Автоматизированная система прогнозирования ишемических рисков с дублированием решений и ассоциативным выбором тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Комлев Игорь Александрович

• Комлев Игорь Александрович
• кандидат наук
• 2019

Оглавление диссертации кандидат наук Комлев Игорь Александрович

Оглавление

Ведение

1 Аналитический обзор и постановка задачи на исследование

1.1 Анализ современных подходов к прогнозированию сердечно-сосудистых осложнений

1.2 Методы прогнозирования и диагностики, применяемые в медицинской практике

1.3 Компьютерные технологии прогнозирования и диагностики

в медицинской практике

1.4 Нечеткие модели принятия решений в медицинских диагностических системах

1.5 Постановка задачи на исследование

2 Разработка интеллектуальных агентов и моделей прогнозирования возникновения и развития ишемии сердца

2.1 Структурный анализ и синтез признакового пространства для математических моделей прогнозирования и развития ишемии сердца

2.2 Синтез математических моделей прогнозирования ишемических рисков на основе традиционных предикторов сердечнососудистых осложнений

2.3 Метод оперативного контроля за динамикой развития ишемии сердца по энергетическому разбалансу меридианных структур

2.4 Модели и алгоритмы для прогнозирования ишемической болезни сердца на основе анализа электрокардиосигнала

2.5 Выводы второго раздела

3 Методы и модели структурно - функциональных решений при прогнозировании ишемических рисков

3.1 Структурно - функциональная модель принятия решений для дублирующих решениях и ассоциативном выборе

3.2 Модель принятия решений с использованием нейронных сетей

3.3 Модуль принятия решений по ишемическому риску на основе нечеткого логического вывода

3.4 Блок управления бустингом и алгоритмы его работы

3.5 Выводы третьего раздела

4 Экспериментальные исследования автоматизированной системы прогнозирования ишемических рисков

4.1 Структурная схема автоматизированной системы прогнозирования ишемических рисков

4.2 Программное обеспечение для автоматизированной системы прогнозирования ишемической болезни сердца

4.2.1 Модуль автоматизированного анализа электрокардиосигнала

4.2.2 Программное обеспечение для модуля нечеткого логического вывода

4.3 Экспериментальные исследования качества принятия решений модулей автоматизированной системы по прогнозированию ишемических рисков

4.4 Выводы четвертого раздела 120 Заключение 122 Список сокращений и условных обозначений 124 Список литературы

Введение диссертации (часть автореферата) на тему «Автоматизированная система прогнозирования ишемических рисков с дублированием решений и ассоциативным выбором»

Ведение

Актуальность исследований. По данным Европейского кардиологического общества смертность от ишемической болезни сердца (ИБС) лиц в возрасте от 35 до 64 лет в нашей стране оказалась самой высокой в Европе, составляя у мужчин более 350 и для населения в целом 100 на 100 тыс. человек в год. Несмотря на успехи в инструментальной диагностике и в лечении, ИБС остается наиболее частым заболеванием среди лиц трудоспособного возраста, вызывая высокую инвалидизацию и смертность.

Важнейшей общенаучной прикладной задачей считается прогнозирование заболеваний сердечно-сосудистой системы (ССС), которое при использовании математических моделей и методов позволяет определить степень толерантности организма человека к воздействию различных факторов с целью уточнения его предрасположенности к тому или иному сердечно-сосудистому заболеванию (ССЗ), а если оно уже возникло, то предсказание особенностей его течения в будущем и исход. На сегодняшний день поиск усовершенствованных методов и алгоритмов остается актуальным.

Необходимость прогнозирования ССЗ выдвигает требования к организации массовых обследований населения и диктует актуальность широкого внедрения в медицинскую практику мониторинга состояния больных с высоким риском ИБС при помощи телекоммуникационных автоматизированных систем. Своевременное выявление пациентов с повышенным и высоким риском возникновения осложнений с целью проведения профилактических мероприятий, направленных именно на снижение риска, а также облегчения тяжести уже имеющихся последствий, является основным направлением в улучшении общей ситуации по заболеваемости в целом.

Степень разработанности темы исследования. С развитием компьютерной техники и информационных технологий предпринимаются попытки внедрения

программированного прогнозирования в медицинскую практику (М.М. Батюшин, Ю.Л. Шевченко), которое нашло применение в практической медицине в виде систем поддержки принятия решений (С111 IP) и, как правило, основано на анализе электрокардиографических сигналов (ЭКС) и позволяет осуществлять неинвазивную оценку диагностических показателей и получение предварительного диагноза о наличии или возможном развитии заболевания при отклонении показателей от их нормальных значений. В этом направлении в Pоссии и за рубежом активно развиваются научные школы под руководством таких выдающихся российских ученых, как Бокерия Л.А, Баевский P. М., Гельфанд И. М., Гуляев Ю. В., Pощевский М.П., Pубин А.Б., Самойлов А. Ф., Селищев С. В. и др., а также зарубежных ученых Noble D., Holter N.J., Pангайян PM., de Luna A^., Mandel W.J., Katz L., и др., которые внесли значительный вклад в развитие СПИН по прогнозированию и диагностике ССЗ.

Современные средства поддержки принятия решений на различных этапах оказания кардиологической помощи реализуют алгоритмический подход обработки и анализа регистрируемых данных, согласно которому все процессы в сердце происходят по строгим правилам и для получения диагностических сведений о его состоянии необходимо выполнить ряд последовательных преобразований ЭКС. Такой подход не учитывает вероятностные и хаотические закономерности, свойственные сложным динамическим системам. Поэтому существующие методы требуют совершенствования учета латентных связей между факторами ишемического риска при диагностике состояния сердца в условиях свободной двигательной активности. Следовательно, для решения одной из важнейших проблем современного здравоохранения - повышения качества прогнозирования заболеваний сердца актуально создание методов поиска новых предикторов ССЗ.

Научно-технической задачей исследования является разработка методов прогнозирования ССЗ, основанных на автоматизации процесса анализа факторов

риска (ФР) ИБС и математических моделях, позволяющих формировать из этих ФР решающие правила.

Цель работы. Повышение качества прогнозирования ишемических рисков посредством разработки методов, моделей, алгоритмов и программного обеспечения для интеллектуальной поддержки принятия решений врача-кардиолога.

Для достижения поставленной цели необходимо решить следующие задачи:

- выбрать и обосновать пространство информативных признаков для прогнозирования ишемической болезни сердца;

- разработать математические модели ишемических рисков для частных решающих правил по вычислению коэффициентов уверенности для формирования решений в дублирующих классификаторах;

- разработать структурно-функциональную схему принятия решений по прогнозу ишемических рисков с дублированием решений и ассоциативным их выбором;

- разработать модули классификаторов в дублирующих каналах и алгоритм ассоциативного выбора наиболее подходящего решения;

- разработать программное обеспечение для реализации классификаторов в дублирующих каналах автоматизированной системы прогнозирования ишемической болезни сердца;

- провести апробацию предложенных методов, моделей и алгоритмов для автоматизированной системы прогнозирования ишемической болезни сердца в клинических условиях.

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

- в результате разведочного анализа получено пространство информативных признаков, состав которого был минимизирован с использованием методов экспертного оценивания, статистической меры Кульбака в сочетании с моделью Г. Раша теории измерения латентных переменных и методом группового учёта

аргументов, отличающееся использованием трёх групп предикторов, оценивающих различные уровни регулирования сердечно-сосудистой системы, что позволяет синтезировать надёжно работающие решающие правила с минимальным набором исходных данных;

- математические модели прогнозирования возникновения и оценки степени тяжести ишемической болезни сердца, отличающиеся агрегацией специфических признаков и интегральных показателей, характеризующих различные стороны функционирования сердечно-сосудистой системы, позволяющие обеспечивать уверенность в принимаемых решениях при их совместном использовании на уровне 0,9.

- метод оперативного контроля за динамикой развития ишемии сердца по энергетическому разбалансу меридианных структур, отличающийся тем, что для оперативной оценки функционального состояния и функционального резерва сердца у пациентов с ишемической болезнью сердца используется анализ динамических электрических характеристик биологически активных точек меридиана сердца при электрических возмущающих нагрузках, позволяющий оперативно и с высокой степенью точности контролировать развитие ишемических процессов;

- метод дублирования решений с ассоциативным выбором, отличающийся использованием трёх математических моделей, полученных по трём блокам информативных признаков, и использованием трёх каналов принятия решения, два из которых являются дублирующими, а третий - каналом ассоциативного выбора, позволяющие построить автоматизированную систему прогнозирования ишемической болезни сердца;

- алгоритм ассоциативного выбора решений, отличающийся формированием обучающей выборки для классификатора дублирующих каналов на основе результатов классификации дублирующих каналов на контрольной выборке, позволяющий синтезировать классификатор дублирующих каналов.

