Методы формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Паринов, Андрей Владимирович

• Паринов, Андрей Владимирович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Паринов, Андрей Владимирович

ВВЕДЕНИЕ

1. ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ФОРМАЛИЗАЦИИ ПРОФЕССИОНАЛЬНЫХ ЗНАНИЙ ВРАЧА НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ

1.1. Особенности методов диагностики сложных объектов и формирования понятий при формализации профессиональных знаний

1.2. Системный анализ проблем принятия решений в задачах медицинской диагностики и выбора тактики лечения

1.3. Цель и задачи исследования

2. ФОРМИРОВАНИЕ СТРУКТУРЫ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

2.1. Методика формирования информационной базы медицинских интеллектуальных систем идентификации

2.2. Формализация исходной нечеткой информации в терминах лингвистических переменных и формирование правил вывода в информационной базе

2.3. Информационные оценки эффективности принятия решений в клинической практике

Выводы второй главы

3. АЛГОРИТМИЗАЦИЯ ПРОГНОЗИРОВАНИЯ И ОПТИМАЛЬНОГО УПРАВЛЕНИЯ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

3.1. Алгоритмизация задач нечеткого математического программирования в задачах идентификации состояния пациента и 60 выбора тактики лечения

3.2. Особенности формирования нелинейных регрессионных моделей для описания процесса течения заболеваний

3.3. Методика формирования систем нелинейных моделей на основе подбора преобразования Бокса-Кокса и линеаризации при помощи параметризации регрессионной модели

Выводы третьей главы

4. РЕАЛИЗАЦИЯ МЕТОДОВ ФОРМАЛИЗАЦИИ ЗНАНИЙ ВРАЧА В РАМКАХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ПАЦИЕНТА И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

4.1. Реализация моделей и алгоритмов, описание прогностического программного инструментария течения экзотоксического шока при различных тактиках лечения

4.2. Диагностика ишемической болезни сердца 105 Заключение 114 Список Литературы 116 Приложение

Введение диссертации (часть автореферата) на тему «Методы формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения»

Актуальность темы. Проблемы формализации и структуризации знаний в различных областях человеческой деятельности и принятия на их основе обоснованных и адекватных управленческих решений занимают в настоящее время особое место в информационных технологиях. При этом все большую актуальность приобретают задачи медицинской диагностики и выбора тактики лечения, так как в данном случае значительная часть информации об объекте исследования носит невербальный характер, а роль опыта и интуиции врача в выборе комплекса клинико-диагностических мероприятий весьма велика.

В современной теории идентификации все более важную роль начинают играть методы, привлекающие лингвистическую информацию при построении моделей нелинейных зависимостей. Одним из наиболее разработанных в инженерном отношении инструментов учета лингвистической информации является теория нечетких множеств и нечеткая логика.

Вместе с тем, успешное освоение новых терапевтических методик и лечебно-диагностических технологий, усложнение методов и средств мониторингового контроля физиологических показателей стимулировали значительное, увеличение объема информации, поступающей в распоряжение врачей, что приводит к формированию неопределенности в выборе целей на текущих этапах лечебных и реабилитационных мероприятий. Необходимость учета большого числа взаимосвязанных факторов и быстро меняющихся требований к адекватной оценке и прогнозированию состояния больного, выбору и корректировке схемы лечения диктуют необходимость использования вычислительной техники в рамках систем интеллектуальной поддержки принятия решений.

В этой связи очевидна необходимость разработки методов, позволяющих получать точные, адекватные и воспроизводимые результаты, необходимые для анализа результатов диагностики и лечения больных, поиска путей повышения их эффективности, проверки и обоснования, выдвигаемых врачами гипотез - всего того, что принято называть научной работой в клинической медицине.

Таким образом, актуальность темы диссертационного исследования определяется необходимостью разработки методов прогнозирования и алгоритмов оптимального управления в рамках структуры информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе» в рамках одного из основных направлений Воронежского государственного технического университета «Биомедкибернетика, компьютеризация в медицине».

