Особенности структурной организации позвоночника человека в грудном и поясничном отделах у лиц зрелого и пожилого возрастов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Иванов Михаил Александрович

• Иванов Михаил Александрович
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Иванов Михаил Александрович

Введение

Глава 1. Обзор литературы

1.1 Формирование костей позвоночного столба и паравертебральных мышц в пренатальном онтогенезе

1.2 Современное состояние проблемы структурной организации грудного и

поясничного отделов позвоночного столба человека

Заключение обзора литературы

Глава 2. Материал и методы исследования

2.1 Соматометрическая характеристика материала исследования

2.2 Дизайн исследования

2.3 Морфометрические измерения

2.4 Методы статистической обработки данных и математического анализа

Глава 3. Собственные данные

3.1 Результаты органометрии позвоночного столба и паравертебральных мышц у женщин разного возраста

3.2 Возрастные различия величин параметров позвоночного столба и паравертебральных мышц у женщин

3.3 Возрастные различия структурной организации позвоночного столба и паравертебральных мышц у женщин

3.4 Результаты органометрии позвоночного столба и паравертебральных мышц у мужчин разного возраста

3.5 Возрастные различия величин параметров позвоночного столба и паравертебральных мышц у мужчин

3.6 Возрастные различия структурной организации позвоночного столба и

паравертебральных мышц у мужчин

Глава 4. Обсуждение полученных результатов

Выводы:

Список сокращений и терминов

Список литературы

Приложение

Введение диссертации (часть автореферата) на тему «Особенности структурной организации позвоночника человека в грудном и поясничном отделах у лиц зрелого и пожилого возрастов»

Введение

Актуальность работы: грудной и поясничный отделы позвоночного столба состоят из отдельных костей - позвонков, которые относятся к смешанным костям и одновременно выполняют несколько функций: опорную, защитную, двигательную, участвуют в кроветворении и обмене минеральных солей. Причем, в направлении к каудальному отделу позвоночника, отмечается изменение степени участия различных костей позвоночника в реализации отмеченных функций. Это сопровождается появлением очень небольших отличий в строении каждого последующего позвонка по сравнению с предыдущим, но существенных при сравнении представителей различных отделов позвоночного столба [2, 54, 79]. Известно, что на протяжении жизни человека, вследствие ограничений двигательной активности (прежде всего - объема выполняемых движений), изменения гормонального фона, нарушений обмена минеральных солей, перенесенных травм и заболеваний, объем функциональной активности различных сегментов позвоночного столба меняется. Это приводит к развитию многих видов патологии: разрушению и/или деформации межпозвоночных дисков, разрастанию остеофитов, сужению межпозвоночных отверстий, искривлению позвоночного столба в различных плоскостях, остеопорозу костной ткани тел позвонков и, как следствие, их переломам и т.п. Все эти виды изменения морфологии отдельных позвонков и позвоночника в целом принято считать патологическими состояниями, и их обнаружение является показанием для инвазивного или малоинвазивного лечения постфактум [41, 42, 51, 127, 136]. Тем не менее, несмотря на распространение различных методов исследования и визуализации состояния позвоночника и его отдельных элементов, сегодня нет способа, позволяющего прогнозировать у конкретного пациента сроки проявления т.н. «возрастных» изменений позвонков и позвоночника в целом, а также, хотя бы с известным приближением, прогнозировать наступление изменений, относящихся к патологии и нуждающихся в оперативном или ином

виде лечения. Предполагается, что цифровая рентгенография, мультиспиральная компьютерная томография с 3D-реконструкцией изображения, в отдельных случаях ПЭТ и МРТ выполняемые по другим показаниям, могут дать важную прогностическую информацию. Возможности современной лучевой диагностики позволяют детально визуализировать и систематизировать возрастной и половой полиморфизм костей указанных сегментов позвоночного столба даже при выполнении компьютерной томографии органов грудной клетки и других высокотехнологических исследований. Следует отметить, что возрастные изменения строения позвонков, существенно изменяют его реакцию на нагрузку, сопровождаются выраженным дегенеративно-дистрофическим изменениями не только самих позвонков, но и скелетных мышц в этих же сегментах туловища, вызывая помимо боли существенное ограничение функциональной активности [38, 40, 79, 105, 116, 122, 126, 150, 153].

