Методы, модели и алгоритм нечеткой оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Магеровский, Михаил Александрович
- Специальность ВАК РФ05.11.17
- Количество страниц 157
Оглавление диссертации кандидат наук Магеровский, Михаил Александрович
СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ
1.1. Методы оценки уровня подготовки спортсменов
1.2. Математические методы принятия решений в медицине и спорте
1.3. Системы поддержки принятия решений спортивной педагогики и медицины
1.4. Цель и постановка задач исследования
2. МЕТОДЫ АНАЛИЗА ДАННЫХ И ПРИНЯТИЕ РЕШЕНИЙ ПО ОЦЕНКЕ УРОВНЯ СПОРТИВНОЙ ГОТОВНОСТИ, ПРОГНОЗИРОВАНИЯ И РАННЕЙ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ СПОРТСМЕНОВ НА ОСНОВЕ НЕЧЕТКИХ ГИБРИДНЫХ МОДЕЛЕЙ
2.1.Метод оценки и выбора информативных показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов
2.2.Метод оценки функционального резерва организма человека по величине энергетической сбалансированности его меридианных структур
2.3. Метод синтеза гибридных нечетких решающих правил оценки уровня
спортивной готовности и состояния здоровья спортсменов
Выводы второго раздела
3. СИНТЕЗ МОДЕЛЕЙ ПРИНЯТИЯ РЕШЕНИЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПО ОЦЕНКЕ УРОВНЯ СПОРТИВНОЙ ГОТОВНОСТИ И СОСТОЯНИЯ ЗДОРОВЬЯ СПОРТСМЕНОВ
3.1. Формирование пространства информативных признаков для оценки спортивной готовности, прогнозирования и ранней диагностики заболеваний спортсменов
3.2. Синтез решающих правил оценки уровня спортивной готовности
3.3. Синтез решающих правил прогнозирования и диагностики ранних стадий заболеваний сердечно-сосудистой системы студентов, активно
занимающихся физкультурой и спортом
Выводы третьего раздела
4. РАЗРАБОТКА ОСНОВНЫХ ЭЛЕМЕНТОВ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ
4.1. Алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов
4.2. Структура интеллектуальной системы поддержки принятия решений
4.3. Результаты экспериментальной проверки прогностических и диагностических решающих правил
Выводы четвертого раздела
ЗАКЛЮЧЕНИЕ
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
138
Рекомендованный список диссертаций по специальности «Приборы, системы и изделия медицинского назначения», 05.11.17 шифр ВАК
Методология построения систем для интеллектуальной поддержки принятия решений врача – рефлексотерапевта на основе многоконтурных моделей с гибридной базой знаний2013 год, доктор технических наук Крупчатников, Роман Анатольевич
Методы и средства прогнозирования и ранней диагностики заболеваний нервной системы с учетом защитных механизмов организма2023 год, кандидат наук Крикунова Евгения Владимировна
Синтез коллективов решающих правил прогнозирования и диагностики патологии студентов с использованием латентных переменных и моделей г. Раша2014 год, кандидат наук Бойцов, Антон Владимирович
Нечеткие гибридные модели прогнозирования социально значимых заболеваний в промышленном кластере с учетом мониторинга факторов экологического загрязнения2014 год, кандидат наук Самаха Башир Аббас
Методы и средства классификации и оценки уровня функционального резерва человека на основе нечетких гибридных моделей2012 год, кандидат технических наук Коростелев, Андрей Николаевич
Введение диссертации (часть автореферата) на тему «Методы, модели и алгоритм нечеткой оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов»
ВВЕДЕНИЕ
Актуальность работы. Несмотря на значительные успехи спортивной педагогики и спортивной медицины проблема оптимального контроля и управления в спорте остается далекой от своего решения. Это во многом связано с тем, что организм спортсмена отличается сложным соподчинением своих подсистем, высокой вариабельностью управляющих сигналов со стороны внутренних систем управления, случайностью и неопределенностью при взаимодействии с внешними факторами и т.д. В силу высокой надежности, устойчивости и адаптивности организм спортсмена обладает большим запасом противодействия к внешним возмущениям.
С другой стороны, бурный прогресс современного спорта, характеризующийся высокой напряженностью спортивных состязаний и плотностью результатов, достижением предельных нагрузок спортивных тренировок, возрастанием рисков срывов процессов адаптации, приводящих к появлению и развитию профессиональных заболеваний требует совершенствования методов и средств как спортивной педагогики, так и спортивной медицины, направленных одновременно на достижение высоких и высочайших спортивных результатов и на поддержание состояния здоровья на должных уровнях.
Такая постановка вопроса требует широкого использования информационных и интеллектуальных технологий, опирающихся на современный математический аппарат. Одной из важнейших составляющих процесса оптимального управления спортивной подготовкой спортсменов является решение задач оценки уровня и готовности спортсменов к достижению высоких спортивных результатов и выявления риска появления и развития заболеваний, сопровождающих различные виды спорта. Учитывая сказанное, разработка методов, моделей и алгоритма оценки уровня спортивной готовности, прогнозирования и ранней диагностики
профессиональных заболеваний спортсменов на основе нечетких гибридных моделей является актуальной научно-практической задачей.
Степень разработанности темы исследования. В настоящее время достаточно хорошо разработана система контроля и управления процессами тренировки с переходами на соревновательный режим, теория и методика спортивной педагогики, клиническая часть травматологии и лечения спортсменов. Причем, если ранее предпочтение отдавалось разработке и исследованию роли отдельных показателей, характеризующих функциональное состояние и (или) функциональный резерв спортсменов в оценке уровня подготовленности спортсменов к соревновательной деятельности, то на современном этапе все большую популярность завоёвывает комплексный контроль.
Современная комплексная оценка уровня тренированности спортсменов включает: спортивно-педагогические методы оценки внешних параметров движения; функциональные и физиологические методы исследования деятельности отдельных анатомо-физиологических систем организма; лабораторные и биохимические методы исследования (Павлов С.Е, Павлова Т.Н., Харре Д.).
Для реализации комплексного контроля и управления уровнем спортивной подготовки используются современные технологии, реализуемые различными средствами, включая: тренажерно-диагностические комплексы для оценки и мониторинга состояния спортсменов; экспертные системы для планирования тренировочного процесса; автоматизированные системы для контроля и управления тренировочным процессом спортсменов; компьютерные программы для решения задач моделирования и прогнозирования в спорте и др.
Анализ существующих методов, методик и средств их информационной поддержки позволяет сделать вывод, что в них недостаточно внимания уделяется оценке и выбору состава и структуры используемых информативных показателей и адекватного математического
аппарата, соответствующего структуре обрабатываемых данных для различных видов спорта, этапов тренировки, соревновательной деятельности и оценки состояния здоровья спортсменов, что значительно снижает потенциальные возможности современных информационных и интеллектуальных технологий при решении выбранных в работе задач.
Проведенные нами исследования показали, что решаемые в работе задачи относятся к классу плохоформализуемых с сильно пересекающимися и нечетко определяемыми структурами данных. В этих условиях в соответствии с рекомендациями зарубежных и отечественных ученых (Л.Заде, Е.Шортлиф, А.Устинов, Н.Кореневский и др.) целесообразно использовать теорию нечеткой логики принятия решений с технологией синтеза гибридных решающих правил, которые несмотря на свои широкие возможности в спортивной педагогике и медицине не нашли пока еще своего должного применения.
С учетом актуальности и степени разработанности темы исследования сформулирована цель и определены задачи исследования.
