Модель и инструментальные средства анализа информационных процессов биологической системы Мать-плод тема диссертации и автореферата по ВАК РФ 05.13.17, доктор наук Гергет Ольга Михайловна

• Гергет Ольга Михайловна
• доктор наук
• 2018

Оглавление диссертации доктор наук Гергет Ольга Михайловна

Список сокращений и определений

ВВЕДЕНИЕ

ГЛАВА 1. ОСНОВНЫЕ АСПЕКТЫ ИНФОРМАЦИОННОГО МОДЕЛИРОВАНИЯ ОБЪЕКТОВ С РАЗВИВАЮЩЕЙСЯ СТРУКТУРОЙ И ОБНАРУЖЕНИЕ НОВЫХ ЗНАНИЙ

1.1. Структурное представление объектов с развивающейся структурой на основе системного подхода

1.2. Исследование методов формирования макросистем на основе индивидуальных свойств объектов. Магистрали развития

1.3. Динамические модели индивидуальных траекторий на основе балансовых уравнений. Понятие динамического гомеостаза

1.4. Исследование особенностей информационного моделирования состояния биообъектов

1.4.1. Бионические модели анализа функционирования биообъекта

1.4.2. Особенности моделирования состояния организма беременных женщин и детей

1.4.3. Методы извлечения информации о состоянии здоровья новорожденных

1.4.4. Алгоритм анализа информационных процессов биологической системы

Мать-плод

Выводы по главе

ГЛАВА 2. ИНФОРМАЦИОННАЯ СТРУКТУРА И МЕТОДЫ МОНИТОРИНГА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ РАЗВИВАЮЩИХСЯ СИСТЕМ

2.1. Информационная структура мониторинга функционального состояния

развивающейся системы

2.1.1. Метод оценки информационных потоков, характеризующих состояние биосистемы с учетом влияния внутренних и внешних факторов

2.2. Выявление скрытых закономерностей динамических процессов

2.3. Анализ динамических данных функционирования развивающихся биосистем. Определение магистрали развития динамических процессов

2.4. Метод интегральной оценки состояния биосистемы

2.5. Интегральный критерий оценки функционального состояния

2.6. Энтропийный метод оценки нестабильных состояний однородных объектов

2.7. Информационная структура мониторинга функционального состояния развивающихся систем на основе метода вычисления обобщенного показателя биосистемы Мать-плод (МиП)

2.8. Апробация методов и алгоритмов мониторинга функционального

состояния развивающейся биосистемы

Выводы по главе

ГЛАВА 3. БИОНИЧЕСКАЯ МОДЕЛЬ И МЕТОДЫ ОЦЕНИВАНИЯ И ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ РАЗВИВАЮЩИХСЯ СИСТЕМ С УЧЕТОМ УПРАВЛЯЮЩИХ ВОЗДЕЙСТВИЙ

3.1. Бионическая модель выбора управляющих воздействий

3.2. Нейроэволюционный метод формирования последовательности управляющих воздействий

3.2.1. Прогнозирование функционального состояния объекта исследования на основе бионической модели с учетом управляющих воздействий

3.2.2. Проблемы обучения динамических нейронных сетей

3.2.3. Целевая функция и обучение нейронной сети

3.2.4 Эволюционный подход в структуре бионической модели

3.3. Результаты бионического моделирования выбора управляющих воздействий

3.4. Методологические основы информационного анализа данных и выбора

последовательности управляющих воздействий

Выводы по главе

ГЛАВА 4. АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ МОДУЛЯ ОЦЕНИВАНИЯ ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ОРГАНИЗМА ПО ДИНАМИЧЕСКОЙ

ВХОДНОЙ ИНФОРМАЦИИ НА ОСНОВЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ

4.1. Исследование электрокардиограммы плода на основе синтеза слепого разделения источников и нейронных сетей

4.1.1. Алгоритм разделения источников абдоминальной электрокардиограммы на основе синтеза метода слепого разделения источников и нейронных

сетей

4.1.2. Обоснование выбора рекуррентной нейросетевой модели разделения сигнала

4.2. Параллельное развертывание нейронной сети

4.2.1. Алгоритм параллельного развертывания динамической нейронной

сети

4.3. Затухание градиента из-за линейности обратного распространения

4.4. Алгоритм обучения, основанный на принципе изменения знака

производной

4.4.1. Метод Resilient propagation и его модификация для обучения развернутой нейронной сети

4.5. Экспериментальное исследование алгоритма

4.5.1. Экспериментальный подбор параметров нейронной сети

4.5.2. Сравнительный анализ нейросетевого подхода и анализа независимых

компонент

Выводы по главе

ГЛАВА 5. ИНФОРМАЦИОННАЯ СИСТЕМА МОНИТОРИНГА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ОРГАНИЗМА ЧЕЛОВЕКА С УЧЕТОМ УПРАВЛЯЮЩИХ ВОЗДЕЙСТВИЙ

5.1. Информационная система нового поколения для формирования последовательности управляющих воздействий и минимизации возможности перехода в неблагоприятное функциональное состояние

5.2. Прототипирование

5.3. Проектирование системы

5.3.1. Технологии

5.3.2. Функциональные требования к системе

5.3.3. Архитектура информационной системы

5.4. Разработка информационной системы

5.5. Практическая апробация информационной системы

5.5.1. Экспериментальные данные

5.5.2. Оценивание функционального состояния беременных женщин

5.5.3. Оценивание функционального состояния детей в раннем возрасте

5.5.4. Исследование взаимосвязи различных стратегий адаптации беременных женщин с функциональным состоянием их детей

5.6. Внедрение информационной системы нового поколения и практическая значимость полученных результатов

5.6.1. Мониторинг и прогнозирование функционального состояния пациентов с профессиональными заболеваниями

5.6.2. Оценка и прогнозирование функционального состояния детей в раннем

возрасте по адаптационным стратегия беременных женщин

5.6.4. Экономический эффект применения управляющих воздействий у беременных женщин и их детей

5.6.3. Прогнозирование состояния здоровья беременных женщин и выбор

управляющих воздействий

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1 Акты внедрения

ПРИЛОЖЕНИЕ 2 Патент на изобретение и свидетельства о регистрации

программ для ЭВМ

ПРИЛОЖЕНИЕ 3 Исходные данные и результаты к главам диссертации

Список сокращений и определений

AMo - амплитуда моды;

dX - вариационный размах длительности кардиоинтервалов;

Inap - индекс напряжения;

IVR - индекс вегетативного равновесия;

Mo - мода, наиболее часто встречающееся значение RR интервала;

NSR - напряженность сердечного ритма;

PAPR - показатель адекватности процессов регуляции;

RR - среднее значение кардиоинтервалов;

Sigma - среднее квадратическое отклонение;

VPR - вегетативный показатель ритма;

ВНС - вегетативная нервная система;

КИГ - метод кардиоинтервалографии;

КИМ - метод кардиоинтервалометрии;

КОП - клиноортостатическая проба;

ССС - сердечно-сосудистая система;

СППР - система поддержки принятия решений;

ЭКГ - Электрокардиограмма;

ЭКГП - Электрокардиограмма плода;

АЭКГ - Абдоминальная электрокардиограмма;

АМП - Отношение амплитуды R-зубцов матери и плода в АЭКГ;

ЧСС - частота сердечных сокращений;

УВ - управляющие воздействия;

МиП - метод вычисления обобщенного показателя биосистемы Мать-плод

NS - нейронные сети;

GA - генетические алгоритмы;

BSS - Blind Source Separation, слепое разделение источников; ICA - Independent component analysis, анализ независимых компонент; NARX - Non-linear autoregressive model with exogenous inputs, модель нелинейной авторегрессии с внешними входами;

FTDNN - Focused time delay neural network, нейронная сеть с

фокусированной задержкой времени;

DTDNN - Distributed time delay neural network, нейронная сеть с

распределенной задержкой времени;

RProp - Resilient propagation;

RPTT - Resilient propagation through time;

LVM - Levenberg-Marquardt, метод Левенберга-Марквардта;

SCG - Scaled conjugate gradients, метод сопряжённых градиентов.

Биосистема (БС) - это сложная, целостная, саморазвивающаяся и саморегулирующаяся система, обладающая свойствами необратимости, направленности и закономерности процессов развития.

Состояние биосистемы - значения показателей лабораторно-инструментальных исследований (показатели кровеносной и сердечнососудистой систем (ЭКГ, АЭКГ), представляемые точками х1,х2,... ,хп в n-мерном пространстве

Функциональное состояние - обобщенная характеристика, отражающая уровень здоровья биосистемы, выраженная типом критической ситуации: Норма, Предкризис, Кризис.

Управляющие воздействия (УВ) - последовательность проведения корректирующих (реабилитационных) мероприятий. В контексте медицинской задачи - схема лечения.

Бионическая модель выбора управляющих воздействий - математическая модель, построенная по принципу функционирования и организации биосистем, основанная на синтезе генетического алгоритма, нейронных сетей и информационного метода расчета обобщенного показателя биосистемы Мать-плод.

Гиперпараметры - это параметры, которые являются неизменными в процессе обучения нейронной сети.

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Модель и инструментальные средства анализа информационных процессов биологической системы Мать-плод»

Актуальность проблемы

Разработка информационных технологий мониторинга развивающихся биосистем, основанных на применении бионических принципов, является одним из перспективных научных направлений. Эволюционируя в течение миллионов лет, в биосистемах сформировались структуры, в частности генетическая, иммунная, нейронная, обеспечивающие сбалансированное развитие и наличие необходимых информационных средств контроля и адаптивного управления в изменяющейся среде. В настоящее время делаются попытки комплексного использования искусственных систем обработки информации, структурно отражающих функционирование биосистем. Особое внимание при этом уделяется разработке моделей, методов и алгоритмов, всесторонне учитывающих специфику объекта исследования.

Разработка информационных технологий обработки и анализа данных является первоочередной задачей особенно в области медицины. В процессе обнаружения закономерностей в данных при принятии решения медицинские работники сталкиваются с рядом проблем: неполнота и неточность исходной информации, большая вариабельность признаков и малый объем выборок, ограниченность времени принятия решения, занятость компетентных экспертов и др. Указанные факторы нередко приводят к врачебным ошибкам. С целью повышения эффективности и качества обработки информации необходимо в основу разрабатываемых информационных систем заложить методы математического моделирования, системного анализа, теории управления. В автоматизированных системах нового поколения активно применяются нечеткая логика, интеллектуальный анализ данных, ситуационный анализ, рассуждение на основе прецедентов, нейронные сети и статистический анализ. Большое внимание на этапе проектирования информационной системы уделяется возможности обучения системы, в частности алгоритмам машинного обучения.

Среди авторов, активно развивающих это направление, следует выделить В.В. Грибову [104, 319], А.П. Карпенко [162], В.Л. Кодкина [181], В.В. Курейчика [203, 239], Л.В. Массель [215, 216], К.В. Симонова [127, 202], П.Б. Цывьян [181, 268], J. Behar [298], G. Clifford [298], J.R. Koza [327], Ming-ai Li [334], J. Oster [218], J.P. Rice [327] и др.

На данный момент ведется активная работа, связанная с созданием методов мониторинга состояния организма человека, что говорит об актуальности исследования. Нормальное функционирование организма протекает при малых отклонениях факторов от равновесного состояния, которые задают гомеостатическую стабильность. При оценивании состояния по совокупности разнотипных данных более предпочтительно формировать интегральную оценку. Решению проблемы выбора единого количественного интегрального показателя, который бы достаточно полно отражал различные стороны такого сложного явления, как здоровье, уделяли и уделяют большое внимание П.К. Анохин [18], Р.М. Баевский [30, 34], Н.В. Бокучава [53],

A.Л. Васин [64, 273], Б.А. Кобринский [175, 178], Л.И. Константинова [1, 186],

B.А. Кочегуров [188, 253], Г.В. Мамасахлисов [53], П.Е. Марченко [213], В.И. Новосельцев [227], Я.С. Пеккер [230, 241], В.А. Фокин [260], Т.В. Хохлова [264], А.В. Шафиркин [274] и др.

