Информационная система поддержки принятия решений врачом-офтальмологом тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Кучеров, Андрей Андреевич

• Кучеров, Андрей Андреевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Кучеров, Андрей Андреевич

ОГЛАВЛЕНИЕ

Список сокращений Стр.

Введение 5 ГЛАВ А 1. Задачи создания информационных систем для автоматизации

процессов диагностики

1.1. Описание объекта исследования

1.2. Задачи диагностики

1.3. Анализ структуры автоматизированной диагностические системы

1.4. Анализ особенностей разработки автоматизированной диагностической системы

1.5. Методы математического моделирования трехмерной формы биологических объектов

1.5.1. Структура модели

1.5„.2. Анализ методов геометрического моделирования

1.5.2.1. Воксельная технология

1.5.2.2. Древовидные структуры

1.5.2.3. Конструктивная объемная геометрия

1.6. Выводы

ГЛАВА 2. Построение и визуализация трехмерной модели витреальной

полости глаза человека

2.1. Постановка задачи автоматизированной обработки компьютерных

томограмм

2.2„ Выбор метода автоматизированного анализа последовательности

томограмм

2.3. Выбор метода реконструкции трехмерной модели по сечениям

2.4. Средства моделирования

2.5. Реконструкция трехмерной модели с применением метода плазирования

2.6. Параметризация трехмерной модели витреальной полости глазного яблока человека

2.7. Разработка алгоритма для получения массовых характеристик витреальной полости

2.8. Разработка системы расчета параметров витреальной полости глазного яблока человека

2.9. Программные компоненты системы расчета

2.9.1. Модуль расчета параметров

2.9.2. Модуль формирования результатов исследования

2.10. Выводы

ГЛАВА 3. Разработка системы анализа снимков глазного дна человека 78 3.1 Аппаратная составляющая системы обработки и анализа данных

флюоресцентной ангиографии

3.2. Программная составляющая системы обработки и анализа данных

флюоресцентной ангиографии

3.2.1. Выбор средств программирования базы данных

3.2.2. Выбор структуры базы данных

3.2.3. Выбор структуры программного обеспечения компьютерной системы обработки и анализа данных флюоресцентной ангиографии

3.2.3.1. Описание программного комплекса

3.2.3.2. Программный модуль для подготовки растровых изображений к анализу

3.2. 3.3. Программный модуль анализа растровых изображений для получения

количественной оценки уровня флюоресценции

3.2.3.4. Программный модуль визуализации результатов анализа

3.2.3.5. Программный модуль вывода результатов анализа для сохранения

3.3. Программные компоненты системы расчета

3.3.1. Модуль загрузки файлов

3.3.2. Модуль анализа и получения параметров уровня флюоресценции

3.3.3. Модуль представления результатов анализа в виде диаграммы

3.3.4. Модуль представления результатов анализа в виде сводной таблицы

и сохранения данных

3.4 Выводы

Заключение

Список литературы

Приложения

Список сокращений

АДС - автоматизированная диагностическая системы

АФДТ - антимикробная фотодинамическая терапия

ВПГ - витреальная полость глаза

KT - компьютерная томография

ООП - объектно-ориентированное программирование

ПК - персональный компьютер

САПР - система автоматизированного проектирования СВТ - средства вычислительной техники , СУБД - система управления базами данных ФА - флюоресцентная ангиография ЭВМ - электронно-вычислительная машина BSP - бинарное разделение пространства SQL - структурированный язык запросов

Введение диссертации (часть автореферата) на тему «Информационная система поддержки принятия решений врачом-офтальмологом»

ВВЕДЕНИЕ

Математическое моделирование, как новый способ исследования и получения новых знаний, сформировалось в 70-х годах прошлого столетия на основе широкого применения математических методов.

Основой нового научного направления в исследованиях математического моделирования послужил взаимосвязанный процесс разработки математических моделей, численных алгоритмов, программирования и создания комплексов и пакетов программ для решения на ЭВМ различных задач, а также анализа, хранения и вывода результатов расчетов.

Процесс моделирования может быть представлен в виде такой последовательности: исследуемый объект — математические модели — численные алгоритмы — программирование — ЭВМ расчеты — результаты и их анализ, дополняющий известную триаду математического моделирования модель — алгоритм — программа [9-13,15].

Основанная, как самостоятельная дисциплина в 40х-50х годах XX века, теория систем - родоначальник системного анализа, была призвана помочь специалистам в преодолении недостатков узкой специализации, в укреплении междисциплинарных связей, в развитии диалектического видения мира и системного мышления.

Совокупность методов математического моделирования и средств системного анализа представляет собой мощный инструмент для исследования и получения закономерностей для описания объектов во многих видах деятельности человека.

Применение средств визуализации, трансформации, анализа информации и методов математического моделирования, качественно влияющих на принятие решений в исследованиях как нормальных физиологических, так и патологических процессов, является в настоящее время одним из самых актуальных направлений в научных изысканиях.

Современная медицина представляет собой, в основном,

экспериментальную науку с огромным эмпирическим опытом воздействия на излечение тех или иных болезней различными средствами. Наиболее эффективным аппаратом экспериментальных исследований и процессов в биосредах является системный анализ и математическое моделирование [14, 16].

