Методы и алгоритмы принятия решений и управления сложными системами на основе анализа сигналов системных ритмов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Белобров, Андрей Петрович

• Белобров, Андрей Петрович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Белобров, Андрей Петрович

СПИСОК ОБОЗНАЧЕНИИ И СОКРАЩЕНИИ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ КОМПЬЮТЕРНОЙ ДИАГНОСТИКИ И УПРАВЛЕНИЯ СЛОЖНЫМИ СИСТЕМАМИ.

1.1. Системы искусственного интеллекта для классификации объектов и принятия решений.

1.2. Нейронные сети.

1.3. Нечеткие модели в системах принятия решений и управления.

1.4. Анализ методов и средств поддержки принятия решений в медицинских системах.

1.5. Цели и задачи исследования.

ГЛАВА 2. ГИБРИДНЫЕ ТЕХНОЛОГИИ ВЫДЕЛЕНИЯ МЕДЛЕННЫХ ВОЛН ИЗ КВАЗИПЕРИОДИЧЕСКИХ СИГНАЛОВ.

2.1. Модели нестационарных систем на основе оконного преобразования Фурье и вейвлет-преобразовании.

2.2. Модель селектора медленных волн нестационарных сигналов.

2.3. Модель нестационарной системы, основанная на использовании вейвлет-преобразования с последующим оконным преобразованием Фурье реперных строк вейвлет-плоскости.

2.4. Метод и алгоритм классификации состояний сложных объектов на основе гибридного анализа медленных волн системных ритмов.

2.5. Выводы второй главы.

ГЛАВА 3. МЕТОД КЛАССИФИКАЦИИ СЛОЖНЫХ ОБЪЕКТОВ НА ОСНОВЕ АНАЛИЗА СТРУКТУРНЫХ ФУНКЦИЙ МЕДЛЕННЫХ ВОЛН.

3.1. Структурная функция как характеристика нестационарных процессов.

3.2. Система поддержки принятия решений на основе анализа структурных функций медленных волн различных порядков.

3.3. Алгоритмы вычисления структурных функций медленных волн и принятия решений.

3.4. Выводы третьей главы.

ГЛАВА 4. ИССЛЕДОВАНИЯ ЭФФЕКТИВНОСТИ РАЗРАБОТАННЫХ МЕТОДОВ В ЗАДАЧАХ КЛАССИФИКАЦИИ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЖИВЫХ ОБЪЕКТОВ.

4.1 Формирование обучающих и контрольных выборок для проверки эффективностей разработанных методов классификации.

4.2 Апробация предложенных методов и средств на репрезентативных контрольных выборках.

4.3. Синтез системы управления функциональным состоянием сердечно-сосудистой системы на основе мониторинга параметров медленных волн и нечеткой модели управления терапевтической процедурой.

4.4. Выводы четвертой главы.

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы принятия решений и управления сложными системами на основе анализа сигналов системных ритмов»

Актуальность работы. Современный этап развития информационных технологий характеризуется широким использованием теоретического и прикладного аппарата системного анализа, в том числе при создании систем поддержки принятия диагностических решений для сложных объектов, к которым принадлежат динамические системы с большим числом параметров и внутренних процессов. В них содержатся многочисленные управляющие, регулирующие, обеспечивающие, страхующие системы, удерживающие параметры в строго определенных пределах. Функционирование указанных систем по поддержанию жизнедеятельности сложного объекта сопровождается взаимосвязанными процессами, обеспечивающими многоуровневый механизм управления.

В таких системах особенно актуально исследование процессов, в которых в результате наложения множества системных ритмов, сигналы, несущие информацию о состоянии систем объекта, приобретают сложную форму, характеризующую совокупность циклических составляющих различных уровней, отличающихся по амплитуде, фазе, частоте.

Доступные в настоящее время массивы информации позволяют на более высоком уровне ставить задачу оценки совместного влияния на исследуемый объект многих периодических процессов, различающихся как природой, так и временными диапазонами с одновременным оцениванием иерархической структуры взаимодействия исследуемых факторов. Анализ многочисленных отечественных и зарубежных исследований в области изучения сложных систем, проведенных особенно на протяжении последних 10 лет, показал, что значительной информационной ценностью обладают скрытые составляющие системных процессов - системные ритмы, которые в современных диагностических системах практически не выделяются и не обрабатываются, что значительно снижает потенциальные возможности перспективных диагностических систем (Н.Д. Девятов, С.П. Ситько, A.A.

Яшин и др.). Поэтому необходимо создание качественно новых методов и алгоритмов, позволяющих выделять и анализировать сигналы в объектах, характеризующихся сложными системными ритмами.