Цель работы: повышение качества принятия решений в задачах оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов за счет использования методов теории измерения латентных переменных, группового учета аргументов и синтеза гибридных нечетких решающих правил, реализуемых с использованием информационно-интеллектуальных технологий.
Для достижения поставленной цели решены следующие задачи:
- проведена оценка структуры исследуемых данных и выбран адекватный математический аппарат исследования;
- предложен метод оценки и выбора информативных показателей, используемых для определения уровня спортивной готовности и состояния здоровья спортсменов;
- разработан метод оценки функционального резерва организма по величине энергетической сбалансированности меридианных структур;
- разработан метод синтеза гибридных нечетких правил оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов;
- изучена структура данных, характеризующих уровень спортивной подготовки спортсменов многопрофильного ВУЗа и состояние их здоровья, получена система соответствующих гибридных нечетких решающих правил;
- предложены алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов и структура интеллектуальной системы поддержки принятия решений для спортивных педагогов и врачей;
- экспериментальная апробация предложенных методов, моделей и алгоритма на репрезентативных контрольных выборках.
Научная новизна исследований. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- метод оценки и выбора информативных показателей, характеризующих уровень спортивной готовности и состояние здоровья спортсменов, отличающийся комбинированным использованием теории измерения латентных переменных с моделью Г.Раша и методов группового учения аргументов, позволяющий учитывать латентную природу исследуемых показателей и сложные структуры их взаимосвязей;
- метод оценки функционального резерва организма по величине энергетической сбалансированности его меридианных структур отличающийся тем, что в качестве информативных признаков используется величина электрического сопротивления главных акупунктурных точек меридиан, а нагрузочная проба создается за счет дозированной физической нагрузки и (или) искусственного энергетического разбаланса меридиан с фиксацией времени и уровня восстановления номинального электрического
сопротивления, позволяющий исследовать величину функционального резерва организма в целом и его подсистем с достаточной для практики точностью;
- метод синтеза гибридных нечетких решающих правил оценки уровня спортивной готовности и состояния здоровья спортсменов, отличающийся учётом внешних параметров движения, антропометрических характеристик, функциональных и физиологических показателей, индивидуальных, экологических и социальных факторов, причем частные математические модели агрегируются в финальные правила с учетом структуры признакового пространства исследуемых классов состояний, позволяющий синтезировать финальные нечеткие математические модели, обеспечивающие требуемые качество и оперативность принятия решений;
- коллектив гибридных нечетких моделей оценки уровня спортивной подготовки студентов многопрофильного ВУЗа, прогнозирования и ранней диагностики заболеваний сердечно-сосудистой системы, вызванных комплексным воздействием индивидуальных и спортивных факторов риска, позволяющий обеспечивать уверенность в принимаемых решениях на уровне 0,85;
- алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов, отличающийся учетом разбаланса текущих и эталонных состояний спортсмена и различных типов факторов риска, по величине которых принимаются решения о корректирующих педагогических и (или) лечебных воздействиях, что позволяет обеспечивать выбор рациональной технологии подготовки спортсменов с учетом требуемых уровней подготовки и видов спортивной деятельности.
Теоретическая и практическая значимость работы состоит в том, что разработаны методы оценки информативности показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов, оценки функционального резерва организма по величине энергетической сбалансированности его меридианных структур, синтеза
гибридных нечетких правил и алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов.
При использовании предложенных методов получены нечеткие математические модели оценки уровня спортивной подготовки и оценки состояния здоровья студентов многопрофильного ВУЗа, занимающихся различными видами спорта.
Полученные математические модели и алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов составили основу системы поддержки принятия решений спортивных педагогов и врачей, использование которых позволяет повысить качество подготовки спортсменов при сохранении их здоровья.
Работа выполнена в рамках прикладных научных исследований в соответствии с Федеральной целевой программой «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».
Результаты работ внедрены в учебном процессе Юго-Западного государственного университета при подготовке магистров направления 12.04.04 «Биотехнические системы и технологии» и используются в медицинской практике медсанчасти НИИЦ ФГУП «18 ЦНИИ» МО РФ (г. Курск).
Методология и методы исследований. Для решения поставленных в работе задач использовались методы синтеза биотехнических систем, системного анализа, теории проектирования сложных информационных систем, теории распознавания образов, теории нечетких множеств, теории измерения латентных переменных, теории уверенности, прикладной математической статистики, экспертного оценивания. При разработке интеллектуальной системы в качестве инструментария использовалась среда
Matlab 7.10 (Я210а) со встроенным пакетом FuzzyLogicToolbox, диалоговый пакет RUMM 2020.
Научные положения, выносимые на защиту:
1. Метод оценки информативности показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов, основанный на использовании модели Г.Раша и метода группового учёта аргументов, позволяет минимизировать пространство признаков для решения исследуемого класса задач для выбранного уровня подготовки и вида спорта с учетом индивидуальных особенностей подготовки и состояния здоровья спортсмена.
2. Методы оценки функционального резерва организма и синтеза гибридных нечетких решающих правил позволяют получать математические модели оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов для различных видов спорта с требуемым качеством принятия решений.
3. Апробация математических моделей оценки уровня спортивной подготовки спортсменов многопрофильного ВУЗа, прогнозирования и ранней диагностики заболеваний сердечно-сосудистой системы с учетом индивидуальных факторов риска показала, что уверенность в принимаемых решениях превышает величину 0,85;
4. Алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов обеспечивает функционирование интеллектуальной системы поддержки принятия решений спортивных педагогов и врачей, использование которой позволяет повысить качество подготовки спортсменов при сохранении их здоровья.
Степень достоверности и апробации результатов. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям системного анализа и теории синтеза биотехнических систем, а также аналогичным результатам, полученным другими исследователями. Методы, модели и алгоритм нечеткой оценки
уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов построены на теории распознавания образов и нечеткой логике принятия решений и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.
Апробация результатов работы.
Результаты работы докладывались и обсуждались на VIII Международной научно-практической конференции «Современные тенденции развития науки и технологий» (г. Белгород, 2015); XVIII международной научно-технической конференции «Медико-экологические информационные технологии - 2015 (г. Курск, 2015);XXVIII Всероссийской научно-технической конференции студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» Биомедсистемы - 2015 (г. Рязань, 2015); 2-й международной конференции с элементами научной школы «Актуальные проблемы энергосбережения и энергоэффективности» (Тамбов, 2015); XII международном конгрессе «Кардиостим» (Санкт-Петербург, 2016); международной научно-практической конференции «Современные научные знания: теория, методология, практика» (Смоленск, 2016).
1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ
1.1. Методы оценки уровня подготовки спортсменов
Оценка уровня подготовки спортсменов является важнейшей составляющей системы управления подготовкой спортсменов.
В спортивной терминологии под подготовленностью понимают комплексный результат физической подготовки (степень развития физических качеств): технической подготовки (уровень развития двигательных навыков); тактической подготовки (уровень развития тактического мышления); психической подготовки (уровень совершенствования морально-волевых качеств).
В общем виде оценка уровня подготовленности спортсмена относится к классу задач диагностики (оценки) состояния организма человека, которые реализуются следующими основными способами [88, 89]:
- оценка состояния организма на основе отклонений от среднестатистической нормы множества доступных для измерения и наблюдения показателей функционирования физиологических систем организма;
- путем выделения в структуре организма иерархических уровней различных физиологических систем (клеточный, органный, системный уровни), которые можно иногда описать на формальном уровне, по крайней мере в сильно упрощенном виде;
- с использованием динамических обследований (тестирования) при котором тест должен соответствовать специфике исследуемого вида спорта и обеспечивать нагрузку приоритетную для данного вида деятельности.