Цель и задачи исследования. Целью исследования является разработка методов формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения.

Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации; сформировать структуру информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов; предложить методику формализация исходной нечеткой информации в терминах лингвистических переменных и формирования правил вывода в общей структуре информационного обеспечения; разработать алгоритм формирования нелинейных регрессионных моделей для описания процесса течения заболеваний на основе подбора линеаризующего преобразования; построить комплекс нелинейных регрессионных моделей динамики физиологических показателей и предложить оптимизационную процедуру выбора тактики лечения; реализовать математический аппарат численных расчетов в рамках предложенных методов и алгоритмов и оценить эффективность его использования по результатам клинической апробации.

Методы исследования. Для решения поставленных задач использовались основные положения теории вероятности и математической статистики, теории информации, методов нечеткой логики, основных положений теории управления биосистемами.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: структура информационного обеспечения интеллектуальных технологий идентификации в задачах медицинской диагностики и выбора тактики лечения на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов, отличающаяся введением информационных оценок эффективности принятия решений в клинической практике на основе энтропийных критериев полезности информации; методика формализации исходной нечеткой информации в терминах лингвистических переменных, отличающаяся применением композиционного правила вывода в общей структуре информационного обеспечения; метод формализации динамики физиологических показателей в виде нелинейных моделей множественной регрессии, отличающийся использованием модифицированного алгоритма подбора линеаризующего преобразования; комплекс нелинейных регрессионных моделей на примере изучения динамики ведущих показателей гомеостаза при экзотоксическом шока при традиционном лечении, вспомогательном кровообращении и экстракорпоральной оксигенации крови и предложить оптимизационную процедуру выбора тактики лечения, отличающуюся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

Практическая ценность и реализация результатов работы.

Сформированы принципы создания инвариантной среды формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения.

Внедрение разработанных моделей и методов позволяет сократить время диагностики нарушений системы гомеостаза, максимально индивидуализировать программу лечения, проводить коррекцию осложнений на основании данных о состоянии пациента.

Учет динамики контролируемых физиологических показателей, алгоритмические схемы адаптивного формирования оценок эффективности лечения позволили врачам выбирать более эффективную схему терапевтических мероприятий. Результаты диссертации внедрены в практику работы кардиологического отделения и отделении реанимации № 1 Воронежской областной клинической больницы. Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на межвузовской кафедре «Системный анализ и управление в медицинских и педагогических системах» для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы" и кафедре «Анестезиологии и реаниматологии» Воронежской государственной медицинской академии им. Н.Н. Бурденко.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждалось на следующих конференциях, семинарах и совещаниях: III Международная электронная научная конференция «Современные проблемы информатизации» (Воронеж, 1998); Труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); Труды всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2000); Всероссийская научно-практическая конференция «Духовность, нравственность, патриотизм» (Воронеж, 2002); Международная научно-практическая конференция «Качество образования на современном этапе развития: концепции и практика» (Орел, 2002); Международная научно-практическая конференция молодых ученых и специалистов «Социально-экономическое развитие регионов: реальность и перспективы» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Современные сложные системы управления» (Воронеж, 2003); Международная научно-практическая конференция молодых ученых и специалистов «Информация, коммуникации общество» (Санкт-Петербург, 2003); Всероссийская научно-практическая конференция «Интеллектуальные информационные системы» (Воронеж 2003); Всероссийская конференция «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2004); Всероссийская конференция «Интеллектуальные информационные системы» (Воронеж, 2005)

Публикации. Основное содержание диссертационной работы изложено в 17 печатных работах, в том числе 1 в изданиях по перечню ВАК РФ.

Структура и объем работы. Диссертация состоит из введения, 4 глав, заключения, изложенных на 124 страницах машинописного текста, списка литературы из 113 наименований, приложения, содержит 7 рисунков, 23 таблицы.

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

Выводы третьей главы

1 .Алгоритмизация оптимального управления в задачах медицинской диагностики с учетом вероятностного характера тенденций изменении основных физиологических показателей должна производиться на основе формализованного представления моделей нечеткого прогнозирования и вывода в задачах идентификации состояния пациента и выбора тактики лечения.

