинарном выпускном экзамене носит черты симбиоза

8. В отношения людей с объектами окружающей среды вливаются новые тенденции взаимодействия с неживыми носителями информации. Законы их сосуществования на популяционном уровне, изученные на простейших моделях, свидетельствуют о наличии симбиоза, аналогичного

межпопуляционному симбиозу клеток животного организма. Биотехническая система существует на основе законов популяционных взаимодействий, общих для клеточной, человеческой (когнитивной) и технической (компьютерной) популяций. Информационные отношения между человеческой и компьютерной популяциями имеют взаимодополняющий и усиливающий синергичный характер. 9. Сходство структур модельных объектов клеточной, когнитивной и компьютерной популяций, а также однотипный подход к их анализу, подтверждают универсальность теории информации в биологии и свидетельствуют о том, что управление и информационный обмен являются важнейшими характеристиками поведения этих систем.

Список работ, опубликованных по теме диссертации

1. Юрина H.A., Пильтяй В.И., Проценко В.Д. Оптико-структурный машинный анализ хроматина ядер и SH-ipynn цитоплазмы эпителиоцитов слизистой оболочки ротовой полости человека в норме и при язвенной болезни желудка и двенадцатиперстной кишки // Архив анатомии, гистологии и эмбриологии. -1986. -XCI, No 10, -с.67-70.

2. Использование цифровых методов препарирования изображений и оптико-структурного анализа для оценки морфофункционального состояния клеток крови: Отчет о НИР/УДН. - No 80044799, -М., ВИНИТИ, 1980.

3. Разработать и испытать методики и алгоритмы цифровой обработки электронно-микроскопических изображений клеток: Отчет о НИР/УДН. - No 01.84.0021408,-М., ВИНИТИ, 1982, 1983, 1984.

4. Разработать и испытать методы идентификации различных популяций лимфоцитов у человека и животных в норме и при развитии аутоиммунных процессов: Отчет о НИР/УДН - No 01 84 0077851, М , ВИНИТИ, 1985,1986.

5 Полуавтоматический прибор изготовления мазков крови для

автоматизированной морфометрии форменных элементов крови для диагностики наследственных и приобретенных форм атеросклероза. Диплом ВДНХ / Выставка "Научно-техническая интеграция 86". -М , ВДНХ, 1986.

6. Разработать и испытать программное обеспечение для интерактивной обработки и графического отображения результатов автоматизированного анализа изображений клеток в световой, электронной и телевизионной микроскопии: Отчет о НИР/УДН. -No 01.87.0017989, -М., ВИНИТИ, 1987.

7. Устройство для приготовления мазков жидких сред организма (крови, лимфы, клеточных суспензий): Бронзовая медаль ВДНХ / Выставка "70 лет по знаменем Великого Октября. М., ВДНХ, 1987.

8. Богданов А.К., Лапец О.П., Проценко В.Д. Автоматизированная морфометрия на базе микро-ЭВМ // Архив анат., гистол. и эмбриол. -1989. -t.XCVI. -No 3. -С. 73-74 .

9. Система автоматизированной морфометрии: Серебряная медаль ВДНХ/ Выставка "Изобретатели и рационализаторы - медицине". -М., ВДНХ, 1989.

10.Развить в УДН им.П.Лумумбы автоматизированную систему обработки изображений субклеточных, клеточных и тканевых структур для задач клинической цитодиагностики, иммунологии, гематологии: Отчет о НИР/УДН, -инв. No 01.86.0022019, -М., ВИНИТИ, 1990, -40 с.

11. Protsenko V., Kasberov 1., Grodek P., Vandyshev M. The base of blood cells images // Cytometry, The XVII Congress of the International Society for Analytical Cytology. -JISAC, -1994. -Supplement 7, -p.48.

12. Protsenko V., Kasberov 1. et al. To measure the depth of texture // Pittcon'95: Book of abstracts, 479P, 1995.

13. Protsenko V, Vavilov A, Samsonov V The morphometry of dermal lymphocytes in mucoses fungoides and other types of T-cell lymphomas // Cytometry, The XVUl Congress of the International Society for Analytical Cytology. -JISAC, 1996 -Supplement 8, p.64

14 Вавилов AM, Проценко ВД, Самсонов В А и др Морфологический мониторинг мазков крови из очагов поражения у больных злокачественными лимфомами кожи // Кожные и венерические болезни сборник научных работ сотрудников ЦКВИ, посвященный 78-летию института -М., 1999 -С 104

15 Вавилов A.M, Проценко ВД, Самсонов В. А. и др Методика морфологического мониторинга с использованием мазков крови из очагов поражения у больных лимфопролиферативными заболеваниями кожи // Вестник дерматологии и венерологии, -М., -№ 5, -1999, -С.7-11.

16 Лукьянова Е А , Проценко В.Д и др. Анализ медицинских изображений как пример внедрения в систему подготовки студентов медиков новых компьютерных технологий // Математика, компьютер, образование/ Под ред. Г Ю. Ризниченко -М , - Прогресс-Традиции, -1999, -С. 120-123.

17. Контрольные вопросы тестового государственного междисциплинарного экзамена. /Под ред. Козлова В.И , Фролова В.А., Проценко В.Д, -М , -Изд. РУДН, -3 части, -1998, -357 с.

18. Контрольные вопросы тестового государственного междисциплинарного экзамена. /Под ред. Козлова В.И., Фролова В.А., Проценко В.Д., Ермолаева А.В., -М., -Изд. РУДН, 4 части, -1999, -495 с.

19. Deineka Е., Loukianova Е, Protsenko V., The Infomational-statistical approach to analysis of Kernels'structures of Lymphoid blood cells // Математика, компьютер, образование: Тез докл -M.,-Прогресс-Традиции,-1999,-377с.

20. Фролов В.А , Проценко В Д, Новые информационные технологии как основа учебного процесса // Медицинское образование в наступающем 21 веке/ Научно-педагогическая конференция , -М., РУДН, -2000, -С.38-40

21. Protsenko V, Vavilov A Loukianova Е. The informational model of the structure changes in lymphocyte nucleus in case of skin lymphoma // Cytometry, The XX Congress of the International Society for Analytical Cytology -JISAC, 2000 -Supplement 10, №6427.

22 Проценко В Д Фролов В А Лукьянова Е А Опыт использования Фурье-преобразования цифровых изображений для анализа микроструктурных нарушений миокарда Патофизиологи и современна медицина // Всероссийская конференция с международным участием. Тез докл. - М., - 2000. - С 174-176

23. Кряжева Н.Ю, Проценко В.Д., Автоматизированный контроль уровня подготовки студентов-медиков // Вестник Российского университета дружбы народов. -М ,-РУДН, № 3, - 2000, -С. 8-11.

24. Дейнека Э А Лукьянова Е.А. Проценко В.Д Применение нейронных сетей в статистическом исследовании морфологии ядер иммунокомпетентных клеток // Математика, компьютер, образование / Под ред. Г.Ю. Ризниченко -М., 2001.-С. 541-547.

25. Лукьянова Е А, Проценко В.Д. Информационно-статистический подход к анализу структурных перестроек миокарда //Развитие научных исследований на медицинских факультетах университетов России: Материалы I Всероссийской конференции. -М., -РУДН, -2001, -С. 165.

26. Проценко В.Д., Бажин Р.В. Кряжева Н.Ю. Биомедицинский диагностический комплекс на основе ЬАВ-Сапк технологии // Специализированная выставка «Медицина, здоровье, компьютер»: Сборник тезисов. - М., ВВЦ, 2000, -С.29.

27. Контрольные вопросы тестового государственного междисциплинарного экзамена / Под ред В.И Козлова, В.А. Фролова, В.Д. Проценко. -М • Изд-во РУДН, -2000, - 645 с.

28. Кошечкин В А, Проценко В.Д., Иванова З.А. и др. Опыт организации и научно-методического и материально-технического информационного обеспечения системы образования по туберкулезу на медицинском факультете Российского Университета дружбы народов // Вестник Российского университета дружбы народов. -М., РУДН, № 3, -2001, -С. 18-19.

29 Шимкевич Т Л , Проценко В Д , Фролов В А Применение контролирующих

и обучающих npoi-рамм с вариантными ответами при приеме вступительных экзаменов по русскому зыку и литературе у абитуриентов, поступающих на медицинский факультет РУДН // Вестнкк Российского университета дружбы народов. -М., РУДН, - № 2, -2001, -С. 131-135.

30. Проценко В.Д., Фролов В.А., Лукьяноьа Е.А. Система принятия решения в ходе конкурсных экзаменов// Матемашка, компьютер, образование / Под ред Г.Ю. Ризниченко. -М., - 2002, -с. 73.

31. Проценко В.Д., Родионов В.Е., Суворов С Управление учебным процессом и контроль успеваемости // Информационно-образовательные технологии в медицине: Тез докл. науч.конф. -Великий Новюрод, 2002. -С.4.

32 Protsenko V.D., Loukianova Е.А. Infomational-Statistical Model Of Miocardium Structural Changes // Cetometry, XXI Congress of International Society for Analytical Cytology. -JISAC. -2002, -Supplement 11, -P. 139

СПИСОК СОКРАЩЕНИЙ

HTML язык разметки гипертекста

Web кроткое от World Wide Web (паутина всемирной ширины); название услуги Интернета или сервера

АТС автоматическая телефонная станция

БД база данных

ИКСС интеллектуальная компьютерная сетевая система

ЛВС локальная вычислительная сеть

ЛИВС локальная информационно-вычислительная сеть

ОП оптическая плотность

ОС операционная система

ПЗС прибор с зарядовой связью (матрица в телевизионной камере)

ПК (PC) персональный компьютер

ПО программное обеспечение

СУБД система управления базами данных

Проценко Владимир Данилович

СИНЕРГИЗМ БИОЛОГИЧЕСКИХ И ТЕХНИЧЕСКИХ СИСТЕМ

Разработан подход к анализу структуры отдельных элементов биологических и технических систем на основе графического моделирования с последующей информационно-статистической обработкой моделей. Исследованы возможности сосуществования в одной информационной нише человеческой и компьютерной популяций Показаны закономерности усиливающего эффекта компьютерной популяции на развитие популяции интеллектуальной. В отношения людей с объектами окружающей среды вливаются новые тенденции взаимодействия с неживыми носителями информации. Законы их сосуществования с человеческой популяцией не противоречат симбиозу и синергичны по отношению к знаниям.

Protsenko Vladimir Danilovich

SYNERGISM OF THE BIOLOGICAL AND TECHNICAL SYSTEMS

The approach to the structure of the single elements of the biological and technical systems is developed on the bases of graphical modeling with the subsequent informational-statistical processing of the model. The opportunities of co-existence in one informational niche of human and computer populations are investigated. To laws of strengthening effect of computer population on development of intellectual population are shown. The new tendentious of the interaction with lifeless carriers of the information are integrated in people attitude objects of the environment. The laws of the co-existents with human population do not contradict with symbiosis and are synergic according to knowledge.

РНБ Русский фонд

2007-4 2813

Отпечатано в ООО «Аведа» 117342, Москва, ул. Введенского, д.8, тел. 332-50-94.

Формат 60x90/16. Тираж 100 экз. Бумага New SvetoCopy. 2,0 п.л. Заказ № 072. _ _

Список сокращений.

Введение.

Глава 1. Структурно-функциональные отношения компонентов клеточной популяции.

1.1. Материал и методы количественного анализа клеточной популяции

1.2. Результаты собственных исследований.

1.2.1. Особенности микроструктуры тимуса, паракортикальной зоны лимфатических узлов и крови крыс в норме.

1.2.2. Клеточные характеристики лимфоцитов тимуса, подколенных лимфатических узлов и крови в норме.

1.2.3. Особенности популяции лимфоцитов тимуса крыс при алло- и аутотрансплантации эпидермиса.

1.2.4. Особенности популяций лимфоцитов паракортикальной зоны лимфатических узлов крыс при алло- и аутотрансплантации эпидермиса.

1.2.5. Особенности популяции лимфоцитов периферической крови крыс при алло- и аутотрансплантации эпидермиса.

1.2.6. Использование теоретических разработок в клинической диагностике.

1.3. Моделирование структуры ядер лимфоцитов периферической крови

1.3.1. Метод графического моделирования структуры клеточного ядра лимфоцита на основе результатов проведенных исследований.

1.3.2. Модель структуры ядра лимфоцита периферической крови.

1.4. Об информационно-статистическом моделировании структурных перестроек миокарда в динамике развития патологического процесса.

Выводы к главе 1.

Глава 2. Элементы технического происхождения в среде обитания человека.

2.1. О техногенизации общества.

2.1.1. Системы технических средств как сообщества интеллектуально нагруженных неживых особей.

2.1.2. Теоретическое обоснование проекта компьютерной сети для решения образовательных и научных задач.

2.2. О практической реализации популяционного подхода в технике.

2.2.1. Разработка технологического оборудования локальной компьютерной сети.

2.2.2. Конструкция локальной вычислительно-информационной сети для решения задач учебного процесса и научных исследований.

2.2.3. Почтовый сервер общего доступа.

2.2.4. Сервер модемного пула.

2.2.5. Web-cepeep медицинского факультета.

2.3. Основные информационные ресурсы факультета.

2.3.1. Электронное учебное пособие по туберкулезу.

