Математическое и программное обеспечение в задачах реабилитации детей с заболеванием щитовидной железы тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Марченко, Владислав Владимирович

• Марченко, Владислав Владимирович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Марченко, Владислав Владимирович

Оглавление.

Введение.

Глава 1. Моделирование состояния здоровья детей с заболеваниями щитовидной железы по лабораторным показателям.

1.1. Погружение в область исследования.

1.1.1. Общее описание и строение щитовидной железы.

1.1.2. Роль щитовидной железы в организме.

1.1.3. Основные патологии щитовидной железы.

1.1.4. Актуальность и значимость исследований, свзязанных с заболеваниями щитовидной железы.

1.1.5. Методы обследования щитовидной железы.

1.2. Постановка задачи.

1.3. Построение модели состояния здоровья человека с заболеваниями щитовидной железы.

1.3.1. Выделение информативных показателей.

1.3.2. Шкалирование исходных данных.

1.3.3. Разработка индивидуального обобщенного показателя здоровья.

Выводы.

Глава 2. Оценка состояния детей с заболеваниями щитовидной железы по данным электроэнцефалографии.

2.1. Связь щитовидной железы с головным мозгом.

2.2. Понятие электроэнцефалографии.

2.3. Обзор математических методов обработки электроэцефалограмм.

2.3.1. Регрессионные методы.

2.3.2. Спектральные методы.

2.3.3. Корреляционный анализ.

2.3.4. Спектрально-корреляционные методы.

2.4. Разработка алгоритма выделения скрытых гармоник на основе метода Стокса.

2.5. Исследование метода Стокса на модельных сигналах.

2.5.1. Исследование на одиночном гармоническом сигнале.

2.5.2. Исследование на сумме модельных гармонических сигналов.

2.6. Анализ электроэнцефалограмм с позиций нелинейной динамики.

2.6.1. Метод задержек и типы фазовых портретов.

2.6.2. Геометрический метод анализа фазового портрета.

2.6.3. Исследование геометрического метода на модельных сигналах.

2.6.4. Вычисление размерности вложения и корреляционной размерности.

Выводы.

Глава 3. Экспериментальная проверка методов и гипотезы.

3.1. Обработка лабораторных показателей.

3.1.1. Применение метода Парето для выделения наиболее информативных лабораторных показателей.

3.1.2. Расчет интегрального показателя здоровья.

3.1.3. Анализ вклада отдельных показателей в интегральный показатель здоровья.

3.2. Выявление в сигнале ЭЭГ характерных признаков, связанных с заболеваниями щитовидной железы.

3.2.1. Анализ данных ЭЭГ с помощью метода Стокса.

3.2.2. Применение геометрического метода нелинейной динамики для обработки электроэнцефалограмм.

Выводы.

Глава 4. Программный комплекс для обработки и анализа биопотенциалов людей.

4.1. Проектирование.

4.1.1. Аналитический обзор существующих программных комплексов.

4.1.2. Техническое задание на разработку программного комплекса.

4.1.3. Обзор технологий для построения архитектуры программного комплекса.

4.1.4. Обзор технологий для обмена разнородными данными внутри программы.

4.2. Выбор программной среды разработки.

4.3. Программная реализация.

4.3.1. Принципы реализации программного комплекса.

4.3.2. Модуль ввода/вывода данных.

4.3.3. Вспомогательный модуль.

4.3.4. Унифицированный интерфейс взаимодействия с методами анализа.

4.3.5. Набор библиотек и заготовок для разработчиков новых методов.

Выводы.

Введение диссертации (часть автореферата) на тему «Математическое и программное обеспечение в задачах реабилитации детей с заболеванием щитовидной железы»

Актуальность работы

Йоддефицитные заболевания являются одними из наиболее распространенных неинфекционных заболеваний человека. По данным Всемирной организации здравоохранения более чем для 1,5 млрд жителей Земли существует повышенный риск недостаточности потребления йода, у 655 млн человек имеется увеличенная щитовидная железа (эндемический зоб), а у 43 млн - выраженная умственная отсталость в результате йодной недостаточности. В настоящее время в связи с широкой распространенностью тиреоидная патология, а именно йоддефицитные заболевания, становится проблемой не только медицинской, но и социально важной. Влияние гормонов щитовидной железы (ЩЖ) особенно значимо в так называемые критические периоды, к которым относится и подростковый период. В регионах, эндемичных по содержанию йода в окружающей среде, у каждого четвертого и чаще ребенка встречается зоб той или иной степени.

Это объясняет возрастающий интерес к исследованию ЩЖ и эндокринной системы, специалистов не только в области медицины, но и в области кибернетики, системного анализа, прикладной математики. Попытки применения системного подхода и математических методов для построения различных моделей эндокринной системы и ЩЖ, как её части, предпринимаются исследователями со второй половины прошлого столетия. В.И. Шумаков, В.Н. Новосельцев и др. опубликовали одну из первых работ по этой тематике еще в 1971 году.