Особую актуальность теме исследования придают изменения, произошедшие в популяции людей, проживающих на территориях европейской части Российской Федерации на протяжении конца XX века и первых двух десятилений XXI века. Это, прежде всего, касается качественных и количественных характеристик питания людей, объема и конкретных особенностей физической нагрузки, изменений в психо-эмоциональном статусе и т.п. Результатом всех этих внутрипопуляционных изменений, помимо феномена акселерации, является увеличение количества лиц с высоким индексом массы тела и ожирением различных степеней [59]. В современной научной литературе сведения о популяционной нормальной анатомии позвоночника и околопозвоночных мышц разрознены, или носят фрагментарный характер. Практически отсутствует информация о степени развития околопозвоночных мышц у здоровых и условно-здоровых лиц, полученная с помощью прижизненных методов исследования.

Исходя из вышесказанного, понимание принципов структурной организации отдельных позвонков указанных сегментов позвоночного столба, её

изменений в связи с градиентом функции, возраста, типа телосложения и половых особенностей функционирования организма в целом категорически необходимы для обоснования возможности разработки и подтверждения работоспособности системы прогнозирования морфо-функционального состояния позвоночника. Собственно это и определяет актуальность данного исследования.

Цель исследования: изучение динамики изменения структурной организации отдельных позвонков грудного и поясничного сегментов позвоночника человека и околопозвоночных мышц в связи с возрастом, полом и различными значениями индекса массы тела.

Задачи исследования:

1. Провести огранометрические измерения позвонков грудного и поясничного отделов и окружающих мышц у людей в возрасте 35-44, 45-59 и 6075 лет по данным томограмм спиральной компьютерной томографии.

2. Изучить половые отличия в структурной организации позвонков грудного и поясничного отделов у людей различных возрастных групп с учетом состояния окружающих мышц.

3. По данным статистического анализа выделить параметры позвонков грудного и поясничного отделов мужчин и женщин разных возрастов с максимально высокими факторными нагрузками, влияющими на структурную организацию позвоночного столба и окружающих его мышц.

4. Разработать математическую модель возрастных изменений структурной организации позвонков грудного и поясничного отделов мужчин и женщин разных возрастов по результатам факторного анализа методом главных компонент.

5. Создать программу ЭВМ для оценки динамики возрастных изменений морфофункционального состояния грудного и поясничного отделов позвоночника и состояния окружающих мышц и перехода их в патологическое состояние.

Научная новизна исследования

Впервые получены данные о возрастной перестройке структурной организации позвонков грудного и поясничного сегментов позвоночного столба у живых лиц разного пола в связи с особенностями их соматического статуса в современной популяции.

Впервые прижизненно получены органометрические данные о размерах мышечного массива паравертебральных мышц на уровне каждого грудного и поясничного позвонков на материале лиц разного пола и возраста с учетом их соматического статуса в современной популяции.

Впервые получены данные о влиянии паравертебральных мышечных массивов на структурную организацию грудного и поясничного отделов позвоночного столба у живых лиц разного пола и возраста с учетом их соматического статуса.

Впервые определены уровень и математическая значимость параметров, вносящих максимальный вклад в возникновение отличий структурной организации комплекса «грудной и поясничный отделы позвоночного столба-паравертебральные мышцы» у живых лиц разного пола и возраста в современной популяции.

Впервые разработана модель возрастной перестройки структурной организации костей грудного и поясничного отделов позвоночного столба и паравертебральных мышц у живых лиц разного пола и возраста без клинических проявлений патологии опорно-двигательного аппарата в современной популяции.

Впервые создана и зарегистрирована компьютерная база данных «Линейные и угловые размеры грудных и поясничных сегментов скелета человека «позвонок - околопозвоночные мышцы» (ЛУРГПСПМ)» (авторское свидетельство о государственной регистрации базы данных № 2024621315, заявка № 2024620647, дата поступления - 22.02.2024 г., дата государственной регистрации - 27.03.2024 г. / Иванов М.А., Яшина И.Н.).