Научно-технической задачей исследования является повышение качества принятия диагностических и управленческих решений для объектов, характеризующихся сложными системными ритмами.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 20092013 годы (государственный контракт № П705 от 12 августа 2009 г., номер госрегистрации 01200962672) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Объект исследования. Живые системы со сложным взаимодействием системных ритмов.

Предмет исследования. Методы и алгоритмы анализа состояний и управления сложными системами.

Содержание диссертации соответствует п.10 «Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических системах» и п.12 «Визуализация, трансформация и анализ » информации на основе компьютерных методов обработки информации» паспорта специальности 05.13.01 - Системный анализ, управление и обработка информации (технические науки).

Цель исследования - разработка методов и алгоритмов принятия решений и управления на основе анализа сигналов системных ритмов, повышающих качество классификации и управления функциональным состоянием систем, характеризующихся сложными системными ритмами.

Для достижения поставленной цели необходимо решить следующие задачи: проанализировать существующие методы интеллектуальной поддержки принятия решений, предназначенные для решения практических задач в медицинских системах, выявить их достоинства и недостатки;

- разработать метод принятия решений по классификации состояний сложных систем на основе гибридного подхода к обработке данных о системных ритмах;

- разработать метод классификации сложных систем на основе структурного анализа сигналов системных ритмов;

- построить алгоритмы анализа, классификации и управления состоянием сложными системами, предназначенные для реализации разрабатываемых методов;

- исследовать на практике эффективность применения созданных методов, моделей и алгоритмов для решения практических задач (на примере интеллектуальных систем диагностики и управления физиотерапией сердечно-сосудистых заболеваний).

Методы исследований. Для решения поставленных задач использовались методы системного анализа, многомерного спектрального анализа, математической статистики, теории нечетких нейронных сетей, распознавания образов, экспертного оценивания и принятия решений. При разработке модулей принятия решений и нечеткого вывода в качестве инструментария использовался Matlab 6.0 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox. При реализации методов спектрального и структурного анализа использовался Mathcad 14.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной и выносимые на защиту:

- метод принятия решений по классификации состояний сложных систем, отличающийся тем, что в исследуемом сигнале вначале определяются доступные системные ритмы, а затем по отсчетам входного сигнала формируются релевантные строки вейвлет-плоскости, модулированные соответствующими системными ритмами, определяется их оконное преобразование Фурье, компоненты которого являются входной информацией для нейронной сети, принимающей решение по отнесению текущего состояния системы к тестируемому состоянию; метод классификации состояния сложных систем на основе структурного анализа модулированных сигналов системных ритмов, заключающийся в априорном выборе совокупности системных ритмов, определении структурных функций модулированных сигналов системных ритмов, входящих в эту совокупность, и использовании отсчетов структурных функций в качестве информативных признаков для блока принятия решений, построенного по нейросетевой технологии, позволяющий осуществлять как управление динамикой сложных объектов, так и их классификацию; алгоритм классификации и управления сложными системами (включающий процедуру формирования признакового пространства) посредством сравнения отсчетов заданной совокупности модулированных" сигналов системных ритмов с отсчетами такой же совокупности в эталонном объекте и вычисления расстояния текущего состояния объекта до контрольного объекта, отличающийся тем, что для управления состоянием объекта в пространстве информативных признаков используется управляемое воздействие на объект, эффективность которого оценивается изменением расстояния между заданным и текущим состояниями объекта в результате воздействия, в зависимости от чего осуществляется корректировка управляющего воздействия, позволяющий выполнить классификацию объектов на два и более классов и контролировать динамику состояния одного и того же объекта;

Практическая значимость и результаты внедрения. Практическое значение работы определяется возможностью применения результатов исследования при прогнозировании, диагностике и управлении физиотерапией психосоматических заболеваний.

Разработанные методы, модели и алгоритмы составили основу построения интеллектуальной системы для диагностики и физиотерапии сердечно — сосудистых заболеваний. Основные теоретические и практические результаты работ внедрены в учебный процесс Юго-Западного государственного университета при подготовке специалистов 200402 «Инженерное дело в медико-биологической практике» (дисциплина «Автоматизация обработки экспериментальных данных»), использованы при выполнении НИР 1.187.09 «Прогнозирование функционального состояния сердечно-сосудистой системы человека на основе многомерного спектрального анализа данных мониторинга акустических и электрофизиологических процессов жизнедеятельности, осуществляемого посредством микроминиатюрных датчиков и мобильных средств связи», выполняемой по заказу Минобрнауки России, и в ходе формирования индивидуальных программ по профилактике и лечению сердечнососудистых заболеваний в терапевтическом и хирургическом отделениях

