Мультимодальные модели ишемического риска для классификации и управления функциональным состоянием пациента в процессе сеанса физиотерапии тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Протасова Зейнаб Усама

• Протасова Зейнаб Усама
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Протасова Зейнаб Усама

Оглавление

Введение

1 Анализ информационных технологий, используемых для управления диагностическими и терапевтическими процессами

1.1 Системы управления лечебным процессом

1.2 Анализ математических методов для медицинских исследований

1.3 Системы поддержки принятия решений в кардиологической области

1.3.1 Основные источники клинических данных для обучения систем искусственного интеллекта

1.3.2 Основные методы построения «слабых» классификаторов для мультимодального классификатора ишемического риска

1.3.3 Методики оценки качества классификации медицинского риска

1.4 Постановка цели и задачи на исследование

2 Метод контроля эффективности физиотерапевтической процедуры по динамике импеданса биоматериала в зонах аномальной электропроводимости

2.1 Анализ методов оценки функционального состояния человека по суррогатным маркерам, полученным на основе анализа биомедицинских показателей

2.2 Многопроходные вольт-амперные характеристики как инструментарий исследования динамических свойств импеданса биоматериала в зоне аномальной проводимости

2.3 Метод формирования дескрипторов для классификации магниточувствительности на основе многопроходной вольт-амперной характеристики биоматериала

2.4 Выводы второго раздела

3 Методы и средства адаптивного управления терапевтическими воздействиями в физиотерапии ишемических больных

3.1 Обобщенная схема реабилитации пациентов с высоким ишемическим риском посредством воздействия на них магнитными полями с управляемыми биотропными параметрами

3.2 Мультимодальные классификаторы для контроля динамики риска сердечно-сосудистых осложнений в процессе сеанса физиотерапии

3.3 «Слабый» классификатор для оценки ишемического риска по результатам биоимпедансных исследований в биологически активных точках

3.4 Апробация моделей мультимодальных классификаторов ишемического риска для мониторинга функционального состояния сердечно-сосудистой системы в процессе физиотерапевтических процедур

3.5 Биотехническая система с адаптивным управлением магнитотерапией для реабилитации пациентов с высоким риском ишемической болезни сердца

3.6 Выводы третьего раздела

4 Экспериментальные исследования реабилитационной биотехнической системы

4.1 Методы и модели планирования реабилитационных процедур

4.2 Апробация метода адаптивного управления магнитотерапией

4.3 Результаты клинических испытаний

4.4 Выводы четвертого раздела

Заключение

Список сокращений и условных обозначений

Список литературы

Введение диссертации (часть автореферата) на тему «Мультимодальные модели ишемического риска для классификации и управления функциональным состоянием пациента в процессе сеанса физиотерапии»

Введение

Актуальность исследований. Значительное распространение ишемической болезни сердца (ИБС) во всех странах мира требует совершенствования методов ее диагностики, профилактики и терапии. В настоящее время разработаны достаточно эффективные лекарственные методы лечения ИБС. Вместе с тем, трудности подбора медикаментозных средств, обладающих высокой терапевтической эффективностью с минимальными побочными неблагоприятными эффектами, вынуждают исследователей искать альтернативные методы лечения ИБС, среди которых ведущее место принадлежит физиотерапии и, в частности, магнитотерапии.

Однако к вопросу выбора оптимальных биотропных параметров магнитного поля (МП) у медицинского сообщества неоднозначное отношение. Поэтому важным направлением повышения эффективности магнитотерапии является персонификация магнитотерапевтических процедур. Это может быть достигнуто путем выбора соответствующих суррогатных маркеров, оперативно реагирующих на изменение функционального состояния (ФС) пациента в процессе физиотерапевтической процедуры, и использовании интеллектуальных систем (ИС) поддержки принятия врачебных решений (СППВР), позволяющих осуществлять контроль динамики ФС пациента в процессе проведения физиотерапевтической процедуры.

Таким образом, важнейшей задачей повышения эффективности магнитотерапии является контроль изменения ФС сердечно-сосудистой системы (ССС) в процессе физиотерапевтического сеанса, осуществляемый с помощью биотехнических обратных связей и мультимодальных классификаторов (ММК) медицинского риска (МР). Это позволяет определить степень толерантности организма человека к физиотерапевтическому воздействию, а также адаптировать биотропные параметры МП к ФС пациента.

Степень разработанности темы исследования. На сегодняшний день низкочастотная магнитотерапия представляет собой интенсивно развивающуюся область медицины, способную решать многие практические задачи по лечению ряда

заболеваний. В настоящее время в биотехнических системах (БТС) для реабилитации больных ИБС широко используются магнитотерапевтические аппараты: «Полюс», «BTL-4000», «Градиент», «Каскад», «Алмаг» и др. Существует множество магнитотерапевтических методик для лечения этими аппаратами, которые основаны на долговременном наблюдении за состоянием пациента посредством лабораторных и инструментальных исследований. Однако они не предусматривают оперативную коррекцию биотропных параметров МП в течение сеанса, поэтому возможно лечение пациента по не подходящей для него методике, что приводит к снижению эффективности магнитотерапии.

В связи с этим обстоятельством появились работы, посвященные обеспечению оперативного контроля состояния систем организма пациента и повышению результативности магнитотерапевтического воздействия за счет индивидуального подбора биотропных параметров МП, основанного на анализе текущего состояния здоровья пациента (А.М. Беркутов, В.И. Жулев, Г.А. Кураев, Е.М. Прошин). Для реализации такого подхода необходимы СППВР, осуществляющие мониторинг ФС пациента неинвазивными средствами, а также суррогатные маркеры, позволяющие контролировать динамику ФС пациента в процессе сеанса магнитотерапии.

С развитием информационных технологий предпринимаются попытки введения программированного прогнозирования во врачебную практику (М.М. Батюшин, Ю.Л. Шевченко). Такое прогнозирование нашло свое применение в практической медицине в форме СППВР, которые позволяют выполнять неинвазивную оценку медицинских рисков (Л.А. Бокерия, Р.М. Баевский, Ю.В. Гуляев, Р.М. Рангайян, С.В. Селищев, D. Noble, N.J. Holter, W.J. Mandel, L. Katz и

др.).

Несмотря на успехи в области систем искусственного интеллекта (ИИ) для оценки и прогнозирования МР, нерешенными остаются задачи оперативного контроля ФС ССС неинвазивными методами в процессе антропогенных воздействий МП локального и общего характера, а также выбора суррогатных

маркеров, позволяющих получить дескрипторы для классификаторов медицинского риска в процессе проведения физиотерапевтических процедур.

Цель работы. Повышение эффективности реабилитации больных ишемической болезнью сердца посредством мультимодальных классификаторов ишемического риска, позволяющих адаптировать биотропные параметры физиотерапевтического воздействия к функциональному состоянию пациента.