Впервые создана и зарегистрирована компьютерная программа «Sanus dorsum - здоровая спина» по оценке адекватности развития костных структур и

паравертебральных мышц (получено авторское свидетельство о государственной регистрации программы для ЭВМ № 2024618701, заявка №2024616210, дата поступления - 28.03.2024 г., дата государственной регистрации - 16.04.2024 г. (авторы: Иванов М.А., Яшина И.Н., Пучнина Е.С.).

Перспективы разработки темы Примененный методологический подход при его масштабировании позволит получить новые данные в части описания системной организации подсистем опорно-двигательного аппарата человека в зависимости от пола, возраста, соматического статуса, антропологических и конституциональных особенностей, двигательных стереотипов в условиях разной степени физической активности у живых людей в современной популяции.

Полученные данные создают основу для разработки персонифицированного подхода к реабилитации пациентов с различными хроническими заболеваниями и острыми травмами (в том числе военными) позвоночного столба и околопозвоночных мышц.

Совершенствование программного комплекса и расширение цифровых баз данных позволит создать автоматическую систему для поддержки принятия врачебного решения о сроках и видах оперативного лечения, включая эндопротезирование элементов позвоночного столба, а также выбора вида ортезов и аппаратов внешней фиксации.

Внедрение результатов в практику Все полученные данные имеют значение при планировании оперативных вмешательств и последующего восстановительного лечения позвоночного столба и паравертебральных мышц у пациентов нейрохирургического, неврологического и травматологического профилей. Созданная программа «Sanus dorsum - здоровая спина», предназначенная для определения показаний к назначению лечебной физкультуры и оценке её качества при травмах позвоночника по результатам спиральной компьютерной томографии на основе сравнения персональных соматометрических и остеометрических данных позвонков грудного и

поясничного отделов и ширины паравертебральных мышечных массивов в клинической практике позволила повысить не только качество реабилитационных мероприятий, но и качество жизни пациентов. Программа «Sanus dorsum -здоровая спина» и результаты диссертационного исследования внедрены в работу ГБУЗ Московской области "Лыткаринская больница" травматологического и неврологического отделений, ОБУЗ «Курская областная многопрофильная клиническая больница» нейрохирургического отделения и центра медицинской реабилитации, ЧУЗ «Клиническая больница «РЖД-Медицина» города Курск», отделения лучевой диагностики ООО «Диагностический центр» «Поколение» г. Белгорода, отделения травматологии и ортопедии СПб ГБУЗ «Госпиталь для ветеранов войн» (г. Санкт-Петербург).

Результаты диссертационного исследования внедрены в учебную программу преподавания анатомии человека у студентов лечебного, педиатрического факультетов ФГБОУ ВО Курского государственного медицинского университета Минздрава России, ФГБОУ ВО Первого Санкт-Петербургского государственного медицинского университета им. акад. И.П. Павлова Минздрава России, Медицинского института ФГАОУ ВО Белгородского государственного национального исследовательского университета, в программу преподавания анатомии человека при подготовке студентов по специальности физическая культура для лиц с отклонениями в состоянии здоровья (адаптивная физическая культура) ФГБОУ ВО Московская государственная академия физической культуры.

Публикации и апробация работы

По теме данного диссертационного исследования опубликовано 8 печатных работ, в том числе 4 публикации в рецензируемых журналах К1 и К2, включенных в список ВАК Минобрнауки РФ; получены авторские свидетельства о государственной регистрации базы данных и программы ЭВМ (база данных «Линейные и угловые размеры грудных и поясничных сегментов скелета человека «позвонок - околопозвоночные мышцы» (ЛУРГПСПМ)» авторское

свидетельство о государственной регистрации базы данных № 2024621315, заявка № 2024620647, дата поступления - 22.02.2024 г., дата государственной регистрации - 27.03.2024 г. (Иванов М.А., Яшина И.Н.), программа ЭВМ «Sanus dorsum - здоровая спина» (авторское свидетельство о государственной регистрации программы для ЭВМ № 2024618701, заявка №2024616210, дата поступления - 28.03.2024 г., дата государственной регистрации - 16.04.2024 г. (Иванов М.А., Яшина И.Н., Пучнина Е.С.)).