Теоретическая и практическая значимость работы состоит в том, что изложена технология синтеза дублирующих решений и ассоциативного выбора, предназначенная для автоматизации процессов прогнозирования сердечнососудистых заболеваний и ориентированная на врача-кардиолога и врача-терапевта. Технология позволяет, используя блочную структуру гетерогенного пространства информативных признаков, включающего как новые, так и известные факторы ишемического риска, сформировать решающие модули прогнозирования ишемической болезни сердца как на верхнем иерархическом уровне в виде дублирующих решений, так и на нижнем иерархическом уровне в виде математических моделей ишемического риска, построенных по трем блокам информативных признаков. Разработанные математические модели, алгоритмы и решающие модули составили основу построения автоматизированной системы прогнозирования ишемических рисков, статистические и клинические испытания которой показали целесообразность ее использования в практике прогнозирования и профилактики ишемической болезни сердца.

Работа выполнена в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 - 2020 годы» («Проведение прикладных научных исследований в области биоинформационных технологий», уникальный идентификатор прикладных научных исследований (проекта) КЕМБЕ157614Х0071) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Результаты работы внедрены в учебном процессе Юго-Западного государственного университета при подготовке магистров по направлению 12.04.04 «Биотехнические системы и технологии» и прошли испытания в отделении медицинской реабилитации клинического научно-медицинского центра «Авиценна», г. Курск.

Методы исследований. Для решения поставленных задач использовались методы: теории биотехнических систем медицинского назначения, математической статистики, теории управления, математического моделирования, теории нейронных сетей, теории нечетких множеств. При разработке нейросетевых моделей и модулей нечеткого логического вывода в качестве инструментария использовался MATLAB 2008b с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Положения, выносимые на защиту. 1. Пространство информативных признаков для классификации ишемических рисков, отличающееся использованием трёх групп предикторов, оценивающих различные уровни регулирования сердечно-сосудистой системы, позволяет синтезировать надёжно работающие решающие правила с минимальным набором исходных данных; 2. Метод оперативного контроля развития ишемии сердца по результатам анализа динамических электрических характеристик биологически активных точек меридиана сердца при электрических возмущающих нагрузках позволяет оперативно и с высокой степенью точности контролировать развитие ишемических процессов; 3. Метод дублирования решений с ассоциативным выбором позволяет повысить диагностическую эффективность автоматизированной диагностики ишемических рисков на 10... 16% по сравнению с известными методами; 4. Алгоритм ассоциативного выбора решений в дублирующих каналах позволяет повысить диагностическую эффективность автоматизированной диагностики ишемических рисков на 8% по сравнению с принятием решений в отдельных дублирующих каналах.

Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость нечетким алгоритмам принятия решений и методам нейросетевого моделирования, а так же аналогичным результатам, полученным другими исследователями. Результаты экспериментальных исследований решающих

правил по прогнозированию ишемических рисков согласуются с ранее опубликованными экспериментальными данными по теме диссертации.

Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 15 Международных, Всероссийских конференциях, конгрессах и семинарах: «Современные информационные технологии в управлении качеством» (Пенза - 2016); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте», (Новороссийск -2017, 2018); «Актуальные вопросы биомедицинской инженерии» (Саратов - 2017); «Актуальные вопросы неврологии и соматоневрологии» (Пенза - 2017); «Актуальные направления научных исследований XXI века» (Воронеж - 2017); «Медико-экологические информационные технологии» (Курск - 2017, 2019); «Перспективы и технологии развития в области технических наук» (Нижний Новгород - 2018); «Современные направления развития управления, экономики и образования» (Пенза - 2018); «Физика и радиоэлектроника в медицине и экологии» (Владимир-Суздаль - 2018); Proceedings of articles the III International scientific conference. Czech Republic, Karlovy Vary - Russia, Moscow, 2018; «Международный Славянский конгресс по электростимуляции и клинической электрофизиологии сердца (Санкт-Петербург-2018); «Мотивационные аспекты физической активности» (Великий Новгород - 2019); «Теоретические и прикладные вопросы науки и образования» (Тамбов - 2019); на семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2016-2019).

Публикации. Основные результаты диссертационного исследования отражены в 19 научных работах, из них 3 статьи в ведущих рецензируемых научных журналах.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и списка литературы, включающего 136 отечественных и 36 зарубежных наименований. Работа изложена на 148 страницах машинописного текста, содержит 52 рисунка и 14 таблиц.

1 Аналитический обзор и постановка задачи на исследование

1.1 Анализ современных подходов к прогнозированию сердечнососудистых осложнений

Прогнозирование заболеваний кардиологических больных использует в различные методы: инструментальные и лабораторные исследования, неинвазивные и инвазивные исследования, биологические маркеры и т.д.. По мере развития медицинской науки вносятся коррективы в используемые подходы, которые развиваются и углубляются. Важнейший задачей клинической практики является количественная оценка ранних и отдаленных рисков у конкретных больных. У пациентов с высоким риском проводится интенсивное лечение. При низком риске сердечно-сосудистых осложнений (ССО) процесс лечения может быть избирательным, позволяя экономить медико-технические ресурсы. В современной медицинской литературе можно найти большое количество информации, которая помогает врачам оценивать степень риска ССО и выбирать рациональную тактику лечения больных с ишемической болезнью сердца (ИБС) [8, 9, 83, 92].

Известные методы оценки степени риска ССО используют множество инвазивных и неинвазивных методов, выявляющих пациентов с максимальным риском летальных исходов от ССО. Современная медицина располагает рядом методов ранней и оценки степени риска ССО как в условиях клиники, так и при амбулаторном наблюдении [94].

Прогнозированной диагностике ИБС посвящены достаточно много отечественных и зарубежных работ, однако, врачи кардиологи продолжают активно работать в исследуемой области с учетом появления новой диагностической техники, и инновационных технологий проведения лечебно-оздоровительных мероприятий. В современной медицине при типовом течении

ССО добросовестно собранный анамнез при внимательном физикальном обследовании с критическим анализом получаемых данных позволяет обеспечивать правильный диагноз ИБС более чем в 80% случаев. Отсюда следует, что при диагностике ИБС использование дорогостоящих инструментальных методов исследования следует ориентировать на выявление патологии у 20% пациентов, у которых клиническая картина течения не соответствует классическим картинам. Ситуация сильно изменяется, если соответствуют решается задача оценки степени тяжести патофизиологического процесса. Точная информация о тяжести протекания ССО необходима при прогнозировании заболевании и выборе оптимальной тактики лечения.

В настоящее время в клинической кардиологии выделяют [27, 28, 31, 103, 106, 112]: методы использования электрической активности миокарда; методы оценки механической активности; интроскопические методы исследования, методы оценки перфузии миокарда; методом неинвазивной визуализации коронарных артерий. Основная проблема использования перечисленных методов заключается в том, что региональные нарушения в работе сердца возникают раньше, чем они становятся заметными при электрокардиографических и клинических исследованиях [111].

В клинической практике используют различные методы прогнозирования рисков пациентов с ИБС: тесты с физической нагрузкой: велоэргометрия, тредмил-тест, стресс-тест с добутамином [7, 17, 103, 163, 165, 168]. Также находят применение инвазивные методы диагностики, например коронароангиография (КАГ) - проводимая с целью оценки состояния коронарных артерий и коронарного кровотока, позволяющая давать качественные и количественные характеристики пораженных сегментов артерий[27].

При решении задач прогнозирование неблагоприятных исходов ИБС находит применение последовательная процедура А. Вальда, использующая поэтапное раздельное определение прогностической значимости оценки информативности выбранных показателей в отношении исследуемого конечного

результата. В этой процедуре проводится расчет диагностических коэффициентов с созданием прогностических таблиц [18, 23, 83]. Мера информативности определятся по известной формуле Кульбака:

I = 10 • \%(РА / РВ) • 0,5 • (РА - РВ), (1.1)

где РА и РВ - частоты встречаемости признака в группах, различных исходов А и В, (наличие повторных ИМ, повторная госпитализация и т.д.) [46, 85].

Достоверность отличий в группах, различным исходом, оценивается по критерию Стьюдента [3].

В работах [6, 34, 37, 42, 48, 122] приводится таблица информативных признаков построенная с использованием формулы Кульбака (таблица 1.1).

