Аналитические и процедурные модели для системы поддержки принятия решений врача невролога тема диссертации и автореферата по ВАК РФ 05.25.05, кандидат наук Сари Фарах Аббас Обаид

• Сари Фарах Аббас Обаид
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Сари Фарах Аббас Обаид

ВВЕДЕНИЕ

1. СОСТОЯНИЕ ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ В МЕДИЦИНЕ

1.1. Формирование факторов риска возникновения ССЗ

1.2. Использование информационных систем в медицине

1.3. Постановка цели и задач исследования

2. АНАЛИТИЧЕСКИЕ И ПРОЦЕДУРНЫЕ МОДЕЛИ ФАКТОРОВ РИСКА ВОЗНИКНОВЕНИЯ ССЗ

2.1. Формирование факторов риска возникновения ССЗ

2.2. Процедурная модель обучения гибридного нейронечеткого классификатора

2.3. Аналитическая и процедурная модели нечеткого метода повышения контрастности изображений

2.4. Нечеткие С-средние (FCM)

2.5. Вероятностный метод C-средних (PCM)

2.6. Метод интуиционистских нечетких С-средних (IFCM)

2.7. Процедурная модель процесса усиления контрастности

2.8. Аналитическая модель выбора методов сегментации

2.9. Выводы по главе

3. ПОСТРОЕНИЕ ИНФОРМАЦИОННЫХ МОДЕЛЕЙ ДЛЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА-НЕВРОЛОГА

3.1. Структурная схема СППР врача-невролога

3.2. Объектно-ориентированные модели системы поддержки принятия решений врача-невролога

3.2.1. Диаграмма вариантов использования

3.2.2. Диаграмма классов СППР врача-невролога

3.2.3. Диаграммы последовательности

3.2.4. Диаграммы состояний объектов системы

3.2.5. Диаграммы деятельности

3.3. Инфологическая модель базы данных СППР врача-невролога

3.4. Выводы по главе

4. РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА- НЕВРОЛОГА

4.1. Разработка интерфейса СППР врача-невролога

4.2. Обоснование выбора средств разработки

4.3. Развертывание СППР врача-невролога

4.4. Фрагменты интерфейса СППР

4.5. Использование интерфейса СППР при проведении исследований

4.6. Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А. Акты внедрения

Введение диссертации (часть автореферата) на тему «Аналитические и процедурные модели для системы поддержки принятия решений врача невролога»

ВВЕДЕНИЕ

Актуальность темы исследования. Применение информационно-коммуникационные технологий - неотъемлемая часть профессиональной деятельности врача.

Поскольку в клинической медицине возрастает цифровых данных, то естественно, это приводит к необходимости контроля и организации проверок, при этом данные используются в различных форматах, в противном случае, возможно возрастание ошибок при диагностировании. Поэтому перспективным и эффективным подходом для предотвращения таких ситуаций является широкое использование в клинической практике систем поддержки принятия решений (СППР) врача. СППР - инструмент экономии ресурсов медицинской организации.

СППР обеспечивает принятие правильных решений врачом, что особенно важно внестандартных ситуациях, позволяет учитывать прямое и косвенное влияние различных данных, включая результаты анализа клинических, лабораторных исследований и прочих дополнительных, что повышает точность диагностирования и снижает влияние так называемого человеческого фактора. Сложности диагностики в условиях ограниченности времени, а также, порой, ограниченные диагностические возможности, при проведении обследования больного, отсутствие оперативного обмена информацией с ведущими специалистами и получение консультаций обусловливают актуальность разработки СППР.

Вышесказанное полностью относится к деятельности врача невролога. Одним из аспектов его деятельности является предупреждение, диагностика и лечение различного вида инсультов. Статистика показывает, что инсульт -одна из причин высокой смертности в РФ и во всем мире. В 2020 году в остром периоде инсульта умерло 35% пациентов, а к концу первого года заболевания этот показатель увеличивается на 15%. Практически все пациенты,

перенесшие инсульт, получают первичную инвалидность, из них 31% нуждаются в постоянном уходе, 20% имеют выраженные ограничения мобильности и только 8% - возвращаются к труду. Высока вероятность возникновения повторных инсультов, из них на ишемические инсульты приходится 87,5%.

В свою очередь ишемический инсульт напрямую связан с рядом патологий, в основном в сердечно-сосудистых, наличие которых существенно увеличивает угрозу возникновения инсультов. Основными из них являются атеросклероз сосудов головного мозга, мерцательная аритмия, инфаркт миокарда и другие сердечно-сосудистые заболевания (ССЗ). Поэтому риск возникновения ССЗ влечет за собой и риск возникновения инсульта, особенно ишемического.

По материалам ВОЗ, РФ находится в числе лидеров по сердечнососудистой смертности среди стран ЕС. При этом, в качестве основной, определяется причина, связанная с несвоевременной диагностикой и активной коррекцией факторов риска (ФР) возникновения ССЗ.

Вышесказанное подтверждает целесообразность и обосновывает актуальность разработки СППР для поддержки принятия решений врачом неврологом в части выявления факторов и оценки рисков возникновения ССЗ.

Степень разработанности темы исследования.

Диагностические СППР используются при заболеваниях нервной системы. Maizels M. и Wolfe W.J. была предложена система для дифференциальной диагностики головных болей. Kunhimangalam R. предложил СППРВ, основанную на алгоритме нечеткой логики с включением клинических и ЭМНГ данных. Так же решения для экспертных систем и систем поддержки принятия решений врача были предложены Levin L.A, Eshaghi A. и др.

Изучением и развитием вопросов применения информационных систем в неврологической практике занимались Кобринский Б. А., Литвин А. А., Реброва О. Ю., Губский Л. В., Лукьянов И. В., Коротких Н. Г., Симанков В. С.,

Гусев А. В., Катаев В. А., Agoston, D. V., De Silva A. P., Pourahmad S. и др.

Изучение вопросов оценки рисков возникновения ССЗ на основе применения информационных технологий, использование методов теории нечетких множеств является основой для создания СППР врача-невролога.

Таким образом, целесообразность разработки СППР определяется необходимостью решения практической задачи - повышение эффективности работы врача-невролога за счет повышения оперативности (сокращения времени) диагностирования риска возникновения ССЗ и выбора необходимых профилактических мероприятий, при этом необходимо рассмотреть научную задачу, заключающуюся в разработке моделей: аналитических и процедурных, обеспечивающих повышение оперативности диагностирования рисков возникновения ССЗ и описывающих работу СППР.

Объект исследования: информационные системы поддержки принятия решения в медицинской практике.

Предмет исследования: аналитические и процедурные модели для построения СППР врача-невролога.

Цель и задачи исследования. Повышение оперативности оценки факторов риска возникновения ССЗ за счет применения СППР врача-невролога, обеспечивающей сокращение времени диагностирования на основе применения аналитических и процедурных моделей, построенных в работе и обработки результатов лучевой диагностики.

Для достижения цели были поставлены следующие задачи:

1) выполнить анализ предметной области и обосновать необходимость разработки СППР врача-невролога;

2) построить модель, определяющую факторы риска возникновения

ССЗ;

3) разработать аналитическую и процедурную модели повышения контрастности изображений, полученных в результате лучевой диагностики.

4) построить процедурную модель СППР врача-невролога на основе

разработанных логико-лингвистической, аналитической и процедурной моделей;

5) Провести экспериментальную оценку функционирования СППР.