Для достижения поставленной цели необходимо решить следующие задачи:

- выполнить системный анализ методов и средств интеллектуальной поддержки принятия решений в кардиологической области;

- разработать метод формирования дескрипторов для мультимодальных классификаторов ишемического риска, позволяющий контролировать ишемический риск в процессе физиотерапевтического воздействия на пациента;

- разработать биотехническую систему для магнитотерапии пациентов с ишемической болезнью сердца, позволяющую повысить терапевтический эффект реабилитационной процедуры, снизить адаптацию и отрицательные реакции организма на магнитотерапию, и планировать программы магнитотерапии;

- разработать алгоритм управления физиотерапевтической процедурой, позволяющий адаптировать биотропные параметры магнитного поля к конституции и функциональному состоянию пациента;

- разработать программное обеспечение для реализации классификаторов ишемических рисков и алгоритма управления физиотерапевтической процедурой;

- провести апробацию предложенных методов, моделей и алгоритмов магнитотерапии пациентов с ишемической болезнью сердца.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод формирования дескрипторов для классификатора ишемического риска посредством анализа кортежа графиков N вольт-амперных характеристик для релевантной биологически активной точки, отличающийся тем, что для вычисления дескрипторов строят M ординат на этом графике, определяют соответствующие этим ординатам токи на вольт-амперных характеристиках, вычисляют

математические ожидании и дисперсии токов на каждой ординате, соответствующие прямому и обратному проходам вольт-амперных характеристик, и формируют матрицы дескрипторов 4хM, позволяющий синтезировать мультимодальные классификаторы риска ишемической болезни сердца, предназначенные для оценки эффективности физиотерапевтических процедур;

- мультимодальный классификатор для оценки риска ишемической болезни сердца с трехуровневой иерархической структурой, отличающийся моделью «слабого» классификатора с дескрипторами, полученными на основе исследования динамических свойств биоимпеданса в биологически активных точках, позволяющий реализовать обратную связь по реакции первичного ответа у пациентов в процессе управления биотропными параметрами магнитного поля;

- биотехническая система магнитотерапии пациентов с ишемической болезнью сердца, отличающаяся наличием биотехнической обратной связи и функцией адаптации программы магнитотерапии к функциональному состоянию пациента в процессе терапевтического сеанса, позволяющая повысить терапевтический эффект реабилитационной процедуры, снизить адаптацию и отрицательные реакции организма на магнитотерапию, и планировать программы магнитотерапии.

- алгоритм управления магнитотерапией пациентов с ишемической болезнью сердца, отличающийся возможностью адаптировать программу магнитотерапии к функциональному состоянию пациента и корректировать ее в процессе терапевтического сеанса посредством биоуправления параметрами терапевтического электромагнитного излучения, позволяющий повысить терапевтический эффект реабилитационной процедуры, снизить адаптацию и отрицательные реакции организма на магнитотерапию, и планировать программы магнитотерапии.

Теоретическая и практическая значимость работы состоит в том, что изложен метод формирования биотехнической обратной связи, который позволил, используя гетерогенную структуру пространства информативных признаков, включающую как новые, так и известные предикторы ишемического риска, синтезировать решающие модули оценки риска ишемической болезни,

позволяющие построить алгоритм адаптации биотропных параметров магнитного поля к функциональному состоянию пациента. Разработанные алгоритмы и классификаторы медицинского риска составили основу построения биотехнической системы для реабилитации пациентов с ишемической болезнью сердца, клинические испытания которой показали целесообразность ее использования в практике лечения и профилактике ишемической болезни сердца.

Работа выполнена при поддержке РФФИ научный проект № 19-38-90116, регистрационный номер НИОКТР АААА-А19-119110190060-9 (2019-2021гг.) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Результаты работы внедрены в учебном процессе Юго-Западного государственного университета при подготовке врачей по специальности 30.05.03 «Медицинская кибернетика», и прошли испытания в отделении медицинской реабилитации клинического научно-медицинского центра «Авиценна», г. Курск, по результатам которых они рекомендованы к использованию в биотехнических системах реабилитации больных ИБС.

Методы исследований. Для решения поставленных задач использовались методы: теории биотехнических систем медицинского назначения, математической статистики, математического моделирования, теории нейронных сетей, теории нечетких множеств. При разработке нейросетевых моделей и модулей нечеткого логического вывода в качестве инструментария использовался MATLAB 2018b с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Положения, выносимые на защиту. 1. Метод формирования дескрипторов для классификатора ишемического риска, полученных на основе анализа кортежей вольт-амперных характеристик в зонах аномальной электропроводности биоматериала, позволяет построить мультимодальные классификаторы, способные контролировать ишемические риски в процессе физиотерапевтических процедур. 2. Мультимодальный классификатор для оценки риска ишемической болезни сердца с дескрипторами, полученными на основе исследования

динамических свойств биоимпеданса в биологически активных точках, позволяет при использовании всего гетерогенного пространства факторов риска получить показатели качества классификации не ниже 0,8 по всем группам наблюдения и по всем показателям качества классификации, а по отношению к системе прогнозирования SCORE повысить их, в среднем, на 11%. 3. Алгоритм управления магнитотерапией пациентов с ишемической болезнью сердца позволяет повысить терапевтический эффект реабилитационной процедуры посредством адаптации программы магнитотерапии к функциональному состоянию пациента и коррекции ее в процессе терапевтического сеанса на 14% по отношению к контрольной группе.

Степень достоверности и апробация работы. Результаты разработки и исследования показали возможность воспроизводимости в разных условиях, согласованность с нечеткими алгоритмами принятия решений и теории искусственных нейронных сетей, а также аналогичными результатами, которые были получены другими исследователями. Итоги экспериментальных исследований решающих правил по контролю динамики ишемических рисков не противоречат ранее опубликованными исследовательским данным по теме диссертации.

Основные теоретические положения и научные результаты диссертационной работы излагались, обсуждались, а также получили положительную оценку на 15 Всероссийских и Международных конференциях: «Горизонты биофармацевтики» (Курск - 2019); «Энергосбережение и эффективность в технических системах» (Тамбов - 2019); «Интеллектуальные системы в науке и технике. Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» (Пермь - 2019, 2020); «Современные проблемы анализа динамических систем. Теория и практика» (Воронеж - 2019); «Мотивационные аспекты физической активности» (Великий Новгород - 2019); «Физика и радиоэлектроника в медицине и экологии -ФРЭМЭ'2020» (Владимир-Суздаль - 2020); «Цифровая трансформация в энергетике» (Тамбов - 2020); «Нейроинформатика, её приложения и анализ данных» (Красноярск - 2020); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и

транспорте», (Новороссийск - 2020); «Биотехнические, медицинские и экологические системы, измерительные устройства и робототехнические комплексы» (Рязань -

2020); «Медико-экологические информационные технологии» (Курск - 2019, 2020,

2021); «Интеллектуальные информационные системы» (Воронеж - 2021), на семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2018-2021).

Публикации. Основные результаты диссертационного исследования отражены в 24 научных работах, из них 6 статей в ведущих рецензируемых научных журналах, 3 статьи в Международной наукометрической базе Scopus и один патент на изобретение.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и списка литературы, включающего 103 отечественных и 18 зарубежных наименований. Работа изложена на 144 страницах машинописного текста, содержит 53 рисунка и 19 таблиц.

1 Анализ информационных технологий, используемых для управления диагностическими и терапевтическими процессами

За последние несколько десятков лет компьютерные технологии превратились в решающий фактор развития практически всех сфер человеческой деятельности: наука, образование, экономика, медицина. Одной из лидирующих областей по внедрению компьютерных технологий является медицина. Несмотря на то, что в медицине основные капиталовложения приходятся на создание и производство лекарств, многие медицинские приложения, в том числе и реабилитационные БТС, не могут обойтись без компьютера и специального программного обеспечения.

В развитых странах мира все четче проявляется проблема обеспечения повышения качества оказания медицинской помощи. Это обусловлено тем, что средний возраст населения этих стран неуклонно растет при одновременном росте возможностей фармации и медицинской техники и технологий. Поэтому здравоохранение все чаще обращается к информационным технологиям, на основе которых создаются медицинские информационные системы, способные оптимизировать распределение ресурсов, кадров, а также создавать СППВР.