Современные работы посвящены применению методов корреляционного, регрессионного и дискриминантного анализа, а также нейросетевого моделирования для решения задач:

• прогнозирования последствий различных внешних факторов (например, импульсного электромагнитного поля) на функциональное состояние

ЩЖ (Воронцова З.А., 2004);

• функциональной классификации коллоидных узлов щитовидной железы (Баврина А.П., 2008);

• дифференциальной диагностики узловых образований в щитовидной железе (Ершова Г.И., 2009); поддержки принятия решений при терапии аутоиммунного тиреоидита (Матусов П.Н., 2009).

Однако, до сих пор врачи, занимающиеся лечением и профилактикой заболеваний ЩЖ, сталкиваются с проблемой того, что существующая процедура оценки состояния здоровья пациента слишком длительная и дорогая. Порой, пациент успевает пройти курс реабилитации и покинуть медицинское учреждение прежде, чем станут известны результаты его анализов при поступлении. Вследствие такого положения вещей у врачей не остаётся объективных средств оперативного контроля над состоянием пациента и доказательной оценки эффективности лечения.

Из физиологии известно, что ЩЖ имеет тесную связь с головным мозгом, в частности, с гипоталамо-гипофизарной системой. Поэтому представляется интересным изучение взаимосвязи между заболеваниями ЩЖ и деятельностью головного мозга с целью использования электрических сигналов, регистрируемых на поверхности головы человека, для оперативного контроля над состоянием пациентов с тиреопатологией при прохождении ими курса реабилитационной терапии.

Существующее программное обеспечение по большей части решает задачи автоматизации сбора, хранения и упорядочивания различной информации о пациентах. Иными словами представляет собой электронные базы данных, автоматизирующие документооборот. При этом имеющихся на данный момент специализированных программных средств, помогающих врачам обрабатывать собранную информацию и принимать математически обоснованные решения, явно не достаточно.

Цель и задачи работы

Отсюда вытекает цель настоящей работы: разработать индивидуальную объективную оценку состояния здоровья пациентов с заболеваниями ЩЖ по лабораторным показателям и данным электроэнцефалографии.

В соответствии с поставленной целью для решения обозначенных выше проблем возникает несколько задач: разработать математическую модель состояния здоровья пациентов с заболеванием щитовидной железы для индивидуальной объективной оценки степени тяжести заболевания и доказательного определения эффективности лечения по лабораторным показателям; ° разработать численный метод и алгоритмы для оценки состояния здоровья пациентов с заболеванием ЩЖ по показателям функционирования головного мозга, выделенным из электроэнцефалограмм; ° создать программный комплекс, воплощающий разработанную модель и алгоритмы, для использования в специализированных лечебных учреждениях.

Объектом исследования в настоящей работе являются лабораторные показатели: клинические данные, результаты химического и гормонального анализа крови, а также записи электрической активности головного мозга, зарегистрированные в отделении функциональной диагностики томского НИИ Курортологии и физиотерапии с помощью аппаратно-программного комплекса «Энцефалан-131-03» у детей и подростков обоего пола в возрасте от 7 до 15 лет с эндемическим зобом и ожирением в качестве сочетанной патологии.

В качестве предмета исследований рассматривались методы выделения информативных показателей, шкалирования, построения обобщенного показателя здоровья, а также математические методы обработки электроэнцефалограмм.

