Компартментно-кластерное моделирование хаотической динамики непроизвольных движений человека тема диссертации и автореферата по ВАК РФ 03.01.02, кандидат наук Даянова, Дияна Дамировна

• Даянова, Дияна Дамировна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Даянова, Дияна Дамировна

ОГЛАВЛЕНИЕ

Введение

1. Особенности хаотической регуляции двигательных функций человека в условиях постуралыюго тремора

1.1. Механизмы регуляции движений с позиций биофизики мышечного сокращения

1.2. Виды тремораи условия его возникновения

2. Ограничения в возможностях стохастического анализа треморограмм

3. Моделирование непроизвольных движений человека (тремора) в рамках компартментно-кластерного подхода

4. Модели патологических режимов тремора при болезни Паркинсона на основе двухкластерных трёхкомпартментных систем

Заключение

Выводы

Список сокращений

Библиографический список

Приложение

Приложение А

Приложение Б

Приложение В

Введение диссертации (часть автореферата) на тему «Компартментно-кластерное моделирование хаотической динамики непроизвольных движений человека»

ВВЕДЕНИЕ

Построение адекватной, изоморфной модели реального объекта всегда сопровождается формализацией и потерей сопутствующей информации. Вместе с тем модель не только должна идентифицировать связи, закономерности признаков, присущих объекту, но и компактно хранить максимум информации о динамике объекта, а также легко воспроизводить всю эту информацию. В этом смысле любая статья в физиологическом журнале, магнитная регистрация сигнала или фотоплёнки с записями электронейрограмм итерационной стимуляции нерва (repetitive nerve stimulation - RNS) - это уже некоторые модели реальных нейронных сетей (НС). Однако такой способ хранения и воспроизведения информации далек от совершенства. Использование языка схем, карт, чертежей во много раз менее эффективно в сравнении с моделями в виде уравнений, в частности, дифференциальных уравнений. Действительно, решив последние по определённым правилам, мы получаем описание динамики объекта и попутно получаем информацию о функциональных связях исследуемых динамических переменных.

Таким образом, любая математическая модель - это максимально возможная плотность хранения информации, максимальный уровень абстрагирования и максимальная скорость воспроизводства информации. Все это связано с тем, что, незначительно изменяя параметры математической модели (представляемой, например, в виде дифференциальных уравнений), можно существенно менять динамику моделируемых процессов, охватывать большое разнообразие таких динамик.

Одно из основных направлений в науке и технике - это поиск формальных моделей, закономерностей и алгоритмов, описывающих те или иные сложные объекты, системы, процессы, явления. Как следствие, большинство современных научных исследований посвящено вопросам формализации в описании динамики особых систем третьего типа - complexity или сложных биосистем. Результаты таких исследований имеют практическую значимость и востребованность для

любого научного направления и позволяют осуществить переход на новый уровень понимания и оперирования сложных систем в окружающем мире. Перспективным направлением в области описания сложных систем является компартментно-кластерный подход, при котором мы можем не детализировать число и характер связей внутри пула (компартмента).

При различных исследованиях довольно несложных предметных областей или технических систем получить описание данной области не такая сложная задача, так как процедура получения описания общеизвестна и хорошо отработана, при этом результаты, которые мы получим, хорошо согласуются с наблюдаемыми значениями вектора состояния системы x(t) для реальных физических или технических объектов. Изучение сложных биологических систем, процессов, объектов сопряжено с некоторыми дополнительными усилиями и, иногда, требует нестандартных решений, которые не ограничиваются традиционными детерминистскими или стохастическими подходами (ДСП). Исследование complexity выходит за рамки ДСП-наук. Характерными особенностями таких биосистем являются их компартментно-кластерная структура и состояние постоянного мерцания (glimmering property), когда непрерывно вектор состояния системы (ВСС) х=х(t) демонстрирует движение в виде dx/dttQ [20, 26, 31, 93 - 96,108, 112].

С развитием вычислительной техники и созданием эффективного математического аналитического и программного обеспечения (ПО) для компьютерного эксперимента появилась возможность исследовать очень сложные объекты, процессы, явления. Использование для практических целей таких сложных формальных моделей и алгоритмов их реализации, не исключает всё-таки признание эффективности и достаточно простых методов обработки данных медико-биологических исследований. При этом довольно часто различные режимы complexity представляются наборами моделей, что не характерно для самих биосистем, которые не претерпевают существенных внутренних изменений.

Сложные биологические системы в первую очередь представлены организмом человека, который является, фактически, комплексом сложных систем (сложных биологических динамических системам (БДС)), как с точки зрения описания динамики поведения их вектора состояния x(t)=(xj,x2, ...,хт)т, так и в смысле описания особых состояний функциональных систем организма (ФСО), составляющих основу организма. Наибольшую сложность представляет исследование и оценка состояния организма человека по таким измерениям как нейрограмма, электроэнцефалограмма, электрокардиограмма, теппинграмма, треморограмма, то есть измерения динамических параметров вектора состояния человека на некотором промежутке времени At. В связи с особой сложностью БДС, их моделей, адекватно описывающих подобные процессы в широких динамических диапазонах, крайне мало, а в описании динамики нейросетей мозга и биомеханического движения они практически отсутствуют.

Одной из причин, по которой крайне сложно создавать такие модели поведения вектора состояния организма человека является невоспроизводимость точных результатов экспериментов (невозможно получить идентичные динамики вектора состояния организма человека даже при одинаковых условиях эксперимента). Каждый раз регистрируемые показатели (сигналы) уникальны и, более того, уникальностью обладает каждый временной участок регистрируемого динамического сигнала. Такая неопределённость требует введения исходной неопределённости и в структуру, и в функции изучаемых биосистем, что обеспечивается именно компартментно - кластерным подходом (ККП) и моделями на основе этого подхода из-за исходной неопределённости числа и связей элементов внутри компартмента (на этой основе H.Haken создавал синергетику [118]. Реализация ККП может обеспечить даже моделирование эволюционных процессов, связанных с развитием патологий или возрастными изменениями организма, что составило главную задачу настоящего исследования. В связи с этим, одной из наиболее сложных задач в изучении complexity является задача моделирования произвольных и непроизвольных движений человека.

Возникает проблема идентификации любых произвольных движений человека. Группа учёных университета в Стэнфорде (Churchland М.М., Cunningham J.P., Kaufman М.Т., 2012) показала хаотичный пример организации любых движений. Говоря другими словами, биофизика сложных систем сегодня подошла к решению глобальных проблем произвольности и непроизвольности в организации любых двигательных функций. Соответственно, возникла проблема доказательства возможности моделирования таких процессов качественно и количественно с помощью ВСС в многомерных фазовых пространствах состояний (ФПС).

На сегодняшний день в традиционном ДСП отсутствуют эффективные модели, которые бы описывали хаотическую динамику поведения биомеханической системы (конкретно, постуральный тремор) в различных режимах якобы произвольного управления. Также нет адекватных моделей других динамических систем с хаотической динамикой поведения (уникальных систем третьего типа (СТТ)). Другими словами, детерминистско-стохастические модели не могут представлять разнообразие регуляторных влияний мозга (нейросетей мозга) на динамику поведения, например, постурального тремора [28, 57 96,104].

Отсутствие таких возможностей объясняется тем, что при этом описании и моделировании необходимо моделировать сам хаос, с учётом того, что эти траектории могут сходиться, расходиться и даже пересекаться в ФПС в пределах квазиаттракторов, а не в рамках экспонент Ляпунова с их расходящимися фазовыми траекториями, и не на основе анализа автокорреляционных функций [29-32]. Хаос СТТ отличен от хаоса в физике, технике, химии! Его нельзя моделировать уравнениями, он не описывается свертками и преобразованиями. Это другой хаос, других систем (не ДСП), о которых говорил М. Gell-Mann в известном сообщении по проблеме неопределённости для СТТ (известное выступление «Fundamental Sources of Unpredictability», 1997).