Поначалу математика и медицина могли показаться несовместимыми областями человеческой деятельности. В действительности, долгое время основным источником математических проблем были физика и астрономия. Медицина, в основном, развивалась несвязанно с математикой и оставалась практически неформализованной наукой. Однако, в последние десятилетия взаимодействие медицины и математики становится всё более активным.

Положительные результаты совместной деятельности уже получены и эффективно используются. Например, многие математические понятия и вычислительные алгоритмы возникали и развивались при решении медико-биологических проблем [17, 18].

И в офтальмологии, являющейся динамически развивающейся областью медицины, методики лечения разрабатываются с использованием современных медицинских теорий и практических знаний в совокупности с методами системного анализа, средствами информационных технологий и математического моделирования.

Учитывая высокие требования, предъявляемые к современным методикам лечения глазных заболеваний в офтальмологии, необходимой становится ориентированность на высокую точность воздействия. Среди других методик лечения большое значение придается антимикробной фото динамической терапии (АФДТ).

АФДТ широко применятся в офтальмологии, и совершенствуется достаточно быстрыми темпами. Возникают задачи, решение которых требует математической точности для достижения качественного влияния на лечебный эффект.

Антимикробная фотодинамическая терапия (АФДТ) — метод лечения онкологических, опухолевых заболеваний, некоторых заболеваний кожи или инфекционных заболеваний, основанный на применении светочувствительных веществ — фотосенсибилизаторов (в том числе красителей) и, как правило, видимого света определённой длины волны [1].

Сенсибилизатор вводится в организм. Вещества для АФДТ обладают свойством избирательного накопления в опухоли или иных целевых тканях (клетках). Затем поражённые патологией ткани облучают светом с длиной волны, соответствующей максимуму поглощения красителя. В качестве источника света в последнее время используются лазерные установки, позволяющие излучать свет определённой длины волны и высокой интенсивности [2,3,20].

В настоящее время в офтальмологическом центре в Калужском филиале ФГБУ «МНТК «Микрохирургия глаза» им. акад. С.Н. Федорова» Минздрава России успешно применяется антимикробная фотодинамическая терапия, в ходе которой осуществляются введение специальных лекарственных препаратов в глаза, а также облучение лазером витреальной полости глаза человека (рис. 1).

Рис. 1. Схематичное изображение витреальной полости глаза

Проведение АФДТ невозможно без расчетов дозы лазерного излучения. Необходимость точного расчета дозы лазерного облучения при АФДТ обусловлена опасностью превышения необходимой мощности облучения и количества вводимого светочувствительного вещества. Но выполнение точного расчета сопровождается определенными трудностями вследствие сложной геометрии витреальной полости и глаза в целом.

Необходимость введения в полость глаза веществ с различными физико-химическими свойствами, а также учета изменений нормальной анатомии глаза вследствие предшествующих вмешательств и травм, требует персонального расчета объема и площади витреальной полости на основе индивидуальных параметров глаза пациента. Индивидуальными параметрами глаза приняты: размеры наибольшего сечения, толщина хрусталика и расстояние от задней стенки хрусталика до заднего полюса глазного яблока [3].

В клинической офтальмологии при использовании АФДТ и других методик лечения глазных заболеваний на сегодняшний день использовались

общепринятые усредненные данные объема и площади витреальной полости глаза. Однако, усредненный подход влечет за собой появление недостатков в применяемых методиках, таких как передозировка химического препарата или его недостаточное количество, преувеличение дозы лазерного облучения или его недостаточное воздействие. Что отрицательно сказывается на результатах лечебного процесса [4, 5].

Глаз представляет собой сложную биологическую систему. Глазное яблоко имеет не совсем правильную шаровидную форму, длина его саггитальной оси в среднем равна 24 мм, горизонтальной — 23,6 мм, вертикальной — 23,3 мм [5].

При разработке математических моделей глазного яблока и витреальной полости, методы математического аппарата применяются в основном для описания глаза, как оптической системы. Но ранее созданные математические модели не позволяли получать данные об объеме и площади витреальной полости глаза, тем более с учетом индивидуальных параметров глазного яблока пациента. Также стоит отметить, что работ в области математического моделирования глазного яблока крайне мало [6,7,8].

Поэтому актуальной является разработка средств для вычисления характеристик витреальной полости глаза, необходимых для достижения максимально возможного лечебного эффекта в рамках АФДТ [3].

Процесс применения методики АФДТ, как и любое воздействие на человеческий организм, должен контролироваться специалистом. Для оценки результатов АФДТ в лечении различных глазных заболеваний традиционно используют метод флюоресцентной ангиографии. Данный метод позволяет получать флюоресцентные ангиограммы - цифровые фотографии глазного дна пациента, на которых можно различить области скопления светочувствительного вещества [19]. Полученные флюоресцентные ангиограммы визуально оцениваются специалистом.

Количественный показатель уровня флюоресценции областей скопления светочувствительного вещества дает возможность оценить

количество фотосенсибилизатора и, соответственно, понять достигнут ли необходимый лечебный эффект, либо пациент нуждается в повторном курсе.

Таким образом, неотъемлемой частью процесса расшифровки флюоресцентных ангиограмм становится субъективное виденье специалистом результатов, достигнутых в ходе проведения АФДТ.