МУЗ «Беловская ЦРБ» Курской области, что подтверждено соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на XII, XIII и XIV Международных научно-технических конференциях «Медико-экологические информационные технологии» (Курск, 2009, 2010, 2011); V Всероссийских научно-технических конференциях «Информационные и управленческие технологии в медицине и экологии» (Пенза, 2011); на XVII Международной конференции «Лазерно-информационные технологии в медицине, биологии и геологии» (Новороссийск, 2010), на Всероссийской научно-технической конференции «Медицинские информационные системы МИС-2010» (Таганрог, 2010), на Международной конференции с элементами научной школы для молодежи «Биотехнические, медицинские и экологические системы и комплексы» (Рязань, 2009, 2010), на I Международной конференции «Инновационные технологии управления здоровьем и долголетием человека» (Санкт

Петербург, 2010); IX Международной научно-технической конференции «Физика и радиоэлектроника в медицине и экологии (Владимир-Суздаль,

2010); на III Международной конференции «Молодежь и XXI век» (Курск,

2011); на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск, 2009,2010, 2011).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 14 печатных работ, из них четыре статьи в рецензируемых научных журналах.

Личный вклад автора. Все выносимые на защиту результаты получены автором лично. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] автором исследовано значение анализа модулированных сигналов системных ритмов в классификации состояния сложных объектов, в [2] соискателем предложены способы анализа изображений спектральных и вейвлет - плоскостей модулированных системных ритмов биомедицинских сигналов, в [3], [4] и [5] автором г разработаны модели анализа модулированных сигналов системных ритмов живых систем, в [7], [9] и [10] автор предложил способы синтеза пространств информативных признаков на основе анализа сигналов системных ритмов* различных подсистем живых объектов, в [12] и [13] автором разработаны нейросетевые модули принятия решений, предназначенные для реализации методов анализа состояния сложных систем по их системным ритмам.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 100 отечественных и 11 зарубежных наименований. Работа изложена на 124 страницах машинописного текста, содержит 51 рисунок и 9 таблиц.

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

4.4. Выводы четвертой главы

В результате проведенных исследований были сформированы обучающие и контрольные выборки для проверки адекватности методов и алгоритмов принятия решений, основанных на анализа медленных волн системных ритмов живых систем, а также проведена апробация предложенных методов и средств на репрезентативных контрольных выборках на примере диагностики ишемической болезни сердца.

Разработана специализированная многоуровневая база тестовых ЭКГ-сигналов с возможностью комбинации чистых сигналов с сигналами помех различного вида и с репрезентативным набором всех классов формы кардиоимпульсов. Структура данной тестовой базы позволяет сочетать различные варианты и уровни тестирования. При этом появляется возможность как параллельного, так и последовательного сочетания тестовых сигналов, что обеспечивает универсальность разработанной базы тестовых ЭКС.

Разработано методическое обеспечение всех этапов формирования обучающих и контрольных выборок для проверки адекватности моделей принятия решений.

Анализ показателей качества классификации моделей принятия решений, основанных на предлагаемых методах показал, что показатели качества моделей, построенных на основе структурного анализа выше на 3% показателей качества моделей, построенных на основе гибридных методах, и уступают всего на два процента показателям качества экспертов.

Полученные сравнительные характеристики экспертных оценок риска сердечно — сосудистых осложнений и предлагаемых моделей интеллектуальных систем позволяют рекомендовать полученные технические и алгоритмические решения для практического использования в системах диагностики функционального состояния сердечно - сосудистой системы.

На основе разработанного метода анализа медленных волн сложных системных ритмов предложена структура системы управления функциональным состоянием сердечно - сосудистой системы, отличающая использованием модуля нечеткого управления в качестве регулирующего элемента.

Разработан комплекс решающих правил, составляющих основу блока нечеткого вывода системы управления функциональным состоянием, отличающийся иерархической структурой, которая построена на основе анализа чувствительности медленных волн системных ритмов к электромагнитному воздействию.

Предложен алгоритм работы модуля нечеткого управления, позволяющий синтезировать адекватное управляющее воздействие на генератор электромагнитного излучения.

ЗАКЛЮЧЕНИЕ

В результате проведенных исследований предложены новые научно-технические решения, позволяющие проектировать интеллектуальные системы для анализа состояния и динамики сложных объектов на основе анализа медленных волн системных ритмов.

В диссертационной работе получены следующие основные результаты:

1. Проанализированы существующие методы формирования интеллектуальных информационных технологий для решения практических задач диагностики и прогнозирования состояния объектов со сложными взаимодействиями системных ритмов. Выявлены их достоинства и недостатки.