2. Предложенная методика построения регрессионных моделей на основе интеграции данных оперативного мониторинга и ретроспективной информации, включающих оценку влияния на результативный признак, как показателей состояния, так и временного фактора позволит учитывать нелинейный характер взаимодействия основных физиологических показателей.

3. На основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования возможна реализация процедура выбора тактики лечения, в частности-эфферентной терапии экзотоксического шока, отличающаяся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

ГЛАВА 4. РЕАЛИЗАЦИЯ МЕТОДОВ ФОРМАЛИЗАЦИИ ЗНАНИЙ ВРАЧА В РАМКАХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИИ ИДЕНТИФИКАЦИИ СОСТОЯНИЯ ПАЦИЕНТА И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ

4.1. Реализация моделей и алгоритмов, описание прогностического программного инструментария течения экзотоксического шока при различных тактиках лечения

Рассмотрим применение методов прогнозирования и выбора оптимальной тактики лечения на примере тяжелого экзотоксического шока (ЭШ).

С этой целью разработан комплекс прогностических моделей основных показателей гомеостаза больного при лечении тяжелого экзотоксического шока (ОЦК - объем циркулирующей крови, УИ - ударный индекс и УПС - удельное периферическое сопротивление) для трех видов лечения: традиционные противошоковые мероприятия, вспомогательное кровообращение в сочетании с операцией замещения крови и гипербарическая оксигенация в условиях вспомогательного кровообращения. Рассмотрим основные этапы. а). Традиционное лечение

С помощью врачей-токсикологов были выделены входные и выходные параметры течения и лечения ЭШ [29]. Их список представлен в таблице 4.1.

ЗАКЛЮЧЕНИЕ

Разработка методов формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния здоровья пациента и выбора тактики лечения, является одним из приоритетных направлений прикладного системного анализа и теории управления биомедицинскими системами. Особую значимость приобретает интеграция предметно-ориентированных процедур обработки информации и управления по результатам мониторингового контроля ведущих физиологических показателей в систему интеллектуальной поддержки принятия решений врачом.

Таким образом, основными результатами работы являются следующие:

1. Проведен системный анализ путей повышения эффективности формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации и определены требования к рационализации аналитического описания биомедицинских систем.

2. Сформирована структура информационного обеспечения интеллектуальных технологий идентификации, с учетом задач медицинской диагностики и выбора тактики лечения ориентированная на интеграцию алгоритмов статистической обработки информации, направленных на фильтрацию информации на основе метода экстремальной группировки параметров, а так же методы вероятностного определения количества информации на основе энтропийных оценок в рамках системы поддержки принятия врачебных решений.

3. Обоснованы информационные оценки эффективности математического обеспечения принятия врачебных решений и определен ряд дополнений к традиционным средствам интеллектуальной поддержки решений по терапевтической тактике, обеспечивающих более эффективное накопление в процессе выбора скрытой информации.

4. Разработана методика формализации исходной нечеткой информации в терминах лингвистических переменных и процедура формирования правил вывода в информационной базе, на основе модификации алгоритма принятия решения в условия нечеткой информации, позволяющего фиксированному множеству качественных оценок параметров состояния конкретного объекта поставить в соответствие решение-класс на основе использования композиционного правила вывода.

5. Предложена методика построения регрессионных моделей на основе интеграции данных оперативного мониторинга и ретроспективной информации, включающих оценку влияния на результативный признак, как показателей состояния, так и временного фактора на основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования.

6. Разработан комплекс нелинейных регрессионных моделей динамики ведущих показателей гомеостаза при экзотоксическом шока при традиционном лечении, вспомогательном кровообращении и экстракорпоральной окси-генации крови.

7. Предложена оптимизационная процедура выбора тактики эфферентной терапии экзотоксического шока, отличающуюся введением адаптивной процедуры формирования обобщенного показателя эффективности лечения.