Научная новизна полученных результатов заключается в следующем: 1) разработана математическая модель состояния здоровья пациентов с заболеванием щитовидной железы, заключающаяся в определении среднеквадратического отклонения нормированных значений лабораторных показателей исследуемого объекта от эталонных. Отличиями разработанной модели от аналогов являются учёт только информативных признаков для данного заболевания и нормировка исходных данных на основе априорных ограничений лабораторных показателей. разработан алгоритм выделения ритмов головного мозга, скрытых в сигнале ЭЭГ, с использованием интегралов Стокса, который в отличие от широко используемого преобразования Фурье и его модификаций основан на переборе пробных частот с выбранным шагом в заданном диапазоне; впервые для обработки электроэнцефалограмм предложено использовать геометрический метод анализа их фазового портрета с помощью аппроксимирующего эллипса, построенного вокруг описывающего многоугольника; на основе разработанных алгоритмов обработки сигнала ЭЭГ впервые математически доказана связь между заболеванием щитовидной железы и сигналами, отражающими деятельность головного мозга. Практическая ценность диссертационной работы состоит в том, что: за счет выделения информативных показателей с использованием диаграммы Парето сокращено время и снижена стоимость анализов, требуемых на сбор и обработку лабораторных данных для оценки состояния здоровья пациента с эндемическим зобом. разработанная математическая модель состояния здоровья людей с заболеванием щитовидной железы позволила индивидуально объективно оценивать степень тяжести и доказательно судить об эффективности проведённого курса.реабилитационной терапии каждого пациента; установлено, что оценка состояния здоровья некоторых детей снижается в результате лечения. Этот факт свидетельствует о необходимости учета индивидуальных особенностей ребенка при составлении курса реабилитационной терапии; разработанный алгоритм выделения ритмов головного мозга с использованием интегралов Стокса позволяет врачам подробно исследовать сигнал ЭЭГ, выбирая нужный диапазон частот для анализа и варьируя степень детализации получаемых результатов. Кроме того, ввиду работы только с действительной частью спектра алгоритм метода Стокса обладает в два раза большим быстродействием по сравнению с преобразованием Фурье при той же точности результатов; разработанный алгоритм геометрического анализа фазового портрета электроэнцефалограмм позволяет давать их общую оценку и открывает новые возможности исследования этого сигнала для врачей, установленная связь между состоянием здоровья детей с заболеванием щитовидной железы и характеристиками их электроэнцефалограмм позволяет контролировать и при необходимости корректировать курс реабилитационной терапии; на основе разработанных алгоритмов создан программный комплекс с открытой архитектурой, позволяющий врачам доказательно оценивать состояние и эффективность лечения детей с заболеваниями щитовидной железы по лабораторным показателям, а также контролировать и в случае необходимости корректировать ход процесса реабилитации по данным ЭЭГ.

Положения, выиосимые на защиту

Алгоритмы обработки электроэнцефалограмм, с использованием интегралов Стокса и геометрического метода анализа фазового портрета, позволяющие косвенно оценивать состояние здоровья пациентов с эндемическим зобом по показателям функционирования головного мозга. Математическая модель состояния здоровья пациентов с эндемическим зобом для индивидуальной объективной оценки степени тяжести заболевания и доказательного определения эффективности лечения по лабораторным данным. в Программный комплекс, обеспечивающий врачам возможность работы с лабораторными данными и сигналом ЭЭГ на основе разработанных алгоритмов. Применение программного комплекса позволяет индивидуально подойти к формированию курса реабилитационной терапии пациента и доказательно судить о его эффективности.

Достоверность математической модели состояния здоровья детей с эндемическим зобом обеспечивается согласованностью полученных модельных оценок с заключением врача. Достоверность разработанных алгоритмов обработки ЭЭГ подтверждается совпадением ритмов, выделенных с помощью метода Стокса, с амплитудно-частотной характеристикой сигнала, полученной при использовании дискретного преобразования Фурье, а также согласованностью между собой результатов обработки электроэнцефалограмм геометрическим методом анализа фазового портрета и методом Стокса. Внедрение результатов

Результаты работы включены в состав программного обеспечения Лаборатории электрофизиологических методов оценки уровней здоровья человека Федерального Государственного Учреждения «Томский научно-исследовательский институт курортологии и физиотерапии федерального медико-биологического агентства». Апробация работы

Материалы диссертации докладывались и обсуждались на научных семинарах кафедры Прикладной математики Томского политехнического университета (Томск, 2006, 2007, 2008), конференциях • «Молодежь и современные информационные технологии» (Томск, 2006, 2007, 2008), «Научная сессия ТУСУР» (Томск, 2005, 2007, 2008), «Современные техника и технологии» (Томск, 2008), Всероссийском форуме «Здравница» (Уфа; 2007).

По результатам выступления на конференции «Молодежь, и современные информационные, технологии» работа была выдвинута на конкурс и получила поддержку грантом по программе «Участник Молодежного Научно - Инновационного Конкурса» («УМНИК») в 2007 году.

Публикации

По результатам исследований опубликовано 12 работ, приведенных в основном списке литературы, из 3 статьи (в том числе 2 в рецензируемых журналах) и 9 научных публикаций в материалах и трудах международных и Всероссийских конференций. Благодарности

Автор выражает глубокую благодарность и признательность научному руководителю Кочегурову В.А. за переданный опыт и знания, научному консультанту, к.т.н. Константиновой Л.И. за множество ценных идей и советов и поддержку в ходе работы, сотрудникам Томского НИИ Курортологии и физиотерапии: зам. руководителя по науке, д.м.н. Абдулкиной Н.Г., научному руководителю детского отделения, к.м.н. Степаненко Н.П., врачу отделения функциональной диагностики, к.м.н. Алайцевой C.B. за плодотворное сотрудничество, а также всем студентам кафедры прикладной математики ТПУ, принимавшим участие в работе.

Структура и объем работы

Диссертационная работа изложена на 155 страницах и состоит из введения, четырех глав с выводами, заключения, списка литературы из 111 наименований. Основное содержание работы включает в себя 47 рисунков и 31 таблицу.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Марченко, Владислав Владимирович

Выводы

1) Сделан обзор существующих программных комплексов для снятия, обработки и анализа электроэнцефалограмм. Основным недостатком существующих комплексов является то, что в них используются традиционные методы анализа, а добавление новых методов, учитывающих специфику сигнала ЭЭГ, не представляется возможным.