Данное направление исследований прежде всего связано с необходимостью количественно оценить реакцию целостной системы на изменения, происходящие под действием факторов внутренней и внешней среды. Следовательно, оценку состояния организма разумно формировать на основе интегральных показателей, что позволит выявлять не только функциональные особенности организма в различных условиях, но и делать выводы об адаптационных возможностях системы на основе проведения дозонологических обследований и соответствующего моделирования.

Следует обратить внимание еще на один важный аспект: рождение здорового поколения, снижение материнской и младенческой смертности, сохранение здоровья сложной развивающейся биосистемы Мать-плод, в которой

с одной стороны, мать и плод находятся в переходном состоянии, с другой - обе подсистемы развиваются, адаптируясь и взаимодействуя друг с другом и внешней средой. Президент Российской Федерации В.В. Путин в ноябре 2017 года выступая на заседании Координационного совета по реализации Национальной стратегии действий в интересах детей на 2012-2017 отметил, что демографическая ситуация в России обостряется, «...нужна активная, последовательная работа по всем направлениям - и по снижению смертности, и по стимулированию рождаемости».

В результате проводимых в последние годы мероприятий по совершенствованию здравоохранения в России можно отметить устойчивую положительную тенденцию к снижению материнской и младенческой смертности, смертности населения по всем основным группам заболеваний и увеличению продолжительности жизни. Однако, общее количество случаев смерти в период беременности и в раннем детском возрасте выше, чем в странах Прибалтики и Западной Европы. В докладе Детского фонда ООН (ЮНИСЕФ) сообщается, что в России тринадцать детей из тысячи родившихся живыми не доживают до пяти лет, что в среднем в два раза больше, чем в развитых странах.

Несмотря на современные достижения в области анализа и обработки информации, сохраняется необходимость в: разработке эффективных методов, моделей и алгоритмов комплексной оценки и прогнозирования состояния биосистемы Мать-плод; разработке рекомендаций по выбору последовательности корректирующих мероприятий с целью минимизации возможности перехода в критическое состояние в условиях большой вариабельности признаков и неполноты информации.

Целью работы является повышение качества мониторинга и прогнозирования состояния биосистемы Мать-плод посредством создания бионической модели, методов и алгоритмов анализа информационных потоков, обеспечивающих увеличение эффективности использования информационных технологий в медицинских информационных системах.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Провести анализ существующих моделей, методов и алгоритмов мониторинга и прогнозирования состояния биосистемы Мать-плод.

2. Разработать методические основы информационного анализа данных и обнаружения в них закономерностей на базе новых бионической модели и метода вычисления обобщенного показателя биосистемы Мать-плод (МиП).

3. Предложить методы и алгоритмы интегральной оценки и прогнозирования состояния биосистемы.

4. Оценить динамику изменения состояния, обнаружить закономерности в полученной информации и использовать выявленные закономерности при мониторинге и прогнозировании состояния биосистемы Мать-плод.

5. Провести исследования по применению методов машинного обучения для диагностики, прогнозирования и формирования последовательности управляющих воздействий на биосистему с целью минимизации отклонения состояния биосистемы от нормы.

6. Разработать и апробировать новую бионическую модель выбора управляющих воздействий.

7. Разработать и реализовать алгоритм выбора гиперпараметров бионической модели.

8. Реализовать метод обучения нейронной сети, при котором решается проблема зависимости коррекции веса в глубоких слоях от значений производных.

9. Выделить тип модели, алгоритм мониторинга функционального состояния, способ представления управляющих воздействий с целью повышения адекватности бионического моделирования.

10. Провести исследование методов и разработать алгоритм, позволяющий повысить точность разделения источников взаимодействующих информационных процессов (на примере, абдоминальной электрокардиограммы).

11. Разработать информационную систему мониторинга, прогнозирования состояния биосистемы, выбора последовательности управляющих воздействий и провести вычислительный эксперимент с целью анализа эффективности реализованных алгоритмов.

12. Внедрить предложенный программный комплекс, в рамках которого проводились исследования и реализовывались модель, методы и алгоритмы, в лечебные учреждения и организации, реализующие высокотехнологичные решения по автоматизации процессов в медицинских учреждениях.

Объект исследования

Информационные процессы, характеризующие биосистему Мать-плод.

Предмет исследования

Современные инструментальные средства анализа информационных процессов; динамика параметров характеристик процессов, протекающих в биосистеме Мать-плод, представленных набором информационных потоков; методы мониторинга и прогнозирования состояния развивающихся биосистем.

Методы исследования

Проведенные в диссертационной работе исследования основаны на использовании методов системного анализа, теории информации, вычислительной математики, теории вероятностей, математической статистики, машинного обучения и прикладного программирования.

Научная новизна работы

1. Предложен метод вычисления обобщенного показателя биосистемы Мать-плод (МиП), который позволяет получить количественную оценку состояния развивающейся биосистемы, отличающийся от существующих применением динамических параметров формирования признаков.

2. Впервые разработана бионическая модель, основанная на синтезе метода вычисления обобщенного показателя МиП, искусственных нейронных сетей и генетического алгоритма, позволяющая повысить эффективность выбора управляющих воздействий.

3. Разработан новый принцип представления данных в бионических моделях и алгоритм выбора гиперпараметров бионической модели, отличающийся от существующих возможностью явного или неявного представления информации.

4. Разработан алгоритм разделения источников ЭКГ-сигнала, адекватно отражающий информационные взаимодействия между элементами развивающейся биосистемы Мать-плод, основанный на синтезе метода слепого разделения источников и нейронных сетей, отличающийся от существующих тем, что коэффициентами разделяющей матрицы являются весовые коэффициенты нейронной сети.

5. Модифицирован алгоритм минимизации целевой функции обучения нейронной сети, позволяющий решить проблему зависимости коррекции веса от количества развертываний рекуррентной нейронной сети, отличающийся от существующих определением коррекции веса в зависимости от динамики знака суммы производных целевой функции по весу.

6. Разработана структура информационной системы предобработки и анализа информации, поступающей из разнородных источников, и ее программная реализация, которая выступает каркасом систем мониторинга, прогнозирования, выбора управляющих воздействий, отличающаяся от существующих наличием новых предложенных в работе алгоритмов, моделей и методов.

Достоверность результатов диссертационной работы обеспечивается корректностью постановок задач, строгостью применения математического аппарата, соответствием экспериментальных данных, полученных в ходе

исследований и опытного внедрения информационной системы, непротиворечивостью моделей, проверкой на тестовых примерах.

Практическая значимость

Практическая значимость состоит в применении разработанных методов и алгоритмов анализа данных в слабо формализованных областях в ряде практических задач.

1. Выявлены закономерности реакции организма на условия жизнедеятельности, которые могут быть использованы в качестве адаптационных характеристик биосистемы Мать-плод.

2. Реализован магистральный подход представления результатов наблюдения за функционированием объекта исследования, позволяющий выявлять закономерности группового поведения объектов исследования и получать доказательные оценки индивидуального состояния на основе анализа информационных процессов.

3. Осуществлена эффективная оценка функционального состояния биосистем, и совместно с врачами сформированы рекомендации по выбору корректирующих мероприятий с целью минимизации возможности перехода в критические функциональные состояния.

4. Разработана и реализована подсистема выбора последовательности управляющих воздействий на основе бионической модели. Использование разработанной подсистемы в ряде клиник: ЛОЦ «Здоровая мама-крепкий малыш», ФГБНУ «Восточно-сибирский институт медико-экологических исследований», Научно-клинический консультативный Центр гормонального здоровья, позволило повысить точность диагностики и прогнозирования состояния объекта исследования.

5. Реализованы бионическая и регрессионная модели состояния биообъекта. На основании перекрестной проверки обнаружены аномалии, которые не могли быть оценены надлежащим образом ни одной из исследованных моделей.

6. Создана, верифицирована и внедрена в клиническую практику информационная система, позволяющая осуществлять выбор последовательности управляющих воздействий для определения схемы лечения, на основе разработанных моделей и методов.

Предложенные в работе методы, модель и алгоритмы могут быть применимы в разных предметных областях.

Положения, выносимые на защиту

1. Метод вычисления обобщенного показателя биосистемы Мать-плод, позволяющий получить количественную оценку состояния с учетом динамических параметров формирования признаков, обеспечивающий увеличение точности оценки состояния развивающихся биосистем. Разработка математических моделей и методов взаимодействия информационных процессов, в том числе на базе специализированных вычислительных систем (п. 12 паспорта специальности).

2. Бионическая модель выбора управляющих воздействий, основанная на синтезе метода вычисления обобщенного показателя МиП, искусственных нейронных сетей и генетического алгоритма, позволяющая повысить эффективность выбора управляющих воздействий и, как следствие, снизить возможность перехода в критическое состояние в среднем на 14 %. Применение бионических принципов, методов и моделей в информационных технологиях (п. 13 паспорта специальности).

3. Алгоритм выбора гиперпараметров бионической модели. Реализация алгоритма в автоматизированной системе позволила повысить точность прогнозирования обобщенной оценки состояния биосистемы (на 10-12%) в отличие от линейной регрессии. Применение бионических принципов, методов и моделей в информационных технологиях (п. 13 паспорта специальности).

4. Алгоритм выделения электрокардиограммы плода из абдоминального ЭКГ-сигнала, основанный на синтезе метода слепого разделения источников, обратного распространения ошибки во времени и правила коррекции веса в

зависимости от динамики знака суммы производных целевой функции по весу. Реализация алгоритма в информационной системе позволила снизить значение

среднеквадратичной ошибки тестирования (порядка 10 ), что на порядок меньше по сравнению с алгоритмами обучения Левенберга - Марквардта, сопряженных градиентов и Resilient propagation. Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях (п. 5 паспорта специальности).

5. Программное обеспечение, реализующее совокупность разработанных моделей, методов и алгоритмов мониторинга, прогнозирования состояния биосистемы и выбора управляющего воздействия. Исследование, в том числе с помощью средств вычислительной техники, информационных процессов, информационных потребностей коллективных и индивидуальных пользователей (п. 1 паспорта специальности). Применение бионических принципов, методов и моделей в информационных технологиях (п. 13 паспорта специальности).

Внедрение

1. Проведена адаптация предложенных алгоритмов и методов на базе:

• ЛОЦ «Здоровая мама - крепкий малыш», г. Томск (акт о внедрении от 15.02.2018);

• Национального центра акушерства, гинекологии и перинатологии, г. Астана (акт о внедрении от 29.11.13);

• ФГБНУ «Восточно-сибирский институт медико-экологических исследований», г. Ангарск (акт о внедрении от 26.03.2018);

• ООО «Элекард-Мед», г. Томск (акт о внедрении 18.04.2018);

• Научно-клинический консультативный Центр гормонального здоровья, г. Томск (акт о внедрении от 29.01.18);

• КГБУЗ «Консультативно-диагностический центр», г. Бийск (акт о внедрении 20.03.18);

• ФГБНУ «Томский национальный исследовательский медицинский центр Российской академии наук» «Научно-исследовательский институт кардиологии» (акт о внедрении 26.04.18).

Использование разработанного комплекса программ в лечебно-оздоровительных центрах, роддомах и организациях, реализующих высокотехнологичные решения в области ПО для автоматизации процессов в медицинских учреждениях, позволило повысить скорость обработки информации и точность диагностики и прогнозирования.

