Математическое и программное обеспечение системы прогнозирования рецидивирующего инфаркта миокарда на основе искусственных нейронных сетей тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Суснина, Алла Васильевна

  • Суснина, Алла Васильевна
  • кандидат технических науккандидат технических наук
  • 1999, Рязань
  • Специальность ВАК РФ05.13.11
  • Количество страниц 213
Суснина, Алла Васильевна. Математическое и программное обеспечение системы прогнозирования рецидивирующего инфаркта миокарда на основе искусственных нейронных сетей: дис. кандидат технических наук: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. Рязань. 1999. 213 с.

Оглавление диссертации кандидат технических наук Суснина, Алла Васильевна

3ведение

Глава 1. Обзор и анализ систем прогнозирования чнфаркта миокарда и его осложнений

1.1. Обзор систем прогнозирования возникновения, течения, исхода и осложнений инфаркта миокарда 2\

1.1.1. Основные этапы в развитии прогностических показателей

1.1.2. Системы прогнозирования, основанные на использовании математических методов

1.1.3. Системы прогнозирования рецидивирующего инфаркта миокарда

1.2. Классификация систем прогнозирования инфаркта миокарда и рецидивирующего инфаркта миокарда

1.3. Формулировка требований к разработке системы прогнозирования рецидивирующего инфаркта миокарда

Выводы

Глава 2. Разработка и исследование математической модели системы прогнозирования

2.1. Анализ исходной информации

2.1.1. Понятие фактора прогноза

2.1.2. Структура карты больного

2.2. Постановка задачи прогноза РИМ как задачи классификации

2.2.1. Задача обучения

2.2.2. Возможные методы решения задачи пассификации

2.2.3. Оценка объема реальной выборки

2.3. Определение частоты появления факторов по лассам

2.4. Кодирование входной информации

2.5. Исследование параметров факторов в юответствии с принадлежностью больных к классам

2.5.1. Оценка параметров факторов

2.5.2. Методика предварительной обработки исходной шформации в задачах прогноза с использованием НС при наличии ограниченного количества примеров для обучения

2.5.3. Применение критериев метода кластерного анализа для оценки разделимости объектов задачи

2.5.4. Применение метода кластерного анализа для руппировки факторов

2.6. Обоснование применения математического аппарата ИНС для разработки СП РИМ

Выводы

Глава 3. Разработка системы прогнозирования на основе нейрокомпьютерных технологий

3.1 .Общие положения теории НС

3.1.1. Стандартные структуры нейронных сетей

3.1.2. Методика разработки нейросетевых систем

3.2. Разработка структуры СП РИМ 125 3.2.1. Кодирование выходной информации

3.3. Выбор алгоритма обучения нейронной сети

3.3.1. Алгоритм обратного распространения ошибки

3.3.2. Критерии качества работы нейронной сети

3.3.3. Разработка структуры нейронной сети в СП РИМ

3.3.4. Разделение исходной информации на обучающую и тестовую выборки

3.4. Определение оптимальной структуры нейронной

Выводы лава 4. Экспериментальные исследования системы 1рогнозирования рецидивирующего инфаркта миокарда

4.1. Экспериментальное исследование моделей

4.1.1. Методика проведения экспериментов

4.1.2. Оценка качества Модели

4.1.3. Оценка качества Модели

4.1.4. Выбор базовой модели системы

4.2. Общие сведения о нейропакете 163 4.2.1. Файл настройки системы

Выводы

Рекомендованный список диссертаций по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Введение диссертации (часть автореферата) на тему «Математическое и программное обеспечение системы прогнозирования рецидивирующего инфаркта миокарда на основе искусственных нейронных сетей»

Актуальность темы. Одной из основных особенностей современной медицины является глубокое проникновение в нее средств и методов вычислительной техники.

Использование современных информационных технологий дает возможность создать дистанционные консультативно-диагностические центры, позволяющие резко повысить уровень медицинской помощи населению и делающие реальным массовое обследование населения с целью выявления групп лиц, предрасположенных к тому или иному заболеванию.

Существует пять основных направлений применения электронно-вычислительных машин (ЭВМ) в кардиологии: диагностика, прогнозирование, лечение, организация информационно-поисковых систем, моделирование [11].

Огромные возможности дает применение математических методов и вычислительной техники в борьбе с наиболее распространенными заболеваниями сердечно-сосудистой системы.

Инфаркт миокарда (ИМ) - заболевание, которое может закончиться практически полным выздоровлением без какой-либо медицинской помощи, и наоборот, привести к летальному исходу, несмотря на все усилия врачей. Однако между этими крайностями находится многочисленная группа больных, судьба которых во многом зависит от своевременности и оперативности проведения лечебных мероприятий [50].

В области диагностики и лечения больных ИМ в последнее время достигнуты определенные успехи. Однако летальность при этом заболевании все еще остается высокой. Сотрудниками Московского центра неотложной кардиологии установлено, что общегородская летальность в стационарах снизилась лишь на 1.2%, и так же, как и 10 лет назад, умирает каждый четвертый больной. Причины устойчивости столь высокой летальности до конца не изучены. Имеет значение и запоздалая госпитализация, и недостаточное качество лечения. Даже в наиболее оснащенных отделениях летальность достигает 12-13%. Отсутствие явного прогресса в исходе болезни заставляет глубже исследовать основные факторы возникновения летальных исходов, более точно прогнозировать течение ИМ и с учетом этого выбирать оптимальные методы лечения [47].