Основные положения диссертации доложены и обсуждены на Международной научной конференции «Клинико-морфологические аспекты фундаментальных и прикладных медицинских исследований» (г. Воронеж, 2021); 87-ой Международной конференции «Молодежная наука и современность» (г. Курск, 2022 г.); Международной научной и методической конференции «Современные аспекты морфологии, патоморфологии и онкопатологии организма человека» (г. Курск, 2022 г.); Всероссийской научной конференции с международным участием «Однораловские морфологические чтения» (г. Воронеж, 2022 г.), Российской научно-практической конференции с международным участием «Вопросы теоретической и прикладной морфологии» (г. Уфа, 2022 г.); Международной научной и методической конференции «Современные аспекты морфологии, патоморфологии и онкопатологии организма человека» (г. Курск, 2023 г.), Всероссийской научной конференции с международным участием «Однораловские морфологические чтения» (г. Воронеж, 2023 г.), Международной научно-практической конференции «Доказательность морфологических исследований в медицине» (г. Уфа, 2024 г.).

Основные положения, выносимые на защиту

1. Прямые остеометрические характеристики отдельных позвонков и соответствующих сегментов параверебральных мышц не отражают в полной степени функционального состояния биомеханической системы «позвоночник-паравертебральные мышцы» в популяции современных людей обоего пола в

возрастных группах от 35 до 75 лет, проживающих на территории ЦентральноЧерноземного региона Российской Федерации.

2. Позвоночный столб человека с комплексом паравертебральных мышц в грудном и поясничном отделе представляет собой сложную биомеханическую систему, чья структурная организация обладает ярко выраженным половым диморфизмом.

3. Возрастные изменения структурной организации биомеханической системы «грудной и поясничный отделы позвоночника - паравертебральные мышцы» проявляются снижением количества факторных нагрузок и их перераспределением на нижележащие позвонки в возрастных группах 45-59 и 6075 лет, что приводит к повышению структурности системы, снижению её адаптивных возможностей и, как следствие, переходу системы в новое состояние.

4. Билатеральная асимметрия структурной организации биомеханической системы «грудной и поясничный отделы позвоночника -паравертебральные мышцы» выявляется со стороны паравертебральных мышц во всех возрастных группах.

Личный вклад автора в проведенное исследование

Личный вклад соискателя состоит в непосредственном участии при выполнении всех этапов диссертационного исследования. Самостоятельно диссертант провел набор исследуемого материала, анализ литературных источников, морфометрические измерения, статистический анализ и сравнительную оценку полученных данных. Соискатель непосредственно участвовал в написании научных статей и тезисов по результатам исследования. Написание и оформление рукописи диссертации выполнены лично автором.

Структура и объем диссертации

Диссертационная работа оформлена в соответствии с требованиями ГОСТ Р 7.0.11-2011. Диссертация изложена на 145 страницах компьютерного текста, содержит 20 таблиц и 39 рисунков. Состоит из следующих разделов: введение, обзор литературы, материал и методы исследования, собственные данные,

обсуждение полученных результатов исследования, выводы, списка сокращений и терминов, списка литературы и приложения.

Глава 1. Обзор литературы

1.1 Формирование костей позвоночного столба и паравертебральных мышц

в пренатальном онтогенезе

Известно, что мышцы и кости осевого скелета являются производными сомитов. Каждый сомит образует две отдельные зоны: склеротом и дерматомиотом. Склеротом дает начало костям осевого скелета, а из дерматомиотома развиваются дерма задней кожи туловища и шеи, и мышцы туловища. Вентральная часть дерматомиотома также дает начало всей мускулатуре конечности [26, 36]. В зарубежной литературе выделяют также т.н. «синдетом», содержащий клетки-предшественники фиброцитов сухожилий, который располагается между миотомом и склеротомом [135].

Сегментированная организация позвоночного столба человека формируется уже на ранних стадиях сомитогенеза еще на этапе закладки и формирования параксиальной мезодермы. Механизм сомитогенеза во многом не изучен. Существует гипотеза о том, что клетки несегментированной эмбриональной мезенхимы взаимодействуют друг с другом за счёт щелевых контактов [61, 102], в то же время с началом сегментации такие контакты исчезают. Установлено, что пары формирующихся сомитов последовательно появляются вдоль развивающейся нервной трубки с конца 3-й - начала 4-й недели развития. Появление сомитов происходит в краниально-каудальном направлении и, по мнению ряда авторов, инициируется врастанием сегментарных сосудов в пресомитную мезодерму (ПСМ) [60]. Этот повторяющийся через регулярные промежутки времени процесс приводит к появлению у человека 36-39 пар сомитов. В результате закладывается ось тела человека, обеспечивая последовательность этапов развития вдоль кранио-каудальной оси. Известно, что регуляция сомитогенеза у человека происходит с участием факторов BMP, Notch, Wnt, фактора роста фибробластов, ретиноевой кислоты и других сигнальных