Для осуществления возможности исследования и анализа флюоресцентных ангиограмм при проведении АФДТ в с применением светочувствительного вещества необходима зональная проработка уровня флюорсценции предполагаемых патологий.

Поэтому, является актуальной разработка метода получения уровня флюоресценции областей для объективной оценки специалистом результатов проведенного лечения пациента [20].

В специальной литературе не найдено сведений о разработанных методах, позволяющих вычислять характеристики витреальной полости глаза, осуществлять построение математической модели витреальной полости, учитывающей индивидуальные размеры глаза человека, а также о методах анализа флюоресцентных ангиограмм на основе уровня флюоресценции. В связи с этим представляется целесообразным разработать для достоверного анализа методы и средства их реализации для усовершенствования АФДТ в офтальмологии.

Цель настоящего исследования - разработать методы и алгоритмы для информационной системы поддержки принятия решений врачом-офтальмологом, обеспечивающие повышение качества диагностики результатов АФДТ при применении методов математического моделирования и компьютерного анализа данных.

В соответствии с поставленной целью задачи решались в следующей последовательности:

1. Построение математической модели витреальной полости глаза человека.

2. Разработка алгоритма расчета объема и площади , поверхности витреальной полости в соответствии с индивидуальными

параметрами глаза пациента.

3. Разработка алгоритма анализа фотографий глазного дна и определения уровня флюоресценции.

4. Разработка информационной системы поддержки принятия решений врачом-офтальмологом, включающей в себя алгоритм расчета параметров витреальной полости глаза и алгоритм анализа фотографий глазного дна, а

' также позволяющей осуществлять сохранение и накопление результатов для всестороннего анализа лечебного процесса с целью принятия решения о достигнутом лечебном эффекте.

Научная новизна

В диссертации получены следующие результаты, характеризующиеся научной новизной:

1. Математическая модель, позволяющая рассчитывать объем, площадь поверхности витреальной полости глаза человека в соответствии с задаваемыми индивидуальными параметрами глаза пациента: размером наибольшего сечения, толщиной хрусталика и расстоянием от задней стенки хрусталика до заднего полюса глазного яблока;

2. Разработан метод построения математической модели витреальной полости глаза в инженерной системе автоматизированного проектирования (САПР) ЗоНс^огкв;

3. Разработан алгоритм, основанный на данных об объеме и площади витреальной полости, для вычисления плотности энергии лазерного излучения, распределения плотности энергии во времени;

4. Разработан алгоритм для анализа фотографий глазного дна пациента и определения уровня флюоресценции, который позволяет осуществлять

сохранение и накопление результатов для всестороннего анализа лечебного процесса с целью принятия решения о достигнутом лечебном эффекте.

Практическая значимость

Возможность наблюдать изменения пропорций витреальной полости позволяет вести учет изменений нормальной анатомии глаза вследствие предшествующих вмешательств и травм.

Разработанный алгоритм расчета площади поверхности и объема витреальной полости глаза человека является универсальным средством расчета параметров витреальной полости, и позволяет использовать получаемые результаты при разработке новых или в уже имеющихся методиках, основанных на внутриглазном введении препаратов.

Возможность применять прикладную систему расчета объема и площади витреальной полости в лечении заболеваний, требующих многоэтапных и неоднократных вмешательств.

Использование возможности исследования флюоресцентных ангиограмм позволяет объективно оценить результаты проведения АФДТ, и проанализировать достигнут ли нужный лечебный эффект или необходимо повторное проведение тех или иных мероприятий.

Основные положения, выносимые на защиту

1. Математическая модель витреальной полости глаза.

2. Алгоритм расчета объема и площади поверхности витреальной полости в соответствии с индивидуальными параметрами глаза пациента: размером наибольшего сечения, толщиной хрусталика и расстоянием от задней стенки хрусталика до заднего полюса глазного яблока.

3. Алгоритм анализа фотографий глазного дна и определения уровня флюоресценции.

4. Информационная система поддержки принятия решения врачом-офтальмологом, включающая в себя методы расчета параметров витреальной полости глаза и алгоритм анализа фотографий глазного дна, а также позволяющая осуществлять сохранение и накопление результатов для всестороннего анализа лечебного процесса с целью принятия решения о достигнутом лечебном эффекте.

Апробация работы

Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:

- Региональной научно-технической конференции «Наукоемкие технологии в приборо- и машиностроении и развитие инновационной деятельности» (г. Калуга, 2008);

Российском общенациональном офтальмологическом форуме (г. Москва, 2008);

- III Всероссийской научной конференции молодых ученых с участием иностранных специалистов «Актуальные проблемы офтальмологии» (г. Москва, 2008);

Российском общенациональном офтальмологическом форуме (г. Москва, 2009);

- «Новые технологии в офтальмологии» (г. Казань, 2009);

- Межрегиональной научно-практической конференции «Метрология и инженерное дело в медико-биологической практике» (г. Оренбург, 2009);

- Международной конференции «Математические идеи П. Л. Чебышева и их приложения к современным проблемам естествознания» (г. Обнинск, 2011).

Формы внедрения

По результатам проведенных исследований получены патент РФ, акт внедрения, проведены доклады на научно-практических конференциях, опубликованы работы в изданиях, рекомендованных ВАК РФ, оформлена кандидатская диссертация.