2. Получено 4 свидетельства о государственной регистрации программ для ЭВМ: Гергет О.М. Автоматизированная система энергоинформационного принятия решения // Программа для ЭВМ. - № 2014660045; заявл. 06.08.2014; Гергет О.М., Милешин А.А. Интеллектуальная система диагностики состояния здоровья на основе математических методов // Программа для ЭВМ. -№ 2014618085; заяв. 14.06.2014; Гергет О.М., Девятых Д.В. Нейросетевой обработчик абдоминальной электрокардиограммы // Программа для ЭВМ. -№ 2016613369; заявл. 26.01.2016; Гергет О.М., Девятых Д.В. Конструктор динамических и глубоких нейронных сетей // Программа для ЭВМ. -№ 2016616790; заявл. 25.04.2016.

3. Получен патент на изобретение: Патент 2449287 Российская Федерация. Способ антенатального прогнозирования последствий перинатальных поражений нервной системы у детей / Кривоногова Т.С., Быбченко Е.Г., Гергет О.М., Соловьева С.А., Михалев Е.В.; патентообладатель ГОУ ВПО СибГМУ Минздравсоцразв; опубликован 27.04.2012.

Содержание диссертации соответствует специальности 05.13.17 «Теоретические основы информатики», а именно п. 1, 2, 5, 12, 13.

Реализация результатов

Результаты диссертационного исследования использованы при выполнении следующих проектов:

• РФФИ, № 13-07-90902-мол_ин_нр «Математические методы и программные средства доказательной медицины», Р; № 04-06-80413-а «Моделирование адаптационных стратегий человека», Р; № 15-07-08922-а «Разработка виртуального Центра оценки и прогнозирования качества здоровья детей с наиболее распространенными хроническими неинфекционными заболеваниями», И.

• РГНФ, 07-06-12143-в, «Информационная система оценки и мониторинга психофизиологического состояния беременных женщин», И; № 11-06-12010в «Распределенная информационно-аналитическая система оценки компетентности ИТ-специалистов», И; № 12-06-12057 «Создание системы алгоритмических и программных средств обработки, представления и анализа экспериментальных данных в социальных и медицинских исследованиях», И.

• Совместный проект с КарГТУ (Республика Казахстан), № 01112РК02111, 2013-2015 «Разработка распределенной интеллектуальной системы для оценки и прогнозирования заболеваемости детей в раннем возрасте по адаптационным стратегиям беременных женщин», Р.

• Грант областной администрации г. Томска (гос. контракт № 322/1 от 9 июля 2010 г.) «Разработка и создание программно-аппаратного комплекса для мониторирования состояния системы мать-плацента-плод с последующей организацией службы сопровождения беременности», Р.

• Государственное задание «Наука», № 44.002.13.800. 2013 г. «Разработка медицинских технологий комплексной реабилитации пациентов с профессиональными заболеваниями на основе использования преформированных и природных лечебных факторов региона»; № 17.8205.2017/БЧ «Моделирование и алгоритмизация процессов обработки, анализа и репрезентации графических данных в режиме реального времени для проведения эндоваскулярных операций на сердце».

• Государственное задание «Наука», проектная часть № 2.3583.2017/4.6 «Создание информационной системы защищенного управления гетерогенными

сетями и устройствами, образующими инфраструктуру «интернета вещей», проектная часть ГЗ ТУСУР на 2017-2019гг.

• Проект «Разработка и исследование базовых принципов функционирования интеллектуальных робототехнических систем с использованием естественно-языкового интерфейса Интернета вещей», поддержанный грантов Президента Российской Федерации по государственной поддержке ведущих научных школ Российской Федерации «НШ-3070.2018.8».

Апробация работы

Основные положения и практические результаты диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях и форумах: XIII Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (Иркутск, 2008); Международная научно-техническая конференция «Интеллектуальные системы» (IEEE AIS-08) и «Интеллектуальные САПР» (CAD-2008) (Дивноморское, 2008); V Международная научная конференция «Системный анализ в медицине (САМ-2011)» (Благовещенск, 2011); IX Всероссийская научно-практическая конференция «Молодежь и современные информационные технологии» (Томск, 2011); Международный симпозиум «Информационно-коммуникационные технологии в индустрии, образовании и науке» (Караганда, 2012); XXI Международная конференция «Новые информационные технологии в медицине, биологии, фармакологии и экологии» (IT+M&E'2013) (Ялта, 2013); XIX Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (Иркутск, 2014); The 9th International Forum on Strategic Techology (IF0ST-2014) (Бангладеш, 2014); 11th Joint Conference on Knowledge-Based Software Engineering (Волгоград, 2014); XX Байкальская Всероссийская конференция и Школа-семинар научной молодежи «Информационные и математические технологии в науке и управлении» (Иркутск, 2015); II Международная научная конференция «Информационные технологии в науке, управлении, социальной

сфере и медицине» (Томск, 2015); XVI Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям (Красноярск, 2015); Международная конференция «Information Technologies in Business and Industry (ITBI2016)» (Томск, 2016); XIII Всероссийская научно-практическая конференция «Технологии Microsoft в теории и практике программирования» (Томск, 2016); XXII Байкальская Всероссийская конференция и Школа-семинар научной молодежи «Информационные и математические технологии в науке и управлении» (Иркутск, 2017), II Международная конференция «Creativity in intelligent technologies & data science», CIT&DS 2017 (Волгоград, 2017).

Публикации

Материалы диссертации опубликованы в 63 печатных работах, из них 1 монография, 18 статей в журналах, рекомендованных ВАК, 16 публикаций из источников, индексируемых в базе SCOPUS и WoS, 26 статей в научно-технических журналах и сборниках, 2 учебных пособия. Получено 4 свидетельства о гос. регистрации программ на ЭВМ, 1 патент на изобретение.

Личный вклад соискателя

Основные научные результаты, выносимые на защиту, получены автором лично. Интегральный критерий, входящий в предложенный метод мониторинга состояния развивающейся системы как один из элементов, был разработан автором совместно с к.т.н., профессором Сибирского государственного медицинского университета Я.С. Пеккером и д.т.н, профессором Томского политехнического университета О.Г. Берестневой. Метод мониторинга функционального состояния с позиции обменных процессов предложен д.т.н., профессором В.А. Кочегуровым. Автором осуществлен анализ возможностей оптимизации данного метода и разработан метод вычисления обобщенного показателя биосистемы Мать-плод, позволяющий увеличить точность идентификации и прогноза. Алгоритм нахождения матрицы разделяющих-

весовых коэффициентов разработан автором совместно с аспирантом Д.В. Девятых. Разработка и апробация бионической модели выбора последовательности управляющих воздействий осуществлялась автором самостоятельно. Создание методических основ информационного анализа данных и обнаружения в них закономерностей осуществлялось автором лично. Разработанные методы и алгоритмы реализованы в виде комплекса программ автором совместно с Д.В. Девятых. Обсуждение полученных результатов и подготовка материалов к печати выполнено совместно с экспертами (врачами): д.м.н. Т.С. Кривоноговой, д.м.н. Е.В. Михалевым, к.м.н. О.С. Тонких, к.т.н. Я.С. Пеккером.

Благодарности

Автор выражает глубокую и искреннюю благодарность учителю и наставнику доктору технических наук, Заслуженному профессору ТПУ Владимиру Александровичу Кочегурову.

Структура и объем диссертации

Диссертационная работа состоит из введения, 5 глав, заключения, списка литературы и 3 приложений. Объем работы составляет 316 страниц текста, в том числе 82 рисунка и 64 таблицы.

ГЛАВА 1. ОСНОВНЫЕ АСПЕКТЫ ИНФОРМАЦИОННОГО МОДЕЛИРОВАНИЯ ОБЪЕКТОВ С РАЗВИВАЮЩЕЙСЯ СТРУКТУРОЙ

И ОБНАРУЖЕНИЕ НОВЫХ ЗНАНИЙ

1.1. Структурное представление объектов с развивающейся структурой на основе системного подхода

В настоящее время существует большое разнообразие определений понятия «система». По словам основоположника теории систем Л. фон Берталанфи, система - это «комплекс взаимодействующих компонентов» или «совокупность элементов, находящихся в определенных отношениях друг с другом и со средой» [297]. В соответствии с Большой советской энциклопедией система есть «объективное единство закономерно связанных друг с другом предметов, явлений, а также знаний о природе и обществе». А. Холл, например, описывает систему как совокупность предметов, связей между предметами и их признаками [265]. Теория систем используется многими отечественными и зарубежными учеными в практических исследованиях: В.Г. Афанасьев,

A.И. Баркин, Л. Берталанфи, А.Дж. Вильсон, В.Н. Волков, Б.С. Дарховский,

B.Н. Новосельцев, Ф.И. Перегудов, Р.А. Перелет, Ю.С. Попков, И.Р. Пригожин, Ф.П. Тарасенко, Г. Хакен, М.В. Хачумов, А.М. Цирлин, У.Р. Эшби и др. Данный термин применяют в случае, когда необходимо исследуемый объект представить как нечто сложное, целое, изобразив его графически или описав математическими выражениями, не вдаваясь во взаимосвязи входящих подсистем. В этом случае система рассматривается как модель «черный ящик», а наблюдения за функционированием системы проводят на входах и выходах. Часто такого подхода для достижения поставленных целей недостаточно, тогда на первый план выходят структуры объектов и их связи. В рамках диссертации понятие «система» используется как совокупность объектов, позволяющая исследовать поставленную проблему, а сама система включает цель, структурные элементы и связи между ними. Любая система обладает свойствами

Список литературы диссертационного исследования доктор наук Гергет Ольга Михайловна, 2018 год

- - -

Примечание. ркс, рсо, рко- уровень достоверности при сравнении соответствующих оценок по шкале Апгар между сравниваемыми группами по критерию Фишера.

Анализ результатов, позволил сделать вывод, что выбор рекомендованной схемы управляющих воздействий позволил снизить количество женщин в состоянии напряженности на 4 % в 1-й группе (УВ №1), на 14 % во 2-й группе (УВ №2) и на 13 % - в 3-й группе (УВ №3). Отметим, что улучшение состояния здоровья женщины в основной группе отразилось на количестве рожденных здоровых новорожденных. Увеличение (на 17%) количества здоровых детей с оценкой 8-10 баллов по шкале Апгар наблюдалось в основной группе по отношению к группе сравнения, что подтверждено актом о внедрении ЛОЦ «Здоровая мама - крепкий малыш» от 15.02.18.

С целью оценки скорости сходимости алгоритмов выбора управляющих воздействий на исходных реальных данных был проведен анализ результатов (таблица 20), полученных посредством методов имитации отжига (Больцмановского отжига, отжига Коши, быстрого отжига) и генетического алгоритма при 100 независимых запусках.

Таблица 20

Сравнение алгоритмов выбора управляющих воздействий

Название алгоритма Достижение Число Время выполнения

оптимума итераций итерации

BestRand+1pCrossing да 146 0.172

BestRand+2pCrossing да 290 0.301

BestRand+^Crossing да 74 0.214

Roulette+1pCrossing да 290 0.280

Roulette+2pCrossing да 284 0.289

Roulette+^Crossing да 103 0.196

Bolcman annealing нет 10000 0.515

Fast annealing да 1600 0.148

В связи с тем, что при выборе последовательности управляющих воздействий при первом запуске формируется популяция из 70 хромосом, то выбор последовательности управляющих воздействий осуществлен на основе генетического алгоритма. В таблице 21 приведены результаты реализации алгоритма выбора последовательности управляющих воздействий.