2. Разработан метод принятия решений по классификации состояний сложных систем на основе анализа доступных системных ритмов в исходном сигнале и формирования релевантных строк вейвлет - плоскости этого сигнала, модулированных соответствующими системными ритмами, позволяющий сформировать входную информацию для нейронной сети, принимающей решение по отнесению текущего состояния объекта к тестируемому состоянию;

3 Разработан метод классификации сложных систем на основе анализа структурных функций априорно выбранной совокупности системных ритмов, и использовании отсчетов этих структурных функций в качестве информативных признаков для блока принятия решений, построенного по нейросетевой технологии, позволяющий сформировать управляющие воздействия для управления динамикой сложных объектов в пространстве информативных признаков.

4. Построены алгоритмы анализа, классификации и управления состоянием сложных систем, предназначенные для реализации разработанных методов, включающие процедуру формирования признакового пространства посредством сравнения отсчетов низкочастотных модулирующих сигналов с отсчетами такого множества сигналов в контрольном объекте и вычисления расстояния текущего состояния объекта до контрольного объекта, позволяющие осуществлять классификацию объектов на два и более классов и контролировать динамику состояния одного и того же объекта.

5. На основе разработанного метода классификации состояния сложных систем по анализу низкочастотных модулирующих сигналов системных ритмов предложены алгоритмы управления состоянием сложными системами, позволяющие сформировать адекватное управляющее воздействие на генератор электромагнитного излучения в процессе управления функциональным состоянием сердечно - сосудистой системы.

6. На примере диагностики ишемической болезни сердца получены сравнительные характеристики качества классификации для разработанных моделей по сравнению с результатами экспертных оценок, построенных на основе миннесотовых кодов. Анализ показателей качества моделей принятия решений, основанных на предлагаемых методах, показал, что показатели качества классификации моделей, построенных на основе структурного анализа, выше на 3% показателей качества классификации моделей, построенных на основе гибридных методов, и уступают всего на два процента показателям качества экспертных оценок.

Список литературы диссертационного исследования кандидат технических наук Белобров, Андрей Петрович, 2011 год

1. Айвазян, С.А. Классификация многомерных наблюдений Текст./ С.А. Айвазян, З.И. Бежаева, О.В. Староверов. М., "Статистика", 1975.

2. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов: В 2 т. Т. 2. Основы эконометрики. Текст. / С.А. Айвазян. 2-е изд., испр. М.: ЮНИТИ-ДАНА, 2001. 432 с.

3. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов. В 2 т. Т. 1. Теория вероятностей и прикладная статистика Текст./ С.А. Айвазян, B.C. Мхитрян. 2-е изд., испр. M.: ЮНИТИ-ДАНА, 2001.656 с.

4. Александер Ф. Психосоматическая медицина. — М.: ЮНИТИ, 2007. -435 с.

5. Аль-Муаалеми, В.А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей Текст. / В.А. Аль-Муаалеми, В.В. Жилин, С.А. Филист // Биомедицинская радиоэлектроника, 2009, №5. С.77-82.

6. Астафьева, Н.М. Вейвлет-анализ: основы теории и примеры применения Текст./ Н.М.Астафьева. УФН. Т. 166, №11. 1996. С. 1145-1170.

7. Афифи, А., Эйзен, С. Статистический анализ Текст./ А. Афифи, С. Эйзен. М. "Мир", 1972.

8. Баевский P.M. Оценка адаптационных возможностей организма к риск развития заболеваний / P.M. Баевский, А.П. Берсенева. М.: Медицина, 1997. 265 с.

9. Барсегян, A.A. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP Текст./ A.A. Барсегян. СПб.: БХВ-СанктПетербург, 2007. 384 с.

10. Батыршин, И.З. Общий взгляд на основные черты и направления развития нечеткой логики Текст./ И.З. Батыршин. Новости искусственного интеллекта. 2001. 44-45. 25-27.

11. П.Батюшин, М.М. Прогнозирование сердечно сосудистых заболеваний. Текст. / М.М. Батюшин //Монография. - Ростов -н/Д.: Издательство МАРТ. 2006. 144с.

12. Борисов, А.Н. Принятие решений на основе нечетких моделей: Примеры использования Текст. А.Н. Борисов, О.А Крумберг, И.П. Федоров Рига: Зинатне, 1990. 180 с. Н.Брудно, В.А. Базы данных с неполной информацией [Текст] В.А. Брудно, Д.П. Скворцов 5-45.

13. Боровиков, В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов Текст. / В. Боровиков. 2-е изд. (+CD). СПб.: Питер, 2003. 688 с.

14. Бохуа, H.A. Экспертные системы: опыт проектирования Текст. / H.A. Бохуа, В .А. Геловани, О.В. Ковригин. -М., 1990. 218 с.

15. Воробьев, В.И. Теория и практика вейвлет-преобразования Текст. / В.И. Воробьев, В.Г. Грибунин. СПб.: ВУС, 1999. 204 с.

16. Галушкин, А.И. Синтез многослойных систем распознавания образов Текст. / А.И. Галушкин. М.: Энергия, 1974. 386 с.