С точки зрения научной специфики контролируемых параметров различают педагогический, медико-биологический, психологический, биохимический, неврологический контроль и т.д.
С уровнем подготовленности спортсмена тесно связано наличие тренированности, которая характеризуется степенью функционального приспособления организма к предъявляемым тренировочным нагрузкам. Это понятие всегда ориентировано на конкретный вид специализации спортсмена и выражается в повышенном уровне функциональных возможностей организма, специфической и общей работоспособности, в достигнутой степени совершенства спортивных умений и навыков.
В процессе комплексного контроля за состоянием спортсмена, уровнем его подготовленности и тренированности, может быть использован широкий круг показателей, характеризующих различные стороны подготовленности спортсменов.
В спортивной педагогике и медицине к выбранным показателям предъявляется ряд специфических требований:
- соответствие специфике вида спорта;
- соответствие возрастным и квалифицированным особенностям спортсменов;
- соответствие направленности тренировочного процесса;
- информативность и надежность показателей контроля.
Спецификой спортивной педагогики и медицины является то, что
используемые показатели (физической, функциональной, технической, психологической, тактической, теоретической) подготовленности не имеют однозначного определения и точного количественного представления, поэтому классическая постановка задач измерения в этой сфере человеческой деятельности теряет свой смысл.
С учетом этого, в спорте используются косвенные методы измерения, основанные на тестировании с привлечением информативных и надежных тестов. В связи с этим, актуальными становятся два методологических постулата. Необходимо обеспечить:
- правильный набор тестов при учете их соответствия статистическим критериям надежности, объективности и информативности;
- определение оптимального объема показателей для оценки функционального состояния и уровня подготовленности спортсменов, его достаточность, стандартизация условия получения информации, соответствие методов контроля задачам тестирования.
Существенную роль в организации комплексного контроля играет контроль за факторами внешней среды, поскольку она может играть отрицательную роль в достигаемых результатах и в изменении состояния здоровья.
Традиционно при контроле за факторами окружающей среды учитываются:
- климат и степень адаптации к климатическим условиям (температура, влажность, интенсивность солнечной радиации, ветер, атмосферное давление);
- состояние спортивного сооружения и его микроклимат;
- качество спортивного инвентаря и оборудования, защитных сооружений;
- социально-психологическая обстановка в местах тренировок и соревнований;
- объективность воздействия;
- продолжительность переездов, условия размещения, питания и отдыха.
В решении задач оценки уровня подготовки и тренированности спортсменов используют такие понятия, как функциональное состояние (ФС), функциональный контроль (ФК), функциональная готовность (ФГ) и функциональный резерв (ФР).
В различных литературных источниках и словарях можно найти различные определения понятия функционального состояния организма. В одной из редакций под функциональным состоянием понимают интегративную характеристику состояния человека с точки зрения эффективности выполняемой им деятельности и задействованных в её
реализации систем по критериям надежности и внутренней цены деятельности. Традиционно в физиологии и психологии функциональное состояние человека рассматривается как состояние органов, отдельных систем или организма в целом. В психологии труда, инженерной психологии и эргономике ФС, анализируется на уровне работающего человека.
Классификация ФС строится на основе различных прагматических и содержательных критериев. К числу основных качественно специфических классов ФС, которые можно использовать и в спорте, относят состояние оптимальной работоспособности, утомление, монотония, разные формы физиологического и психологического стресса, экстремальные состояния [72].
Для классификации и оценки уровня ФС используют разноуровневые показатели с использованием методов теории распознавания образов, регрессионного анализа, корреляционного и факторного анализа, многомерного шкалирования.
В различных областях человеческой деятельности, включая спорт, используют различные подходы к оценке функционального состояния отдельных органов и систем, так и организма в целом. При этом следует иметь ввиду, что с точки зрения системного подхода, достаточно полная оценка функциональных состояний отдельных органов и систем не обеспечивает оценку ФС организма в целом.
Однако при определенных допущениях с определенной долей погрешности по ФС составляющих можно судить о функциональном состоянии организма, что и используют в практических исследованиях. Наиболее часто о ФС организма судят по функциональному состоянию кардиоресператорной системы, которое оценивают, например, по такому показателю, как коэффициент выносливости (КВ). Коэффициент выносливости определяется по простой формуле: 10 ■ ЧСС
КВ = 10 ЧСС (1.1)
ПД ' 7
где ЧСС - частота сердечных сокращений (уд/мин); ПД - пульсовое давление; ПД=САД - ДАД; САД - систолическое артериальное давление (мм.рт.ст.); ДАД - диастолическое артериальное давление (мм.рт.ст.). Считается, что в норме КВ=16. Больший показатель указывает на ослабление деятельности сердечно-сосудистой системы, меньший - на ее усиление.
В работе [9] функциональное состояние всего организма предлагается определять через функциональное состояние сердечно-сосудистой системы, как ведущей во всех аспектах жизнедеятельности. В этой работе Р.М.Баевский связывает функциональное состояние с адаптационным потенциалом (АП) организма, определяя его через индекс функциональных изменений (ИФИ):
ИФИ =0,011 ЧП + 0,014 САД + 0,008 ДАД + 0,014 В + 0,009 МТ +
+ 0,009Р - 0,27; (1.2)
где: В - возраст (лет); МТ - масса тела (кг); Р - рост (см).
В работе [9] дается следующая оценка функционального состояния по уровню адаптационного потенциала:
ИФИ<2,6 - адаптация удовлетворительная;
2,6 < ИФИ < 3,09 - состояние функционального напряжения (устранение факторов риска);
3,10 < ИФИ < 3,49 - функциональные возможности снижены, адаптация неудовлетворительная (врачебное обследование, профилактика обнаруженных заболеваний);
ИФИ > 3,5 - функциональные возможности резко снижены, срыв адаптации (устранение срывов врачами (лечение)).
Часто используемым показателем в спортивной педагогике и медицине, характеризующим уровень спортивной готовности является вариабельность сердечного ритма (ВСР), отражающая работу сердечно-сосудистой системы и работу механизмов регуляции целостного организма.
Вариабельность сердечного ритма считается одним из наиболее распространенных показателей активности вегетативной нервной системы, ее функционального состояния.
В основу измерительных и расчетных процедур положено измерение межпульсовых интервалов с частотой дискретизации не менее 128 Гц.
Методы анализа вариабельности сердечного ритма разделяются на методы анализа во временной области (статистические и геометрические методы), частотные методы (исследование периодических составляющих ВСР), интегральные методы (автокорреляционная и корреляционная ритмография).
Во временной области (статистические методы) определяется следующий набор показателей (в медицинских исследованиях запись ведется до 24-х часов):
SDNN (ms) - среднее квадратичное отклонение всех RR интервалов за период измерения;
SDANN (ms) - среднеквадратичное отклонение усредненных значений всех RR-интервалов в 5-ти минутном отрезке записи (оценивают изменение цикличности сердечного ритма продолжительнее, чем 5 минут, отражает длинноволновые составляющие ВСР);
RMSSD(ms) - квадратный корень суммы квадратов разниц между последовательным и RR интервалами (отражает коротковолновые составляющие ВСР);
SDNNindex(ms) - значение стандартных отклонений всех RR-интер-валов в 5-минутном отрезке записи;
SDSD (ms) - стандартное отклонение разниц между последовательными RR интервалами;
NN50 count - количество пар последовательных RR интервалов, отличающихся более, чем на 50 мс, или количество пар последовательных интервалов, в которых первый или второй интервал ближе;
РКЫ50 (%) - значения RR интервалов длительностью более 50 мс, деленное на общее число RR интервалов.