Таблица 21

Варианты управляющих воздействий, подобранные с целью минимизации возможности возникновения неблагоприятного исхода

Триместр Значения функции потерь 3„ рассчитанные по показателям женщины из основной группы с соматическим

заболеванием

1 2 3

коррекционный коррекционный коррекционный

комплекс комплекс комплекс

1 0,4 0,7 0,1

2 0,2 0,7 0,3

3 0,1 0,5 0,4

По результатам, приведенным в таблице для конкретного объекта исследования, можно сделать вывод, что комплекс оптимальных

корректирующих мероприятий, в соответствии с триместрами (для приведенного примера), должен включать 3-1-1 коррекционные комплексы.

Правильный, обоснованный выбор и реализация последовательности коррекционных мероприятий (в соответствии с внедрением результатов работы в ЛОЦ «Здоровая мама-крепкий малыш») позволил у 86% женщин основной группы, в анамнеза которых диагностировано заболевание анемия в 1 триместре беременности, и получающих комплекс коррекционных мероприятий, к третьему триместру беременности компенсировать отклонение показателей от нормы.

5.5.3. Оценивание функционального состояния детей в раннем возрасте

Мониторинг функционального состояния здоровья детей осуществлялся на основе метода обобщенного показателя МиП. Для каждого ребенка построены адаптационные функции. Выделено 4 универсальных типа адаптации на основе кластерного анализа (метод центроидов). Сопоставление полученных типов адаптации с переходными состояниями здоровья континуальной модели Б.А. Кобринского (рисунок 49) позволило сформировать названия функций [177].

Рис. 49 Схема переходных состояний здоровья

В каждой сформированной группе кривых была исследована динамика адаптационного процесса и определены границы 90 % доверительного интервала.

Первый адаптивный тип реакции на нагрузку (в качестве нагрузки исследована реакция организма на клиноортостатическую пробу) - значение индекса напряжения в ответ на нагрузку с дальнейшим восстановлением исходных значений и возвратом в зону гомеостаза (рисунок 50). Данный тип реакции организма выявлен у 52 % детей группы «Норма» и 11 % детей группы «Предкризис» (таблица 20).

Рис. 50 Адаптивный тип реакции на КОП

Второй тип реакции (компенсаторный тип) можно охарактеризовать возрастанием значений функции в положениях клиноортостаз и 1 орт с дальнейшей стабилизацией значений обобщенного показателя на ином уровне функционирования (рисунок 49). При данном типе реакции наблюдается возрастание напряжения организма и снижение функциональных резервов [90].

ОЕ

| £ у^4—, '----! т ~~~ ■ 1

1 0>т» ---

М гам/

«о / V._II__1_1_

ого 2 1 4 5

Л

■ Итак

Рис. 51 Компенсаторный тип

Третий тип реакции (декомпенсированный) сопровождается резкими колебаниями (с большим амплитудным разбросом) адаптационной функции (рисунок 52). Данный тип выявлен у 43 % больных детей в состоянии «Кризис».

Рис. 52 Декомпенсированный тип реакции

Четвертый тип характеризуется монотонным возрастанием значения функции в течение всей пробы, состояние биосистемы не стабилизируется (рисунок 53). Такой тип может характеризовать срыв адаптации и считается дезадаптивным.

Рис. 53 Дезадаптивный тип

Построенные индивидуальные адаптационные функции, характеризующие реакцию ребенка на нагрузку, сопоставлены с оптимальными траекториями.

Соответствие типа адаптационной характеристики однородной группе детей приведено в таблице 22.

Таблица 22

Соответствие типа адаптационной функции однородным группам детей

Тип кривой Здоровые дети «норма» Риск возникновения заболевания «предкризис» Больные дети «кризис»

Адаптивный 52 % 11 % 2 %

Компенсаторный 37 % 64 % 16 %

Декомпенсированный 11 % 19 % 43 %

Дезадаптивный — 6 % 39 %

Проверка достоверности статистической связи между типом кривой и функциональным состоянием осуществлялась по критерию %2.

Отметим, что адаптивный тип чаще всего встречается у здоровых детей, у которых имеется высокий уровень функционирования адаптивных систем. Третий и четвертый типы кривых характерны для недоношенных новорожденных детей, у которых состояние незрелости затрудняет процесс адаптации, и больных детей, находящихся в тяжелом состоянии (тяжелая и крайне тяжелая степень тяжести). Такие дети нуждались в проведении медикаментозных мероприятий.

5.5.4. Исследование взаимосвязи различных стратегий адаптации беременных женщин с функциональным состоянием их детей

Учитывая важную роль функционального состояния матери в процессе адаптации ребенка в раннем возрасте, в ходе исследования были поставлены следующие задачи: выявить факторы, наиболее значимые при срыве адаптации детей; оценить взаимосвязь адаптационного потенциала детей и адаптационных возможностей матерей.

Для выявления факторов, влияющих на срыв адаптации детей, была проведена оценка статистической взаимосвязи заболеваемости матери и типа адаптации их детей.

Распределение типов адаптационной реакции на нагрузку организма детей в зависимости от заболеваемости матери (группы Сравнения) представлено в таблицах 23, 24.

Таблица 23

Распределение типов адаптационной реакции на нагрузку организма детей

в зависимости от заболеваемости матери (группы Сравнения)

Адаптивный Компенсаторный Декомпен-сированный Дезадаптивный

Анемия 1 ст 20% 53% 27%

Легкий токсикоз 6% 70% 24%

Ран.угроза прерывания берем-ти 45% 51 % 4%

Гестоз 25% 41 % 24%

Гипотония 3% 79% 18%

Таблица 24

Адаптационная реакция организма детей на нагрузку, рожденных от матерей

Основной группы

Адаптивный Компенса торный Декомпенси рованный Дезадаптивный

Анемия 1ст 22% 72% 6%

Легкий токсикоз 47% 50% 3%

Ранняя угроза прерывания беременности 14% 63% 23%

Гестоз 39% 43% 18%

Гипотония 93% 7%

Для определения степени сопряженности между показателями заболеваемости матери и адаптационной реакции на клиноортостатическую пробу ее ребенка рассчитан коэффициент взаимной сопряженности А.А. Чупрова, который, в отличие от коэффициента взаимной сопряженности К. Пирсона, не зависит от количества вариантов коррелируемых признаков.

Коэффициент взаимной сопряженности

Р2 _

]1(Пх -1)(Пу -1)

К =

. Р =\ ^(5 -1)(4 -1) К

4,42

8,12 12,52 4,42

■+—--+---+...+-

25*56,6 20*25 12,5*25

4,4*4,4

1)

12

0,668.

Таким образом, связь между показателями заболеваемости матерей группы сравнения и адаптационной реакции ее ребенка сильная.

Определим силу связи по коэффициентам сопряженности. Для оценки силы связи вычислим точечную оценку коэффициента. Коэффициент Чупрова

К, =

_Р_ =4

^(5 -1)(4 -1) К

3,22

10,292

-ч-----ч...+-

14,49*34,9 49,7*14,49

12

49,7*21

-1)

12

= 0,568

Р2 = (

3,22

10,292

-+---ч...+-

14,49*34,9 49,7*14,49

12

49,7*21

1)

Рассчитаем интервальные оценки для коэффициента Чупрова с надежностью у = 0,95. Для этого вычислим предварительно оценку дисперсии статистики: Б = 4^ (70,422 + 111,704 - 124,777) = 229,393. Стандартная ошибка коэффициентов:

& =

У

229,393

= 0,0385.

4*1002(5 -1)(4 -1) * 0,5682 Кч ± ЬкБс = 0,568 ± 0,0385 • 1,96 = 0,568 ± 0,07546 , где Ь = 1.96. Анализ полученных результатов позволяет сделать вывод, что на срыв адаптации ребенка влияет наличие заболеваний Анемия и Гестоз в анамнезе матери. Корректный выбор и применение управляющих воздействий положительно влияет на адаптацию новорожденных.

По результатам исследования взаимосвязи адаптационного потенциала детей с адаптационными возможностями их матерей можно сделать следующие выводы: у детей, рожденных от матерей, получавших комплекс управляющих воздействий, наблюдались в большей мере адаптивный (34 %) и компенсаторный (50 %) типы реакции на нагрузку, функциональные резервы и уровень

(

функционирования детей были оценены как высокие. Следует отметить, что у детей, матери которых имели заболевания и не получали коррекционные (оздоровительные) мероприятия, наблюдались декомпенсированный (20 %), дезадаптивный (19 %) и компенсаторный (56 %) типы реакции при низких функциональных резервах. Следовательно, на адаптационные возможности и функциональные резервы организма детей оказывают влияние функциональное состояние, физическая и психологическая подготовленность к родам матерей.

Максимальная встречаемость компенсаторного типа реакции на нагрузку организма ребенка во всех исследуемых группах матерей указывает на нестабильность функционального состояния организма ребенка.

Часть результатов, полученных при исследовании взаимосвязи адаптационных возможностей матери и адаптационного потенциала ее ребенка, приведена в приложении 3 таблицы 49-61, рисунки 71-73.

5.6. Внедрение информационной системы нового поколения и практическая значимость полученных результатов

5.6.1. Мониторинг и прогнозирование функционального состояния пациентов с профессиональными заболеваниями

Мониторинг функционального состояния пациентов с профессиональными заболеваниями, находящихся на реабилитации в ФГБНУ ВСИМЭИ (акт от внедрении №537 от 26.03.18), осуществлялся посредством программного комплекса «Формула жизни» на основе разработанных информационных методов оценки функционального состояния при проведении нагрузочных проб. В исследовании принимали участие:

• 17 человек, у которых диагностировано заболевание баротравма легкого. Оценка состояния организма осуществлялась на основе показателей дыхательной и сердечно-сосудистой системы;

• 113 человек с диагнозом нейросенсорная тугоухость. В данном случае

оценка реакции на воздействие осуществлялась на основе показателей восприятия звуковых частот и показателей сердечно-сосудистой системы: высоких частот (4000-8000 Гц), частот речевого диапазона (500, 1000 и 2000 Гц), низких частот (125, 250 Гц), что позволяло быстро получать актуальную информацию о снижении слуховой чувствительности и ответной реакции организма на воздействие.

Для каждого пациента были рассчитаны значения: обобщенного показатель I, темпа изменения переменных состояния, восприимчивости и напряженности организма, рассмотренные в главе 2. В таблице 25 приведены результаты исследований при завершении воздействия для ряда пациентов с нейросенсорной тугоухостью. Данные об исследовании пациентов данной группы приведены в приложении 3.

Таблица 25

Результаты исследования пациентов на основе метода обобщённой оценки

состояния по результатам нагрузочных проб

Пациент Расчетные значения в программе «Формула жизни» Экспертная оценка

1а(}ар1 Напряженность Темп Т Восприимчивость Группа здоровья

а У Е ЕЬ

Ф.А.Т 1,82 Норма 0,3-1,6 2,18 (Норма 0-1) - 1,84 (Норма >0) -0,49 1,14 Норма 0-0,7 0,96 Норма 0-0,5 I ст Н. ст

М.С.В. 2,01 Норма 0,3-1,6 1,94 (Норма 0-1) -2,06 (Норма >0) -0, 08 0,85 Норма 0-0,7 0,62 Норма 0-0,5 I ет I ст

У.И.Г. 1,75 Норма 0,3-1,6 0,7 (Норма 0-1) 2,33 (Норма 0 >0) 0,25 0,9 Норма 0-0,7 0,74 Норма 0-0,5 Н. ст Н. ст

И.С.А. 1,6 Норма 0,3-1,6 0,33 (Норма 0-1) 0,49 (Норма >0) 0,51 0,72 Норма 0-0,7 0,6 Норма 0-0,5 Н. ст Н. ст

Г.С.Г 3,1 Норма 0,3-1,6 3,18 (Норма 0-1) -1,46 (Норма >0) -0,55 1,5 Норма 0-0,7 2,13 Норма 0-0,5 II ст II ст

Ш.Г.Е. 2,3 Норма 0,3-1,6 2,17 (Норма 0-1) -1.85 (Норма >0) 0,11 0,96 Норма 0-0,7 0,8 Норма 0-0,5 I ет I ст

К.А.Ю. 2,19 Норма 0,3-1,6 1,68 (Норма 0-1) -2,47 (Норма >0) -0,03 1,06 Норма 0-0,7 1,5 Норма 0-0,5 I ет I. ст

Примечание: Н.ст — начальные признаки воздействия шума на орган слуха; I ст — I степень легкое снижение слуха; II ст — умеренное снижение слуха — II степень; III ст — значительное снижение слуха.