Научная новизна исследования заключается в разработке

1. Логико-лингвистической модели, отличающейся блочной структурой и учитывающей биологические показатели (антропометрические, биохимические, морфологические, физиологические), наличие болезней, социальные факторы и введением набора лингвистических переменных («возраст», «липопротеины низкой плотности», «систолическое артериальное давление» и т.д.), для которых на основе метода экспертных оценок определяются соответствующие функции принадлежности.

2. Аналитической и процедурной моделей нечеткого метода повышения контрастности изображений, отличающихся тем, что вычисляются функции принадлежности каждого пикселя каждому кластеру, из их значений формируется пространство членства, а после процесса кластеризации изображение преобразуется из пространства уровней яркости черно-белого отображения в пространство членства.

3. Процедурной модели функционирования СППР врача-невролога, отличающейся наличием ролевой системы управления доступом, модуля обучения нейронной сети и модуля повышения контрастности изображений, полученных в результате лучевой диагностики.

Теоретическая и практическая значимость работы. Теоретическая значимость работы заключается в совершенствовании подходов к построению СППР при оценке факторов риска возникновения ССЗ, что обеспечивается разработанными аналитическими и процедурными моделями, а также моделями предварительной обработки результатов лучевой диагностики.

Практическая значимость работы заключается в программной реализации построенных аналитических и процедурных моделей, использующихся в СППР врача-невролога, что сократит время диагностирования, выбора профилактических мероприятий и уменьшит

Методология и методы исследования. Базируется на корректном применении методов теории информационных систем, системного анализа и нейросетей, что является основой работы, при этом были использованы методы: теории нечетких множеств, кластерного анализа, математической статистики, математического программирования, теории распознавания образов, нейросетевых технологий.

Положения, выносимые на защиту.

1. Логико-лингвистическая модель, состоящая из системы правил для введенных в рассмотрение блоков (генетический, социальный, биологический и др.), которые необходимо учитывать при определении риска возникновения ССЗ.

2. Процедурная модель оценки риска возникновения ССЗ для СППР врача-невролога.

3. Аналитическая модель нечеткого метода повышения контрастности изображений.

4. Процедурная модель нечеткого метода повышения контрастности изображений.

5. Процедурная модель функционирования СППР врача-невролога, включающая набор основных ЦМЬ-диаграмм.

Степень достоверности и апробация результатов.

Достоверность результатов подтверждается тем, что имеет место частичное их совпадение с результатами других авторов, представленными в научных изданиях, а также корректным и обоснованным использованием методов: теории нечетких множеств, кластерного анализа, математической статистики, математического программирования, теории распознавания образов, нейросетевых технологий.

Результаты исследования были апробированы на Всероссийской научно-практической конференции «Современная наука: теория, методология, практика» (г. Тамбов, 26-27 ноября 2019 г.), II Международной научно-

практической конференции «Информационные технологии в управлении и моделировании мехатронных систем» (г. Тамбов, 14 - 16 октября 2020 г.), II Международной научно-практической конференции «Цифровизация агропромышленного комплекса» (г. Тамбов, 21 - 23 октября 2020 г.), а также на семинарах кафедры «Информационные системы и защита информации» ФГБОУ ВО «Тамбовский государственный технический университет».

Публикации. По теме диссертации опубликовано 23 работы, в том числе 9 статей, индексируемых в МБД Scopus; 3 статьи в рецензируемых журналах из перечня ВАК при Министерстве науки и высшего образования РФ, 11 публикаций в материалах международных и всероссийских конференций.

Внедрение результатов исследования. Результаты исследования использованы на кафедре «Мехатроника и технологические измерения» ФГБОУ ВО «ТГТУ» и в научно-образовательном центре «Проблемы управления, информатики и защиты информации в организационных и технических системах».

Выносимые на защиту результаты получены лично соискателем. В тех публикациях, которые были опубликованы в соавторстве, личный вклад автора заключается в построении: логико-лингвистической модели определения оценки риска возникновения ССЗ, аналитической и процедурной моделей метода повышения контрастности изображений, моделей функционирования СППР.

Структура и объем работы. Диссертация состоит из оглавления, введения, четырех глав и списка использованной литературы, который содержит 112 наименований, и одного приложения. Полный объем диссертации составляет 138 страниц. Основной текст работы включает 92 рисунка и 18 таблиц.

Диссертация соответствует пункту 7 «Прикладные автоматизированные информационные системы, ресурсы и технологии по областям применения ...» паспорта специальности 05.25.05 «Информационные системы и процессы».

Работа выполнена в рамках приоритетных научных направлений

программы стратегического развития ИАИТ ФГБОУ ВО «ТГТУ», а также исследований научно-образовательного центра «Проблемы управления, информатики и защиты информации в организационных и технических системах», организованного совместно с «Институтом проблем управления им. В.А. Трапезникова» РАН.

1. СОСТОЯНИЕ ИСПОЛЬЗОВАНИЯ ИНФОРМАЦИОННЫХ

СИСТЕМ В МЕДИЦИНЕ

1.1. Формирование факторов риска возникновения ССЗ

В настоящее время статистика смертности, сформированная по группам заболеваний, показывает, что смертность в результате сердечно-сосудистых заболеваний (ССЗ) выше, чем от инфекционных и онкологических болезней [1]. По подсчетам Всемирной организации здравоохранения (ВОЗ), в 2012 г. от сердечно-сосудистых заболеваний во всем мире умерло 17,5 млн человек (31% от мировой смертности) [2]. К 2030 году, по расчетам ВОЗ, от ССЗ ежегодно будут умирать около 23,6 млн человек [3]. ССЗ - основная причина смерти населения в Российской Федерации (РФ), причем вклад в общую смертность составляет 57% [4]. ССЗ являются также наиболее частой причиной госпитализаций и потерь трудоспособности населения РФ. ССЗ наносят экономический ущерб в РФ, который составляет порядка 3% внутреннего валового продукта (ВВП) страны [5]. Эти показатели являются одними из самых высоких в мире, превышая аналогичные значения в развитых странах в 4 - 6 раз [6].

В мире различные шкалы оценивают риски ССЗ, например, Фрамингемская шкала и более полная шкала SCORE [7 - 8]. Но в них оцениваются только четыре фактора, а другие включены в различные национальные рекомендации [9, 10, 11]. Кроме этого, существуют аналогичные шкалы для оценки рисков заболеваний, косвенно влияющих на сердечно-сосудистую систему. Такая шкала существует для оценки риска развития сахарного диабета (СД) [12]. В данной шкале рассматривается восемь факторов, тогда как в реальности их намного больше [13]. Стоит отметить, что шкалы, анализирующей большинство из перечисленных в клинических рекомендациях показателей ССЗ, не существует.

В национальных рекомендациях разных стран выделены следующие показатели, влияющие на риски ССЗ: возраст, пол, индекс массы тела (ИМТ),

объем талии (ОТ), липотротеины низкой плотности (ЛПНП), триглицериды (ТГ), гликированный гемоглобин, скорость клубочковой фильтрации (СКФ), поперечник левого желудочка (ПЛЖ), размер левого предсердия (РЛП), фракция сердечного выброса левого желудочка (ФВЛЖ), систолическое артериальное давление (САД), пульс. Учитывается наличие болезней: СД, артериальная гипертония (АГ), инфаркт миокарда (ИМ), мерцательная аритмия (МА), речевые и двигательные нарушения в структуре неврологического дефицита, а также социальные факторы: курение, употребление алкоголя, гиподинамия, психотравматические факторы и генетические факторы [9, 10, 11, 13]. Необходимо отметить, что в действующих на настоящий момент (2021) рекомендациях недостаточно сказано о влиянии коронавирусной инфекции на ССЗ [14-15]. В то же время, все приведенные показатели влияют на ССЗ. Но также существует достаточно большое количество факторов, влияние которых на ССЗ до конца не выяснено [16].