Геометрические временные методы основаны на измерении параметров гистограммы распределения кардиоинтервалов RR (сек) (рис. 1.1).
Кол-во КИ
80 70 60 50 40 30 20 10
11111
п т
н—►
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 КК сек
Рисунок 1.1. Вариант гистограммы распределения кардиоинтервалов
В стрессовых ситуациях и при патологических состояниях гистограмма имеет узкое основание и острую вершину. Ассиметричная гистограмма характерна для переходных процессов с нарушением стационарности. Многовершинные гистограммы указывают на экстросисталии, мерцательную аритмию.
Традиционно геометрические методы позволяют получать следующие наборы показателей:
- мода (Мо) - количество ИИ интервалов, которые встречаются наиболее часто (позволяет оценить реальное состояние систем регуляции обследуемого);
- амплитуда моды (АМо) - для интервалов, которые соответствуют значению моды (отражает стабилизирующий эффект централизации управления сердечным ритмом);
- вариационный размах - разность между длительностью самого большого и самого маленького интервалов.
Для оценки степени адаптации сердечно-сосудистой системы к различным факторам используют расчетные показатели:
Похожие диссертационные работы по специальности «Приборы, системы и изделия медицинского назначения», 05.11.17 шифр ВАК
Прогнозирование и ранняя диагностика профессиональных заболеваний работников электроэнергетической отрасли на основе гибридных нечетких моделей2019 год, кандидат наук Мясоедова Марина Анатольевна
Методы и средства прогнозирования профессиональных заболеваний работников животноводческого комплекса на основе нечетких нейросетевых моделей2017 год, кандидат наук Позин, Андрей Олегович
Программно-аппаратный комплекс оценки психофизиологического состояния спортсмена2010 год, кандидат технических наук Величко, Елена Николаевна
Математические модели, метод и алгоритмы прогнозирования послеоперационных осложнений при урологических заболеваниях2012 год, кандидат технических наук Харьков, Сергей Вячеславович
Методология синтеза гибридных классификаторов для прогнозирования состояния здоровья и профессиональной пригодности при работе в экстремальных условиях2018 год, кандидат наук Шуткин, Александр Николаевич
Список литературы диссертационного исследования кандидат наук Магеровский, Михаил Александрович, 2016 год
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Агарков Н.М., Артеменко М.В., Дмитриев В.В., Бабков А.С., Горбатенко С.А. Скриптинг, диагностика рака желудка на основе нечетких моделей структуры крови и анализа обследуемого /Медицинская техника. 2015. № 2. С. 23-25.
2. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. - М.: Финансы и статистика, 1989. 607 с.
3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. Справочное издание. - М.: Финансы и статистика, 1983. 472 с.
4. Александров В.В., Шнейдеров В.С. Обработка медико-биологических данных на ЭВМ - Л.: Медицина, 1984. 160с.
5. Александров В.В., Алексеев А.И., Горский Н.Д. Анализ данных на ЭВМ (на примере системы СИТО) - М.: Финансы и статистика, 1990. 245 с.
6.Анжаурова Е.Н., Егорычева Е.В., Шлемова М.В., Чернышова И.В. Использование информационных технологий в спорте и физической культуре // Международный журнал экспериментального оборудования. 2014. № 7 2. С. 92-93.
7. Анисимова Т.С. Измерение латентных переменных в образовании: Монография. - М.: Исследовательский центр проблем качества подготовки специалистов, 2004. 148 с.
8. Артеменко М.В., Оболенский А.Н. Мультипликативная аппроксимация методом группового учета аргументов // Свидетельство об официальной регистрации программы для ЭВМ № 2007611654 от 25.04.2007.
9. Баевский Р.М., Барсенева А.П. Оценка адаптационных возможностей организма и риск развития заболеваний - М.: Медицина, 1997. 235 с.
10. Баевский Р.М. Прогнозирование состояний на грани нормы и патологии - М.: Медицина, 1979. 298 с.
11. Баевский Р.М. Кибернетический анализ процессов управления сердечным ритмом // Актуальные проблемы физиологии и патологии кровообращения. 1976. С.161-175.
12. Баевский Р.М. Анализ вариабельности сердечного ритма при использовании различных электрокардиографических систем / Р.М.Баевский, Г.Г.Ивагов, Л.В.Индейкин и др. // Вестник аритмологии. 2001. № 24. С.65-87.
13. Баевский Р.М. Математический анализ изменений сердечного ритма при стрессе / Р.М.Баевский, О.Н.Кирилло, С.З.Клецкин // Медицина. 1984. 221с.
14. Башир Абас, Шевякин В.Н., Разумова К.В., Кореневская С.Н. Использование интерактивных методов классификации для решения задач медицинского прогнозирования // Фундаментальные исследования. 2014. № 1. С. 33-37.
15. Бешелев С.Д., Гурович Ф.Г. Математико-статистические методы экспертных оценок. - М.: Статистика. 1980. 263с.
16. Бикел П., Доксам К. Математическая статистика. - М: Финансы и статистика. 1983. Вып.1.- 278 с. Вып. 2. 254с.
17. Бобрицев А.А. Проблемы оценки и формирования психологической готовности спортсмена высшей квалификации силовых единоборств к соревновательной деятельности в условиях стресса//Вестник психотерапии. 2007. № 24(29). С.41-46.
18. Бойцова Е.А., Шуткин А.Н., Магеровский М.А. Оценка уровня функциональных резервов организма на основе технологии мягких вычислений и модели Г.Раша // Системный анализ и управление в биомедицинских системах. 2015. Т.14, № 3. С. 577-584.
19. Бочаров М.И. Спортивная метрология - Ухта: УГТУ, 2012. 156с.
20. Боровиков В.П. Statistica для студентов и инженеров. - М.: Компьютер Пресс, 2001. 301с.
21. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. -М.: Наука, 1974. 487 с.
22. Васильев В.Н. Распознающие системы. [Текст] / В.Н.Васильев // Справочник. - Киев.: Наукова думка. 1983. 82с.
23. Волков В.Н. Сканирующая программа для диагностики состояния тренированности у спортсменов // Теор. и практ. Физ. Культ., 1987. № 3. С.18-20.
24. Волков В.Н. Теоретические основы и прикладные аспекты управления состояния тренированности в спорте. Монография. Челябинск: Факел, 2001. - 252с.
25. Воробьев С.А. Математическая обработка результатов исследований в медицине, биологии и экологии [Текст] / С.А.Воробьев, А.А.Яшин // под ред. А.А.Яшина. Монография. - Тула. ТулГу, 1999.- 120 с.
26. Воробьев А.Н., Хасин Л.А. Программирование спортивной тренировки с использованием экспертных систем // Принципиальные аспекты кинестезиологии спорта: сб. научн.тр./Под ред. // В.Б.Коренберга, Малаховка, 1991.
27. Воронцов И.М., Шаповалов В.В., Шерстюк Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья. Спб.: ООО «ИПК Коста». 2006. - 432с.
28. Гадалов В.Н. Прогнозирование и ранняя диагностика заболеваний на основе оценки функционального резерва человека с помощью гетерогенных нечетких моделей / [Текст] В.Н.Гадалов, В.А.Иванов, В.Н,Снопков, В.В.Серебровский // Медицинская техника, 2013, № 4. С.6-9.
29. Галушкин А.И. Синтез многослойных систем распознавания образов. [Текст] / А.И.Галушкин - М.: Энергия, 19074. -386с.