2.3.2. Учебно-образовательная программа по курсу патологической физиологии.

2.3.3. Электронные учебные материалы по курсу медицинской информатики и статистики.

2.4. Технологические конструкции для проверки знаний студентов.

2.4.1. Web-технология для построения учебного сайта для тестов.

2.4.2. Структура автоматизированной системы тестового контроля студентов.

2.4.3. Модульная структура программы.

2.4.4. Защита данных с помощью паролей и распределения прав доступа

2.5. Модель технической популяции компьютерной сети.

2.5.1. Условия построения модели.

2.5.2. Шкала количественных оценок сетевых компьютеров.

2.5.3. Примеры использования модели оценки информационной нагруженности технической популяции.

Выводы к главе 2.

Глава 3. О новых видах популяций.

3.1. Обучение, как способ формирования когнитивной популяции.

3.1.1. Дидактические и физиологические аспекты обучения.

3.1.2. Когнитивные и интеллектуальные функции человеческой популяции.

3.2. Формирование структуры знаний.

3.2.1. Измерения знаний.

3.2.2. Шкалы измерений.

3.2.3. Методы анализа.

3.3. Результаты тестирования.

3.3.1. Тестирование по биологии.

3.3.2. Тестирование по химии.

3.3.3. Тестирование по русскому языку и литературе.

3.3.4. Междисциплинарное тестирование выпускников.

3.4. Структурная модель знаний.

3.4.1. Классификация знаний индивида когнитивной популяции.

3.4.2. Графическая модель структуры знаний индивида когнитивной популяции.

Выводы к главе 3.

Глава 4. Информационный обмен, как способ взаимодействия разнородных популяций.

4.1. Количественные соотношения особей в популяциях.

4.2. Изменения количества особей в технической популяции.

4.3. Модель сосуществования популяций.

4.4. Модель конкуренции популяций в информационной среде.

4.5. Модель симбиоза популяций в информационной среде.

Выводы к главе 4.

В настоящее время биологические науки оказывают заметное влияние на сферу прикладных информационных технологий. Оно проявляется не только в терминах «вирусы», «лечение», «жизнь», «гибель носителя» и пр., но и сущностях, таких как новые языки программирования, нейрокомпьютеры, нейронные сети и др.

Нельзя отрицать сходства некоторых процессов в бизнесе и живой природе, законы развития которых одинаковы. Например, отношения «хищник-жертва», «разделение общих ресурсов» или симбиотические формы развития предприятий.

Очевидными становятся идеи писателей-фантастов о самовоспроизводстве роботов и организации машинных сообществ. Сложные автоматы, объединенные в комплексные системы, управляемые программно, не только отслеживают продвижение космических аппаратов к другим планетам, но и участвуют в наблюдении за здоровьем человека и даже способствуют принятию диагностических решений.

Слаженность работы сложных систем была отмечена не случайно: то, что природе удается проделывать с легкостью, для техники представляется весьма трудной задачей. Управление сложными системами, "автоматизация автоматизации" — проблемы развивающихся IT-отраслей. Новые корпоративные программные продукты, направленные на автоматизацию работы человека, появляются каждый день, но их интеграция в разрастающуюся компьютерную систему предприятия становится с каждым разом все проблематичнее. Поэтому компаниям требуется все больше и больше специалистов, способных поддерживать все, что было автоматизировано. Миллионы долларов в год тратятся на содержание персонала, обслуживающего системы, которые теоретически способны к саморегуляции.

По мере того, как слияние биологии и цифровых технологий набирает силу, неизбежны споры, по актуальности сравнимые разве что с обсуждениями этики клонирования. Футурологи, предсказывающие изменения в обществе на ближайшие полвека, акцентируют, прежде всего, на изменении смысла, вкладываемого в понятие "мы" [125, 307, 338]. Человечество становится все более механизированным, а механизмы, соответственно, приближаются по совершенству к человеку. Экспоненциальное развитие технологий, в том числе, и наноуровневых, сжимает сроки, необходимые для тысячекратного увеличения мощностей, например, искусственного интеллекта. Простая экстраполяция тенденций прошлого (не претендующая, впрочем, на безоговорочную точность) позволяет заключать, что через 25 лет искусственный интеллект станет в миллионы раз мощнее биологического. Не исключено, что понятие "мы" однажды будет включать и машины [ 243].

Актуальность исследования

Осваивая элементы информационной культуры, общество все больше овладевает основами информационных технологий. Темпы информатизации особенно велики в сфере образования и научных исследований. Заметно выросло число школьников, достаточно хорошо подготовленных для пользовательской работы на компьютере и в компьютерных сетях. Компьютер становится привычным инструментом извлечения знаний и реализации когнитивных мотиваций. Однако темпы роста числа пользователей и количества компьютеров, интегрированных в Интернете, значительно превышают темпы научных исследований новой для человека сферы виртуального обитания.

Одновременно с этим быстро развиваются программные средства и основанные на них технологии. Интерфейсы программных систем становятся все дружественнее и прозрачнее - устанавливай и работай - так что необходимость и объем предварительного обучения использованию программ стремится к нулю [142].

По мере продвижения вперед в развитии аппаратной и программной составляющей компьютерного оборудования, наращивания потенциала компьютерных сообществ, средств коммуникаций и информационных ресурсов, не всегда впереди находятся области науки, которые призваны регулировать отношения биологических и небиологических компонентов системы человек-компьютер. В частности, теоретическая информатика, как фундаментальная наука должна уделять внимание изучению информационной деятельности и процессов информатизации, которые непосредственно связаны с информационным ресурсом социума и конкретным их носителем - компьютерными средствами [108, 201].

Наряду с полезными для развития мышления моментами информатизация образования привносит и негативные, связанные с виртуализацией деятельности. Так, безусловно, ухудшается при раннем обучении информатике понимание смысла при решении сложных задач, формируется зависимость от компьютера, сохраняются предпочтительные условия для проявления импульсивного когнитивного стиля, снижается поленезависимость (ориентация на собственные цели) [ 143 ].

Высшей формой информации, проявляющейся в управлении в социальных системах, являются знания. Это "надцисциплинарное" понятие, широко используемое в педагогике и исследованиях по искусственному интеллекту, также претендует на роль важнейшей философской категории. Процесс познания является одним из функциональных аспектов управления.

Само же знание очень привлекательно рассматривать как функционализированную информацию, то есть информацию, направленную на выполнение целевого действия.

В изучении механизмов типовых физиологических и патологических реакций организма животного оказывается недостаточным использование только биологических методов. Обязательным компонентом исследований сегодня является автоматизированный прибор, на выходе которого программно формируются результаты исследования. Они подвергаются компьютерному статистическому анализу, который неразрывно связан с информационно-статистическим моделированием, также выполняемым на компьютере. Протягивается невидимая нить связи действий биологических и технических систем, направленных на достижение цели. Сравнение некоторых наиболее общих свойств объектов, исследуемых в работе (табл. 1), позволяет предположить, что существует общность разнородных систем и единый для всех элементов ресурс. В системе изучаемых объектов устанавливаются отношения, основанные на разделении существующего ресурса при его потреблении. То есть, информация, потребляемая из внешней среды, воспринимается, интегрируется в нужное информационное поле носителя, сохраняется, интерпретируется и формирует новый информационный квант, знание, выделяемый во внешнюю среду. Система существует на основе законов, общих для клеточной, человеческой (когнитивной) и технической (компьютерной) популяций. Информационные отношения между человеческой и компьютерной популяциями имеют взаимодополняющий и усиливающий синергичный характер.

Таким образом, изучение механизмов взаимодействия разнородных систем биологического и не биологического происхождения, является актуальным, а некоторые из упомянутых проблем позволяют сформулировать цель настоящего исследования. и

Таблица 1

Клетка Человек Компьютер

Наименьшая самостоятельная единица живого, способная к восприятию, обработке и генерации информации Наименьшая независимая единица знания, способная воспринимать, сохранять и генерировать знания. Наименьшая независимая единица технических средств, способная накапливать и обрабатывать информацию.

В различных органах имеет сходную структуру Строение органов, взаимодействия с внешним миром у всех людей одинаково. Устройства ввода, хранения и вывода информации не отличаются принципиально у разных классов компьютеров.

Обмен веществами с внешней средой осуществляется избирательно. Познание мира осуществляется индивидуально и избирательно. Обмен информацией возможен только с учетом формата данных и формата аппаратного соединения.

Вещества, выделяемые клеткой во внешнюю среду, являются носителями информации для окружения Знания, продуцируемые человеком, являются источником информации для людей и компьютеров Информация, хранимая на компьютерных носителях предназначена для обмена с пользователями и другими компьютерами

Размножение происходит на определенном информационным этапе путем деления исходного генетического материала. Размножение организмов животных происходит на основе врожденных рефлексов путем слияния двух половых клеток и последующего деления Появление новых типов компьютеров происходит при накоплении определенного уровня знаний о них разработчиками.

Достижение функциональной специализации происходит в определенных органах, где клетка «обучается» Достижение профессионального уровня происходит в учебных заведениях, где человек получает специальную информацию Информационное наполнение компьютера представляет интерес в случае специализации последнего

Формируют надклеточный структурный уровень - органы и организм, клеточные популяции Формируют человеческие популяции со специальными свойствами Образуют сетевые сообщества, технические популяции, разделяющие общие энергетические и информационные ресурсы

Цель работы состоит в выявлении наиболее общих закономерностей структурных перестроек элементов клеточной, компьютерной и человеческой (когнитивной) популяций в условиях независимого или совместного существования в информационной среде.

В ходе исследований, направленных на выявление закономерностей структурной организации различных объектов живой и неживой природы, мы исходили из предположения, что пространственно-временная организация материального субстрата - носителя информации, - может быть описана количественно, а полученные параметры могут быть интерпретированы вероятностно с заданным уровнем значимости, что дает возможность максимально объективизировать проводимые исследования.

Руководствуясь принципом идентичности информационной композиции знания человека, упаковки ДНК и файловой структуры операционной системы компьютера, для исследования когнитивных клеточных и технических структур использовали сходные методы моделирования. Методики получения количественных параметров, их обработки и анализа, изложены в приложениях.

Исходя из концептуального подхода и цели исследования структур и связей объектов биологического и не биологического, естественного и искусственного происхождения, были поставлены в качестве этапных следующие задачи:

1. Анализ структурно-функциональных отношений компонентов клеточной популяции на примере лимфоидных клеток в норме, в остром эксперименте и при лимфомах кожи.

2. Анализ структурной организации ткани миокарда левого желудочка на модели гипертонической болезни с применением методик текстурного исследования микроизображений.

3. Разработка информационно-статистических моделей элементов клеточной популяции.

4. Обоснование выбора интерактивной компьютерной среды, предназначенной для решения учебных, квалификационных и административных задач в медицинском образовании.

5. Разработка модели структуры информационного наполнения в сообществе сетевых компьютеров.

6. Сравнительный анализ результатов измерений уровня знаний абитуриентов и выпускников медицинского факультета.

7. Разработка модели когнитивности в человеческой популяции.

8. Анализ взаимоотношений между когнитивной и технической популяциями в аспекте использования общего информационного ресурса.

9. Моделирование популяционных отношений.

Научная новизна

Впервые сформулированы принципы системного подхода к изучению биологических и технических популяций в аспекте использования единой информационной ниши. Введено новое понятие когнитивной популяции.

Впервые показаны возможности взаимного, синергичного, существования компьютерной и когнитивной популяций в условиях использования людьми компьютерной информации с учетом изменений численности технического и биологического сообществ.

Разработан новый метод графического моделирования структуры хроматина ядра, основанный на анализе гистограммных и текстурных параметров ядер лимфоцитов белых крыс в норме и в экспериментальной модели алло- и аутотрансплантации эпидермиса. На основе данного метода разработаны статистические модели информационной нагруженности персональных компьютеров в локальной сети, и дана интерпретация коэффициента информационной загруженности, дисперсии информационной нагрузки и степени разнородности элементов сети.

Разработаны методики построения систем, тестирующих знания студентов, на основе Web-технологии. Разработана модель развития предметного знания учащихся.

Практическая значимость

Принципы системного решения задач, связанные с использованием сетевых персональных компьютеров в наукоемких производствах, к которым относится учебный процесс, могут эффективно использоваться для разработки стратегии высшего медицинского образования, что влечет за собой экономию средств и времени, необходимых на подготовку одного учащегося.

Опыт внедрения в учебный процесс автоматизированных систем самоподготовки и методического обеспечения их поддержки и эксплуатации показал, что индивидуальный подход к образованию и предоставление учащемуся возможности выбора собственной траектории приобретения знаний, возможен не только в теоретических (медицинской информатике, патофизиологии, биологии и др.), но и в клинических дисциплинах (туберкулез, акушерство и гинекология, терапия и т.д.).

Разработанные методики переноса знаний от компьютерной популяции к когнитивной интенсифицируют образование и стимулируют мотивации учащихся, что подтверждено опытом внедрения автоматизированных систем самоподготовки и самоконтроля на кафедрах теоретического, параклинического и клинического циклов.

Методики и программы анализа цитологического материала внедрены в практику микроскопических исследований. Использование методов информационно-статистического моделирования элементов клеточной популяции обеспечивает более высокий уровень фундаментальных исследований, как в эксперименте, так и в клинике.