Составной частью прогноза исхода заболевания является возможность прогнозирования осложнений, которые могут возникнуть в госпитальный период ИМ. Эта проблема очень актуальна и является одной из наиболее сложных задач кардиологии. Прогнозирование необходимо осуществлять при поступлении больного в стационар, сразу же после проведения стандартных методов обследования. Оно должно быть быстрым, проводиться неоднократно в процессе наблюдения за больным по мере поступления новых данных о его состоянии.

Получение прогноза осложнений позволяет врачу целенаправленно проводить профилактику, усилить наблюдение за больным, скорректировать режим физической активности пациента (особенно в предполагаемые сроки возникновения осложнения).

В клинической практике врач, как правило, определяет прогноз эвристически, полагаясь на свой опыт и интуицию. В более сложных случаях прогноз составляется несколькими специалистами, что повышает его точность. Эффективность знаний и опыта отдельных специалистов при определении прогноза значительно повышается за счет применения математического анализа медицинской информации о состоянии больного и использования при этом ЭВМ [3].

Самым ранним подходом к решению проблемы прогноза ИМ была оценка тяжести состояния больного путем сопоставления ведущих клинических признаков, имеющих неблагоприятное прогностическое значение. Подход привлекает простотой, а использование привычного понятия «клинический синдром» делает способ прогнозирования доступным для широкого круга лечащих врачей. Работы в этом направлении продолжаются. Уточнена прогностическая значимость клинических симптомов, лабораторных и инструментальных показателей. Оценивая прогноз у больного ИМ, врач основывается на совокупности наиболее существенных признаков болезни, но не учитывает их комбинации, взаимное влияние, а также отсутствие некоторых симптомов. Нельзя составить прогноз по одному из проявлений болезни [26].

Дальнейшее развитие прогнозирования осуществлялись по нескольким направлениям: формулировка критериев отбора больных для прогнозирования [8,10], объективизация признаков и устранение произвольности в выборе их весовых значений, четкое определение каждого признака для достижения максимальной его воспроизводимости [1], расширение (до нескольких суток) периода сбора данных прогноза [10], использование групп симптомов в качестве единого прогностического признака [8], продление времени действия прогноза на весь период лечения больного в стационаре [1,8].

Более совершенным шагом в развитии прогностических оценок стало изучение сочетаний клинических признаков с помощью математических методов анализа. Для количественной оценки отобранных признаков использовали различные параметрические и непараметрические методы (выработка линейных, кусочно-линейных дискриминантных функций), составляй в результате схему или форму расчета прогностического индекса [25].

К настоящему времени разработаны формулы количественной оценки прогноза различных стадий течения [1,21,24,25,40]. Наряду с традиционной общеврачебной методикой прогнозирования, основанной на клиническом методе, применяются математические методы оценки прогноза с использованием ЭВМ [2,3,8,9,10,14,20,28,33,34,38,43,47,53], что позволило значительно расширить возможности врача в установлении прогноза заболевания.

Тем не менее разработанные системы имеют ряд недостатков:

• Индивидуальный прогноз у большей части остается неудовлетворительным.

• Точность прогноза колеблется в пределах 78 - 89%, причем, если в группах с благоприятным прогнозом заболевания вероятность предвидения составляет 88 - 89%, то в группах с неблагоприятным прогнозом - всего 58 - 63% [27].

• В большинстве случаев объявленные авторами технические характеристики разработанных систем не подтверждаются независимыми исследователями.

• Недостаточно внимания уделяется прогнозу возникновения различных осложнений ИМ.

Анализ работ, посвященных клинико-математическому прогнозированию исходов ИМ, показывает, что все они носят поисковый характер и нацелены в основном на исследование возможностей использования различных клинических данных и математических приемов их обработки для прогнозирования исхода и течения ИМ [26]. Особый интерес представляют те математические методы прогнозирования, реализация которых доступна любому врачу в любом лечебном учреждении [27].

Одной из целей прогноза в медицине является обоснование и обеспечение адекватных лечебных мероприятий, направленных на сохранение жизни больного и предотвращение угрожающих ему осложнений, а не доказательство их неотвратимости [26]. Большинство этих мероприятий обременительны для больного и сопряжены с некоторым риском, а в настоящее время и весьма дорогостоящи, что ограничивает их использование с профилактической целью. Известно также, что подобные осложнения наблюдаются лишь у части больных ИМ и часто возникают внезапно. Таким образом, одним из непременных условий целенаправленного предотвращения таких осложнений и, следовательно, неблагоприятного исхода ИМ является своевременное и достаточно достоверное их предвидение. Лечебная помощь больным ИМ во многом основывается на ранней диагностике тяжелых осложнений. К сожалению, врачебное прогнозирование в этой области пока еще не удовлетворяет двум последним требованиям [10].