8. Реализован алгоритм дифференциальной диагностики ишемической болезни сердца на основе методов нечеткой классификации.

9. Комплекс моделей, алгоритмов и программных средств интеллектуальной поддержки принятия решений при выборе тактики лечения интенсивных патологических процессов внедрен в клинический и учебный процессы.

Список литературы диссертационного исследования кандидат технических наук Паринов, Андрей Владимирович, 2006 год

1. Адаптивные системы идентификации / Под ред. В.И. Костюка. Киев: Техника, 1975.

2. Адлер Ю.П., Маркова Е.В., Грановский Ю.В. Планирование эксперимента при поиске оптимальных условий. М: Наука, 1976, 280с.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.

4. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

5. Алексеев А.В. Применение нечеткой математики в задачах принятия решений. В сб.: Методы и системы принятия решений. - Рига: РПИ, 1983, с. 38-42.

6. Амосов Н.М., Палец Б.Л., Агапов Б.Г. и др. Теоретические исследования физиологических систем. Математическое моделирование. -Киев: Наукова думка, 1977. 245 с.

7. Антомонов Ю.Г. Моделирование биологических систем. Справочник. К.: Наукова думка, 1977.

8. Аоки М. Введение в методы оптимизации. М: Наука, 1977, 344с. Ю.Афифи А., Эйзен С. Статистический анализ: подход сиспользованием ЭВМ. Пер. с англ. М.: Мир, 1982. - 488 с.

9. Ахутин В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977.-С.З-7.

10. Балантер Б.И. Вероятностные модели в физиологии. М., Наука, 1977.-252 с.

11. Балантер Б.И., Ханин М.А., Чернавский Д.С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980, 264 с.

12. Бахур А.Б. Некоторые положения теории гомеостатических систем, используемые для анализа сложных управляющих комплексов. //Технологические системы и управление в организме: общие приципы и аналогии. Сб. трудов, вып. 3. М.: ИПУ РАН, 1996г. (стр. 15-29)

13. Бейли Н. Математика и биология в медицине.- М.:Мир, 1970.-269с.

14. Беллман Р. Математические методы в медицине: Пер. с англ. / Под ред. JI.H. Белых. М.: Мир, 1987. - 200 с.

15. Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М: Наука, 1965.

16. Беллман Р., Заде JL Принятие решений в расплывчатых условиях -В сб.: Вопросы анализа и процедуры принятия решений. М: Мир, 1976, с. 172215.

17. Биологическая и медицинская кибернетика. Справочник / О.П. Минцер, Б.Н. Угаров и пр. Киев: Наукова думка, 1986.

18. Бокерия JT.A. Информатизация кардиохирургии: нужно ли интеллектуальное обеспечение или достаточно компьютеризации?/ Л.А. Бокерия, В.А. Лищук // Третий Всероссийский съезд сердечно-сосудистых хирургов. М, 1996.- С.13-14.

19. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983.

20. Брайсон А., Хо Ю-Ши. Прикладная теория оптимального управления М: Мир, 1972, 544с.

21. Бураковский В.И., Керцман В.П., Лищук В.А., Мосткова Е.В. Острая сердечная недостаточность классификация и диагностика с использованием математических методов // Вестник. АМН СССР, 1982. - N 8 - С. 18-32.

22. Бутенин Н. В., Неймарк 10. И., Фуфаев Н. А. Введение в теорию нелинейных колебаний.- М.:Наука.-1987.-384 с.

23. Вейнер Э. Давление крови. Вопросы и ответы / Пер. с англ.-М.: Кран-Пресс, 1998.

24. Вентцель Е.С. Теория вероятностей. М.: Наука, 1998.

25. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука, 1977.-287 с.

26. Вишняков В.А. Архитектура интеллектуального АРМ контроля // Приборы и системы управления. 1990. № 3. - с. 8-10.

27. Волков Ю.Н. Принципы автоматического оперативного врачебного контроля и их реализация в практике реанимации. Автореферат дисс. д.мед.наук. Л. - 1975. - 49с.