Таким образом, мы имеем обширное количество факторов, влияющих на ССС без общепринятой единой оценки данных влияний. Исходя из вышесказанного, очевидна необходимость создания математической модели факторов риска ССЗ для объединения обширных, но разрозненных сведений в одну общую, реально работающую модель.

Существует множество подходов оценки сердечно-сосудистого риска. При разработке системы принятия решений было принято сгруппировать показатели по их видам: биологические показатели (антропометрические, биохимические, морфологические, физиологические), наличие болезней, социальные факторы.

Из антропометрических показателей выделим: возраст (V), пол (G), индекс массы тела (BMI), объем талии (W).

Некоторые из выбранных антропометрических показателей соответствуют показателям из шкалы SCORE. Это возраст и вес [8]. Их влияние на риски сердечно-сосудистых заболеваний отражено не только в

шкале SCORE, но и в национальных рекомендациях [9].

Ожирение - нарушение индекса массы тела относительно роста человека, которое приводит к увеличению объема талии - отклонение от нормального индекса массы тела относительно роста. Риск развития ССЗ в результате ожирения как фактора, в последнее время существенно возрос, так как распространенность ожирения в мире увеличилась [17].

Ожирение, вызванное нарушением индекса массы тела и увеличением объема талии, относится к факторам риска развития сердечно-сосудистых заболеваний и сахарного диабета [18].

Поскольку ожирение является одним из факторов риска развития ССЗ, то существует взаимосвязь между индексом массы тела, объемом талии и дислипидемией, артериальной гипертонией [17].

Биохимические показатели включают в себя: липотротеины низкой плотности (LDL), триглицериды (TG), гликированный гемоглобин (HbA1c), скорость клубочковой фильтрации (GFR).

Липотротеины низкой плотности - это один из классов липопротеинов крови, образующийся из липопротеинов очень низкой плотности. Важной особенностью является их высокая атерогенность, т. е. склонность оседать на стенках сосудов и сужать их просвет, что в свою очередь влияет на повышение риска развития ССЗ [19].

Триглицериды вырабатывают основное количество энергии, необходимое для жизнедеятельности. Часть триглицеридов содержится в жировой ткани, часть из них находится в крови, что позволяет обеспечивать мышцы энергией. Поскольку триглицериды являются не растворимыми в воде, они переносятся в крови с белком в виде комплекса, который называется липопротеином. При увеличении количества триглицеридов в организме повышается риск развития ССЗ. [20].

Гипертриглицеридемия часто представляется характерной чертой других болезней, увеличивающих риск ССЗ. Сахарный диабет 2 типа напрямую связан с повышением концентрации триглицеридов [21].

Показатель НЬА1с не имеет прямого влияния на риски возникновения ССЗ. Но гликированный гемоглобин дает корреляцию со степенью выраженности сахарного диабета, который, в свою очередь, имеет влияние на ССС. Уровень НЬА1с дает усредненное, интегрированное представление об уровне гликемии при всех формах диабета [22].

Скорость клубочковой фильтрации - отвечает за скорость, с которой происходит фильтрация веществ из крови через расположенные в боуменовых капсулах клубочки нефронов. Определяется с помощью измерения клиренса некоторых веществ (например, креатинина) и индекса почечной функции [23].

С возрастом общая скорость клубочковой фильтрации уменьшается, и функциональные нефроны постепенно исчезают, несмотря на увеличение GFR отдельных нефронов. Это является фактором риска для артериальной гипертензии, диабета, ожирения и др. [24].

Морфологические показатели рисков ССЗ: поперечник левого желудочка (RSH), размер левого предсердия (ЯЬР).

Показатель «поперечник левого желудочка» отвечает за количество крови, выталкиваемой в аорту. Наиболее вероятная причина патологических значений - утолщения мышцы левого желудочка сердца - артериальная гипертензия, которая не стабилизируется в течение многих лет. Когда сердцу приходится качать кровь против градиента высокого давления, происходит перегрузка давлением, миокард тренируется и утолщается. Примерно 90% гипертрофий левого желудочка возникают по этой причине [25-26].

Если для показателя «RSH» причины патологических значений достаточна однозначны, то для другого показателя - размер левого предсердия, все не так однозначно. Гипертрофия какого-либо отдела сердца может быть врожденной и приобретенной. Эта патология может поражать сразу несколько сердечных камер, но левое предсердие подвержено этому чаще. Именно увеличение размеров этого отдела не выступает отдельным заболеванием, а является лишь симптомом, который указывает на сопутствующие патологические процессы [27]. Причин увеличения толщины стенок левого

предсердия множество. Среди них, как уже имеющиеся различные сопутствующие сердечно-сосудистые патологии, так и наследственная склонность к сердечно-сосудистым болезням [28].

К физиологическим показателям рисков ССЗ относятся: фракция сердечного выброса левого желудочка (FSV), систолическое артериальное давление (AP), пульс (P).

Фракция сердечного выброса левого желудочка - это выраженное в процентах отношение количества крови, выталкиваемой в аорту, к объему крови левого желудочка, которая находится в нем в расслабленном состоянии. Основной причиной, приводящей к нарушению систолической (сократительной) функции миокарда, является развитие хронической сердечной недостаточности (ХСН) [29], которая, в свою очередь, возникает и развивается из-за таких заболеваний как: длительное время существующие или частые остро возникающие нарушения сердечного ритма и проводимости, приводящие к постепенному изнашиванию мышцы вследствие ее неправильных и неритмичных сокращений. Например, постоянная форма мерцательной аритмии, частые приступы желудочковой экстрасистолии и тахикардии и др. [30].

Таким образом, показатель FSV лишь косвенно влияет на сердечнососудистую систему. В то же время на него также влияют различные параметры, рассмотренные ниже.

Показатель «систолическое артериальное давление» - это сила выброса крови сердечной мышцей в область кровеносных сосудов. Высокое давление приводит к увеличению проницаемости сосудистой стенки, мукоидному отеку, накоплению в ней кислых мукополисахаридов, что благоприятствует фиксации липидов, белков, холестерина и формированию в дальнейшем атеросклеротической бляшки [31].

В то же время на показатель «артериальное давление» влияют такие показатели, как генетические факторы, перенесенные инфаркты, ожирение, гиподинамия [32].

За поддержание пульса на должном уровне отвечают клетки-пейсмейкеры. Они продуцируют электрический импульс, который отличается постоянной частотой. Волна возбуждения возникает в синусовом и атриовентрикулярном узлах, а затем по токопроводящим путям (пучок Гиса) передается соответствующим отделам сердца [33].

Высокая частота сердечных сокращений в состоянии покоя непосредственно связана с риском развития артериальной гипертензии и атеросклероза. Она является значимым предиктором сердечно-сосудистой заболеваемости [34].