Предвидение риска конкретных, угрожающих больному осложнений, на предупреждение которых должно быть ориентировано лечение, интересует лечащих врачей в гораздо большей мере, чем прогноз риска летального исхода [26].

Рецидивирующий инфаркт миокарда (РИМ) является одним из наиболее серьезных осложнений ИМ.

Повторные некрозы миокарда могут развиваться спустя дни, месяцы и годы после перенесенного ИМ и являются наряду с внезапной смертью одной из основных причин летальности у больных [13].

По отношению к перенесенному ИМ повторные некрозы могут быть разделены на ранние и поздние.

В отечественной литературе принят термин «рецидивирующий инфаркт миокарда» для повторных некрозов, развивающихся в процессе излечения от перенесенного ИМ. В зарубежной литературе этот вид осложнения ИМ не выделяется.

В настоящей работе под РИМ понимается вариант болезни, при котором новые участки некроза миокарда возникают в сроки от 72 часов после развития ИМ и до окончания основных процессов рубцевания, то есть приблизительно в течение 8 недель. При этом после возникновения каждого нового очага некроза отсчет времени начинается заново [16, с.8].

Увеличение размеров очага некроза и появление новых очагов в течение первых 72 часов развития после развития ИМ рассматривается как расширение зоны формирующегося ИМ, и в таких случаях диагноз не ставится.

К РИМ не относится также и затяжное течение ИМ, при котором не возникает «спокойных» промежутков, а имеет место длительный - от нескольких дней до одной недели и более - период следующих один за другим болевых приступов с постоянно повышенной активностью ферментов крови, лихорадкой и другими признаками свежих некротических изменений в миокарде [50, с. 163].

Клиническое значение рецидивов ИМ чрезвычайно велико. Уменьшается масса сократительного миокарда, возрастает число больных с хронической недостаточностью и нарушениями сердечного ритма. Значительно увеличивается продолжительность стационарного лечения. Вновь возникший некроз резко увеличивает опасность летального исхода [50, с.165].

Частота появления рецидивирующих форм ИМ колеблется от 4 до 31% [32]. Прогноз при этой форме течения ИМ обычно неблагоприятен, так как в 80% случаев развивается сердечная недостаточность, в том числе у 30% больных - сердечная астма и отек легких. Летальность при рецидивирующем течении крупноочаговых ИМ даже в условиях специализированных отделений высока и составляет около 50%о.

По данным А.Л. Сыркина [16, с.94] из 656 больных, оставшихся в живых спустя 72 часа после возникновения ИМ, в период дальнейшего пребывания в стационаре погиб 41 человек, при этом среди больных с РИМ умерли 32 из 105 человек, а среди остальных лишь 9 из 551. Таким образом, РИМ стал причиной 35% всей больничной летальности от ИМ, среди оставшихся в живых спустя 72 часа от начала болезни и погибших в более поздние сроки РИМ был основной причиной смерти (78% погибших больных).

При сопоставлении затяжного и рецидивирующего ИМ важной особенностью последнего является его нередкое возникновение на фоне более или менее удовлетворительного состояния больного. При затяжном течении опасность, как правило, очевидна, поэтому больной находится под постоянным наблюдением в палате интенсивной терапии.

Рецидив возникает в любые сроки больничного лечения, вплоть до момента выписки больного из стационара. Существуют определенные трудности и в диагностике РИМ. Поскольку значительная часть рецидивов связана с гибелью участков мышцы, находящихся среди уже некротизированной ткани, они «умирают молча», без болей [50, с. 166]. Следует также отметить, что РИМ значительно чаще, чем ИМ, дает разнообразные осложнения, что приводит к удлинению сроков больничного лечения, а также увеличивает смертность от ИМ [36].

Таким образом, не вызывает сомнения важность изучения этой формы ИМ, что обусловлено ее значительной частотой и тяжестью течения [22].

Теоретический и практический интерес представляет прогнозирование развития и исхода рецидивов. Имеющиеся в литературе сведения о РИМ немногочисленны и противоречивы. До настоящего времени не существует общепринятых критериев постановки диагноза РИМ [22]. Из-за многообразия проявлений болезни и их комбинаций прогнозирование исхода представляет чрезвычайно сложную задачу. Для улучшения результатов прогнозирования применяется ряд математических методов, но у значительной части больных индивидуальный прогноз остается недостаточно достоверным [12].

Одной из первых работ, посвященных прогнозу возникновения РИМ, является работа Ю.М. Бала и соавт. [4]. Ценность разработанного метода снижается в связи с тем, что прогноз каждый раз дается лишь на ближайшие три дня и необходимы многократные повторные определения выделенных факторов заболевания. В работе также не рассматривается вопрос об исходе РИМ, что позволило бы врачу более дифференцированно обосновать и выбрать тактику лечения: сроки повторного пребывания больного в отделении интенсивной терапии, степень и продолжительность ограничения режима, повторное назначение антикоагулянтов прямого действия и т.д. [12]. Противоречивы оценки точности прогноза по этой системе. Точность прогноза по системе Ю.М. Бала составляет - 65% [27], хотя сам автор завышает это значение до 80%.