17. Генкин, A.A. Новая информационная технология обработки данных (программный комплекс ОМИС) Текст. / A.A. Генкин. СПб.: Политехника, 1999. 191 с.

18. Гимаров, В.А. Нейро-нечеткий метод классификации объектов с разнотипными признаками Текст. / В.А. Гимаров, М.И. Дли, С.Я. Битюцкий // Системы управления и информационные технологии. 2004. №4 (16). С. 13-18.

19. Глас, Леон. От часов к хаосу: Ритмы жизни Текст. / Леон Глас, Майкл Мэки. Пер. с англ. Р.И. Сельковой; Под ред. Е.Е. Селькова. М.: Мир, 1991.-248 с.

20. Горбань, А. Н. Обучение нейронных сетей Текст./ А. Н. Горбань-М.: СП Параграф, 1990.

21. Горелик, А.Л. Методы распознавания Текст. / А.Л. Горелик,

22. B.А. Скрипкин. М.: Высшая школа. 2004. 261 с.

23. Грахов, A.A. Имитационное моделирование систем нечеткого вывода для медицинских приложений Текст. / A.A. Грахов, В.В. Жилин,

24. C.А. Филист// Медико-экологические информационные технологии 2008: сб. материалов XI Международной научно-технической конференции / Курск, гос. техн. ун-т. Курск, 2008. С.102-105.

25. Грахов, A.A. Система поддержки принятия решений для врача-терапевта на основе нечетких сетевых моделей Текст./ A.A. Грахов, Л.А. Жилинкова, Е.В. Шевелева//Вестник новых медицинских технологий. Тула, 2006. T.XIII, №2. С.43-46.

26. Джарратано, Дж. Экспертные системы: принципы разработки и программирование. Текст./ Дж. Джаратано, Г. Райли. М.: Вильяме. 2007.1152 с.

27. Дмитриева, Н.В. Индивидуальное здоровье и полипараметрическая диагностика функциональных состояний организма (системно -информационный подход) Текст. / Н.В. Дмитриева, О.С. Глазачев. М., 2000. - 214 с.

28. Дубров, A.M. Многомерные статистические методы Текст.: учебник / A.M. Дубров, B.C. Мхитрян, Л.И. Трошин. М.: Финансы и статистика, 2000. 352 с.

29. Дуда, Р. Распознавание образов и анализ сцен Текст. / Р. Дуда, Р. Харт. М.: Мир, 1976.

30. Дьяконов, В.П. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики Текст. / В.П. Дьяконов, В.В. Круглов. Серия «Библиотека профессионала». М.: Солон-Пресс, 2006. 456 с.

31. Дюк, В. Обработка данных на ПК в примерах Текст. / В. Дюк. -СПб: Питер, 1997. 240 с.

32. Елисеева, И.И. Логика прикладного статистического анализа Текст. / И.И. Елисеева, В.О. Рукавишников. М.: Финансы и статистика, 1982. 192 с.

33. Заде, А. Основы нового подхода к анализу сложных систем и процессов принятия решений Текст. / А. Заде // Математика сегодня. М., 1974.

34. Заенцев, И.В. Нейронные сети: основные модели: учебное пособие по курсу «Нейронные сети» для студентов 5 курса магистратуры физического ф-та Воронежского государственного университета Текст. / И.В. Заенцев. Воронеж, 1999. 76 с.

35. Затейщикова A.A., Затейщиков Д.А. Эндотелиальная регуляция сосудистого тонуса: методы исследования и клиническое значение // Кардиология. 1998. - № 9. - С. 68-80.

36. Захаров, В.Н. Современная информационная технология в системах управления Текст. / В.Н. Захаров // Изв. АН. Теория и системы управления, 2000. -№1. С. 70-78.

37. Иглин, С.П. Математические расчеты на базе Matlab Текст. / С.П. Иглин. BHV-Санкт-Петербург, 2005. 640 с.

38. Изучение генетических и лабораторных маркеров у пациентов с ишемической болезнью сердца и сахарным диабетом 2 типа / Назаренко Г.И., Клейменова Е.Б., Пающик С.А. // Российские Медицинские Вести. 2009.-том XIV, №2. С.28-36.

39. Изучение генетических маркеров и традиционных факторов риска у пациентов с ишемической болезнью сердца Текст./ Назаренко Г.И., Клейменова Е.Б., Гущина H.H., Пающик С.А. // Российские Медицинские Вести. 2009.- том XIV, №1. С. 41-48.

40. Ильинский, Б.В. Ишемическая болезнь сердца и наследственность. Текст. / Б.В. Ильинский, С.К. Клюева // JL: Медицина, 1985. 176 с.