Методические основы и теоретическая база исследования

К опорным принципам в изучении сложных структур разнородных систем, каковыми являются система знаний человека, система накопления, передачи информации клетками живого организма и система технических средств (компьютерные системы) хранения, передачи информации, относятся принципы стандартности, коммуникативности, масштабируемости, инвариантности, индивидуальности, интегративности и др.

Теоретические основы исследования складываются из идей В.И Вернадского [45, 46, 47, 48], теории передачи информации Шеннона [244,

332], кибернетики Н. Винера [51, 347], работ У. Росса Эшби [254, 259], концепции синергетики И. Пригожина [179], информационной концепции патофизиолога В.А. Фролова [229], философов А.А. Силина [194], Б.И. Кудрина [116], В.М. Розина [217], В.П. Петленко [168], трудов морфологов Ю.И. Афанасьева, Н.А. Юриной, эмбриолога Б. Карлсона, и др.

Положения, выносимые на защиту

1. Количественные параметры клеточной популяции, а также отдельных особей позволяют построить гипотетическую модель структурных перестроек ядра клетки при воздействии факторов внешней среды, как в эксперименте, так и в клинике.

2. Компьютерные системы способны вести себя аналогично биологическим популяциям. Они могут вступать в конкурентные и симбиотические отношения с когнитивной популяцией людей в сфере общих информационных ресурсов.

3. Использование единого информационного пространства когнитивной и компьютерной популяциями приводит к синергизму, связывающему их и усиливающему эффект познания мира.

Внедрение результатов

Выполнены НИР и НИОКР:

1. Разработка топологии локальной информационно-вычислительной сети медицинского факультета РУДН с выходом в Интернет, разработка WEB -сервера медицинского факультета, НТТП «Перспективные информационные технологии в высшей школе», 1996 - 1997 гг.

2. Закономерности изменений информационных потоков при нарушении структурной организации органов и тканей. Межвузовская научная программа «Университеты России - фундаментальные исследования», Регистрационный № 11.7.835, 1998 - 1999 гг.

3. Информационно-статистическое моделирование структурных перестроек миокарда в динамике развития патологического процесса. Межвузовская научная программа «Университеты России - фундаментальные исследования», Регистрационный № 015.11.01.026, 2000 - 2001 гг.

4. Здоровье и болезнь в системе человек-компьютер. 2001 г. Межвузовская научная программа «Университеты России», Регистрационный № УР 11.01.027,2001 -2002 гг.

5 Выполнены дипломные работы:

Егоров К. В. Автоматизированная обучающая система с использованием современных информационных технологий, МИФИ, каф.№2,1999. Жилов А. Л. Автоматизированная информационная система (АИС) тестового контроля и самообучения на базе современных технологий. МГТУ им. Баумана, кафедры ИУ-3, 2000.

Выполнены студенческие исследования, результаты которых доложены на студенческих конференциях и получили награды:

Родионов Е.В., Таболкин М.В. Полуавтомат электронной почты. РУДН-ЦМКТ, 1996 г.

Дейнека Э.А. Нейростатистическая модель классификации лимфоидных клеток. РУДН-ЦМКТ, 2000.

Суворов С. Система управления данными о студенте. РУДН-ЦМКТ, 2001. Картикьян (Шри-Ланка) Опыт организации, научно-методического и материально-технического информационного обеспечения системы образования по туберкулезу на медицинском факультете Российского Университета дружбы народов РУДН каф. Туберкулеза, каф. Медицинской информатики, 2002.

Результаты выполненных работ использованы в курсе лекций, практических и лабораторных занятий кафедр: медицинской информатики, патологической физиологии, акушерства и гинекологии, а также курса туберкулеза. 96 преподавателей медицинского и аграрного факультетов прошли курсы повышения квалификации, возглавляемые автором. На кафедре медицинской информатики читаются 4 элективных курса по современным информационным технологиям для студентов III, IV и V курсов.

Апробация работы

Результаты проведенных исследований доложены на:

- выставке достижений народного хозяйства (ВДНХ СССР) "Научно-техническая интеграция 86" (Москва, 1986 г.),

- выставке достижений народного хозяйства (ВДНХ СССР) "70 лет по знаменем Великого Октября". (Москва, 1987 г.),

- выставке достижений народного хозяйства (ВДНХ СССР) "Изобретатели и рационализаторы - медицине". (Москва 1989 г.),

- XVII Конгрессе Международного Общества Аналитической Цитологии (Лэйк Плэсид, США, 1994 г.),

- международном конгрессе Pittcon'95 (Питсбург, США, 1995 г.),

- XVIII Конгрессе Международного Общества Аналитической Цитологии (Римини, Италия, 1996 г.),

- конференции сотрудников ЦКВИ, посвященной 78-летию института (Москва, 1999 г.),

- VI конференции «Математика, компьютер, образование» (Пущино, 1999),

- научно-педагогической конференции «Медицинское образование в наступающем 21 веке» (Москва, 2000 г.),

- XX Конгрессе Международного Общества Аналитической Цитологии (Монтпелье, Франция, 2000 г.),

- всероссийской конференции с международным участием «Математика, компьютер, образование» (Пущино, 2001 г.),

- I Всероссийской конференции «Развитие научных исследований на медицинских факультетах университетов России» (Москва, 2001 г.),

- специализированной выставке «Медицина, здоровье, компьютер»

Москва, 2000 г.),

- IX Международной конференции «Математика. Компьютер. Образование» (Москва, 2002 г.),

- конференции «Информационно-образовательные технологии в медицине» (Великий Новгород, 2002 г.),

- XXI Конгрессе Международного Общества Аналитической Цитологии (Сан Диего, США, 2002 г.),

Публикации

По материалам диссертации опубликованы 32 научные работы, в том числе семь - в зарубежной печати. Разработки награждены двумя медалями ВДНХ.

Структура и объем диссертации

Диссертация изложена на 258 страницах машинописного текста в стиле монографии, состоит из введения, четырех глав, заключения, выводов, списка литературы, включающего 349 источников ( 255 отечественных и 94 иностранных авторов) и приложений. Материалы диссертации иллюстрированы 23 таблицами, 77 рисунками и графиками.

186 Выводы

1. Изменения микроструктуры ядер лимфоцитов крови и лимфоидных органов специфичны для различных видов повреждения организма, что выявлено при сравнении количественных параметров на модели алло- и аутотрансплантации кожи в эксперименте. Данные параметры отражают информационные процессы в клеточной популяции.

2. Методика пространственно-частотного анализа изображений миокарда по двумерным спектрам Фурье выявляет отличие тканевых перестроек в разных участках сердца на моделях гипертонической болезни и инфаркта.

3. Информационно-статистические модели клеточных структур, разработанные для определенного вида воздействия на организм, являются источником объективной количественной информации о структуре клеточной популяции и могут быть использованы для построения информационно - диагностической системы.

4. Автоматизированные системы самоподготовки и контроля знаний студентов являются средством реализации принципиально нового подхода к высшему образованию - индивидуальной адресной доставки знаний.

5. Компьютерная популяция выделяется в техноценозе в отдельный вид, так как обладает способностью интеллектуального взаимодействия с биологическими системами в рамках общей информационной ниши. Численности компьютерной и когнитивной популяций взаимосвязаны.

6. Модельное поведение когнитивной и компьютерной популяций указывает на разнообразие форм взаимодействия, основным из которых является симбиоз.

7. Результаты вступительных тестов позволяют предположить, что отношение популяции абитуриентов к компьютерной популяции носит характер равновесной конкуренции. Отношение популяции выпускников к компьютерной популяции на междисциплинарном выпускном экзамене носит черты симбиоза, что можно объяснить использованием ими информационных ресурсов и участием в их развитии.

8. В отношения людей с объектами окружающей среды вливаются новые тенденции взаимодействия с неживыми носителями информации. Законы их сосуществования на популяционном уровне, изученные на простейших моделях, свидетельствуют о наличии симбиоза, аналогичного межпопуляционному симбиозу клеток животного организма. Биотехническая система существует на основе законов популяционных взаимодействий, общих для клеточной, человеческой (когнитивной) и технической (компьютерной) популяций. Информационные отношения между человеческой и компьютерной популяциями имеют взаимодополняющий и усиливающий синергичный характер.

9. Сходство структур модельных объектов клеточной, когнитивной и компьютерной популяций, а также однотипный подход к их анализу, подтверждают универсальность теории информации в биологии и свидетельствуют о том, что информационное наполнение компьютерной среды являются важным фактором взаимоотношений этих систем.

188

Заключение

Современное всестороннее развитие информатизации порождает множество проблем не только технических и образовательных, но и эколого-социальных и биологических. Ни для кого не является новостью заявление о том, что к 2025 году компьютерная техника будет столь высокоразвитой, что компьютер сможет мыслить. Однако, насколько комфортно в работе с такой техникой будет чувствовать себя человек, остается вопросом. Кроме того, пока не ясно, какие положительные и отрицательные качества проявятся в контакте человека с таким компьютером. Привычным для человека является состояние доминирования над техникой, состояние управления ею. За человеком всегда остается право принятия окончательного решения. Особенно это важно в таких отраслях, как медицина, экология, биология и военное дело. Таково положение сегодня. Но как изменится человек, или как он будет изменяться в процессе взаимодействия с компьютером?

От человека, живущего в мире информатизации, требуется больше "полноты человеческого", повышение его интеллектуального и гуманистического потенциала [201]. Соколова И.В. задается вопросом: "Что же происходит на самом деле в мире? Как оценивают ученые и специалисты социокультурные последствия информатизации общества?" и отвечает на них: "итог информатизации для человечества скорее отрицательный, чем положительный". В цитируемой работе подчеркивается проблема отчуждения человеческого, или проблема сохранения человеческой личности, человека как биосоциальной структуры в условиях растущих и всесторонних процессов отчуждения. Человек, усложняя свой мир, вызывает к жизни такие силы, над которыми он уже не господствует. Чем больше он преобразует мир, тем в большей мере порождает непредвиденные социальные факторы, которые начинают формировать структуры, радикально меняющие человеческую жизнь и очевидно ухудшающие ее.

Если есть выход из этого положения, то он расположен там, где находится замечательное свойство живого вообще и человека в частности. Человек - существо адаптивное. Но для успешной адаптации условия среды, в которой он обитает, не должны изменяться революционно. Поэтому главным фактором в сосуществовании человека и высокоразвитого компьютера является время.

Адаптация начинается с изменений структур и функций организма в целом и отдельных составляющих этой открытой и большой биологической системы. Выбранные нами методы исследования и результаты показанные на примере структурных перестроек ядра клетки в период адаптации к состоянию борьбы иммунной системы против аллогенного клеточного взрыва свидетельствуют в пользу постепенности развития вредоносных процессов. К таким процессам относятся все патогенные действия окружающей среды против животного [ 5, 83,22, 36, 69, 175 ].

Однако, само исследование, построенное на единении компьютерной техники и программного обеспечения в изучении структурных изменений ядер лимфоцитов [ 98, 164, 213, 220, 258, 267, 270, 271 ] и других микрообъектов [99, 320, 321, 324] со знанием, полученным человеком от обычных визуальных наблюдений за сходными процессами [ 17, 58, 64, 147, 216 ], является свидетельством неминуемой адаптации человека к взаимодействию с компьютером в процессах, связанных с познанием нового.

Еще более расширяются возможности самосовершенствования в собственных знаниях, когда человек получает возможность не просто управлять компьютером, но решать с его помощью информационные задачи: накопления данных, сохранения, обработки, математического анализа, графического моделирования и т.п. при подключении компьютера к крупным компьютерным сетям, сообществам, в которых интеллектуальность "железа" и программного обеспечения проявляется особенно ярко. На примере разработанных нами и введенных в действие информационных сетевых компонентов мы получили возможность конструировать знания с помощью компьютеров, а также совершенствовать формы представления знаний, наиболее пригодные для передачи студентам-медикам. В этом фрагменте работы мы также сталкивались с проблемами взаимодействия биологических и технических компонентов системы формирования информационного пространства и потребления знаний, сконцентрированных в виде тестовых баз знаний и в виде тренировочных программ. Отрадно, что процессы реализации взаимодействия компьютеров с учащимся набирают силу [21]. Есть множество проблем в этом направлении, прежде всего, социальных [ 201 ] и педагогических [ 16 ], но они могут и должны быть решены [26].

В 1928 году В.И.Вернадский в своём докладе "О задачах и организации прикладной научной работы Академии наук СССР" писал, что "дело идёт не о проблемах теоретического знания, не о исканиях научной истины, связанных с единой научной картиной Космоса, охваченной человеческим разумом и неизбежно охватываемой параметрами логики, - но о научной организации прикладного знания, отвечающего на запросы окружающей жизни, охваченного её логикой". В отношениях между людьми, выполняющими интеллектуальную работу, и компьютерами, которые сегодня выполняют многочисленные рутинные операции, решают сложные задачи, являются средством реализации моделей и вычислительных экспериментов, а также играют роль посредников в обмене знаниями, возникает эффект усиления, синергизм. Явление пока не изученное, но чрезвычайно актуальное, ибо биологические последствия такого усиления носят отдаленный информационно-интеллектуальный эффект. Синергизм проявляется в особой сфере, общем информационном пространстве, заполненном знаниями людей. Наряду с обменом информацией между людьми, в этом пространстве осуществляется долговременное хранение и высокопроизводительная обработка больших массивов данных с помощью компьютеров.