1.1 Системы управления лечебным процессом

Под управлением лечебным процессом будем понимать компьютерные технологии мониторинга эффективности терапевтических процедур, позволяющие практикующему врачу контролировать восстановительный процесс отдельного пациента и осуществлять персонифицированный подход к выбору плана лечения и его коррекции. Для управления лечением и реабилитацией привлекают автоматизированные системы (АС) прогнозирования, диагностики и

интенсивной терапии (ИНТ). В БТС реабилитационного типа используют биологические обратные связи (БОС), а также системы управления протезами и медицинскими экзоскелетами. АС ИНТ предназначены для управления ФС пациента в лечебных целях. Они делятся на системы программного управления (СПУ) и замкнутые управляющие системы (ЗУС).

СПУ осуществляют лечебные и реабилитационные воздействия на пациента и к ним относятся аппараты для физиотерапии, устройства для доставки лекарственных препаратов к органам-мишеням, наркозно-дыхательные аппараты и аппараты искусственного кровообращения. ЗУС ИНТ объединяют в себе задачи мониторинга и оценки состояния больного. Они предназначены для формирования управляющих воздействий на лечебный процесс и интегрированы с системами поддержки принятия клинических решений (СППКР). Поэтому на практике ЗУС ИНТ создаются только для очень частных задач.

При планировании физиотерапевтического воздействия необходимо оптимальное сочетание его интенсивности и продолжительности с конституцией пациента. При этом, при подборе биотропных параметров физиотерапии необходимо также учитывать ФС пациента, которое оказывает существенное влияние на эффективность физиотерапевтической процедуры. В свою очередь, на ФС пациента существенное влияние оказывают экзогенные и эндогенные факторы: психоэмоционального состояния, степень восстановления после перенесенной болезни, применение фармакологических препаратов и т.д., и, поскольку, эти факторы постоянно меняются во времени и пространстве, то величина физиотерапевтической нагрузки должна соответствовать, как конституции пациента, так и его текущему ФС. Следовательно, для оптимизации физиотерапевтического воздействия, в БТС должны быть предусмотрены отрицательные обратные связи, позволяющие управлять биотропными параметрами физиотерапии в зависимости от ФС пациента. Обратные связи должны обеспечить соответствие динамики физиотерапевтической нагрузки динамике изменения ФС, либо всего организма в целом, либо отдельных его систем. При этом биотехнические отрицательные обратные связи должны

обеспечить объективный контроль биомедицинских показателей пациента в процессе физиотерапии, позволяющий управлять физиотерапией и обеспечить повышение эффективности физиотерапии по сравнению с физиотерапией без обратных связей по ФС пациента [74].

ИБС получила широкое распространения как в России, так и за рубежом. Высокая инвалидизация, в основном трудоспособного населения, и высокая смертность, связанные с этим заболеванием, привлекает к исследованию методов ее лечения и профилактики широкий круг специалистов [1, 33, 35, 54, 69, 70]. В настоящее время в медицинском сообществе накоплен большой опыт лечения и профилактики ИБС. Учитывая мультифакториальность патогенеза ИБС, для ее лечения и профилактики используют различные методы [4, 18], большая часть которых относится к медикаментозным. Однако лечение ИБС посредством лекарственных средств приводит к сложностям подбора медикаментозных препаратов, вызванным оптимизацией по противопоказаниям, а также высокой стоимостью лекарственных препаратов. Эти обстоятельства побуждают исследователей к поиску новых, немедикаментозных методов лечения ИБС, среди которых ведущее место принадлежит методам физиотерапии. Однако по ряду причин эти методы еще недостаточно интенсивно используются в медицинской практике реабилитации больных ИБС, в частности, в реабилитации постинфарктных больных. Практикующие врачи очень часто ориентируются на лекарственные препараты или физическую гимнастику [8, 13, 20, 58]. Это объясняется отсутствием достоверных статистических данных с убедительным доказательством снижения ишемического риска (ИР) под влиянием физиотерапии без вторичной профилактики [38], поэтому необходимы дальнейшие исследования, направленные на поиск высокоэффективных методов физиотерапии, предназначенные для реабилитации и вторичной профилактики больных ИБС [6, 38, 52, 59, 61, 62, 74, 84].

В последние годы в медицинской практике реабилитации больных инфарктом миокарда (ИМ) используется низкочастотное переменное магнитное поле (ПеМП) [1, 59]. По результатам исследований, приведенных в работах [38,

60], лечение ПеМП от аппарата «МАВР-2» при расположении индукторов на область основания и верхушки сердца, сегментарную зону С4-05, по данным велоэргометрической пробы, дало хорошие результаты при лечении больных с сочетанием ИБС и остеохондроза позвоночника.

Клинический эффект действия ПеМП у больных стенокардией 1, 2 и 3 функционального класса (ФК) выражался в урежении приступов стенокардии и повышении порога нагрузок, выявляющих ишемию миокарда при уменьшении потребления кислорода миокардом [52]. По результатам исследований, приведенных в работах [1, 56], низкочастотные ПеМП приводят к положительным микроциркуляторным изменениям в миокарде и вызывают антиаритмический эффект. При этом только персонифицированный подход позволяет избежать неблагоприятных побочных эффектов этой терапии. Лечение ПеМП больных стенокардией 1-4 ФК приводит к снижению уровня артериального давления (АД), нормализации неспецифической адаптационной реактивности. В 70% случаев у больных ИБС на магнитную нагрузку отмечалась гипотензивная реакция, у 1012% - гипертензивный тип магниточувствительности. Авторы считают, что гипотензивный тип магниточувствительности при систолическом АД 100 мм. рт. ст. и ниже является противопоказанием для магнитотерапии, так как вызывает ухудшение состояния больных [1, 52].

Научное обоснование целесообразности использования синусоидальных модулированных токов (СМТ) было разработано в [1, 38]. Основная их роль в лечебном эффекте при реабилитации больных ИБС связана с влиянием СМТ на вегетативную нервную систему (ВНС) и функцию миокарда, которое приводит к замедлению сердечного ритма, удлинению электрической диастолы, снижению АД и периферического сосудистого сопротивления. СМТ применяются в реабилитации больных ИБС со стабильной стенокардией 1-2 ФК [1]. Воздействие осуществляется на область сердца и синокаротидные зоны.

Широкое распространение в нашей стране получил метод аппаратной физиотерапии - общая магнитотерапия (ОМТ). Этот вид магнитотерапии осуществляет воздействие с лечебно-профилактическими целями

низкоинтенсивным МП на весь организм человека [85]. ОМТ осуществляется посредством таких установок и аппаратов как: «Магнитотурбон-2М», «ЭОЛ», УМТИ-3Ф («Колибри»), «Магнитор-АМП», «Магнитор-ИНТ» и «АЛМА». На рисунке 1.1 приведен пример ОМТ посредством магнитотерапевтической установки «Колибри».

Индуктор

Пациент

управления

Рисунок 1.1 - Установка магнитотерапевтическая УМТИ-3Ф («Колибри») конфигурации «призма» для общей магнитотерапии

Установка УМТИ-3Ф оснащена специализированной кушеткой для пациента и обеспечивает создание бегущего импульсного затухающего ПеМП с индукцией 3,5-32 мТл. Максимальная индукция регулируется от 10 до 100% с шагом 10%. Специализированная кушетка (рисунок 1.1) позволяет быстро изменять конфигурацию трех соленоидов, посредством которых создаются вращающееся импульсное МП («призма») или бегущее импульсное МП («цилиндр»), охватывающее все тело. Такое МП оказывает слабое общее неравномерное воздействие на организм, однако позволяет направить

максимальную индукцию на нужные области тела. Время воздействия от 5 до 60 минут.