Таблица 1.1- Информативность признаков в отношении исходов ИБС

№ Признаки Летальность Повторные ИМ Повторные госпитализации

1 Курение (>10 лет) 0,142 0,008 0,594

2 Курение (>10 шт.) 0,199 0,041 0,891

3 Артериальная гипертония 0,797 0,627 1,460

4 Сахарный диабет 0,120 1,203 0,087

5 Нитраты 0,029 0,801 0,195

6 Бета-блокаторы 0,037 0,631 0,506

7 Ингибиторы АПФ 1,020 0,718 0,690

8 Статины 0,707 0,699 1,451

9 Диуретики 0,667 0,419 0,725

10 Ингибиторы рецепторов ангиотензина II 0,045 0,017 0,584

11 Антиагреганты 0,633 0,606 0,325

12 АПБГ 0,353 0,556 0,873

13 ЛФК 0,158 0,591 0,644

14 Нет реабилитации 0,774 1,722 2,021

Продолжение табл. 1.1

15 ХС >6,5 0,283 0,158 1,397

16 ЛПНП >5,1 0,262 0,001 0,560

17 ЛПОНП >0,35 0,636 0,626 0,541

18 ЛПВП >0,91 0,520 0,070 0,190

19 Индекс атерогенности >3,0 0,567 0,014 0,928

20 ЭКГ (О+ИМ) 0,419 0,012 0,534

21 БИМ 0,526 0,949 0,670

22 ББИМ 0,618 0,627 0,480

23 Желудочковые экстрасистолы >10/сут. 0,385 0,602 0,192

24 Ударный объем <60 мл 0,567 0,500 0,050

25 Фракция выброса <55% 0,794 0,973 0,570

26 Масса миокарда >180 г 0,519 0,639 0,044

Диагностические коэффициенты (ДК), приведенные в таблице 1.1, позволяют сравнить используемые факторы риска (ФР) по их роли в оценке исходов заболевания. Кроме того, по данным таблицы 1.1 можно оценить вероятность трех исходов для пациента.

Пациенты, сумма диагностических коэффициентов которых равна или превышает +13, относятся к классу высокий риск неблагоприятных исходов, а пациенты с суммой ДК -13 имеют невысокий риск неблагоприятных исходов.

Пациенты с -13 < ДК <+13 находятся в зоне неопределенного прогноза с заданным уровнем достоверности. Для них рекомендуется проведение дополнительных исследований.

1.2 Методы прогнозирования и диагностики, применяемые в медицинской практике

В настоящее время в медицинских компьютерных системах используется большое количество методов прогнозирования и распознавания образов. Считается, что значительное число их "хорошо" работает при структуре данных удовлетворяющей ограничениям, присущим выбранным математическим моделям [18, 23, 29, 33, 40, 41, 69]. В этих работах структура данных (классов) понимается в смысле геометрической конфигурации точек-объектов в пространстве признаков [64, 67, 69]. С учетом этого при выборе соответствующего метода распознавания образов рекомендуют в начале получить хотя бы предварительную информацию о структуре классов решаемой задачи [64, 65, 68].

Выбор типа математических моделей для решаемой задачу прогнозирования и диагностики является достаточно сложной и зависит от многих разнородных факторов: от типа используемых шкал, структуры данных, объема обучающих выборок, точности «указаний» учителя и т.д. [60, 62, 67, 69, 70].

В практике построения медицинских компьютерных систем большая доля задач формулируется с эмпирических (эвристических) правил. В результате формируются наборы некоторых суждений, устанавливающих принадлежность исследуемого объекта к исследуемому классу состояния. Решающие правила в этом варианте строятся на правилах четкого или нечеткого вывода, которые получают с использованием литературных данных, обобщающих многолетний врачебный опыт, с участием высококвалифицированных экспертов [6, 76, 144, 166].

При использовании вероятностного задания признаков и классов, изучается возможность и целесообразность построения оптимальных "решателей" на основе

функций плотности вероятности с получением надежных оценок априорной вероятности. Объект относят к тому классу, у которого выше значение плотности в искомой точке пространства описания.

Следует иметь в виду, что на практике плотность распределения вероятностей определить очень сложно, а иногда и не возможно в силу медико-технологических ограничений, поэтому создают таблицы экспериментальных данных (ТЭД) относительно небольшого объема (обучающие выборки) с установленной классификацией. По этим выборкам восстанавливают или оценивают функции плотностей вероятностей, с построением искомых решающих правил [21, 23].

При решении такой задачи используют многочисленные алгоритмы. Из всего алгоритмического разнообразия в медицинской практике при геометрической интерпретации задач распознавания наиболее часто используют три типа алгоритмов: локальной оценки плотностей; задания типа разделяющих функций; интерактивные системы распознавания. Анализ специальной литературы и собственные исследования показал, что "надежно" работающие модели и алгоритмы можно получить, если формальные построения соответствуют структуре данных решаемой задачи.

В работах [23, 29, 40, 41] было показано, что задачи состояния оценки здоровья, включая состояния ССС, обладают рядом особенностей, значительно затрудняющих синтез формальных моделей принятия решений: различную разнородность структуры классов и признаков, недостаточность статистического материала; наличие казуистических объектов; ошибки в описании объектов исследования и др.. Для учета этих "сложностей" в работах [23, 29, 40, 41] рекомендуют использовать аппарат изучения структуры классов с генерацией гипотез о предпочтительных типах решающих правил. В анализе данных таким аппаратом является вычислительный эксперимент. Для решения задач классификации и диагностики вычислительный эксперимент, реализуемый диалоговыми интерактивными системами распознания (ДСР). В таких системах

диалог ориентирован прежде на анализ структуры многомерных данных с выбором соответствующих методов и алгоритмов обработки данных [23, 28, 40, 60].

В ДСР сложной и плохо формализуемой задачей является задача изучения структуры классов, решаемая путем отображения многомерных данных в наблюдаемые, чаще всего в двухмерные пространства. При этом человек наблюдает структурные особенности изучаемых данных, сделать соответствующие предположения, выдвигает гипотезы, а лучшие решения определяет стратегию решения задач синтеза правил принятия решений [60, 69]. При этом, следует иметь ввиду, что способы отображения не должны искажать информацию о возможности надежной классификации. При построении отображающих пространств наибольшее распространение получили следующие подходы:

1. Оси координат отображающего пространства пониженной размерности выбираются в пространстве признаков [1, 2].

2. Оси координат отображающего пространства не связаны с исходными признаками (развертки) [35, 40].

3. Методы многомерного шкалирования [1, 2, 10, 41].

Широкое практическое применение находит процедура уменьшения размерности известная как метод анализа главных компонент [1, 2]. Иногда для отображения многомерных данных применяют нелинейные методы [35, 40, 41]

1.3 Компьютерные технологии прогнозирования и диагностики в медицинской практике

Современный этап прогнозирования средств вычислительной техники в здравоохранении характеризуется несколькими направлениями. Основное

направление связано с построением экспертных систем для оценки состояния здоровья с использованием данных клинического анамнеза и данных инструментальных и лабораторных исследований. При этом большинство экспертных систем ориентированы на решения ограниченного круга задач в конкретной медицинской области [18, 19, 23, 33].

Второе направление связано с автоматизированным анализом медико-биологических сигналов. Примерами таких систем являются: автоматизированный кардиокомплекс КАД; прикладные программы автоматизированной обработки ДЕКАРТО-ЭКГ, система анализа ЭЭГ НЕЙРОВИЗОР, монитор-кардиоанализатор, анализатор электрореосигналов РЕОВИЗОР и др. [37].

Алгоритмы обработки биологических сигналов решают задачу нахождения информативных признаков (ИП) исследуемых сигналов, их математическую обработку с отображением и т.д.. Некоторые из этих систем способны формировать квалифицированное заключение с объяснением хода своих решений. Для решения задач прогнозирования и диагностики ИБС применяют теории распознавания образов, в которых в качестве ИП используются величины миокардиальных повреждений, механическую активность левого желудочка и т.д. [19, 20, 22, 36, 38, 46].

Список литературы диссертационного исследования кандидат наук Комлев Игорь Александрович, 2019 год

Список литературы

1. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов [Текст]: в 2 т. / С.А. Айвазян, В.С. Мхитарян. - 2-ое изд., испр. - М.: ЮНИТИ-ДАНА, 2001. - Т.1: Теория вероятностей и прикладная статистика. - 656 с.

2. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов [Текст]: в 2 т. / С.А. Айвазян, В.С. Мхитарян. - 2-ое изд., испр. - М.: ЮНИТИ-ДАНА, 2001. - Т. 2: Основы эконометрики. - 432 с.

3. Ананич, В.А. Впервые возникшая стенокардия: исходная характеристика и результаты наблюдения в течение 6-12 мес [Текст] / В.А. Ананич [и др.] // Cor et vasa. - 1990. - №2. - С. 99-106.