Публикации

По теме диссертации опубликовано 9 научных работ, из них 3 в периодических изданиях перечня ВАК. Имеется один патент РФ на изобретение.

Личный вклад автора

Содержание диссертации и основные положения, выносимые на защиту, отражают персональный вклад автора в опубликованные работы. Личный вклад соискателя состоит в решении всех поставленных задач настоящего исследования, разработке алгоритмов, программного обеспечения, а также методов обработки биомедицинской информации.

Объем и структура диссертации

Диссертация изложена на 121 странице машинописного текста и состоит из введения, 3-х глав собственных исследований, заключения, списка литературы, приложений. Работа иллюстрирована 60 рисунками, содержит 2 таблицы. Указатель литературы включает 117 источников, из них 98 отечественных и 19 зарубежных авторов.

Работа выполнена в «Национальном исследовательском ядерном университете «МИФИ» (НИЯУ МИФИ) Обнинском институте атомной энергетики - филиале НИЯУ МИФИ (руководитель - д. т. н., профессор В.И.

Ярыгин) совместно с Калужским филиалом ФГУ «МНТК

«Микрохирургия глаза» имени академика С.Н. Федорова Росмедтехнологии» (директор - к. м. н., заслуженный врач РФ A.B. Терещенко) под руководством, заведующего кафедрой Прикладной математики ИАТЭ НИЯУ МИФИ, д. ф.-м. н., профессора В.А. Галкина.

Рентгенологические исследования выполнялись на базе отделения лучевой диагностики Государственного бюджетного учреждения здравоохранения Калужской области «Калужская областная больница».

Приношу глубокую благодарность за научное и практическое становление своему научному руководителю, д. ф.-м. н., проф. В.А. Галкину.

Искренне благодарю заместителя директора Калужского филиала ФГБУ «МНТК «Микрохирургия глаза» имени академика С.Н. Федорова» Минздрава России по научной работе, д. м. н., проф. Ю.А. Белого.

Выражаю особую благодарность, заслуженному деятелю науки и техники РФ, д. т. н., проф. В.А. Острейковскому.

16

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Кучеров, Андрей Андреевич

3.4. ВЫВОДЫ

1. Разработан алгоритм, позволяющий в результате анализа снимков глазного дна человека получать количественный показатель уровня флюоресценции областей скопления светочувствительного вещества.

2. Разработано программное обеспечение, в функциях которого предусмотрена реализация алгоритма анализа количественного показателя уровня флюоресценции, возможности последующей обработки результатов анализа, сохранение и накопление результатов с целью принятия диагностического решения.

3. Автоматизирован процесс анализа фотографий глазного дна, что позволяет ускорить постановку диагноза, в соответствии с которым, специалист принимает решение о продолжении проведения лечебных мероприятий или их успешном завершении.

4. Устранены недостатки, характерные для простой визуальной оценки флюоресцентных ангиограмм в рамках АФДТ: отсутствие возможности оперировать количественным показателем уровня флюоресценции на снимках глазного дна;

- отсутствие структурированной формы хранения исходных данных (серии снимков глазного дна), результатов анализа; рутинный характер процесса анализа флюоресцентных ангиограмм, с большими временными затратами и субъективной оценкой специалиста.

ЗАКЛЮЧЕНИЕ

1. Создана математическая модель витреальной полости глаза человека.

2. Разработан алгоритм, позволяющий рассчитывать объем, площадь поверхности витреальной полости в соответствии с индивидуальными параметрами глаза пациента.

3. Разработан алгоритм, позволяющий в результате анализа снимков глазного дна человека получать количественный показатель уровня флюоресценции областей скопления светочувствительного вещества.

4. Разработана информационная система поддержки принятия решения врачом-офтальмологом, включающая в себя методы расчета параметров витреальной полости глаза и алгоритм анализа фотографий глазного дна, а также позволяющая осуществлять сохранение и накопление результатов для всестороннего анализа лечебного процесса с целью принятия решения о достигнутом лечебном эффекте.

Проанализированы основные проблемы фотодинамической терапии в офтальмологии и выявлены недостатки этой методики лечения глазных заболеваний: использование усредненных данных объема и площади витреальной полости глаза для пациентов с различными параметрами витреальной полости;

- отсутствие возможности принятия достоверных диагностических решений в соответствии с количественным показателем уровня флюоресценции на снимках глазного дна;

- отсутствие структурированной формы хранения диагностических данных (серий снимков глазного дна, трехмерной модели витреальной полости), результатов анализа флюоресцентных ангиограмм, параметров витреальной полости;

- рутинный характер процесса анализа флюоресцентных ангиограмм, с большими временными затратами и субъективной оценкой специалиста.

Недостатки устранены с использованием возможностей информационных технологий, методов компьютерной визуализации, математического моделирования и средств разработки программного обеспечения.

Обоснована актуальность применения разработанных алгоритмов и программного обеспечения для достоверной диагностики и принятия объективного решения врачом-офтальмологом.

Список литературы диссертационного исследования кандидат технических наук Кучеров, Андрей Андреевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Медведев И. Б. // Медведев И. Б., Беликова Е. И., Сямичев М. П. Фотодинамическая терапия в офтальмологии. - М.: , 2006. -135 с. стр. 5-6.