В работах Н.М. Устинсковой и A.JI. Сыркина. [12, 16] предложен метод прогноза ближайшего исхода (будет выписан больной из стационара или умрет) у больных РИМ, оставшихся в живых через 72 часа после возникновения рецидива ИМ. Недостатками метода следует считать многочисленность признаков, определяющих заболевание, субъективность ряда признаков (например, признак «общее состояние» в определенной степени зависит от квалификации врача), а также то, что достоверность отобранных наиболее информативных признаков неоднородна.

И.М. Гельфанд и соавт. [19] отмечают, что попытка прогнозировать специально рецидивирующее течение ИМ, оказалась неудачной. В процессе работы выяснилось, что одновременно с РИМ прогнозируется летальный исход, не обусловленный рецидивом.

E.H. Амосова [22] в своем исследовании отмечает несомненный практический и теоретический интерес прогнозирования развития рецидивов, поскольку этот вопрос фактически не изучен и считает, что большее внимание стоит уделить определению риск-факторов возникновения рецидивов.

Больше работ, посвященных прогнозу РИМ, в отечественной литературе, не встретилось. Поскольку за рубежом данный вид заболевания не классифицируется, работ зарубежных авторов, посвященных прогнозированию РИМ, нет.

В общей постановке задачи прогноза не представляется возможным учесть все реально имеющиеся условия, от которых зависит ответ, а можно выделить только приблизительный набор наиболее важных начальных условий (в медицине: факторов заболевания). Так как часть входной информации при этом не учитывается, ответ носит неточный, приблизительный характер, алгоритм нахождения ответа не может быть точно и однозначно определен.

При решении таких задач в последнее время наиболее часто применяется математический аппарат искусственных нейронных сетей (ИНС). Однако, его использование может обеспечить успешное решение задачи (с точки зрения временных затрат разработчика) при выполнении двух условий:

• возможности использования универсального типа архитектуры нейросети и универсального алгоритма обучения (отсутствие необходимости в их разработке для каждого типа задач);

• наличия примеров (предыстории, фиксированного опыта), на основании которых производится обучение нейронных сетей [76].

За многие годы наблюдений за больными, перенесшими ИМ, врачами Рязанского кардиологического центра выделены основные факторы риска РИМ, накоплены истории болезней, разработана структура карты больного ИМ. Все это теоретически позволяет решить задачу прогноза возникновения этого заболевания, применив ИНС [92, 93, 94].

Целью диссертационной работы является разработка единой системы прогнозирования возникновения и исхода РИМ (СП РИМ) на основе математического аппарата ИНС для выработки оптимальной стратегии лечения конкретного больного, повышение точности прогноза.

Для достижения цели необходимо решить следующие задачи: 1. Провести анализ существующих систем прогноза ИМ и РИМ.

2. Провести анализ исходной информации, заданной в виде карт больных.

3. Обосновать метод решения задачи.

4. Произвести кодирование исходной информации.

5. Оценить исходную информацию с точки зрения разделения больных на классы.

6. Определить кодирование выходной информации.

7. Разработать структуру СП РИМ и на ее основе программный нейропакет.

8. Определить алгоритм обучения нейросети СП РИМ

9. Задать начальную конфигурацию нейросети (или нейросетей).

10. Разделить исходную информацию на обучающую и тестовую последовательности.

11. Провести экспериментальное исследование СП РИМ, на основании которого определить конфигурацию нейросети, способную обеспечить заданное качество прогноза.

Научная новизна диссертации состоит в следующем.

1. Обоснована целесообразность и эффективность применения математического аппарата ИНС для решения задачи прогноза возникновения и исхода РИМ.

2. Разработан способ прогнозирования возможности возникновения и исхода РИМ.

3. Разработана методика предварительной оценки исходной информации в задачах прогноза с использованием ИНС при наличии ограниченного количества примеров для обучения.

4. Предложено и обосновано применение метода кластерного анализа для уменьшения размерности вектора входных параметров при ограниченной выборке исходной информации.

5. Выявлены группы факторов, оказывающих идентичное влияние на возникновение и исход РИМ, что позволяет произвести уменьшение количества факторов путем введения «синтетических» факторов, обобщающих влияние группы родственных.

6. Разработан пакет прикладных программ системы прогнозирования РИМ на основе искусственных нейронных сетей.

Практическая ценность работы заключается в том, что применение разработанных моделей построения СП РИМ на основе использования аппарата ИНС позволяет получить качество прогноза исхода и возникновения РИМ 9095%. Разработанная методика предварительной оценки исходной информации в задачах прогноза с ограниченным количеством примеров для обучения позволяет оценить возможность применения ИНС для решения задачи. Получена матрица коэффициентов нейросети для решения задачи прогноза РИМ.

Примечание. Под точностью прогноза понимается оценка вероятности правильного распознавания объектов тестовой последовательности.

Практическая ценность результатов диссертационной работы подтверждается актами внедрения.

Достоверность полученных в диссертационной работе результатов подтверждается результатами эксперимента на тестовых выборках исходной информации.

Диссертационная работа состоит из введения, четырех глав, заключения и приложений.