Прогнозирование функционального состояния пациентов осуществлялось с помощью линейной регрессии и нейронных сетей. Результаты исследования приведены в таблице 26.

Таблица 26

Результаты вычислительного эксперимента

Исследуемые группы Линейная регрессия Нейросетевая модель (МББ) Нейросетевая модель (кросс-энтропия)

МАРЕ О МАРЕ О МАРЕ О

Группа1 (баротравма) 16.1173 9.0481 12.4307 10.0041 7.6486 6.1033

Группа 2 (нейр.тугоухость) 14.8271 11.6912 9.3697 8.1173 6.4375 8,0262

Применение разработанной информационной системы позволило повысить точность прогноза, а как следствие повысить эффективность назначения корректирующих мероприятий на 8% (акт об использовании результатов от 26.03. 2018).

5.6.2. Оценка и прогнозирование функционального состояния детей в раннем возрасте по адаптационным стратегия беременных женщин

При выполнении гранта №0112РК02111 Национального Научного центра материнства и детства, г. Астана была разработана система оценки и прогнозирования функционального состояния детей в раннем возрасте по адаптационным стратегия беременных женщин, в которой реализован алгоритм мониторинга функционального состояния объектов исследования, получены магистрали развития, выявлены закономерности в функционировании беременных женщин и их детей.

На рисунке 54 приведена форма, разработанной автоматизированной системы, с результатами предварительной обработки исходной информации. На рисунке 55 представлена форма расчета магистральной (предпочтительной) и оптимальных для 2-х групп (Предкризис; Кризис) траектории развития состояния беременных женщин.

Рис.54 Форма представления результатов предобработки исходной информации

Рис. 55 Форма представления результатов расчета динамических параметров.

Результаты исследования и выявленные закономерности в функционировании организма матери и ее ребенка приведены в приложении 3 таблицы 49-61. Анализ полученных результатов в группах основная и сравнение позволил сделать вывод о том, что правильно подобранные управляющие воздействия позволяют повысить функциональные резервы как матери, так и ее ребенка. В группе беременных женщин, получающих корректирующие мероприятия, отсутствуют женщины с низким функциональным резервом и высокой степенью напряжения, в то время как в группе сравнения (женщины, в анамнезе которых выявлены заболевания и не проходящие комплекс

корректирующих мероприятий) отсутствую женщины с высоким функциональным резервом, а низкие функциональные резервы наблюдаются у 69% женщин.

Разработанная система оценки и прогнозирования функционального состояния детей в раннем возрасте по адаптационным стратегия беременных женщин рекомендована к внедрению в перинатальные центры Казахстана.

5.6.4. Экономический эффект применения управляющих воздействий у беременных женщин и их детей

В соответствии с результатами исследований, полученными в рамках работы совместно с Научно-клинический консультативный Центр гормонального здоровья, рассчитан экономический эффект от применения рекомендованной последовательности управляющих воздействий для беременных женщин и детей.

В таблице 29 приведены нормативные затраты на оказание государственной (муниципальной) услуги в сфере здравоохранения на территории Томской области.

Таблица 29

Среднегодовые затраты, связанные с прохождением комплекса

оздоровительных мероприятий и лечением беременной женщины и ее ребенка

Статьи расхода за год (1 женщина и 1 ребенок) Группа, не получающая комплекс оздоровительных мероприятий (затраты в руб.) Группа, прошедшая комплекс оздоровительных мероприятий (затраты в руб.)

1.Средняя стоимость пребывания беременной в стационаре ( 7 дней) - один раз в год - два раза в год 18919.1 37838.2 госпитализации не требовалось

2.Стоимость пребывания ребенка в отделении: - патологии новорожденных (20 дней) : - недоношенных детей (II этап выхаживания 30 дней) 2582,8 • 20 = 51656 62058,4 госпитализации не требовалось

Продолжение таблицы 29

Статьи расхода за год Группа, не получающая Группа, прошедшая

(1 женщина и 1 ребенок) комплекс комплекс

оздоровительных оздоровительных

мероприятий мероприятий

(затраты в руб.) (затраты в руб.)

3. Стоимость пребывания

матери с ребенком в 21000 госпитализации не требовалось

соматическом отделении

5. Стоимость комплекса

первичной реабилитации в 2500

месяц

в том числе:

-гимнастика в динами-

ческом режиме

-дыхательная

гимнастика

а. итого комплекс 15000

первичной реабилитации

- 6 месяцев

б. аквагимнастика 200

(бассейн - 2 раза в неделю) 1600

в месяц - 8 занятий 9600

итого занятий 6 месяцев 24600

Всего по п.5.

Среднегодовые затраты на лечение беременной женщины и ее ребенка

составляют от 91575 руб. 10 коп. до 120896 руб. 60 коп., тогда как затраты на комплекс оздоровительных мероприятий составляют 24600 руб.

Реализация результатов

Результаты диссертационного исследования использованы при выполнении следующих проектов:

РФФИ, № 13-07-90902-мол_ин_нр «Математические методы и программные средства доказательной медицины», Р; № 04-06-80413-а «Моделирование адаптационных стратегий человека», Р; №15-07-08922-а «Разработка виртуального Центра оценки и прогнозирования качества здоровья детей с наиболее распространенными хроническими неинфекционными заболеваниями», И;

РГНФ, 2007-2009, 07-06-12143-в «Информационная система оценки и мониторинга психофизиологического состояния беременных женщин», И; 2011-

2012, № 11-06-12010в «Распределенная информационно-аналитическая система оценки компетентности ИТ-специалистов», И; 2012-2013, №12-06-12057 «Создание системы алгоритмических и программных средств обработки, представления и анализа экспериментальных данных в социальных и медицинских исследованиях», И;

01112РК02111 (совместный проект с КарГТУ (Республика Казахстан)), 2013-2015 «Разработка распределенной интеллектуальной системы для оценки и прогнозирования заболеваемости детей в раннем возрасте по адаптационным стратегиям беременных женщин», Р;

Грант областной администрации г. Томска (гос. контракт № 322/1 от 09 июля 2010 г.) «Разработка и создание программно-аппаратного комплекса для мониторирования состояния системы мать-плацента-плод с последующей организацией службы сопровождения беременности», Р;

«Разработка медицинских технологий комплексной реабилитации пациентов с профессиональными заболеваниями на основе использования преформированных и природных лечебных факторов региона» (Государственное задание «Наука» код 44.002.13.800. 2013г.), И;

«Моделирование и алгоритмизация процессов обработки, анализа и репрезентации графических данных в режиме реального времени для проведения эндоваскулярных операций на сердце» (Государственное задание «Наука» базовая часть №17.8205.2017/БЧ).

«Создание информационной системы защищенного управления гетерогенными сетями и устройствами, образующими инфраструктуру «интернета вещей» (Государственное задание «Наука» проектная часть № 2.3583.2017/4.6).

Проект «Разработка и исследование базовых принципов функционирования интеллектуальных робототехнических систем с использованием естественно-языкового интерфейса Интернета вещей», поддержанный грантов Президента Российской Федерации по государственной поддержке ведущих научных школ Российской Федерации «НШ-3070.2018.8».

5.6.3. Прогнозирование состояния здоровья беременных женщин и выбор управляющих воздействий

Оценка возможности применения бионических моделей с целью прогнозирования состояния здоровья беременных женщин осуществлялась экспериментально на базе Краевого государственного бюджетного учреждения здравоохранения «Консультативно-диагностический центр». Под наблюдением находились 62 женщины, у которых изучены клинико-анамнестический анамнез, факторы риска пренатального периода и результаты лабораторно-инструментальных исследований: общий анализ крови, гормоны щитовидной железы, гормоны надпочечников и поджелудочной железы. Характеристика лабораторно-инструментальных исследований приведена в приложении 3 таблица 35. В качестве меры ошибки прогнозных значений, как и в предыдущих примерах (Глава 3), выбрана величина средней абсолютной ошибки (MAPE).

Неизменными параметрами, для всех рассмотренных в эксперименте нейронных сетей типа NARX, являлись: количество скрытых слоев - 1; количество нейронов в скрытом слое - 5; количество задержек - 6; количество обратных связей - 1. В таблице 27 приведены результаты эксперимента в зависимости от алгоритма обучения и прогнозируемых значений.

Таблица 27

Ошибка прогноза в зависимости от алгоритма обучения и выходных значений сети

Алгоритм обучения MAPE (%)

Переменные состояния Обобщенный показатель

Gradient descent 16,5 12,7

LVM 6,0 8,4

Adagrad 7,4 7,2

Adadelta 6,1 4,7

Из таблицы видно, что обучение нейронной сети на основе адаптивного алгоритма Adadelta позволило в 2,7 раза снизить ошибку прогноза по сравнению

с используемым на практике для решения такого типа задач алгоритмом Gradient descent.

Выбор управляющих воздействий осуществлялся на основе генетического алгоритма и полного перебора. Полный перебор включал 262144 варианта последовательностей управляющих воздействий. При исследовании на основе генетического алгоритма формировались популяции размером: 20, 30, 50, 70 особей; вероятность кроссинговера Pc=0,7; вероятность мутации Pm=0,1, при условии, что отмеченный ген заменяется на ген из обучающей выборки, который еще не был представлен в популяции. В таблице 28 показана зависимость времени выполнения операций от алгоритма и размера выборки, при 100 независимых запусках.

Таблица 28

Характеристика работы алгоритмов

Размер выборки Среднее время выполнения расчета

20 особей (ГА) 57 сек

30 особей (ГА) 41 сек.

50 особей (ГА) 2 минут 10 сек

70 особей (ГА) 3 минут 38 сек

100 особей (ГА) 6 минут 52 сек

262144 (1Ш) 16 минуты

С целью увеличения стабильности результатов размер популяции составил 70 особей.

Автоматизация процесса анализа анамнестических и лабораторно-инструментальных данных и поиска однотипных прецедентов позволила сократить общее время затрат на обработку данных и оценку эффективности принятых решений с 20 до 14 минут.

Выводы по главе

1. Разработана и реализована информационная система выбора последовательности управляющих воздействий на основе бионической модели, которая позволяет извлекать знания из разнотипных данных с помощью различных методов машинного обучения. Использование разработанной подсистемы в ФГБНУ «Восточно-сибирский институт медико-экологических исследований» г. Ангарск, КГБУЗ «Консультативно-диагностический центр» г. Бийск, ООО «Элекард-мед», г. Томск позволило повысить точность диагностики и прогнозирования состояния объекта исследования.

2. Реализована подсистема обучения параллельно развернутых рекуррентных нейронных сетей, в отличие от стандартных алгоритмов обучения нейронных сетей, предоставленных библиотеками Matlab Neural Network Toolbox, Pybrain, TensorFlow, в «буфер краткосрочной памяти» размещаются предыдущие выходные значения нейросети вместо желаемых откликов, представленных в обучающей выборке. Желаемые отклики в разработанной подсистеме обучения используются только для вычисления ошибки, что позволяет учитывать динамический характер данных.