41. Калинина, A.M. Влияние многофакторной профилактики ИБС на прогноз жизни Текст. / A.M. Калинина, Л.Ж. Чазова, Л.И. Павлова //Кардиология. 1996. — № 3. С. 22 — 27.

42. Коломоец, Н.М. Гипертоническая болезнь и ишемическая болезнь сердца: Руководство для врачей, обучающих пациентов в школе больных гипертонической болезнью и ишемической болезнью сердца Текст./ Н.М. Коломоец, В.И. Бакшеев. М.: Медицина, 2003. 336 с.

43. Кореневский, H.A. Автоматизированные медико-технологические системы Текст./ монография. В 3 ч. / H.A. Кореневский, А.Г. Устинов, В.А. Ситарчук; под ред. А.Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. 390 с.

44. Кореневский, H.A. Проектирование нечетких решающих сетей настраиваемых по структуре данных для задач медицинской диагностики

45. Текст. / H.A. Кореневский // Системный анализ и управление в медицинских системах. 2005. Т.4. №1. С.15-38.

46. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода Текст. // В.В. Круглов, М.И. Дли. М.: Физматлит, 2002. 322 с.

47. Круглов, В.В. Искусственные нейронные сети. Теория и практика. Текст. / В.В. Круглов, В.В. Борисов М.: Горячая линия - Телеком, 2001. 382с.

48. Круглов, В.В. Нечеткая логика и искусственные нейронные сети Текст. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. Физматлит, 2001. 224 с.

49. Лабораторные и генетические маркеры в стратификации риска ишемической болезни сердца / Назаренко Г.И., Клейменова Е.Б., Гущина H.H. // Кардиоваскулярная терапия и профилактика. 2009. том 8, №1 - С. 35-42.

50. Макаров, Е. Инженерные расчеты в Mathcad 14 Текст./Е. Макаров СПб.: Питер, 2007. - 592 с.

51. Макаров, Л.М. Особенности вариабельности циркадного ритма сердца в условиях свободной активности. Физиология человека т. 24 N 2 1998. С.56-62.

52. Математические методы обработки многомерных данных и временных рядов: учебное пособие /В.В. Жилин, A.A. Кузьмин, С.А. Филист и др.: Изд-во Курск, гос. с.-х. ак., 2009. 229 с.

53. Медведев, B.C. Нейронные сети. Matlab 6 Текст. / B.C. Медведев, В.Г. Потемкин. -М.:Диалог-МИФИ, 2000. 496 с.

54. Минаев, Ю.Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе Текст. / Ю.Н. Минаев, О.Ю. Филимонова, Л. Бенамеур.- М.: Горячая линия -Телеком, 2003. 205 с.

55. Назаренко, Г.И. Оценка риска ИБС с помощью комбинации традиционных факторов риска и генетических маркеров Текст. / Г.И.

56. Назаренко, Е.Б. Клейменова, С.А. Пающик // Кардиоваскулярная терапия и профилактика. 2008. №7, Прил. №1. С. 260.

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

58. Нечеткие модели для экспертных систем в САПР Текст. / Н.Г. Малыше, П.С. Берштейн, A.B. Боненюк. М.: Энергоатомиздат, 1991. 136 с.

59. Общепринятые алгоритмы для оценки факторов риска ишемической болезни сердца и генетические полиморфизмы Текст./ Назаренко Г.И., Клейменова Е.Б., Пающик С.А.// Сердце. 2009 - том 8, №2. С. 104-108.

60. Оганов, Р.Г. Профилактика сердечно-сосудистых заболеваний: возможности практического здравоохранения Текст. / Р.Г. Оганов //Кардиоваскулярная терапия и профилактика. 2002. —№ 1. С. 50—9.

61. Окороков, А.Н. Диагностика болезней внутренних органов. Диагностика болезней сердца и сосудов Текст. / А.Н. Окороков, под редакцией Н.Е. Федорова. М.: Мед. литр. 2006. 464с.

62. Орлов, А.И. Экспертные оценки: учебное пособие Текст./ а.И. Орлов. М.: 2002.

63. Основы проектирования автоматизированных систем анализа медико-биологических сигналов Текст. / В.В. Губанов, JI.B. Ракитская, С.А. Филист / ГУИПП «Курск». Курск, 1997. 134 с.

64. Осовский, С. Нейронные сети для обработки информации Текст./ С. Осовский; пер. с польского И.Д. Рудинского.- М.: Финансы и статистика, 2002.344 с.

65. Пат. 2128363 Российская Федерация. Рефлекторная нейросеть Текст. БИ №9,1999.

66. Пат. 2006067 Российская Федерация. Способ обработки информации в нейронной сети Текст. БИ №14, 1991.