Похожие диссертационные работы по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Суснина, Алла Васильевна

Основные результаты, полученные в диссертационной работе:

1. Проведен анализ существующих систем прогнозирования возникновения, течения и исхода ИМ, а также его осложнений.

2. Разработана классификация рассмотренных систем с точки зрения использованного математического метода для прогноза, точности прогноза и срока прогноза.

3. Обоснована целесообразность и эффективность применения математического аппарата ИНС для решения задачи прогноза возникновения и исхода РИМ.

4. Проведен анализ исходной информации.

5. Оценена возможность решения задачи прогноза РИМ методами теории распознавания образов.

6. Определен способ кодирования входной информации.

7. Разработана методика предварительной обработки исходной информации в задачах прогноза с использованием ИНС при наличии ограниченного количества примеров для обучения.

8. Показана возможность применения метода кластерного анализа для оценки разделения как входных, так и выходных объектов задачи

9. Предложено и обосновано применение метода кластерного анализа для уменьшения размерности вектора входных параметров при ограниченной выборке исходной информации.

10. Выявлены группы факторов, оказывающих идентичное влияние на возникновение и исход РИМ, что позволяет произвести уменьшение количества факторов путем введения «синтетических» факторов, обобщающих влияние группы родственных.

11. В качестве математической модели выбран математический аппарат

ИНС.

12. Разработаны две структуры СП РИМ, различающиеся способом кодирования выхода.

13. Для обучения нейросети в СП РИМ использован стандартный алгоритм обучения, конфигурация нейросети определена как стандартная многослойная сеть с прямыми связями обратного распространения.

14. Работоспособность структур СП РИМ доказана с помощью эксперимента на тестовых выборках исходной информации с использованием программной системы.

15. Разработан пакет прикладных программ системы прогнозирования РИМ на основе ИНС на языке программирования Object Pascal в среде визуального программирования Delphi 3.0 .

16. Получена матрица коэффициентов нейросети для решения задачи прогноза РИМ.

17. На основании проведенных экспериментов, определена структура СП РИМ и базовая конфигурация нейросети. Оценка вероятности правильного распознавания объектов составила:

Класс 1: РИМ ~ 100%, нелетальный исход ~ 100%;

Класс 2: РИМ ~ 100%, летальный исход ~ 92.3%;

Класс 3: нет РИМ ~ 100%, нелетальный исход ~ 100%.

Материалы диссертации опубликованы в 7 научных работах [82, 91, 92, 93, 94, 95, 101]. Разработан и зарегистрирован в Федеральном институте промышленной собственности способ прогнозирования возможности возникновения и исхода рецидивирующего инфаркта миокарда (№.99110119 (010579) от 12.05.99)

Содержание основных разделов диссертации докладывалось на:

172

- Международном научно-техническом семинаре «Проблемы передачи и обработки информации в информационно-вычислительных сетях», Рязань, 1997г., 1999г.; на III Международном славянском конгрессе «Электроника в медицине. Мониторинг, диагностика, терапия», Санкт-Петербург, 1998г.;

- Научно-практической конференции Всероссийского научного общества кардиологов «Артериальные гипертензии и сердечная недостаточность», Рязань, 1998.

Заключение

Список литературы диссертационного исследования кандидат технических наук Суснина, Алла Васильевна, 1999 год

1. Халфен Э.Ш., Яценко К.С., Хампиев А.Х. О математической оценке прогноза у больных инфарктом миокарда /Советская медицина. 1965, №4, с. 151-154.

2. Прикладные аспекты прогнозирования инфаркта миокарда /И.Ступелис, Н.Станайтите, Р.Петкявичене и др. //Кардиология. 1969, №12, с. 40-47.

3. Жаров Е.И., Степанов A.B. Математическое прогнозирование при крупноочаговом инфаркте миокарда по показателям гемодинамики /Кардиология. 1970, №12, с. 73-80.

4. О возможности прогнозирования рецидива инфаркта миокарда /Бала Ю.М., Гусев А.И., Руссман И.Б. и др. // Терапевтический архив.- 1972. т. 34, №3, с. 6-9.

5. Аншелевич Ю.В., Слайдынь А.К., Шафро И.С. К оценке методов прогнозирования ближайших исходов инфаркта миокарда /Кардиология. 1970, №12, с. 81 84.

6. Дитятов В.П. Сравнительная оценка некоторых методов математического прогнозирования ближайшего исхода инфаркта миокарда. / Вопросы неотложной помощи. Свердловск, 1977, с. 36-38.

7. Сыркин А.Л., Маркова А.И. Рецидивирующий некроз как осложнение подострого периода инфаркта миокарда/Кардиология. 1977, №2, с. 62-66.

8. Прогнозирование исхода инфаркта миокарда с помощью программы «Кора-3» /Гельфанд И.М., Губерман Ш.А., Сыркин A.JI. и др. //Кардиология. -1977. т. 17, №6. - с. 19-23.