28. Гельфанд И.М., Семенюк Э.П., и др. Некоторые задачи классификации и прогнозирования из различных областей медицины // Вопросы кибернетики. 1985. - Вып. 112. - с. 65-127.

29. Герасимов Б.М., Тарасов В.А., Токарев И.В. Человеко-машинные системы принятия решений с элементами искусственного интеллекта.- К.: Наукова думка.- 1993.- 180 с.

30. Гичев Ю.П. и др. Медико-биологические аспекты комплексной оценки состояния организма // Бюл. АМН СССР. 1981. - № 3. - с. 59-64.

31. Гольдман С. К вопросу о кибернетических аспектах гомеостазиса.-В кн.: Саморегулирующиеся системы. М., 1964.

32. Горелик A.J1. и др. Современное состояние проблемы распознавания: Некоторые аспекты / A.J1. Горелик, И.Б. Гуревич, В.А. Скрипкин. М.: Радио и связь, 1985. - 160 с.

33. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. JL: Медицина, 1978, - 294 с.

34. Джексон Д. Ряды Фурье и ортогональные полиномы. М.: изд-во иностранной литературы, 1958.

35. Добров Г.М., Ершов Ю.В. Экспертные оценки в научно-техническим прогнозировании. Киев: Наукова думка, 1974. - 112 с.

36. Дюк В. Обработка данных на ПК в примерах.- СПб: Питер, 1997.240 с.39.3аде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М: Мир, 1976, 165с.

37. Заде J1.A. Размытые множества и их применение в распознавании образов и кластер-анализе. В сб.: Классификация и кластер. М: Мир, 1980, с.208-247.

38. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. - 120 с.

39. Искусственный интеллект. Справочник. Т. 1,2./ Под ред. Э.И. Попова. М.: Радио и связь. 1990. - 340 с.

40. Кини Р.П., Райфа X. Принятие решений при многих критериях. М.: Радио и связь.

41. Коротких И.Н., Родионов О.В., Фролов М.В. Технология реабилитационных мероприятий: Учеб. пособие. Воронеж, 1993.

42. Кофман А. Введение в теорию нечетких множеств. М: Радио и связь, 1982, 432с.

43. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978,432 с.

44. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М.: Наука, 1996.

45. Лищук В.А. Математическая теория кровообращения. М.: Медицина, 1990.- 254 с.

46. Локшин Л.С., Лурье Т.О. Искусственное и вспомогательное кровообращение в сердечно-сосудистой хирургии. Практ. пособие. М.: Медицина. 1998.-212 с.

47. Лопаткин Н.А., Лопухин Ю.М. Эфферентные методы в медицине. М.: Медицина, 1989.-350 с.

48. Львович И .Я. Оптимизация принятия решений в САПР на основе интеграции вариационного моделирования и рационального выбора-Автореферат докт. мед. наук. Воронеж. 1999. - 32 с.

49. Львович И.Я., Федорков Е.Д. Математические основы информатики, Воронеж: изд. ВГТУ, 1997. 98 с.

50. Львович И.Я., Фролов В.Н. Имитационное моделирование структуры и параметров технологических систем // Математическое и машинное моделирование: Тез. докл. Всес. конф. Воронеж, 1991, с. 61.

51. Львович Я.Е. Управление в биологических и медицинских системах / Я.Е. Львович, М.В. Фролов. Воронеж: ВГТУ, 1994. 183 с.

52. Львович Я.Е., Фролов М.В. Моделирование биотехнических и медицинских систем: Учеб. пособие. Воронеж, ВГТУ, 1994.

53. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991, 136с.

54. Минцер О.П., Чуканов Ю.Г. Клиническое прогнозирование. К.: Здоровье, 1983.- 143 с.

55. Моделирование биотехнических и медицинских систем: Учеб. пособие / Я.Е.Львович, М.В.Фролов, К.А.Разинкин и др.; Под ред. В.Н.Фролова. Воронеж: Изд-во ВГТУ, 1994. СЛ14-119, 157-161, 165-169, 176-180.

56. Моисеев Н.Н. Математические задачи системного анализа. М: Наука, 1981,488с.