3. Реализована подсистема выбора последовательности управляющих воздействий. В отличие от алгоритмов, предоставляемых библиотеками Matlab Genetic Algorithm Toolbox, Pyevolve, ген, в котором инкапсулировано управляющее воздействие (при явном виде представления) или структура нейронной сети (при неявном виде представления управляющих воздействий), представлен тензором более высокого порядка, чем нулевой, что позволяет оперировать более сложной структурой данных при выборе управляющих воздействий.

4. Проведены экспериментальные исследования и статистический анализ, подтверждающие адекватность применения бионической модели и метода расчета обобщенного показателя МиП для решения задачи мониторинга состояния здоровья беременных женщин-плода-детей. Выявленные закономерности в структуре сердечного ритма и взаимосвязи между

адаптационным потенциалом матери и ребенка позволяют использовать полученные адаптационные стратегии беременных женщин и их детей в качестве прогностических критериев оценки функционального состояния здоровья.

5. Установлено статистически значимое снижение напряжения организма женщины, в анамнезе которых диагностировано заболевание анемия, вследствие проведения управляющих воздействий (коррекционных оздоровительных мероприятий), что обусловлено оптимизацией протекания восстановительных процессов и функционирования механизмов энергопродукции в организме.

6. Проведена практическая апробация информационной системы на базе ЛОЦ «Здоровая мама - крепкий малыш», г. Томск; Национального центра акушерства, гинекологии и перинатологии, г. Астана, ООО «Элекард- Мед»; г. Томск, ФГБНУ «Восточно-сибирский институт медико-экологических исследований»; г. Ангарск, ФГБНУ «Томский национальный исследовательский медицинский центр Российской академии наук» «Научно-исследовательский институт кардиологии»; Научно-клинического консультативного Центра гормонального здоровья, г. Томск; КГБУЗ «Консультативно-диагностический центр», г. Бийск. Использование разработанного комплекса программ в лечебно-оздоровительных центрах, роддомах и организациях, реализующих высокотехнологичные решения в области ПО для автоматизации процессов диагностики и выбора управляющих воздействий в медицинских учреждениях позволило повысить точность прогнозирования, снизить процент врачебных ошибок, увеличить скорость обработки информации. Получен патент и свидетельства о государственной регистрации программных продуктов.

ЗАКЛЮЧЕНИЕ

Исследования, проведенные в диссертационной работе, направлены на решение научной проблемы, имеющей важное хозяйственное значение -совершенствование методологии анализа информационных потоков, характеризующих состояние биосистемы, и инструментальных средств обнаружения закономерностей в них с целью снижения временных затрат на обработку информации и минимизации возникновения критических состояний биосистемы.

Основные результаты работы:

1. Разработаны методические основы информационного анализа данных и обнаружения в них закономерностей, включающие исследование процессов обработки информации, обобщенные оценки состояния развивающихся биосистем, новые бионические модели и алгоритмы машинного обучения.

2. Разработан и реализован метод вычисления обобщенного показателя биосистемы Мать-плод, позволяющий получить количественную оценку состояния биосистемы с учетом динамических параметров формирования признаков, обеспечивающий увеличение точности классификации объектов исследования с 90% до 97% и прогнозирования интегральной оценки состояния на 23%.

3. Получены аналитические выражения для оценки динамики изменения переменных состояния. Определены магистральные и оптимальные траектории закономерности развития, позволяющие оценить тенденцию изменения состояния здоровья. На примере оценки состояния беременных женщин показано существование 4 типов адаптационных стратегий.

4. Разработана бионическая модель, позволяющая оценить эффект от применения управляющих воздействий как по статическим, так и динамическим переменным, на основе которой построена подсистема выбора последовательности управляющих воздействий. Использование разработанной

подсистемы в ряде клиник: ЛОЦ «Здоровая мама-крепкий малыш», ФГБНУ «Восточно-сибирский институт медико-экологических исследований», ФГБНУ «Томский национальный исследовательский медицинский центр Российской академии наук» «Научно-исследовательский институт кардиологии» позволило повысить точность диагностики и прогнозирования состояния объекта исследования. Сократить время на обработку данных, принятие и оценку эффективности принятых решений с 20 минут до 14 минут при внедрении в КГБУЗ «Консультативно-диагностический центр», г. Бийск (акт о внедрении от 20.03.2018).

5. Предложен алгоритм выбора гиперпараметров модели управляющих воздействий, в котором существует возможность явного или неявного представления входной информации. Реализация алгоритма в информационной системе позволила повысить точность прогнозирования интегральной оценки состояния биосистемы (10-12 %) в отличие от линейной регрессии.

6. При решении проблем обучения нейронной сети, применение в качестве целевой функции кросс-энтропии, позволило снизить зависимость коррекции веса от значений производных. Нейросетевая модель более адекватно описывает эффект явно представленных управляющих воздействий при использовании кросс-энтропийной целевой функции.

7. Синтез метода вычисления обобщенного показателя биосистемы Мать-плод и глубоких нейронных сетей позволил более точно прогнозировать эффект от применения управляющих воздействий, в отличие от критерия, основанного на расстоянии Махаланобиса, и линейной регрессионной модели.

8. Оценка функционального состояния сердечной активности плода и слепое разделение источников абдоминальной электрокардиограммы происходит эффективнее с использованием нелинейной авторегрессионной модели с внешними входами (NARX) по сравнению с методом анализа независимых компонент (ICA).

9. Разработана структура информационной системы предобработки и анализа информации, поступающей из разнородных источников, и ее

программная реализация, которая выступает каркасом систем мониторинга, прогнозирования и выбора управляющих воздействий.

10. Проведены экспериментальные исследования и статистический анализ, подтверждающие адекватность применения бионических моделей и информационного метода для решения задач диагностики состояния здоровья беременных женщин. Достоверность результатов, полученных с помощью разработанной системы, подтверждена квалифицированными экспертами и составляет в среднем 92%.

11. Проведена практическая апробация информационной системы на базе ЛОЦ «Здоровая мама - крепкий малыш», г. Томск; Национального центра акушерства, гинекологии и перинатологии, г. Астана, ООО «Элекард- Мед»; г. Томск, ФГБНУ «Восточно-сибирский институт медико-экологических исследований»; г. Ангарск, ФГБНУ «Томский национальный исследовательский медицинский центр Российской академии наук» «Научно-исследовательский институт кардиологии»; Научно-клинического консультативного Центра гормонального здоровья, г. Томск; КГБУЗ «Консультативно-диагностический центр», г. Бийск. Использование разработанного комплекса программ в лечебно-оздоровительных центрах, роддомах и организациях, реализующих высокотехнологичные решения в области ПО для автоматизации процессов в медицинских учреждениях, позволило повысить скорость обработки информации и точность диагностики и прогнозирования.

СПИСОК ЛИТЕРАТУРЫ

1 Абдулкина, Н. Г. Алгоритмизация физиотерапии травм периферических нервов / Н. Г. Абдулкина, Е. Ф. Левицкий, В. А. Кочегуров, Л. И. Константинова, Ю. В. Горелова, Т. Е Хохлова. - Томск: Изд-во Мануфактурная фабрика. - 2007. - 151 с.

2 Аболенская, А. В. Адаптированность детского организма как эталон «величины» его здоровья / А. В. Аболенская, Р. А. Маткивский, Г. Н. Разживина, Е. П. Усанова // Педиатрия. - 1996. - № 3. - С. 107-108.

3 Аверкин, А. Н. Мягкие вычисления - основа новых информационных технологий / В кн. «КИИ 96», Сб. научных трудов 5-й национальной конференции с международным участием «Искусственный интеллект -96». - Том 2, Казань, 1996. - С. 237-239.

4 Автоматизированная система энергоинформационного принятия решения / О. М. Гергет. - Заявка № 2014618085 от 08.08.14. Свидетельство о гос. регистрации программы для ЭВМ

5 Автоматизированный анализ структуры сердечного ритма у детей (Методические рекомендации). - Томск: редакция СГМУ, 1998. - 14 с.

6 Агаджанян, Н. А. О мировоззренческих и биологических аспектах адаптации к новой среде обитания / Н. А. Агаджанян // Тез. Докл.П Всесоюзной конференции по адаптации человека к различным географическим, климатическим и производственным условиям. -Новосибирск, 1977. - Том 1. - С. 17-25.

7 Агаджанян, Н. А. Физиологические и социальные аспекты адаптации человека к экстремальным условиям / Н. А. Агаджанян // Узлов. вопр. совр. физиол. - Томск, 1984. - С. 47-63.

8 Агаджанян, Н. А. Экология человека и проблема здоровья / Н. А. Агаджанян, Р. М. Баевский // Вестник АМН СССР. - 1989. - № 9. - С.68-73.

9 Агеев, А. К. Способ определения отклонений в состоянии здоровья новорожденных и детей первого года жизни / А. К. Агеев, О.В. Кошкина. -. 2007. - Режим доступа:

http : //www.ntpo .com/patents_medicine/medicine_ 14/medicine_51 .shtml (дата обращения: 22.09.2016).

10 Айвазян, С. А. Классификация многомерных наблюдений / С. А. Айвазян, З. И. Бежаева, О. В. Староверов. - М.: Статистика, 1974.

11 Айламазян, Э. К. Антенатальная диагностика и коррекция нарушений развития плода / Э. К. Айламазян // Российский вестник перинатологии и педиатрии. - 1999. - № 3. - С. 6-11.

12 Айламазян, Э. К. Антиоксиданты в комплексной терапии позднего токсикоза беременных и связанной с ним хронической гипоксии плода / Э. К. Айламазян // // Акушерство и гинекология. - 1991. - № 3. - С. 3033.

13 Александровский, Ю. А., Поюровский М.В., Незнамов Г.Г. Неврозы и перекисное окисление липидов. - М.: Наука, 1991. - 144с.;

14 Анастасьева, В. Г. Задержка внутриутробного развития плода /

B. Г. Анастасьева. - Новосибирск, 1996. - 162 с.

15 Андреев, C. Ю. Моделирование динамики возбуждения предсердий в задачах восстановления ритма сердца: дис. ... канд. тех. наук /

C. Ю. Андреев. - Томск, 2006.

16 Андреев, С. Ю. Модели и информационные технологии в задачах лечебно-восстановительной медицины / О. Г. Берестнева, О. М. Гергет, Л. И. Константинова, В. А. Кочегуров, В. В. Марченко, Т. Е. Хохлова. -Томск: Изд-во Томского политехнического университета, 2012. - 291 c.

17 Андрусенко А.С. Искусственные иммунные системы / А.С. Андрусенко, А.П. Карпенко, В.В. Соколянский // Актуальные проблемы современной науки . - 2015. - № 6 (85) . - С. 220-226.

18 Анохин, П. К. Кибернетика функциональных систем / П. К. Анохин. -М.: Медицина, 1998. - 400 с.

19 Ариас, Ф. Беременность высокого риска / Ф. Ариас. - М.: Медицина, 1989. - 656 с.

20 Аршин, В. В. Медицинская реабилитация: современное видение, проблемы, пути решения / В. В. Аршин, В. И. Слугин, С. Г. Аршина, Я. Ю. Александрова // Анналы травматологии и ортопедии. - 1997. - № 2.

- С. 35-43.

21 Асмоловская, Л. В. О целесообразности применения пирацетама и антиоксидантов на клиническом этапе реабилитации новорожденных с гипоксией / Л. В. Асмоловская, Л. И. Забросаева, Р. Д. Шелякина, Т. В. Грибко // Сб. научных трудов «Диспансеризация и реабилитация детей с заболеваниями и последствиями травм». - Смоленск. - 1987. - С. 149151.