Процесс взаимодействия человека с компьютером, с точки зрения биолога, основан на стремлении человека усовершенствовать себя самого. Данное взаимодействие может проявляться в различных состояниях. Так при конкурентных отношениях между информацией, накопленной или перерабатываемой компьютером и информацией, имеющейся у человека, существенно страдают численности либо компьютерной популяции, либо биологической. В наших работах этот смысл вложен в отношения абстрактных популяций - компьютерной и когнитивной. С другой стороны, отношения между популяциями могут быть симбиотическими, что также исследовано нами на моделях Лотки-Вольтерра. С нашей точки зрения именно такие отношения способствуют усилению, синергизму, интеллекта, что приводит к нарастающему появлению новых знаний практически во всех областях деятельности человека.

Клетка, как биологический объект, по-прежнему сегодня, как и ранее, привлекает внимание исследователей с точки зрения пространственно-временной организации и способности формировать вышестоящие иерархические уровни: тканевой, органный и организменный. Ядро клетки представляет собой хранилище информации, закодированной в структуре высокомолекулярных белковых соединений [232, 35, 50, 24, 43, 242]. Исследования морфологии ядра представляют большой интерес не только с биологической точки зрения [89, 90], но и с позиций дисциплин, моделирующих биологические объекты в макромире [25, 33, 56, 76, 260 ]. Так известно, что в основе работ по искусственному интеллекту лежат биологические принципы [176], в том числе принципы организации микроскопических структур - клеток и клеточных композитов. Многочисленные работы по математике [86, 328, 342, 343, 349], кибернетике [51,259], синергетике [ 158, 179], биофизике [30, 89, 93] и другим наукам [32, 65, 168, 169] являются убедительным доказательством неослабевающего интереса к биологическим объектам и к клетке в частности. Наряду с этим, клетка, как и ее высшие структурные сообщества - ткани, органы и организм, являются прототипами моделей технических устройств - роботов [181], автоматизированных и компьютерных систем [1, 130]. Исследования, проводимые на стыке биологии и техники, биологии и физики, медицины и физики, демонстрируют безграничность возможностей прототипа как в структурном, так и в функциональном аспектах. Следует заметить, что в прототипе, человеческом организме, и в компьютере и программах, творениях человеческого гения, таится определенное сходство, тем более усиливающееся, чем более совершенствуется знание человека о структуре и функциях организма и о технологиях построения электронных устройств, то есть, посредником между двумя вещами, организмом и технической моделью, становится знание, которое основано на наблюдении и научном эксперименте. Вероятно, компьютерная логика, человеческий мозг и вся природа следуют единым законам [187]. Следовательно, в настоящее время взаимодействие человека, как объекта когнитивной популяции, с компьютерами, объектами технической популяции, по механизму и результатам может и должно быть принято, как взаимноусиливающее. Синергизм биологических и технических систем очевиден, но как являение нуждается в детальном анализе и пристальном внимании.

Таким образом, в работе показано, что несмотря на различные источники происхождения клеточной, когнитивной и компьютерной популяций, в рамках единого информационного пространства к ним применима общая методология исследования как на уровне количественного описания структуры их объектов (особей), так и на популяционном уровне.

1. Автандилов Г.Г. Компьютерная микротелефотометрия в диагностической гистоцитопатологии. -М.: Медицина, 1996. -256с.

2. Автандилов Г.Г. Введение в количественную патологическую морфологию. -М.: Медицина, 1980. -216с.

3. Автандилов Г.Г. и др. Системная стереометрия в изучении патологического процесса / Г.Г. Автандилов, Н.И. Яблучанский, В.Г. Губенко. -М.: Медицина, 1981. -192с.

4. Агаджанян И.А. Ранее неизвестные сигналы гибнущих // www.arminco.com/hayknet/ignat/annot.htm-EpeBaH: Наири, 1997. -с. 64.

5. Актуальные проблемы развития человека и млекопитающих: Труды Крымского ордена Трудового Красного Знамени медицинского института, том 101. -Симферополь, Таврида, 1983. -288 с.

6. Александров Г.Н. Педагогические системы, педагогические процессы и педагогические технологии в современном педагогическом знании / Г.Н. Александров, Н.И. Иванкова, Н.В. Тимошкина // Educational Technology & Society. -2000. -3(2). -P. 134-149.

7. Алов И.А. Основы функциональной морфологии клетки / И.А. Алов, А.И. Брауде, М.Е. Аспиз. -М.: Медицина, 1966. -414с.

8. Аноприенко А.Я. Универсальные моделирующие среды / А.Я. Аноприенко, В.А. Святный // www.masters.donntu.edu.ua/2002/ fvti/shramko/source/articles/zweite.html

9. Анохин П.К. Избранные труды: Кибернетика функциональных систем. -М.: Медицина, 1998. -400с.

10. Анохин П.К. Системные механизмы высшей нервной деятельности. -М.: Наука, 1979.-453с.

11. Аристотель. Метафизика. М.:, JI., 1934.

12. Арнольд В.И. "Жесткие" и "мягкие" математические модели. -М.: МЦНМО, 2000. -32с.

13. Архипенков С. Хранилища данных. От концепции до внедрения / С. Архипенков, Д. Голубев, О. Максименко. -М.: Диалог МИФИ, 2002. -528с.

14. Атанов Г.А. Организация вводно-мотивационного этапа деятельности в компьютерной обучающей системе / Г.А. Атанов, В.В. Локтюшин // Educational Technology & Society. -2000. -3(2). -P. 118-125

15. Бадмаев Б.Ц. Психология и методика ускоренного обучения. -М.: Владос, 1998.-272с.

16. Бадриева Э.А., Румянцева Э.А. Морфологические особенности реакции тимуса и лимфатических узлов при стрессовом воздействии // III зональная научно-практическая конф. Анатомов, гистологов, эмбриологов Сибири и Дальнего Востока. -1983. -С. 12-13.

17. Базыкин АД. Математическая биофизика взаимодействующих популяций. -М.: Наука, 1985. -181с.

18. Бартелз П.Х., Виед Дж.Л. Анализ на ЭВМ и биомедицинская интерпретация микрообъектов: современные проблемы и направления будущих исследователей //ТИИЭР. -1977, 65. -№ 2. -С. 90-102.

19. Бартлетт М.С. Многомерная статистика // Теоретическая и математическая биология. -М.: Мир, 1968. -С. 221-246.

20. Башмаков Ф.И. Разработка компьютерных учебников и обучающих систем / Ф.И. Башмаков, И.А. Башмаков. -М.: Информ.-издат.дом "Филинъ", 2003.-616с.

21. Белов В.В. Адаптивное восстановление космических снимков подстилающей поверхности Земли с использованием априорной информации / В.В. Белов, Е.С. Артамонов, К.Т. Протасов. http://www.ict.nsc.ru/ws/programm.phtml?ru+28+0 (2003).

22. Белов JI.H. О возможности оценки гетерогенности клеточной популяции на основе анализа статистических свойств микроструктур / JI.H. Белов, Э.М. Курашов, Г.Н. Шорина // I Всесоюзная конф.: Тез. докл. -1978. -С. 49-50.

23. Белоножко А.П. Оценка клеток костного мозга по содержанию нуклеиновых и белковых компонентов // Материалы III Всесоюзного симпозиума "Дифференцировка клеток в гисто-и органогенезах": Тез. докл.-1975.-С. 41-44.

24. Беркович С.Я. Клеточные автоматы как модель реальности: поиски новых представлений физических и информационных процессов. -М.: Изд-во МГУ, 1993.-110 с.

25. Блюменфельд JI.A. Информация, термодинамика и конструкция биологических систем // Соросовский образовательный журнал. -1996. -№7. -С. 88-92.

26. Богачев Р.С. Использование искусственной нейронной сети для прогнозирования нарушений ритма сердца при синдромах предвозбуждения желудочков / Р.С. Богачев, О.А. Козырев, В.А. Круглов // Вестник новых медицинских технологий. -2000. -№2. -С. 1820.

27. Богданов А.К. Оптико-структурный машинный анализ лейкоцитов (автоматизированная обработка изображений клеток): Дис. . канд. биолог, наук: 03.00.11 / Университет дружбы народов им. П. Лумумбы. -М.: 1983. -122 с.

28. Богданов К.М. Метод количественного анализа морфологических структур на основе их статических характеристик // Машинный анализ микроскопических объектов. -М.: Наука, 1968. -С. 21-31.

29. Богданов К.М. Проблема распознавания образов в машинной диагностике микроструктур // II совещание по проблемам автоматического анализа биологических микроструктур и процессов: Тез. докл.-1968. -С. 10-11.

30. Бойко Ю.В. Математическое моделирование структуры хроматина интерфазных ядер клеток / Ю.В. Бойко, П.Г. Литвинко, Ю.И. Пешунин // Новые приложения морфометрии и математическое моделирование в медико-биологоческих исследованиях. -Харьков, 1990. -С. 30.

31. Болочагин В.Ю. Солитонная природа пульсовой волны / В.Ю. Болочагин, А.Н. Волобуев, В.А. Неганов // Вестник новых медицинских технологий. -2000. -№2. -С. 42-45.

32. Боцалов К.М. Применение методов кибернетики в гистологии // VII Всесоюзный съезд анатомов, гистологов, эмбриологов: Тез. докл. -М.: -1966. -С. 80-81.

33. Бродский В.Я. Количественное определение веществ в структурах животной клетки // Т. 102. -М.: ДАН СССР, 1955. -Т.2. -С. 357-360.

34. Бродский В.Я. Полиплоидизация ядра соматической клетки (механизм, возможной значение) // III Всесоюзный симпозиум по структуре и функции клеточного ядра: Тез. докл. -М.: -1970. -С. 118-119.

35. Брондз Б.Д. Т-лимфоциты и их рецепторы в иммунологическом распознавании. -М.: Наука, 1987. -470 с.

36. Бургер Р. Большой справочник по компьютерным вирусам // shdial.chat.ru -(2001).

37. Бурцев М.С. Исследование механизмов целенаправленного адаптивного управления / М.С. Бурцев, Р.В. Гусарев, В.Г. Редько // www.keldysh.ru/pages/mrbur-web/publ/tsc/index.html -(2002).

38. Васильев В.И. Методологические правила конструирования компьютерных педагогических тестов / В.И. Васильев, А.Н. Демидов, Н.Г. Малышев -М.: Всемирн.технолог.унив-т. -2000. -64 с.

39. Васильев В.И. Культура компьютерного тестирования. Ч. 1. Философия адаптивного тестирования / В.И. Васильев, Т.Н. Тягунова. -М.: МГУП, 2002. -200 с.

40. Васин Ю.Т. Математическая модель структурирования описания графических изображений / Ю.Т. Васин, О.А. Башкиров, С.Б. Рудометов // Автоматизация обработки сложной графической информации. -Горький, Изд-во ГГУ, 1983. -С. 92-117.

41. Введение в количественную гистохимию ферментов/ Под ред. Проф. Журавлевой Т.Б. и к.м.н. Прочуханова Р.А. -М.: Медицина, 1978. -245 с.

42. Велып У. Введение в цитологию и гистологию животных: Пер с нем./ У. Вельш, Ф. Шторх -М.: Мир, 1976. -260 с.

43. Вентцель Е.С. Теория вероятностей. -М.: Наука, 1969. -576с.

44. Вернадский В.И. Биосфера: Изб.тр.: В 5 т. -М.: Наука, 1965. -520с.

45. Вернадский В.И. Научная мысль как планетное явление. -М.: Наука, 1991.-271 с.

46. Вернадский В.И. Несколько слов о ноосфере// Успехи соврем, биологии. -1945, -Т. 18, -вып.2.

47. Вернадский В.И. Философские мысли натуралиста. -М.: Наука, 1988. -519с.

48. Верхаген К. Распознавание образов, состояние и перспективы: Пер. с англ. / К. Верхаген, Р. Дёйн, Ф. Грун,. Й. Йостен, П. Вербек -М: Радио и связь, 1985. -104 с.

49. Вилли К. Биология. -М.: Мир, 1968. -808 с.

50. Винер Н. Кибернетика: Или управление и связь в животном и машине. -М.: Наука, 1983. -344 с.

51. Виноградов Ю. А. О конструировании технорецепторов // radiomania.by.ru/enc/electrhome/technoreceptor/6.shtml -(2003).

52. Волкова О.В. Основы гистологии с гистологической техникой / О.В. Волкова, Ю.К. Елецкий. -М.: Медицина, 1982. -301 с.

53. Вольтерра В. Математическая теория борьбы за существование. -М.: Наука, 1976. -288 с.

54. Вяткин В.Б. Комбинаторно-семантический подход к определению количества информации, как новый инструмент познания окружающей действительности // inftech.webservis.ru/it/information/ -(2003).

55. Гаврилов А. В. Использование искусственных нейронных сетей для анализа данных / А.В. Гаврилов, В. М. Канглер // Сб. науч. трудов НГТУ. -1999. -№ 3. -с. 56-63.