4. Аксельрод, А.С Нагрузочные ЭКГ-тесты: 10 шагов к практике. Учебное пособие [Текст] /А.С. Аксельрод, П.Ш. Чомахидзе, А.Л. Сыркин; под ред А.Л. Сыркина. - 5-ое изд. - М: МЕДперсс-информ, 2016. - 208 с.

5. Алгоритмы. Построение и анализ: пер. с англ. / Т. Кормен [и др.]. - 3-е изд. - М.: Вильямс, 2013 - 1328 с.

6. Алгоритмы и шкалы риска тромбоза и кровотечения в кардиологии и неврологии: Практическое пособие [Текст]/ Л.И. Бурячковская, Н.В. Ломакин, А. Б. Сумароков, Е. А. Широков. — М.: ООО «Др. Редди'с Лабораторис», 2018. — 424 с.

7. Аронов, Д.М. Функциональные пробы в кардиологии [Текст] / Д.М. Аронов, В.П. Лупанов. - 2-е изд. - М.: "МЕДпресс-информ", 2003. -С. 148156.

8. Аронов, Д.М. Кардиологическая реабилитация на рубеже веков [Текст] / Д.М. Аронов // Сердце: журнал для практикующих врачей. - 2002. - Т.1, №3. - С. 123-125.

9. Аронов, Д.М. Постстационарный этап реабилитации больных ишемической болезнью сердца [Текст] / Д.М. Аронов, М.Г. Бубнова, Г.В. Погосова // Сердце: журнал для практикующих врачей. - 2005. - Т.4, №2. - С. 103-107.

10.Белялов, Ф.И. Алкоголь и профилактика сердечно-сосудистых заболеваний [Текст] / Ф.И. Белялов // Кардиология. - 2004. - Т.44, № 4. -С. 78- 82.

11. Бойцов, А.В. Применение теории измерения латентных переменных для формирования пространства информативных признаков в задачах оценки функционального состояния человека [Текст] / А.В. Бойцов [и др.] // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2014. -№6 (57). - С. 52-58.

12.Бойцова, Е.А. Оценка уровня функциональных резервов организма на основе технологии мягких вычислений и модели Г. Раша [Текст] / Е.А. Бойцова [и др.] // Системный анализ и управление в биомедицинских системах. - 2015. - Т.14, №3. - С. 577-584.

13. Быков, А.В. Метод и нечёткая модель оценки степени тяжести ишемической болезни центральной гемодинамической системы [Текст] / А.В. Быков // Вестник новых медицинских технологий. - 2017. - Т.24, №4. - С. 144-150.

14. Быков, А.В. Метод оценки функционального состояния центральной гемодинамической системы [Текст] / А.В. Быков, Н.А. Кореневский, Е.А. Бойцова // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2017. - Т.7, №3. - С. 66-77.

15. Быков, А.В. Прогнозирование развития критического состояния кровообращения сердца на основе нечетких моделей [Текст] / А.В. Быков [и др.] // Известия Юго-Западного государственного университета. Серия Управление,

вычислительная техника, информатика. Медицинское приборостроение. - 2018. -Т.8, №1 (26). - С. 55-66.

16.Быков, А.В. Формирование пространства информативных признаков для оценки состояния пациентов с хроническими облитерирующими заболеваниями артерий нижних конечностей / А.В. Быков // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2018. - №1 (26). - С. 97-108.

17.Васильев, А.Ю. Диагностика стенозирующего поражения коронарных артерий при гипертонической болезни. Какой стресс-тест выбрать? [Текст] / А.Ю. Васильев, Н.Н. Михеев, М.В. Жарикова // Функциональная диагностика. - 2004. -№4. - С.17-22.

18. Викторов, Н.В. Современные компьютерные системы для автоматического анализа электрокардиосигнала [Текст] / Н.В. Викторов // Медицинская техника. - 1996. - № 1. - С.34-35.

19.Воронцов, И.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья [Текст]: монография / И.М. Воронцов, В.В. Шаповалов, Ю.М. Шерстюк. - СПб.: ИПК «Коста», 2006. - 432 с.

20.Гадалов, В.Н. Математические модели рефлекторных систем организма человека и их использование для прогнозирования и диагностики заболеваний [Текст] / В.Н. Гадалов, Н.А. Кореневский, В.Н. Снопков // Системный анализ и управление в биомедицинских системах. - 2012. - Т.11, №2. - С. 515-521.

21.Гайдышев, И.П. Анализ и обработка данных. Специальный справочник [Текст] / И.П. Гайдышев. - СПб.: Питер, 2001. - 752 с.

22. Гаранин, А.А. Биомеханика сердца и малого круга кровообращения на фоне факторов риска сердечно-сосудистых заболеваний [Текст] / А.А. Гаранин, А.Е. Рябов, О.В. Фатенкова // Российский журнал биомеханики. - 2012. - Т.16, №3(57). - С. 65-74.

23. Генкин, А.А. Новая информационная технология обработки данных (программный комплекс ОМИС) [Текст] / А.А. Генкин. - СПб.: Политехника, 1999. - 191 с.

24. Гибридные нечеткие модели для прогнозирования возникновения и осложнений артериальной гипертензии с учетом энергетических характеристик биоактивных точек [Текст] / М.А. Ефремов [и др.] // Известия ЮЗГУ. Серия: управление, вычислительная техника, информатика. Медицинское приборостроение. - 2018. - Т.8. № 4(29) - С. 104-119.

25. Гибридные нечёткие модели оценки степени тяжести ишемии сердца / И.А. Комлев [и др.] //«Мотивационные аспекты физической активности»: Материалы III Всероссийской Междисциплинарной конференция студентов, молодых ученых и преподавателей. - НовГУ им. Ярослава Мудрого. - Великий Новгород, 2019. - С. 42-49.

26. Гимаров, В.А. Нейро-нечеткий метод классификации объектов с разнотипными признаками [Текст] / В.А. Гимаров, М.И. Дли, С.Я. Битюцкий // Системы управления и информационные технологии. - 2004. - №4 (16). -С. 13-18.

27. Гитун, Т.В. Диагностический справочник кардиолога [Текст] / Т.В. Гитун. - М: АСТ, 2007. - 512 с.

28.Голухова, Е.З. Неинвазивная аритмология [Текст] / Е.З. Голухова. - М.: Издательство НЦССХ им. А.Н.Бакулева, РАМН, 2002. - 148 с.

29. Горелик, А.Л. Методы распознавания [Текст] / А.Л. Горелик, В.А. Скрипкин. - М.: Высшая школа, 1989. - 232 с.

30. Горбань, А.Н. Обучение нейронных сетей [Текст] / А.Н. Горбань. - М.: ПараГраф, 1990. - 160 с.

31. Горбаченков, А.А. Коронарная реабилитация - от покоя до физических тренировок и многофакторной профилактики [Текст] / А.А. Горбаченков // Российский кардиологический журнал. - 2006. - № 2(58). - С. 6-10.

32. Грахов, А.А. Модель модуля нечеткого вывода для ранней диагностики ишемической болезни сердца [Текст] / А.А. Грахов, В.В. Жилин, С.А. Филист // Физика и радиотехника в медицине и экологии: Доклады 8-й межд. научн. техн. конф. Книга 1. - Владимир, 2008. - С. 208-211.

33. Грахов, А.А. Система поддержки принятия решений для врача-терапевта на основе нечетких сетевых моделей [Текст] / А.А. Грахов, Л.А. Жилинкова, Е.В. Шевелева // Вестник новых медицинских технологий. -Тула, 2006. - Т^Ш, №2. - С. 43-46.

34. Гурылева, М.Э. Критерии качества жизни в медицине и кардиологии [Текст] / М.Э. Гурылева, М.В. Журавлева, Г.Н. Алеева // Русский медицинский журнал. - 2006. - Т.14, №10. - С. 761-763.

35.Губанов, В.В. Основы проектирования автоматизированных систем анализа медико-биологических сигналов [Текст] / В.В. Губанов, Л.В. Ракитская, С.А. Филист. - Курск: ГУИПП «Курск», 1997. - 134 с.

36. Дабровски, А. Суточное мониторирование ЭКГ [Текст] / А. Дабровски, Б. Дабровски. - М.: Медпрактика, 2000. - 208 с.

37. Диагностика ишемической болезни сердца интеллектуальной системой «АРМ-Кардиолог» [Текст] / О.А. Ефремова [и др.] // Курский научно-практический вестник 2. Человек и его здоровье». - 2014. - №1. - С. 69-74.