Разработано техническое задание на создание нового программного комплекса с открытой архитектурой для анализа ЭЭГ.

Выполнен обзор технологий разработки модульного программного обеспечения. Выбор был сделан в пользу технологии СОМ, благодаря её богатой документированности и широкой распространенности. Проведен анализ средств передачи больших массивов данных между модулями программы. В итоге решено было использовать формат XML с кодированием данных в Base 64.

В результате обзора средств разработки была выбрана среда Borland Delphi, потому что она обладает удобной поддержкой всех требуемых технологий COM, XML и DOM.

Разработана архитектура программного комплекса, включающая два вспомогательных модуля (для загрузки/выгрузки данных и для предварительной обработки), а также двух основных модулей реализующих метод Стокса и геометрический метод нелинейной динамики. Создан модуль-шаблон для написания новых методов и расширения функциональности комплекса.

Заключение

В диссертационной работе были получены следующие основные результаты:

1) На основе системного подхода приведено структурное описание исследуемого объекта - щитовидной железы, в составе эндокринной системы человека. Выявлены основные функции ЩЖ и подчеркнута важность её нормального функционирования у детей, когда идет процесс роста и формирования организма.

2) Рассмотрен вопрос шкалирования исходных лабораторных данных и предложена методика нормировки, основанная на априорных ограничениях на исследуемые показатели.

3) Разработан индивидуальный обобщенный показатель здоровья, заключающийся в определении среднеквадратического отклонения показателей исследуемого пациента от эталонных значений. На основе разработанного показателя была введена шкала для определения степени тяжести заболевания отдельного пациента.

4) Выделены физиологические особенности взаимосвязи щитовидной железы с головным мозгом. Дано определение электроэнцефалограммы, как основного сигнала отражающего деятельность головного мозга человека. Основным понятием, на которое опирается анализ ЭЭГ, является частотный ритм. Однако ни один из традиционных методов обработки электроэнцефалограмм не предназначен для выделения частотных ритмов и идентификации их параметров.

5) На основе метода Стокса разработан алгоритм выделения скрытых периодических составляющих, как альтернатива традиционным методам гармонического анализа. В отличие от преобразования Фурье метод Стокса изначально ориентирован именно на поиск параметров гармонических компонент, содержащихся в сигнале, а не аппроксимацию сигнала в амплитудно-частотной области, а потому более удобен в применении.

Проведено исследование метода Стокса на модельных сигналах, в ходе которого были установлены требования к частоте дискретизации, длительности и степени зашумленности входного сигнала для нахождения амплитуды и частоты скрытых в нём ритмов с 5% погрешностью. Разработан модифицированный геометрический метод анализа ФП сигнала ЭЭГ, позволяющий не только точно оценить площадь, занимаемую портретом на фазовой плоскости, но также его расположение и геометрические особенности. Проведенные исследования метода на модельных сигналах позволили установить требования для использования геометрического метода при обработке сигнала ЭЭГ.

В результате выделения информативных показателей число анализируемых лабораторных данных было сокращено в два раза. Рассчитан обобщенный показатель здоровья, подтвердивший правильность выделения информативных показателей и позволивший доказательно оценить эффективность проведенного курса реабилитации. К сожалению, примерно у 20% детей в каждой группе лечение не пошло на пользу, также довольно велик процент тех, на кого лечение не оказало эффекта, хотя для многих детей лечение оказалось эффективным и у них наступило улучшение.

Показана работоспособность метода Стокса выделения скрытых периодических составляющих на реальных данных. Доказано, что параметры сигнала ЭЭГ, выделенные с помощью метода Стокса, значимо (а = 0,05) отличаются для разных заболеваний. Кроме того, установлено, что в зависимости от особенностей патологии дети по-разному реагируют на лечение.

Показана возможность применения модифицированного геометрического метода анализа фазовых портретов к данным ЭЭГ. Доказана значимость (а = 0,05) различий между группами пациентов, которые наблюдаются при анализе параметров геометрического метода.

На основе разработанных алгоритмов обработки сигнала ЭЭГ впервые доказана связь между индивидуальным обобщенным показателем здоровья детей с заболеванием ЩЖ, рассчитанном по лабораторным данным, и характеристиками их электроэнцефалограмм, полученными с помощью методов Стокса и геометрического анализа фазового портрета, что позволяет контролировать состояние пациентов ходе курса реабилитационной терапии.