путей на следующих ключевых этапах сомитогенеза: формирование ПСМ и установление молекулярных градиентов; предварительное паттернирование ПСМ молекулярными осцилляторами; формирование паттерна кранио-каудальной полярности внутри сомитов; формирование границ сомитов; созревание и ресегментация сомитов с образованием скелетно-мышечных тканей [100, 103, 113, 120, 124, 140, 151].

Таким образом, сомиты содержат предшественники осевого скелета, паравертебральной мускулатуры и связанных с ней сухожилий, дермы туловища, эндотелиальные клетки, а также предшественники гладкомышечных клеток, бурых адипоцитов и даже клетки, из которых будут формироваться оболочки спинного мозга. В начале своего формирования сомиты представляют собой скопление клеток шаровидной формы с центральной полостью, содержащей популяцию рыхлых ядерных клеток — клеток сомитоцеле [36]. Вскоре после формирования каждый сомит даёт начало специфическим мезодермальным производным. Так, вентромедиальная часть сомита подвергается эпителиально -мезенхимальной трансформации и вместе с клетками ядра сомита образуют склеротом. Оставшаяся часть сомита состоит из дорсального слоя, трансформирующегося в дерматомиотом. Склеротом далее служит источником образования позвонков и рёбер. При этом клетки вентральной части склеротома мигрируют, окружая хорду и образуя зачаток тела позвонка. В дорзальной части склеротома мигрирующие клетки окружают нервную трубку и образуют зачаток дуги позвонка. Клетки латеральных частей склеротома образуют поперечный отросток позвонка и ребра [106]. Между формирующимися дугами позвонков сохраняются участки более рыхлой мезенхимы, которые смещаются растущими межсегментными артериями и спинномозговыми нервами. Именно периодичность формирования сегментарных артерий и спинномозговых нервов определяют периодичность позвонков. Участки мезенхимы различной плотности также появляются и вокруг хорды. Более рыхлые отделы превращаются в центральные части тел позвонков, а более плотные и залегающие между ними -

являются предшественниками межпозвоночных дисков [152]. Вышеуказанные формирующиеся центральные части тел позвонков включают в себя фрагменты хорды, уже вокруг которых и образуется большая часть тела позвонка. Существует несколько концепций о влиянии окружения на сегментацию позвоночного столба: первичность сегментации формирующихся нервных дуг, которая в свою очередь, определяется сегментацией спинномозговых ганглиев, а сегментация последних зависит от динамики формирования сомитов. Существуют мнения, что окончательная сегментация позвоночника формируется уже в раннем плодном периоде с началом двигательной активности плода. Тем не менее, достаточно распространенной на сегодняшний день является концепция ресегментации, смысл которой заключается в том, что границы дефинитивных тел позвонков формируются в результате вертикального «сдвига» половины сегмента по отношению к исходным границам [135, 142].

В работах Петренко В.М. (2014, 2015) представлена гипотеза т.н. «часов сегментации тела» основной идеей которой является ведущая роль эмбриональных кровеносных сосудов в формировании метамерии эмбриона. Это не лишено логики, так как уже с 22 суток начинает работать сердце, устанавливается циркуляция крови и в силу нарастающих различий в гемодинамике начинается постепенное разделение эмбриональной сосудистой системы на артериальное, венозное и микроциркуляторное русло. Автор определяет скорость сегментирования свойствами регуляторных белков, закодированными в геноме клеток мезенхимы в сочетании с волнообразной дифференцировкой параксиальной мезодермы в моменты роста напряжений межклеточных связей мезенхимы склеротомов при удлинении эмбриона с напряжением адгезии, что, по мнению Петренко В.М. , является индуктором пролиферации и чередованию очагов разрыхления и уплотнения мезенхимы. Последнее индуцирует рост и дифференцировку эмбриональных сосудов. Весь указанный каскад актов эмбриональной индукции, по мнению автора, вызывает

репрессию и дерепрессию генов клеток мезенхимы, что и приводит в конечном итоге к ее разделению на сомиты сосудисто-мезенхимными клиньями [60, 62].