Исходя из вышесказанного, можно сделать вывод, что фундаментальная задача биофизики и биомеханики на современном этапе развития теории

complexity сводится к изучению хаотической динамики поведения сложных биомеханических систем с максимальной неопределённостью. Это задача актуальна не только для биофизики и биомеханики, но и для всего естествознания [55, 56, 71-73, 123], так как речь идет о СТТ, отличных от ДСП-систем. Если проводить такие исследования, то можно получить результаты, которые создадут положительную динамику для дальнейшего продвижения методов теории хаоса - самоорганизации (ТХС) в биологических и медицинских науках. Это очень важно для естествознания в целом, и для биофизики и биомеханики сложных систем, в частности. В настоящем исследовании производится попытка соединения детерминистских моделей (компартментно -кластерных) и хаотичных моделей (в виде квазиаттракторов) для описания сложной динамики произвольных (или непроизвольных?) движений человека, что и определяет актуальность работы.

Исходя из всего выше сказанного, целью настоящего исследования является доказательство возможностей математического компартментно-кластерного моделирования динамики непроизвольных движений человека (тремора) в условиях нормы и патологии и апробация разработанных моделей на экспериментальных данных.

В соответствии с целью были определены следующие задачи:

1. Доказательство реальных ограничений в возможности использования стохастического подхода при изучении постурального тремора в эксперименте и в изучении данных от компартментно-кластерных моделей и моделей в рамках многомерных фазовых пространств.

2. Выявить границы применения компартментно-кластерной теории биосистем при моделировании произвольности в организации постурального тремора на основе анализа чувствительности имитационный модели к изменению параметров драйва от первого кластера (нейросетей мозга), которые приводят модели к бифуркации рождения циклов. Изучить особенности этих бифуркаций и их переход в стационарный режим, представляющий ригидную форму болезни Паркинсона.

3. С использованием двухкластерной трёхкомпартментной модели выявить особенности возникновения хаотической динамики, представляющей паркинсонический тремор и его соотношение с произвольным движением (теппингом).

Научная новизна работы.

1. В эксперименте и при имитационном моделировании доказаны реальные ограничения в возможности использования стохастического подхода при изучении постурального тремора в живых системах и на модельных объектах.

2. Выявлены границы применения компартментно-кластерной теории биосистем при моделировании произвольности в организации постурального тремора.

3. Выявлены особенности возникновения на моделях хаотической динамики, имитирующей нормальный постуральный тремор и его переход в патологический тремор (начало болезни Паркинсона), а также переход патологического тремора в ригидную форму болезни Паркинсона.

4. Установлены возможности кластерного математического моделирования динамики тремора человека при болезни Паркинсона и теппинга условно здорового человека.

Научно — практическая значимость.

1. Идентифицируемые параметры квазиаттракторов тремора реальной биомеханической системы человека и модельной системы являются существенными диагностическими признаками и обеспечивают идентификацию различных функциональных состояний организма, оценку качества управления тремором (при прицеливании).

2. Первая разработанная программа для ЭВМ обеспечивает идентификацию наиболее важных диагностических признаков (параметров порядка) с помощью нейроэмуляторов, что нашло применение в современной медицине. Акты внедрения представлены в Приложение В (рисунок В.1., рисунок В.2.).

3. Вторая разработанная программа для ЭВМ предназначена для персонифицирования матриц межаттракторныхрасстояний при внутригрупповом

анализе. Программа может быть использована в научных исследованиях и при создании диагностических систем в медицине. Акты внедрения представлен в Приложение В (рисунок В.З.).

4. Разработаны методы идентификации сложных биофизических систем с хаотической динамикой поведения, которые позволяют проводить мониторинг населения и выявлять индивидуальные признаки их функциональных систем организма в целях профилактики заболеваний. Акты внедрения представлены в Приложение В (рисунок В.4., В.5.).

1. ОСОБЕННОСТИ ХАОТИЧЕСКОЙ РЕГУЛЯЦИИ ДВИГАТЕЛЬНЫХ ФУНКЦИЙ ЧЕЛОВЕКА В УСЛОВИЯХ ПОСТУРАЛЬНОГО

ТРЕМОРА

1.1. Механизмы регуляции движений с позиций биофизики мышечного

сокращения

Изучением регуляции двигательных функций человека начали заниматься давно. Уже в начале XX века великий русский учёный, первый лауреат Нобелевской премии И.П. Павлов отмечал, что психические процессы "теснейшим образом связаны с физиологическими явлениями, определяя целостную работу органа". И.П. Павлов объяснил механизмы поведения животных, изучив работу мозга в виде высшей нервной деятельности, а затем и деятельность человека. За основу в своей работе он брал физиологические методы и подходы. Можно сказать, что И.П. Павлов, один из первых русских физиологов, который активно внедрял и использовал кибернетические подходы, методы системного анализа в психологии и физиологии, в частности, и при изучении условных рефлексов (УР). Он акцентировал внимание, когда объяснял механизмы приспособления организма, на том, что в них нет ничего «кроме точной связи элементов сложной системы между собой и всего их комплекса с окружающей обстановкой» [49]. Фактически, психологическая деятельность И.П. Павловым объяснялась с сугубо материалистичных, научных позиций, без идеализма.

И.П. Павлов сделал большой прорыв в науке, разработав методы изучения УР, сформировав основы современной теории "чёрного ящика" и бихевиористического подхода. Помимо этого он также сформировал и основные принципы познания физиологических и психических систем с позиции кибернетики, т.е. в рамках системного анализа.

Советский физиолог, академик П.К. Анохин продолжил работу в этом направлении. Он отделил главенство стимула от решения биосистемы в ответ на этот стимул [1]. Впервые им было показано, что интеграция (её состав и характер) исполнительных механизмов биосистемы и подсистем всего организма, определяется не внешним управляющим воздействием (ВУВ), который

предшествует и запускает поведенческий акт, формирующийся цепью в организме по достижению определенного точного результата, в конце поведенческого акта. П.К. Анохин проанализировал частные вегетативные и соматические функции, которые входят в общую интеграцию поведенческого акта, и выяснил, что их организация происходит как сложные ФСО, а не по принципу рефлексов. Сделав выводы из полученных результатов, П.К. Анохин установил, что поведенческий акт БДС представляет собой масштабную иерархию ФСО или другими словами взаимодействием совокупности всевозможных биологических подсистем.

П.К. Анохин и его ученики показали, что, в целом, деятельность всего организма происходит при выборочной интеграции нескольких физиологических механизмов в одну единую ФСО. При этом механизмы формирования, отбор элементов ФСО определяется итоговым результатом деятельности системы. Значимо, что в данной одной (целой) системе происходят процессы, имеющие более высокий уровень организации, и их деятельность при этом не сводится к частным механизмам. Это является главным принципом деятельности любой системы, которая является объектом изучения в биофизике и биомеханике на современном этапе развития кибернетики. В этом смысле теория ФСО — это основа биофизики сложных систем - complexity.

Очевидная заслуга в изучении двигательной деятельности организма принадлежит советскому психофизиологу Н.А. Бернштейну. Он считал, что двигательной деятельности организмов является почти единственной формой для осуществления взаимодействия с окружающей средой и воздействия на неё. Формы воздействия могут быть разными, но результат этого взаимодействия небезразличен для особи. Это заставляет задуматься над теоретическим отставанием современной физиологии движений по сравнению с другими разделами (рецепторики или физиологии внутренних процессов), и перед тем невниманием, в котором очень долгое время находился раздел физиологии и биофизики [11-15].