2. Терещенко A.B. Фотодинамическая терапия с фотосенсибилизатором «фотодитазин» в офтальмологии: сб. науч. ст. и тезисов по материалам научно-практической конференции (Москва, 1 октября 2004 г.) / Терещенко A.B., Белый Ю.А., Володин П.Л., Каплан М.А. // М.:. - 2008. - с. 10-12

3. Плахотний М.А., Интравитриальное применение антибактериальной фотодинамической терапии в ходе витротамиии при лечении экзогенного бактериального эндофтальмита (экспериментальное клиническое исследование): диссертация кандидата медицинских наук. -М.: 2011.- 145 с.

4. Алексеевская И. А. Диагностические игры в медицинских задачах. Вопросы кибернетики Текст. / Алексеевская И. А., Недоступ А. В. // Задачи медицинской диагностики и прогнозирования с точки зрения врача.- 1988.-№ 112.-С. 128-139.

5. Даниличев В.Ф. Современная офтальмология / В.Ф. Даниличев. СПб: Питер, 2000. - 672 с.

6. Тахчиди X. П. Параметризованный схематический стандартный глаз для решения вычислительных задач офтальмологии (I часть) / Тахчиди X. П., Бессарабов А. Н., Пантелеев Е. Н.// Офтальмохирургия - 2006. №4. - С. 57-62

7. Тахчиди X. П. Параметризованный схематический стандартный глаз для решения вычислительных задач офтальмологии (II часть) / Тахчиди X. П., Бессарабов А. Н, Пантелеев Е. Н. // Офтальмохирургия - 2007. №1. - С. 59-69

8. Петров И.Б. Математическое моделирование в медицине и биологии

на основе моделей механики сплошных сред // ТРУДЫ МФТИ - 2009. Том 1. № 1.-С. 5-16.

9. Самарский A.A. Математическое моделирование и вычислительный эксперимент // Вестник АН СССР -1979. №5. С. 38^19.

10. Белоцерковский О.М. Математическое моделирование на суперкомпьютерах (опыт и тенденции) // Журн. вычисл. математики и мат. физики. 2000. Т. 40, №8. С.1221-1236.

11. Нелин Е.П. алгебра и начала анализа, 11 класс // М.: Мир детства, 2006. -415 с.

12. Кауфман В.Ш. Языки программирования. Концепции и принципы. М.: Радио и связь, 1993. 432 с.

13. Белоцерковский О .М., Холодов A.C. Компьютерные модели и прогресс медицины. — М.: Наука, 2001. — 300 с.

14. Советов Б.Я. // Советов Б.Я., Яковлев С.А., Моделирование систем, М.: Высшая школа, 2001. - 343 с.

15. Ковеня В.М. Некоторые тенденции развития математического моделирования // Вычислительные технологии. - 2002. - №2, Том 7.

16. Петров И.Б. О численном моделировании биомеханических процессов в медицинской практике // Информационные технологии и вычислительные системы. — 2003. — № 1-2. — С. 102-111.

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

18. Компьютерные модели и прогресс медицины. - М.: Наука, 2001.

19. Тамарова P.M. Оптические приборы для исследования глаза // М.: «Медицина», 1982. - 173 е., стр 125-133.

20. Володин П.Л. Фотодинамическая терапия с фотосенсибилизатором хлоринового ряда в офтальмологии (экспериментальное клиническое исследование): диссертация доктора медицинских наук. - М.. 2008. - 355 с.

21. Куприянов A.B. Разработка информационной технологии оценивания геометрических параметров изображений глазного дна / Куприянов A.B., Ильясова Н.Ю. // Вестник Самарского Государственного Аэрокосмического Университета им. С.П. Королева. - 2008. №2 (15). - С.221-234

22. Адаптивные методы обработки изображений: Сб. науч. тр. В.И. Сифорова, Л.П. Ярославского. - М. : Наука, 1988. - 244с.

23. Александров, B.B. Алгоритмы и программы структурного метода обработки данных / В.В. Александров, Н.Д. Горский. - JI. : Наука, 1983. - 208 с.

24. Александров, В.В. Представление и обработка изображений. Рекурсивный подход/В.В. Александров. - J1: Наука, 1985. - 192 с.

25. Анисимов, Б.В. Распознавание и цифровая обработка изображений / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин. - М. : Высшая школа, 1983. - 295 с.

26. Баринова, О. Методы сегментации изображений: автоматическая сегментация / О. Баринова, А. Вежневец // Графика и мультимедия. 2006. [Электронный ресурс]. - Режим доступа:

27. Вудс, Р. Цифровая обработка изображений / Р. Вудс, Р. Гонсалес. - М. : Техносфера, 2006 г. - 1072 с.

28. Грузман, И.С. Цифровая обработка изображений в информационных системах / И.С. Грузман,В.С. Киричук, Новосибирск, 2000

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

30. Ковтун, И.В. Текстурная сегментация изображений на основании Марковских случайных полей // УСиМ. - 2003. - № 4. - С. 46-55.

31. Красильников, H.H. Цифровая обработка изображений / H.H. Красильников. - Изд-во: Вузовская книга, 2001. 320 с.

32. Поваркова, A.B. Компьютерный анализ изображений в медицине / A.B. Поваркова//Морфология. - 1997. - №5. С. 103-106.