Помимо вышеперечисленных видов факторов, влияющих на риски ССЗ, нами учитывается наличие болезней: сахарный диабет (SD), артериальная гипертония (AG), инфаркт миокарда (1М), мерцательная аритмия (МА), речевые, двигательные и иные нарушения в структуре неврологического дефицита (ОНМК).

На текущий момент сахарный диабет второго типа рассматривают как эквивалент наличия у пациента клинически выраженного ССЗ. При диагностировании диабета ССЗ фиксируются чаще в 2 - 5 раз, чем у пациентов без данного заболевания. При этом также имеет место высокий риск развития таких состояний, как артериальная гипертензия, инфаркт миокарда, острое нарушение мозгового кровообращения [35].

Кроме этого, сахарный диабет является причиной поражения сердечной мышцы (диабетической кардиомиопатии), которая, как правило, приводит к развитию атеросклероза, артериальной гипертонии и нарушению функции левого желудочка [36].

Артериальная гипертония - синдром повышения систолического артериального давления и/или диастолического артериального давления. Артериальная гипертония является ведущим фактором риска развития ССЗ [37].

При сложных изменениях сердечно-сосудистой системы (ССС) наблюдается артериальная гипертензия, которая вызвана изменением артерий,

что, в свою очередь, негативно влияет на риски ССЗ [38].

Инфаркт миокарда является острой формой ИБС. В 97-98% случаев основой для развития инфаркта миокарда служит атеросклеротическое поражение венечных артерий, вызывающее сужение их просвета [39].

Возникновение инфаркта миокарда напрямую связано с некоторыми заболеваниями: сахарный диабет, гипертоническая болезнь, ожирение, а также некоторые социальные факторы: стрессы, вредные привычки, образ жизни [40].

В норме, за каждым сокращением предсердий следует сокращение желудочков сердца, а при мерцательной аритмии, колебаний предсердий, как такового сокращения предсердий, не происходит. Так же нарушается ритм сокращения желудочков, это связано с различными причинами, но в основном, с уже существующими заболеваниями сердечно-сосудистой системы [41 - 42].

Помимо инфаркта и мерцательной аритмии, на осложнение ССЗ влияет ОНМК (речевые, двигательные и иные нарушения в структуре неврологического дефицита). Существует ряд причин, которые приводят к появлению острого нарушения мозгового кровообращения ОНМК. Такой недуг нередко возникает на фоне патологий: сахарного диабета, анемии, инсульта [43-44].

Как видно из предыдущих примеров, каждое заболевание прямо или косвенно является причиной риска ССЗ и в тоже время на каждый из вышеописанных показателей влияют как различные болезни, так и социальные, биологические и иные факторы.

Кроме вышеописанных показателей, риски ССЗ определяют также и социальные факторы: курение употребление алкоголя (/А), гиподинамия (GD), психотравматические факторы (PF) и генетические факторы (GF).

Курение оказывает отрицательное влияние на ССС и способствует возникновению таких заболеваний как: ишемическая болезнь сердца, инфаркт миокарда, внезапная коронарная смерть, церебральные сосудистые нарушения, окклюзия периферических сосудов, аневризма аорты, стеноз

почечных артерий, нарушение свертываемости крови [45, 46].

Кроме того, на взаимосвязь курения и риска ССЗ существенное влияние оказывали фактор ожирения и наличие сопутствующих заболеваний [47].

Стоит отметить, что прекращение курения является наиболее экономически выгодной стратегией профилактики сердечно-сосудистых заболеваний [48].

Употребление алкоголя приводит к летальному исходу 4% людей в мире, по данным ВОЗ. Злоупотребление алкоголем также приводит к 14% гибели людей от инфарктов, инсультов и других тяжелых патологий ССС и сердца. Данные ВОЗ приведены за прошлогодний период [49].

Так же злоупотребление алкоголем приводит к возникновению тромбозов, отмиранию сердечных тканей, изменению состава крови [50].

Чрезмерное употребление алкоголя чревато для человека развитием опасных сердечных недугов, каковыми, в первую очередь, являются: ишемическая болезнь сердца, аритмия и болезни ССС [51].

Помимо вредных привычек, из социальных факторов выделяют и гиподинамию, которая возникает в результате малоподвижного образа жизни, что приводит к изменениям мышечных тканей, ССС. При этом существенно снижается работоспособность.

Список литературы диссертационного исследования кандидат наук Сари Фарах Аббас Обаид, 2022 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. ВОЗ / Сердечно-сосудистые заболевания [Электронный ресурс] // ВОЗ [сайт] URL: https://www.who.int/cardiovascular diseases/about cvd/ru/ (дата обращения: 02.01.21)

2. Preventing chronic disease: a priority for global health / K. Strong [et al.] // International Journal of Epidemiology. - Oxford University Press, U.K. -2006. - No. 35(2). - P. 492 - 494.

3. Pruitt, D. S. Preparing the 21st century global healthcare workforce / D. S. Pruitt, J. E. Epping-Jordan // BMJ. - British Medical Association, U.K. - 2005. -No. 330(7492) - P. 637 - 639.

4. Экстремальная категория риска в системе стратификации сердечнососудистых осложнений / И. В. Сергиенко [и др.] // Атеросклероз и дислипидемии - 2018. - М.: Автономная некоммерческая организация «Национальное общество по изучению атеросклероза». - № 33(4). - С. 8 - 16.

5. Оганов, Р. Г. Экономический ущерб от сердечно-сосудистых заболеваний в Российской Федерации / Р. Г. Оганов, А. В. Концевая, А. М. Калинина // Кардиоваскулярная терапия и профилактика. - М.: Общество с ограниченной ответственностью «СИЛИЦЕЯ-ПОЛИГРАФ». - 2011. - Т. 10, №2 4. - С. 4 - 9.

6. Шальнов, С. А. Тенденции смертности в России в начале XXI века (по данным официальной статистики) / С. А. Шальнов, Деев А. Д. // Кардиоваскулярная терапия и профилактика. - М.: Общество с ограниченной ответственностью «СИЛИЦЕЯ-ПОЛИГРАФ». - 2011. - Т. 10, № 6. - С. 5 - 10.

7. Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III) final report / S. M. Grundy [et al.] // Circulation - Lippincott Williams & Wilkins, USA - 2002. - No. 106 (25). -P. 3143 - 3421.

8. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project / R.M. Conroy [et al.] // European Heart Journal. - Oxford Ubiversity Press, U.K. - 2003. - No. 24 (11). - P. 987 - 1003.

9. Fourth Joint Task Force of the European Society of Cardiology and other societies on cardiovascular disease prevention in clinical practice / I. Graham [et al.] // European Journal of Preventive Cardiology. - SAGE Publishing, USA - 2007. -No. 14(2_suppl). - P. S1-S1.

10. 2019 Рекомендации ESC/EAS по лечению дислипидемий: модификация липидов для снижения сердечно-сосудистого риска / F. Mach [и др.] // Российский кардиологический журнал. - М.: ООО «Силицея-Полиграф». - 2020. - Т. 25, № 5. - С. 121 - 193.