Н.А. Бернпггейн первый, кто посмотрел на естественные движения человека с точки зрения их управляемости. Он не сомневался в том, что сама по себе мышечная сила - это одно, а способность ею управлять - совершенно другое [59]. Он писал, что общий с регуляторами-автоматами принцип заключается в том, что то или иное действие исполнительного органа, например, сокращение мышц артериальной стенки по импульсу из центра, не является концом процесса: результат совершившегося действия немедленно воспринимается датчиком-рецептором и сообщается им по обратной связи в центр. Если исполнительный орган сработал в смысле регуляции неправильно, недостаточно или же чрезмерно, то сигнал с рецептора по обратной связи немедленно побудит центр соответственно усилить или умерить свою импульсацию. С новым нарушением процесс выравнивания возобновится. В физиологии всё ярче обнаруживается большая универсальность такой кольцевой схемы регуляции с помощью обратной связи. Однако, как мы это показываем, все эти связи имеют не стохастический, а хаотический характер.

Продолжив свои исследования, Н. А. Бернпггейн пришёл к гипотезе, что для построения движений различной сложности «команды» отдаются на иерархически различных уровнях нервной системы. При автоматизации движений эта функция передаётся на более низкий уровень. Различные многочисленные наблюдения и эксперименты полностью подтвердили эту гипотезу [11-13, 5254,58,59].

Сегодня идей Н. А. Бернштейна нашли практическое применение у украинского физика Моше Фельденкрайза, который создал своей метод переобучения движению и функциональной интеграции[76].

Профессор Ю.Т. Шапков также внёс вклад в изучение механизмов регуляции движений. Он впервые рассмотрел координацию движений. Он впервые как активность отдельных двигательных единиц (ДЕ), которые имеют определённую организацию во времени и пространстве. Проведя серию экспериментов, он доказал, что двигательная активность ДЕ может быть достигнута за счёт управления: 1) порогами рекрутирования ДЕ; 2) режимом им пульсации

(например, одиночные разряды или серии разрядов разной продолжительности); 3) величиной межимпульсного интервала; 4) моментам "включения" и "выключения" ДЕ; 5) интенсивностью входного афферентного притока к а-мотонейронам; 6) эффективностью связей между моторными ядрами. Им обнаружено, что ЦНС обладает способностью индивидуализировано управлять активностью отдельных ДЕ. А в регуляции активности ДЕ значимую роль играют проприорецепторы, передающие в спинной мозг описание даже одиночных сокращений отдельных ДЕ [60].

Необходимо подчеркнуть, что изучением и исследованием непроизвольных движений человека, изучением его опорно-двигательной системы занимаемся немалое количество врачей и физиологов. Известны модели, которые описывают тремор как сумму автоколебаний, связанных с наличием обратных связей в нервно-мышечной системе и времени передачи сигнала в ней (происходит запаздывание сигнала), и вынужденных колебаний, которые обуславливают сокращение мышечных волокон. В рамках такого подхода возможно можно построить не только биомеханические системы, но и процессы формирования многоклеточных систем тканей, органов и организмов, то есть систем разного уровня.

Биофизик, профессор В.В. Смолянинов получил ряд существенных результатов в этом направлении [71-73]. Он впервые предложил обобщённый системно-конструктивный подход (новое математическое направление), который базировался на основе категорий и функторов. Причём, также необходимо и важно отметить, что при таком обобщённом подходе объектом исследований могут являться самые различные биоструктурные образования: системы клеток, поликонтактные отношения в системе клеток коры мозжечка, полиэдры [73].

Современный этап в изучении двигательных функций человека характеризуется формированием системных представлений с учётом структурных, нейр опальных, нейродинамических и нейромедиаторных механизмов [63,65,70]. Общеизвестно, что нервная регуляция работы скелетных мышц, т.е. регуляция «запуска» и «выполнения» всех движений осуществляется

двигательными центрами центральной нервной системы (ЦНС). При этом все движения человека в рамках биокибернетического подхода можно условно разделить на рефлекторные, «запрограммированные» автоматические движения, и целенаправленные движения.

Примерами врождённых программ могут послужить движение и ходьба, к которым в течение жизни индивидуума добавляется множество приобретенных, таких как, например, профессиональные и спортивные навыки (печатание на машинке, гимнастические упражнения и т.д.), которые в результате ежедневной практики превращаются почти в автоматические.

При этом надо отметить, что даже самое простое движение в основе своей имеет сложные механизмы контроля, поскольку степень возбудимости мотонейронов определяется не только процессами, протекающими на спинальном и супраспинальном уровнях. Помимо этого регуляторные системы получают добавочную информацию по системам обратных связей от самого мотонейрона и от чувствительных периферических аппаратов (рецепторов), т.е. имеет иерархическую систему регуляции.

Рассматривая систему нервного контроля движений, необходимо иметь в виду, что конечным путём, пунктом приложения управляющих воздействий со всех выше обозначенных уровней является мотонейронный пул спинного мозга и связанная с ним биокинематическая сеть.

Скелетные мышцы млекопитающих содержат две группы мышечных волокон: экстрафузальные и интрафузальные. В экстрафузальных мышечных волокнах выделяют белые и красные волокна. Они обладают рядом качественно различных свойств, у них неодинаковые требования к обмену веществ. Красные волокна богаты миоглобином и митохондриями, имеют более разветвленную сеть капилляров. В них преобладают формы метаболизма, в большей степени зависящие от кислорода в отличие от белых мышц. Белые мышечные волокна обладают фазической, а красные - тонической реакцией на афферентные стимулы. Это является полезным биологическим приспособлением к различным задачам управления, которые исследуются в настоящей работе.

Каждая мышца находится под контролем двух систем обратной связи: её длина контролируется системой, в которой измерительными чувствительными устройствами служат мышечные веретена (интрафузальные мышечные волокна), а её тонус контролируется другой системой, в которой измерительными устройствами являются сухожильные органы Гольджи. Влияние системы регуляции длины в принципе ограничиваются одной мышцей и её антагонистами, тогда как регуляция напряжения относится к мышечному тонусу всей конечности [62].

Если говорить языком биокибернетики, то мы работаем с двумя регуляторными кластерами. Отсюда вывод, что такие системы должны моделироваться двухкластерными моделями. Как строятся такие модели, мы рассмотрим ниже. На данный момент необходимо рассмотреть общие принципы организации и управления биофизическими и биомеханическими системами в рамках ККП, который на данный момент активно разрабатывается в биокибернетике, технике, практической медицине [66,68,97-99].

г 5

Управление движениями, которое осуществляется за счёт изменения активности соответствующей группы мышц, может происходить только при наличии нужной информации о положении тела, а также скорости и ускорения звеньев тела, которые образуют это движение, также важно знать эффективность нервно-мышечной передачи. Проприоцептивная обратная связь является обязательным и решающим фактором регулирования временных и пространственных характеристик движения [50-51].

Таким образом, спинной мозг способен обеспечить сложные согласованные движения в ответ на соответствующий сигнал с периферии или от вышележащих отделов центральной нервной системы, тем самым проявляются его интегративные функции. На уровне спинного мозга через а- и у-мотонейроны осуществляются рефлекторные саморегулирующие механизмы поддержания мышечного тонуса. Даже на уровне спинного мозга уже можно выделить преимущественно тонические и фазические звенья двигательной регуляции.