30. Годик М.А. Спортивная метрология / М.А.Годик. - М.: Ф и С, 1988. - 192 с.
31. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. - Л.: Медицина, 1978. - 296с.
32. Гублер Е.В., Генкин А.А. Применение непараметрических методов статистики в медико-биологических исследованиях // Л.: Медицина. 1973, 144с.
33. Дуброва Т.А. Статистические методы прогнозирования [Текст]: Учебное пособие для вузов / Т.А.Дуброва. М.: ЮНИТИ-ДАНА, 2003, 206с.
34. Дуда Р., Харт П. Распознавание образов и анализ сцен. - М.: Мир, 1978. - 510 с.
35. Джарратано Дж. Экспертные системы: принципы разработки программирование./ Дж.Джаратано, Г.Райли. - М.: Вильямс. 2007.-1152с.
36. Дьяков В.П., МАТЬАВ 6.5 SP1/7/7 SPC/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики / В.П.Дьяков, В.В.Круглов. Серия: «Библиотека профессионала». - М.: Солон-пресс, 2006.
- 456с.
37. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. - СПб: Питер, 2003. - 528с.
38. Елисеева Н.Н. Общая теория статистики. [Текст] / Н.Н.Елисеева, М.М.Юзбашев // Учебник под ред. Н.Н.Елисеевой. - 4-е изд., перераб. и доп.
- М.: Финансы и статистика, 2003.-480с.
39. Завьялов А.В. Соотношение функций организма (экспериментальный и клинико-физиологический аспекты), М.: Медицина, 1990. - 160с.
40. Загоруйко Н.Г. Методы распознавания и их применение. - М.: Сов.радио, 1972. - 308с.
41. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание, 1974. С.5-49.
42. Заде Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений [Текст] / Л.А.Заде - М.: Мир, 1976. -312с.
43. Иванков Ю.А. Синтез нечетких решающих правил для прогнозирования и ранней диагностики заболеваний, вызываемых состоянием окружающей среды с учетом индивидуальных особенностей организма [Текст] / Н.А.Кореневский, Ю.А,Иванков, Е.А,Яковлева, Н.Н,Савченко // Системный анализ и управление в биомедицинских системах, 2007. Т.6 № 2.-с. 395-401.
44. Ивахненко А.Г. Индуктивный метод самоорганизации моделей сложных систем. - Киев: Наук.думка, 1982. - 296с.
45. Ивахненко А.Г. Самообучающиеся системы распознавания и автоматического регулирования [Текст] / А.Г.Ивахненко - Киев. Техника, 1969. -392 с.
46. Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. - Киев: Техника, 1975. - 311с.
47. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. - М.: Радио и связь, 1987. - 118с.
48. Конева Л.В., Кореневская С.Н., Дегтярев С.В. Оценка уровня пси-хо-эмоционального напряжения и утомления по показателям, характеризующим состояние внимания человека / Системный анализ. Т. 11. - № 4. -2012. - С.993-1000.
49. Кореневский Н.А. Проектирование нечетких решающих сетей настраиваемых по структуре данных для задач медицинской диагностики. [Текст] / Н.А.Кореневский // Системный анализ и управление в биомедицинских системах. 2005. Т.4.-№ 1. С.12-20.
50. Кореневский Н.А. Проектирование систем принятия решений на нечетких сетевых моделях в задач медицинской диагностики и прогнозирования. [Текст] / Н.А.Кореневский // Вестник новых медицинских технологий, 2006. Т.ХШ, №2. С.6-10.
51. Кореневский Н.А. Использование нечеткой логики принятия решений для медицинских экспертных систем/ Н.А.Кореневский // Медицинская техника. -2015. - № 1. С.33-35.
52. Кореневский Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение.
2013. № 2. С. 99-103.
53. Кореневский Н.А., Артеменко М.В., Провоторов В.Я., Новикова Л.А. Метод синтеза нечетких решающих правил на основе моделей системных взаимосвязей для решения задач прогнозирования и диагностики заболеваний/ Системный анализ и управление в биомедицинских системах. -
2014. -Т.13, № 4, с.881-886.
54. Кореневский Н.А. Синтез гибридных нечетких правил для прогнозирования, оценки и управления состоянием здоровья в экологически неблагоприятных регионах / Н.А.Кореневский, А.С.Башир, С.А.Горбатенко //Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. - № 4. - С. 69-73.
55. Кореневский Н.А. Методы поиска информативных проекционных зон и синтеза нечетких решающих правил для рефлексодиагностики. [Текст] / Кореневский, В.В.Буняев // Системный анализ и управление в биомедицинских системах. Том 3, № 2, 2004. - С. 175-178.
56. Кореневский Н.А. Синтез прогностических и диагностических нечетких решающих правил по электрическим характеристикам проекционных зон для медико-экологических приложений: [Текст] / Н.А.Кореневский, В.А.Буняев Р.А., Крупчатников // Известия ВУЗов. Северо-Кавказский регион. Технические науки, 2009. - № 4. - С.39-46.
57. Кореневский Н.А. Математические модели рефлекторных систем организма человека и их использование для прогнозирования и диагностики заболеваний [Текст] / Н.А.Кореневский, В.Н.Гадалов, В.Н.Снопков // Системный анализ и управление в биомедицинских системах, 2012. - Т.11. -№ 2. - С.515-521.
58. Кореневский Н.А., Дегтярев С.В., Серегин С.П., Новиков А.В. Интерактивный метод классификации в задачах медицинской диагностики // Медицинская техника. 2013. № 4, С. 1-3.
59. Кореневский Н.А. Теоретические основы биофизики акупунктуры с приложениями в медицине, психологии и экологии на основе нечетких сетевых моделей [Текст] / Н.А.Кореневский, Р.А.Крупчатников, Р.Т. Аль-Касасбех.- Старый Оскол: ТНТ, 2013. - 528с. - 1000 экз.-ISBN 978-5-94178398-4.
60 Кореневский, Н.А. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий: монография / Н.А. Кореневский, А.Н. Шуткин, С.А. Горбатенко, В.И. Серебровский. - Старый Оскол: ТНТ, 2016.-472 с.
61. Кореневский Н.А., Коростелев А.Н. Применение гетерогенных нечетких моделей для комплексной оценки уровня функционального резерва человека. // Вестник Воронежского государственного технического университета. 2011. Т.7. № 8. С. 142-147.
62. Кореневский Н.А., Комплексная оценка уровня функциональных резервов организма человека на основе нечетких моделей принятия решений. [Текст] / Н.А.Кореневский, А.Н.Коростелев, Е.В.Нечаев, Е.А.Бойцова // Биомедицинская радиоэлектроника.- 2010. № 2С. 30-36.
63. Кореневский Н.А. Метод оценки функционального резерва человека-оператора на основе комбинированных правил нечеткого вывода /[Текст] Н.А.Кореневский, А.Н.Коростелев, Л.В.Стародубцева, В.В. Серебровский // Биотехносфера, 2012, № 1 (19). С. 44-49.
64. Кореневский Н.А., Руцкой Р.В., Долженков С.Д. Метод прогнозирования и диагностики состояния на основе коллективов нечетких решающих правил // Системный анализ и управление в биомедицинских системах. 2013. Т.12. № 4. С. 905-909.
65. Кореневский Н.А. Программно-технический комплекс для исследования основных параметров внимания и памяти. [Текст] / Н.А.Кореневский,
Д.Е.Скопин, Р.Т, Аль-Касасбех, А.А.Кузьмин // Медицинская техника. -2010. - № 1. - С.32-35.