57. Негойце К. Применение теории систем к проблемам управления. М: Мир, 1981, 179с.

58. Неймарк Ю.И. Распознавание образов и медицинская диагностика / Ю.И. Неймарк, З.С. Баталова, Ю.Г. Васин, М.Д. Бредо. М.: Наука, 1972. 328 с.

59. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова.-М.:Наука.-1986.-312 с.

60. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М: Наука, 1981, 203с.

61. Перегудов Ф.И. Тарасенко Ф.П. Введение в системный анализ М.: Высшая школа, 1989, 368 с.

62. Понтрягин JI.C., Болтянский В.Г. и др. Математическая теория оптимальных процессов. М.: Наука, 1969.

63. Попечителев Е.П., Романов С.В. Интерактивные методы обработки биомедицинской информации: Учеб. Пособие. JI., 1983. - 64 с.

64. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука. - 1988.

65. Поспелов Д.А. Большие системы. Ситуационное управление.-М.:3нание.- 1975.-64 с.

66. Построение АРМ врача на основе цифроаналогового компьютерного комплекса / К.С. Коробова, Е.В. Мезенцев, К.А. Разинкин, Е.Д. Федорков // Прикладные задачи моделирования и оптимизации: Межвуз.сб.науч.тр. Воронеж, 1998. С. 4-6.

67. Разинкин К.А., Паринов А.В. Информационные оценки эффективности принятий решений в клинической практике. Межвузовский сборник «Высокие технологии в технике образования медицины». г.Воронеж 2001г.

68. Разинкин К.А., Чопоров О.Н. Выбор оптимального плана лечения больных на основе классификационных и прогностических моделей // Высокие технологии в региональной информатике: Всерос. совещ.-семинар. 1998. 4.2. С.13.

69. Резников А.П. Обработка накопленной информации в затрудненных условиях. М: Наука, 1976.

70. Ротштейн А.П. Медицинская диагностика на нечеткой логике. -Винница:Континент-Прим.- 1996. 132с.

71. Саати Т. Математические модели конфликтных ситуаций. М.: Сов. радио.-1977.-304 с.

72. Сазыкина J1.B., Газизова Д.Ш., Стороженко И.Н. Количественные показатели гемодинамики для оценки состояния больных с острой недостаточностью кровообращения. Методические рекомендации // М.: МЗ СССР. 1983.-32 с.

73. Сейдж Э. П., Мелса Дж. JI. Идентификация систем управления. М.,1974.

74. Семухин М.В. Теория нечетких множеств. Учебно-методическое пособие. Тюмень: ТюмГУ, 1999, 50 с.

75. Советов Б.Я., Яковлев С.А. Моделирование систем: Учеб. Пособие для вузов.- 2-е изд., перераб. и доп. М.: Высш. шк., 1998.- 319 с.

76. Ткаченко Б.И., Левтов В.А., Москаленко Ю.Е. и др. Физиология кровообращения. Регуляция кровообращения. Л.: Наука - 1986. - 639 с.

77. Трахтенгерц Э.А., Компьютерная поддержка принятия решений. -М: Синтег, 1998.-376 с.

78. Тэрано Т. Примеры применения нечеткой техники. Пер. ВЦП, N А-44061. 1976, с.1137-1144.

79. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере/Под ред. В.Э. Фигурнова. М.: ИНФРА-М, Финансы и статистика, 1995. - 384 с.

80. Федорков Е.Д. Моделирование и оптимизация дуальных объектов в медицине. ВГТУ. Воронеж, 1997- 143 с.

81. Федорков Е.Д. Управление в медицинских и социальных системах на основе моделирования и оптимизации дуальных динамических процессов. Автореферат докт. мед. наук. Воронеж. 1999. - 32 с.

82. Федорков Е.Д., Разинкин К.А., Паринов А.В. Алгоритмизация инновационных признаков состояния пациентов. Интеллектуализация управления в социальных и экономических системах. Воронеж 2004г.