11. 2019 ACC/AHA Guideline on the Primary Prevention of Cardiovascular Disease: Executive Summary / D. K. Arnett [et al.] // Journal of the American College of Cardiology. - Elsevier USA, USA - 2019. - No. 74 (10). - P. 1376 -1414

12. Tuomilehto, J. Identification of people at high risk for CVD or diabetes / J. Tuomilehto // Department of Public Health, University of Helsinki, Finland and Diabetes Unit, National Public Health Institute, Helsinki, Finland

13. Рекомендации EASD, ESC по диабету, предиабету и ССЗ / L. Ryden [и др.] // Российский кардиологический журнал. - М.: ООО «Силицея-Полиграф». - 2014. - № 3. - С. 7 - 61.

14. Явелов, И. С. Covid-19 и сердечно-сосудистые заболевания [Электронный ресурс] / И. С. Явелов. - URL: https://cyberleninka.ru/article/n7covid-19-i-serdechno-sosudistye-zabolevaniya (!ата обращения: 02.01.2021).

15. Ларина, В. Н. Влияние коронавирусной инфекции (covid-19) на сердечно-сосудистую систему / В. Н. Ларина, М. Г. Головко, В .Г. Ларин. -URL: https://cyberleninka.ru/article/n/vliyanie-koronavirusnoy-infektsii-covid-19-na-serdechno-sosudistuyu-sistemu (дата обращения: 02.01.2021).

16. Васюк, Ю. А. Руководство по функциональной диагностике в кардиологии: современные методы и клиническая интерпретация. / Ю. А.

Васюк/ - М.: Практическая медицина, 2012. - 162 с.

17. Лупанов, В. П. Ожирение как фактор риска развития сердечнососудистых катастроф / В. П. Лупанов // РМЖ - М.: Общество с ограниченной ответственностью Русский Медицинский Журнал. - 2003. -№ 6. - С. 331 - 338.

18. Garrison, R. J. Obesity and coronary heart disease / R. J. Garrison, M. W Higgins, W. B. Kannel // Current Opinion Lipidology - Lippincott Williams & Wilkins Ltd., USA. - 1996. - No. 7(4) -P. 199 - 202.

19. Dietary Cholesterol and Cardiovascular Risk: A Science Advisory from the American Heart Association / Carson J.A.S. [et al.] // Circulation - Lippincott Williams & Wilkins, USA. - 2020. - No. 141 (3). - P. e39-e53.

20. Helix / Триглицериды - [Электронный ресурс] // Лабораторная служба Helix [сайт] - URL: https://helix.ru/kb/item/06-041 (Дата обращения: 03.01.21)

21. Triglycerides and cardiovascular risk / K.E.L. Harchaoui [et al.] // Current Cardiology Reviews. - Bentham Science Publishers B.V., UAE. - 2009. - No. 5(3). - P. 216 - 222.

22. «Память о сахаре в крови»: гликозилированный гемоглобин. Новые возможности для диагностики, терапии и оценки рисков / Вельков В. В. -Пущино: ОНТИ ПНЦ РАН, 2006. - 42 с.

23. Снижение скорости клубочковой фильтрации как независимый фактор риска сердечно-сосудистой болезни [Электронный ресурс] / А. В. Смирнов [и др.]. - URL: https://cyberleninka.ru/article/n7snizhenie-skorosti-klubochkovoy-filtratsii-kak-nezavisimyy-faktor-riska-serdechno-sosudistoy-bolezni (дата обращения: 04.01.2021).

24. Mula-Abed, W. A. Estimated Glomerular Filtration Rate (eGFR): A Serum Creatinine-Based Test for the Detection of Chronic Kidney Disease and its Impact on Clinical Practice / W. A. Mula-Abed, K. Al Rasadi, D. Al-Riyami // Oman Medical Journal. - Oman Medical Specialty Board, Oman. - 2012. - No. 27(2) - P. 108 -

25. A. Ghanem Universitatsklinikum Bonn Medizinische Klinik und Poliklinik II Sigmund-Freud-Str. 25 53105 Bonn

26. Prof. Dr. Med. Harald Becher Cardiac Clinical Center Cardiac Investigation Annexe John Radcliffe Hospital Headley Way, Oxford 0X3 9DU, GROSSBRITANNIEN

27. Recommendations for chamber quantification / R. M. Lang [et al.]// European Journal of Echocardiography. - W.B. Saunders Ltd., U.K. - 2006. -No. 7(2). - P. 79 - 108.

28. Cuspidi, C. Prevalence of Echocardiographic Left-Atrial Enlargement in Hypertension: A Systematic Review of Recent Clinical Studies / C. Cuspidi, M. Rescaldani, C. Sala // American Journal of Hypertension. - Oxford University Press, U.K. - 2013. - No. 26 (4). - P. 456 - 464.

29. Трухан, Д. И. Болезни сердечно-сосудистой системы: клиника, диагностика и лечение: учеб. пособие / Д. И. Трухан, С. Н. Филимонов. - СПб: СпецЛит, 2016. - 319 с.

30. Рекомендации ESC/EACTS 2017 по лечению клапанной болезни сердца / H. Baumgartner [et al.] // Российский кардиологический журнал. - М.: ООО «Силицея-Полиграф». - 2018. - № 7. - С. 103 - 155.

31. Association of Normal Systolic Blood Pressure Level With Cardiovascular Disease in the Absence of Risk Factors / S.P. Whelton [et al.] // JAMA Cardiology. - American Medical Association, USA. - 2020. - No. 5(9). - P. 1011 - 1018.

32. Свистунов, В. В. Атеросклероз, гипертоническая болезнь: учеб. пособие / В. В. Свистунов, А. Е. Макарова, М. В. Воронцова. - Иркутск: ФГБОУ ВО ИГМУ Минздрава России, 2018. - 70 с.

33. Большев, А. С. Частота сердечных сокращений. Физиолого-педагогические аспекты: учеб. пособие / А. С. Большев, Д. Г. Сидоров, С. А. Овчинников. - Н. Новгород: Нижегородский Государственный. Архитектурно-строительный Университет, 2017. - 76 с.

34. Частота сердечных сокращений как фактор риска развития сердечно-

сосудистых заболеваний / А. А. Свистунов [и др.] // Артериальная гипертензия.

- СПб.: Общероссийская общественная организация «Содействия профилактике и лечению артериальной гипертензии «АНТИГИПЕРТЕНЗИВНАЯ ЛИГА». - 2008. - Т. 14, № 4. - С. 324 - 331.

35. Аметов, А. С. Сахарный диабет и сердечно-сосудистые заболевания / А. С. Аметов, И. О. Курочкин, А. А. Зубков // РМЖ. - М.: Общество с ограниченной ответственностью Русский Медицинский Журнал. - 2014. -№ 13. - С. 954 - 960.

36. Ларина, В. Н. Сахарный диабет в практике терапевта поликлиники. Учебно-методическое пособие / В. Н. Ларина, Е. В. Кудина. - М.: Издательство РАМН, 2016. - 40 с.

37. Законы, кодексы и нормативно-правовые акты Российской Федерации / Клинические рекомендации «Артериальная гипертония у взрослых» (Российское медицинское общество по артериальной гипертонии) [Электронный доступ] // Законы, кодексы и нормативно-правовые акты Российской Федерации [сайт] - URL: https://legalacts.ru/doc/klinicheskie-rekomendatsii-arterialnaia-gipertoniia-u-vzroslykh-utv-minzdravom-rossii/ (дата обращения: 11.04.2022)

38. Маколкин, В. И. Артериальная гипертензия - фактор риска сердечнососудистых заболеваний / В. И. Маколкин // РМЖ. - М.: Общество с ограниченной ответственностью Русский Медицинский Журнал. - 2002. - № 19. - С. 862 - 866.