66. Кореневский Н.А. Использование акупунктурных точек как биоиндикаторов экологической нагрузки на организм человека для прогнозирования и диагностики заболеваний [Текст] / Н.А.Кореневский, Л.В.Стародубцева, И.И.Хрипина, А.Г,Устинов // Системный анализ и управление в биомедицинских системах, 2014. - Т.13. - № 2. - С. 312-317.
67. Кореневский Н.А., Шуткин А.Н., Бойцова Е.А. Оценка и управление состоянием здоровья на основе моделей Г.Раша/Медицинская техника, 2015, № 6. - С.37-40.
68. Кореневский Н.А., Шуткин А.Н., Бойцова Е.В., Кореневская Е.Н. Использование теории измерения латентных переменных для оценки уровня психоэмоционального напряжения /Известия Юго-Западного государственного университета. Серия; Управление, вычислительная техника, информация. Медицинское приборостроение, 2015. № 3(11).с. 103-118.
69. Кореневский Н.А. Геометрический подход к синтезу нечетких решающих правил для решения задач прогнозирования и медицинской диагностики / Кореневский Н.А., Филист С.А., Устинов А.Г., Рябкова Е.Б. // Биомедицинская радиоэлектроника. - 2-12. - № 4. С.20-25.
70. Кульбак С. Теория информации и статистика. -М.: Наука, 1967. -
408с.
71. Кэнал Л. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога [Текст] / Л.Кэнал, // Распознавание образов при помощи цифровых вычислительных машин. - М.: 1974. - 157 с.
72. Леонова А.Б. Психодиагностика функциональных состояний человека. - М.: Изд-во МГУ, 1984. - 200с.
73. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. [Текст] / Г.С.Лбов, Новосибирск: Наука.1981. - 287с.
74. Лувсан Г. Очерк методов восточной рефлексотерапии [Текст] /Г.Лувсан. - 3-е изд., перераб. и доп. - Новосибирск: Наука, Сиб. отд-ние, 1991. - 432 с.
75. Магеровский Н.А., Кониченко А.В., Кореневская С.Н., Крупчат-ников Р.А. Оценка состояния спортсменов по величине электрической сбалансированности меридианных структур организма / Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. № 4 (17). 2015. С. 99-103.
76. Маслак А.А. Измерение латентных переменных в социально-экономических системах: Монография. - Славянск-на-Кубани: Изд. Центр СГПИ, 2006. - 333 с.
77. Маслак А.А. Теория и практика количественного измерения латентных переменных в здравоохранении и других социальных системах // Материалы Конгресса Всероссийского Форума «Здоровье нации - основа процветания России». - М.: НЦССХ им. А.Н.Бакулева, 2005. - С.91-92.
78. Математические модели прогнозирования и профилактики рецидивов инфаркта миокарда в реабилитационном периоде:Монография/ С.П.Серегин, О.Г.Воробьева, С.Н.Кореневская [и др.] Юго-Зап. Гос. ун-т. -Курск, 2015.- 166с.
79. Медникова О.В., Кореневский Н.А., Емельянов С.Г. Прогнозирование и ранняя диагностика заболеваний среди студентов в зоне действия неблагоприятных экологических факторов // Системный анализ и управление в биомедицинских системах, 2008. Т.7. № 1. - С.33-37.
80. Методика применения экспертных методов для оценки качества продукции [Текст]. - М.: Стандарт, 1975. - 31 с.
81. Начинская С.В. Спортивная метрология: Учебное пособие для ВУЗов / С.В.Начинская. - М.: Академия, 2008. - 240с.
82. Нехаенко Н.Е. Моделирование и оптимизация диагностики и рациональной микроволновой терапии на основе мониторирования
статического потенциала биологически активных точек [Текст]: автор. дис. на соискание ученой степени д.м.н./ Н.Е.Нехаенко. - Воронеж: 2002. - 34с.
83. Нечаева Н.Г. Изменение функциональных и физических показателей организма студенток, занимающихся физической культурой при приеме апипродуктов [Текст] // дис. канд. мед. наук: 14.00.51 защищена в 2009 г. / Н.Г.Нечаева, Москва, 2009.
84. Нечушкин А.И. Определение функционального состояния канала по изменению электрокожного сопротивления в одной точке [Текст] / А.И.Нечушкин, Г.В,Мысов, Е.Б.Новикова, С.С.Усанов // Иглорефлексо-терапия. - Горький, 1974. - С. 22-25.
85. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, А.В.Алексев, Г.В.Меркурнева и др. М.: Радио и связь, 1989.
86. Омельченко В.П. Практикум по медицинской информатике [Текст]/В.П.Омельченко, А.А.Демидова // Серия: Учебники, учебные пособия / Ростов-на-Дону. Феникс, 2001.304 с.
87. Орлов А.А. Принципы построения архитектуры программной платформы для реализации алгоритмов метода группового учета аргументов / А.А.Орлов // Управляющие системы и машины, 2013. № 2. - с. 65-71.
88. Павлов С.Е., Павлова Т.Н. Функциональный контроль в современном спорте и спортивной медицине / Олимпийский бюллетень № 13 / Составители Мельникова Н.Ю., Эйнумаев А.Ю., Трескин А.В., Никифорова А.Ю. - М.: Изд-во Сайпроект, 2012. - с. 285-271.
89. Павлов С.Е., Черенков Д.Р., Павлова Т.Н, Давыдов А.П., Павлов А.С. Принципы организации комплексных педагогических и медико-биологических тестирований квалифицированных спортсменов / М.: Детский тренер, № 1, 2014. С. 28-40.
90. Патент на изобретение № 2342900 «Способ оценки функциональных резервов организма» / Н.А.Курникова - № 2007(38472/14/042084); заявл. 18.10.2007; зарег. 10.01.2009. бюллетень Федерального государственного учреждения «Федеральный институт промышленной собствен-
ности» и Федеральной службы по интеллектуальной собственности, патентам и товарным знакам, «Изобретения, полезные модели» № 1, 2009. - с.693.
91. Поляев Б.А. Спортивная медицина. Итоги и перспективы. Сборник «Медицина спорта и дыхательной активности». Научно-практическое приложение к журналу Олимпийская панорама. Вып. 1, 2002.
92. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ / Э.В.Попов. - М.: Наука, 1986. - 312 с.
93. Портнов Ф.П. Электропунктурная рефлексотерапия [Текст] / Ф.П.Портнов. - Рига: Зинатне, 1980. - 245 с.
94. Портнов Ф.П. Некоторые биофизические параметры биологически активных точек в норме и при заболеваниях сердечно-сосудистой системы [Текст] / Ф.П.Портнов, Г.Н.Лисина // Иглорефлексотерапия. - Горький, 1974.
- С. 66-68.
95. Прикладные нечеткие системы / Под ред. Т.Терано, К.Асаи, М.Сугэно. М.: Мир, 1993.
96. Прогнозирование и диагностика заболеваний, вызываемых вредными производственными и экологическими факторами на основе гетерогенных нечетких моделей [Текст] / Н.А.Кореневский, В.И.Серебров-ский, Н.А.Коптева, Т.Н,Говорухина. - Курск: Изд-во Курск.гос. с.-х. ак., 2012
- 231 с.
97. Прокопьев Н.Я., Колунин Е.Г., Гуртовая М.Н., Митасов Д.Н. Физиологические подходы к оценке функциональных нагрузочных проб в спорте / Фундаментальные исследования, медицинские науки, № 2, 2014. -146-150.