Н. Б. Шаповалова, проведя исследования, отметила, что в сенсомоторной коре больших полушарий имеются два функционально различных типа эфферентных нейронов. Одна группа нейронов ответственна за осуществление запуска движения, регулирования силы и скорости двигательного усилия, вторая группа нейронов принимает участие в предпусковых процессах, посылая в основном к подкорковым и спинальным центрам тонические влияния облегчающего характера [74]. Также имеются данные о том, что при инициации произвольного движения информация из моторной области поступает в сенсорную область, которая таким образом «предупреждается» о предстоящем движении [69].

Существует множество математических моделей, которые позволяют описывать различные периодические движения. Наиболее известной в середине XX века была модель Н. Рашевского [70]. Она представляла собой классическую двухкомпартментную модель с линейными и нелинейными элементами в правой части общего вида:

Список литературы диссертационного исследования кандидат наук Даянова, Дияна Дамировна, 2014 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Анохин, П.К. Кибернетика функциональных систем / П.К. Анохин. - М., Медицина, 1998. - 285 с.

2.Антонец, В. А. Оценка управления статическим напряжением скелетной мышцы по ее микродвижениям / В.А. Антонец, Э.П. Ковалева // Биофизика. - Т. 41, Вып.

3.- 1996.-С. 711-717

3. Антонец, В.А., Ковалева, Э.П. Статистическое моделирование непроизвольных колебаний конечности / В.А. Антонец, Э.П. Ковалева//Биофизика. - Т. 41, Вып.

3. - 1996. - С. 704-709.

4. Антонова, P.A. и др. Идентификация синергизма в биосистемах/ P.A. Антонова, A.A. Балтикова, М.Я. Брагинский, В.В. Еськов // Вестник новых медицинских технологий. - 2011. - T. XVIII, №3 - С.334-335.

5. Ануфриев, A.C. и др. Аналог предельной теоремы Бернулли в синергетике применительно к медицине / A.C. Ануфриев, В.М. Еськов, A.A. Устименко и др. // Материалы международного междисциплинарного симпозиума: От экспериментальной биологии к превентивной и интегративной медицине. — Судак, 2008. - С.56-57.

6. Ануфриев, A.C. и др. Метод идентификации параметров порядка вектора состояния биосистем в m-мерном фазовом пространстве / A.C. Ануфриев, A.A. Глущук, A.A. Устименко и др. // Материалы восьмой окружной конференции молодых ученых Ханты-мансийского автономного округа - Югры: Наука и инновации XXI века. - г. Сургут: Изд-во Сур ГУ, 2007. - С. 29-31.

7. Ануфриев, A.C. и др. Синергетические методы оценки интервалов устойчивости биосистем/A.C. Ануфриев, A.A. Глушук, A.A. Устименко и др. // Сборник статей VI международной конференции: Синергетика природных, технических и социально-экономических систем. - Тольятти, 2009. - С.29-32.

8. Арнольд, В.И. Обыкновенные дифференциальные уравнения / В.И. Арнольд. -М.: Наука, 1971.

9. Ахромеева, Т.С., Малинецкий Г.Г. Периодические режимы в нелинейных диссипативных системах вблизи точки бифуркации / Т.С. Ахромеева, Г.Г.

Малинецкий // Вычислительная математика и математическая физика. — 1985. -Т.25, № 9. - С. 1314-1326.

Ю.Балтикова, А.А. и др. Многомерная хаотическая динамика тремора в оценке реакции нервно-мышечной системы человека на физическую нагрузку / А.А. Балтикова, А.Е. Баженова, Ю.В. Башкатова, В.А. Карпин, Н.П. Горленко // Вестник новых медицинских технологий. - 2013. -Т. 20, №1. - С. 256. И.Берншгейн, Н. А О построении движений / Н.А. Берншейн. - М, 1947.

12.Бернштейн, Н. А. Очерки по физиологии движений и физиологии активности / Н.А. Берштейн. - М, 1966.

13.Бернпггейн, Н.А. Физиология движений и активность / Н.А. Берншейн. — М., Наука, 1990.

14.Берннггейн, Н. А. Назревшие проблемы регуляции двигательных актов. Вопросы психологии / Н.А. Берншейн. - 1957. - № 6. - С. 70.

15. Бернштейн, Н. А. Биомеханика и физиология движений. /Н.А. Бернштейн Под ред. В. П. Зинченко. - М.: Изд-во института практической психологии; Воронеж: НПО "МОДЭК", 1997. - 608 с.

16. Брагинский, МЯ. и др. Дифференциальный датчик для регистрации высокоамплитудного тремора. / М.Я. Брагинский, В.М. Еськов, Е.В. Майстренко / Свидетельство Российской Федерации на полезную модель № 24920 Роспатент. - Москва, 2002.

17. Брагинский, МЯ. и др. Дифференциальный датчик для регистрации высокоамплитудного тремора и возможность его использования в клинической практике / М.Я. Брагинский, В.М. Еськов, Д.А. Жарков, В.А. Папшев // Вестник новых медицинских технологий. - Т. 10, №3. - 2003. - С. 87-89.

18.Брагинский, МЯ., Еськов, В.М. Алгоритм анализа нормального или патологического изменения треморограмм человека в условиях статических и динамических нагрузок. Свидетельство об официальной регистрации программы для ЭВМ № 2000610599 РОСПАТЕНТ. - Москва, 2000.

19.Брагинский, МЯ., Еськов, В.М Мониторинг движений человека // Доклады на II съезде биофизиков России. - Москва, 1999. - С.395.

20. Гавриленко, Т.В. Моделирование управления нейросетями мозга произвольными движениями человека - теппингом. [Электронный ресурс] / Т.В. Гавриленко // Нелинейная динамика в когнитивных исследованиях — 2013. — 2013. - Режим доступа: httpУ/www.nd-cogsсi2009.sсi-nnov.ru/2013/img/nd-2013.pdf

21.Гавриленко, Т.В. и др. Метод многомерных фазовых пространств в оценке хаотической динамики тремора / Т.В. Гавриленко, А.Е. Баженова, А. А. Балтикова, Ю.В. Башкатова, Е.В. Майстренко // Вестник новых медицинских технологий. -2013.-Т. 20,№1.-С. 128.

22.Гавриленко, Т.В. и др. Хаотическая динамика непроизвольных движений конечности человека в 4-мерном фазовом пространстве / Т.В.Гавриленко, А.А.Балтикова, Д.А.Дегтярев, В.В.Еськов, А.С.Пашнин. // Сложность. Разум. Постнеклассика. - 2012. - №1. - С.86-94.

23. Голубев, B.JI. Болезнь Паркинсона и синдром паркинсонизма / В.Л. Голубев, Я.И. Левин, А.М. Вейн // Кн. -М: МЕДпресс, 1999. - 416 с.

24.Голубев, В.Л., Магомедов, Р.К. Спектральный анализ вариабельности частотно-амплитудных характеристик дрожания при эссенсиальном треморе и дрожательной форме болезни Паркинсона / В.Л. Голубев, Р.К. Магомедов // Журнал неврологии и психиатрии им. С.С. Корсакова. - 2006, - №1.-С. 43-48.

25.Гурфинкель, B.C. Физиология двигательной системы / B.C. Гурфинкель // Успехи психофизиологических наук. - 1994. - Т. 25, № 2. - С. 83 - 88.

26.Еськов, В.М. Введение в компартментную теорию респираторных нейронных сетей / В.М. Еськов. - М. :Наука, 1994. - 160 с.

27.Еськов, В.М. и др. Биомеханическая система для изучения микродвижений конечностей человека: хаотические и стохастические подходы в оценке физиологическоготремора/В.М Еськов, МЯ. Брагинский, МА. Джалилов, А.Е. Баженова, В.В. Козлова // Вестник новых медицинских технологий. — 2011. — Т. 18, №4. - С. 44-48.