33. Сойфер, В.А. Методы компьютерной обработки изображений / В.А. Сойфер. - Физмалит, 2003. - 784 с.

34. Уидроу, Б. Адаптивная обработка сигналов / Б. Уидроу, С. Стириз: пер. с англ. - М.: Радио и связь, 1989.- 440 с.

35. Форсайт, Д. Компьютерное зрение. Современный подход / д. Форсайт, Д. Понс. - Изд-во Вильяме, 2004. - 928 с.

36. Хуанг, T.C. Обработка изображения и цифровая фильтрация / Т.С. Хуанг. - М.: Мир, 1979. - 274 с.

37. Гринберг A.C. Информационные технологии управления [Текст]// Гринберг A.C., Горбачев H.H., Бондаренко A.C. - М.: Юнити, 2004.

38. В. А. Гвоздева. Основы построения автоматизированных информационных систем [Текст] // В.А. Гвоздева, И.Ю. Лаврентьева. М.: Изд-во "Форум" - ИНФРА-М, 2007. - 318 с.

39. Гейн К. Системный структурный анализ: средства и методы// Гейн К., Сарсон Т. М. Эйтекс. 1992.

40. Рудаков П.И. Обработка сигналов и изображений Matlab 5.хУ/ Рудаков П.И, Сафонов В.И. Диалог-МИФИ. 2000.

41. Александров В.В. Обработка медико-биологических данных на ЭВМ [Текст]// Александров В.В., Шнейдеров B.C. - Л.: Медицина, 1984. - 160 с.

42. Глушаков C.B. Администрирование Oracle 9i // Глушаков C.B., Третьяков Ю.В., Головаш O.A. - Харьков, Фолио, 2003. - 684 с.

43. Кевин Л. Oracle 9i. Настольная книга администратора // Кевин Л., Марлен Т. и эксперты TUSC. - М.: Лори, 2004. - 748 с.

44. Кайт Т. Oracle для профессионалов (2 тома) // Кайт Т. - M.: DiaSoft, 2003. - 1831 с.

45. Иванов В. П. Трёхмерная компьютерная графика // Иванов В. П., Батраков А. С.- М.: Радио и связь, 1995. - 224 с.

46. Голованов H. Н. Геометрическое моделирование // Голованов H. H. - М.: Физматлит, 2002. - 472 с.

47. Херн Д. Компьютерная графика и стандарт OpenGL // Херн Д., Бейкер, паулин M. - М.: Вильяме, 2005. - 1168 с.

48. Бейли Н. Математика в биологии и медицине // Бейли H. - М.: Мир, 1970. -319

49. Рыбкин A.A. Справочник по математике // Рыбкин A.A., Рыбкин А.З., Хренов Л.С. - М.: Высшая школа, 1987. - 480 с.

50. Хермен Г. Восстановление изображений по проекциям: Основы реконструктивной томографии // Хермен Г. - М.: Мир, 1983 - 352 с.

51. Шеннон Р. Имитационное моделирование систем - искусство и наука // Шеннон Р. - М.: Мир, 1978. - 411 с.

52. Марусина М.Я. Современные виды томографии Текст.: учебное пособие/ Марусина М.Я., Казначеева А.О. СПб: СПбГУ ИТМО, 2006. - 132 с.

53. В. А. Ковалев. Анализ текстуры трехмерных медицинских изображений Текст. Минск: Белорусская наука, 2008 г.- 264с.

54. Емелин И.В. Стандарт электронного обмена медицинскими изображениями DICOM Текст. // Компьютерные технологии в медицине. — 1996, —№3 —С. 56-59.

55. Емелин И.В., Смирнов В.А., Эльчиян P.A. Интеграция систем обработки медицинских изображений и клинических систем Текст.: Медицинская визуализация, № 4/ Емелин И.В., Смирнов В.А., Эльчиян P.A. М., 1999. С. 2630.

56. Котов Ю.Б. Новые математические подходы к задачам медицинской диагностики Текст.: серия "Синергетика: от прошлого к будущему".М.:УРСС. 2004.- 328с.

57. А. Кац. Алгоритмы медицинской диагностики. Интуитивные и методические аспекты Текст. М.: ВЭИН, 2002 г. 357 с.

58. Обработка изображений и синдромный анализ признаков для улучшения интерпретации изображений Текст. Т.П. Беликова, И. И. Стенина, Н.И. Яшунская. Компьютерная оптика Выпуск № 17, 1997г. — С. 103-111.

59. Б. Р.Хант. Matlab R2007 с нуля Текст.// Б. Р.Хант, Р.Л.Липсман, Д. М. Розенберг. М.: Лучшие книги, 2007. 352с.

60. Р. Гонсалес. Цифровая обработка изображений в среде MATLAB Текст.// Р. Гонсалес, Р. Вудс, С. Эддинс. Москва: Техносфера, 2006. 616 с.

61. В.Дьяконов, И.Абраменкова. MATLAB. Обработка сигналов и изображений Текст.: специальный справочник/ В.Дьяконов, И.Абраменкова. СПб. Литер. 2002. 450с.

62. Окулов Е.Д. Программирование в алгоритмах Текст. М: Наука, 2002. -341 с.

63. Мейер Д. Теория реляционных баз данных Текст. М.: Наука, 1987. — 191 с.