38. Динамика дисперсии интервала Q-T и вариабельности сердечного ритма при остром инфаркте миокарда и их прогностическое значение [Текст] / С.Н. Ерофеев [и др.] // Вестник новых медицинских технологий. - 2000. - Т.7, № 1. -С.61-63.

39. Дмитриева, Н.В. Индивидуальное здоровье и полипараметрическая диагностика функциональных состояний организма (системно - информационный подход) [Текст] / Н.В. Дмитриева, О.С. Глазачев. - М., 2000. - 214 с.

40. Дуда, Р. Распознавание образов и анализ сцен [Текст] / Р. Дуда, Р. Харт. - М.: Мир, 1976. - 509 с.

41. Дюк, В. Обработка данных на ПК в примерах [Текст] / В. Дюк. -СПб: Питер, 1997. - 240 с.

42. Емельянов, С.Г. Прогнозирование степени тяжести развития ишемического процесса в сердце, головном мозге и нижних конечностях на основе нечётких моделей [Текст] / С.Г. Емельянов, Н.А. Кореневский, А.В. Быков // Биомедицинская радиоэлектроника. - 2016. - №9. - С. 4-9.

43.Жилин, В.В. Прогнозирование артериальной гипертензии на основе гибридных нечетких моделей, учитывающих энергетические характеристики биоактивных точек [Текст] / В.В. Жилин, И.А. Комлев, Е.А. Старцев // Актуальные направления научных исследований XXI века: теория и практика: сборник научных трудов по материалам заочной научно-практической конференции. - Воронеж: ВГЛТУ, 2017. - №10 (36). - С. 194 -197.

44. Заде, Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений [Текст] / Л.А. Заде // Математика сегодня. - М., 1974.

45. Заде, Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений [Текст] / Л.А. Заде. - М.: Мир, 1976. - 312 с.

46. Зо Зо, Тун Способы и алгоритмы морфологического анализа в задачах распознавания рЯБ-комплексов [Текст] / Тун Зо Зо, С.А. Филист, О.В. Шаталова // Научные ведомости БелГУ. Серия: Экономика. Информатика. - 2011. -№7(102). - Выпцск 18/1. - С. 50-60.

47.Использование теории измерения латентных переменных для оценки уровня психоэмоционального напряжения [Текст] / Н.А. Кореневский [и др.] // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2015. -№3 (11). - С. 103-108.

48. Какие «новые» факторы целесообразно учитывать при оценке сердечнососудистого риска? [Текст] / М.Д. Смирнова [и др.] // Кардиоваскулярная терапия и профилактика. - 2018. - №17(6). - С. 77-85.

49.Канищев, И.И. Модели электрического сопротивления биоматериалов в аномальных зонах проводимости при циклическом изменении зондирующего тока [Текст] / И.И. Канищев, И.А. Комлев, О.В. Шаталова // Современные информационные технологии в управлении качеством: сборник статей V Международной научно-прикладной конференции. -Пенза: Приволжский Дом знаний, 2016. - С.51-55.

50. Козлов, С. Г. Значение чреспищеводной кардиостимуляции левого предсердия в диагностике ишемической болезни сердца [Текст] / С.Г. Козлов, И. Ю. Миронова, А. А. Лякишев. - Тер. арх., 1991. - №1. - С.108-111.

51.Коломоец, Н.М. Гипертоническая болезнь и ишемическая болезнь сердца: Руководство для врачей, обучающих пациентов в школе больных гипертонической болезнью и ишемической болезнью сердца [Текст] / Н.М. Коломоец, В.И. Бакшеев. - М.: Медицина, 2003. - 336 с.

52. Комлев, И.А. Динамические модели для прогнозирования профессиональных заболеваний [Текст] / И.А. Комлев, О.В. Шаталова // Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте: труды XXV Международной конференции. - Новороссийск: РИО ГМУ имени адмирала Ф.Ф. Ушакова, 2017. - С. 94-95.

53. Комлев, И.А. Интеллектуальная система прогнозирования ишемических инсультов на основе мультиагентных принципов [Текст] / И.А. Комлев, Д.Ю. Савинов, Е.С. Шкатова // Сборник тезисов XIII Международного Славянского конгресса по электростимуляции и клинической электрофизиологии сердца «КАРДИОСТИМ-2018». - СПб., 2018. - 202 с.

54. Комлев, И.А. Модель четырехпроходной вольт-амперной характеристики биоматериалов [Текст] / И.А. Комлев // Медико-экологические информационные технологии: сборник материалов XX Международной научно-технической конференции. - Курск: ЮЗГУ, 2017. - С. 144-146.

55.Комлев, И.А. Параметрические модели биоимпеданса в аномальных зонах проводимости [Текст] / И.А. Комлев // Актуальные вопросы

биомедицинской инженерии: сб. материалов VI Всерос. науч. конф. для молодых ученых, студентов и школьников. - Саратов: Сарат. гос. техн. ун-т, 2017. - С. 173175.

56. Комлев, И.А. Прогнозирование развития сердечных катастроф на основе анализа нечетких моделей данных / И.А. Комлев // Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте: труды XXVI Международной конференции. - Новороссийск: ГМУ имени адмирала Ф.Ф. Ушакова, 2018. - С. 105-106.

57.Комлев, И.А. Теоретико-множественная модель структурирования обучающей выборки, построенного на основе обучения агентов - сателлитов на фрагментах данных [Текст] / И.А. Комлев, Т.В. Петрова, О.В. Шаталова // Современные направления развития управления, экономики и образования: сборник статей Международной научно-прикладной конференции. - Пенза: Приволжский Дом знаний, 2018. - С. 109-112.

58. Комплексная оценка уровня функциональных резервов организма человека на основе нечётких моделей принятия решений [Текст] / Н.А. Кореневский [и др.] // Биомедицинская электроника. - 2010. - №2. -С. 30-36.

59.Конева, Л.В. Оценка уровня психоэмоционального напряжения и утомления по показателям, характеризующим состояние внимания человека [Текст] / Л.В. Конева, С.Н. Кореневская, С.В. Дегтярев // Системный анализ. -2012. - Т.11, №4. - С. 993-1000.

60. Кореневский, Н.А. Автоматизированные медико-технологические системы [Текст]: монография. В 3 ч. / Н.А. Кореневский, А.Г. Устинов, В.А. Ситарчук; под ред. А.Г. Устинова. - Курск: гос. техн. ун-т. Курск, 1995. - 390 с.

61. Кореневский, Н.А. Интеллектуальные системы поддержки принятия решений для врачей рефлексотерапевтов [Текст]: монография / Н.А. Кореневский, Р.А. Крупчатников. - Старый Оскол: ТНТ, 2013. - 424 с.

62. Кореневский, Н.А. Использование нечёткой логики принятия решений для медицинских экспертных систем [Текст] / Н.А. Кореневский // Медицинская техника. - 2015. - №1. - С. 33-35.

63. Кореневский, Н.А. Компьютерные системы ранней диагностики состояния организма методами рефлексологии [Текст]: монография / Н.А. Кореневский, В.В. Буняев, С.М. Яцун. - Новочеркасск: Юж. Рос. гос. Ун-т (НПИ) «Изв. Вузов. Электромеханика», 2003. - 206 с.

64.Кореневский, Н.А. Метод прогнозирования и диагностики состояния здоровья на основе коллективов нечётких решающих правил [Текст] /Н.А. Кореневский, Р.В. Руцкой, С.Д. Долженков // Системный анализ и управление в биомедицинских системах. - 2013. - Т.12, №4. -С. 905-909.

65. Кореневский, Н.А. Метод синтеза гетерогенных правил для анализа и управления состоянием биотехнических систем [Текст] / Н.А. Кореневский // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. -№2. - С. 99-103.

66. Кореневский, Н.А. Метод синтеза нечётких решающих правил оценки состояния сложных систем по информации о геометрической структуре многомерных данных [Текст] / Н.А. Кореневский, Е.Б. Рябкова // Вестник Воронежского государственного технического университета. - 2011. - Т.7, №8. -С. 128-137.

67. Кореневский, Н.А. Методология синтеза гибридных нечётких решающих правил для медицинских интеллектуальных систем поддержки принятия решений [Текст]: монография / Н.А. Кореневский, С.Н. Родионова, И.И. Хрипина. -Старый Оскол: ТНТ, 2019. - 472 с.

68.Кореневский, Н.А. Применение гетерогенных начётких моделей для комплексной оценки уровня функционального резерва человека [Текст] / Н.А. Кореневский, А.Н. Коростелев // Вестник Воронежского государственного

технического университета. - 2011. - Т.7, №8. - С. 142-147.