28.Еськов, В.М. и др. Основы биоинформационного анализа динамики микрохаотического поведения биосистем / В.М Еськов, И.В. Буров, О.Е.

Филатова, A.A. Хадарцев // Вестник новых медицинских технологий. - 2012. - Т. 19, № 1. С. 15-18.

29.Еськов, В.В., Вохмина, Ю.В., Гавриленко, Т.В., Зимин, М.И. Модели хаоса в физике и теории хаоса-самоорганизации / В.В. Еськов, Ю.В. Вохмина, Т.В. Гавриленко, МИ. Зимин// Сложность.Разум. Постнеклассика. — 2013. — № 2 - С. 42-56.

30.Еськов, В.М, Гавриленко, Т.В., Козлова, В.В., Филатов, М.А. Измерение параметров динамики микрохаоса в поведении реальных биосистем /В.М Еськов, Т.В. Гавриленко, В.В. Козлова, М.А. Филатов // Метрология. — 2012. — №7. - С. 39-48.

31.Еськов, В.М., Еськов, В.В., Филатова, О.Е Особенности измерений и моделирования биосистем в фазовых пространствах состояний/В.М. Еськов, В.В. Еськов, O.E. Филатова// Измерительная техника. - 2010. - № 12. - С. 53-57.

32.Еськов, В.М., Балтикова, A.A., Буров, И.В., Гавриленко, Т.В., Папшин, A.C. Можно ли моделировать и измерять хаос в медицине /В.М. Еськов, A.A. Балтикова, И.В. Буров, Т.В. Гавриленко, A.C. Пашнин // Вестник новых медицинских технологий. - 2012. - Т. XVIII, № 2 - С. 412-414.

33.Еськов, В.М. и др. Стохастические и хаотические методы в оценке качества подготовки спортсменов при решении задачи прицеливания / В.М. Еськов, М.Я. Брагинский, В.А Вишневский, A.C. Пашнин, Ю.С. Ефимова // Теория и практика физической культуры. - 2011. - №1. - С. 87-90.

34.Еськов В.М. и др. Динамика изменения параметров теппинга в ответ на локальные гипотермические воздействия/ В.М. Еськов, Т.В. Гавриленко, Д.А. Дегтярев, АН. Булдин, Л.Г. Клюс, H.A. Черников// Вестник новых медицинских технологий. - 2013. - №1. - С. 140.

35.Еськов, В.М. и др. Динамика квазиаттракторов параметров непроизвольных микродвижений конечностей человека как реакция на локальные термические воздействия / В.М. Еськов, Т.В. Гавриленко, Д.А. Дегтярев, В.В. Еськов, A.A. Балтикова // Вестник новых медицинских технологий. - 2012. - Т. XIX, № 4. - С. 26-29.

36.Еськов, В.М., Королёв, В.В., Хадарцев, А.А., Фудин, Н.А. Моделирование динамики движения вектора состояния организма человека в условиях импульсной гипергравитационной физической нагрузки /В.М. Еськов, В.В. Королёв, А. А Хадарцев, Н.А. Фудин // Вестник новых медицинских технологий. - 2013. - Т. 20, №4. - С. 16-25.

37.Еськов, В.М., Филатова, О.Е. Другой мир, другая наука, другие модели в описании complexity / В.М. Еськов, О.Е. Филатова // Вестник новых медицинских технологий. - 2014. - Т. 21, №1. - С. 138-141.

38.Еськов, В.М. и др. Стохастические и хаотические методы оценки динамики тремора / В.М. Еськов, Т.В.Гавриленко, А.С.Пашнин, А.А.Балтикова//Информатика и системы управления. -2012. - С.99-102.

39.Еськов, В.М. и др. Явление изменения параметров стационарных режимов функционирования биологических динамических систем. Открытие № 285. / В.М. Еськов, О.Е. Филатова, Н.А. Фудин и др. // Научные открытия. Сборник кратких описаний. Вып.2. М, 2005. - С. 32-34.

40.Еськов, В.М., Брагинский МЯ. Алгоритм анализа нормального или патологического измерения треморограмм человека в условиях статических и динамических нагрузок / В.М. Еськов, МЯ. Брагинский // Свидетельство об официальной регистрации программы для ЭВМ № 2000610599. Роспатент. Москва, 2000.

41. Еськов, В.М. Методы измерения интервалов устойчивости биологических динамических систем и их сравнение с классическим математическим подходом в теории устойчивости динамических систем/ В.М. Еськов // Метрология. — 2005. — №2. - С. 24-37.

42.Еськов, В.М., Филатова, О.Е. Особенности измерений и моделирования биосистем в фазовых пространствах состояний / В.В. Еськов, О.Е. Филатова // Измерительная техника. - М. 2010. - № 12. - С. 53-57.

43.Еськов, В.М. и др. Понятие нормы и патологии в фазовом пространстве состояний с позиции компартментно-кластерного подхода / В.М Еськов, Р.Н.

Живогляд, H.M. Карташова и др. // Вестник новых медицинских технологий. — 2005. - Т. ХП, №.1. - С. 12 - 14.

44. Еськов, В.М. и др. Проблема выбора оптимальных математических моделей в теории идентификации биологических динамических систем / В.М. Еськов, O.E. Филатова, H.A. Фудин // Системный анализ и управление в биомедицинских системах. - 2004. - Том 3., № 2. - С. 143-145.

45.Еськов, В.М. и др. Идентификация параметров аттракторов поведения вектора состояния биосистем в m-мерном фазовом пространстве / В.М Еськов, М.Я. Брагинский, A.A. Устименко и др. // Свидетельство о государственной регистрации программы для ЭВМ № 2006613212. Роспатент. Москва, 2006.

46. Еськов, В.М., Кулаев, C.B. Идентификация периодических электрофизиологических сигналов/В.М. Еськов, C.B. Кулаев // Свидетельство об официальной регистрации программы для ЭВМ № 2000610600. Роспатент. Москва. 2000.

47. Еськов, В.М и др. Программа расчета коэффициента синергизма в биологических динамических системах с хаотической организацией / В.М. Еськов, В.А. Папшев, C.B. Кулаев и др. // Свидетельство об официальной регистрации для ЭВМ№ 2005612885. Роспатент. Москва, 2005.

48.Еськов, В.М и др. Расчет параметров аттракторов поведения ш-компонентного вектора состояния биосистемы в двумерном пространстве / В.М Еськов, М.Я. Брагинский, К.А. Хадарцева, В.В. Полухин // Свидетельство об официальной регистрации программы для ЭВМ №2009614365. Роспатент. Москва, 2009.

49.Еськов, В.М. и др. Синергетика в клинической кибернетике. Часть I. Теоретические основы системного синтеза и исследований хаоса в биомедицинских системах / В.М. Еськов, A.A. Хадарцев, O.E. Филатова // Под ред. Григорьева А.И. - Самара: Изд-во ООО «Офорт», 2006. - 233 с.

50.Еськов, В.М. и др. Синергетика в клинической кибернетике. Часть II. Особенности саногенеза и патогенеза в условиях Ханты - Мансийского автономного округа - Югры / В.М. Еськов, A.A. Хадарцев, O.E. Филатова; под редакцией Григорьева А.И. - Самара: Изд-во ООО «Офорт», 2007. - 292 с.

51.Еськов, В.М. и др. Синергетика в клинической кибернетике. Часть Ш. Синергетический подход в клинике метаболических нарушений. / В.М. Еськов, И.Ю. Добрынина, O.E. Филатова, В.Ф. Пятин; под ред. Григорьева А.И. - Самара: Изд-во ООО «Офорт», 2007. - 281 с.