39. Российское кардиологическое общество / Кардиоваскулярная профилактика: Национальные рекомендации [Электронный доступ] // Российское кардиологическое общество [сайт] - URL: https://scardio.ru/content/images/recommendation/nacionalnye rekomendacii po kardiovaskulyarnoy profilaktike.pdf (дата обращения: 11.04.2022)

40. Окороков, А. Н. Диагностика болезней внутренних органов: Т 6. Диагностика болезней сердца и сосудов. / А. Н. Окороков. - М.: Мед. лит., 2002.

- С. 464.

41. Guidelines for the management of atrial fibrillation: The Task Force for the Management of Atrial Fibrillation of the European Society of Cardiology (ESC) / A. J. Camm [et al.] // European Heart Journal. - Oxford University Press, U.K. -

2010. - No. 31 (19). - P. 2369 - 2429

42. Cardiovascular risk factors in patients aged 55 or older with ischemic stroke. / A. Arboix [et al.] // Clinical neurology and neurosurgery. - Elsevier, Netherlands. - 2006. - No. 108 (7). - P. 638 - 643.

43. Ярош, А. С. Современное состояние проблемы острых нарушений мозгового кровообращения / А. С. Ярош, Н. А. Филина, Л. А. Пирого ва // Журнал Гродненского медицинского университета. - Гродно: Учреждение образования «Гродненский государственный медицинский университет». -2014. - № 3. - С. 17 - 20.

44. Бутиков, В. Н. Острые нарушения мозгового кровообращения: структура факторов риска / В. Н. Бутиков, В. В. Дудайте, Г. О. Пенина // Артериальная гипертензия. - СПб.: Общероссийская общественная организация «Содействия профилактике и лечению артериальной гипертензии «АНТИГИПЕРТЕНЗИВНАЯ ЛИГА» - 2009. - Т. 15, № 3. -С. 285 - 289.

45. Марцевич, С. Ю. Лечение табакокурения у больных сердечнососудистыми заболеваниями / С. Ю. Марцевич, Ю. В. Лукина // Профилактическая медицина. - М.: ООО «Издательство «Медиа Сфера» -

2011. - Т. 14, № 6. - С. 30 - 35.

46. Web-медицина / Диагностика и коррекция нарушений липидного обмена с целью профилактики и лечения атеросклероза. Российские рекомендации, VII пересмотр [Электронный доступ] // Web-медицина [сайт] -URL: https: //webmed. irkutsk.ru/doc/pdf/noa.pdf (дата обращения: 11.04.2022)

47. Body-mass index and mortality in prospective cohort of US adults / E. E. Са^ [et al.] // The New England Journal of Medicine. - Massachusetts Medical Society, USA - 1999. - No. 341 (15). - P. 1097 - 1110.

48. Остроумова, О. Д. Курение как фактор риска сердечно-сосудистых и

цереброваскулярных заболеваний: распространенность, влияние на прогноз, возможные стратегии прекращения курения и их эффективность. Часть 2. Преимущества отказа от курения. Стратегии борьбы с курением / О. Д. Остроумова, И. И. Копченов, Т. Ф. Гусева // Рациональная фармакотерапия в кардиологии. - М.: Общество с ограниченной ответственностью «Столичная Издательская Компания». - 2018. - Т. 14, № 1. - С.111 - 121.

49. World Health Organization. / Global status report on alcohol and health. [Электронный доступ] // World Health Organization [сайт] - URL: https://apps.who.int/iris/bitstream/handle/10665/112736/9789240692763 eng.pdf (дата обращения: 11.04.2022)

50. Здравоохранение в России. 2013. Статистический сборник. - М.: Росстат; 2013 - 380 с.

51. Юсупова, А. О. Алкоголь и нарушения сердечного ритма / А. О. Юсупова, А. С. Лишута // Рациональная фармакотерапия в кардиологии. - М.: Общество с ограниченной ответственностью «Столичная Издательская Компания». - 2015. - Т. 11, № 3. - С. 317 - 326.

52. Солодков, А. С. Физиология человека. Общая. Спортивная. Возрастная: учебник / А. С. Солодков, Е. Б. Сологуб. - 9-е изд. - Москва: Спорт, 2020. - 620 с.

53. Курушина, О. В. Изменения психоэмоционального статуса и сердечно-сосудистые заболевания: что первично? / О. В. Курушина, А. Е. Барулин, А. А. Друшлякова // РМЖ. - М.: Общество с ограниченной ответственностью Русский Медицинский Журнал. - 2018. - Т. 26, № 11 (I). -С. 32 - 34.

54. Амосова, Е. Л. Механизм компенсации и декомпенсации при дилатационной кардиомиопатии / Е. Л. Амосова // Клиническая Медицина. -М.: ОАО Издательство «Медицина». - 1987. - № 8. - С. 75 - 80.

55. Курушина, О. В. Коррекция психоэмоциональных и вегетативных нарушений у пациентов, перенесших инсульт / О. В. Курушина, А. Е. Барулин, О. В. Коновалова // Журнал неврологии и психиатрии им. С. С. Корсакова. -

М.: ООО «Издательство «Медиа Сфера». - 2013. - Т. 113, № 9-2. - С. 50 - 54.

56. World Health Organization / World Health Statistics 2016. Monitoring health for the SDGs sustainable development goals. [Электронный доступ] // World Health Organization [сайт] - URL: http: //www. who. int/gho/publications/world health statistics/2016/en/ (дата обращения: 26.12.2020).

57. Кофман, А. Введение в теорию нечетких множеств: пер. с франц. / А. - М.: Радио и связь, 1982. - 432 с.

58. Борисов, В. В. Нечеткие модели и сети : учебное пособие / В. В. Борисов, В. В. Круглов, А. С. Федулов. - 2-е изд., стер. - М.: Горячая линия-Телеком, 2012. - 284 с.

59. Веретехина, С. В. Модели, методы, алгоритмы и программные решения вычислительных машин, комплексов и систем : учебник / С. В. Веретехина, В. Л. Симонов, О. Л. Мнацаканян. - Москва : ИНФРА-М, 2020. -306 с.

60. Гусев, А. В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации / А. В. Гусев, Т. В. Зарубина // Врач и информационные технологии. - 2017. - № 2. -С. 60 - 72.

61. Джарратано, Д. Экспертные системы : принципы разработки и программирование / Д. Джарратано, Г. Райли. - М.: «Вильямс», 2006. -1152 с.

62. Захаренков, В. В. Информационные технологии в здравоохранении как инструмент демографической политики / В. В. Захаренков, И. В. Виблая, Е. Е. Сизов // С. 177

63. Катаев, В. А. Возможности применения информационных технологий в рутинной медицинской практике / В. А. Катаев, Г. Р. Зарипова, Ю. А. Богданова // Дневник казанской медицинской школы. -2017.- № 2 (16). - С. 104 - 106.

64. Филимонова, Е. В. Информатика и информационные технологии в

профессиональной деятельности: учебник / Е. В. Филимонова - М.: Юстиция,

2019. - 216 с.

65. Кириенко, В. Е. Об одном подходе к классификации систем поддержки принятия решений / В. Е. Кириенко // Проблемы управления в социальныхсистемах. - 2013. - Том 5, № 8. - С. 66 - 73.