В [59] представлены исследования влияния «бегущего» МП на ФС пациентов с ИБС (стабильная стенокардия различных ФК). Оценивалось влияние магнитотерапии аппаратом ОМТ «АЛИМП» на физическую работоспособность, гемодинамику, гормональную систему. В исследовании использовалось МП с индукцией 0,5 мТл и частотой 300 Гц. Сообщается, что ежедневные процедуры локального воздействия на грудной отдел позвоночника продолжительностью 30 минут «бегущим» МП приводили к увеличению толерантности к физическим нагрузкам.

Для повышения эффективности ОМТ необходимо предварительно провести хемилюминесцентный анализ крови. В [85] было доказано, что для пациента с ИБС при недостаточной активности фагоцитов крови целесообразно осуществлять курс лечения ОМТ (10 процедур по 20 мин. ежедневно, при магнитной индукции 1 мТл). При этом адекватным уровнем магнитной индукции является магнитная индукция 0,5 мТл при нормореактивном ответе фагоцитов, и 0,75 мТл при гиперактивном.

При стабильной стенокардии 1 и 2 ФК (в том числе при сочетании с артериальной гипертензией (АГ) 1 -2 ст. и церебральным атеросклерозом), постинфарктном кардиосклерозе рекомендуется ОМТ с частотой вращения МП 100 Гц, синусоидальной модуляцией напряженности МП, максимальной индукцией - 3,5 мТл, длительностью подъема и спада напряженности МП - по 30 секунд, числом фаз нарастания и снижения - 12 и продолжительностью процедуры - 12 минут. Курс лечения состоит из 10 ежедневных сеансов. В [85] также приведены противопоказания к лечению ОМТ больных ИБС. Среди них могут быть выделены нарушения сердечного ритма, недостаточность кровообращения выше 2 ст., артериальная гипотония, склонность к кровотечениям, гипокоагуляционный синдром, наличие искусственного водителя ритма.

Существует множество магнитотерапевтических методик для лечения профессиональными магнитотерапевтическими аппаратами, которые основаны на долговременном наблюдении за состоянием пациента посредством лабораторных и инструментальных исследований. Однако они не позволяют осуществлять оперативную коррекцию биотропных параметров в течение сеанса, поэтому возможно воздействие на пациента по неэффективной для него методике, что приводит к снижению качества магнитотерапии.

Персонифицированное лечение требует контроля on-line применения лекарственных и физиотерапевтических средств. С этой целью для контроля эффективности и безопасности проводимой терапии регистрируют суррогатные маркеры, несущие информацию об изменениях в структуре и функции органов и систем человека. В связи с этим обстоятельством появились работы, посвященные обеспечению оперативного контроля ФС пациента и повышению результативности магнитотерапевтического воздействия за счет индивидуального подбора биотропных параметров МП для конкретного пациента путем анализа его текущего состояния здоровья [74]. Для реализации такого подхода необходимы СППВР, осуществляющие прогнозирование ФС пациента неинвазивными средствами, а также суррогатные маркеры, позволяющие контролировать динамику ФС пациента в процессе сеанса магнитотерапии.

Список литературы диссертационного исследования кандидат наук Протасова Зейнаб Усама, 2022 год

Список литературы

1. Абрамович, С.Г. Методы аппаратной физиотерапии в лечении ишемической болезни сердца / С.Г. Абрамович, Т.Г. Игнатьева // Сибирский медицинский журнал. - 2003. - Т. 37, № 2. - С.4-9.

2. Айвазян, С.А. Прикладная статистика. Основы эконометрики: учебник для вузов. В 2 т. Т. 2. Теория вероятностей и прикладная статистика / С.А. Айвазян, В.С. Мхитарян. - 2-ое изд., испр. - М.: ЮНИТИ-ДАНА, 2001. - 656 с.

3. Аксельрод, А.С. Нагрузочные ЭКГ-тесты: 10 шагов к практике: учебное пособие / А.С. Аксельрод, П.Ш. Чомахидзе, А.Л. Сыркин; под ред. А.Л. Сыркина. - 5-ое изд. - М: МЕДпресс-информ, 2016. - 200 с.

4. Алексеева, Н.С. Факторы риска развития метаболического синдрома и психологическая готовность больных к проведению профилактики / Н.С. Алексеева, О.И. Салмина-Хвостова // Профилактическая медицина. - 2011. - Т. 14, № 2, - С. 53-56.

5. Аронов, Д.М. Кардиологическая реабилитация на рубеже веков / Д.М. Аронов // Сердце: журнал для практикующих врачей. - 2002. - Т.1, №3. - С. 123125.

6. Аронов, Д.М. Постстационарная реабилитация больных основными сердечно-сосудистыми заболеваниями на современном этапе / Д.М. Аронов // Кардиология. - 1998. - Т. 38, №8. - С.69-80.

7. Белялов, Ф.И. Алкоголь и профилактика сердечно-сосудистых заболеваний / Ф.И. Белялов // Кардиология. - 2004. - Т.44, № 4. - С. 78- 82.

8. Бокерия, Л.А. Оптимизация ведения пациентов с мультицентричным ишемическим поражением на базе интеллектуальных технологий: монография / Л.А. Бокерия, А.В. Быков, Н.А. Кореневский. - Старый Оскол: ТНТ, 2019. - 400 с.

9. Бокерия, О.Л. Внезапная сердечная смерть: механизмы возникновения и стратификация риска / О.Л. Бокерия, А.А. Ахобеков // Анналы аритмологии. -2012. - Т. 9, № 3. - С. 5-13.

10. Бурячковская, Л.И. Алгоритмы и шкалы риска тромбоза и кровотечения в кардиологии и неврологии: Практическое пособие / Л.И. Бурячковская, Н.В. Ломакин, А.Б. Сумароков, Е.А. Широков. - М.: ООО «Др. Редди'с Лабораторис», 2018. - 424 с.

11. Быков, А.В. Метод оценки функционального состояния центральной гемодинамической системы / А.В. Быков, Н.А. Кореневский, EA. Бойцова // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2017. -Т.7, №3 (24). - С. 66-77.

12. Быков, А.В. Прогнозирование развития критического состояния кровообращения сердца на основе гибридных нечетких моделей / А.В. Быков, С.Н. Кореневская [и др.] // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2018. - T.8, №1 (26), - C. 74-87.

13. Воробьева, О.М. Математическое прогнозирование инфаркта миокарда и сердечно-сосудистых осложнений у урологических больных / О.М. Воробьева, С.П. Серегин, И.В. Чернова // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2012. - №2, Ч.3. - С. 328- 331.

14. Воробьева, О.М. Эффективность методов электрорефлексодиагностики в доклинической стадии инфаркта миокарда / О.М. Воробьева, А.В. Новиков // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2012. -№2, Ч.3. - С. 309- 312.

15. Воронцов, И.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья: монография / И.М. Воронцов, В.В. Шаповалов, Ю.М. Шерстюк. - СПб.: Коста, 2006. - 429 с.

16. Гадалов, В.Н. Математические модели рефлекторных систем организма человека и их использование для прогнозирования и диагностики заболеваний / В.Н. Гадалов, Н.А. Кореневский, В.Н. Снопков // Системный анализ и управление в биомедицинских системах, 2012. - Т. 11, №2. - С. 515-521.

17. Гельцер, Б.И. Методы машинного обучения в оценке предтестовой вероятности обструктивных и необструктивных поражений коронарного русла / Б.И. Гельцер, М.М. Циванюк, К.И. Шахгельдян, В.Ю. Рублев // Российский кардиологический журнал. - 2020. - №25(5). - С. 99-105. - ёок 10.15829/1560-40712020-3802.