67. Петри, А. Наглядная статистика в медицине Текст. / А. Петри, К. Сэбин. Пер. с англ. Леонова В.П. М.: ГЭОТАР-МЕД, 2003. 144с.

68. Плотников Д.В., Белозеров А.Е., Мешковский Д.В. Методы и средства оценки параметров ФС с различными типами обратных связей. Вестн. нов. мед. технол. 2006; 8 (2): 28-31.

69. Поспелов, Г.С. Искусственный интеллект основа новой информационной технологии Текст. / Г.С. Поспелов - М.: Наука, 1988. -168 с.

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

71. Прикладной анализ случайных процессов Текст. / Под ред. Прохорова С.А./СНЦ РАН, 2007. 582 с.

72. Прогнозирование ишемической болезни сердца с использованием геномных и компьютерных технологий Текст. / Ю.И. Журавлев, Г.И. Назаренко, В.В. Рязанов, Е.Б. Клейменова // Кардиология, 2010. том 49, №1.

73. Прогностическая значимость различных методов оценки риска ишемической болезни сердца Текст. / Ю.И. Журавлев, Г.И. Назаренко, В.В. Рязанов, Е.Б. Клейменова // Клиническая геронтология: научно-практический журнал. 2009. №8.

74. Прохоров, С.А., Графкин, В.В. Структурно-спектральный анализ случайных процессов / С.А. Прохоров, В.В. Графкин; СНЦ РАН. 2010. 128 с.

75. Радиотехнические цепи и сигналы: Учеб. пособие для вузов Текст. / Д.В. Васильев, М.Р. Витоль, Ю.Н., Горшенков и д.р.; Под ред. К.А. Самойло // М.: Радио и связь, 1982. 528 с.

76. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы Текст. / Д. Рутковская, М. Пилиньский, JI. Рутковский; пер. с польск. И.Д. Рудинского. М.: Горячая линия Телеком, 2004. 452 с.

77. Семенов, А.Д. Идентификация объектов управления: Учебн. пособие Текст. / А.Д. Семенов, Д.В. Артамонов, A.B. Брюхачев. Пенза: Изд-во Пенз. гос. ун-та, 2003.-211 с.

78. Сергиенко, А. Цифровая обработка сигналов (второе издание) Текст. / А. Сергиенко.- СПб, Питер, 2006. 751 с.

79. Симоненко, В.Б. Функциональная диагностика: руководство для врачей общей практики Текст./ В.Б. Симоненко, A.B. Цоколов, А .Я. Фисун. М.: ОАО "Издательство "Медицина", 2005. 304с.

80. Суровцев, И.С. Нейронные сети Текст. / И.С. Суровцев, В.И. Клюкин, Р.П. Пивоварова. Воронеж ВГУ, 1994. 224 с.

81. Тарасов, В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном интеллекте Текст./

82. B.Б. Тарасов // Новости искусственного интеллекта. 1995. №4. С. 24-30.

83. Тэрано, Т Прикладные нечеткие системы: пер. с японского Текст. / Под ред. Т. Тэрано, К. Асаи, М. Сугено. М.: Мир, 1993.

84. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика: пер. с англ. Текст./ Ф. Уоссермен. М.: Мир, 1992. 240 с.

85. Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика Текст. / А.А.Усков, А.В.Кузьмин.- М.: Горячая линия Телеком. 2004. 144с.

86. Филист, С.А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей Текст. / С.А. Филист, В.В. Жилин, Аль-Муалеми Ваил Абдулкарим // Биомедицинская радиоэлектроника. 2009. №5. С. 77-82.

87. Филист, С.А. Комплексная методика оценки риска возникновения сердечно-сосудистых заболеваний Текст. /А.Б. Красковский, О.В. Шаталова,

88. C.А. Филист // Перспективы медицинского приборостроения: Известия

89. ЮФУ. Технические науки. Тематический выпуск. Таганрог: Изд-во ТТИ ЮФУ, 2009. - № 10 (99). -С. 53-58.

90. Филист, С.А. Методика вейвлет-диагностики дисфонии по фонеме И Текст. / С.А. Филист, О.В. Шаталова, Н.В. Краснова Вестник новых медицинских технологий. - Тула, 2006. Т. XIII, №2. С. 21-22.

91. Филист, С.А. Многомерная частотная селекция в задачах анализа медленных волн Текст. / С.А. Филист, А.П. Белобров, A.A. Кузьмин // Биомедицинская радиоэлектроника. 2010. №2. С. 4-10.

92. Филист, С.А. Нейросетевой решающий модуль для исследования живых систем Текст./ С.А. Филист, С.Г. Емельянов, А.Ф. Рыбочкин// Известия Курского государственного технического университета №2 (23), 2008. С. 77-82.