69.Кореневский, Н.А. Проектирование биотехнических систем медицинского назначения. Общие вопросы проектирования [Текст]: учебник / Н.А. Кореневский, З.М. Юлдашев. - Старый Оскол: ТНТ, 2018. - 312 с.

70.Кореневский, Н.А. Проектирование систем принятия решений на нечётких сетевых моделях в задачах медицинской диагностики и прогнозирования [Текст] / Н.А. Кореневский // Вестник новых медицинских технологий. - 2006. -Т.13, №2. - С. 6-10.

71. Кореневский, Н.А. Проектирование систем принятия решений на нечётких сетевых моделях в задачах медицинской диагностики и прогнозирования [Текст] / Н.А. Кореневский // Телекоммуникаци. - 2006. -№6. -С. 25-31.

72.Кореневский, Н.А. Синтез коллективов гибридных нечётких моделей оценки состояния сложных систем [Текст] / Н.А. Кореневский, К.В. Разумова // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2012. - №2. - С. 223-227.

73.Кореневский, Н.А. Синтез нечётких классификационных правил в многомерном пространстве признаков для медицинских приложений [Текст] / Н.А. Кореневский, К.В. Разумова // Наукоёмкие технологии. - 2014. - Т.15, №12. - С. 31-39.

74.Кореневский, Н.А. Теоретические основы биофизики акупунктуры с приложениями в медицине, психологии и экологии на основе нечётких сетевых моделей [Текст] / Н.А. Кореневский, Р.А. Крупчатников, Р.Т. Аль-Касасбех. -Старый Оскол: ТНТ, 2013. - 528 с.

75. Кореневский, Н.А. Энергоинформационные модели рефлексодиагностики [Текст] / Н.А. Кореневский, Л.П. Лазурина. - Курск: ОМПЦ, 2000. - 177 с.

76.Круглов, В.В. Интеллектуальные информационные системы. Компьютерная поддержка систем нечеткой логики и нечеткого вывода [Текст]: учебное пособие / В.В. Круглов, М.И. Дли. - М.: Изд-во Физико-математической лит-ры, 2002. - 227 с.

77. Круглов, В.В. Нечеткая логика и искусственные нейронные сети [Текст] / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. - М.: Физматлит, 2001. - 198 с.

78. Кузнецов, Д.А. Интеллектуальная система поддержки принятия решений прогнозирования заболеваний на основе нечёткой логики [Текст] / Д.А. Кузнецов // Искусственный интеллект. - 2004. - №3 - С. 337-342.

79.Кушаковский, М.С. Аритмии сердца [Текст] / М.С. Кушаковский. -СПб.: Фолиант, 1998. - 720 с.

80. Леоненков, А.В. Нечеткое моделирование в среде Matlab и fuzzyTECH [Текст] / А.В. Леоненков. - СПб.: БХВ - Петербург, 2005. - 736 с.

81.Лувсан, Г. Очерк методов восточной рефлексотерапии [Текст] / Гаваа Лувсан. - 3-е изд, перераб и доп. - Новосибирск: Наука. Сиб. Отд-ние, 1991. - 432 с.

82.Мальцева, О.В. Прогностическая мощность различных моделей в определении уровня коронарного риска у больных с острым коронарным синдромом без стойких подъемов сегмента ST [Текст] / О.В. Мальцева, З.М. Саифуиллина, С.В. Шалаев // Кардиология. - 2012. - Т.52, №4. - С. 4-9.

83.Математические модели прогнозирования и профилактики рецедивов инфаркта миокарда в реабилитационном периоде [Текст]: монография / С.П. Серёгин [и др.] // Известия Юго-Западного государственного университета. -2015. - 166 с.

84. Метод оценки степени тяжести ишемического поражения анатомических зон нижних конечностей по показателям гемостаза и кровенаполнения сосудов [Текст] / А.В. Быков [и др.] // Медицинская техника. - 2019. - №2. - С. 47-49.

85. Метод оценки функционального резерва человека-оператора на основе комбинированных правил нечёткого вывода [Текст] /

Н.А. Кореневский [и др.] // Биотехносфера. - 2012. -№1 (19). - С. 44-49.

86.Метод синтеза нечётких решающих правил на основе моделей системных взаимосвязей для решения прогнозирования и диагностики заболеваний [Текст] / Н.А. Кореневский [и др.] // Системный анализ и управление в биомедицинских системах. - 2014. - Т.13, №4. - С. 881-886.

87.Модели формирования пространства информативных признаков для прогнозирования инсультов по результатам исследования переходных процессов в аномальных зонах электропроводности в экспериментах in vivo [Текст] / М.А. Ефремов [и др.] // Известия Юго-Западного государственного университета. Серия: управление, вычислительная техника, информатика. Медицинское приборостроение. - 2017. - Т.7, №3(24). - С. 120-131.

88.Моросанова Н.А. Формальные свойства схемы Шортлифа / Н.А. Моросанова, С.Ю. Соловьев // Управление большими системами: сборник трудов. - Выпуск 36. - 2012. - С. 5-38.

89.Мохаммед, А.А. Моделирование импеданса биоматериалов в среде MATLAB [Текст] / А.А. Мохаммед, С.А. Филист, О.В. Шаталова // Известия Юго-Западного государственного университета. Серия: управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. - №4. - С. 73-78.

90.Мухатаев, Ю.Б. Интеллектуальная система поддержки принятия решений по прогнозированию инсультов [Текст] / Ю.Б. Мухатаев, О.В. Шаталова, И.А. Комлев // Актуальные вопросы неврологии и соматоневрологии: сборник статей Международной научно-прикладной конференции. - Пенза: Приволжский Дом знаний, 2017. - С. 62 -67.

91. Новые технологии прогнозирования риска развития ИБС [Текст] / С. Горохова [и др.] // Врач. - 2011. - №14 - С. 22-25.

92. О возможности прогнозирования рецидива инфаркта миокарда [Текст] / Ю.М. Бала [и др.] // Терапевтический архив. - 1972. - Т.34, №3. -С. 6-9.

93. Омельченко, В.П. Практикум по медицинской информатике [Текст] / В.П. Омельченко, А.А. Демидова // Серия учебники. Учебные пособия/Ростов на Дону. Феникс, 2001. - 304 с.

94. Основные классификации и шкалы риска в кардиологии [Текст]: практическое пособие / Ю.А. Баланова [и др.]; под ред. РАН Е.В. - М.: Кардиологи, 2015. - 19 с.

95. Осовский, Станислав.; пер. с польского Л.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344с.

96. Опыт применения интеллектуальных компьютерных технологий в лечебно- диагностической практике [Текст] / Ю.В. Немытин [и др.] // Военно-медицинский журнал. - 2006. - Т.327, №10. - С. 8-11.

97. Острый коронарный синдром без подъема сегмента ST у пожилых лиц: нерешенные проблемы диагностики [Текст] / М.Я Красносельский [и др.] // Клиническая геронтология. - 2007. - Т.13, №6. - С. 52- 56.

98. Орлов, А.И. Экспертные оценки [Текст]: учебное пособие / А.И. Орлов. - М., 2002. - 31 с.

99. Оценка интенсивности болевого синдрова при ишемии сердца [Текст] / А.В. Быков [и др.] // Системный анализ и управление в биомедицинских системах. - 2017. - Т.16, №4. - С. 848-856.

100. Оценка и управление состоянием здоровья на основе модели Г. Раша [Текст] / Н.А. Кореневский [и др.] // Медицинская техника. - 2015. - №6. - С. 3740.

101. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий [Текст]: монография / Н.А. Кореневский [и др.]. - Старый Оскол: ТНТ, 2016. - 472 с.

102. . Оценка функционального состояния здоровья человека с использованием теории измерения латентных переменных на основе моделей Г. Раша [Текст] / А.Н. Шуткин [и др.] // Системный анализ и управление в биомедицинских системах. - 2014. - Т.13, №4. - С. 927-932.

103. Пакулин, И.А. Дипиридамоловый тест в диагностике ишемической болезни сердца [Текст] / И.А. Пакулин, Ю.А. Суровов, Б.А. Сидоренко. -Кардиология, 1991. - № 2. - С. 99-100.

104. Пашкевич, В.М. Автоматизация построения сложных эмпирических зависимостей при исследованиях технологических объектов / В.М. Пашкевич // Вестник ГГТУ им. П.О. Сухого. - 2019. - №1. - С. 10-17.

105. Петрова, Т.В. Автономные интеллектуальные агенты в мониторинге эффективности лекарственных назначений [Текст] / Т.В. Петрова, И.А. Комлев, Д.Ю. Савинов // Перспективы и технологии развития в области технических наук: сборник научных трудов по итогам международной научно-практической конференции. - Нижний Новгород, 2018. - №3. - С. 59-62.