52.Еськов, В.М. и др. Системный анализ и компьютерная идентификация синергизма в биологических динамических системах / В.М Еськов, Р.Н. Живогляд, В.А. Папшев и др. // Системный анализ и управление в биомедицинских системах. - 2005. - № 1. - С. 108-111.

53. Еськов, В.М. и др. Системный анализ, управление и обработка информации в биологии и медицине. Часть IV. Обработка информации, системный анализ и управление (общие вопросы в клинике, в эксперименте). / В.М. Еськов, A.A. Хадарцев и др. - Тула: Изд-во ТулГУ, 2003. - 203 с.

54.Еськов, В.М Сканирование движущихся поверхностей биологических объектов / В.М. Еськов, O.E. Филатова, В.А. Папшев // Измерительная техника. — 1996.-№5.-С. 66-67.

55.Еськов, В.М., Живогляд, Р.Н. Фазатон мозга в норме и при патологии. / В.М. Еськов, Р.Н. Живогляд // Вестник новых медицинских технологий. - 2004. - №4. - С. 5 - 9.

56. Еськов, В.М. и др. Неопределенность в квантовой механике и биофизике сложных систем. / В.М Еськов, В.В. Еськов, Т.В. Гавриленко, М.И. Зимин // ВМУ. Серия З.Физика. Астрономия. - 2014. - №5. - С. 41-46.

57. Еськов, В.М., Хадарцев, A.A., Филатова, O.E., Шерстюк, Е.С. Новые представления о стационарности и предсказуемости в когнитивных науках. Принципы работы мозга. [Электронный ресурс] / В.М Еськов, A.A. Хадарцев, O.E. Филатова, Е.С. Шерстюк// Нелинейная динамика в когнитивных исследованиях - 2013. - 2013. - Режим доступа: http://www.nd-cogsci2009.sci-nnov.ru/2013/img/nd-2013.pdf

58.Еськов, В.М, Хадарцев, A.A., Гавриленко, Т.В., Ватамова, С.Н. Вариабельность состояния параметров функциональных систем организма человека на примере непроизвольных и произвольных движений

человека[Электронный ресурс] / В.M. Еськов, А.А. Хадарцев, Т.В. Гавриленко, С.Н. Ватамова // Нелинейная динамика в когнитивных исследованиях — 2013. -2013. - Режим доступа: httpy/v\rvm.nd-cogsci2009.sci-nnov.ru/2013/img/nd-2013.pdf 59.3инченко, В.П. Интуиция Н. А. Бернпггейна: Движение - это живое существо / В.П. Зинченко //Вопросы психологии. — 1996. — №6. - С. 135-138.

60.Казаров, Д., Шапков, Ю.Т. Двигательные единицы скелетных мышц человека / Д. Казаров, Ю.Т. Шапков. - Л.: Наука, 1983. - 252 с.

61.Козлова, В.В. и др. Акустические воздействия и хаотическая динамика тремора [Электронный ресурс] / В.В. Козлова, Ю.В. Романова, Д.Ю. Филатова, В.Н. Ватамова, Д.А. Дегтярев // Нелинейная динамика в когнитивных исследованиях — 2013. - 2013. - Режим доступа: http У/www. nd-c ogs с i2009. s с i-nno v. ru/2013/img/nd -2013.pdf

62. Кузнецова, O.B. Элекгромиоргафическая оценка утомления при изометрической работе мышц разгибателей голени / О.В. Кузнецова // Сборник трудов ученных РГАФК. - М., 1999. - С. 36-38.

63.Кунаев, C.B., Брагинский, М.Я., Еськов, В.М. Автоматизированные диагностические системы для обучения и контроля двигательных функций учащихся // Доклады на Международной конференции: Датчики и преобразователи информации систем измерения, контроля и управления. -Гурзуф, 1998. - С. 473 - 474.

64.Курдюмов, С.П. Нелинейная динамика и проблемы прогноза. // Вестник РАН. - 2001. - Т. 71, №3. - С. 210-224.

65.Майстренко, Е.В. и др. Показатели произвольных и непроизвольных движений учащихся, проживающих на Севере РФ / Е.В. Майстренко, А.А. Глущук, О.В. Климов, Козлова В.В. // Материалы открытой окружной конференции молодых ученых: Наука и инновации XXI века. - Сургут: Изд-во Сур ГУ. -2005. - Т. 2. — С. 198-199.

66. Малинецкий, Г.Г. Математические основы синергетики. Хаос, структуры, вычислительный эксперимент / Г.Г. Малинецкий // Кн.: Математические основы

синергетики. Хаос, структуры, вычислительный эксперимент. - Изд. 4-е, сущ. перераб. и доп. - М.: КомКнига, 2005. - 312 с.

67. Малинецкий, Г.Г., Потапов, А.Б. Современные проблемы нелинейной динамики / Г.Г. Малинецкий, А.Б. Потапов // Кн.: Современные проблемы нелинейной динамики. - Изд. 2-е, исправленное и дополненное М.: Едиториал УРСС, 2002. - 360 с.

68.Малинецкий, Г.Г., Потапов, А.Б. Нелинейная динамика и хаос. Основные понятия: Учебное пособие / Г.Г. Малинецкий, А.Б. Потапов // Кн.: Нелинейная динамика и хаос. Основные понятия: Учебное пособие. - М.: КомКнига, 2006. -240 с.

69. Поликарпова, Н.В. Взаимосвязь моторных асимметрий с рабочей асимметрией у фехтовальщиков / Н.В. Поликарпова // Вестник Балтийской академии. - СПб., 1997. - Вып. 10. - С. 56-59.

70.Рашевский, Н. Математическая биофизика/Н. Рашевский. - М, 1938.

71.Смолянинов, В.В. Структура, функция, управление - системно-конструктивный подход / В.В. Смолянинов // Биологические мембраны. - Том 41.

- № 6. - 1997. - С. 574-583.

72. Смолянинов, В.В. От инвариантов геометрий к инвариантам управления / В.В. Смолянинов // Интеллектуальные процессы и их моделирование. - М: Наука. -1987.-С.66-110.

73.Смолянинов, В.В. Что такое Жизнь? С точки зрения кибернетика / В.В. Смолянинов // Биологический журнал Армении. - № 8. - 1990 - С.712-722.

74. Стрельникова, И.В. Особенности динамических характеристик движений рук фехтовальщиц с амбидекстральным видом функциональной асимметрии / И. В. Стрельникова, Д. Г. Толасова / Журнал Вестник спортивной науки. - 2006. - №4.

- С. 58-61.

75.Устименко, А А. Идентификация явления синергизма в биологических динамических системах / A.A. Устименко // Сборник научных трудов. Естественные науки / Сур ГУ - Сургут: Изд-во Сур ГУ, 2009.

76.Фельденкрайз, М. Осознавание через движение: Двенадцать практических уроков / М. Фельденкрайз. - М.: Институт Общегуманитарных Исследований, 2000. - 151 с .

77.Филатов, М.А., Филатова, Д.Ю., Химикова, О.И., Романова, Ю.В. Метод матриц межаттракторных расстояний в идентификации психофизиологических функций человека / МА. Филатов, Д.Ю. Филатова, О.И. Химикова, Ю.В. Романова // Сложность. Разум. Постнеклассика. - 2012. - № 1. - С. 21-25.

78.Хакен,Г. Принцип работы головного мозга / Г. Хакен // Кн.: Принцип работы головного мозга. - М: PerSe. - 2001. - 351 с.

79.Хомская, Е.Д. Нейропсихология индивидуальных различий / Е.Д. Хомекая. — М.: Российское педагогическое агентство, 1997. — С. 281.