56. Гаврилов А.В. Автоматизированная система тестирования знаний в среде Internet/Intranet / А.В. Гаврилов, В.М. Канглер, Л.Г. Макаревич -Межд. Конф. "Научное и методическое обеспечение системы дистанционного образования". Томск, -2000. -С. 88-90

57. Гаврилов O.K. Клетки косного мозга и периферической крови / O.K. Гаврилов, Г.И. Козинец, Н.Б. Черняк. -М.: Медицина, 1985. -286 с.

58. Гальперин П.Я. Психология мышления и учение о поэтапном формировании умственных действий // Исследования мышления в советской психологии: Сб. научн. трудов. -М.: Наука, 1966. С. 236-278.

59. Гаспарян С.А. Страницы истории информатизации здравоохранения России / С.А. Гаспарян, Е.С. Пашкина. -М.: 2002. -304с.

60. Гельфанд И.М. Очерки о совместной работе математиков и врачей / И.М. Гельфанд, Б.И. Розенфельд, М.А. Шифрин. -М.: Наука, 1989. -272с.

61. Гельфанд И.М. О математическом моделировании механизмов центральной нервной системы / И.М. Гельфанд, М.Л. Цетлин // Модели структурно-функциональной организации некоторых биологических систем. -М.: Наука, -1966. -С. 9-26.

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

63. Глотов В. А. Геометрия биологического тканевого пространства // globus .smolensk.ru/user/sgma/MMORPH/N-3-html/10.htm -(1997).

64. Глушков В.М. Основы безбумажной информатики. -М.: Наука, 1982. -552 с.

65. Гнатюк В.И. Оптимальное построение техноценозов. Теория и практика. -М.: Центр систем.исслед., 1999. -271 с.

66. Гнатюк В.И. Ранговый анализ техноценозов / В.И. Гнатюк, О.Е. Лагуткин. -Калининград, 2000. -86 с.

67. Гнитецкая Т.Н. О концептуально-информационном подходе к обучению // Новые информационные технологии в образовании. Тезисы докладов первой дальневосточной школы-семинара ДВГУ // www.dvgu.ru/vido/ supermarket/Data/koniykon.html -(1997).

68. Гололобов В.Г. Динамика тканевых реакций при аллотрансплантации полнослойного кожного лоскута. Иммунокомпетентные клетки в ложе трансплантанта//Арх. АГЭ. -1984. -№5. -С. 85-91.

69. Голяс Ю.Э. Системы ввода и обработки изображений В ПЭВМ: проектирование технических средств / Ю.Э. Голяс, А.В. Бобряков, А.И. Гаврилов. -М.: Машиностроение, 1993. -224с.

70. Горбачев В.В. Концепции современного естествознания // juristy.ru/konspekt/tnatscience.htm -(2001).

71. Грант Д.П. Философия, культура, технология: перспективы на будущее // Социальные проблемы современной техники (Препринт). -М.: -1986.

72. Гречко П.К. Электронный учебник по философии: основания, контекст, импликации // Актовая речь. -М.: РУДН, 2002. -23 с.

73. Гринько B.C. Некоторые проблемы институционализации национальной отечественной российской философии // grinko.boom.ru/Norfo.htm (2003).

74. Гроссман С. Математика для биологов: Пер. с англ./ С. Гроссман, Дж. Тернер -М.: Высшая школа, 1983. -383 с.

75. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии. -JL: Медицина, 1990. -176 с.

76. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. -Л.: Медицина, 1978. -296 с.

77. Гудвин Б. Временная организация клетки: Пер. с англ. -М.: Мир, 1966. -252с.

78. Данилов-Данильян В.И. К вопросу о коэволюции природы и общества. // docs.hotmail.ru/danl.html -(1998).

79. Дейт К.Дж. Введение в системы баз данных: Пер с англ./ Под ред. А.В. Степцова -М.: Вильяме, 2001. -1072с.

80. Долова С.Л. Анализ важности диагностических признаков / С.Л. Долова, В.В. Окатьев, Т.В. Хлебникова // Международная конференция по математическому моделированию: Тез. докл. -1993. -С. 133 -138.

81. Домбровский Ю.А. Рыбные популяции в стохастической среде: модели управления и выживания / Ю.А. Домбровский, Ф.А.Сурков. -Ростов-на-Дону: Изд-во Ростовского. Ун-та, 1991. -120 с.

82. Дубенская Л.И. Морфологический анализ крови как метод оценки адаптации организма / Л.И. Дубенская, С.М. Баженов // globus.smolensk.ru/user/sgma/ MMORPH/N-2-html/l 1.НТМ -(1997).

83. Дунин-Барковский И.В. Теория вероятностей и математическая статистика в технике (общая часть) / И.В. Дунин-Барковский, Н.В. Смирнов.-М.: Гос.изд.тех.лит. 1955.-558с.

84. Дэниэл Е. О'Лири Управление корпоративными знаниями // www.osp.ru/ os/1998/04/07.htm -(1998).

85. Евдокимов В.Н. Вероятностная оптимизация выводов и реализация на ее основе методов, алгоритмов и программных комплексов, автоматизированной диагностики наследственных болезней: Автореф. дис. д-ра техн.наук: 05.13.18; 05.11.17. -М.: 2001. -43 с.

86. Ермолов А.С. Компьютерные технологии в анализе клинико-физиологических исследований в неотложной хирургии / А.С. Ермолов, О.Г. Синякова, А.И. Ишмухаметов. -М.: Триада-фарм, 2002. -186 с.

87. Зайнуллин В.Г. Современные аспекты радиобиологии Drosophila melanogaster. Апоптоз и старение / В.Г. Зайнуллин, А.А. Москалев, М.В. Шапошников // Радиационная биология. Радиоэкология. -1999. -№1. -С. 49-57.

88. Живая клетка/ Под ред. Г.М.Франк -М.: 1966. -238 с.

89. Збарский И.Б. Организация клеточного ядра. -М.: Медицина. 1988. -368 с.

90. Зинашева Г. Разработка и исследование математических моделей распознавания в условиях неполноты стандартной начальной информации и описаний распознаваемых объектов: Автореф. Канд.ф.м.наук: -М.: 1993. -19 с.

91. Иваницкий Г.Р. Методы машинного анализа морфологии клеток и срезов ткани: автореф. дис. . д-ра . наук. -Пущино., 1970. -32 с.

92. Иваницкий Г.Р. Математическая биофизика клетки / Г.Р. Иваницкий, В.И. Кринский, Е.Е. Сельков. -М.: Наука, 1978. -309 с.

93. Иваницкий Г.Р. Автоматический анализ микрообъектов / Г.Р. Иваницкий, JI.JI. Лишинская, В.Л. Шахматова. -М.: Энергия, 1967.

94. Интеллектуальная сеть. Проблемы создания и внедрения, Москва, ноябрь 1995г.: Доклады 2-ого Ежегодного научн. семинара. -М.: Оргсервис ЛТД, 1995. -72 с.

95. Информационная бионика и моделирование: Сб. науч. тр. -М.: Гос ИФТП, -1995.

96. Информационно-образовательные технологии в медицине, Великий Новгород, 2002г.: материалы конф. -Великий Новгород, Виконт, 2002. -С. 145

97. Исаков B.JI. Современные методы автоматизации цитологических исследований / B.JI. Исаков, В.Г. Пинчук, JI.M. Исакова. -Киев: Наук. Думка, 1988. -216 с.

98. Истомин В.В. Автоматизированная микрокортикография головного мозга человека (разработка и результаты применения метода): Автореф. дис. . канд.мед.наук: 03.00.11 / НИИ клинической психиатрии ВНЦ ПЗ АМН СССР. -М.: 1987.-16 с.

99. Кавцевич Н.Н. Структура популяции лимфоцитов периферической крови афалины (цитохимическое исследование): Автореф. дис. . канд.биол. наук: 14.00.23 / Минский медицинский институт и Мурманский морской биологический инст. АН СССР -М.: 1989. -16 с.

100. Казанин В.И. Систематика клеточных реакций в патологии. -М.: Медицина, 1983. -72 с.

101. Капица П.Л. Эксперимент. Теория. Практика. -М.: 1985. 165 с.

102. Капица С.П. Сколько людей жило, живет и будет жить на земле. Очерк теории роста человечества // www.odn.ru/kapitza/ -(1999).

103. Капица С.П. Модель роста населения Земли // Успехи физической науки. -1995. -Т.26. -№3. -С.111-128.

104. Карлащук В.И. Обучающие программы. -М.: СолонР, 2001. -528 с.

105. Кастлер Г. Возникновение биологической организации / Пер. с англ. Н. А. Райской. Под ред. и с предисл. проф. J1. А. Блюменфельда. -М.: Мир, 1967. -90 с.

106. Катайцева И.А Инновационный потенциал педагогического коллектива -основа успешной подготовки специалиста / И.А. Катайцева, Р.П. Маслова // nioz.narod.ru/ 2002.

107. Кирилова Г.И. Информационные технологии и компьютерные средства в образовании//Еёиса11опа1 Technology & Society. 2000. №4(1), -P. 125136.

108. Клетки крови -современные технологии их анализа/ Г.И. Козинец, В.М. Погорелов, Д.А. Шмаров -М.: Триада-Фарм, 2002. -200 с.

109. Колмогоров А.Н. Три подхода к определению понятия количества информации. //Проблемы передачи информации. -1965. -Вып. 1. Т.1. -С. 3.

110. Ш.Конолли Т. , Бегг К., Страчан А. Базы данных: проектирование, реализация и сопровождение. Теория и практика, 2-е изд.: Пер. с англ. -М.: Вильяме, 2001. -1120 с.

111. Коробицын В.В. О математическом моделировании этнических процессов. Распространение этнических полей // www.gumilevica.kulichki.net/debate/Article32.htm -(2001).

112. Краткий словарь системы психологических понятий / Сост. К.К. Платонов. -2-е изд. -М.: Высшая школа, 1984. -174 с.

113. Крон Г. Тензорный анализ сетей// plotnikovna.narod.ru/kron.html -(2002).

114. Крот A.M. Анализ и генерирование информационных потоков в задачах моделирования динамических систем на основе полиномиальной алгебры.: Атореф.дис. д-ра наук. -Минск.: 1991. -32 с.

115. Кудрин Б.И. Введение в науку о технической реальности: Автореф. дис. . д-ра филос. наук. -М.: 1996. -32 с.

116. Кун Т. Структура научных революций.-М.: ACT , 2002. -608с.

117. Курганская Г.С. Модели, методы и технология дифференцированного обучения на базе интернет: Автореф.дис. . д-ра физ.-мат. наук: 05.13.11. / Иркутский государственный университет. -М.: 2001. -32 с.

118. Кухаренко В.Н. Создание дистанционного курса Харьковский ГПУ // www.dist-edu.ru/konf/7KONFDO/dokl/kuhar.htm -(1997).

119. Лабскер Л.Г. Вероятностное моделирование в финансово-экономической области. -М.: Альпина Паблишер, 2002. -224 с.

120. Лакатос И. Доказательства и опровержения: Как доказываются теоремы. -М.: Наука, 1967.

121. Лапец О.П. Оптико-структурный машинный анализ гемопоэтических клеток в процессе их дифференцировки: Автореф.дис. канд.био л .наук: 03.00.11/ Университет дружбы народов им. П. Лумумбы. -М.: 1983. -24 с.

122. Латино-русский словарь / Сост. О. Петрученко. -Репринт IX-го издания 1914 г. -М.: Греко-лат. Каб. Ю.А. Шичалина, 1994. -810 с.

123. Лахно В.Д. Биоинформатика и высокопроизводительные вычисления // www.rfbr.ru/default.asp?docid=4764 -(2003).

124. Лем С. Сумма технологии. -М.: ACT, Terra Fantastica, 2002. 672 с.

125. Леонов В.П. Долгое прощание с лысенковщиной // www.biometrica.tomsk.ru/lis.htm -(2003).

126. Лилли Р. Патогистологическая техника и практическая гистохимия. -М.: Мир, 1969.-645 с.

127. Лимфоциты. Методы: Пер. с англ./ Под ред. Дж. Клауса. -М.: Мир, 1990. -393 с.

128. Лойда 3., Госсрау Р., Шиблер Т. Гистохимия ферментов. Лабораторные методы. -М.: Мир, 1982. -270 с.

129. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. -М.: Мир, 1991.-568 с.

130. Малинецкий Г.Г. Параметры порядка, самоорганизация и получение образования //www.keldysh.ru/departments/dpt17/gmalin.html -(2003).

131. Малявин Д.А. КТО МЫ ? новый взгляд на вопрос о происхождении жизни на Земле //orglife.narod.ru/STATJA.htm -(2001).

132. Математическое моделирование системы образования / Т.С. Ахромеева, С.А. Кащенко, Г.Г. Малинецкий : Препринт ИПМ № 100, Москва, // library.keldysh.ru/prepvw.asp ?pid=2063&pos=0 -(1995).

133. Матрос Д.Ш. Управление качеством образования на основе новых информационных технологий и образовательного мониторинга / Д.Ш. Матрос, Д.М. Полев, Н.Н. Мельникова. -М.: Педагогическое общество, 2001.-128 с.

134. Машбиц Е.И. Психолого-педагогические проблемы компьютеризации обучения. -М.: Педагогика, 1988. -392 с.

135. Медведева Н.Б. Динамика логистической функции // www.issep.rssi.ru/pdf/0008l 21 .pdf-(2001).