18. Гельцер, Б.И. Методы машинного обучения как инструмент диагностических и прогностических исследований при ишемической болезни сердца / Б.И. Гельцер, М.М. Циванюк, К.И. Шахгельдян, В.Ю. Рублев // Российский кардиологический журнал. - 2020. - №25(12). - С. 164-171. -ёок10.15829/1560-4071-2020-3999.

19. Гервальд, В.Я. Внезапная сердечная смерть. Состояние проблемы / В.Я. Гервальд, Т.Г. Насонов, А.В. Лепилов [и др.] // Современные проблемы науки и образования. - 2018. - № 6. - С. 1-11.

20. Гусев, А.В. Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний / А.В. Гусев, Д.В. Гаврилов, И.Н. Корсаков [и др.] // Искусственный интеллект в здравоохранении. - 2019. -№3. - С. 41-47.

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

22. Дюдин, М.В. Автоматические классификаторы сложно структурируемых изображений на основе мультиметодных технологий многокритериального выбора / М.В. Дюдин, И.В. Зуев, С.А. Филист, С.М. Чудинов // Вопросы радиоэлектроники. - 2015. - № 1. - С. 130-141.

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

24. Емельянов, С.Г. Прогнозирование степени тяжести развития ишемического процесса в сердце, головном мозге и нижних конечностях на основе нечётких моделей / С.Г. Емельянов, Н.А. Кореневский, A.B. Быков // Биомедицинская радиоэлектроника. - 2016. - №9. - С. 4-9.

25. Ефремов, М.А. Гибридные нечеткие модели для прогнозирования возникновения и осложнений артериальной гипертензии с учетом энергетических характеристик биоактивных точек / М.А. Ефремов, С.А. Филист, О.В. Шаталова [и др.] // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2018. - Т. 8, № 4 (29). - С. 104-119.

26. Ефремов, М.А. Гибридные многоагентные классификаторы в биотехнических системах диагностики заболеваний и мониторинге лекарственных назначений / М.А. Ефремов, О.В. Шаталова, В.В. Федянин, А.Н. Шуткин // Нейрокомпьютеры: разработка, применение. - 2015. - № 6. - С. 42-47.

27. Ефремов, М.А. Модели формирования пространства информативных признаков для прогнозирования инсультов по результатам исследования переходных процессов в аномальных зонах электропроводности в экспериментах in vivo / М.А. Ефремов, Е.А. Старцев, А.Ф. Рыбочкин, О.В. Шаталова, В.В. Серебровский // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2017. - Т. 7, № 3 (24). - С. 120-131.

28. Ефремов, М.А. Прогнозирование возникновения, ранняя и дифференциальная диагностика остеохондрозов поясничного отдела позвоночника на основе нечеткой логики принятия решений / М.А. Ефремов, Н.А. Кореневский, О.В. Родионов, С.А. Филист // Системный анализ и управление в биомедицинских системах. - 2006. - Т. 5, № 4. - С. 939-942.

29. Ефремова, О.А. Диагностика ишемической болезни сердца интеллектуальной системой «АРМ-Кардиолог» / О.А. Ефремова // Курский научно-практический вестник «Человек и его здоровье». - 2014. - №1. - С. 69-74.

30. Жилин, В.В. Способ моделирования нечетких моделей в пакете МАТЬАБ для биомедицинских приложений / В.В. Жилин, С.А. Филист, Абдул Рахим Халед, О.В. Шаталова // Медицинская техника. - 2008. - № 2. - С. 15-17.

31. Жмудяк, М.Л. Автоматизированная система медицинской диагностики заболеваний с учетом их динамики / М.Л. Жмудяк [и др.] // Ползуновский вестник. - 2006. - №1. - С. 95-106.

32. Заде, Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений / Л.А. Заде. - М.: Мир, 1976. - 167 с.

33. Закирова, А.Н. Корреляционные связи перекисного окисления липидов, антиоксидантной защиты и микрореологических нарушений в развитии ИБС / А.Н. Закирова // Терапевтический архив. - 1996. - Т.68, №9. - С. 37-40.

34. Киселев, А.В. Виртуальные потоки в гибридных решающих модулях классификации сложноструктурируемых данных / А.В. Киселев, Д.Ю. Савинов, С.А. Филист, О.В. Шаталова, В.В. Жилин // Прикаспийский журнал: управление и высокие технологии. - 2018. - № 2 (42). - С. 137-149.

35. Киселев, А.В. Модели латентных предикторов в интеллектуальных системах прогнозирования состояния живых систем / А.В. Киселев, О.В. Шаталова, З.У. Протасова, С.А. Филист, Н.С. Стадниченко // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2020. - Т. 10, № 1. - С. 114-133.

36. Киселев, А.В. Нейросетевые модули с виртуальными потоками для классификации и прогнозирования функционального состояния сложных систем / А.В. Киселев, Т.В. Петрова, С.В. Дегтярев, А.Ф. Рыбочкин, С.А. Филист, О.В. Шаталова, В.Н. Мишустин // Известия Юго-Западного государственного университета. - 2018. - Т.22, №4 (79). - С. 123-134.

37. Киселев, А.В. Слабые классификаторы с виртуальными потоками в интеллектуальных системах прогнозирования сердечно-сосудистых осложнений /

A.В. Киселев, М.В. Томаков, Е.В. Петрунина [и др.] // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. - Т. 9, №1 (30). - С. 6-19.

38. Клеменков, С.В. Физиотерапия больных коронарной болезнью сердца с нарушениями ритма / С.В. Клеменков, Е.Ф. Левицкий, О.Б. Давыдова; Российская акад. естеств. наук. - Красноярск, 2000. - 336 с.

39. Кобякова, О.С. Хронические неинфекционные заболевания: эффекты сочетанного влияния факторов риска / О.С. Кобякова, И.А. Деев, Е.С. Куликов [и др.] // Профилактическая медицина. - 2019. - Т. 22, № 2. - С. 45-50.

40. Комлев, И.А. Прогнозирование и оценка степени тяжести ишемии сердца на основе гибридных нечётких моделей / И.А. Комлев, О.В. Шаталова, С.В. Дегтярев, А.В. Серебровский // Известия Юго-Западного государственного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. -Т. 9, №1 (30). - С. 133-145.

41. Конева, Л.В. Оценка уровня психоэмоционального напряжения и утомления по показателям, характеризующим состояние внимания человека / Л.В. Конева, С.Н. Кореневская, С.В. Дегтярев // Системный анализ и управление в биомедицинских системах. - 2012. - Т. 11, № 4. - С. 993-1000.

42. Кореневский, Н.А. Информационно-интеллектуальные системы для врачей рефлексотерапевтов: монорафия / Н.А. Кореневский, Р.А. Крупчатников. -Старый Оскол: ТНТ, 2013. - 423 с.

43. Кореневский, Н.А. Контроль динамики развития ишемических процессов в сердце по энергетическому разбалансу меридианных структур организма / H.A. Кореневский, И.Ю. Григоров, К.В. Разумова, В.А. Горбунов,

B.В. Дмитриева, С.В. Дегтярев // Медицинская техника. - 2020. - №1. - С.47-50.

44. Кореневский, Н.А. Метод прогнозирования и диагностики профессиональных заболеваний по энергетическому разбалансу меридианных структур организма / Н.А. Кореневский, И.Ю. Григоров, К.В. Разумова //

Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. -Т.9, №2. - С.75-90.

45. Кореневский, Н.А. Метод синтеза моделей прогнозирования и ранней диагностики профессиональных заболеваний работников локомотивных бригад / Н.А. Кореневский, Д.А. Медников, В.В. Стародубцев // Системный анализ и управление в биомедицинских системах. - 2020. - Т. 19, № 3. - С. 140-154.