Разработан программный комплекс для анализа ЭЭГ с открытой архитектурой, основанный на технологиях СОМ и DOM и использующий формат XML с кодированием Base64 для передачи данных между модулями, применение которого позволяет индивидуально подойти к формированию курса реабилитационной терапии пациента и доказательно судить о его эффективности

Список литературы диссертационного исследования кандидат технических наук Марченко, Владислав Владимирович, 2009 год

1. Абдулкина Н.Г., Левицкий Е.Ф., Константинова Л.И., Кочегуров В.А., Марченко В.В. Методы математической статистики в оценке функциональных резервов организма // Материалы Международного конгресса «Здравница-2007». Уфа, 2007. - С. 32.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд., испр. — Т.1. М.: ЮНИТИ-ДАНА, 2001.-656 с.

3. Айфичер Э.С., Джервис Б.У. Цифровая обработка сигналов: практический подход, 2-е издание. : Пер. с англ. М.: Издательский дом «Вильяме», 2004. — 992 с. : ил. - Парал. тит. англ.

4. Алгоритмы и программы восстановления зависимостей / Под ред. Винни-ка В.Н. М.: Наука, Главная редакция физико-математической литературы, 1984.-816 с.

5. Анализатор ЭЭГ «Нейровизор-БММ». Электронный ресурс. — 2005. -Режим доступа: http://www.mks.i-u/dev/EEG/NeuroVisor-BMM/. -17.04.2009

6. Анохин П. К. Очерки по физиологии функциональных систем. М.: Медицина, 1974.-446 с.

7. Армстронг Т. Введение в СОМ. — Режим доступа: http://www.rsdn.ru/

8. Бабский Е.Б., Зубков A.A., Косицкий Г.И., Ходоров Б.И. Физиология человека.- М.: Медицина, 1972. — 656 с.

9. Бендат Дж., Пирсол А. Применения корреляционного и спектрального анализа: Пер. с англ. -М.: Мир, 1983. 312 с.

10. Бецкий О.В., Лебедева H.H., Котровская Т.И. Динамика ЭЭГ-реакций человека при воздействии ЭМП сотового телефона в начальный период его использования // Биомедицинские технологии и радиоэлектроника. — 2004. № 8-9. - С. 4-9.

11. Биопотенциалы мозга человека. Математический анализ / Под ред. B.C. Русинова; АМН СССР. М.: Медицина, 1987. - 256 е.: ил.

12. Болдырева Г. Н., Брагина Н. Н., Доброхотова К. А., Вихерт Т. М. Отражение в ЭЭГ человека очагового поражения таламоподбугровой области. В кн. Основные проблемы электрофизиологии головного мозга. — М. Наука, 1974.-С. 246-261.

13. Болдырева Г.Н., Шарова Е.В., Добронравова И.С. «Роль регуляторных структур мозга в формировании ЭЭГ человека» //Физиология человека. -2000. -Т.26. -№ 5.-С. 19-34.

14. Болыпев Л.И., Смирнов Н.В. Таблицы математической статистики. М.: Наука, 1965.

15. Бубнов Е.А., Скороходов Д.И. Шкалирование входной информации в корабельных системах информационной поддержки. Электронный ресурс. 2000. - Режим доступа: http://grinda.info/control/skalir/skalir.htm. -17.04.2009

16. Валиков А. Технология XSLT. Практическое руководство. — СПб: BHV-СПб, 2001.-544 с.

17. Введение в цифровую фильтрацию / Под ред. Р. Богнера и А. Константи-нидиса. Пер. с англ. М.: Мир, 1976. - 216 с.

18. Виноградова О.С. Гиппокамп и память. — М.: Наука, 1975. — 333 с.

19. Герасимов Г.А. Современные аспекты патогенеза, диагностики и классификации эутиреоидного зоба. // Материалы Московской конференции эндокринологов. -1997. С. 8-12.

20. Гмурман В.Е. Теория вероятностей и математическая статистика: Учеб. Пособие для вузов / В.Е. Гмурман. — 9-ое изд., стер. М.: Высш. шк., 2003.-479 е.: ил.

21. Гольденбергер JI.M. Цифровая обработка сигналов. М.: Наука, 1990.

22. ГОСТ 19.201-78 (CT СЭВ 1627-79) Техническое задание. Требования к содержанию и оформлению.

23. Гращенков H.H. Гипоталамус. Его роль в физиологии и патологии. М.: Наука, 1964.-368 с.

24. Гриндель О.М. Электроэнцефалограмма человека при черепно-мозговой травме. -М.: Наука, 1988. 200 с.

25. Губарев В.В. Алгоритмы спектрального анализа случайных сигналов: Монография. Новосибирск: Изд-во НГТУ, 2005. - 660 с.

26. Данько С.Г., Бехтерева Н.П., Шемякина Н.В., Антонова JI.B. Электроэнцефалографические корреляты мысленного переживания эмоциональных личных и сценических ситуаций // Физиология человека. 2003. - т. 29, № 3. - С. 5-15.

27. Дегтева O.A. Инвестирование в высшее образование как фактор развития социально-экономических систем.: Автореф. дис. . канд. экон. наук. — М., 2007.-25 с.