Таким образом, все вышесказанное позволяет считать, что процесс формирования костей позвоночного столба в эмбриогенезе соответствует общепринятым представлениям о гистогенезе и включает в себя пролиферацию и миграцию клеток-предшественников с параллельно протекающей их дифференцировкой в специфическом микроокружении, что в соответствии с концепцией «позиционной информации» или концепцией «информационного поля» осуществляемых при участии комплекса биохимических, механических, коммуникационных и иных индуцирующих факторов приводит к метамерной реорганизации перихордальной мезенхимы в конце 3-й - начале 4-й недели с формированием в кранио-каудальном направлении всех отделов позвоночного столба с развитием хрящевой ткани на месте мезенхимы к концу 6-й недели эмбриональной жизни человека.

С помощью микрорентгенографических и гистологических методов было установлено, что на фоне равномерной трансформации хорды, морфология костных тел позвонков в пояснично-крестцовом, грудном и шейном сегментах существенно отличается друг от друга. Эти отличия наиболее заметны в аксиальных проекциях и также подтверждены гистологически и проявляются в виде увеличения размеров тел позвонков, что наиболее выражено в грудном и верхне-поясничном отделах. Признаки окостенения впервые появляются в нижних грудных позвонках. [131, 133, 139].

Эмбриогенез паравертебральных мышц также начинается на 3-й неделе эмбрионального развития [36, 115] с образования сомитов в области формирования пузырей головного мозга - затылочных сомитов. К концу 5-й недели у эмбриона имеется до 36-39 пар сомитов, хотя в учебниках по гистологии и эмбриологии приводят данные о наличии 40-44 пар. В результате ранее указанных трансформаций мезодермы при сегментации сомитов в каждом из них формируются склеротом и дерматомиотом. В последнем в ходе роста ребер и

поперечных отростков выделяют вентральную и дорзальную части [23, 26, 36]. Из дорсальной части дерматомиотома формируются мышцы и дерма спины, из вентральной части соответственно передние мышцы и дерма туловища и конечностей.

К моменту формирования закладок конечностей каждая часть миотома получает свою ветвь соответствующего спинномозгового нерва - соответственно дорзальную или вентральную, соединяясь со спинномозговым нервом соответствующего нейротома. Последующая миграция миобластов вентральных миотомов в места формирования конечностей в разных направлениях приводит к появлению т.н. «трункопетальных», «трункофугальных» и «аутохтонных» мышц [20, 24]. Дальнейшая дифференцировка мышц - производных дорзальных частей миотомов протекает в направлении «изнутри-наружу». В первую очередь обособляются самые глубокие части дорзальных миотомов, которые дают начало межостистым, межпоперечным и поперечно-остистым мышцам (тт. ^егерта^, intertransversales, transversospinales). Эти короткие межпозвоночные мышцы полностью сохраняют своё метамерное строение, иннервацию и кровоснабжение [20]. Учитывая места их прикрепления, они связывают и воздействуют на соседние позвонки, выполняя движения вокруг всех осей - фронтальной, сагиттальной и вертикальной. Лежащие более поверхностно слои дорзальных миотомов дают начало двум видам мышц - многораздельным и полуостистым. В отличие от коротких межпозвоночных мышц, они «перебрасываются» через 2-4 и 7-8 позвонков соответственно, выполняя более сложное движение одновременно вокруг двух осей [53, 72]. Вышеуказанный «синдетом», а также наименее дифференцированные клетки миотомов дают начало волокнистой соединительной ткани сухожилий и фасций. Последние разделяют мышцы, поддерживая тем самым их сегментарное строение, и образуют общие фасциальные футляры для групп мышц. Процесс образования фасций и продолжающееся слияние поверхностных миобластов в сплошной мышечный слой приводят к тому, что т.н. «аутохтонные» мышцы спины образуют парные

Список литературы диссертационного исследования кандидат наук Иванов Михаил Александрович, 2025 год

Список литературы

1. Анатомо-биомеханическое обоснование вертебро- и кифопластики при компрессионных переломах тел грудных и поясничных позвонков / А. И. Тома, В. Г. Нинель, А. С. Анисимова [и др.] // IX Съезд травматологов-ортопедов : сборник тезисов / Саратовский научно-исследовательский институт травматологии и ортопедии. - Саратов, 2010. - Т. 3. - С. 694-695.