9. Головня Л.Д., Губерман Ш.А. Определение ближайшего прогноза и тяжести состояния больных инфарктом миокарда с помощью математических методов /Кардиология. 1977. - т. 17, №7, с. 138-143

10. Прогнозирование исхода крупноочагового инфаркта миокарда с помощью программы узнавания /М.А.Алексеевская, И.М.Гельфанд, Ш.А.Губерман и др. //Кардиология. 1977. т. 17, №7, с. 26-31.

11. Халфен Э.Ш. Основные направления использования математики и вычислительной техники в кардиологии /Кардиология. 1977. - т.17, №7, с. 5-13.

12. Прогнозирование исхода рецидивирующего инфаркта миокарда /Н.М.Устинскова, А.Л.Сыркин, А.И.Маркова, А.А.Журавель //Кардиология. -1979.-т. 19, №5, с. 29-34.

13. И.Виноградов A.B., Мовшович Б.Л., Наддачина Т.А. Рецидивирующее и затяжное течение инфаркта миокарда. Сообщение 1. Рецидивирующий инфаркт миокарда/Советская медицина. 1979, №1, с. 23-27.

14. Дитятев В.П., , Вайсбурд И.Ф., Хейнокен И.М. Динамическое прогнозирование течения инфаркта миокарда по данным острого периода с помощью ЭВМ. /В кн.: Атеросклероз, ишемическая болезнь сердца. Свердловск, 1980, с. 72-79.

15. Статистическая оценка некоторых факторов риска повторного инфаркта миокарда /Попова И.Л., Королев В.Д., Коновалова Т.С. и др. //Сборник научных трудов Ряз. мед. ин-та, 1980, т.70, с. 22-25

16. Сыркин А.Л. и др. Рецидивирующий инфаркт миокарда. М.: Медицина, 1981. - 120 с.

17. Прогнозирование исхода инфаркта миокарда в динамике заболевания /Кожин Н.И., Медлин М.С., Николаенко Е.Я. и др. //Предболезнь болезнь -выздоровление. 4.1. - М., 1981, с. 371-373.

18. Некоторые подходы к проблеме прогноза течения и исхода инфаркта миокарда/Предболезнь болезнь - выздоровление. ч.1. - М., 1981, с. 431-434.

19. К прогнозированию неосложненного течения инфаркта миокарда /Гельфанд И.М., Губерман Ш.А., Котов Ю.Б. и др. //Терапевтический архив. -1982 т.54, №3, с. 64-67.

20. Хроменков И.И. Метод экспертных оценок в прогнозировании инфаркта миокарда /Теоретические и практические вопросы профилактики, диагностики и лечения наиболее распространенных заболеваний Сибири и Дальнего Востока. 1983, с. 162-163.

21. Халфен Э.Ш. Опыт четырехлетней апробации программы прогнозирования возможности возникновения инфаркта миокарда у обследуемого лица /Труды Сарат. мед. ин-та, 1983, т. 108, с. 3-9.

22. Амосова E.H. Особенности течения и прогнозирования рецидивирующего инфаркта миокарда /Врачебное дело. 1983. - №2. - с. 52-55.

23. Бабарскене P.C., Вилкаускас Л.Л., Димша И.И. Прогнозирование течения и исхода острого инфаркта миокарда /Кардиология. 1983. - т.23, №1, с. 1618.

24. Халфен Э.Ш. Прогнозирование возможности возникновения инфаркта миокарда / Кардиология. 1983. - т.23, №1, с. 19-25.

25. Вельский Н.Е., Юрова Т.А. Вопросы прогнозирования исхода инфаркта миокарда /Клиническая медицина. 1983. - т.61, №1, с. 64-69.

26. Гогин Е.Е., Саблин В.М. Прогнозирование ближайших исходов при инфаркте миокарда (достижения, трудности и перспективы) /Кардиология. -1983.-т.23, №1, с. 5-9.

27. Гусев А.И., А.Н. Дрыганова. Сравнительная оценка методов прогнозирования исхода инфаркта миокарда /Болезни сердца и сосудов. Воронеж, 1984, с. 6-8.

28. Вопросы математического прогнозирования исходов инфаркта миокарда /Семенко C.B., Бабицкий B.JL, Ярыгина В.М. и др.//Болезни сердца и сосудов. Воронеж, 1984, с. 31-34.

29. Попова Б., Караламбаев Н. Частота повторных инфарктов и внезапная сердечная смерть у больных, перенесших острый инфаркт миокарда /Кардиология. 1984. - т.24, №1, с. 97-99.

30. Прогностическое значение коагулологических факторов у больных инфарктом миокарда /М.Я.Коган-Пономарев, А.Б. Доборовольский, И.И.Староверов и др. /Кардиология, 1985. т.35, №7, с. 38-43.

31. Минаева М.Н., Тарала Г.Т., Бессонова Г.А. Рецидивирующий инфаркт миокарда/Актуальные проблемы практической медицины. Ставрополь, 1986, с. 201-203.

32. Факторы риска повторного инфаркта миокарда /Захаров В.Н., Бурав-лев М.В., Дечко Е.П. и др. //Советская медицина. 1986. - №;, с. 3-6.

33. Copec Т.С., Амирбекян B.C., Кадрян A.A. Рецидивирующий инфаркт миокарда: клиническое своеобразие, диагностические трудности /Актуальные вопросы клинической медицины. М., 1987, с. 55-58.