98. Поспелов Г.С. Искусственный интеллект - основа новой информационной технологии / Г.С.Поспелов - М.: Наука, 1988. - 168с.
99. Рассел С., Норвиг П. Искусственный интеллект: современный подход. Пер. с англ.-М.: Издательский дом «Вильямс», 2006. -1408с.
100. Рябкова Е.Б. Метод синтеза нечетких решающих правил по информации с геометрической структуре многомерных данных [Текст] /
Е.Б.Рябкова, Н.А.Кореневский / Вестник Воронежского государственного технического университета. - 2011. - т.7. - № 8.-с. 128-137.
101. Садовский Л.Е. Математика и спорт / Л.Е.Садовский,
A.Л.Садовский. - М.: Наука, 1985. - 192с.
102. Сафонов В.О. Экспертные системы - интеллектуальные помощники специалистов. - СПб: Санкт-Петербургская организация общества «Знание», Россия, 1992.-196с.
103. Серебровский В.И. Использование механизмов нечеткой логики принятия решений для оценки состояния человека и животных (на примере прогнозирования и диагностики пиелонефритов): Монография [Текст] /
B.В.Серебровский, В.В.Федянин, С.Н.Кореневская, А.В.Серебровский. -Курская ГСХА. Изд-во Курск.Гос. с.-х ак., 2015. - 123с.
104. Серегин С.П. Современные информационные технологии в урологии: монография / С.П.Серегин, С.Д.Долженков, А.Г.Коцарь, А.В.Новиков, Н.А.Кореневский. - Курск: ОАО ИПП «Курск», 2009.-364.
105. Справочник по функциональной диагностике в педиатрии [Текст]: Под ред. Ю.Е.Ватищева, Н.С.Кисляк. М.: Медицина, 1979. - 624с.
106. Степашко В.С. Основные требования к функциональной структуре ППП МГУА для персональных ЭВМ / Управление в технических системах. -Киев: ИК АН УССР. 1990. - С. 27-34.
107. Титов В.С. Классификация функциональных состояний человека и нечеткая оценка их уровня [Текст] / В.С.Титов, Т.Н. Сапитонова // Известия Юго-Западного государственного университета. - 2012. - № 2. Ч.3. - С.320-324.
108. Ульянов С.В. Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты (обзор) // Изв. АН. Техн.кибернетика. 1991. № 3. С.3-28.
109. Усков А.А., Кузьмин А.В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. - М.: Горячая линия - Телеком. 2004. - 143 с.
110. Устинов А.Г. Автоматизированные медико-технологические системы в 3 частях [Текст] / Монография КурскГТУ, Курск. 1995.- 390с.
111. Филатова О.И. Метод, модели и алгоритм анализа и управления функциональным состоянием человека на основе нечетких гетерогенных правил принятия решений [Текст] / О.И.Филатова // дисс.канд.техн. наук: 05.11.17, защищена 11.11.11, Курск. 2011.
112. Фомин А.А. Статистическая теория распознавания образов. [Текст] / А.А.Фомин, М.: Радио и связь, 1986.
113. Фомин Ю.А. Спорт в условиях глобальной информатизации [Текст] Ю.А.Фомин, Е.Н,Скаржицкая / Теория и практика физической культуры: научно-теоретический журнал. - М., 2007, № 2. - с. 18-20.
114. Хадарцев А.А. Информационные технологии в медицине: монография [Яшин А.А., Еськов В.М., Агарков Н.М., Кобришский Б.А., Фролов М.В., Чухраев А.М., Хромушкин В.А., Гонтарев С.Н., Каменев Л.И., Валентинов Б.Г., Агаркова Д.И., Науч. Ред. А.А.Хадарцев] - Тула, 2006. -272 с.
115. Харре Д. Учение о тренировке. М.: Физкультура и спорт, 1971. -с. 256-320.
116. Хасин Л.А. Информатизация отрасли «Физическая культура и спорт» и экспертные технологии [Текст] / Л.А.Хасин. Теория и практика физической культуры. - 1996. - № 10. С. 41-45.
117. Хасин Л.А. Экспертные системы для планирования спортивной тренировки: теоретико-методические подходы и перспективы развития [Текст] / Л.А.Хасин. - Теория и практика физической культуры: Научно-теоретический журнал. - М.: 207. № 2. С.43-47.
118. Четыркин Е.М. Статистические методы прогнозирования / Е.М.Четыркин. М.: Прогресс, 1970. - 247с.
119. Шаповалов В.В. Двухуровневая система принятия решений в медицинской информационной системе / В.В.Шаповалов, А.Г.Корестелев, А.В.Тишков // Биомедицинская радиоэлектроника 2010. №9.-С. 79-88.
120. Шаповалов В.В. Нечеткий метод построения решающих правил в системах скринирующей диагностики // Биомедицинская радиоэлектроника. - 2013.- № 1. -С.64-66.
121. Шкатова Е.С. Оценка функционального состояния и функционального резерва организма по энергетической сбалансированности меридианных структур [Текст] Е.С.Шкатова, М.А.Магеровский, Ю.Б.Мухатиев. Сборник научных трудов по материалам VIII международной научно-практической конференции «Современные тенденции развития техники и технологии». Часть II, № 8, Белгород, 2015, с. 132-135.
122. Шуткин А.Н. Оценка уровня психоэмоционального напряжения на основе комбинированных нечетких моделей и модели Г.Раша / Системный анализ и управление в биомедицинских системах. Т.14, № 3, с.593-600.
123. Шуткин А.Н., Бойцова Е.А., Бойцов А.В., Кореневская С.Н. Использование гибридных нечетких моделей для оценки степени утомления / Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение, № 2, 2015. С. 107-118.
124. Шуткин А.Н., Бойцова Е.А., Кореневская С.Н., Провоторов В.Я. Оценка функционального состояния здоровья человека с использованием теории измерения латентных переменных на основе моделей Г.Раша / Системный анализ и управление в биомедицинских системах, 2014. Т.13, № 4. С. 927-932.
125. Шуткин А.Н., Бойцова Е.А., Лазунина А.В., Писарев М.В. Использование технологии мягких вычислений для оценки защитных механизмов организма / Известия Юго-Западного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение, № 2, 2015. С. 62-72.
126. Шуткин А.Н., Бойцова Е.А., Стародубцева Л.В. Оценка уровня утомления с использованием теории измерения латентных переменных /
Системный анализ и управление в биомедицинских системах. Т.14, № 3, с. 553-561.
127. Шотланд Т.М. Разработка методов и средств комплексной диагностики и управления функциональным состоянием человека по фазам динамика деятельности: дисс. Канд. Техн. Наук: 05.13.01, защищена 28.10.03, Шотланд Татьяна Михайловна, Курск, 2003. - 145с.
128. Яхъяева, Г.Э. Нечеткие множества и нейронные сети. Учебное пособие [Текст] / Г.Э. Яхъяева // М.: Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний. 2006. - 316 с.
129. Яцун, С.Ф., Бойцов, А.В. Нечеткая оценка уровня функционального резерва человека / С.Ф. Яцун, А.В. Бойцов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение - 2012. № 2. ч. 3. - С. 271275.
130. Al-Kasasbeh RT, Korenevskiy N, Alshamasin M, Kllonskly D (2015) Bioengineering System for Prediction and Early Prenosological Diagnostics of Stomach Diseases based on Energy Characteristics of Bioactive Points with Fuzzy Logic. J Biosens Bioelectron 6: 182. doi: 10.4172/2155-6210.1000182.