22 Атьков, О. Ю. Система поддержки принятия врачебных решений / О. Ю. Атьков, Ю. Ю. Кудряшов, А. А. Прохоров, О. В. Касимов // Системы поддержки принятия врачебных решений. - 2013. - № 6. - С. 67-75.

23 Ахмадеева, Э. Н. Постнатальный онтогенез детей, извлеченных путем кесарева сечения / Э.Н. Ахмадеева // Вопр. охраны материнства и детства. - 1988. - № 9. - С. 40-43.

24 Баграмян, Э. Р. Особенности гормональных изменений в системе мать-плацента-плод: автореф. дис.... докт. мед. наук / Э. Р. Баграмян. - М., 1980.

25 Баграмян, Э. Р. Эндокринные системы адаптации плода и новорожденного / Э. Р. Баграмян // Акушерство и гинекология. - 1979. -№ 9. - С.9-11.

26 Бадалян, Л. О. Детская неврология / Л.О. Бадалян. - М.: МЕДпресс, 1998.

- 576 с.

27 Бадалян, Л. О. Защита развивающегося мозга - важнейшая задача перинатальной медицины / Л. О. Бадалян. - Ташкент, 1992. - С. 39 - 42.

28 Бадалян, Л. О. Современные проблемы алкогольной эмбрио- и фетопатии / Л. О. Бадалян, Е. М. Мастюкова // Журн. невропатологии и психиатрии им. Корсакова. - 1986. - Том 86. - № 10. - С. 1448-1454.

29 Баевский, Р. М. Математический анализ изменений сердечного ритма при стрессе / Р. М. Баевский, М. А. Кириллов. - М., 1984. - 201 с.

30 Баевский, Р. М. Оценка и классификация уровней здоровья с точки зрения теории адаптации / Р. М. Баевский // Вестн. Академии мед. Наук СССР. - 1989. - № 8. - С. 73-78.

31 Баевский, Р. М. Проблема здоровья и нормы: точка зрения физиолога / Р. М. Баевский // Клиническая медицина. - 2000. - Том 78. - № 4. - С. 59-64.

32 Баевский, Р. М. Прогнозирование состояний на грани нормы и патологии / Р. М. Баевский. - М., Наука, 1979. - 296 с.

33 Баевский, Р. М. Прогнозирование состояний. Оценка и классификация уровней здоровья с точки зрения теории адаптации / Р. М. Баевский // Вестник АМИ СССР. - 1989. - № 8. - С.73-78.

34 Баевский, Р. Н. Некоторые аспекты системного подхода и анализа временной организации функций в живом организме / Р. Н. Баевский, М. К. Чернышов. - М.: Наука, 1986.

35 Баклаенко, Н. Г. Охрана здоровья женщин: современные проблемы / Н. Г. Баклаенко, Т. И. Стуколова, Д. И. Зелинская, Л. В. Гаврилова // Здравоохранение. - 1999. - № 5. - С. 25-35.

36 Булычев, А.В. Системный анализ динамики макросистем / А.В. Балычев // Управление и прикладная математика. - М.: МФТИ. - Том 2. - 2012. -С. 37-38.

37 Баранов, А. А. Научные направления подпрограммы «Здоровый ребенок» - практическому здравоохранению / А. А. Баранов // Рос. педиатрический журнал. - № 2. - 2003. - С. 53-55.

38 Барашнев, Ю. И. Гипоксическая энцефалопатия: гипотезы патогенеза церебральных расстройств и поиск методов лекарственной терапии / Ю. И. Барашнев // Рос. вестник перин. и педиатрии. - 2002. - № 1. - С. 6-13.

39 Барашнев, Ю. И. Индикаторы перинатальных повреждений головного мозга плода и новорождённого / Ю. И. Барашнев, Ю. В. Бессонов // Акушерства и гинекологии. - 1997. - № 2. - С. 28-33.

40 Барашнев, Ю. И. Перинатальная медицина и инвалидность с детства / Ю. И. Барашнев //Акушерство и гинекология. - 1991. - № 1. - С. 12-18.

41 Барашнев, Ю. И. Перинатальные повреждения нервной системы у новорожденных. Руководство по безопасному материнству / Ю. И. Барашнев. - М: Триада - Х. - 1998. - С. 373-432.

42 Барашнев, Ю. И. Принципы реабилитационной терапии перинатальных повреждений нервной системы у новорожденных и детей первого года жизни / Ю. И. Барашнев // Российский вестник перинатологии и педиатрии. - 1999. - № 1. - С. 7-13.

43 Батман, Ю. А. Прогнозирование развития дезадаптационного синдрома и асфиксии у новорожденных / Ю. А. Батман //Журнал «Здоровье ребенка» - 2007. - № 4. - С. 28-35.

44 Батуев, А. С. Типы детско-материнской привязанности и психофизиологическое развитие младенцев первого года жизни / А. С. Батуев, А. Г. Кащавцев, Н. М. Сафронова // Педиатрия. - 2000. - № 3. -С. 32-37.

45 Бейли, Н. Математика в биологии и медицине. Пер. с англ. - М.: Мир. -1970. - 328 с.

46 Бердичевская, Е. М. Оценка физических возможностей детей дошкольного возраста методом шкалирования / Е.М. Бердичевская, Ю. А. Зузик // Российский педиатрический журнал. - № 4. - 2004. - С. 5860.

47 Берестнева, О. Г. Математическое и программное обеспечение автоматизированного комплекса для массовых профилактических осмотров населения: дис. канд. мед. наук / О. Г. Берестнева. - Томск, 1989.

48 Берестнева, О. Г. Применение информационно-энтропийного подхода для исследования особенностей адаптации студентов к обучению в вузе / О. Г. Берестнева, О. В. Марухина, К. А. Шаропин // Интернет-журнал Науковедение. - 2013. - № 3 (16). - С. 51.

49 Берестнева, О. Г. Применение информационно-энтропийного подхода для исследования особенностей адаптации студентов к обучению в вузе / О. Г. Берестнева, О. В. Марухина, К. А. Шаропин // Интеллектуализация обработки информации ИОИ-2016 тезисы докладов 11-й международной конференции, 2016. - С. 190-191.

50 Бересфорд, Г. Руководство по безопасному материнству / Г. Бересфорд. - Health Prom, 1998. - 88 с.

51 Беркович, К. Внутриутробная гипоксия / К. Беркович, М. Нажотт // Акушерство: справочник Калифорнийского университета. Пер. с англ. -М.: Практика, 1999. - С. 411-432.

52 Богатырев, Л.Г. Биологический водоворот и его роль в почвообразовании / Л.Г. Богатырев, И.М. Рыжова. - М.: Изд-во МГУ. -1994. - 80 с.

53 Бокучава, Н. В. К вопросу применения методов термодинамики и информационной статистики в биологии / Н. В. Бокучава, Г. В. Мамасахлисов // Сообщения АН ГССР. - 1985. - Том 118. - С. 6568.

54 Боровков, A.A. Эргодичность и устойчивость случайных процессов / А.А. Боровков. - М.: Изд-во УРСС. - 1999. - 238с.

55 Бочарова, Е. А. Проблемы ранней диагностики и профилактики отдаленных последствий перинатального поражения центральной нервной системы / Е. А. Бочарова, Н. Г. Корытова, Л. В. Труфанова, П. И. Сидоров, А. Г. Соловьев // Российский педиатрический журнал. -

2003. - № 3. - С. 52-54.

56 Бриллюэн, Л. Термодинамика-кибернетика-жизнь / Л. Бриллюэн // Кибернетика. Современное состояние. - М.: Наука. - 1980. - С. 8-27.

57 Бурдули, Г. М. Репродуктивные потери / Г. М. Бурдули, О. Г. Фролова. - М., 1997. - 185 с.

58 Буркова, А. С. Классификация перинатальных поражений нервной системы у новорожденных. Методические рекомендации / А. С. Буркова, Н. Н. Володин и др. - М., 2000. - 40 с.

59 Буркова, А. С. Новые подходы к диагностике перинатальных поражений нервной системы у детей первого года жизни и их классификация / А. С. Буркова, Н. Н. Володин, М. И. Медведев, С. О. Рогаткин // Педиатрия. -

2004. - № 1. - С. 5-9.

60 Бутейко, К. П. Метод Бутейко / К. П. Бутейко. - 1990. - 222 с.

61 Бутнев, В. Ю., Эндокринная функция надпочечников и гонад человека в неонатальном периоде / В. Ю. Бутнев, Н П. Гончаров, Г. А. Тимофеева и др. // Вопр. охраны материнства и детства. - 1985. - № 11. - С. 19-23.

62 Васильев, В. И. Диагностика состояния авиационных двигателей с использованием нейронных сетей / В. И. Васильев, С. В. Жернаков // Нейрокомпьютеры: разработка, применение. - 2007. - № 10 - С. 34-38.

63 Васильева, Т. П. Применение компьютерных технологий в управлении качеством профилактики материнской, перинатальной заболеваемости и смертности / Т. П. Васильева, А. С. Медведев, Л. В. Посисеева, Л. А. Дубисская, В. П. Краснова // Здравоохранение РФ. - 1998. - № 4. -С. 50-53.

64 Васин А.Л. Метод анализа напряжения регуляции сердечного ритма с помощью обобщенного логарифмического показателя при холтеровском мониторировании электрокардиограммы/ Васин А.Л., Шафиркин А.В., Сасонко М.Л. // Авиакосмическая и экологическая медицина. - 2016 . -Т. 50 . - № 4 . - С. 54-62.

65 Вельтищев, Ю. Е. Научные иорганизационные принципы современной педиатрии / Ю. Е. Вельтищев, Л. С. Балева // Российский вестник перинатологии и педиатрии. - 1997. - Том 42. - № 5. - С. 6-15.

66 Вельтищев, Ю. Е. Проблемы охраны здоровья детей России / Ю.Е. Вельтищев // Рос. вестн. перинатологии и педиатрии. - 2000. - № 1. - С. 5-9.

67 Вельтищев, Ю. Е. Система автоматизированной диагностики наследственных заболеваний и синдромов у детей / Ю. Е. Вельтищев, Ю. И. Барашнев, Л. З. Казанцева, Б. А. Кобринский и др. // Педиатрия. -1989. - С. 65-69.

68 Вельтищев, Ю. Е. Состояние здоровья детей и общая стратегия профилактики болезней / Ю.Е. Вельтищев // Российский вестник перинатол. и педиатрии (приложение). - М., 1994. - 67 с.

69 Вернадский, В.И. Биосфера и ноосфера /В.И. Вернадский, П.В. Сороколетов. - М.: Рольф. - 2002. - 576 с.

70 Веселов, Н. Г. Медико-социальные и организационные проблемы материнства и детства / Н. Г. Веселова, О. С. Бойцова и др. - С. Пб., 1994. - 183 с.

71 Вильсон, А.Дж. Энтропийные методы моделирования сложных систем / А.Дж. Вильсон. -М.: Наука. -1978. - 248а

72 Виру, А. А. Гормональные механизмы адаптации и тренировки / А. А. Виру. - Л.: Наука, 1981. - 155 с.

73 Власов, В. В. Введение в доказательную медицину / В. В. Власов. - М.: Медиа Сфера, 2001. - 392 с.

74 Водолазская, Т.И. Антенатальные критерии риска развития церебральных нарушений у новорожденных при хронической гипоксии плода женщин с привычным невынашиванием / Т.И. Водолазская, В. А. Бурлев, А. С. Буркова //Акушерство и гинекология. - 1996. - № 4. - С. 31-34.