34. Мисюнене Н.Б. Факторы, определяющие развитие повторного инфаркта миокарда. Минск, 1987, с. 65.

35. Опыт математического прогнозирования ближайших исходов инфаркта миокарда /А.А.Манцев, С.И.Северин, В.Н.Малыгин и др. //Военно-медицинский журнал. 1987.- №7. - с. 63-64.

36. Чаинский Л.П., Мацик A.B., Степанчук Б.И. Диагностические индексы в прогнозировании отдаленных исходов инфаркта миокарда /Врачебное дело.1987. -№10. -с. 32-34.

37. Халфен Э.Ш., Шварц И.Л. Шестилетняя апробация программы прогнозирования возможности возникновения инфаркта миокарда -/Кардиология.1987. -т.27,№9, с. 43-47.

38. Эхокардиография для прогноза острого инфаркта миокарда (по результатам применения алгоритма распознавания образов) /Несветов В.Н., Бер-штейн П.Б., Горцакалян Э.Л., Орлов М.В. //Советская медицина. 1987. - №12, с. 88-91.

39. Алмазов В.А., Бондаренко Б.Б., Чавнецов В.Ф., Селезнева Л.М. Отдаленный прогноз больных, перенесших инфаркт миокарда /Актуальные вопросы диагностики и лечения в неотложной кардиологии. М., 1988, с. 140-152.

40. Мешалкин Л.Д., Галков А.Ф. Экспертно-статистические методы построения алгоритмов прогноза инфаркта миокарда /Медицинская техника.1988. -№6, с. 16-22.

41. Стрелецкая Г.И., Писарева Н.И. Прогностическое значение математического анализа ритма сердца при неотложных состояниях в остром периоде инфаркта миокарда /Неотложные состояния в клинике внутренних болезней. -Горький, 1989, с. 117-118.

42. Рябинин В.А., Ельков А.Н. Компьютерный анализ факторов риска летальных исходов как основы прогнозирования и выбора лечебной тактики при ИМ /Лечение ИМ. М., 1989, с. 12-24.

43. Солоненко ИИ, Дець Г.Д., Кузьменко Б.В., Мельник И.В. Прогнозирование клинического течения мелкоочагового инфаркта миокарда /Гипертоническая болезнь, атеросклероз и коронарная недостаточность. Киев, 1989, -Вып. 21, с. 10-14.

44. Глазунов И.С., Деев А.Д., Жуковский Г.С. Практическая оценка риска возникновения острого инфаркта миокарда или внезапной смерти /Кардиология. 1989. - т.29, №11, с. 70-72

45. Сыркин A.JI. Инфаркт миокарда. М.: Медицина, 1991, 304 с.

46. Прогноз раннего постинфарктного периода при осложненном течении инфаркта миокарда / Абакумов Ю.Е., Васюк Ю.А., Захарова Т.Ю. и др. //Кардиология. 1993. - т.ЗЗ, №2, с. 27-30.

47. Прогностическая значимость данных кардиологического скрининга в отношении развития инфаркта миокарда в ближайшие 7 лет /Козлов И.Д., Фо-лина Р.Ф., Апанасевич В.В. и др. //Терапевтический архив. 1993.- т.65, №4, с. 14-17.

48. Прогнозирование вероятности развития инфаркта миокарда у больных с нестабильной стенокардией /Тащук В.К., Малиновская И.Э., Сычев О.С. и др. //Врачебное дело. 1994. - №2. - с. 26-29.

49. Прогноз острого инфаркта миокарда в зависимости от возраста и параметров очага некроза на госпитальном этапе /Арутюнов Т.П., Дмитриев Д.В., Марфунина A.A., Мелентьева A.C. //Клиническая геронтология. 1995. - №1, с. 20-22.

50. Апрелова Т.А. Оценка тяжести инфаркта миокарда и прогнозирование его исходов с помощью специальных математических систем. Дис. Канд. Саратов , 1971.

51. Ступелис И.Г., Станайтите Н.И., Пуртулите Г. и др. В кн: Кардио-реаниматология и ангиология. Вильнюс, 1968, с. 16-19.

52. Трушинский З.К. В кн.: Современные вопросы кардиологии. Вып. 1. М., 1967, с. 9-21.

53. Schnur S. «Arch. Intern. Med.», 1953, v. 39, р. 1018-1025.

54. Peel A.A.F, Semple Т., Wang J et a. «Brit. Heart J.» , 1962, v. 24, p. 745760.

55. Huges W.L., Kalbfleisch J.M., Brandt E.N. et a. «Arch. Intern. Med.», 1963, v.lll.p. 338-345.

56. Gironi G., Conte G., Andreola F. «Minerva Cardioangiol.», 1966, v.14, p. 363-367.

57. Selvini A., Ricci F., Gironi G., «Minerva med.», 1967, v. 58, p. 41134117.

58. Norris R.M., Brandt P.W.T., Caughely D.E. et a. «Lancet», 1969, v. 2, p. 274-278.

59. Генкин A.A., Гублер E.B. В кн.: Применение математических методов в биологии. JI. 1964, сб. 3, с 174.