131. Al-Kasasbeh RT, Korenevskiy N, Alshamasin M, Ionescu F, Smith A (2012) Prediction of gastric ulcers based on the change in electrical resistance of acupuncture points using fuzzy logic decision making. Computer Methods in Biomechanics and Biomedical Engineering 16:302-313.
132. Al-Kasasbeh RT, Ionescu F, Korenevskiy N, Alshamasin M (2012) Prediction and Prenosological Diagnostics of Heart Diseases Based on Energy Characteristics of Acupuncture Points and Fuzzy Logic. Computer Methods in Biomechanics and Biomedical Engineering 15: 1476-8259.
133. Al-Kasasbeh R, Korenevskiy N, Ionescu F, Alshamasin M, Kuzmin A (2011) Synthesis of fuzzy logic for prediction and medical diagnostics by energy
characteristics of acupuncture points. See comment in PubMed Commons below J Acupunct Meridian Stud 4: 175-182.
134. Al-Kasasbeh R, Korenevskiy N, Ionescu F, Alshamasin M, Kuzmin A (2012) Prediction and prenosological diagnostics of heart diseases based on energy characteristics of acupuncture points and fuzzy logic. Computer Methods in Biomechanics and Biomedical Engineering 15: 681-689.
135. Al-Kasasbeh RT, Korenevskiy N, Ionescu F, Alshamasin M, Smith AP, et al. (2013) Application of fuzzy analysis with the energy condition of bioactive points to the prediction and diagnosis of gastrointestinal tract diseases. International Journal of Biomedical Engineering and Technology (IJBET) 11: 136154.
136. Al-Kasasbeh R, Korenevskiy N, Ionescu F, Alshamasin M (2011) Prediction and prenosological diagnostics of gastrointestinal tract diseases based on energy characteristics of acupuncture points and fuzzy logic. In: Bioinformatics
rc\
biomedical technology: Proceeding of the 3rd International Conference on Bioinformatics and Biomedical Technology (ICBBT 2011), Sanya, China.
137. Anastasakis L., Mort N. The development of Self-Organization techniques in modeling: A review of the Group Method of Data Handling (GMDH). // Res. Rep. N 813. The University of Sheffield. United Kingdom. 2001. - 38 p.
138. Andrich D. Advanced Social and Educational Measurement. - Perth: Murdoch University, 2001. - 128 p.
139. Andrich D. Rasch Models for Development. - London: Sage Publications, Inc., 1988. - 94 p.
140. Bruce, G. Buchanan, Edward H. Sportlife. Rule-Based Expert Systems The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-
201-10172-6. Fuzzy Logic Toolbox. For use MATLAB: Users Gvide.-Natick: The Math Works, Inc., 1998.-235 p.
141. Getting Started RUMM 2010. Rasch Unidimensional Measurement Models.-Pert: RUMM Laboratory Ltd. 2001. - 87 p.
142. GMDH - Examples of Applications. URL:
http: //www.gmdh.net/GMDH_exa.htm (дата обращения 12.12.2012).
143. Ivakhnenko A.G., Ivakhnenko G.A. The Review of Problems Solvable by Algorithms of the Group Method of Data Handling // Int. J. of Patt. Recog. and Image Analysis: Advanced in Mathem. Theory and Appl. - 1995. - 5, N 4. -P. 527-535.
144. Korenevskiy NA, Al-Kasasbeh RT, Ionescu F, (2011) Determining the Level of Psycho-Emotional Tension on a Heterogeneous Rules of Fuzzy Output. Proceedings of CSCS-18, 18 International Conference on Control System and Computer Science, Bucharest, Romania.
145. Korenevskiy N, Alshamasin M, Al-Kasasbeh R, Krupchatnikov R, Ionescu F (2015) Prediction and prenosological diagnosis of stomach diseases based on energy characteristics of acupuncture points. Int. J Modelling Identification and controlrol, Vol. 23, No. 1. pp. 55-67.
146. Korenevskiy, N.A. Application of Logic for Decision-Making in Medical Expert Systems [text]/ N.A. Korenevskiy//Biomedical Engineering, May 2015, Volume 49, Issue 1, pp46-49.
147. N. Korenevskiy, Riad Taha Al-Kasasbeh, F. Ionescu, M. Alshamasin, Anrew P. Smit Fuzzy Determination of the Humans Level of Psycho-Emotional. "Mega-Conference on Biomedical Engineering" Proceedings of the 4th-international conference in the development of biomedical engineering Ho Chi Minh City Vietnam January 8-12, 2012, p. 354-357.
148. N. A. Korenevskiy, D. E. Skopin, R. T. Al Kasasbeh, A. A. Kuz'min, System for Studying Specific Features of Attention and Memory, Biomedical Engineering Journal, Springer, New York, Vol. 44, No. 1, 2010, pp. 32-35.
149. Kulback, S. Information Theory and Statistics. New York: Wiley, 1959. Li HX conventional fuzzy control and its enhancement [Text] / HXLi, HB Gatland // IEEE Transactions on Systems, Man and cybernetics, Par tb, 1966.-Vol. 26, № 5.-P. 791-797.
150. Mamdani E. H., Assilian S. An experiment in linguistic synthesis whis a fuzzy logic controller // International Journal of Man-Machine Studies. 1975. N 7. P. 1-13.
151. Mamdani E. H. Application of fuzzy algorithm for simple dynamic plant / Proceedings IEEE 1974. N 12. P. 1585-1588.
152. Rasch G. Probabilistic models for some intelligence anent tests (Expand edition, with foreword and afterword by Benjamin D. Wright). - Chicago: University of Chicago Press, 1980.-199 p.
153. Sammon J.W.JR. Interactive Pattern Analysis and Classification // IEEE Transactions on computers. July 1970. Vol. C-19, Issue 7.P. 594-616.
154. Sammon, Y.W. A. Nonlinear mapping for Data Structure Analysis // IEEE Trans / Comput.-1969, - C-18-N5-P.401-409.
155. Sammon J.W.JR., Proctor, A.H. Roberts, D.F., "An interactive-graphic subsystem For pattern analysis", Pattern Recognition Pergamon Press 1971. Vol. 3 pp. 37-52.
156. Shortliffe, E.H. Computer-Based medical Consultations: MYCIN, New York: American Elseviver, 1976.
157. Smith E.V., Smith M.S. Introduction to Rasch Measurement Theory, Models and Applications. - Marle Grove, Minnesota: JAM Press, 2004.-689 p.
158. Smith R.M. Rasch Measurement Models: Interpreting WINSTEPS/BIGSTEPS and Facets Output. - Gainesville, Florida: JAM Press, 1995.
159. Takagi T., Sugeno M. Fuzzy Identification of Systems and Its Applications to Modeling and Control // IEEE Trans. SMC. 1985. Vol. 15, N. 1. Pp. 116-132.
160. Takagi T., Sugeno M. Stability Analysis and Design of Fuzzy Control Systems // Fuzzy Sets and Systems. 1992. Vol. 45, N 2. Pp. 135-156.
161. Ustinov A., Boitsov A., Korenevskaya S., Khripina E. Intelligent medical systems with groups of fuzzy dicision rules // 10 Russian-German conference on biomedical engineering June 25-27 2014. - Saint Petersburg: Saint Petersburg State Electrotechnical University, 2014. - pp. 90-92.
162. Zadeh, L.A. (1965) Fuzzy sets, Inf Control, Vol. 8, Pp. 338-353.
163. Zadeh, L.A. Advances in Fuzzy Mathematics and Engineering Fuzzy Sets and Fuzzy information-Granulation Theory. Beijing. Beijing Normal University-Press. 2005. ISBN 7-303-05324-7.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.