106. Погосова, Г.В. Депрессия — фактор риска развития ишемической болезни сердца и коронарной смерти: 10 лет научного поиска [Текст] / Г.В. Погосова // Кардиология. - 2012. - №12. - С. 4-11.

107. Порохна, В.С. Некоторые аспекты рефлексодиагностики и рефлексотерапии [Текст] / В.С. Порхна // Вестник новых медицинских технологий. - 2003. - Т.10, №3. - С. 45-47.

108. Портнов, Ф.Г. Электропунктурная рефлексотерапия [Текст] / Ф.Г. Портнов. - 3-е изд., перераб. и доп. - Рига: Зинатне, 1988. - 352 с.

109. Прогнозирование и оценка степени тяжести ишемии сердца на основе гибридных нечётких моделей [Текст] / И.А. Комлев, [и др.] // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. - Том 8. №1 (26). - С. 55-66.

110. Программно-технический комплекс для исследования основных параметров внимания и памяти [Текст] / Н.А. Кореневский [и др.] // Медицинская техника. - 2010. - №1. - С. 32-35.

111. Симоненко, В.Б. Функциональная диагностика [Текст]: руководство для врачей общей практики / В.Б. Симоненко, А.В. Цоколов, А.Я. Фисун. - М.: ОАО "Издательство "Медицина", 2005. - 304 с.

112. Синдром слабости синусового узла [Текст] / В.А. Шульман [и др.] -Санкт-Петербург - Красноярск, 1995. - 438 с.

113. Синтез нечетких решающих правил для медицинских экспертных систем с сетевой базой знаний [Текст]: коллективная монография / Е.Б. Рябкова [и др.]. - Краснодар: Российское энергетическое агентство, 2010. - С. 166- 187.

114. Синтез нечетких решающих правил для прогнозирования и ранней диагностики заболеваний, вызываемых состоянием окружающей среды с учетом индивидуальных особенностей организма [Текст] / Н.А. Кореневский [и др.] // Системный анализ и управление в биомедицинских системах. - 2007. - Т.6, №2. -С. 395- 401.

115. Синтез решающих правил для прогнозирования и ранней диагностики по прогностическим таблицам с использованием методов рефлексодиагностики [Текст] / В.И. Серебровский [и др.] // Системный анализ и управление в биомедицинских системах. - 2008. - Т.7, №3. - С. 643- 648.

116. Смертность от основных болезней системы кровообращения в России (аналитический обзор официальных данных РосКомСтата, МинЗдрава России, ВОЗ и экспертных оценок по проблеме) [Текст] / В.И. Харченко [и др.] // Российский кардиологический журнал. - 2005. - №1. - С. 5- 15.

117. Смирнова, М.Д. Прогностические факторы развития сердечнососудистых осложнений во время аномальной жары 2010 г. (когортное наблюдательное исследование) [Текст]/ М.Д. Смирнова, Т.В. Фофанова, Ф.Т. Агеев и др.// Кардиологический вестник. - 2016. - №11(1). - С. 43-51.

118. Сороколетов, П.В. Построение интеллектуальных систем поддержки принятия решений [Текст] / П.В. Сороколетов // Известия Южного федерального университета. Технические науки. - 2009. - С. 117-124.

119. Способ комплексной терапии при сочетанной ишемии центральной

гемодинамической системы, нижних конечностей, сердца и головного мозга [Текст]: пат. 2673481 РФ: МПК7 А61К 31/192, А61К 31/33, А61Р 9/10 / А.В. Быков [и др.]; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ). - №2017143027; заявл. 11.12.2017; опубл. 27.11.2018, Бюл. №33.

120. Способ прогнозирования степени тяжести ишемического процесса сердца, головного мозга и нижних конечностей [Текст]: пат. 2648178 РФ: МПК7 А61В 5/00, А61В 5/02 / А.В. Быков, Н.А. Кореневский; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ). - №2016151743; заявл. 28.12.2016; опубл. 22.03.2018, Бюл. №9.

121. Способ моделирования нечетких моделей в пакете МЛТЬАВ для биомедицинских приложений [Текст] / В.В. Жилин, [и др.] // Медицинская техника. - 2008. - №2. - С. 15-17.

122. Табакокурение и риск сердечно-сосудистых заболеваний среди трудоспособного населения г. Москвы [Текст] / Ш.М. Гайнулин [и др.] // Российский кардиологический журнал. - 2006. - №1(57). - С. 5-7.

123. Титомир, Л.И. Анализ ортогональной электрокардиограммы [Текст] / Л.И. Титомир, И. Рутткай-Недецкий, Л. Бахарова. - М.: Наука, 1990. - 238 с.

124. Уоссерман, Ф. Нейрокомпьютерная техника: теория и практика [Текст] / Ф. Уоссерман; пер. с англ. Ю.А. Зуев, В.А. Точенов. - М.: Мир, 1992. -240 с.

125. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика [Текст] / А.А. Усков, А.В. Кузьмин. - М.: Горячая линия - Телеком, 2004. - 143 с.

126. Филист, С.А. Гибридная нейронная сеть с макрослоями для медицинских приложений [Текст] / С.А. Филист, О.В. Шаталова,

М.А. Ефремов // Нейрокомпьютеры. Разработка и применение. - 2014. - №6. - С. 35-39.

127. Филист, С.А. Метод классификации сложных объектов на основе анализа структурных функций медленных волн [Текст] / С.А. Филист, И.И. Волков, С.Г. Емельянов // Биомедицинская радиоэлектроника. - №4. - 2012. -С.6-11.

128. Филист, С.А. Универсальные сетевые модели для задач классификации биомедицинских данных [Текст] / С.А. Филист, Р.А. Томакова, Яа Зар До // Известия Юго-Западного государственного университета. - Курск: Изд-во ЮЗГУ, 2012. - №4(43). - Ч. 2. - С. 44-50.

129. Филист, С.А. Нейросетевой решающий модуль для исследования живых систем [Текст] / С.А. Филист, С.Г. Емельянов, А.Ф. Рыбочкин // Известия Курского государственного технического университета. - 2008. - №2 (23). - С. 7782.

130. Хайкин, С. Нейронные сети: полный курс [Текст] / Саймон Хайкин; пер. с англ. Н.Н. Куссуль. - 2-е изд., испр. - М.: ООО «И.Д. Вильямс», 2018. - 1104 с.

131. Частота пульса и смертность от сердечно - сосудистых заболеваний у российских мужчин и женщин. Результаты эпидемиологического исследования [Текст] / С.А. Шальнова [и др.] // Кардиология. - 2005. - Т.45, №10. - С. 45-50.

132. Частота сердечных сокращений и её ассоциации с основными факторами риска в популяции мужчин и женщин трудоспособного возраста [Текст] / С.А. Шальнова [и др.] // Рациональная фармакотерапия в кардиологии. -2017. - №13(6). - С. 819-826.

133. Шкатова, Е.С. Оценка функционального состояния и функционального резерва организма по энергетической сбалансированности меридианных структур [Текст] / Е.С. Шкатова, М.А. Магеровский, Ю.Б. Мухатаев // Современные тенденции развития техники и технологии: сб. науч. трудов конф. - Белгород, 2015. - Ч.2, №8. - С. 132-135.

134. Шуткин, А.Н. Оценка уровня психоэмоционального напряжения на основе комбинированных нечётких моделей и модели Г. Раша [Текст] / А.Н. Шуткин // Фундаментальные и прикладные проблемы техники и технологии. -2015. - №6 (314). - С. 122-129.

135. Ясницкий, Л.Н. Интеллектуальные системы [Текст]: учебник / Л.Н. Ясницкий. - М.: Лаборатория знаний, 2016. - 221 с.

136. Яхъяева, Г.Э. Нечеткие множества и нейронные сети: учебное пособие [Текст] / Г.Э. Яхъяева. - М.: Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний, 2006. - 316 с.

137. ACC/AHA Guidelines for Coronary Angiography: Executive Summary and Recommendations [Text]: A Report of the Ameri-can College of Cardiology / P. J. Scanlon [and ect]. - American Heart Association Task Force on Practice Guidelines (Committee on Coronary Angiography) Developed in collaboration with the Society for Cardiac Angiography and Interventions. Circulation 1999. - Vol.99. - P. 2345-2357.

138. Albert, C.M. Phobic anxiety and risk of coronary heart disease and sudden cardiac death among women [Text] / C.M. Albert, C.U. Chae, K.M. Rexrode [and ect] // Circulation. - 2005. - Р. 111-480.