60. Генкин A.A., Гублер Е.В. В кн.: Вычислительная техника в физиологии и медицине. М., 1968, с. 70.

61. Заферман Д.М. Исследование задачи управления лечением ишемиче-ской болезни сердца. Афтореф. Дис. Канд. М., 1970.

62. Кульбак С. Теория информации и статистика. М., 1967.

63. Вапник В.Н., Червоненкис А.Я.Теория распознавания образов. М., «Наука», 1974, с. 416.

64. Закс JI. Статистическое оценивание.М., 1976.

65. Экспертные оценки в научно-техническом прогнозировании. / Добров Г.М., Ершов Ю.В., Левин Е.И. и др. Киев, 1974.

66. Чистяков В.М. Информационный анализ. Новосибирск, 1974.

67. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. М., 1980.

68. Ивченко Г.И., Медведев Ю.И. Математическая статистика, /учеб. Пособие для втузов. М.,1993, 304 с.

69. Ступелис И.Г. В кн.: Автоматизация, организация, диагностика. М., 1971,ч. 2, с. 502-505.

70. Горбань А.Н. Нейроинформатика. // Интернет. E-mail: gor-ban@cc.krascience.rssi.ru; amse@cckr.krasnoyarsk.su

71. Горелик A.JL, Скрипкин В.А. Методы распознавания. Учебное пособие для вузов. 3-е изд., перераб. и доп. - М., Высшая школа, 1989. - 232 е.: ил.

72. Баталова З.С., Куренков Е.Ф. Неймарк Ю.И., Образцова Н.Д. Некоторые алгоритмы медицинской диагностики и прогнозирования

73. Дуда Р., Харт П. Распознавание образов и анализ сцен. М., «Мир»,1976.

74. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М., «Радио и связь», 1987. 120 с.

75. Ивахненко А.Г. Самообучающиеся системы распознавания и автоматического регулирования.- Киев: Техника, 1969.- 392 с.

76. Суснина A.B., Сазонова Н.С. Формализация задачи рецидивирующего инфаркта миокарда. Межвуз. Сб. научн. трудов «Информатика и прикладная математика». Рязань, РГПУ, 1998, 108 с.

77. Розенблатт Ф. Принципы нейродинамики. Перцептрон и теория механизмов мозга. М.: Мир, 1965. 480 с.

78. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика. Пер с англ. М.: Мир, 1992. 240 с.

79. Современные направления развития нейрокомпьютерных технологий в России. /Галушкин А.// Открытые системы. 1997.- №4. - с.25-28.

80. Hertz, A. Krogh, and R.G. Palmer, Introduction to the Theory of Neural Computation, Addison-Wesley, Reading, Mass., 1991.

81. Haykin, Neural Networks: A Comprehensive Foundation, MacMillan College Publishing Co., New York, 1994.

82. Введение в искусственные нейронные сети. / Анил К. Джейн,Жианчанг Мао, К М. Моиуддин // Открытые системы. 1997 - №4. - с. 16-24.

83. Галушкин А.Н. Применение нейрокомпьютеров в финансовой деятельности. //Интернет. E-mail: http://www.bmstu.ru/facult/iu/iu4/rus/staübook2/gl 9.htm

84. Куссуль Э.М. Ассоциативные нейроподобные структуры. //Интернет. E-mail: gorban@cc.krascience.rssi.ru; amse@cckr.krasnoyarsk.su

85. Якушин С.С., Сазонова Н.С, Суснина A.B., Зайцева Н.В. Факторы риска и возможности прогнозирования рецидива инфаркта миокарда. Сборник тезизов «К 10-летию Моск. обл. кардиол. центра, 60-летию Жуковской гор-больницы», Жуковский, 1999, 248 с.

86. Суснина A.B. Программная модель системы прогнозирования рецидива инфаркта миокарда. Межвуз. сб. научн. трудов «Математическое и программное обеспечение вычислительных систем». М.: Минобразования России, НИЦПрИС, 1998. 152 с.

87. Сазонова Н.С., Суснина A.B., Якушин С.С. Способ прогнозирования возможности возникновения и исхода рецидивирующего инфаркта миокарда. Заявка на изобретение №. 99110119 (010579) от 12.05.99

88. Бэстэнс Д.-Э, Ван ден Берг В.-М, Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: ТВП, 1997, 236 с.182

89. Головенкин С.Е., Горбань А.Н., Шульман В.А., Россиев Д.А. и др. Осложнения инфаркта миокарда: база данных для апробации систем распознавания и прогноза. ВЦК СО РАН и КГМА. //Интернет. E-mail: gor-ban@cc.krascience.rssi.ru; amse@cckr.krasnoyarsk.su

90. Итоги науки и техники: физические и математические модели нейронных сетей. Том 1, М., изд. ВИНИТИ, 1990.

91. Artificial Neural Networks Concepts and Theory, IEEE Computer Society Press, 1992.

92. Richard P. Lippmann, An Introduction to Computing withNeural Nets, IEEE Acoustics, Speech, and Signal ProcessingMagazine, April 1987.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.