75 Волков, В.Н., Денисов, А.А. Основы теории систем и системного анализа: Учебник. - СПб.: Изд-во СПбГТУ, 1997. - 248с

76 Волкова, В.Н. Теория систем и методы системного анализа в управлении и связи/ В.Н. Волкова, В.Н. Воронков, А.А. Денисов. - М.: Радио и связь, 1983. - 248с.

77 Володин, Н. Н. Педиатрия / Н. Н. Володин. - М.: Гэотар. - 1996. - 833 с.

78 Володин, Н. Н. Эффективность новой организационной формы преемственного лечения и реабилитации детей с тяжелой перинатальной патологией / Н. Н. Володин, Д. Н. Дегтярев, Г. Х. Шунгарова и др.// Рос. вестн. перинатологии и педиатрии. - 1999. - № 4. - С. 23-28.

79 Володин, Н. Н., Рогаткин С.О., Медведев М.И. //Неврология и психиатрия. - 2001. - Том 101. - № 7. - С. 4-9.

80 Воронцов, И. М. Здоровье и нездоровье ребенка как основа профессионального мировоззрения и повседневной практики детского врача / И. М. Воронцов // Рос. пед. журнал. - 1999. - № 2. - С. 6-13.

81 Гаврилов, А. И. Нейросетевая реализация процедуры идентификации динамических систем / А. И. Гаврилов // Автоматизация и современные технологии. - 2002. - № 1. - С. 22- 25.

82 Гаврилова, Л. В., Баклаенко Н.Г, Зелинская Д.И. и др. О разработке Концепции охраны репродуктивного здоровья населения России. Здравоохранение 1999;11: 5-20.2.

83 Галанкин, В. Н. Компенсаторные реакции - особый класс явлений / В. Н. Галанкин //Арх. пат. - 1990. - № 5. - С. 63-66.

84 Генкин, А. В. Подсистема прогнозирования показателей здоровья детей в медицинских информационных системах / А. В. Генкин, П. Н. Дубнер, Э. В. Петергао и др. // В кн.: Вопросы создания многоуровневых АСУ. -Минск, 1979. - № 37/3. - С. 123-125.

85 Гергет, О.М. Математическое моделирование сложных гомеостатических систем/ О. М. Гергет, В.А. Кочегуров/ Научный вестник Новосибирского гос. университета. - Новосибирск. -2014. -№4 (57). - С.89-94.

86 Гергет, О.М. Выявление закономерностей динамических процессов на основе энергоинформационных технологий / О. М. Гергет, В.А. Кочегуров/ Бюллетень сибирской медицины. - Томск. -.2014 -Т13. -№4. - С.32-37

87 Гергет, О.М. Разработка моделей и алгоритмов оценки адаптационных стратегий и дифференциальной диагностики развивающихся систем (на примере системы оценки здоровья в раннем неонатальном периоде) [Рукопись]: автореферат дис. канд. техн. наук : 05.13.11 / Ольга Михайловна Гергет. - Томск. - 2002. - 24 с.

88 Гергет, О.М. Бионическая модель для идентификации биологических систем / О. М. Гергет, Д. В. Девятых // Информационные и математические технологии в науке и управлении. - 2017. - № 2 (6). - С. 21-29.

89 Гергет, О. М. Бионические модели анализа функционирования динамических систем / О. М. Гергет, Д. В. Девятых // Информационные и математические технологии в науке и управлении: труды XIX Байкальской Всероссийской конференции, 2014. - Том 3. - С. 17-21.

90 Гергет, О. М. Выявление на базе интеллектуальной системы закономерностей формирования адаптивного состояния организма беременных женщин и их детей / О. М. Гергет, Т. С. Кривоногова // Труды международных научно-технических конференций «Интеллектуальные системы» (IEEE AIS-06) и «Интеллектуальные САПР» (CAD-2006) - Дивноморское, 3-10 сентября 2006. - Москва: Физматлит, 2006. - С. 470-478.

91 Гергет О.М. Применение информационных методов, нейронных сетей и генетического алгоритма для решения задачи выбора схемы лечения / О.М. Гергет, Р.В. Мещеряков // Научный вестник НГТУ. - 2018. - № 3(73). - C. 7-22.

92 Гергет, О. М. Компьютерная система принятия решения в медицине на основе логико-вероятностного подхода / О. М. Гергет, Т. Г. Зиновик // Современное развитие и применение математических методов: Сб. статей студентов и аспирантов. - Томск: Изд-во ТПУ, 2001. - С. 12-19.

93 Гергет, О. М. Модели и алгоритмы оценки адаптационных стратегий и дифференциальной диагностики здоровья детей в неонатальном периоде / О. М. Гергет, В. А. Кочегуров. - Изд-во LAP LAMBERT Academic Publishing GmbH, Saakbrucken. - 2012. - 145 c.

94 Гергет, О. М. Оценка нестабильных состояний однородных объектов на основе логико-вероятностных выводов / О. М. Гергет // Энергетика: экология надежность безопасность. Материалы докладов VI всероссийской научно-технической конференции. - Томск, 2000. Том 2. - С. 325-328.

95 Герман, Д. Г. Динамика нервно-психического развития детей, родившихся с помощью кесарева сечения / Д. Г. Герман, В. М. Михлин, Н. М. Королькова, Ф. Н. Коровкина // Журн. невропатологии и психиатрии им. Корсакова. - 1988. - Том 88, № 9. - С. 62-65.

96 Гернет, Н.Д. Балансовая динамическая модель клеточного цикла / Н.Д Гернет, А.И. Божков // Восточно-Европейский журнал передовых технологий. - 2013. - Т. 6. - № 4 (66). - С. 42-47.

97 Гласс, Дж. Статистические методы в педагогике и психологии / Дж. Гласс, Дж. Стэнли. - М.: Прогресс, 1976. - 495 с.

98 Гласс, Л., Мэки М. От часов к хаосу/ Гласс, Дж., Мэки. - М.: Мир, 1991.-248с.

99 Гасникова Е.В. Достаточные условия существования равновесия макросистем / Е.В. Гасникова // Труды 54-й научной конференции МФТИ. - М.: Изд-во МФТИ. - 2011. - Ч. 7. - Т. 1. - С. 64-65.

100 Гасников, А.В. Введение в математическое моделирование транспортных потоков / А.В. Гасников, С.Л. Кленов, Е.А. Нурминский, Я.И. Холодов, Н.Б. Шамрай. - М.: Изд-во МФТИ. - 2010. - 363 с.

101 Гмурман, В. Е. Теория вероятностей и математическая статистика: учебное пособие для вузов / В. Е. Гмурман. - М.: Высшая школа, 2000. -497 с.

102 Голенецкая, Е. С. Процессы свободнорадикального окисления липидов у новорожденных с внутричерепной травмой на протяжении 1 месяца жизни / Е. С. Голенецкая, Л. В. Забродина, Т. С. Крупская // Вопросы охраны материнства и детства. - 1991. - № 5. - С. 69-72.

103 Горелик, А. Л. Методы распознавания / А. Л. Горелик, В. А. Скрипник. - М.: Высшая школа, 1984. - 208 с.

104 Грибова, В.В. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений/ В.В. Грибова, М.В. Петряева, Д.Б. Окунь, Е.А. Шалфеева // Онтология проектирования . - 2018 . - Т.8. - №1(27) . - С.58-73.

105 Гублер, Е. В. Вычислительные методы анализа и распознавания патологических процессов / Е. В. Гублер. - Л.: Медицина, 1978. - 294 с.

106 Гублер, Е. В. Информатика в патологии, клинической медицине и педиатрии / Е. В. Гублер. - Л.: Медицина, 1999. - 176 с.

107 Гергет, О.М. Модель динамической нейронной сети для обработки абдоминальной электрокардиограммы / Д. В. Девятых, О. М. Гергет // Молодёжь и современные информационные технологии. Томск, 9-13 ноября 2015. - С. 182-183.

108 Девятых, Д. В. Нейродинамические подходы в задачах диагностирования / Д. В. Девятых, О. М. Гергет // Информационные и математические технологии в науке и управлении: труды XX Байкальской Всероссийской конференции и Школы-семинара научной молодежи, Иркутск, 2015. - Том 3. - С. 12-19.

109 Девятых, Д. В. Нейродинамическое выделение электрокардиограммы плода / Д. В. Девятых, О. М. Гергет // Материалы XVI всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям. Красноярск, 28-30 октября 2015. - С. 6566.

110 Девятых, Д. В. Слепое разделение источников абдоминальной электрокардиограммы / Д. В. Девятых, О. М. Гергет // Информационные технологии в науке, управлении, социальной сфере и медицине: материалы конференции. Томск, 23-26 мая 2016.

111 Дементьева, Н. Ф. Риск нарушения нервно-психического развития при пре- и перинатальной патологии / Н. Ф. Дементьева, Н. С. Сазонова, К. А. Перельмутер // Журн. невропатологии и психиатрии им. Корсакова. -1981. - Том 81, № 10. - С. 1564-1573.

112 Демидова, Е. В. Влияние упражнений повышенной сложности на физическое развитие детей дошкольного возраста (4-7 лет): автореф. дис. ... канд. биол. наук / Е. В. Демидова. - Краснодар, 1988.

113 Денисов, А.А. Теория больших систем управления: Учебное пособие/ А.А. Денисов. - Л.: Энергоиздат, 1982 . - 288 с.

114 Диагностика, лечение и профилактика диабетических осложнений у детей и подростков / под ред. Дедова И.И. - Москва, 1997.

115 Динерман, А. А. Роль загрязнителей окружающей среды в нарушении эмбрионального развития / А. А. Динерман. - М.: Медицина. - 1980. -192 с.

116 Дмитриев, А.С. Стохастические колебания в радиофизике и электронике/ Дмитриев А.С, Кислов В.Я.- М.: Наука, 1989.- 278с.

117 Доскин, В. А. Морфофункциональные константы детского организма / В. А. Доскин, Х. Келлер, Н. М. Мураенко, Р. В. Тонкова-Ямпольская. -М., 1997.

118 Дружинина, Л. В. Контроль за развитием и состоянием здоровья детей раннего возраста: методические рекомендации / Л. В. Дружинина, И. Д. Дубинина, Г. П. Юрко и др. - М., 1982.

119 Дубинин, Н. П. Проблемы мутагенеза / Н. П. Дубинин, В. А. Тарасов // Успехи современной генетики. - М.: Наука. - 1969. - Вып. 2. - С. 3-95.

120 Дубинин, Н. П. Современные проблемы в изучении генетических последствий загрязнения окружающей среды / Н. П. Дубинин // Современные проблемы генетических последствий загрязнений окружающей среды и охрана генофонда. - Алма-Ата: Наука Казахской ССР. - 1989. - С. 3-14.

121 Дуда, И. В. Клиническое акушерство / И. В. Дуда, В. И. Дуда. - Минск, 1997. - С. 57-74.

122 Дуус, П. Топический диагноз в неврологии (пер. с нем.) / П. Дуус. - М.: Вазар-Ферро, 1996. - 383 с.

123 Евтушенко, Н. В. Логический подход к вычислению вероятностных оценок принятия решений в системах искусственного интеллекта / Н. В. Евтушенко, А. Ю. Матросова, С. В. Цуриков, А. Е. Янковская // Техническая конференция. - 1994. - № 2. - С. 97-105.

124 Епифанов, В. А. Лечебная физическая культура как метод восстановительной терапии при заболеваниях и повреждениях нервной системы / В. А. Епифанов // Вопросы курортологии. - 2003. - № 3. -С.18-21.

125 Ерохин А. Н. Функциональное состояние беременной и плода в поздний гестационный период / А. Н. Ерохин, Н. В. Мезенцева // Вестник новых медицинских технологий. - 2009. - № 4. - С. 34-36.