139. A method for creating fuzzy neural-network models using the matlab package for biomedical applications [Text] / S.A. Filist [and etc] // Biomedical Engineering. - 2008. - Vol.42, № 2. - P. 64-66.

140. Association between heart rate and subclinical cerebrovascular disease in the elderly [Text] / K. Nakanishi [and etc] // Stroke. - 2018. - Vol.49, №2. -P. 319-324.

141. Barnett, A.G. Effects of extreme temperatures on years of life lost for cardiovascular deaths: a time series study in brisbane, Australia [Text] / A.G. Barnett, C. Huang, X Wang et al. // Circ Cardiovasc Qual Outcomes. - 2012. -V.1, №5(5). - P. 609-614.

142. Berman, D.S. Relationship between stress-induced myocardial ischemia and atherosclerosis measured by coronary calcium tomography [Text] / D.S. Berman,

N.D.Wong, H.Gransar. // J Am Coll Cardiol. - 2004. -№44(4). -P. 923-930.

143. Biondi, B. The clinical significance of subclinical thyroid dysfunction [Text] / B. Biondi, D.S. Cooper // Endocr Rev. - 2008. - №29(1). - P. 76-131.

144. Buchanan, G.B. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Projext [Text] / G.B. Buchanan, E.H. Shortliffe. - Massachusetts: Addison-Wesley,1984. -P. 123-128.

145. Chaker, L Thyroid Function Within the Reference Range and the Risk of Stroke: An Individual Participant Data Analysis [Text] / L Chaker, C Baumgartner, den WP Elzen, et al. // J Clin Endocrinol Metab. - 2016. - №101(11). -P. 4270-4282.

146. Combination of transesophageal atrial pacing and echo-dipyridamole test in the diagnosis of coronary disease in patients with suspected angina pectoris and negative exercise test] [Text] / R. Manfredini [and ect]. - G Ital Cardiol, 1994. Vol.24(11). - P. 1379-1386.

147. Comparison oftune domain and spectral temporal mapping analysis of the signal-averaged electrocardiogram in the prediction of ventricular tachycardia [Text] / R. Brooks [and ect]. - Circulation, 1999. - Vol.84, No4. - 11 p.

148. Cortigiani, L. Diagnostic value of exercise electrocardiography and dipyridamole stress echocardiography in hypertensive and normotensive chest pain patients with right bundle branch block [Text] / L. Cortigiani, R. Bigi, F. Rigo // J Hypertens. - 2003. - Vol.21(11). - P. 2189-2194.

149. Cortigiani, L. Safety, feasibility, and prognostic implications of pharmacologic stress echocardiography in 1482 patients evaluated in an ambulatory setting.Am Heart [Text] / L. Cortigiani, E. Picano, C. J. Coletta. - 2001. - Vol.141(4). -P. 621-629.

150. Diagnostic and prognostic value of dipyridamole echocardiography in patients with suspected coronary artery disease. Comparison with exercise

electrocardiography [Text] / S. Severi [and ect] // Circulation. - 1994. - No89(3). - P. 1160-1173.

151. Dipyridamole-echocardiography and thallium exercise myocardial scintigraphy in the diagnosis of obstructive coronary or microvascular disease in hypertensive patients with left ventricular hypertrophy and an-gina [Text] / C. Astarita [and etc] // G Ital Cardiol. - 1998. - No28(9). - P. 996-1004.

152. Heart rate reduction in cardiovascular disease and therapy [Text] / J.C. Reil [and etc] // Clinical Research in Cardiology. - 2011. - Vol.100, №1. -P. 11-19.

153. Hennig, B. Lipid peroxidation and endothelial cell injury: implications in atherosclerosis / B. Hennig, C.K. Chow // Free radical biology & medicine. - 1998. -Vol.4, №2. - P. 99-105.

154. Gligorova, S. Pacing stress echocardiography [Text] / S. Gligorova, M. Agrusta // Cardiovascular Ultra-sound. - 2005. - Vol.3. - 36 p.

155. Guidelines for perioperative cardiovascular evaluation for noncardiac surgery: report of the ACC [Text] / K.A. Eagle [and ect] // AHA task force on practice guidelines. J Am Coll Cardiol. - 1996. - Vol.27. - P. 910-948.

156. Improved cardiac risk stratification in major vascular surgery with dobutamine-atropine stress echocardiography [Text] / D. Poldermans [and ect] // J Am Coll Cardiol. - 1995. - Vol.26. - P. 648-653.

157. Metaanalytic comparison of echocardiographic stressors. Int J Cardiovasc Imaging [Text] / Y. Noguchi [and ect]. - 2005. - Vol.21(2-3). P. 189-207.

158. Lutgers, HL. Skin autofluorescence provides additional information to the UK Prospective Diabetes Study (UKPDS) risk score for the estimation of cardiovascular prognosis in type 2 diabetes mellitus. [Text] / HL Lutgers, EG Gerrits, R Graaff, et al. //Diabetologie 2009;52:789-97. doi:10.1007/s00125-009-1308-9.

159. Management of acute coronary syndromes in patients presenting without persistent ST segment elevation; recommendations of the Task Force of the European

Society of Cardiology [Text] / M.E. Bertrand [and etc] // European Heart Journal. -2000. - Vol.21, №17. - 1406-1432.

160. Nedeljkovic, I. Comparison of exercise, dobutamine-atropine and dipyridamole-atropine stress echocardiography in detecting coronary artery dis-ease Cardiovasc Ultrasound [Text] / I. Nedeljkovic, M.Ostojic. - Beleslin, 2006. - Vol.4. -22 p.

161. Negative predictive value of dipyridamole vs. dobutamine stress echocardiography in the long-term follow-up of patients undergoing major vascular surgery [Text] / L. Moura, [and ect] // Rev Port Cardiol. - 2004. - Vol.23(1). - P. 17-27.

162. Pharmacological stress echocardiography in the diagnosis of coronary artery disease and myocardial ischemia: a compari-son between dobutamine and dipyridamole [Text] / A. Salustri [and ect] // Eur Heart J. - 1992. - Vol.13(10). -P. 1356-1362.

163. Prognostic value of dipyridamole stress echocardiography in hypertensise patients with left ventricular hypertrophy, chest pain and resting electrocardiographic repolarization abnormalities [Text] / S. Mondillo [and ect] // Can. J. Car-diol. - 2001. -Vol. 5. -P. 571-577.

164. Piepoli, M.F. European Guidelines on cardiovascular disease prevention in clinical practice: The Sixth Joint Task Force of the European Society of Cardiology and Other Societies on Cardiovascular Disease Prevention in Clinical Practice (constituted by representatives of 10 societies and by invited experts) [Text] / M.F. Piepoli, Hoes A.W., Agewall S. et al. // Eur Heart J. - 2016. - №37(29). - P. 2315-81.

165. Selection of the optimal stress test for the diagnosis of coronary artery disease [Text] / J. A. S. Roman [and ect] // Heart. - 1998. - Vol.80. - P. 370-376.

166. Shortliffe, E.H. Computer - Based medical Consultation: MYCIN [Text] / E.H. Shortliffe // New York: American Elseviver. - 1976. - 548 p.

167. Standards for analysis of ventricular late potentials using high -resolution or signal - averaged eiectrocardiography: astatement by a task force committee of the European Society of Cardiology, the American College of Cardiology [Text] / G.

Breithardt [and ect] // J.Amer.Col.Cardiol. - 1991. - Vol. 17 - P. 999-1006.

168. Stress echocardiography. Curr Pharm Des [Text] / E. Picano [and ect]. -2005. - Vol.11(17). - P. 2137-2149.

169. The TIMI risk score for unstable angin a/non-ST elevation MI: a method for prognostication and therapeutic decision making [Text] / E.M. Antman [and etc] // JAMA. - 2000. -Vol. 284. - P. :835-842.

170. The Global Registry of Acute Coron ary Events Investigators. Predictors of hospital mortality in the global registry of acute coron ary events [Text] / C.B. Granger [and etc] // Arch Intern Med. - 2003. - Vol.163. -P. 2345-2353.

171. Varga, A. Safety of stress echocardiography (from the Inter-national Stress Echo Complication Registry) [Text] / A. Varga, M.A. Garcia, E. Picano. - Am J Cardiol, 2006. - No98(4). - P. 541-543.

172. Veronese, N. Relationship Between Low Bone Mineral Density and Fractures With Incident Cardiovascular Disease: A Systematic Review and Meta-Analysis[Text] / N. Veronese, B. Stubbs, G. Crepaldi et al.// J Bone Miner Res. - 2017. - №32(5). - P. 1126-1135.