66. Кобринский, Б. А. Медицинская информатика / Б. А. Кобринский, Т. В. Зарубина. - 4-е изд., перераб. и доп. - М. : Академия, 2013. - 191 с.

67. Симанков, В. С. Системный подход к разработке медицинских систем поддержки принятия решений / В. С. Симанков, А. А. Халафян // Известиявузов. Северо-Кавказский регион. - 2010. - С. 7 - 11.

68. Медицинская информатика. / В. И. Чернов, И. Э. Есауленко, О. В. Родионов, С. Н. Семенов. - Ростов-на-Дону: Феникс. - 2007. - 320 с.

69. Чернов, В. И. Основы практической информатики в медицине / В. И. Чернов, И. Э. Есауленко, С. Н. Семенов. - Ростов-на-Дону: Феникс. - 2007. - 352 с.

70. Гельман, В. Я. Медицинская информатика: практикум (2-е изд.) / В. Я. Гельман. - СПб.: Питер, 2002. - 480 с.

71. Информационные системы в здравоохранении / А. В. Гусев, Ф. А. Романов, И. П. Дуданов, А. В. Воронин. - Петрозаводск: Изд-во ПетрГУ, 2002. - 120 с.

72. Дюк, В. Информационные технологии в медико-биологических исследованиях / В. Дюк, В. Эммануэль. - СПб.: Питер, 2003. - 528 с.

73. Автоматизированное проектирование медицинских технологических процессов / О. Э. Карпов, Е. Б. Клейменова, Г. И. Назаренко, Н. А. Силаева ; под ред. Г. И. Назаренко. - М.: Деловой экспресс, 2016. - 200 с.

74. Эльянов, М. М. Медицинские информационные технологии. Каталог. Вып. 20 / М. М. Эльянов. - М.: СарМРгеББ. - 2020. - 280 с.

75. Назаренко, Г. И. Медицинские информационные системы: теория и практика. / Г. И. Назаренко, Я. И. Гулиев, Д. Е. Ермаков ; под редакцией Г. И. Назаренко, Г. С. Осипова. - Москва: ФИЗМАТЛИТ, 2005. - 320 с.

76. Информационные системы в медицине: учебное пособие / Н. В. Абрамов, Н. В. Мотовилов, Н. Д. Наумов, С. Н. Черкасов. -Нижневартовск: Изд-во Нижневарт. гуманит. ун-та, 2008. - 171 с.

77. Чеботарева, Л. С. Основные типы и классификация систем поддержки принятия решений / Л. С. Чеботарева // Актуальные вопросы науки и образования : сб. научных статей. - Чебоксары. - 2013. - С. 342 - 351.

78. Зак, Ю. А. Принятие решений в условиях нечетких и размытых данных. Fuzzy-технологии / Ю. А. Зак. - М.: Либроком, 2013. - 352 с.

79. Змитрович, А. И. Интеллектуальные информационные системы / А. И. Змитрович. - Минск: НТООО ТерраСистемс, 1997. - 368 с.

80. Леденева, Т. М. Обработка нечеткой информации / Т. М. Леденева. - Воронеж: ВГУ, 2006. - 233 с.

81. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Горячая линия-Телеком, 2007. - 383 с.

82. Акинин, М. В. Нейросетевые системы искусственного интеллекта в задачах обработки изображений / М. В. Акинин, М. Б. Никифоров, А. И. Таганов. - М.: Горячая линия, 2016. - 152 с.

83. Развитие методов нечеткой сегментации для анализа медицинских изображений / П. И. Карасев, Ю. Ю. Громов, С. К. Стегачев // Приборы и системы. Управление, контроль, диагностика. - 2017. - № 9. -С. 25 - 31.

84. Yu. Gromov, Yu. Minin, S. Kopylov, A. A. Habib Alrammahi and F. A. Sari. Determination of Information System Structure Parameters in Conditions of Uncertainty, Lipetsk, Russia, 2019, pp. 338-343.

85. Yu. Gromov, Yu. Minin, S. Kopylov, A. A. Habib Alrammahi and F. A. Sari "Synthesis of the Information System Structure in Conditions of Uncertainty," Lipetsk, Russia, 2019, pp. 401-406.

86. Yu. Gromov, Yu. Minin, A. Eliseev, A. A. Habib Alrammahi and F. A. Sari Overall Score of Information System Perfomance and Selection of Synthesis Problem," Lipetsk, Russia, 2019, pp. 377-382.

87. Yu. Gromov, Yu. Minin, A. A. Habib Alrammahi and F. A. Sari, Probabilistic and Fuzzy Models of the Optimal Allocation of Resources of a Network Information System Lipetsk, Russia, 2019, pp. 353-358.

88. Al-Rammahi, S. Farah and F. G. Al-Jelaihawi, "Covid-19 Plasma Monitoring Based on Clustering a Large Set of Recovered Patient Data," Vladivostok, Russia, 2020, pp. 1-4.

89. F. G. Abdulkadhim, F. H. A. Alrashed, A. A. H. Alrammahi, Ф.А. Сари and A. H. Radie, "A Cost-Efficient Management Protocol for Mobile Crowd-Sensing in Urban Vehicular Scenarios," Najaf, Iraq 2020, pp. 29-34.

90. Yu. Gromov, Yu. Minin, A. Eliseev, A. Abdulkarem Habib Alrammahi and F. Abbac Sari, "Synthesis of Data Transmission Networks with Specified Survivability under Negative External Influences," Lipetsk, Russia, 2020, pp. 630635.

91. Yu. Gromov, Yu. Minin, A. Eliseev, A. Abdulkarem Habib Alrammahi and F. Abbac Sari, "Building an External Classifier of Negative Impacts in Assessing Survivability and Ensuring the Security of Information Systems," Lipetsk, Russia, 2020, pp. 636-641.

92. Классификация картографических изображений на основе использования методов теории нечетких множеств / П. И. Карасев, Ф. А. Сари, Ю. Ю. Громов, О. Г. Иванова // Приборы и системы. управление, контроль, диагностика. - Москва: Издательство «Научтехлитиздат». - 2021. - № 5.- С. 27 - 33.

93. Модифицированный метод сегментации изображений для использования в системах поддержки принятия решений / Ю. Ю. Громов, П .И. Карасев, О. Г. Иванова, Ф. А. Сари // Приборы и системы. управление, контроль, диагностика. - Москва: Издательство «Научтехлитиздат». - 2021. -№ 8. - С. 38 - 43.

94. Сравнение нечетких методов обработки изображений / Ю. Ю. Громов, П. И. Карасев, М. Ю. Титов, Ф. А. Сари // Приборы и системы. Управление, контроль, диагностика. - Москва: Издательство «Научтехлитиздат». - 2021. - № 7. - С. 55 - 61.

95. Модификация метода нечеткой кластеризация С-средних с использованием метода роя частиц для обработки больших данных / Аль-Раммахи Али Абидалкарим Хабиб, Сари Фарах Аббас, Минин Ю. В. // Теория и моделирование вычислительных сред, систем, комплексов и се тей. - Тамбов: Тамбовский государственный технический университет, 2019. - С. 231 - 233.

96. Обзор и анализ существующих подходов к сегментации медицинских изображений, основанных на методах К-средних и нечетких С-средних / Сари Фарах Аббас, Аль-Раммахи Али Абидалкарим Хабиб, Ю. В. Минин // Теория и моделирование вычислительных сред, систем, комплексов и сетей. - Тамбов: Тамбовский государственный технический университет, 2019. - С. 233 - 236.