28. Дедов И.И. Профилактика и лечение йоддефицитных заболеваний. // Материалы Московской конференции эндокринологов. 1997. - С. 13-17.

29. Елманова Н., Трепалин С., Тенцер А. Delphi и технология СОМ. СПб: Питер, 2003.-698 с.

30. Ершов Ю.А., Кирков А.И., Костырин Е.В. Вектор состояния подсистем организма как автоматизация медицинской диагностики // Биомедицинские технологии и радиоэлектроника. 2004. - №1-2. - С. 37-42

31. Жуковский В.Д. Автоматизированная обработка данных клинических функциональных исследований. -М.: Медицина, 1981. 352 с.

32. Зазнобина Н.И. Оценка экологической обстановки в крупном промышленном центре по степени антропогенной нагрузки с помощью обобщенной функции желательности. // Вестник Нижегородского университета им. Н.И. Лобачевского. 2007. - №2. - С. 115-118.

33. Зенков Л.Р. Клиническая элекроэнцефалография. Таганрог: Изд. ТРТУ, 1996. - 358 с.

34. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней.-М.: Медицина, 1991.-640 с.

35. Казаков В. Ф., Серебряков В. Г. Бальнеотерапия ишемической болезни сердца. — М.: Медицина, 2004. — 256 с.

36. Кануников И.Е., Антонова Е.В., Белов Д.Р., Марков Ю.Г. Применение теории динамического хаоса для анализа электроэнцефалограмм // Вестник СПбГУ. Серия 3 (биология). — 1998. — Вып. 1, №3. — С. 55-61.

37. Капеллини В. и др. Цифровые фильтры и их применение: Пер. с англ./ — М.: Энергоатомиздат, 1983. — 360 е.: ил.

38. Консенсус эндемический зоб / Э.П. Касаткина, В.А. Петеркова и др. — Москва 1999.

39. Комплекс аппаратно-программный электроэнцефалографический "МИ-ЦАР-ЭЭГ-05/70-201". Электронный ресурс. 2008.- Режим доступа: http://www.mediform.ru/index.php?productID=626. — 17.04.2009

40. Кормление и питание грудных детей и детей раннего возраста. / Методические рекомендации для Европейского региона ВОЗ с особым акцентом на республики бывшего Советского Союза. Всемирная организация здравоохранения, 2003. — 369 с.

41. Коуэн X., Брумлик Дж. Руководство по электромиографии и электродиагностике: пер. с англ.-М.: Медицина, 1975. 192 с.

42. Латаш Л. П. Гипоталамус. Приспособительная активность и электроэнцефалограмма. М.: Наука, 1978. -295 с.

43. Лужнов П.В., Парашин В.Б., Шамкина Л.А. Разработка графического анализа вариабельности сердечного ритма // Биомедицинские технологии и радиоэлектроника. 2004. - №10. - С. 44-49.

44. Лужнов П.В., Шамкина Л.А., Парашин В.Б. Разработка метода анализа вариабельности сердечного ритма при психофизиологических пробах для детекции эмоционально значимых стимулов // Биомедицинские технологии и радиоэлектроника. 2005. - №10. - С. 49-56.

45. Майоров В.В., Мышкин И.Ю. Корреляционная размерность электроэнцефалограммы и ее связь с объемом кратковременной памяти // Психофизиологический журнал. 1993. - №14. - С. 62-72.

46. Меклер A.A. Применение аппарата нелинейного анализа динамических систем для обработки сигналов ЭЭГ // Актуальные проблемы современной математики: учёные записки. 2004. - №13. - С. 112-140.

47. Мицель A.A. Вычислительная математика. Учебное пособие. Томск: ТМЦДО, 2001.-228 с.

48. Надев М.А. Моделирование и оценка характеристик и показателей магни-тострикционных преобразователей.: Автореф. дис. . канд. техн. наук. -Астрахань, 2007. 24 с.

49. Нейрон-Спектр-2 16-канальный компьютерный электроэнцефалограф серии «Нейрон-Спектр». Электронный ресурс. - 2004. - Режим доступа: http://www.neurosoft.ru/rus/product/neuron-spectrum-2/index.aspx. -17.04.2009

50. Носач В.В. Решение задач аппроксимации с помощью персональных компьютеров. М.: МИКАП, 1994. - 382 с.

51. Оценка уровня здоровья человека и его образа жизни. Сайт фирмы «Breath technologies» - Программное обеспечение. Диагностическое медицинское ПО. Электронный ресурс. - 2005. - Режим доступа: http://www.breath.ru/. - 17.04.2009.

52. Прибрам К. Языки мозга. М., 1975. - 464 с.

53. Пузырев В.П. Генетика мультифакториальных заболеваний: между прошлым и будущим.// Медицинская генетика, 2003. — Т. 2. №12. -С. 498-508.