93. Филист, С.А. Программный модуль для кодирования QRS-комплексов на основе морфологических признаков Текст. / С.А. Филист, Зо Зо Тун, С.А. Горбатенко// Биомедицинская радиоэлектроника. №2, 2010. С.24-29.

94. Фролов, В.Н. Управление в биологических и медицинских системах: Учеб. пособие Текст./ В.Н. Фролов- Воронеж.гос.техн.ун-т. Воронеж, 2001.327 с.

95. Хайкин, С. Нейронные сети: полный курс Текст. / С. Хайкин. М.: ООО «И.Д. Вильяме», 2006. 1104 с.

96. Хайтун, Д. Наукометрия. Состояние и перспективы Д. Хайтун. М. :Наука, 1983.-121с.

97. Четыркин, Е.М. Статистические методы прогнозирования Е.М. Четыркин. М.: Прогресс, 1970. 247 с.

98. Шаповалов, В.В. Двухуровневая система принятия решений в медицинской информационной системе Текст. / В.В. Шаповалов, А.Г. Коресталев, A.B. Тишков// Биомедицинская радиоэлектроника 2010. №9. С.79-88.

99. Швагер, Д. Технический анализ. Полный курс Д. Швагер. М: Альпина, 2007. 805 с.

100. Шван Х.П., Фостер К.Р. Воздействие высокочастотных полей на биологические системы: Электрические свойства и биофизические механизмы // ТИИЭР. 1980. Т. 68, № 1. С. 121-132.

101. Шестакова, М. В. Сердечно сосудистые факторы риска у пожилых больных сахарным диабетом 2 типа и методы их коррекции Текст. / М. В.Шестакова, JI. А. Чугунова, М. Ш. Шамхалова// Русский медицинский журнал 2002; 10; 11:480-485.

102. Anderson K.M., Odel P.M., Wilson P.W., Kannel W.B. Cardiovascular disease risk profiles. Am Heart J 1991; 121: 293—298.

103. Conroy RM, Pyorala K, Fitzgerald AP, et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. Eur Heart J 2003;24:987-1003.

104. Executive summary of the Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment. ; С"of High Blood Cholesterol in Adults (Adult Treatment Panel ЯП). JAMA.2001 ,1. * {4 i ii ь1 f 4 li.

105. Ciasparov, M.S. High-frequency axial vibration in'a combined pump1. K', | * ^unit with gear stages Текст. / M.S.; Gasparov, A.N. Krachkov, L.V. Rodionov,l Л f *

106. E.V.Shakhmatov Bath, UK: Hadleys Ltd, 2007. - 117-127 pp. V« ■{>-> I

107. Grafkin,, V.V. The Specialized Data Type Which Are Exploitable Int h f : .

108. Tasks Are CriticaliTo Overflow Situations Existent In A Memory Part Used For Storing Variable's^ Value Текст. / УУ. Grafkin // Interactive Systems and1. Г 1 4 i|

109. Technologies: The' Problems of Human-Computer Interaction. Collection of" к ftscientific papers. -Ulyanovsk: UISTU; 2007. pp. 239-241.1. ЙГЛ t "

110. Grundy S.M.; Cleeman J.I.; Merz C. N.B.; Brewer H. B., Jr; Clark L.T.;5 I Vi

111. Hunninghake D.B.; * Pasternak R.C.; Smith S.C., Jr; Stone N.J., for the- 2 I* 2, J

112. Coordinating Committee of the National Cholesterol Education Program, Endorsedf ^by the National Heart, Lung, and Blood Institute, American College of Cardiology1. Vvi

113. Foundation, and American Heart Association. Implications of Recent ClinicalI1. Г > лw i J %

114. Trials for the National Cholesterol Education Program Adult Treatment Panel III

115. Guidelines. NCEP Report. Circulation 2004; 110: 227-239. ' ,f; *

116. Igolkin, fAIA. Calculation and design of exhaust'noise muf-flers fori » vjpower engineering equipment / A.A. 'Igolkin , A.N. Kruchkov, E.V. Shakhmatov //>1

117. Proceedings of the 8-th International'Symposium «Transport Noise and Vibration.- St Petersburg, 2006^ S. 14-16.j

118. National|'Cholesterol Education Program (NCEP) Expert Panel onf, I i * v

119. Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adultpfi !' |

120. Treatment Panel III). ,Third Report of the National Cholesterol Education Programf* y p* <f * * f I ** 1

121. NCEP) Expert Parieh on Detection; Evaluation, and Treatment of High Bloodfv p

122. Cholesterol in Adults*(Adult Treatment Panel III) final report. Circulation 2002; 106:3143-3421. (P !> f;

123. Zadeh LVA! Fuzzy algorithms // Information and control. Vol. 12,^ < ft. IM *1968.- №2-P. 233-238. ^h'uft " F jH