83. Фишберн П.С. Теория полезности для принятия решений. Пер. с англ. М.: Наука, 1978,352 с.

84. Форсайт Дж., Малькольм М., Моулер К. Машинные методы математических вычислений. М.: Мир, 1980.

85. Фролов В.Н. Выбор тактики лечения с применением математических методов. Воронеж, ВГТУ, 1977.

86. Фролов В.Н., Львович Я.Е., Подвальный С.Л. Проблема оптимального выбора в прикладных задачах. Воронеж, изд-во ВГУ, 1980.

87. Фролов В.Н., Паринова Л.В., Паринов А.В. Исследование целевой функции оптимизационной булевой задачи с помощью численного статистического моделирования. Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000.

88. Химмельблау Д. Прикладное нелинейное программирование. М: Мир, 1975.

89. Цыпкин Я.З. Основы информационной теории идентификации. -М.: Наука.- 1984.-320 с.

90. Чопоров О.Н. Оптимизация планирования стационарного лечения больных на основе классификационных и прогностических моделей. Дис. канд. техн. наук / ВГТУ. Воронеж, 1997.

91. Шеннон Р. Имитационное моделирование систем Искусство и наука.- М.: Мир, 1978.-418 с.

92. Шорников Б.С. Классификация и диагностика в биологическом эксперименте. М., Наука, 1979.

93. Эйкофф П. Современные методы идентификации систем. М: Мир, 1983,400с.

94. Ягер P.P. Множества уровня для оценки принадлежности нечетких подмножеств. В сб.: Нечеткие множества и теория возможностей. М: Радио и связь, 1986, с.71-78.

95. Baldwin I.F., Pilsworth B.W. A model of Fuzzy Reasoning through Multivalued Logic and Set Theory //International J. Man-Mach. Studies.- 1979.-№11.- p.351-380.

96. Bellman R., Kalaba K., Zadeh L.A. Abstraction and pattern classification. J.Math. Anal, and Appl., v.13, Nol, Jan, 1966.

97. Bellman R.E., Gierts M. On the analitical formalism of theory of fuzzy sets."Inform. Sci.", 1973, v.5, N2, p. 149-156.

98. Bonissone P.P., Tong R.M. Editorial: reasoning with uncertainty in expert systems."Int. J. Man-Mach. Stad.", 1985, N3, p.241-250.

99. Brdis M., Roberts P.D. Optimal structures for steady-state adaptive optimizing control of large-scale industrial processes. "Int.J.Syst. Sci.", 1986,N10,p. 1449-1474.

100. Caines P.E. On the adaptive control of stochastic systems with random parameters: a counterexample. "Ric. automat.", 1982, N1, p.190-196.

101. Carlsson C. Fuzzy systems: basis for modeling methodology? "cybernetics and Systems", N15, 1984, p.361-379.

102. Chang S.S.L. Application of fuzzy set theory to economics. "Kybernetes", 1977, v.6, p.203-208.

103. Chen S.,Brdys M., Roberts P.D. An integrate system optimization and parameter estimation technigue for hierarchical control of steady-state systems. "Int. J. Sci.", 1986, N8, p.1209-1228.

104. Daley S., Gill K.F. The fuzzy logic controller: an alternative design scheme? "Comput. Ind.", 1985, N1, p.3-14.

105. Distributed Parametr Control Systems: Teory and Application. Ed. Trafestas Spuras G. Oxford, 1982,497p.

106. Drouin M., Abou-Kandil H., Mariton M., Due G. Une nouvelle methode de decompozision-coordinasion 1 re partie: Principe et mise en ocuvre. "APH", 1985, N3, p.205-226.

107. Dubois D., Prade H. Fuzzy sets and systems: Theory and applications. New York: Acad. Press, 1980, 394p.

108. Dubois D., Prade H. Operations on fuzzy numbers. Int. J.System sci., 1978, v.5, N2, p.613-626.

109. Tanaka H., Asai K. Fuzzy solution in fuzzy linear programming problems. "IEEE Trans. Syst. Maan and Cybern.", 1984, N2, p.325-328.