80.Хатиашвили, И.Т. Тремор: современный взгляд на патогенез, клинические варианты и подходы к лечению: по материалам журнала Movement Diserders (1998, Vol 13, suppl 3) / И.Т. Хатиашвили // Неврологический журнал. - 1999. -№ 6. - 53-60.

81.Churchland, MM., Cunnirigham, J.P., Kaufman, M.T., and others. Neural population dynamics during reaching // Nature, 2012. - v. 487, pp.51-56.

82.Cruz, I.B. Dynamic balance, lifestyle and emotional states in young adults. / I.B. Cruz [et aL] // Braz. J. Otorhinolaryngol, 2010. - V. 76, N 3. - pp. 392-398.

83.Deco, G. Emerging concepts for the dynamical organization of res-ting-state activity in the brain / G. Deco, V.K. Jirsa, A.R. Mcintosh // Nature Reviews Neuroscience. -2011. - Vol 12, №1. - pp. 43-56.

84.Deco, G. Ongoing cortical activity at rest: criticality, multistability, and ghost attractors / G. Deco, V.K. Jirsa // Journal of Neuroscience. - 2012. - Vol 32, №10. -pp. 3366-3375.

85.Deuschl, G., G.Bain, P., Brin, M Consensus statement of the Movement Disorder Society on tremor // Mov. Disord. - 1998. - №13. - pp. 2-23.

86.Deuschl, G., Raethjen, J., Lindemann, M, Krack, P. The pathophysiology of tremor // Muscle Nerve. - 2001. - № 24. - pp. 716—735.

87.Deuschl, G., Bergman H. Pathophysiology of nonparkinsonian tremors // Mov. Disord. - 2002. - VoL 17. - pp.41-48.

88.Dolan, R.J. A cognitive affect iverole for the cerebellum // Brain. - 1998. - VoL 121. - pp. 561-579.

89.Dubinsky, R., Hallet, M. Glucose metabolism in the brain of patients with essential tremor//J. NeuroL ScL - 1993. - VoL 114. - pp. 45-48.

90.Ebeling, W., Erdmann, U., Dunkel, J., Jenssen, M Nonlinear dynamics and fluctuations of dissipative Toda chains // J. Stat. Phys. - 2000. - №101(1/2). - pp. 443457.

91.EIble, R.J., Higgins, C., Hughes, L. Phaseresetting and frequency entrainment of essential tremor//Exp. NeuroL - 1992. -№ 116. - pp. 355-361.

92.EIble, R.J., Deuschl, G. Milestones in tremor research//Mov. Disord. - 2011. - VoL 26, №6.-pp. 1096-1105.

93.Eskov, V.M Third paradigm Samara : Ofort. - 2011. - 240 p.

94.Eskov ,V.M., Eskov, V.V., Filatova, O.E. Characteristic features of measurements and modeling for biosystems in phase spaces of states // Measurement Techniques (Medical and Biological Measurements). - 2011. - v. 53 (12). - pp. 1404-1410.

95.Eskov, V. M., Gavrilenko, T. V., Kozlova, V. V., Filatov, M A. Measurement of the dynamic parameters of microchaos in the behavior of living biosystems // Measurement Techniques. 2012. - VoL 55. №. 9. - pp. 1096-1100.

96.Eskov, V. M, Eskov, V.V., Filatova, O.E., Filatov, M.A. Two types of systems and three types of paradigms in systems philosophy and system science // Journal of Biomedical Science and Engineering. - 2012. - VoL 5, №. 10. - pp. 602-607.

97.Eskov, V. M. et aL Investigation of the synergetic property of biomechanical mammalia system with computing using / V. M. Eskov, V. A. Papshev, O. V. Klimov and other. // Proceeding of international conference on modeling and simulation. (Minsk, Belarus). - 2004. - pp.66-69.

98.Eskov, V.M et aL Theory of fazaton brain and method of identification of its models / V.M. Eskov, T.V. Zuevskaya, I.U. Dobrinina and other. // Proceeding of international Biophysics Congress (Montpelier - France). - 2005. - pp. 84-86.

99.Eskov, V.M. et al Identification of synergetic property of biological dynamic system (BDS) /S.V. Kulaev, A.S. Pashnin and other // Proceeding of international Biophysics Congress. (Montpelier - France). - 2005. - pp. 78-80.

100. Eskov, V.M, Zuevskaya, T.V., Dobrinina, I.U. and other. Theory of fazaton brain and method of identification of its models. // Proceeding of international Biophysics Congress (Montpelier - France). - 2005. - pp. 84-86.,

101. Eskov, V.M. Compartmental theory of the respiratory neuron networks with a simple structure. Neural Network World. - №3. - 1998. - pp. 353-364.

102. Eskov, V.M. Models of hierarchical respiratory neuron networks. Neurocomputing. - №11. - 1996. - pp. 203-226.

103. Eskov, V.M. The dependence of activity of cyclic respiratory neuron network with subcycles on damping coefficient. Neural Network World. - № 1. - 1996. - pp. 57-56.

104. Eskov, V.M. The problem of identity of functional states of neuron networks / V.M. Eskov, O.E. Filatova// Biophysics. - 2003. - Vol 48. - pp. 526-534.

105. Eskov, V.M., Filatova O.E. Computer diagnostics of the compartmentation of dynamic systems // Measurement Techniques. - VoL 37. - № 1. - 1994. - pp. 114-119.

106. Eskov, V.M, Filatova O.E., Kozlov A.P., Papshev V.A. Measurement of variable parameters of biological objects in motion // Measurement Techniques. - Vol.39. - №

4.- 1996.-pp. 443-447.

107. Fadel, P.J. Fractal fluctuations in human respiration / P.J. Fadel, S.M. Barman,

5.W. Philips, G.L. Gebber//Journal of Applied Physiology. -2004. - VoL 97. -№6. -pp. 2056-2064.

108. Filatov, M.A, Filatova D.Y., Himikova O.I.,Romanova J.V. Matrixes of quasiattractor distances at identification of human psychophysiology function // Complexity. Mind. Postnonclassie. - 2012. - № 1. - pp. 19-24.

109. Filatova, O.E. The determination of synergetic property of respiratory neuron network with computer using / O.E. Filatova, V.M. Eskov, S.V. Kulaev and other. // Proseeding of international conference on modeling & simulation (ICMS'04, Spain, Valladolid) - 2004. - pp. 59 - 60.

110. Filatova, O.E. Existense of synergetic properties of neuron network regulating the pulse rate / O.E. Filatova, V.M.Eskov, V.V. Eskov and other// Proseeding of international conference on modellling&simulation (ICMS'04). (Spain, Valladolid) . -2004. -pp.57 -58.

111. Gajewski, J. Fatigue-induced changes in tremor caused by physical efforts of different volume and intensity / J. Gajewski // Acta. Bioeng. Biomech. - 2006. - VoL 8. -pp. 103-110

112. Gavrilenko, T.V., Baltikova A.A., Degtyarev D.A., Pashnin AS. The comparison of the efficiency of classic stochastic theory and theory of chaos-selforganization (TCS) // Complexity. Mind.Postnonclassic. - 2012. - № 1. - pp. 81-90.

113. Gell-Mann, M Fundamental Sources of Unpredictability // Complexity. - 1997.

- VoL 3, №1. - pp. 13-9.

114. Giesebrecht, S. Facilitation and inhibition of tibialis anterior respon-ses to corticospinal stimulation after maximal voluntary contractions / S. Gie-sebrecht, P.O. Martin, S.C. Gandevia // J. NeurophysioL - 2010. - VoL 103. - №3. - P. 1350.