46. Кореневский, Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем / Н.А. Кореневский // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. -№2. - С.99-103.

47. Кореневский, Н.А. Синтез прогностических и диагностических нечетких решающих правил по электрическим характеристикам проекционных зон для медико-экологических приложений / Н.А. Кореневский, В.А. Бунеев, В.В. Буняев, Р.А. Крупчатников // Известия вузов. Северо-Кавказский регион. Технические науки. - 2009. - №4(152). - С.39-46.

48. Кореневский, Н.А. Теоретические основы биофизики акупунктуры с приложениями в медицине, психологии и экологии на основе нечетких сетевых моделей / Н.А. Кореневский, Р.А. Крупчатников, Р.Т. Аль-Касасбех. - Старый Оскол: ТНТ, 2013. - 528 с.

49. Кореневский, Н.А. Теория проектирования нечетких сетевых экспертных систем для управления медико-экологической безопасностью / Н.А. Кореневский, С.А. Филист, А.Б. Красковский [и др.] // Научные ведомости Белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. - 2009. - № 9 (64). - С.146-151.

50. Крупчатников, Р.А. Сверточная нейронная сеть для моделей классификаторов медицинского риска с синергетическими каналами / Р.А. Крупчатников, Д.А. Медников, З.У. Протасова, Р.И. Сафронов, О.В. Шаталова, Н.С. Стадниченко // Известия Юго-Западного государственного университета.

Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2021. - Т. 11, №2. - С. 25-50.

51. Кудрявцев, П.С. Развитие методологии бустинга для классификации флюорограмм грудной клетки / П.С. Кудрявцев, А.А. Кузьмин, С.А. Филист // Биомедицинская радиоэлектроника. - 2016. - № 9. - С. 10-15.

52. Куликова, Н.В. Неспецифические эффекты различных видов слабых магнитных полей у больных ишемической болезнью сердца / Н.В. Куликова, А.Ф. Ершов, Л.М. Никонова // Современные аспекты военной медицины: тезисы докладов Юбилейной науч.-практич. конф., посвящ. 240-летню основания Киевского военного госпиталя. - Киев, 1995. - С.250-251.

53. Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Леоненков. - СПб.: БХВ - Петербург, 2005. - 736 с.

54. Медников, Д.А. Интеллектуальные системы поддержки принятия врачебных решений в кардиологической практике / Д.А. Медников, З.У. Протасова, Е.В. Крикунова // Юность и Знания - Гарантия Успеха - 2021: сборник научных трудов 8-й Международной молодежной научной конференции (16 - 17 сентября 2021 г.) : в 3-х томах. - Курск: Юго-Запад. гос. ун-т, 2021. - Т. 2. - С. 225-245.

55. Медников, Д.А. Системы поддержки принятия решений в кардиологической области. Обзор / Д.А. Медников, З.У. Протасова, О.В. Шаталова, А.В. Серебровский // Медико-экологические информационные технологии - 2021: сборник научных статей по материалам XXIV Международной научно-технической конференции (20-21 мая 2021 г.). - Курск: ЮЗГУ, 2021. - С. 178-188.

56. Метсо, К.В. Частота сердечных сокращений и циркадный индекс как предикторы нарушений ритма сердца у лиц трудоспособного возраста с артериальной гипертензией / К.В. Метсо, В.С. Никифоров // Кардиоваскулярная терапия и профилактика. - 2018. - Т. 17, № S. - С. 21-22.

57. Омельченко, В.П. Практикум по медицинской информатике: учебное пособие для студ. мед. вузов России / В.П. Омельченко, А.А. Демидова. - Ростов на Дону: Феникс, 2001. - 304 с.

58. Онищенко, Г.Г. Анализ риска здоровью в стратегии государственного социально-экономического развития: монография / Г.Г. Онищенко, Н.В. Зайцева, И.В. Май [и др.]; под общей редакцией Г.Г. Онищенко, Н.В. Зайцевой. - Пермь: Перм. нац. исслед. политехн. ун-т, 2014. - 738 с.

59. Орлов, Л.Л. "Бегущее" импульсное магнитное поле в лечении стенокардии / Л.Л. Орлов, Л.Д. Макоева, Г.А. Почечуева [и др.] // Биофизика. -1996. - Т.41, №. 4. - С. 949-952.

60. Особенности влияния низкочастотного магнитного поля на сердечно -сосудистую систему больных с ИБС различного возраста при остеохондрозе позвоночника / Е.Б. Волошина, В.И. Разевич, Л.И. Доморацкая [и др.] // Курортология и физиотерапия. Республиканский межведомственный сборник. -1990. - Вып.23. - С. 123-125.

61. Осовский, С. Нейронные сети для обработки информации / С. Осовский; пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344 с.

62. Пат. 2289302 Российская Федерация, МПК А 61 Б 5/0452, А 61 Б 5/01, А 61 N 2/00. Способ определения степени магниточувствительности пациента / Гостев С.С., Жулев В.И.; заявитель и патентообладатель Рязанская государственная радиотехническая академия. - №2005120108/14; заявл. 28.06.2005; опубл. 20.12.2006, Бюл. №35. - 5 с.

63. Пат. 2752594 Российская Федерация, МПК А 61 Б 5/053. Способ классификации биологических объектов на основе многомерного биоимпедансного анализа и устройство для его реализации / Филист С.А., Шаталова О.В., Протасова З.У. Стадниченко Н.С.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗГУ). - № 2020115879; заявл. 15.05.2020; опубл. 29.07.2021, Бюл. № 22. - 27 с. : ил.

64. Пат. 2011373 Российская Федерация, МПК А 61 Н 39/00, А 61 Б 5/00. Способ диагностики заболеваний / Мазун А.И., Миронов С.А.; заявитель и патентообладатель Мазун А.И., Миронов С.А. - № 5028763/14; заявл. 10.01.1992; опубл. 30.04.1994, Бюл. № 8. - 10 с. : ил.

65. Пат. 2733915 Российская Федерация, МПК А 61 B 5/00. Способ управления терапевтическими воздействиями путем мониторинга скорости вращения вольтамперных характеристик в зонах аномальной электропроводности / Забанов Д.С., Филист С.А., Шаталова О.В.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗГУ). - № 2018147105; заявл. 28.12.2018; опубл. 08.10.2020. Бюл. № 28. - 14 с. : ил.

66. Пат. 2550015 Российская Федерация, МПК A 61 B 5/00, A 61 H 39/00. Способ акупунктурной диагностики / Мохаммед Авад Али Абдо, Кассим Кабус Дерхим Али, Кореневский Н.А., Филист С.А., Шаталова О.В., Кузьмин А.А.; заявитель и патентообладатель Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Юго-Западный государственный университет" (ЮЗГУ). - № 2013156131/14; заявл. 18.12.2013; опубл. 10.05.2015, Бюл. № 13. - 11 с. : ил.

67. Петрова, Т.В. Предикторы синхронности системных ритмов живых систем для классификаторов их функциональных состояний / Т.В. Петрова, С.А. Филист, С.В. Дегтярев, А.В. Киселев, О.В. Шаталова // Системный анализ и управление в биомедицинских системах. - 2018. - Т.17, № 3. - С. 693-700.

68. Плетнев, С.В. Система контроля и направленного воздействия магнитных полей на состояние биологических объектов : автореферат дис. ... доктора технических наук : 05.11.13 / Сев.-Зап. гос. заоч. техн. ун-т. - СПб, 2004. -36 с.

69. Протасова, З.У. Методы и алгоритмы формирования слабых классификаторов в ансамбле классификаторов прогнозирования сердечнососудистых рисков / З.У. Протасова, О.В. Шаталова, А.А.Б. Дафалла, С.В. Дегтярев // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2019. - Т. 9, № 3(32). - С. 64-83.

70. Самосюк, И.З. Акупунктура: Методы рефлексотерапии. Акупунктур. точки и меридианы. Диагностика заболеваний. Практ. применение / И.З. Самосюк, В.П. Лысенюк. - [2. изд.]. - М.: АСТ-Пресс Книга, 2004. - 526 с.

71. Серебровский, В.В. Генерация структуры и параметров экспертных информационных систем / В.В. Серебровский, С.А. Филист, О.В. Шаталова, А.А. Черепанов // Научные ведомости Белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. - 2014. - № 1(172), Выпуск 29/1. - С. 150-152.

72. Серебровский, В.В. Информационная система детектирования ишемических кардиоциклов с использованием нечеткой логики / В.В. Серебровский, С.А. Филист, О.В. Шаталова, А.А. Черепанов // Научные ведомости Белгородского государственного университета. Серия: История. Политология. Экономика. Информатика. - 2014. - № 8 (179), Выпуск 30/1 - С. 71-75.

73. Сидельников, Ю.В. Теория и организация экспертного прогнозирования / Ю.В. Сидельников. - М.: ИМЭМО, 1990. - 195 с.

74. Системы комплексной магнитотерапии: учебное пособие для вузов / Под ред. А.М. Беркутова, В.И. Жулева, Г.А. Кураева, Е.М. Прошина. - М.: Лаборатория Базовых Знаний, 2000. - 376 с.

75. Смирнова, М.Д. Прогностические факторы развития сердечно-сосудистых осложнений во время аномальной жары 2010 г. (кагорное наблюдательное исследование) / М.Д. Смирнова, Т.В. Фофанова, Е.Б. Яровая [и др.] // Кардиологический вестник. - 2016. - Т. 11, №1. - С. 43-51.

76. Суржикова, С.Е. Использование гибридных нейросетевых моделей для многоагентных систем классификации в гетерогенном пространстве информативных признаков / С.Е. Суржикова, А.Г. Курочкин, В.В. Жилин, С.А. Филист // Прикаспийский журнал: управление и высокие технологии. - 2015. - №2 3 (31). - С. 85-95.

77. Суржикова, С.Е. Исследование проводимости биоматериалов в биоактивных точках при циклических воздействиях токами различной полярности / С.Е. Суржикова, Ю.Б. Мухатаев, Л.В. Плесканос, О.В. Шаталова // Биомедицинская радиоэлектроника. - 2016. - № 9. - С. 32-37.

78. Суржикова, С.Е. Программно-аппаратный комплекс диагностики социально значимых заболеваний / С.Е. Суржикова, О.В. Шаталова, В.В. Федянин // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2015. -№ 2 (15). - С. 79-87.

79. Суржикова, С.Е. Программно-аппаратный комплекс для анализа вольтамперных характеристик биоактивных точек на основе модуля L-CARD E20-10 / С.Е. Суржикова, О.В. Шаталова, В.В. Федянин // Прикаспийский журнал: управление и высокие технологии. - 2015. - № 2 (30). - С. 150-161.

80. Титов, В.С. Классификация функционального состояния человека и нечеткая оценка их уровня / В.С. Титов, Т.Н. Сапитонова // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2012. - №2, Ч.3. - С. 320324.

81. Томакова, Р.А. Гибридные технологии в интеллектуальных системах идентификации лекарственных средств / Р.А. Томакова, С.А. Филист, М.В. Томаков // Нейрокомпьютеры: разработка, применение. - 2014. - № 6. - С. 31-66.

82. Томакова, Р.А. Нечеткие нейросетевые технологии для выделения сегментов с патологическими образованиями и морфологическими структурами на медицинских изображениях / Р.А. Томакова, С.А. Филист, А.А. Насер // Биомедицинская радиоэлектроника. - 2012. - № 4. - С. 43-50.

83. Томакова, Р.А. Программное обеспечение автоматической классификации рентгенограмм грудной клетки на основе гибридных классификаторов / Р.А. Томакова, С.А. Филист, И.В. Дураков // Экология человека. - 2018. - № 6. - С. 59-64.

84. Трифонов, А.А. Методы и средства обеспечения реабилитационных процедур посредством биотехнической системы с биологической обратной связью и модулем нечеткого управления / А.А. Трифонов, Е.В. Петрунина, А.А. Кузьмин, З.У. Протасова, Л.П. Лазурина // Системный анализ и управление в биомедицинских системах. - 2021. - Т. 20, № 3. - С. 71-83.

85. Улащик, B.C. Низкочастотная магнитотерапия / В.С. Улащик, В.И. Войнов, С.В. Плетнев [и др.] - Минск: БелЦНМИ, 2001.- 172 с.

86. Филист, С.А. Метод классификации сложных объектов на основе анализа структурных функций медленных волн / С.А. Филист, И.И. Волков, С.Г. Емельянов // Биомедицинская радиоэлектроника. - 2012. - №4. - С.6-12.

87. Филист, С.А. Биотехническая система для контроля импеданса биоматериалов в экспериментах in vivo / С.А. Филист, А.А. Кузьмин, М.Н. Кузьмина // Биомедицинская радиоэлектроника. - 2014. - №9. - С. 38-41.

88. Филист, С.А. Гибридная нейронная сеть с макрослоями для медицинских приложений / С.А. Филист, О.В. Шаталова, М.А. Ефремов // Нейрокомпьютеры: разработка, применение. - 2014. - №26. - С. 35-69.

89. Филист, С.А. Гибридные решающие системы для прогнозирования послеоперационных осложнений у больных с доброкачественной гиперплазией предстательной железы / С.А. Филист, К.Д.А. Кассим, Р.В. Руцкой // Известия Юго-Западного государственного университета. - 2013. - № 5 (50). - С. 40-49.

90. Филист, С.А. Модели биоимпеданса при нелинейной вольтамперной характеристике и обратимом пробое диэлектрической составляющей биоматериала / С.А. Филист, О.В. Шаталова, А.С. Богданов // Бюллетень сибирской медицины. - 2014. - Т. 13, № 4. - С. 129-135.

91. Филист, С.А. Модели нечетких нейронных сетей с трехстабильным выходом в инструментарии для психологических и физиологических исследований / С.А. Филист, А.Р.С. Халед, О.В. Шаталова, В.В. Руденко // Системный анализ и управление в биомедицинских системах. - 2007. - Т.6, №2. - С. 475-479.

92. Филист, С.А. Модель формирования функциональных систем с учетом менеджмента адаптационного потенциала / С.А. Филист, А.Н. Шуткин, Е.С. Шкатова [и др.] // Биотехносфера. - 2018. - № 1 (55). - С. 32-37.

93. Филист, С.А. Структурно-функциональная модель мета-анализа медико-экологических данных / С.А. Филист, А.Н. Шуткин, В.В. Уварова // Актуальные направления научных исследований XXI века: теория и практика. - 2015. - Т. 3, № 81 (19-1). - С. 364-367.

94. Филист, С.А. Универсальные сетевые модели для задач классификации биомедицинских данных / С.А. Филист, Р.А. Томакова, Зар До Яа // Известия Юго-Западного государственного университета. - 2012. - № 4 (43), Ч. 2. - С. 44-50.

95. Финн, В.К. Интеллектуальные системы для анализа медицинских данных. Часть 2 / В.К. Финн [и др.] // Врач и информационные технологии. - 2006. - №6. - С. 50-60.

96. Хайкин, С. Нейронные сети: полный курс : [пер. с англ.] / С. Хайкин. - 2-е изд. - М.: ООО «И.Д. Вильямс», 2006. - 1104 с.

97. Шаталова, О.В. Ассоциации решающих модулей в интеллектуальных системах прогнозирования сердечно-сосудистых заболеваний / О.В. Шаталова // Системный анализ и управление в биомедицинских системах. - 2019. -пр Т. 18, № 2. - С.153-162.

98. Шаталова, О.В. Интеллектуальные системы мониторинга медицинских рисков с учетом биоимпедансных исследований: монография / О.В. Шаталова; Юго-Зап. гос. ун-т. - Курск, 2020. - 356 с.

99. Шаталова, О.В. Мультиагентная интеллектуальная система для прогноза риска сердечно-сосудистых осложнений с синергетическими каналами / О.В. Шаталова, Д.А. Медников, З.У. Протасова // Системный анализ и управление в биомедицинских системах. - 2020. - Т. 19, № 3. - С. 177-188.

100. Шаталова, О.В. Применение автоматизированной системы для исследования вольтамперных характеристик биоматериалов / О.В. Шаталова, С.Е. Суржикова, А.С. Богданов // Биомедицинская радиоэлектроника. - 2014. - № 9. -С. 43-46.

101. Шуткин, А.Н. Использование гибридных нечетких моделей для оценки степени утомления / А.Н. Шуткин, Е.А. Бойцова, А.В. Бойцов, С.Н. Кореневская // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2015. -№ 2(15). - С. 107-118.

102. Шуткин, А.Н. Нейросетевые модели для мета-анализа медико-экологических данных / А.Н. Шуткин, А.Г. Курочкин, В.В. Протасова, С.А. Филист // Нейрокомпьютеры: разработка, применение. - 2015. - № 6. - C.48-53.

103. Электропунктурная диагностика по методу И. Накатани. Методические рекомендации № 2002/34 / Н.А. Гаврилова, С.В. Коновалов [и др.] - М., 2002. - 24 с.

104. Alizadehsani, R. Coronary Artery Disease Detection Using Computational Intelligence Methods / R. Alizadehsani, M.H. Zangooei, M.J. Hosseini [et. al.] // Knowledge-Based Systems. - 2016. - Vol. 109. - Рр. 187-197.

105. Bhake, R.C. Automated 24-Hours Sampling of Subcutaneous Tissue Free Cortisol in Humans / R.C. Bhake, J.A. Leendertz, A.C.E. Linthorst, S.L. Lightman // Journal of Medical Engineering & Technology. - 2013. - Vol. 37, Issue 3. - Pp. 180184.

106. Dudchenko, A. Machine Learning Algorithms in Cardiology Domain: a Systematic Review / A. Dudchenko, M. Ganzinger, G. Kopanitsa // The Open Bioinformatics Journal. - 2020. - Vol. 13. - Pp. 25-40.

107. Fridlund, B. Social Support and Social Network After Acute Myocardial Infarction; the Critically Ill Male Patient's Needs, Choice and Motives / B. Fridlund, A. Stener-Bengtsson, A.L. Wännman // Intensive Crit Care Nurs. - 1993. - Vol. 9, Issue 2. -Pp. 88-94.

108. Li, K. Lifestyle Risk Factors and Residual Life Expectancy at Age 40: a German Cohort Study / K. Li, A. Hüsing, R. Kaaks // BMC Medicine. - 2014. - Vol. 12. - Pp. 1-10.

109. Nielsen, D. Tree Boosting With XGBoost - Why Does XGBoost Win "Every" Machine Learning Competition? / D. Nielsen. - Norway: NTNU, 2016. - 98 p.

110. Petrunina, E.V. Prediction of Coronary Risk Using a Multichannel System with Redundant Decisions and Associative Choice / E.V. Petrunina, O.V. Shatalova, Z.U. Protasova, A.F. Rybochkin, V.V. Serebrovsky // Biomedical Engineering. - 2020. -Vol. 54, No. 2. - Рр. 140-144.

111. Protasova, Z.U. Prediction of the Risk of Cardiovascular Complications with a Segmented Space of Risk Factors and Synergy Channels / Z.U. Protasova, O.V. Shatalova, D.A. Mednikov, N.S. Stadnichenko //Journal of Phisics: Conference Series: II International scientific conference on applied physics, information technologies and engineering (APITECH II) (25 September - 04 October 2020 y.). - Krasnoyarsk: Publ: Institute of Physics and IOP Publishing Limited, 2020. - Vol. 1679. - Pp. 032042 (1-5).

112. Santangelo, L. Magnetic Field Exposure and Arrythmic Risk: Evaluation in Railway Drivers / L. Santangelo, M. Di Grazia, F. Liotti [et. al.] // International Archives of Occupational and Environmental Health. - 2005. - Vol. 78. - Pp. 337-341.

113. Shaqadan, A. Prediction of Concrete Mix Strength Using Random Forest Model / A. Shaqadan // International Journal of Applied Engineering Research. - 2016. -Vol. 11, No. 22. - Pp. 11024-11029.

114. Shatalova, O.V. Application of Fuzzy Neural Model and Current-Voltage Analysis of Biologically Active Points for Prediction Post-Surgery Risks / O.V. Shatalova, S.A. Filist, Z.U. Protasova, N.A. Korenevskiy, R.T. Al-Kasasbeh [et. al.] // Computer Method in Biomedical Engineering. - 2021. - Vol. 24. - Pp. 1504-1516. - doi: 10.1080/10255842.2021.1895128.

115. Sutton, R.S. Two Problems with Backpropagation and Other Steepest-Descent Learning Procedures for Networks / R.S. Sutton // Proceedings of the Eighth Annual Conference of the Cognitive Science Society. - NJ: Erlbaum, 1986. - Pp. 823-832.

116. Veale, W.N. Hemodynamic and Pulmonary Fluid Status in the Trauma Patient: are We Slipping? / W.N. Veale, J.H. Morgan, J.S. Beatty, S.W. Sheppard, M.L. Dalton, J.M. Van de Water // The American Surgeon. - 2005. - Vol. 71, Issue 8. - Pp. 621-626.

117. Verma, L. A Hybrid Data Mining Model to Predict Coronary Artery Disease Cases Using Non-Invasive Clinical Data / L. Verma, S. Srivastava, P.C. Negi // Journal of Medical Systems. - 2016. - Vol. 40. - Pp. 1-7.

118. Watfa, G. Relationship Between Tissue Glycation Measured by Autofluorescence and Pulse Wave Velocity in Young and Elderly Non-Diabetic Populations / G. Watfa, G. Soulis, E. Tartagni [et. al.] // Diabetes Metab. - 2012. - Vol. 38, Issue 5. - Pp. 413-419.

119. Williams, B. 2018 ESC/ESH Guidelines for the Management of Arterial Hypertension / B. Williams, G. Mancia, W. Spiering [et. al.] // European Heart Journal. - 2018. - Vol. 39. - Pp. 3021-3104.

120. Wojdel, A. ECG Assessment Based on Neural Networks with Pretraining / A. Wojdel, V.J. Ribas Ripoll, E. Romero, P. Ramos, J. Brugada // Applied Soft Computing. - 2016. - Vol. 49. - Pp. 399-406.

121. Zhang, Z. Enhanced Character-Level Deep Convolutional Neural Networks for Cardiovascular Disease Prediction / Z. Zhang, Y. Qiu, X. Yang [et. al.] // BMC Medical Informatics and Decision Making. - 2020. - Vol. 20, Suppl. 3. - Pp. 1-10. - doi: 10.1186/s 12911 -020- 1118-z