54. Пэтчет К., Райт М. CGI/Perl. Создание программ для Web / Перевод с англ. Киев: BHV-Киев, 2000. - 624 с.

55. Русский Медицинский Сервер — ТИРОНЕТ — всё о щитовидной железе. Электронный ресурс. — 2007. — Режим доступа: http://www.thyronet.rusmedserv.com. 17.04.2009.

56. Савченко В.М. Унифицированная стандартизация значений показателей исследования в клинической пульмонологии. // Украинский пульмонологический журнал. 2002. — № 3. - с. 22 - 25.

57. Сахаров B.JL, Андреенко A.C. Методы математической обработки электроэнцефалограмм: Учебное пособие. Таганрог: "Антон", 2000. -44 е.: ил.

58. Сигел Э. Ф. Практическая бизнес-статистика. — М.-С.-Петербург-Киев, 2002.- 1051 с.

59. Сидоренко A.B., Ходулев В.И., Селицкий А.П. Нелинейный анализ элек-тромиограмм // Биомедицинские технологии и радиоэлектроника. — 2006. -№11.-С. 53-59.

60. Сидоренко A.B., Солонович H.A., Селицкий А.П. Информационно-измерительная система для оценки динамики функционального состояния мозга и сердца // Биомедицинские технологии и радиоэлектроника. — 2007,-№6.-С. 18-21.

61. Сокольский B.C. Информатика медицины. — М.: Издательство «Познавательная книга плюс», 2001.-704 с.

62. Спиридонов И.Н., Фадеев Ю.А., Карасев И.В., Соколова Н.М. Оценка функционального статуса по результатам дерматоглифических исследований // Биомедицинская техника и радиоэлектроника. 2001. - №9. — С. 24-25.

63. Тимофеев В. А. Теория и практика результатов наблюдений над техническими объектами, работающими в эксплуатационных условиях. Ленинград, 1960.-329 с.

64. Физиология человека: Учебник / В двух томах. Т. I / В.М. Покровский, Г.Ф. Коротько, В.И. Кобрин и др.; Под ред. В.М. Покровского, Г.Ф, Ко-ротько. М: Медицина, 1997. - 448 е., ил.

65. Физиология человека. В 3-х томах. Т.2. Пер. с англ. / Под ред. Р Шмидта и Г. Тевса. М.: Мир, 1996. - 313 е., ил.

66. Хищная «бабочка» щитовидная железа! Электронный ресурс. - 2004. — Режим доступа: http://www.grandex.ru/medicine/text/8223.html. -17.04.2009.

67. Чистяков В. Ю. СОМ из цикла "COM vs. CORBA". Электронный ресурс. 1999. - Режим доступа: http://www.rsdn.ru/. - 17.04.2009.

68. Шпаков П.С., Попов В.Н. Статистическая обработка экспериментальных данных: Учебное пособие: — М.: Издательство Московского государственного горного университета, 2003. 268 е.: ил.

69. Шумаков В.И., Новосельцев В.Н., Сахаров М.П., Штенгольд Е.Ш. Моделирование физиологических систем организма. — М.: Издательство «Медицина», 1971. — 352 с.

70. Щитовидная железа. Узлы. Аутоиммунный тиреоидит. Гипотиреоз. Тиреотоксикоз. Узловой зоб Электронный ресурс. 2005. - Режим доступа: http://ehinaceya.ru/healing/25/. - 17.04.2009.

71. Щукин С.И., Майстров А.И. Исследование информативности методов геометрического анализа фазовых портретов ритмокардиограмм // Биомедицинские технологии и радиоэлектроника. 2007. - № 6. - С. 3—11.

72. Электроэнцефалографы-анализаторы электрической активности мозга ЭЭГА-21/26 "Энцефалан-131 -03" Электронный ресурс. 2003. - Режим доступа: http://www.med-technika.ru/Pages/mceeg01.htm. - 17.04.2009.

73. Abarbanel H.D.J., Brown R., Sidorowich J.J., Tsimring L.Sh. The analysis of observed chaotic data in physical systems // Rev.Mod.Phys. 1993. - Vol.65, N.4.-P. 1331-1393.

74. Albano A.M., Mees A.I., de Guzman G.C., Rapp P.E., Degn H., ed., Data Requirements for Reliable Estimation of Correlation Dimension // Chaos in Biological Systems. NY. - 1987. - P. 207.

75. Albano A.M., Muench J., Schwartz C. Singular value decomposition and Grassberger - Procaccia algorithm // Phys.Rev.A. - 1988. - Vol. 38, N.6. -P. 3017-3026.

76. Babloyantz A. Strange Attractor In the Dynamics of Brain Activity. In: Haken H. (ed.) // Complex Systems Operational Approaches. - Berlin: Springer. — 1985.