97. Снижение чувствительности алгоритма нечеткой кластеризации при обработке больших данных / Аль-Раммахи Али Абидалкарим Хабиб., Сари Фарах Аббас., Уланов А. О., Прокофьев О. В. // Информационные технологии в управлении и моделировании мехатронных систем. - Тамбов: Тамбовский государственный технический университет, 2020 - С. 45 - 50.

98. Модификация grab-сегментации изображения на основе принципа колонии муравьев / Сари Фарах Аббас, Аль-Раммахи Али Абидалкарим Хабиб, А. О. Уланов, О. В. Прокофьев // Информационные технологии в управлении и моделировании мехатронных систем. - Тамбов: Тамбовский государственный технический университет, 2020. - С. 51 - 57.

99. Обнаружение опухоли головного мозга с использованием различных методов сегментации изображения / Сари Фарах Аббас, Аль-Раммахи Али Абидалкарим Хабиб, А. О. Уланов, О. В. Прокофьев // Информационные технологии в управлении и моделировании мехатронных

систем. - Тамбов: Тамбовский государственный технический университет, 2020. - С. 66 - 71.

100. Повышение эффективности кластеризации на основе нечеткого 81шНавЬ-алгоритма С-средних для аналитики больших / А. А. Аль-Раммахи, Ф. А. Сари // Цифровизация агропромышленного комплекса. - Тамбов: Тамбовский государственный технический университет, 2020. - С. 269 - 275.

101. Кластеризация данных с помощью Даве-Сена и нечетких С-средних: сравнительное исследование / А. А. Аль-Раммахи, Ф. А. Сари // Цифровизация агропромышленного комплекса. - Тамбов: Тамбовский государственный технический университет, 2020 - С. 280 - 286.

102. Модификация нечетких С-средств для сегментации изображения документа / А. А. Аль-Раммахи, Ф. А. Сари // Цифровизация агропромышленного комплекса. - Тамбов: Тамбовский государственный технический университет, 2020. - С. 406 - 412.

103. Метод кластеризации цифрового изображения с шумом на основе объединения алгоритма нечетких С-средних и пиллар-алгоритма / Аль-Раммахи А. А., Сари Ф. А., Минин Ю. В. //О вопросах и проблемах современных наук. - Челябинск: Инновационный Центр развития образования и науки, 2020. - С. 13 - 15.

104. Карасев, П. И. Применение детектора Кэнни в обработке рентгенографических изображений // Виртуальное моделирование, прототипирование и промышленный дизайн: материалы III Междунар. науч.-практ. конф. - Тамбов: Тамбовский государственный технический университет. - 2016. - С. 219 - 224.

105. Карасев, П. И. Применение детектора Кэнни в обработке рентгенографических изображений // Виртуальное моделирование, прототипирование и промышленный дизайн: матер. III Междунар. науч.-практ. конф. - Тамбов: Тамбовский государственный технический университет. - 2016. - С. 219 - 224.

106. Новейшие методы обработки изображений / А. А. Потапов [и др.]; под ред. А. А. Потапова. - М.: ФИЗМАТЛИТ, 2008. - 496 с.

107. Селянкин, В. В. Анализ и обработка изображений в задачах компьютерного зрения: учебное пособие для магистрантов, аспирантов и специалистов в области обработки и распознавания изображений, компьютерного зрения / В. В. Селянкин, С. В. Скороход. - Таганрог: Южный федеральный университет, 2015. - 82 с.

108. Фисенко, В. Т. Компьютерная обработка и распознавание изображений: учеб. пособие / В. Т. Фисенко, Т. Ю. Фисенко. - СПб: СПбГУ ИТМО, 2008. - 192 с.

109. Кластеризация данных с использованием генетического алгорит ма / А. А. Аль-Раммахи, Ф. А. Сари // Цифровизация агропромышленного комплекса. - Тамбов: Тамбовский государственный технический университет, 2020. - С. 275 - 280.

110. Гибридный метод кластеризации больших данных / Аль-Раммахи А. А., Сари Ф. А., Ю. В. Минин // О вопросах и проблемах современных наук. - Челябинск: Инновационный Центр развития образования и науки, 2020. - С. 9 - 13.

111. Джим Арлоу. ЦМЬ 2 и Унифицированный процесс. Практический объектно-ориентированный анализ и проектирование / Джим Арлоу, Айла Нейштадт ; пер. с англ. - СПб: Символ_Плюс, 2007. - 624 с.

112. Саммерфилд, М. Qt. Профессиональное программирование. Разработка кроссплатформенных приложений на С++ / М. Саммерфилд. -СПб.: Символ-Плюс, 2011. - 560 с.

ПРИЛОЖEHИE А. Акты внедрения

УТВЕРЖДАЮ

, - - ^цректор института Автоматики и Д- ^2^-;<1йнформационных технологий

24 декабря 2021 г

АКТ

использования результатов диссертационной работы САРИ ФАРАХ АББАС ОБАИД

на тему «Аналитические и процедурные модели для системы поддержки принятия

Комиссия кафедры «Мехатроника и технологические измерения» в составе: председатель - д.т.н., доцент Балабанов Павел Владимирович и члены комиссии -д.т.н., доцент Дивин Александр Георгиевич, к.т.н., доцент Шишкина Галина Викторовна, составили настоящий Акт о том, что результаты диссертационной работы САРИ ФАРАХ АББАС ОБАИД на соискание ученой степени кандидата технических наук используются в учебном процессе на кафедре «Мехатроника и технологические измерения» ФГБОУ ВО «Тамбовский государственный технический университет» при непосредственном участии автора диссертационного исследования в разработке учебно-методических материалов лекций, лабораторных работ и обучающих программных комплексов по следующим дисциплинам кафедры: «Методы нечеткой логики и нейронные сети», «Системы технического зрения».

Результаты диссертационного исследования используются для обучения студентов по направлению 15.03.06 «Мехатроника и робототехника».

решений врача невролога»

Председатель комиссии: Члены комиссии:

к.т.н., доцент Шишкина Г.В.

«УТВЕРЖДАЮ» Проректор ФГБОУ ВО «Тамбовский государственный технический университет» по научной работе д.т.н., профессор

0 ^^_Д.Ю. Муромцев

«2 Г» £>/ 2022 г.

АКТ

об использовании результатов исследования Сари Фарах Аббас Обаид

Комиссия в составе: председатель - исполнительный директор НОЦ «Проблемы управления, информатики и защиты информации в организационных и технических системах» от ФГБОУ ВО «ТГТУ», заведующий кафедрой «Информационные системы и защита информации» ФГБОУ ВО «ТГТУ», д.т.н., профессор Алексеев В.В., члены комиссии: доценты кафедры «Информационные системы и защита информации» ФГБОУ ВО «ТГТУ» к.т.н., доцент Рыжков А.П., к.т.н., доцент Яковлев A.B. — составила настоящий акт о том, что результаты диссертации Сари Фарах Аббас Обаид, выполненной на соискание учёной степени кандидата технических наук, связанные с обработкой изображений и поддержкой принятия решений, учтены и положены в основу перспективной программы научных исследований, проводимых в ПОД «Проблемы управления, информатики и защиты информации в организационных и технических системах».

Председатель комиссии

Члены комиссии: