Нейро-нечеткая система поддержки принятия решений при диагностике синдрома эндогенной интоксикации тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Кузнецова, Ольга Юрьевна

• Кузнецова, Ольга Юрьевна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Кузнецова, Ольга Юрьевна

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ФОРМАЛИЗОВАННЫХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

1.1 Анализ лабораторных методов диагностики

1.2 Анализ формальных методов диагностики

1.3 Анализ способов заполнения пропусков в исходных данных

1.3 Анализ способов понижения размерности исходных данных

1.4 Анализ нейросетевых методов диагностики

1.4.1 Анализ математической модели персептрона

1.4.2 Анализ модели многослойной нейронной сети

1.5 Анализ методов нечеткой логики и нейро-нечетких сетей при диагностике синдрома эндогенной интоксикации

1.5.2. Анализ модели нейро-нечеткой сети

1.5.3Анализ алгоритмов обучения нейро-нечеткой сети

1.5.3 Анализ алгоритмов оптимизации нейро-нечеткой сети

Выводы к главе 1

ГЛАВА 2. ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ И НЕЧЕТКИХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

2.1 Постановка задачи

2.2 Проверка медицинских анализов на соответствие нормальному закону распределения

2.3 Реализация способа заполнения пропусков

2.3.1 Исследование четкой кластеризации на основе к-теат

2.3.2 Исследование алгоритма нечеткой кластеризации на основе с-теат

2.3.3 Сравнение методов кластерного анализа

2.3.4 Заполнение пропусков в данных

2.4 Выбор лабораторных показателей

2.4.1 Исследование маркеров эндогенной интоксикации для выбора информативных признаков

2.4.2 Исследование гистограмм распределения анализов больных и здоровых

пациентов для выбора информативных признаков

2.4.3 Исследование применения t-критерия Стъюдента и критерия Манна-Уитни для выбора информативных признаков

2.4.4 Исследование применения корреляционного анализа для выбора информативных признаков

2.4.5 Сравнение статистических методов выбора анализов с применением маркеров СЭИ

2.5 Исследование нейронных сетей для диагностики синдрома эндогенной интоксикации

2.5.1 Исследование персептрона

2.5.2 Исследование многослойного персептрона для диагностики синдрома эндогенной интоксикации

2.6 Исследование нейро-нечетких сетей для диагностики синдрома эндогенной интоксикации

2.6.1 Исследование адаптивной нейро-нечеткой сети ANFIS

2.6.2 Создание базы знаний

2.7 Исследование каскадной нейро-нечеткой сети

2.7.1 Анализ каскадной нейро-нечеткой сети

2.7.2 Исследование каскадной нейро-нечеткой сети для диагностики синдрома эндогенной интоксикации

Выводы к главе 2

ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИАГНОСТИКЕ ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

3.1 Анализ требований к системе

3.2 Обоснование выбора среды разработки

3.3 Проектирование системы

3.3.1 Определение внешнего функционирования проектируемой системы. Диаграмма вариантов использования

3.3.2 Определение внешнего функционирования проектируемой системы. Диаграмма последовательности

3.3.3 Определение структуры проектируемой системы

3.4 Разработка системы

3.5 Возможности экспертной системы

3.6 Экспериментальное исследование системы поддержки принятия решений

Выводы к главе 3

ОБЩИЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

Список сокращений и условных обозначений:

Список литературы:

ПРИЛОЖЕНИЕ А

Гистограммы значений лабораторных анализов больных с хронической почечной недостаточность (ХПН) в терминальной стадии и в ранней стадии хронической почечной недостаточности для проверки данных на соответствие нормальному закону распределения

ПРИЛОЖЕНИЕ Б

Евклидово расстояние между кластерами

ПРИЛОЖЕНИЕ В

Матрица степеней принадлежности объектов к кластерам

ПРИЛОЖЕНИЕ Г

Выбор информативных признаков с помощью сравнения

гистограмм распределения анализов больных и здоровых

ПРИЛОЖЕНИЕ Д

Выбор информативных признаков с помощью корреляционного анализа

ПРИЛОЖЕНИЕ Е

UML-диаграммы

ПРИЛОЖЕНИЕ Ж

Удостоверение о рационализаторском предложении

ПРИЛОЖЕНИЕ 3

Свидетельство о регистрации программы для ЭВМ

ПРИЛОЖЕНИЕ И

Свидетельство о регистрации электронного издания «Медико-технологические системы в клинической медицине: методическое пособие для специальности врач-

кибернетик»

ПРИЛОЖЕНИЕ К

Свидетельство о регистрации базы данных

ПРИЛОЖЕНИЕ Л

Результаты внедрения

Введение диссертации (часть автореферата) на тему «Нейро-нечеткая система поддержки принятия решений при диагностике синдрома эндогенной интоксикации»

ВВЕДЕНИЕ

Синдром эндогенной интоксикации (СЭИ) является одним из наиболее распространенных в клинической практике. Под СЭИ подразумевается комплекс симптомов патологических состояний органов и систем организма, обусловленных накоплением в тканях и биологических жидкостях эндотоксинов, которые являются результатом реагирования на повреждающий фактор. Задача ранней диагностики СЭИ затруднена сложностью использования специфических маркеров токсикоза. По клиническому течению интоксикацию делят на острую и хроническую почечную недостаточность [70]. Острая почечную недостаточность (ОПН) возникает внезапно вследствие острого, чаще всего обратимого поражения почек. Распространенным случаем СЭИ является хроническая почечная недостаточность (ХПН), обычно развивается постепенно вследствие прогрессирующей необратимой утраты функций почек. Распространенность хронической болезни почек (ХБП) сопоставима с такими социально значимыми заболеваниями, как гипертоническая болезнь и сахарный диабет, а также ожирение и метаболический синдром. Основная цель концепции хронической болезни почек является с одной стороны, ранее выявление и замедление прогрессирования заболевания почек разной этиологии, а следовательно, отдаление развития хронической почечной недостаточности с последующей заместительной почечной терапией, с другой стороны, снижение риска сердечнососудистых осложнений, обусловленных почечной дисфункцией. По данным крупных популяционных регистров [63, 134], распространённость ХБП составляет не менее 10%, достигая 20% и более у отдельных категорий лиц (пожилые, больные сахарным диабетом 2 типа). Для сравнения: хроническая сердечная недостаточность встречается у 1% населения, бронхиальная астма у 5% взрослого населения, сахарный диабет — у 4-10%. Признаки повреждения почек и снижение скорости клубочковой фильтрации выявляют, как минимум, у каждого десятого представителя общей популяции. При этом сопоставимые цифры были получены как в индустриальных странах с высоким уровнем жизни, так и в развивающихся странах со средним и низким доходом населения. Так, по результатам эпидемиологических исследований в США, снижение функции почек наблюдается у 15% населения, в Японии - 18%, в Нидерландах - 17%, в Испании - 12%, в Китае от 6-14%, в Конго от 8-12% [70, 134]. ХПН занимает первое место по распространенности среди всех заболеваний почек в этих странах. Результаты исследований в России показали, что проблема ХБП для нашей страны является не менее острой. Признаки ХБП отмечаются более чем у 1/3 больных с хронической сердечной

недостаточностью, снижение функции почек наблюдается у 36% лиц в возрасте старше 60 лет, у лиц трудоспособного возраста - 16% случаев, а при наличии сердечнососудистых заболеваний его частота возрастает до 26%. Смертность от почечной недостаточности по данным Государственного регистра достигает примерно 18% и существенно не меняется в течении последних 30 лет [63]. По данным аналитического отчета 2009 года Российского регистра заместительной почечной терапии (ЗПТ) по состоянию на 2007 год в России ЗПТ получали 20212 пациентов с терминальной стадией ХПН, что на 11,7% больше, чем в 2006 году [63]. Тем не менее, показатели обеспеченности ЗПТ в России отстают от других стран. Так в США обеспеченность ЗПТ составляет 1556 пациентов на 1 миллион населения, а в РФ - 142, в связи, с чем можно предположить, что реальное количество пациентов с терминальной стадией ХПН значительно выше и продолжает расти. В 2010 году число таких пациентов достигло в мире примерно 2 млн. человек [10, 136]. Задача ранней диагностики синдрома эндогенной интоксикации имеет большое значение в связи с частым развитием хронической и острой почечной недостаточности, тяжестью течения и высокой летальностью.

Для объективной оценки наличия СЭИ существуют различные неспецифические лабораторные методы, позволяющие с той или иной степенью точности и достоверности судить о выраженности данного синдрома. В хирургической практике (травматическая болезнь, перитонит, панкреонекроз и т.д.) при изучении степени тяжести СЭИ используют определение количества лейкоцитов периферической крови и лейкоцитарную формулу, а также их функциональную активность с помощью теста восстановления нитросинего тетразолия; из иммунологических методов - определение иммуноглобулинов, циркулирующих иммуннокомплексов [5, 52]. Из биохимических методов широко используется определение продуктов перекисного окисления липидов, в основном, малонового диальдегида. В лабораторной диагностике распространено определение уровня молекул средней массы, являющихся общепризнанным биохимическим маркёром СЭИ при различных патологических состояниях. Однако они являются дорогостоящими, в связи с чем встает задача создания менее дорогостоящих и более доступных методов диагностики.

Чтобы сделать правильный прогноз возникновения заболевания, необходимо проанализировать большое количество факторов риска и диагностических признаков, приводящих к заболеваниям. Для обработки биомедицинских данных используют формальные методы, среди которых одними из наиболее популярных являются нейросетевые [17, 32, 50]. Нейронные сети имеют возможность обучаться и обобщать накопленные знания и используются для задач клас-

сификации образов, распознавания, идентификации, прогнозирования, но не дают ответа на вопрос, как осуществляются эти процессы. Этот недостаток нейронных сетей решается в системах с нечетким выводом, в основе которых лежат понятия теории нечетких множеств и нечеткой логики [87]. Системы с нечетким выводом позволяют объяснить получаемый с их помощью результат, позволяют закладывать в информационное поле априорный опыт врачей-экспертов, но они не имеют возможности обучаться и обобщать накопленные знания.

От перечисленных недостатков свободны системы на основе нейро-нечетких сетей. Выводы нейро-нечеткая сеть делает на основе базы знаний, в которой заключен априорный опыт эксперта, а параметры нейро-нечеткой сети настраиваются с использованием алгоритмов обучения нейронных сетей. Нейро-нечеткие сети имеют возможность использовать неточную информацию, приобретать новые знания, обучаться, выполнять классификацию образов, прогнозировать и, кроме того, могут объяснить полученный результат.

Таким образом, задача, заключающаяся в разработке нейро-нечеткой системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на основе нейро-нечеткой сети, является актуальной и представляющей научный интерес.

Цель работы — разработка нейро-нечеткой системы поддержки принятия решений, позволяющей распознавать наличие или отсутствие синдрома эндогенной интоксикации на примере хронической почечной недостаточности как для обследования отдельных больных, так и с целью массового обследования без использования дорогостоящих лабораторных методов.

Для достижения поставленной цели решаются следующие задачи:

1. Разработка способов подготовки данных для обучения нейронных и нейро-нечетких сетей: заполнение пропусков результатов анализов и понижение размерности исходных данных.

2. Исследование и разработка архитектур и алгоритмов обучения нейронных и нейро-нечетких сетей, предназначенных для диагностики синдрома эндогенной интоксикации на примере хронической почечной недостаточности.

3. Разработка алгоритма построения базы знаний нейро-нечеткой сети.

4. Разработка системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере хронической почечной недостаточности.

5. Испытание разработанной системы в клинической больнице.

Методы исследования. При решении поставленных задач использовались методы статистического анализа, теория нейронных сетей, теория нечетких множеств и нечеткая логика, теория нейро-нечетких сетей.

Научная новизна:

1. Предложен способ заполнения пропусков в медицинских обучающих данных отличающийся от известных интеграцией метода кластеризации и бутстреп-метода, что позволяет учесть особенности статистических распределений анализов пациентов и повысить точность дальнейшей диагностики.

2. Разработан алгоритм построения базы знаний нейро-нечеткой сети, который в отличие от известных позволяет исключить из базы знаний правила нечетких продукций, не используемые при работе с обучающей выборкой. Исключение правил с минимальной степенью выполнения позволяет существенно сократить базу знаний, не уменьшив ее информативности, что повышает точность диагностики.

3. Предложена модификация метода последовательного квадратичного программирования с ограничениями для настройки весовых коэффициентов нейро-нечеткой сети, отличающаяся от известных учетом ограничений, накладываемых на весовые коэффициенты правил, что позволяет сократить ошибку диагностики.

4. Разработана архитектура каскадной нейро-нечеткой сети, узлами которой являются адаптивные нейро-нечеткие сети (ANFIS - Adaptive Neuro-Fuzzy Inference System), которая позволила снизить ошибки диагностики за счет уменьшения числа настраиваемых коэффициентов по сравнению с классической ANFIS при одном и том же количестве входов. Предложено ввести дополнительный слой, позволивший диагностировать тяжесть ХБП.

5. Разработана структура системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН, основанная на каскадной нейро-нечеткой сети и позволяющая обрабатывать в интерактивном режиме поступающие медицинские данные и настраивать систему на новые данные по предложениям врача-эксперта.

Практическая ценность состоит в создании системы поддержки принятия решений при диагностике синдрома эндогенной интоксикации на примере ХПН, которая позволяет врачу повысить достоверность диагноза, сократив затраты и время исследования.

На защиту выносятся:

1. Способ заполнения пропусков в медицинских обучающих данных на основе интегра-

ции метода кластеризации и бутстреп-метода.

2. Алгоритм построения базы знаний нейро-нечеткой сети, который позволяет исключить из базы знаний правила с минимальной степенью выполнения.

3. Модификация метода последовательного квадратичного программирования с ограничениями, накладываемыми на весовые коэффициенты сети.

4. Архитектура каскадной нейро-нечеткой сети.

5. Структура и программная реализация системы поддержки принятия решений на основе каскадной нейро-нечеткой сети при диагностике синдрома эндогенной интоксикации на примере ХПН.

Достоверность научных положений, выводов и практических результатов, сформулированных в диссертации, обеспечены корректным использованием теории нейронных сетей и нечетких систем, подтверждается результатами экспериментального исследования нейронных и нечетких сетей на реальных данных больных ГУЗ «Пензенская областная клиническая больница им. Н. Н. Бурденко», а также регистрацией разработанных программ.

Реализация работы и внедрение результатов.

Основные результаты и положения диссертационной работы внедрены в работу отделения переливания крови Пензенской областной клинической больницы им. Н. Н. Бурденко, г. Пенза; использованы на кафедре «Хирургии» медицинского института Пензенского государственного университета; ОАО «Пензенского конструкторского бюро моделирования».

Получено свидетельство о государственной регистрации программы для ЭВМ № 2010611803 «СД-СЭИ. Экспертная система диагностики синдрома эндогенной интоксикации», выданное Беловой (Кузнецовой) О. Ю., Горбаченко В. И., Соломахе А. А. Федеральной службой по интеллектуальной собственности, патентам и товарным знакам, зарегистрированное в Реестре программ для ЭВМ 09.03.2010 г.

Получено удостоверение на рационализаторское предложение № 335 «Компьютерная система диагностики синдрома эндогенной интоксикации», выданное Соломахе А. А. и Беловой (Кузнецовой) О. Ю. БРИЗом ГУЗ Пензенской областной клинической больницы им. Н. Н. Бурденко и Медицинского института Пензенского государственного университета.

Получено свидетельство о государственной регистрации электронного издания № 0321100625 «Медико-технологические системы в клинической медицине: методическое пособие для специальности врач-кибернетик», выданное Беловой (Кузнецовой) О. Ю.

?

федеральной службой в сфере связи, информационных технологий и массовых коммуникаций ГУП НТЦ «Информрегистр», зарегистрированное 23.03.2011 г.

Получено свидетельство о государственной регистрации базы данных № 2013621103 «Лабораторные показатели крови больных хронической почечной недостаточности», выданное Со-ломахе А. А., Горбаченко В. И., Кузнецовой О. Ю., Ващенко П. А. Федеральной службой по интеллектуальной собственности, зарегистрированное в Реестре баз данных 06.09.2013 г.

Апробация работы: Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах:

XVI Всероссийский семинар «Нейроинформатика и ее приложения и анализ данных» (Красноярск, 2008); научно-практическая конференция «Перспективные технологии искусственного интеллекта» (Пенза, 2008); III Международная научно-техническая конференция «Аналитические и численные методы моделирования естественнонаучных и социальных проблем» (Пенза, 2008); VIII Всероссийская научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2008); VIII Международная научно-техническая конференция «Новые информационные технологии и системы» (Пенза, 2008); XI Всероссийская научно-техническая конференция

«Нейроинформатика-2009» (Москва, 2009); II Международная дистанционная научная конференция и конкурс проектов "Инновации в медицине" (Курск, 2009); IX Международная научно-техническая конференция, посвященная 70-летию Пензенского государственного педагогического университета имени В. Г. Белинского «Проблемы информатики в образовании, управлении, экономике и технике»; II Межрегиональная научная конференция «Актуальные проблемы медицинской науки и образования» (Пенза, 2009); Всероссийская научно-методическая конференция «Информатизация образования - Поволжье-2010»; X Международная научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2010); V Международная научно-техническая конференция «Аналитические и численные методы моделирования естественнонаучных и социальных проблем» (Пенза, 2010); XI Международная научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2011); XIV Всероссийской научно-техническая конференции «Информатика-2012»; X Всероссийская научная конференция «Нейрокомпьютеры и их применение» (Москва, 2012); VIII Международная конференция «Актуальные аспекты экстракорпорального очищения крови в интенсивной терапии»(Пенза, 2012); XVIII Межрегиональная научная конференция памяти академика Н.Н. Бурденко(Пенза,

i,

¡ni*

2012); I Международная научно-практическая конференция молодых ученых и студентов «Молодежь в мире современных технологий» (Херсон, 2012); XII Международная научно-техническая конференция «Проблемы информатики в образовании, управлении, экономике и технике» (Пенза, 2012).

Публикации: По теме диссертации опубликовано 27 работ, из них 7 статей в реферируемых журналах - в журналах, входящих в перечень ВАК РФ. Зарегистрирован программный продукт в Реестре программ для ЭВМ. А также зарегистрировано электронное издание в федеральной службе в сфере связи, информационных технологий и массовых коммуникаций ГУП НТЦ «Информрегистр», получено свидетельство о государственной регистрации базы данных.

Все результаты, составляющие содержание диссертации, получены диссертантом самостоятельно. Работы опубликованы в соавторстве с научным руководителем и научным консультантом, которому принадлежат разработка концепции решаемой проблемы и постановка задачи исследования. В зарегистрированном программном продукте (выполненном в соавторстве) диссертантом исследованы архитектуры нейронных и нечетких сетей для диагностики СЭИ, разработана архитектура каскадной нейро-нечеткой сети, методы заполнения пропусков в данных. Все программное обеспечение описанное в диссертационной работе, разработано диссертантом самостоятельно.

Структура и объём работы: Диссертация состоит из введения, трех глав, заключения, списка литературы из 139 наименований и 11 приложений. Основное содержание диссертации включает текст и 34 рисунка общим объемом 145 с. Список литературы и приложения занимают 44 с.

ГЛАВА 1. АНАЛИЗ ФОРМАЛИЗОВАННЫХ МЕТОДОВ ДИАГНОСТИКИ СИНДРОМА ЭНДОГЕННОЙ ИНТОКСИКАЦИИ

1.1 Анализ лабораторных методов диагностики

Несмотря на прогресс в диализе и трансплантации, прогноз при почечной недостаточности остается мрачным. Данные из Годового отчета The United States Renal Data System (USRDS) [63, 134] сообщают о 63 ООО смертях пациентов с конечной стадией заболевания почек (КСЗП) в 1998 году, а годовая летальность диализных пациентов превышает 20%. Ожидаемое время жизни у пациентов на диализе значительно короче, чем у их сверстников в общей популяции, колеблясь (в зависимости от пола и расы) от 7,1 до 11,5 года для пациентов в возрасте от 40 до 44 лет и от 2,7 до 3,9 года для пациентов от 60 до 64 лет. Смертность при заболевании почек также очень высока. Среднее количество сопутствующих состояний у диализного пациента равно четырем, среднее число дней госпитализации — примерно 15, а оценка качества жизни, построенная на опросниках, значительно ниже, чем в общей популяции. Общие затраты на лечение КСЗП в системе Medicare и вне ее в 1998 году составили 12,0 и 4,7 миллиардов долларов, соответственно. Распространенность ранних стадий хронического заболевания почек еще выше.

Эндогенная интоксикация является типовым системным динамически развивающимся патологическим процессом, склонным к прогрессированию. Она может возникать вследствие сочетания нескольких факторов: усиленного образования продуктов тканевого распада с последующей их резорбцией, в результате смещения обмена веществ в сторону катаболизма и накопления в организме большого количества вторичных метаболитов; при подавлении функциональной активности систем естественной детоксикации; из-за затрудненного выведения и задержки тканевых экскретов, нарушения процессов элиминации из организма конечных продуктов метаболизма; как следствие накопления токсинов и продуктов жизнедеятельности инфекционных агентов [37, 53].

Для диагностики эндогенной интоксикации используют различные лабораторные методы. С помощью специфических тестов или биохимических маркеров эндогенной интоксикации можно выявить непосредственное действие эндогенных токсичных веществ на какой-либо биологический объект: выделение конкретного токсического агента; парамецийный тест; лейкоцитарный индекс интоксикации [52].

Парамецийный тест — это способ оценки интоксикации организма больного путем изучения сроков гибели парамеций — простейших инфузорий под действием токсического фактора, находящегося в плазме или сыворотке крови [15].

Основные недостатки этого способа:

1. Недостаточно точен, т. к. во всех опытах и в пределах одного опыта следует соблюдать полную тождественность в отношении света, температуры, числа особей инфузорий, состояния и возраста культуры этих простейших.

2. Трудоемок и требует значительных затрат времени.

3. Является инвазивным, т. к. включает забор биологических жидкостей (плазмы, сыворотки крови), что не исключает инфицирования и опасности возникновения вирусного гепатита и других инфекций.

Неспецифические лабораторные методики можно разделить на методы прямого определения в биологических жидкостях уровня эндогенных токсичных субстанций и методы регистрации характерных изменений функциональных систем организма под действием эндотоксинов [18, 56, 62, 69]. Среди последней группы методов представляет практический интерес использование специальных флюоресцентных зондов, меняющих свою светимость при изменении свойств молекулы сывороточного альбумина (под действием связывания с низкомолекулярными лигандами).

Таким образом, эндогенная интоксикация является одним из наиболее неспецифичных синдромов и характеризуется довольно сложной структурой клинико-метаболических звеньев патогенеза. Лабораторная диагностика синдрома эндогенной интоксикации включает биохимические, биофизические и гематологические методы, а также постановку различных биологических проб. С другой стороны, получаемые с помощью различных методов данные трудно сопоставимы. Многие из предложенных методов лишь косвенно отражают уровень интоксикации. Большинство биологических методов не могут выполняться в условиях клинико-диагностических лабораторий. Поэтому проблема разработки достаточно простых и приемлемых в условиях большинства лечебно-профилактических учреждений методов количественной оценки степени тяжести синдрома эндогенной интоксикации является на сегодняшний день весьма актуальной.

1.2 Анализ формальных методов диагностики

С другой стороны встает проблема отбора универсальных маркеров для диагностики синдрома эндогенной интоксикации. Таким образом, проблема диагностики эндогенной интоксикации сводится как к выбору критериев и объективности их интерпретации, так и к доступности их воспроизведения. Решение этих задач стало возможным при использовании системы методов статистического анализа, включая оценку средних данных по критерию Стьюдента, качественных различий по непараметрическому критерию Фишера, взаимосвязи показателей методом корреляционного анализа, а также метода математического моделирования [9, 81, 83]. Это позволило выбрать минимальное число из множества разнообразных показателей, а также позволило определить универсальные маркеры. В число универсальных маркеров интоксикации относятся такие показатели как: билирубин общий,, мочевина в сыворотки крови, креатинин, общий белок, трансаминазы, аланинаминотрансфераза, аспартатаминотрансфераза, концентрация среднемолекулярных пептидов, лимфоцитарный индекс интоксикации [9, 81, 83]. Несмотря на различие в этиологии, эндогенная интоксикация имеет много общих, клинико-биохимических и функциональных проявлений, они отражают такое свойство эндогенной интоксикации, как универсальность. Исследование эндогенной интоксикации с помощью математических моделей позволило установить, что важным является не только характер показателей и их число, но и установление взаимосвязей между показателями как очевидных, так и неявных [83]. Именно это позволило описать качественно и количественно эндогенную интоксикацию как патологический процесс нарушения не каких-либо отдельных показателей или их групп, а как нарушение взаимосвязи между основными составляющими системы детоксикации [83].

Применение формальных методов позволяет создать компьютерные программы для диагностики заболевания. В работе [22] была создана компьютерная программа «Регистр больных ХПН», которая создала условия документальной преемственности при оказании помощи больным с хронической почечной недостаточностью. На основе анализа данных программа позволила индивидуализировать лечебный процесс с максимальной объективизацией и персонификацией, составлять статистические отчеты, а также обеспечить преемственность медицинской помощи. Новая схема движения пациентов со сниженной функцией почек, позволила максимально полно выявлять больных. Недостатком данной системы является то, что она не диагностирует больных, а проводит сбор информации и контроль за состоянием пациентов с хронической болезнью почек.

Обзор литературы показал, что для диагностики уровня клубочковой фильтрации почек (УКФ), который является ярким маркером почечной патологии, используется коэффициент корреляции. Коэффициент корреляции измеряет взаимосвязь между предсказанным и целевым значениями УКФ [115, 132]. Однако он имеет несколько недостатков. Во-первых, он очень зависит от распределения УКФ в выборке. Во-вторых, меры корреляции игнорируют смещение и измеряют относительное, а не абсолютное значение. Например, в исследовании почечного заболевания у детей [115, 132] присутствуют подобные ограничения при применении корреляционного анализа, при котором коэффициент корреляции составил 28,6%, указывая на ограниченную точность.

На сегодняшний день деятельность любого медицинского учреждения сопровождается регистрацией и аналитической обработкой больших объемов медицинской информации, для этих целей имеется достаточно много различных интеллектуальных технических средств. В связи с этим задача врача заключается в выборе оптимальных формальных методов в зависимости от решаемой им задачи, таким образом необходимо правильно выбрать средства обработки информации.

Перед тем как приступать к решению задач медицинской диагностики, необходимо провести предварительную обработку информации, которая включает, оценку характера закона распределения анализов больных и здоровых. Большинство методов статистического анализа справедливы только для наблюдений, функция распределения которых подчиняется нормальному закону. Именно поэтому определение закона распределения наблюдаемой величины является необходимым атрибутом любого статистического анализа. Из этого следует, что необходимо выполнить проверку подчиняется ли выборка нормальному закону распределения или выбрать метод, для оценки отклонений от этого закона. Так как данное исследование связано с обработкой данных в медицинской области, использующей реальные данные, то достаточно часто эти данные содержат пропуски (пустые ячейки), возникающие вследствие невозможности наблюдения, отсутствия необходимых инструментов, в связи с этим встает проблема выбора метода заполнения пропусков в медицинских данных. Другой проблемой предварительной обработки информации является отбор методов понижения размерности входных данных для уменьшения стоимости диагностики без потери точности. После подготовки данных следует переходить непосредственно к диагностике, применяя формальные методы.

Список литературы диссертационного исследования кандидат наук Кузнецова, Ольга Юрьевна, 2013 год

Список литературы:

1. Агуров, П. В. С#. Разработка компонентов в MSVisualStudio 2005/2008. / П.В. Агуров. - СПб.: БХВ-Петербург, 2008. - 480 с.

2. Айвазян, С. А. Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. -Москва: «Финансы и статистика», 1989.

3. Анил, К. Джей Введение в искусственные нейронные сети / К. Джей Анил. - Открытые системы, №04/97

4. Аоки, М. Введение в методы оптимизации / М. Аоки. - М.: «Наука», 1977. -344 с.

5. Ахметов, Р.Ф. Способ определения степени эндогенной интоксикации у больных с абдоминальным сепсисом / Р.Ф. Ахмеров, Б. Б. Капустин, С. В. Старчиков, Р. Ф. Ахметов // Труды международного конгресса «Новые технологии в хирургии». - Ростов на Дону: 2005. - С. 47.

6. Банди, Б. Методы оптимизации. Вводный курс / Б. Банди; под ред. В.А. Волынского. - Москва: Радио и связь, 1988. - 128 стр.

7. Безруков, Н.С. Построение и моделирование адаптивной нейро-нечеткой системы в задачах медицинской диагностики / Н.С. Безруков, E.J1. Еремин. -Информатика и системы управления, - 2005. - №2(10). - С.36-46.

8. Белова, О.Ю. Нейросетевая диагностика синдрома эндогенной интоксикации / О. Ю. Белова, А. А. Соломаха, В. И. Горбаченко, В.И.Никольский. Москва: Системный анализ и управление в биомедицинских системах, 2009. - том 8 № 2. - С. 536-540.

9. Беляков, H.A. Критерии и диагностика эндогенной интоксикации / Н.А.Беляков, М.Я.Малахова. - СПб.: Эндогенные интоксикации: Тез. докл. Междунар. симп- 1994. - С. 60-62.

10. Бикбов, Б.Т. Состояние заместительной терапии больных с хронической почечной недостаточностью в Российской Федерации в 1998-2007 гг. / Б.Т.Бикбов, Н.А.Томилина. - Нефрология и диализ, 2009. - Т.П. №3. - С. 144-233.

11. Биохимический анализ крови нормы, показатели, результаты и расшифровка. Биохимия крови [Электронный ресурс] - Режим доступа: http://www.policlinica.ru/analiz3_l.html

12. Борисов, В.В. Нечеткие модели и сети / В.В. Борисов, В.В. Круглов, A.C. Фе-дулов.- М.: Горячая линия - Телеком, 2007. - 279 с.

13. Ватсон, К. С# / К. Ватсон. - М.: Лори, 2004. - 880 с.

14. Вигерс, К. Разработка требований к программному обеспечению / К. Вигерс.

- М.: Издательско-торговый дом "Русская Редакция", 2004. - 576 с.

15. Генес, В.С.Действие ионизирующих излучений на животные организмы / В.С.Генес, А.К. Арнаутов. - Киев, 1958. - С. 21

16. Головенкин, С.Е. Прогнозирование повторного инфаркта миокарда с использованием компьютерных нейронных сетей / С.Е. Головенкин, О.Г. Овечкин, Д.А. Россиев, П.А. Шестерня; под ред. А.Н. Горбаня, Е.М. Миркеса // Ней-роинформатика и её приложения: Материалы XIV Всероссийского семинара.

- Красноярск: ИВМ СО РАН , 2006. - С. 33.

17. Горбань, А. Н. Нейронные сети на персональном компьютере / А.Н. Горбань, Д.А. Россиев. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996.-276 с.

18. Гранкин, В.И. Острая почечная недостаточность: механизмы развития, диагностика и лечение /В.И.Гранкин, С.Е.Хорошилов //Военно-медицинский журнал. - 2006. -№5. - С.49 - 55.

19. Даштаянц, Г.А. Клиническая гематология / Г.А. Даштаяц. - Киев: 1978. - 230 с.

20. Дубров, A.M. Многомерные статистические методы: Учебник / A.M. Дубров, B.C. Мхитарян, Л.И. Трошин. — М.: Финансы и статистика, 1998. - 352 с. -ISBN 5-279-01945-3

21. Дунаев, B.B. Базы данных. Язык SQL / B.B. Дунаев. — СПб.: БХВ-Петербург, 2006. - 288 с.

22. Дуничева, О.В. Организационные и информационные основы деятельности регистра хронической почечной недостаточности в Новосибирской области / О.В. Дуничева, Е.А. Мовчан, Г.А. Дюбанова // Нефрология и диализ, 2007 г., №3

23. Ежов, A.A. Нейрокомпьютинг и его применения в экономике и бизнесе / A.A. Ежов, С.А. Шумский. — М., 1998. — 222 с.

24. Ефимов, A.A. Анализ моделей - нейронов и перспективы их применения в медицине / A.A. Ефимов, E.H. Коровин, П.Н. Матусов // Интеллектуализация управления в социальных и экономических системах: труды Всерос. конф. Воронеж: ВГТУ, 2007. - С. 254-255.

25. Ефимов, A.A. Использование нейросетевого моделирования для решения задач диагностики и лечения / A.A. Ефимов, E.H. Коровин, П.Н. Матусов // Высокие технологии в технике, медицине, экономике и образовании: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2006. - С. 179-187.

26. Ефимов, A.A. Разработка нейросетевой модели выбора схемы лечения диализных больных / A.A. Ефимов, E.H. Коровин // Прикладные задачи моделирования и оптимизации: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2008. - С. 105110.

27. Жарков, В. А. Компьютерная графика, мультимедиа и игры на VisualС# 2005 / В.А. Жарков. - М.: Жарков Пресс, 2005. - 812 с.

28. Жданов, A.C. Значимость и устойчивость автоматической классификации в задаче поиска оптимального разбиения / A.C. Жданов // Информационные технологии в гуманитарных исследованиях. - Новосибирск : ИЭиОПП СО РАН, НГУ. - 2002. - Вып. 3. - С. 36-42.

29. Заде, JI. Понятие лингвистической переменной и его применение к принятию приближенных решений / J1. Заде. М.: Мир, 1976. - 165с.

30. Заенцев, И.В. Нейронные сети: основные модели / И.В. Заенцев. - Воронеж: 1999

31. Зайченко, Ю.П. Нечеткие модели и методы в интеллектуальных системах. Учебное пособие для студентов высших учебных заведений / Ю.П. Зайченко.

- К.: «Издательский дом «Слово», 2008. - 344с.

32. Зарубина, Т.В. Медицинская информатика / Т.В. Зарубина, Б.А. Кобринский.

- М.: Академия, 2009. - 192 с.

33. Злоба, Е. Статистические методы восстановления пропущенных данных / Е. Злоба, И. Яцкив // Computer Modelling & New Technologies. — 2002. - vol. 6.—№ 1, —P. 51-61.

34. Измаилов, А.Ф. Численные методы оптимизации / А.Ф. Измаилов. 2-е изд., перераб. и доп. — М.: Физматлит, 2008.

35. Кальф-Калиф, Я.Я. О лейкоцитарном индексе интоксикации и его практическом значении / Я.Я. Кальф-Калиф. Врачебное дело, 1941. - № 1. -С. 31-35.

36. Камышников, B.C. Карманный справочник врача по лабораторной диагностике / B.C. Камышников. — Москва: МЕДпресс-информ, 2007 г.

37. Карякина, Е.В. Молекулы средней массы как интегральный показатель метаболических нарушений / Е.В. Карякина, C.B. Белова // Клиническая лабораторная диагностика. - 2004. - № 3 - С. 3-8.

38. Катасев, A.C. Новая информационная технология: искусственный интеллект в обработке медицинских данных / A.C. Катасев, М.А. Польская // Неврологический вестник. - 2006. - T. XXXVIII. - № 3. - С. 85-90.

39. Кобзарь, А.И. Прикладная математическая статистика / А.И. Кобзарь — М.: Физматлит, 2006. — 816 с.

40. Кобринский, Б. А. Принципы математико-статистического анализа данных медико-биологических исследований / Б. А. Кобринский // Российский вестник перинатологии и педиатрии. — 1996. — №4. — С. 60-64.

41. Крамер, Г. Математические методы статистики, перевод с английского / Г. Крамер.-М.: 2003

42. Круглов, В.В. Нечеткая логика и искусственные нейронные сети / В.В. Круг-лов, М.И. Дли, Р.Ю. Голунова. - М.: Физматлит, 2001. - 224 с.

43. Крыштановский, А.О. Анализ социологических данных с помощью пакета SPSS / А.О. Крыштанский. - ГУ ВШЭ, 2006. - С. 182-191

44. Лагутин, М.Б. Наглядная математическая статистика. В двух томах / М.Б. Лагутин. — М.: П-центр, 2003. — 345-346 с.

45. Лапач, С.Н. Статистика в науке и бизнесе / A.B. Чубенко, П. Н. Бабич — Киев.-Морион, 2002. — 187-189 с.

46. ЛарсПауэрс, MicrosoftVisualStudio2008. В подлиннике / ЛарсПауэрс, Майк Снелл. -СПб.: БХВ-Петербург, 2008. - 1200 с.

47. Леоненков, A.B. Самоучитель по UML 2 / A.B. Леоненков. - СПб.: БХВ-Петербург, 2007. - 576 стр.

48. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH / A.B. Леоненков. - СПб.: БХВ-Петербург, 2005. - С. 736.

49. Литтл, Р.Дж.А. Статистический анализ данных с пропусками / Р.Дж.А. Литтл, Д.Б.Рубин.: Москва, Финансы и статистика, 1991. - 430 с.

50. Лифшиц, В.Б. Статистический и нейросетевой методы идентификации и прогнозирования в медицине / В.Б. Лифшиц, Т.И. Булдакова, С.И. Суятинов, C.B. Колентьев // Информационные технологии, 2004. - №3. - С. 60 - 63.

51. Луговская, С. А. Лабораторная гематология / С.А. Луговская, В.Т. Морозова, М.Е. Почтарь, В.В. Долгов. - М.: 2002. — 116 с.

52. Малахова, М.Я. Метод регистрации эндогенной интоксикации: Пособие для врачей / М.Я. Малахова. - СПб.: Изд-во СПб МАПО, 1995. - 34 с.

53. Малахова, М.Я. Эндогенная интоксикация как отражение компенсаторной перестройки обменных процессов в организме / М.Я. Малахова // Эфферентная терапия. - 2000. - Т. 6. - № 4. - С. 3-14.

54. Мандель, И.Д. Кластерный анализ И.Д. Мандель. — М.: Финансы и статистика, 1988.

55. Маршалл, Дж. Клиническая биохимия / Дж. Маршалл. — Москва, Санкт-Петербург, «Бином», «Невский Диалект», 2000 г.

56. Матвеев, С.Б. Критерии оценки эндогенной интоксикации при ожоговой болезни / С.Б. Матвеев, Т.Г.Спиридонова, Е.В. Клычникова //

Клин.лаб.диагн., 2003. - № 10. - С. 3-6.

57. Медведев, В. С. Нейронные сети MATLAB 6 / В. С. Медведев, В. Г. Потёмкин. - М.: ДИАЛОГ-МИФИ, 2002. - 496 с.

58. Новицкий, П.В. Оценка погрешностей измерений / П.В. Новицкий. - Л.: Энергия, 1983, 380с.

59. Орлов, А. И. Эконометрика: Учебник. / А. И. Орлов. - М.: Экзамен, 2002. -442 с.

60. Орлов, А. И. Прикладная статистика. Учебник. / А.И.Орлов. - М.: Издательство «Экзамен», 2004. - 656 с.

61. Осовский, С. Нейронные сети для обработки информации: Пер. с польского И. Д. Рудинского. / С. Осовский. - М.: Финансы и статистика, 2004. - 344 с.

62. Родоман, Г.В. Ранняя диагностика инфекционно-воспалительных осложнений и метаболического статуса у хирургических больных / Г.В. Родоман, А.Л.Коротаев, Н.Л.Калинин // Мед картотека, 2001. —№ 12. - С. 21-22.

63. Российский регистр заместительной почечной терапии [Электронный ресурс]. - Режим доступа: http://www.nephro.ru/registr/children/flrst result.php

64. Ротштейн, А. П. Идентификация нелинейных зависимостей нечеткими базами знаний / А. П. Ротштейн, Д. И. Кательников // Кибернетика и системный анализ.-№5. - 1998.— с. 53-61.

65. Ротштейн, А. П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А.П. Ротштейн. - Винница.: 1999.-320 с.

66. Ротштейн, А.П. Медицинская диагностика на нечеткой логике / А.П. Ротштейн. - Винница: Континент-ПРИМ, 1996. - 132 с.

67. Ротштейн, А.П. Прогнозирование количества заболеваний на основе экс-пертно-лингвистической информации / А.П. Ротштейн, Е.Е. Лойко, Д.И. Кательников //Кибернетика и системный анализ. - 1999. - №2. - С. 178-185.

68. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д.Рутковская, М.Пилиньский, Л.Рутковский. - М.: 2007. - 452 с.

69. Сакович, А. Р. Интоксикационный синдром при остром гнойном синусите:

клинико-гематологическая оценка / А. Р. Сакович // Медицинская панорама. -2009.-9. С. 102-104.

70. Сепсис в начале XXI века. Классификация, клинико-диагностическая концепция и лечение. Патологоанатомическая диагностика. - Москва. — 126 с.

71. Список функций Fuzzy Logic Toolbox [Электронный ресурс] // Образовательный математический сайт. — Режим доступа: //http://matlab.exponenta.ru/fuzzylogic/book2/l/subclust.php

72. Список функций Statistics Toolbox. Образовательный математический сайт [Электронный ресурс] // Образовательный математический сайт. - Режим доступа:

http://matlab.exponenta.ru/statist/book2/index.php

73. Тица, Н.У. Клиническая оценка лабораторных тестов / Н.У. Тица. — Москва: «Медицина», 1986 г.

74. Тица, Н.У. Клиническое руководство по лабораторным тестам / Н.У. Тица. -М.: 2003 г.-942 с.

75. Тогайбаев, A.A. Способ диагностики эндогенной интоксикации / А.А.Тогайбаев, A.B. Кургузкин, И.В. Рикун // Лаб.дело, 1988. - № 9. - С. 2224.

76. Трифонов, А.Г. «Optimization Toolbox 2.2 Руководствопользователя» [Электронный ресурс] / А.Г. Трифонов // - Режим доступа: http://matlab.exponenta.ru/optimiz/book 1

77. Трифонов, А.Г. Постановка задачи оптимизации и численные методы ее решения [Электронный ресурс] / А.Г. Трифонов // - Режим доступа: http://matlab.exponenta.ru/optimiz/book_2/index.php

78. Уоткинс, Д.С. Основы матричных вычислений / Д.С. Уоткинс. - М.: Бином. Лаборатория знаний, 2006. - 664 с.

79. Фомин, Ю. Н. Использование нейронных сетей для предсказания осложнений у больных инфарктом миокарда / Ю. Н. Фомин, Е. М. Миркес, С. Е. Го-ловенкин // Нейроинформатика и её приложения: Материалы XIV Всероссийского семинара, 6-8 октября, 2006. / Под ред. А. Н. Горбаня, Е. М. Мирке-

са. - ИВМ СО РАН, Красноярск, 2006. - С. 125-127.

80. Хайкин, С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. - М.: Издательский дом «Вильяме»,2006. - 1104 с.

81. Хайменов, А.Я. Средние молекулы как критерий эндогенной интоксикации / А.Я. Хайменов, P.JI. Щербинин // Мор. мед. журн., 2000. -№6. - С. 23 - 25.

82. Холлендер, М. Непараметрические методы статистики / М. Холлендер, Д. Вульф. - М.: Финансы и статистика, 1983. — 518 с.

83. Цыганенко, А. Я., Жуков В. И., Мясоедов В. В., Завгородний И. В. Клиническая биохимия / А.Я. Цыганенко, В.И. Жуков, В.В. Мясоедов, И.В. Завгородний.— Москва: «Триада-Х», 2002 г.

84. Шано, В.П. Синдром эндогенной интоксикации / В.П.Шано, Е.А.Кучер // Острые и неотложные состояния в практике врача.: Киев, 2011.

85. Шмойлова, Р.А. Теория статистики / Р.А. Шмойлова. - М.: Финансы и статистика, 2000. - 510 с.

86. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба. - М.: Горячая линия - Телеком, 2007. - 288 с.

87. Штовба, С. Д. Введение в теорию нечетких множеств и нечеткую логику [Электронный ресурс] / С.Д. Штовба. - Режим доступа: http://matlab.exponenta.ru/fiizzylogic/bookl/

88. Электронный учебник StatSoft: STATISTICA 1.0. [Электронный ресурс] / Приложение к журналу "Компьютер пресс". - Режим доступа:

http ://www. statsoft.ru/home/portal/default, asp

89. Эфрон, Б. Нетрадиционные методы многомерного статистического анализа / Б. Эфрон. - М.: Финансы и статистика, 1988. - 263 с.

90. Allen, J. Development of a neural network screening aid for diagnosing lower limb peripheral vascular disease from photoelectric plethysmography pulse waveforms / J. Allen, A. Murray // Physiol. Meas .— 1993. — V. 14. - № 1. — P. 13-22.

91. Astion, M.L. Application of neural networks to the classification of giant cell arteritis / M.L. Astion, M.H. Wener, R.G.Thomas, G.G. Hunder, D.A. Bloch // Arthritis Reum.— 1994. — V.37. - № 5. — P.760-770.

92. Barschdorff, D. Phonographic diagnostic aid in heart defects using neural networks / D. Barschdorff, S. Ester, T. Dorsel, et al // Biomed. Tech. Berlin.— 1990,— V.35. — № 11,—P.271-279.

93. Bartlett, F.S. Programme for experiments on thinking / F.S. Bartlett. - Quarterly journal of experimental psychology, 1950. - v. II. - part 4. - p. 146.

94. Baxt, W.G. A neural network trained to identify the presence of myocardial infarction bases some decisions on clinical associations that differ from accepted clinical teaching / W. G. Baxt // Med. Decis. Making. — 1994. — Y.14. - № 3.— P.217-222.

95. Baxt, W.G. Complexity, chaos and human physiology: the justification for nonlinear neural computational analysis / W. G. Baxt // Cancer Lett.— 1994. — V.77. -№2-3.—P.85-93.

96. Baxt, W.G. Use of an artificial neural network for the diagnosis of myocardial infarction / W. G. Baxt // Ann. Intern. Med.— 1991. — V.115. - № 11.— P.843-848.

97. Broyden, C.G. The Convergence of a Class of Double-rank Minimization Algorithms, Journal of the Institute of Mathematics and Its Applications / C.G. Broyden. - 1970.-pp. 90.

98. Capocelli, R. Fussy sets and decision theory / R. Capocelli, A. De Luca // Information and control. - 1973. - Vol.23. -N3. - P. 446-473.

99. Delanaye, P. MDRD or CKDEPI study equations for estimating prevalence of stage 3 CKD in epidemiological studies: which difference? Is this difference relevant? / P. Delanaye E. Cavalier, C. Mariat // BMC Nephrol, 2010

100. Doane, D.P. Aesthetic frequency classification. American Statistician / D.P. Doane. - 1976.-pp. 30.

101. Fahlman, S.E. The cascade-correlation learning architecture / S.E. Fahlman, C. Lebiere // Advances in Neural Information Processing Systems. - San Mateo, CA, 1990.-P. 524-532.

102. Fletcher, R. Practical Methods of Optimization. - Vol. 1, Unconstrained Optimization, and Vol. 2, Constrained Optimization, John Wiley and Sons, 1980.

103. Fuzzy Logic Toolbox. User's Guide, Version 2.— The MathWorks, Inc.,.

104. Gill, P.E. Numerical Linear Algebra and Optimization / P.E. Gill, W. Murray, M.H. Wright. - Vol. 1, Addison Wesley, 1991.

105. Gill, P.E. Practical Optimization. / P.E. Gill, W. Murray, M.H. Wright. London: Academic Press, 1981.

106. Gill, P.E. Procedures for Optimization Problems with a Mixture of Bounds and General Linear Constraints / P.E. Gill, W. Murray, M.H. Wright, M.A. Saunders. - ACM Trans. Math. Software. - 1984. - Vol. 10. - pp 282-298.

107. Gindi, G.R. Neural network and conventional classifiers for fluorescence-guided laser angioplasty / G.R. Gindi, C.J. Darken, K.M. O'Brien, et al. // IEEE Trans. Biomed. Eng. — 1991. — V.38. -№ 3.—P.246-252.

108. Guo, Z. Artificial neural networks in computer-assisted classification of heart sounds in patients with porcine bioprosthetic valves / Z. Guo, L.G. Durand, H.C. Lee, et al. //Med. Biol. Eng. Comput— 1994. — V.32. -№ 3.— P.311-316.

109. Han, S.P.A Globally Convergent Method for Nonlinear Programming / S.P. Han // Optimization Theory and Applications. - 1977. - Vol. 22. - p. 297.

110. Hertz, J. Wstep do teorii obliczen neuronowych. Wyd II. / J. Hertz, A. Krogh, R. Palmer. - Warszawa: WNT, 1995.

111. Hock, W.A Comparative Performance Evaluation of 27 Nonlinear Programming Codes / W. Hock, K. Schittkowski // Computing, 1983. - Vol. 30. - p. 335.

112. Hoehfeld, M. Learning with Limited Numerical Precision Using the Cascade-Correlation Learning Algorithm, in IEEE Transactions on Neural Networks / M. Hoehfeld, S.E. Fahlman. - 1992. - vol.3. - no. 4. - pp. 602-611.

113. Kelly, C.T. Iterative methods for Optimization / C.T. Kelly // North Caroline State University, Raleigh, North Carolina. - 1999. - pp. 177.

114. Levey, AS CKD-EPI (Chronic Kidney Disease Epidemiology Collaboration). A New Equation to Estimate Glomerular Filtration Rate / AS Levey, LA Stevens, CH Schmid, YL Zhang, AF Castro 3rd, HI Feldman, JW Kusek, P Eggers, F Van Lente, T Greene, J Coresh. Ann Intern Med. - 2009, 150:604-12.

115. Levey, AS,: A more accurate method to estimate glomerular filtration rate from

serum creatinine: A new prediction equation. Modification of Diet in Renal Disease Study Group / AS Levey, JP Bosch, JB Lewis, T Greene, N Rogers, D Roth, Ann Intern Med 130:461-470, 1999

116. Maclin, P.S. Using an artificial neural network to diagnose hepatic masses / P. S. Maclin, J. Dempsey // J. Med. Syst. — 1992.— V.16. -№ 5,— P. 215-225.

117. MacQueen, J. Some methods for classification and analysis of multivariate observations / J. MacQueen // In Proc. 5th Berkeley Symp. on Math. Statistics and Probability, 1967. - pages 281-297.

118. McLachlan, G.J. The EM Algorithm and Extensions / G.J. McLachlan. - NY: Wiley, 1997.

119. Modai, I. Clinical decisions for psychiatric inpatients and their evaluation by a trained neural network /1. Modai, M. Stoler, N. Inbar-Saban, et al // Methods Inf. Med. — 1993.— V.32. - № 5. — P.396-399.

120. Nemoto, T, Automatic control of pressure support mechanical ventilation using fuzzy logic / T Nemoto, GE Hatzakis, CW Thorpe, R Olivenstein, S Dial, JH Bates. Am J Respir CritCare Med. - 1999 Aug; 160(2):550-6.

121. Nie, J. Nonlinear time series forecasting: A fuzzy neural approach / J. Nie // Neurocomputing. - 1997. - Vol 16. - №1. - p.63-76.

122. Okamoto, Y. Study on decision support system for the interpretation of laboratory data by an artificial neural network / Y. Okamoto, H. Nakano, M. Yoshikawa, et al // Rinsho. Byori.— 1994.— V.42. - № 2. — P. 195-199.

123. Poli, R. A Neural Network Expert System for Diagnosing and Treating Hypertension / R. Poli, S. Cagnoni, R. Livi, et al. // Computer. — 1991.— № 3. — P.64-71.

124. Powell, M.J.D. A Fast Algorithm for Nonlinearly Constrained Optimization Calculations / M.J.D. Powell // Numerical Analysis, G.A.Watson ed., Lecture Notes in Mathematics, Springer Verlag. - Vol. 630. - 1978.

125. Powell, M.J.D. Variable Metric Methods for Constrained Optimization/ M.J.D. Powell, A. Bachem, M. Grotschel and B. Korte // Mathematical Programming: The State of the Art. - 1983, Springer Verlag. - pp 288-311.

126. Qi L. Superlinearly convergent approximate newton methods for LC optimization

problems // Math. Program. — 1994. — V. 64. - № 3. — P. 277-294.

127. Rau, G Fuzzylogie and control: principal approach and potential applicationsin medicine / G Rau, К Becker, R Kaufmann, HJ. Zimmermann. Artif Organs, 1995 Jan;19(l):105-12.

128. Rinast, E. Neural network approach for computer-assisted interpretation of ultrasound images of the gallbladder / E. Rinast, R. binder, H.D. Weiss // Eur. J. Radiol.— 1993.— V.17. -№ 3.— P. 175-178.

129. Rosenblatt, F. Principle of neurodynamics. / F. Rosenblatt. -N.Y.: Spartan, 1992.

130. Rozenbojm, J. Anexpertclinical diagnosis system for the support of the primary consultation / J. Rozenbojm, E. Palladino, A. C. Azevedo. // Salud. Publica Мех,— 1993,— V.35. - № 3.— P.321-325.

131. Schaublin, J. Fuzzy logic control of mechanical ventilation during anaesthesia / J. Schaublin, M. Derighetti, P. Feigenwinter, S. Petersen-Felix, AM. Zbinden. - 1996 Nov; 77(5):636-41.

132. Schwartz, A. simple estimate of glomerular filtration rate in children derived from body length and plasma creatinine / A. Schwartz, GB Haycock, CM Jr Edelmann, A. Spitzer. Pediatrics 58:259-263, 1976

133. Swingler, K. Applying Neural Networks. A practical Guide (перевод Ю. П. Mac-лобоева). [Электронный ресурс]. - Режим доступа: http://www.matlab.rU/neuralnetwork//book4/index.php

134. US Renal Data System, USRDS 2009 Annual Data Report: atlas of end-stage renal disease in the United States, National Institutes of Health, National Institutes of Diabetes and Digestive and Kidney Diseases, 2009.

135. Warren, Jim Fuzzy logic in clinical practice decision support systems / Jim Warren, Gleb Beliakov, Berend van der Zwaag // Proceedings of the 33rd Hawaii International Conference on System Sciences, January 4-7, 2000, the Island of Maui, -pp. 1-10.

136. White, SL. Chronic kidney disease in the general population / SL White, A. Cass, RC. Atkins, SJ. Chadban. AdvChronicKidneyDis, 2005. - №12. - pp. 5-13.

137. Widrow, B. 30 years of adaptive neural networks: perceptron, madaline, and backpropagation / B. Widrow, M.A. Lehr // Proceedings of the IEEE. - 1990. -vol. 78,-No. 9, September. - p. 1415-1442.

138. Yager, R. Essentials of Fuzzy Modeling and Control. / R.Yager, D.Filev // USA: John Wiley & Sons, 1984. - 387 p.

139. Zadeh, L.A. Discussion: Probability theory and fuzzy logic are complementary rather than competitive / L.A. Zadeh //Technometrics. — 1995. — Vol.37.-№ 3.— P.271-276.