77. Babloyantz A., Salazar J. M., Nicolis C. Evidence of chaotic dynamics of brain activity during the sleep cycle // Phys. Lett. A. 1985. - 111A. - P.l52.

78. Das A., Das P. Characterization of Chaos Evident in EEG by Nonlinear Data Analysis // Complexity. 2002. - Vol. 7, #3.

79. Dumermuth G, Gasser T, Lange B. Aspects of EEG analysis in the frequency domain. In: Doice G, Kunkle H, editors. Computerized EEG Analysis. Stuttgart: Fischer, 1975.

80. Eckmann J.-P., Ruelle D. Ergodic theory of chaos and strange attractors // Rev. Of Modern Physics. 1985. - Vol. 57, N. 3(1). - P. 617-656.

81. Ehlers C.L., Havstad J.W., Schuckit M.A. EEG dimension in the sons of alcoholics // Alcohol Clin Exp Res 19. 1995. - P. 992-998.

82. Elbert Т., Ray W.Z. and others. Chaos and physiology: Deterministic in Excitable Cell Assemblies // Phisiol. Rev. 1994. - Vol. 74, #1. - p. 1-47.

83. Grassberger P., Procaccia I. Characterization of strange attractors. // Physical Review Letters. 1983. - v. 50. - P. 346-349.

84. Havstad J.W., Ehlers C.L. Attractor dimension of non-stationary dynamical systems from small data sets // Physical Rev 39. 1989. - P. 845-853.

85. Kamp A., Storm V.L.M., Tielen A.M. A method for auto- and cross- relation analysis of the EEG II Electroencephalography Clinical Neurophysiology. -1965.-№ 19.-P. 91-95.

86. Kiloh L.G., McComas A. J., Osselton J.W. Clinical Electroencephalography. -New York: Appleton-Century-Crofts, 1972. 239 p.

87. Longstaff M. G., Heath R. A. The influence of motor system degradation on the control of handwriting movements: A dynamical systems analysis // Human Movement Science. 2003. - Vol. 22, Iss. 1. - P. 91-110.

88. Lutzenberger W., Birbaumer N; Flor H., Rockstroh В., Elbert T. Dimensional analysis of the human EEG and intelligence // Neuroscience Letters. 1992. -Vol. 143, N. 1-2.-P. 10-40.

89. Mayer-Kress G., Layne S. C. Dimensionality of the human electroencephalogram // Perspectives in Biological Dynamics and Theoretical Medicine. Ami. N. Y. Acad. Sci. - 1987. - P. 504.

90. Pritchard W. S. and Duke D. W. Measuring Chaos in the Brain A Tutorial Review of EEG Dimension Estimation // Brain and Cognition. - 1995.— Vol. 27, Iss. 3.-P. 353-397.

91. RFC 1421 Privacy Enhancement for Internet Electronic Mail. Part I: Message Encryption and Authentication Procedures Электронный ресурс. — 1993. — Режим доступа: http://www.ietf.org/rfc/rfcl421.txt.- 17.04.2009.

92. RFC 2045 Multipurpose Internet Mail Extensions (MIME) Part One: Format of Internet Message Bodies Электронный ресурс. - 1996. - Режим доступа: http://www.ietf.org/rfc/rfc2045.txt. - 17.04.2009.

93. Swart В., Cashman М., Gustavson P., Hollingworth J. Borland С++ Builder 6 Developer's Guide. Indianapolis: SAMS Publishing, 2003. - 1128 p.

94. Takens F. Detecting strange attractors in turbulence // Lecture Notes in Math. Berlin.-1981.-Vol. 898.

95. Theiler J. Spirious dimension from correlation algorithms applied to limited time series data // Phys. Rev. A. -1986. - Vol. 34, N. 3. - P. 2427-2432.

96. Ulbikas J., Cenys A., Sumilova O.P. Chaos parameters for EEG Analysis // Nonlinear Analysis: Modeling and Control. Vilnius: IMI. - 1998. - No 3.

97. Watanabe T. A. A., Cellucci C. J., Kohegyi E., Bashore T. R., Josiassen R. C., Greenbaun N. N., Rapp P. E. The algorithmic complexity of multichannel EEGs is sensitive to changes in behavior // Psychophysiology. 2003. -Vol. 40, Iss. l.-P. 77-97.

98. Предложенный в работе алгоритм выделения наиболее информативных показателей позволил сократить число регистрируемых показателей в два раза, что существенно ускоряет и удешевляет процесс диагностики заболеваний щитовидной железы.

99. Внедрение разработанного программного обеспечения позволило индивидуально оценивать состояние каждого пациента и доказательно судить об эффективности проведенного лечения.

100. Директор ФГУ «Томский научно-исследовательский институт курортологии и физиотеа.и. ^сиос!^1. АКТ

101. Заслуженный деятель на Доктор мед.наук, профе<1. Е.Ф. Левицкий