136. Медицинское образование в наступающем 21 веке //Тез. докл. науч.-педагог. конф. -М.: Изд-во РУДН, 2000. -56 с.

137. Меркулов И.П. Эволюционная эпистемология и философия биологии // www.philosophy.ru/iphras/library/phnauk2/SCIENCE4.htm#ftnren6

138. Михайлов И.Н. Структура и функция эпидермиса. -М.: Медицина, 1979. -240 с.

139. Михайлова Т.Е. Метод оптико-структурного машинного анализа в исследовании функционального состояния миометрия: Автореф. дис. . канд.мед. наук: 03.00.11 / Университет дружбы народов им. П. Лумумбы.-М.: 1975. -34 с.

140. Мичи Д., Джонсон Р. Компьютер-творец: Пер. с англ. -М.: Мир, 1987. -255 с.

141. Могилев А.В. Об особенностях протекания психических процессов при работе с персональным компьютером / А.В. Могилев, В.Н. Панченко, А.Ю. Татаринцева// src.nsu.ru/conf7nit/97/cl/nodel0.html -(1997).

142. Могилев А.В. О перспективах развития информатики как учебного предмета. Анализ базовых понятий // www.teacher.fio.ru/news.php ?п=2123&с=99 -(2000).

143. Моисеев Н.Н. Алгоритмы развития. -М.: Наука, 1987. -303 с.

144. Моисеева Т.Ю. Анализ деятельности живых систем с позиций информационно-термодинамического подхода: Автореф. дис. .д-ра мед. наук: 14.00.16 / Российский университет дружбы народов.-М.: 2000. -28 с.

145. Молекулы и клетки/ Под ред. Г.М. Франк. -М.: 1966. -186 с.

146. Морфофункциональные методы исследования в норме и при патологии/

147. A.ф. Киселева, А.Я. Житников, JI.B. Кейсевич -Киев, Здоров'я, 1983. -168 с.

148. Мосалов О.П. Модель поискового поведения анимата / О.П. Мосалов,

149. B.А. Непомнящих, В. Г. Редько // library.keldysh.ru/prepvw.asp -М.: ИПМ №19,1993.

150. Мурга JI.O. Обучающая система по решению графовых задач // Educational Technology & Society -2000. -3(2). -P. 126-133.

151. Наградова H.K. Внутриклеточная регуляция формирования пространственной структуры белков// Соросовский образовательный журнал. -1996, -№ 7.

152. Нанс Б. Компьютерные сети: Пер. с англ. -М.: Бином, 1995. -400 с.

153. Недорезов JI.B. Nonparametric model of predator-prey system: Effect of positive influence of predation // Международная конференция по математическому моделированию: Тез. докл. -1994. -С. 69 -76.

154. Недорезов JI.B. Математическая теория популяционного взрыва // Международная конференция по математическому моделированию: Тез. докл.-1994. -С. 82 -83.

155. Недорезов JI.B. Динамика численности лесных насекомых: взаимосвязь моделей с непрерывным и дискретным временем / JI.B. Недорезов, Б.Н. Недорезова // Международная конференция по математическому моделированию: Тез. докл. -1994. -С. 83 -85.

156. Недорезов JI.B. Взаимосвязь устойчивости и разнообразия в модели Лотки-Вольтерра конкуренции / Л.В. Недорезов, Ю.А. Сидько // Международная конференция по математическому моделированию: Тез. докл.-1994. -С. 85 -86.

157. Нечаев В.В. Моделирование экономического компьютерного контроля знаний: одноступенчатые планы / В.В. Нечаев, А.П. Свиридов, И.А. Шалобина // Информационная бионика и моделирование: Сб. науч. тр. -1995. -С.149-156.

158. Николис Г. Самоорганизация в неравновесных системах / Г. Николис, И.Р. Пригожин. -М.: Мир, 1984. -512 с.

159. Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. -М.: Радио и связь, 1985. -373 с.

160. Новосельцев В.Н. Математическое моделирование в век компьютеров // lgkb.kazan.ru/00l4/ -(2002).

161. Новый подход к инженерному образованию: теория и практика открытого доступа к распределенным и информационным техническим ресурсам / Ю.В. Арбузов, В.Н. Леныпин, С.И. Маслов ; Под ред. А.А. Полякова. -М.: Центр-Пресс 2000. -238 с.

162. Одрин В.М. Морфологический анализ систем / В.М. Одрин, С.С. Картавов. -Киев: Наукова думка, 1977. -147 с.

163. Одум Ю. Экология : В 2-х т. -М.: Мир, 1986. -726 с.

164. Оптико-структурный машинный анализ в биологии и медицине: Сб. науч. тр. УДН им. П.Лумумбы. -М.: УДН им. П. Лумумбы, 1984. -167 с.

165. Оптико-структурный машинный анализ изображений/ К.М. Богданов, К.А. Яновский, Ю.Г. Козлов; Под ред. К.А. Яновского. -М.: Машиностроение, 1984. -280 с.

166. Основные итоги Всероссийской переписи населения 2002 года // www.gks.ru/PEREPIS/osnitog.htm-(2003).

167. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с англ. -М.: Радио и связь, 1986. -400 с.

168. Петленко В.П. Основные методологические проблемы теории медицины. -J1.: Медицина, 1982. -256 с.

169. Петров М.К. Язык, знак, культура М.: Наука, 1991. -328 с.

170. Петунин А.И. Автоматизированный анализ клеточных популяций крови: Автореф. дис. канд.биол. наук. -Красноярск., 1991.-21 с.

171. Печенков В.В. Проблемы индивидуальности: общие и специально человеческие типы ВНД. http://elibrary.ru/books/teplov/3-l-2.htm (2002).

172. Пирс Т. Искусственный интеллект: применение в химии: Пер. с англ / Т. Пирс , Б. Хони. -М.: Мир, 1988. -430 с.

173. Пирс Э. Гистохимия. -М.: 1962. -963 с.

174. Поликар А. Элементы патологии клетки/ Пер. с франц. A.M. Карпаса. Под ред. С.Я. Залкинда. -М.: Мир, 1970. -348 с.

175. Поспелов Г.С. Искусственный интеллект -основа новой информационной технологии. -М.: Наука, 1988. -212 с.

176. Поспелов Д.А. Фантазия или наука: на пути к искусственному интеллекту. -М.: Наука, 1982. -220 с.

177. Претт У. Цифровая обработка изображений: Пер. с англ. -М.: Мир, 1982. -480 с.

178. Пригожин И. Время, хаос, квант / И. Пригожин, И. Стенгерс. -М.: 1994. -С. 254-255.

179. Применение методов кибернетики в гистологии // Тез. докл. VII Всесоюзного съезда анатомов, гистологов, эмбриологов. -Тбилиси, Мецниереба, 1966. -С.80-81.

180. Промышленные роботы и манипуляторы / Н.А. Колтовой. // Т.З. Системы обработки изображений. -М.: ВИНИТИ 1992. -100 с.

181. Расницын А.П. Процесс эволюции и методология систематики // palaeoentomolog.ru/Publ/methodology.html -(2003).

182. Рачков В.П. Техника и ее роль в судьбах человечества. -Свердловск, 1991.-242 с.

183. Редько В.Г. Эволюционная биокибернетика. Почему так медленно развивается актуальная наука? // Вестник РАН. -1997. -№9. -С.800-803.

184. Редько В.Г. Проблемы интеллектуального управления общесистемные, эволюционные и нейросетевые аспекты (приглашение к круглому столу) // www.keldysh.ru/BioCyber/ -(2001).

185. Ризниченко Г.Ю. Лекции по математическим моделям в биологии. Часть 1. -Ижевск: НИЦ "Регул. И хаотич. Динамика", 2002. -232 с.

186. Ризниченко Г.Ю. Экология математическая // www.biophys.msu.ru/ scripts/trans.pl/DOS/cyrillic/rbpdb99/40EDU/30BOOKS/70Riznichenko/ -(2001).

187. Ромейс Б. Микроскопическая техника. М.: Иностр. Лит. 1954. - 324 с.

188. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. -М.: Наука, 1989. -192 с.

189. Руденко-Моргун О.И. К вопросу о типологии и статусе электронных изданий учебного назначения / О.И.Руденко-Моргун, Л.А. Дунаева // ito.bitpro.ru/2002/II/4/II-4-193.html -(2002).

190. Семенов С. Инновационный потенциал средних слоев в пограничных цивилизациях (на примере Латинской Америки) // www.iet.ru/publics/ch/ch22.htm -(1999).

191. Сергиенко В.И. Математическая статистика в клинических исследованиях / В.И. Сергиенко, И.Б. Бондарева. -М.: 2001. -256 с.

192. Сигел Э. Практическая бизнес-статистика: Пер. с англ. -М.: Изд.дом "Вильяме", 2002. -1056 с.

193. Силин А.А. Живое в концепции информационного отображения/ Биофилософия. -М.: 1997. С.164-182.

194. Симанков B.C. Системный анализ в адаптивном управлении: Монография (научное издание). / B.C. Симанков, Е.В. Луценко, В.Н. Лаптев; Под науч. ред. В. С. Симанкова. Ин-т совр. технол. и экон. -Краснодар, 2001. -258с.

195. Скляр Б. Цифровая связь. Теоретические основы и практическое применение: Пер. с англ./ Под ред. А.В. Назаренко -М.: Вильяме, 2003. -1104с.

196. Славин М.Б. Методы системного анализа в медицинских исследованиях. -М,: Медицина, 1989. -304 с.

197. Словарь иностранных слов / Под ред. И.В. Лехина и проф. Ф.Н. Петрова.-З-е переработанное и дополненное изд. -М.: ГИИНС, 1949. -804 с.

198. Смит Р.Э. Аутэнтификация: от паролей до открытых ключей: Пер. с англ. -М.: Вильяме, 2002. -432 с.

199. Соколов Е.Н. Нейроинтеллект: от нейрона к нейрокомпьютеру / Е.Н. Соколов, Г.Г. Вайткявичус. -М.: Наука, 1989. -238 с.

200. Соколова И.В. Социальная информатика и социология: проблемы и перспективы взаимосвязи. // infosphere.narod.ru/files/monografy/ socolova/weden.html -(1999).

201. Столлингс В. Компьютерные системы передачи данных: Пер. с англ./ Под ред. А.В. Высоцкого -М.: Вильяме, 2002. -928 с.

202. Строган Р.В. Диалоговая система анализа интегрированных данных о кадровом составе вуза / Р.В. Строган, В.И. Швецов, СЛ. Долова // Международная конференция по математическому моделированию: Тез. докл.-1993.-С. 43 -53.

203. Стронгин Р.Г. Програмные средства для образовательных целей, основанные на имитации объектов изучения (Принципы создания) // Математическое моделирование в образовании: Межвузовский тематич. сб. науч. тр.-1993.-С. 5-15.

204. Струков А.И. Морфологический эквивалент функции / А.И. Струков, O.K. Хмельницкий, В.П. Петленко. -М.: Медицина. 1983. -208 с.

205. Структурные основы адаптации и компенсации нарушенных функций: Руководство/ Амн СССР; Л.И. Аруин, А.Г. Бабаева, В.Б. Гельфанд; Под ред. Д.С. Саркисова. -М.: Медицина, 1987. -448 с.

206. Субетто А.И. Социогенетика. -СПб. -М.: Иссл.ЦПКПС, 1994. -168 с.

207. Сулейманов Дж. Ш. Исследование базовых принципов построения семантического интерпретатора вопросно-ответных текстов на естественном языке в АОС // Educational Technology & Society -2001. -4(3). -С. 178-192

208. Суходольский Г.Б. Основы психологической теории деятельности. Ленинград: Изд-во ЛГУ, 1988.

209. Сыроешкин А.В. Кинетика клеточных процессов в норме и патологии: Автореф. дис. . д-ра техн. наук: 05.13.11 / Российский университет дружбы народов.-М.: 2001. -34 с.

210. Сяткин С.П. Полиамины и лизосомы как система опосредованной регуляции химическими веществами процессов клеточной пролиферации и опухолевого роста: Автореф. дис. . д-ра биол. наук: 03.00.04 / Российский университет дружбы народов. -М.: 1998. -41 с.

211. Таненбаум Э. Компьютерные сети: Пер. с англ. -СПб.: Питер, "002. -848 с.

212. Ташкэ К. Введение в количественную цито-гистологическую морфологию: Пер. с румынского -Бухарест: Акад. СРР, 1980. -190 с.

213. Технологии виртуальной реальности. Состояние и тенденции развития / Под. ред. Н.А.Носова // ich.iph.ras.ru/workscvw5.html -(1996).

214. Толковый словарь по искусственному интеллекту/ Сост. А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. -М.: Радио и связь, 1992. -256 с.

215. Традиционная и современная технология: (филос.-методол. анализ) // ru.philosophy.kiev.ua/iphras/library/technol.html -(1998).

216. Трубников О. Закон распределения конкурентов по массам как результат самоорганизации в природе и обществе// Природа. -1993. -Т.11, -N3.

217. Турчин В.Ф. Феномен науки: Кибернетический подход к эволюции. — М.: ЭТС, 2000. -368 с.