64. Прэтт У. Цифровая обработка изображений Текст. М.: Мир., 1982. Т. 1,2.791 с.

65. Веников В.А. Теория подобия и моделирования. Учеб. пособие для вузов. // М.: «Высшая школа», 1976.

66. Кузнецов С. От пикселей к вокселям. Открытые системы №10,2005.

67. Никулин Е.А. Компьютерная геометрия и алгоритмы машинной графики, БХВ-Петербург, 2003.

68. Порев В.Н. Компьютерная графика. СПб.: БХВ-Петербург, 2004.-432 с.

69. Роджерс Д., Адаме Дж. Математические основы машинной графики. Пер. с англ. М.: Мир, 2001. - 604 с.

70. Чен Ш-К. Принципы проектирования систем визуальной информации. Пер. с англ. М.: Мир, 1994. - 408 с.

71. Эйнджел Э. Интерактивная компьютерная графика. Вводный курс на базе OpenGL, 2 изд.: Пер. с англ. М.: Изд. Дом «Вильяме», 2001. - 592 с.

72. Балена Ф. Современная практика программирования на Microsoft Visual Basic и Visual С# // Балена Ф., Димауро Д. М.: Русская Редакция, 2006. - 640 с.

73. Петцольд Ч. Программирование для Microsoft Windows на С# // Петцольд Ч., М.: Русская Редакция, 2002. - 576 с.

74. Сеппа Д. Программирование на Microsoft ADO.NET 2.0 // Сеппа Д., СПб.: Питер, 2007. — 784 с.

75. Сахил M. Microsoft ADO.NET 2.0 для профессионалов // Сахил M., М.: Апресс, 2006. - 562 с.

76. Лабор В. В. С# создание приложений для Windows // Лабор В. В., М.: Харвест, 2003.-384 с.

77. Агуров П.В. С#. Разработка компонентов в MS Visual Studio 2005/2008 // Агуров П.В. СПб.: BHV, 2008. - 480 с.

78. Соллогуб A.B. Solid Works 2007. Технология трехмерного моделирования // Соллогуб A.B., Сабирова З.А., СПб.: БХВ-Петербург, 2007. - 352 с.

79. Дударева Н.Ю. SolidWorks 2007 // Дударева Н.Ю., Загайко С.А., СПб.: БХВ-Петербург, 2007. - 1328 с.

80. Дударева Н.Ю. SolidWorks 2007 на примерах // Дударева Н.Ю., Загайко С.А., СПб.: БХВ-Петербург, 2007. - 528 с.

80. Алямовский A.A. SolidWorks. Компьютерное моделирование в инженерной практике // Алямовский A.A., Одинцов Е. В., Пономарев Н. Б., Собачкин А. А., Харитонович А. И. СПб.: БХВ-Петербург, 2008. - 1040 с.

81. Хай Г.А. Компьютерная поддержка работы врача // Информационные технологии в здравоохранении. 2001. - №10-12. - С. 10-11.

82. Хелгасон С. Преобразование Радона // М.: Мир, 1983. - 150 с/

83. Рони Ягель. Рендеринг объемов в реальном времени // Открытые системы. 1996. №5(19) С. 28-33.

84. Бобков В.А., Кислюк О.С., Хамидулин A.B. Формирование растровых графических изображений пространственных объектов, построенных методом конструктивной геометрии // Программирование. 1989. № 3. С. 8892.

85. Кондратьев B.C. Геометрическое обеспечение решения задачи по построению чертежей архитектурных форм // Инженерно-теоретические вопросы архитектурного проектирования. 1985. С. 239-243.

86. Руцкая Е.А. Рентгеновская компьютерная томография. Показания и порядок направления больных на исследование // Новости лучевой диагностики 1998. 1. С. 24-25

87. Гайлышев И. Анализ и обработка данных: специальный справочник СПб.: Питер, 2001. 752 с.

88. Бенькович Е. С. и др. Практическое моделирование динамических систем Текст. / Е. С. Бенькович, Ю. Б. Колесов, Ю. Б. Сениченков. СПб.: БХВ-Петербург, 2002.- 464 с.

89. Гейн К. Структурный системный анализ: средства и методы. Текст. / Гейн К., Сарсонт Т.; В 2-х частях.Ч1 / Пер. с англ.; под ред. А. В. Козлинского.-М.: Эйтекс, 1993 188 с.

90. Кобринский Б. А. Искусственный интеллект и медицина: возможности и перспективы систем, основанных на знаниях Текст. // Новости искусственного интеллекта 2001.- № 4 - С. 44-51.

91. Сабанов В. И., Комина Е. Р. Автоматизированные системы в здравоохранении Текст.: Учебн. пособ. — Волгоград: BMA, 1994.— 55с.

92. Шикин А. В., Боресков А. В. Компьютерная графика. Полигональные модели Текст. М.: Диалог-МИФИ, 2000. - 464 с.

93. Галкин В.А., Белый Ю.А., Кучеров A.A. Инструментальные и программные средства антимикробной фотодинамической терапии // Фундаментальные исследования 2012. - №3, ч.2 - с.383-386

94. Галкин В.А., Белый Ю.А., Кучеров A.A. Прикладная система обработки информации для моделирования витреальной полости глаза человека // Фундаментальные исследования 2011. - №4 - с.73-77

94. Галкин В.А., Белый Ю.А., Кучеров A.A. Информационное и программное обеспечение антимикробной фотодинамической терапии // Информационные технологии 2011. - №8 - с. 74-78.