115. Goodworth, AD. Sensorimotor integration for multisegmental frontal plane balance control in humans / AD. Goodworth, R.J. Peterka // J. Neurophy-sioL — 2012. -VoL 107.-№l.-pp. 12-28.

116. Gross, R. E., Lozano M. Advances in neurostimulation for movement disorders // Neurological Research. - 2000. - VoL 22.- pp. 247-258.

117. Growdon, W., Ghika, J., Henderson, J., van Melle, G., Regli, F., Bogousslavsky, J., Growdon, J.H.Effects of proximal and distal muscles' groups contraction and mental stress on the amplitude and frequency of physiological finger tremor. An accelerometric study /Electromyogr Clin NeurophysioL - 2000 Jul-Aug. - №40(5). - pp. 295-303.

118. Haken, H. Principles of brain functioning: a synergetic approach to brain activity, behavior and cognition (Springer series in synergetics) / Springer. - 1995. - 349 P.

119. Hausdorff, J.M. Gait dynamics, fractals and falls: finding meaning in the stride-to-stride fluctuations of human walking / J. M Hausdorff // Human Movement Science.

- 2007. - VoL 26, №4. - pp. 555-589.

121. Hwang, I.S. et aL Tremor modulation in patients with Parkinson's disease compared to healthy counterparts during loaded postural holding / I.S. Hwang, C. CLin, P.S. Wu . J Electromyogr KinesioL - 2009. - VoL 6. - pp. 520-528.

122. Homberg, V., Hefter, H., Reiners, K., Freund, HJ. Differential effects of changes in mechanical limb properties on physiological and pathological tremor // J. NeuroL Neurosurg. Psychiatry. - 1987. - № 50. - pp. 568-579.

123. Ivanitskii, G.R. 21st century: What is life from the perspective of physics? // Physics - Uspekhi (Advances in physical sciences). - 2010. - V. 53. - №4. - pp. 327356.

124. Judit, Malty, Trevor, W. Stone. Lamotrigine in Essential Tremor. [Электронный ресурс] / Judit Mally, Trevor W. Stone / Pharmacy and Pharmacology Communications /. - 2011. - Режим доступа: http://onlinelibrary.wiley.com/doi/10. Ill l/j.2042-7158.1997.tb00254.x/pdf

125. Lakie, M The influence of muscle tremor on shooting performance / M Lakie // Exp. PhysioL - 2010. - V. 95, N 3. - pp. 441-450.

126. Louis, E.D., Ferreira, J.J. How common is the most common movement disorder? Update on the world wide prevalence of essential tremor // Mov. Disord. - 2010. - № 25. -pp. 534-541.

127. Makabe, H., Sakamoto, KJudgment of disability stages in Parkinson disease patients due to pathological tremor of index finger.Electromyogr Clin NeurophysioL -2000 Oct-Nov. - № 40(7). - pp. 397-409.

128. Martin, Lakie, Carlijn, A. Vernooij, Timothy, M. Osborne and Raymond F. Reynolds. The resonant component of human physiological hand tremor is altered by slow voluntary movement. J PhysioL - May 15, 2012. - №590 (10). -pp. 2471-2483.

129. Mercuri, В., Berardelli, A., Modugno, N. et aL Reciprocal inhibition in forearm muscles in patients with essential tremor //Muscle Nerve. - 1998. - № 21. - pp. 796799.

130. Morrison, S. et aL Aging, Neuromuscular Decline, and the Change in Physiological and Behavioral Complexity of Upper-Limb Movement Dynamics. / S. Morrison, K. M. Newell // 21 School of Physical Therapy, Old Dominion Univer-sity, Norfolk. - 2012.

131. Morrison, S. et aL Aging, hypertension and physiological tremor: the contribution of the cardioballistic impulse to tremorgenesis in older adults/ S. Morrison, J.J. Sosnoff, K.S. Heffernan, S.Y. Jae, B. Fernhall // J Neurol Scl - 2013. - VoL 326, №1. - pp. 6874.

132. O'Suilleabhain, P.E., Matsumoto, J.Y. Time-frequency analysis of tremors // Brain. - 1998. - № 121(pt. 11). - pp. 2127-2134.

133. Prigogine, I. The Die Is Not Cast // Futures. Bulletin of the Word Futures Studies Federation. - 2000. - VoL 25. - № 4. - pp. 17-19.

134. Raethjen, J., Lindemann, M, Schmaljohann, H. et aL Multiple oscillators are causing parkinsonian and essential tremor // Mov. Disord. - 2000. — № 15. — pp. 84-94.

135. Raethjen, J., Lauk, M., Koster, B. etaL Tremor analysis in two normal cohorts // Clin. NeurophysioL - 2004. - № 115. - pp. 2151—2156.

136. Raethjen, J.,Deuschl, G. Tremor / J. Raethjen, G. Deuschl // Ther Umsch. - 2007. -VoL 64, №1. — pp. 35-40.

137. Rajput, A.H. Increased noradrenaline levels in essential tremor // Neurology. -2001. - VoL 56. - SuppL3. - P. 302

138. Raymond, Reynolds, Martin, Lakie. Postmovement Changes in the Frequency and Amplitu-de of Physiological Tremor Despite Unchanged Neural Output / R. Reynolds, M Lakie // JN NeurophysioL - 2010. - №4. - pp. 2020-2023.

139. Richter, D., Ballantyne, D., Remmers, J.E. How is the respiratory rhythm generated? Amodel; - News PhysioL ScL 1986, 1, pp. 109-112.

140. Richter, D.W. Neural regulation of respiration: rhythmogenesis and afferent control; - In: Gregor, R., Windhorst, U. (Eds.), Comprehensive Human Physiology, VoL II, Springer Verlag, Berlin 1996, pp. 2079-2095.

141. Santello, M. Neural bases of hand synergies / M Santello, B. Gabriel, J. Henrik// Front Comput Neuroscl - 2013. - №7. - P. 23.

142. Schieber, M. H. Hand function: peripheral and central constraints on performance / M. H. Schieber, M. Santello // J. AppL Physiol - 2004. -№96. - pp. 2293-2300.

143. Smolyaninov, V.V. On the origins of some debatable biophysical conceptions (What life is from different points of view) // Biophysics. - 2010. - T. 55. — № 3 — pp. 513-523.

144. Solla, P. Gender differences in motor and non-motor symptoms among Sardinian patients with Parkinson's disease. / P. Solla, A. Cannas, F.C. Ibba, F. Loi, M. Corona, G. Orofino, M.G. Marrosu, F.J. Marrosu // Neurol Scl - 2012. - VoL 323, №1-2. - pp. 3339.

145. Solla, P, Cannas, A, Ibba, FC, et aL Gender differences in motor and non-motor symptoms among Sardinian patients with Parkinson's disease. J Neurol Sciense. — 2012. - 323. - pp. 33-39.

146. Smolyaninov, V.V. On the Origins of Some Debatable Biophysical Conceptions (What Life Is from Different Points of Viev) // Biophysica. - 2010. - VoL 55. - № 3, pp. 563-576.

147. Turvey, M.T. Action and perception at the level of synergies / M.T. Turvey // Hum. Mov. Scl - 2007. - №26. - pp. 657-697.

148. Valls-Sole, J., Tolosa, E.S., Nobbe, F. etal Neuro physiological investigation sinpatients with headtremor //Mov. Disord. - 1997. - № 12. - pp. 576-584.

149. Weaver, W. Science and Complexity // ECO. - Vol.6. - № 3, 2004. - pp. 65-74.

150. Wichmann,T., De Long, M.R. Functional and pathophysiological models of basalganglia // Curr. Opin. Neurol. - 1996. - VoL 6. - pp. 751-758.