218. Умудов Х.М. Автоматизированная морфометрия эритроцитов в норме и при холестеринозе: Автореф. дис. . канд. мед. наук: 03.00.11 / НИИ Физ.хим.медицины МЗ РСФСР. -М.: 1987 -26 с.

219. Ухлинов Л.М. правление безопасностью информации в автоматизированных системах. -М.: МИФИ, 1996.

220. Филиппов В.А. Электронные хранилища информации и WEB-технологии. -М.: Эдиториал УРСС, 2001. -80с.

221. Финеан Дж. Биологические ультраструктуры: Пер. с англ. -М.: Мир, 1970.

222. Фихте Б.А. Дезинтеграторы клеток / Б.А. Фихте, Г.А. Гуревич. -М.: Наука, 1988.-224с.

223. Фогель Ф. Генетика человека / Ф. Фогель, А. Мотульский. -М.: Мир, 1989. -Т.З. -С.94.

224. Фридланд А.Я. Информатика: процессы, системы, курсы. /А.Я. Фридланд. -М.: БИНОМ. Лаборатория знаний, 2003. -232 с.

225. Фридман Л.М. Психолого-педагогические основы обучения математике в школе. -М.: Просвещение, 1983. -160с.

226. Фридман Л.М. Педагогический опыт глазами психолога: Кн. для учителя. М.: Просвещение, 1987. -223с.

227. Фролов В.А. Болезнь как нарушение информационного процесса// Актовые речи ученых университета. -М.: ПАИМС 1996. -С.3-21.

228. Фултон А. Цитоскелет. Архитектура и хореография клетки: Пер. с англ. -М.: Мир, 1987.-117 с.

229. Функциональные системы организма: Руководство/ Под ред. К.В. Судакова. -М.: Медицина, 1987. -432 с.

230. Функциональная морфология клетки./ Под ред. М.Н.Мейсель. -М.: 1963. -422 с.

231. Хазен A.M. О термине действие-энтропия-информация // www.kirsoft.com.ru/intell/KSNews57.htm -(2003).

232. Хазен A.M. Об аутизме, пределах эволюции мозга, «морковном кофе» и новой цензуре в науке // www.kirsoft.com.ru/intell/KSNews73.htm -(2003).

233. Хогдал Дж.С. Анализ и диагностика компьютерных сетей. Просто и доступно: Пер с англ. -М.: Лори, 2001. -353 с.

234. Хорн Б.К.П. Зрение роботов: Пер. с англ. -М.: Мир, 1989. -487 с.

235. Хорошевский В.Ф. Разработка и реализация экспертных систем: Инструментальный подход // Техн. Кибернетика. -1986. -№5. -С. 104114.

236. Хэм А. Гистология / А. Хэм, Д. Кормак. -М.: Мир, -1982. Т 1, -270 с.

237. Цаленко М.Ш. Моделирование семантики в базах данных. -М.: Наука, 1989. -288 с.

238. Царегородцев А.В. Информационная безопасность в распределенных управляющих системах. -М.: Изд-во РУДН, 2002.

239. Цуприков С. Анализ количества пользователей персональных компьютеров в России // www.iworld.ru/magazine/index.phtml? do=showarticle&p=83361825

240. Шевцова Н. Эволюционная биология и высокие технологии: симбиоз будущего // www.dnsk.ru/2002/hitech/1008simbioz.htm -(2002).

241. Шеннон К. Работы по теории информации и кибернетике: Пер. с англ. В.Ф. Писаренко -М.: ИЛ, 1963. с. 333-369.

242. Шеремет И.А. интеллектуальные программные среды для АСОИз. -М.: Наука, 1994. -543 с.

243. Шмелев А., Откуда берутся ключи к тесту. // psy. 1 september.ru/1999/psy48-1 .htm -(2002).

244. Шпаков А.А. Философия информационных технологий будущего единого образовательного пространства // ito.bitpro.ru/2002/I/l/I-l-85.html -(2002).

245. Штейн Л.Б. Опыт прогнозирования в медицине с помощью ЭВМ. -Л.: Изд-во Ленингр. ун-та, 1987. -146 с.

246. Экк К. Д. Знание как новая парадигма управления / Проблемы Теории и Практики Управления // www.ptpu.ru/issues/298/12298.htm -(1998).

247. Экклс Дж. Физиология синапсов. -М.: 1966. -395 с.

248. Экология человека/ Сост. Н.А. Агаджанян, И.Б. Ушаков, В.И. Торшин -М.: КРУК, 1997. -208с.

249. Эллиниди В.Н. Исследование активности ядрышкоорганизующих зон в эпителиальных клетках при гиперплазиях и раке эндометрия с использованием анализа изображения / В.Н. Эллиниди, В.И. Новик, К.М. Пожарисский // Вопросы онкологии. -2000. -№2. -С. 187-190.

250. Эллюль Ж. Другая революция // Социальные проблемы современной техники (Препринт). -М.: 1986.

251. Эшби У.Р. Введение в кибернетику. -М.: ИЛ, 1959. -432 с.

252. Янковский С .Я. Концепция общей теории информации // inftech.webservis.ru/it/information/ar2.html -(2003).

253. Ackoff R.L. Scientific method: optimizing applied research decisions / R.L. Ackoff, S.K. Gupta, S.J. Minas. -Malabar, Fla.: R.E. Krieger, 1984. -464 p.

254. Ackoff R.L. Fundamentals of operations research / R.L. Ackoff, M.W. Sasieni. -New York: Wiley, 1968. -455 p.

255. Albertini M.C. Automated analysis of morphometric parameters for accurate definition of erythrocyte cell shape / M.C. Albertini, L. Teodori, E. Piatti // Cytometry. -2003. -V.52A, №1, Part A -C.12-18.

256. Ashby W.R. An introduction to cybernetics (Design for a brain). -London, Charman & Hall Ltd, 1957. -156p.

257. Bak P. How nature works. The science of self-organized criticality. -N.Y.: Copernicus, 1999. -212p.

258. Barbara W. van de Wouwer G, Automated Breast Tumor Diagnosis and Grading Based on Wavelets Chromatin Texture Description / Barbara W. van de Wouwer G, A. van Daele, P. Scheunder et al.// Cytometry. -1998. -№33. -P.32-34.

259. Bartels P.H. Numerical evaluation of cytologic data. Description of profiles // AQCH. -1969. -№11. -C. 20-28.

260. Bartels P.H. Chromatin texture signatures in nuclei from prostate lesions / P.H. Bartels, V.D. da Silva, R. Montironi et al. // Anal Quant Cytol Histol. -1998.-№ 5.-p. 407-416.

261. Bartels P.H. Nuclear chromatin texture in prostatic lesions. I: РЕМ and adenocarcinoma / P.H. Bartels, R. Montironi, P.W. Hamilton et al. // Anal Quant Cytol Histol. -1998. -№ 20. -P.389-396.

262. Bartels P.H. Nuclear chromatin texture in prostatic lesions. II: PIN and malignancy associated changes / P.H. Bartels, R. Montironi, P.W. Hamilton et al. // Anal Quant Cytol Histol. -1998. -№ 20. -P. 397-406.

263. Bellini L.M. The Philadelphia PRIME Program: A Model For Primary Care Education Med Educ Online / L.M. Bellini, D.A. Asch // www.utmb.edu/meo/ -(1997).

264. Bibbo M. Karyometry and histometry of renalcell carcinoma / M. Bibbo, H. Galera-Davidson, H.E. Dytch, et al. // Anal Quant Cytol Histol. -1991. -№ 9. -P. 182-187.

265. Bozzo P.D. Nuclear morphometry in solar keratosis / P.D. Bozzo, L. Vaught, D.S. Alberts, et al.// Anal Quant Cytol Histol. -1998. -№ 20. -P. 21-28.

266. Bruce E.D. Telepathology Networking in VISN-12 of the Veterans Health Administration / E.D. Bruce, C. Hongyung, A.A. Urias et al. //Telemedicine Journal and e-Health. -2000. -v.6., № 3. -P.349-354.

267. Brugal G. Image Analysis of Microscopic Preparations // Methods and Achievements in Experimental Pathology. -Basel., Karger. 1984.

268. Brugal G. Samba 200: Systeme d'analyse microphotometrique a balayage automatique // Technique Sciences Informatique. -1985. -№4. -P.289-295

269. Buchanan G.R. Formation and Disappiarance of Pocked Erythrocytes: Studies in Human Subjects and and Laboratory Animals / G.R. Buchanan, C.A. Holtkamp, J.A. Norton // Amer., J. Of Haematology. -1987. V.25. -№3. -P. 243-252.

270. Churchland P.S. Perspective on Computational Neurosience / P.S. Churchland, T.J. Sejnovski // Science. -1988. -№242. -P. 741-745.

271. Collingwood R.G., et al. The Principles of History. -Oxford, 1999. -382p.

272. Colomb E., Nuclear texture parameters as discriminant factor in cell cycle and drug sensitivity studie / E. Colomb, C. Dussert, P.M. Martin // Cytometry. -1991.-№12. -P. 15-25.

273. David J. Skyrme From Information Management to Knowledge Management: Are You Prepared? // www.skyrme.com/pubs/online97.htm -(1997).

274. Doudkine A. Nuclear texture measurements in image cytometry / A. Doudkine, C. Macaulay, N. Poulin et al.// Pathologica. -1995. -№87. -P.286-299.

275. Dugan C.B. Purification of mause erythroid cells / C.B. Dugan, E.C. Macario, A.J.Z. Macario // Exp. Haematol. -1981. -V.9, №6. -P. 637-643.

276. Dytch H.E. Software Design for an inexpensive, practical, microcomruter-based DNA cytometry system / H.E. Dytch, M. Bibbo, G.H. Puis // AQCH -1986.-№8.-P.8-18.

277. Ehrlich K. Turning Information into Knowledge: Information Finding as a Collaborative Activity / K. Ehrlich, D. Cash // www.csdl.tamu.edu -(1995).

278. Erenpreisa J. Toluidine blue test for sperm DNA integrity and elaboration of image cytometry algorithm / J. Erenpreisa, J. Erenpreiss, T. Freivalds // Cytometry. -2003. -V.52A, №1, Part A -P. 19-27.

279. Fennel D.A. Stochastic modeling of apoptosis tolerance distributions measured by multivariate flow analisis of human leukemia cells / D.A. Fennel, F.E. Cotter// Cytometry. -2000. -№39. -P.266-274.

280. Fukushima K. Neocognitron: A hierarchical neural network capable for visual pattern recognition //Neural networks. 1988. -V.l, -N.2, -P.l 19-130.

281. Galloway M.M. Texture analisis using gray level run length // Computer Graphics and Image Processing. -1975. -№3. -P. 172-179.

282. Gilbert N. Simulation for the social scientist. Buckingham / N. Gilbert, K. Troitzsch. -Philadelphia, Open University Press, 1999. -288p.

283. Gubarev V.V. The Regional Automated System of the Population Health Monitoring / V.V. Gubarev, A.V. Gavrilov, G.I. Karpachev et al.// Novosibirsk: NSTU. -Proceedings. -1999. -Vol.1. -P.277.

284. Haberl H. Simulation of human population dynamics by a hyperlogistic time-delay equation / H. Haberl, H.P. Aubaur //J. Theor. Biol. 1992. -P. 156-499.

285. Hanburger A.W. Enhancement of Human Erythroid Prigenitor Cell Growth by Media Conditiond by a Human T-Limphocyte Zone // Blood. -1980. -V.56., №4. -P.633-639.

286. Haralick R.M. Textural features for image classification / R.M. Haralick, K. Shanmugan, I. Dinstein, editors.// IEEE Trans Sys Man Cybern. -1973. -№ 3. -P.610-621.

287. Hawker H. Haematological factors associated with a vascular necrosis of the femoral head in gomozygous sickle cell disease / H. Hawker, H. Neilson, R.J. Hayes // Brit. J. Haematol. -1982. -№50,1. -P.29-34.

288. Hebert F. Mathematical modeling of curve sawing techniques for the lumber industry / F. Hebert, F. Grondin, J.Plaice //Applied Mathematical Modelling. -Amsterdam, Elsevier, -2000. -24(8-9). -P.677-687.

289. Heidegger M. The Question Concerning Technology. -N. Y.: Harper & Row, 1977. -20p.

290. Hoffmeyer J. Code-Duality and the Semiotics of Nature / J. Hoffmeyer, C. Emmeche // www.geneticengineering.org/dna3/default.htm -(1991).

291. Holdren J. Population and the energy problem// Population and Environment. J. Interdiscipl. Stud. -1991. -Vol.12, N3.

292. Hutchings P. Analysis of the Cellular Interactions Involved in the Regulation of Indused Erythrosite Autoatibodies / P. Hutchings, A. Cooke // Cell. Immunol. -1981. -V.63., №2. -P. 221-227.

293. Jordan S.W. Video-based Image Collection for Quantitative Histopathology / S.W. Jordan, J.M. Brayer, P.H. Bartels // AQCH. -1988. -V.10, №1. -P.37-46.

294. Jorgensen T. Nuclear texture analysis: a new prognostic tool in metastatic prostate cancer / T. Jorgensen, K. Yogesan, K. Tveter et al. // Cytometry. -1996. -№24. -P.277-283.

295. Katz F.E. Elimination of T cells from human periferal blood and bone marrow using a cocktail of three anti-T cell immunototoxins / F.E. Katz, G. Janossy, A. Gumber // Brit. J. Haematol. -1987. V.67. -№4. -P.407-412.