95. Белый Ю.А., Терещенко A.B., Плахотний М.А., Кучеров A.A. Разработка модели для автоматизированных расчетов параметров витреальной полости глаза // Метрология и инженерное дело в медико-биологической практике: IV Межрегиональная научно-практическая конференция. - Оренбург, 2009. - С. 3-6.

96. Белый Ю.А., Терещенко A.B., Плахотний М.А., Кучеров A.A. Подходы к математическому расчету параметров витреальной полости глаза // Новые

технологии в офтальмологии: Материалы Всероссийской научно-практической конференции. - Казань, 2009. - С. 63-68.

97. Белый Ю.А., Терещенко A.B., Плахотний М.А., Кучеров A.A. Автоматизированная модель витреальной полости глаза // Российский общенациональный офтальмологический форум: Сб. трудов / Под ред. В.В. Нероева. - М., 2008. - С. 44-47.

98. Плахотний М.А., Белый Ю.А., Терещенко A.B., Кучеров A.A. Математическая модель витреальной полости глаза // III Всероссийская науч. конф. молодых ученых с участ. иностр. специалистов «Актуальные проблемы офтальмологии»: Сб. науч. ст. / под ред. Х.П. Тахчиди. - М., 2008. -С. 209-210.

99. Галкин В.А., Кучеров A.A., Информационное и программное обеспечение способа количественной оценки фотодинамической терапии // V Международная конференция «математические идеи П.Л. Чебышёва и их приложение к современным проблемам»: Сб. науч. ст. - Обнинск, 2011. - С. 105-106

100. Kukar М. Transductive reliability estimation for medical diagnosis I I Artificial Intelligence in Medicine. -2003. -№29. -pp.81-106.

101. Kononenko I. Machine Learning for Medical Diagnosis: History, State of the Art and Perspective. 2000. Электронный ресурс. URL: http://lkm.fri.uni-lj.si/ xaigor/slo/clanki/aimedOO.pdf

102. Kappen В., Wiegerinck W., Braak E. Decision support for medical diagnosis. 2000. Электронный ресурс. URL: http://www.snn.ru.nl/nijmegen/components/ compubman/pubs/KappenSTT.pdf

96. Chabat F., Hansell D.M., Guang-Zhong Yang. Computerized Decision Support in Medical Imaging. London: Imperial College, 1997. Электронный ресурс. URL: http://www.doc.ic.ac.uk/~gzy/pub/chabat-decision-support.pdf

103. Augusto J.C. Temporal reasoning for decision support in medicine // Artificial Intelligence in Medicine. 2005. - №33. - pp. 1-24.

104. Weiler M., Westermann R., Hansen C., Zimmerman K., Ertl T. Level-of-Detail Volume Rendering via 3D Textures. In Proc. Volume Vis. 2000, pages 7-13. ACM Press, 2000.

105. Abel-Malek K., Blackmore D., Joy K. Swept volumes: foundations, perspectives and applications. International journal of shape modeling, 2001.

106. Timothy C. Ultrasonic Three-Dimensional Reconstruction: In Vitro and In Vivo Volume and Area Measurement, 1994. 729 c.

107. R. M. Haralick, L. G. Shapiro, "Image Segmentation Techniques," Computer Vision, Graphics, and Image Processing, Vol 29, No 1, J 985 r

108. N. R. Pal and S. K. Pal, "A Review on Image Segmentation Techniques," Pattern Recognition, Vol. 26, No 9, 1993.

109. Naumov L.B., Main problems of modern medicine in diagnostics and learning. Ways to optimal solution. Anatol. Journ. Cardiol. Vol. 1, Sept. 2001. -166-178 p.

110. Lucchese, L. Color Image Segmentation / L, Lucchese, S.K. Mitra //A State-of-the-Art Survey. - 2001.

111. Martin, D. Learning Affinity Functions for image segmentation / D. Martin // Pattern Recognition. - 2003. - №9. - pp. 26.

112. Abdel-Halim Elamy, Maidoing Hh. Mining Brain Tumors& Their Grouth Rates. 872-875. IEE Image Processing Society, 2007.

113. Barr A. H., Global and local deformations of solid primitives // Comput.Graph. 8. 1984. P. 21-30.

114. Zhou L. and Kambhamettu C. Extending superquadrics with exponent functions: Modeling and reconstruction, in CVPR99. 1999. P. 73-78.

115. Sederberg, T. W. and Parry, S. R., Free-Form Deformation of Solid Geometric Models, Proceedings of SIGGRAPH '86 // Computer Graphics V. 20, № 4 (August 1986), P. 151-159.

116. Eric Bardinet, Laurent D. Cohen, Nicholas Ayache A parametric deformable model to fit unstructured 3D data. Rapport de recherche. Programme 4 Ro-botique image et vision. 1995. 56p.

117. Petros Faloutsos, Michiel van de Panne, Demetri Terzopoulos, Dynamic Free-Form Deformations for animation synthesis // IEEE Transactions on visualization and computer graphics, July-september 1997. V. 3, № 3.

119