296. Klapperstck T. DNA image cytometry on sections on sections as compared with image cytometry on smears and flow cytometry in melanoma / T. Klapperstck, W. Wohlrab // Cytometry. -1996. -№25. -P.82-89.

297. Kruskal W.H. Use of ranks on one-criterion variance analysis / W.H. Kruskal, W.A. Wallis //J Am Stat. -1952. -№47. -P.583-621.

298. Kuo H.R. Identification of early apoptosis in feulgen-stained cultured cells in situ by computerized image analysis / H.R. Kuo, A. Lapidus, W.C. Lambert // Cytometry. -1998. -№33. -P.420-427.

299. Lacatos I. Mathematics, Science and Epistemology // Philosophical Papers, Cambridge. -1978. -Vol. 2.

300. Lampiello F. Evaluation of the number of positive cells from cytometric immunoassays by mathematical modeling of cellular autofluorescence // Cytometry. -1994. -№15. -P.294-301.

301. Lem S. Summa technologia. Krakow, Wydawnictwo literackie, 1967.

302. Lenzerini L. Genetic Variation in the Quantitative Levels of an HADP(H)-Binding protein (FX) in Human Erythrocytes / L. Lenzerini, U. Benatti, A. Morelli // Blood. -1981. -V.57, №2. -P.209-217.

303. Lichtenstein N. Quantitative analysis of cytoskeletal organization by digital fluorecent microscopy // Cytometry. -2003. -№54A. -P.8-18.

304. Lockett S.J., Herman В. Automatic detection of clustered, fluorescent-stained nuclei by digital image-based cytometry / N. Lichtenstein, B. Geiger, Z. Kam // Cytometry. -1994. -№17. -P.l-12.

305. Lotka A.J. Elements of physical biology. Baltimore // classes.entom.wsu.edu

306. Lune C.D. Graphical Access to Medical Expert Systems: II. Design of an Interface of Physicians / C.D. Lune, J.D. Walton, E.H. Shortliffe // Meth/ Inform. Med. -1986. -V.25, №3. -P.143-150.

307. Malpica N. Applying watershed algorithms to the segmentation of clustered nuclei / N. Malpica, C. Ortiz de Solorano, J.J. Vaquero // Cytometry. -1997. -№28. -P. 289 -297.

308. Mandelbrot B. The fractal geometry of nature. N.Y.: Freeman, 1983. 480 p.

309. Mariuzzi G.M. Quantitative study of ductal breast cancer progression. A progression index (PI) for premalignant lesions and in situ carcinoma / G.M. Mariuzzi, L. Mariuzzi, A. Mombello, et al. // Pathol Res Pract. -1996. -№ 192. -P.428-436.

310. Melvin H. Hematopoiesis in the Human Spleen / H. Melvin, E. Freedman, F. Saunders //Amer. J. Haematol. -1981. -V.ll, №3. -P.271-276.

311. Montag A.J. Karyometric features in nuclei near colonic adenocarcinoma. Statistical analysis / A.J. Montag, P.H. Bartels, H.E. Dytch et al. // Anal Quant Cytol Histol. -1991. -№ 13. -P. 159-167.

312. Murata S. Detection of underlying characteristics of nuclear chromatin patterns of thiroid tumor cells using texture and facnjr analysis / S. Murata, K. Mochizuki, T. Nakazawa et al.// Cytometry. -2002. -№49. -P.91-95.

313. Mylopoulos J. Information modeling in the time of the revolution // Information system. -1998. -v. 23. -№ 3/4. -P.127-155.

314. Opfermann M. Cytometric of breast carcinoma: significance of ploidy balance and proliferation index / M. Opfermann, G. Brugal, P. Vassilakow // Cytometry. -1987. -№8. -P.217-224.

315. Oudart J.-L. Les pieges du diagnostic de la drepanocytose au laboratorie // Med. Trop. -1981. -V.41,№6. -P.689-693.

316. Palcic B. Nuclear texture: can it be used as a surrogate endpoint biomarker? // J Cell Biochem Suppl. -1994. -№ 19. -P.40-46.

317. Poulin N. Quantitative precision of futomated image cytometric system for the measurement of DNA content and distribution in cells labeled with fluorescent nucleic acid stains / N. Poulin, A. Harrison, B.Palcic // Cytometry. -1994. -№16. -P.227-235.

318. Prins G.S. Image analysis of androgen receptor immunostaining in prostate cancer accurately predicts responce to hormonal therapy / G.S. Prins, R.G. Sklarew, L.P. Pertschuk // The Journal of Urology. -1998, -Vol.159, -P.641-649.

319. Ramer A. Smoothing Over Summary Information in Data Cube / A. Ramer, S. Sung, S. Huang //Journal of System Integration. Boston, MA, U.S.A. Kluwer Academic Publishers. -2000. -№10. -P.5-22.

320. Rosenfeld A. Digital Image Processing / A. Rosenfeld, A.C. Как. -N.Y.: Acad. Press, 1982.

321. Scarpelli M. Distinguishing cortical adrenal gland adenomas from carcinomas by their quantitative nuclear features / M. Scarpelli, R. Montironi, R. Mazzuchelli, et al.// Anal Quant Cytol Histol. -1999. -№ 21. -P.131-138.

322. Sconocchia G. CD38 Triggers Cytotoxic Responses in Activated Human Natural Killer Cells / Sconocchia G., Titus J.F., Visintin F. Et al. //Blood, -1999. -Vol. 94, №11. -P.3864-3871

323. Serra J. Image anallysis and mathematical morphology. -N.Y.: Acad. Press. 1981.

324. Shannon С. E. A mathematical theory of communication // Bell System Technical Journal. -1948. v. 27 -P. 379-423 & 623-656.

325. Simon I, Pound Ch, Partin A and all Automated image analysis systrm for detecting boundaries of live prostate cancer cells // Cytometry. -1998. -№31. -P.287-294.

326. Sork V.L. Landscape approaches to historical and contemporary gene flow in plants / V.L. Sork, J. Nason, D.R. Campbell et al. // TREE. -1999. -vol. 14, no. 6.-p.219-224.

327. Sperry R.W. Hemispheric Disconnection and Unity in Conscious Awareness // American Psychologist. -1968. -Vol.23. -P.723-733.

328. Thunnissen F.B. The Influence of Variations in the Measuring Procedure on Quantitative Nuclear Image Features in Histologic sections of Lung Tissue / F.B. Thunnissen, P.C. Diegenbach, J.P. Baak // AQCH. -1988. -V.10, №5. -P.349-354.

329. Thurston G. Cell mortility measurement with an automated microscope system / G. Thurston, B. Jarri, B.Palcic // Exp. Cell Res. -1986. -№165. -P.380-390.

330. Toffler A. Future Shock. -N.Y.: Random House, 1971. 561p.

331. Tsuji S. Graphical Access to Medical Expert Systems: I. Designe of a Knowledge Engineer's Interface / S. Tsuji, E.H. Shortliffle // Meth. Inform. Med. -1986. -V.25., №2. -P.62-70.

332. Valenzeno D.P. Lifelong Learning with Digital Compendia. Med Educ Online serial online. http://www.med-ed-online.org (2000).

333. Wajcman H., Lalie D. Aspects actuels dela biologie de la drepanocytose / D.P. Valenzeno, T. Brennan, F. Gasparro, C. Lampert // Ann. Med. Intern. -1981. -№8. -P.568-594.

334. Weber J.E. Applications of multivariate analysis in diagnostic cytology // Analitical and quantitative cytology and histology. -1988. -№1. -P.54-72.

335. Weber J.E. Applications of multivariate analysis in diagnostic cytology // Analitical and quantitative cytology and histology. -1988. -№1. -P.73-86.

336. Wenger E. Artificial intelligence and tutoring systems: Computational approaches to the communication of knowledge. -Los Altos, Morgan Kaufmann. -1987. -486p.

337. Westerman M.P. Effects of valinomycin A23187 and repetitive sickling of inversible sickle cell formation / M.P. Westerman, D. Allan // Brit. J. Haematolog. -1983. -№53,3. -P.399-409.

338. Weyn B. Data Representation and Reduction for Chromatin Texture in Nuclei From Premalignant Prostatic, Esophageal, and Colonic Lesions / B. Weyn, W. Jacob,. V.D. da Silva et al. // Cetometry. -2000. -№ 41. -P.133-138.

339. Wiener N. Cybernetics or control and communication in the animal and machine // The Technology Press and John Wiley & Sons, Inc., New York -Hermann et Cie, Paris. -1948.

340. Young T. Characterization of chromatin distributions in cell nuclei / T. Young, P.W. Verbeek, B. Mayall // Cytometry -1986. -№ 7. -P.467-474.

341. Zahniser D.J. Contextual analysis and Intermediate cell markers. Enhance high-resolution cell image analysis for automated cervical smear diagnosis / D.J. Zahniser, K.L. Wong, J.F. Brenner// Cytometry. -1991. -№12. -P.10-14.

342. Физические и вероятностные принципы количественного анализа скрытых структур

343. В основе одной из практических реализаций АСОИз в исследованиях структур микроскопических объектов лежит оптико-структурный машинный анализ (ОСМА), предложенный в 1966 году К.М.Богдановым.

344. Рис. 67. Графическая модель «Решетка в решетке» (К.М. Богданов, 1965)

345. Нарушения упорядоченности структуры можно охарактеризовать смещением, поворотом и нарушением периодичности. Эти характеристики, отражающие степень организации структуры, могут быть при определенных условиях зарегистрированы и количественно оценены.

346. Методы количественной оценки вероятностно-статистических свойств труднодоступных (скрытых) структур.

347. Рп(хи . Хщ> Ут+it и,. tn). (П2.1) Начальным моментом первого порядка является математическое ожидание (среднее значение) случайной функцииai=Mx(t). (П2.2)

348. Центральным моментом второго порядка является дисперсия случайной функции1. И2 x(t)J =D[x(t). (П2.3)

349. Извлекая корень квадратный из дисперсии, получают среднее квадратическое отклонение случайной функцииax(t). = jD[x(t)]. (П2.4)

350. Через центральный момент третьего порядка выражают коэффициент асимметрии

351. Asx(t).= ju31x(t)J / a[x(t)]. (П2.5)

352. По четвертому центральному моменту рассчитывают эксцесс случайной функции

353. Exx(t).= р4 [x(t)J / a[x(t)] 3. (П2.6)

354. Очевидно, что моменты случайной функции представляют собой детерминированные (неслучайные) функции аргумента t.

355. Взаимную корреляционную функцию Rjy случайных процессов x(t) и y(t) определяют равенством:

356. Rxy М = М x(u) f(t2). (П2.7)

357. Положив^ = х, получают автокорреляционную функцию ^процессаx(t) Rxx(t1,t2)-M x(U) xfiz). (П2.8)

358. Нормированной взаимной корреляционной функцией процесса x(t) ny(t) называют величину (П2.9)1. Rjtvth11. Т„Т,) = / ;У1. РЛ>и)=1. RMx'tjRykvU)

359. Если принять здесь у = х , то получим выражение для нормированной автокорреляционной функции рх (tj.tz) процесса x(t). Заметим, что при tj=t2~t

360. Rx (tj.ti) = М x(tj).= Dx(t). (П2.10)и нормированная автокорреляционная функция запишется: (П2.11)п (t f)= R^'ti) сЛОстМт)

361. Методика анализа изображений

362. Один из последних вариантов системы ввода и оцифровки микроскопических изображений, разработанный в рамках задания НТП «Университеты России» (1998 г.), представлен на рис. 68.

363. Интерфейс программы обработки и анализа

364. Дополнительный накопитель для цифровых изображений Iomega Zip

365. Серийный микроскоп Люмам-И

366. Цифровая телевизионная камера Pixera Prof.

367. Объктивс адаптером фокусировки1. Адаптер объектива1. Фото тубус1. Монитор 17"

368. Процессорный блок Пентиум 233/64 мб

369. Рис. 68. Действующий образец аппаратно программного комплекса, предназначенный для получения, обработки и количественного анализа цифровых изображений микроструктур (клеток, тканей).2321. Калибровки и измерения

370. Перед тем, как приступить к измерениям с помощью системы анализа изображений, необходимо произвести пространственные и яркостные калибровки.

371. Затем под управлением компьютерной программы по имеющимся встроенным или созданным функциям производится комплекс измерений, результаты которых фиксируются в виде электронных таблиц.

372. Для количественного описания пространственно-распределенных структур особое значение имеют интегральные количественные характеристики, центральные моменты функции распределения значений яркости (оптической плотности) в изображении.

373. Гистограмма, распределение вероятностей значений яркости (оптической плотности), содержит много сведений о свойствах изображения.

374. Рис. 69. Гистограмма оптической плотности изображения клетки

375. В целях анализа гистограмм изображений клеток необходимо избавиться от фона, а после получения изображения клетки, определить пороговое значение оптической плотности для выделения ядра на фоне цитоплазмы.

376. В зависимости от задачи и объекта исследования могут быть использованы и иные алгоритмы.

377. Использование одномерных гистограмм для количественного описания текстуры клеток, как показали предварительные исследования, не всегда позволяет однозначно оценивать морфофункционадьное состояние клеток.