2. Анисимов, Д. И. Корреляции размеров позвоночного столба, его отделов и отдельных позвонков взрослых людей / Д. И. Анисимов // Известия высших учебных заведений. Поволжский регион. Медицинские науки. - 2013. -№ 1 (25). - С. 5-10.

3. Анисимова, Е. А. Закономерности изменчивости размеров и формы позвонков докрестцового отдела позвоночного столба / Е. А. Анисимова // Известия высших учебных заведений. Поволжский регион. Медицинские науки. -2009. - № 2 (10). - С. 3-13.

4. Анисимова, Е. Изменчивость ориентации поперечных отростков относительно отверстий позвонков взрослых людей / Е. Анисимова // Травматология и ортопедия России. - 2008. - № 3 (49). - С. 70-71.

5. Анисимова, Е. А. Изменчивость билатеральных размеров позвонков взрослых людей / Е. А. Анисимова, В. Н. Николенко // Фундаментальные исследования. - 2008. - № 6. - С. 111-112.

6. Анисимова, Е. А. Изменчивость ориентации ножек позвонков на разных уровнях позвоночного столба в связи с полом и возрастом / Е. А. Анисимова // Успехи современного естествознания. - 2008. - № 5. - С. 5859.

7. Анисимова, Е. А. Индивидуальная и билатеральная изменчивость тел и задних структур позвонков в норме и при сколиозе у взрослых людей / Е. А. Анисимова, И. А. Норкин, В. Н. Николенко // Biomedical and Biosocial Anthropology. - 2004. - № 2. - С. 1.

8. Анисимова, Е. А. Отношение продольных и поперечных размеров позвонков и их структурных элементов с позиций принципа "золотой пропорции" / Е. А. Анисимова, О. Г. Грешнова // Морфология. - 2008. - Т. 133, № 2. - С. 1011.

9. Анисимова, Е. А. Положение остистого отростка грудных и поясничных позвонков по отношению к срединной сагиттальной плоскости / Е. А. Анисимова, В. Н. Николенко, И. А. Норкин // Методы компьютерной диагностики в биологии и медицине : учебное пособие для студентов факультета нано- и биомедицинских технологий, обучающихся по специальности 014000 "Медицинская физика" и направлению "Биомедицинская технология" / под редакцией Д. А. Усанова. - Саратов, 2007. - С. 15-17.

10. Анисимова, Е. А. Соразмерность величины углов ножек дуг позвонков по данным морфо- и КТ-метрии / Е. А. Анисимова, В. Н. Николенко, И. А. Норкин // Методы компьютерной диагностики в биологии и медицине : учебное пособие для студентов факультета нано- и биомедицинских технологий, обучающихся по специальности 014000 "Медицинская физика" и направлению "Биомедицинская технология" / под редакцией Д. А. Усанова. - Саратов, 2007. -С. 15.

11. База данных морфо-топометрических параметров грудного отдела позвоночного столба в норме : свидетельство о регистрации базы данных № 2023621598 Российская Федерация : дата регистрации 19.05.2023 : № 2023621151 : заявл. 28.04.2023 : опубл. 19.05.2023 / Зоткин В. В., Анисимова Е. А., Анисимов Д. И. - Бюл. № 5.

12. Баландин, И. Ф. О происхождении кривизн позвоночника / И. Ф. Баландин. - Санкт-Петербург : Книга, 1976. - С. 50-76.

13. Бернштейн, Н. А. Физиология движений и активность / Л. В. Бернштейн. - Москва, 1990. - 494 с.

14. Берштейн, Н. А. Биомеханика и физиология движений : избранные психологические труды / Н. А. Берштейн, под редакцией В. П. Зинченко. - 3-е

изд., стер. - Москва : Московский психолого-социальный институт, 2008. - 687 с. - (Психологи России).

15. Бирючков, М. Ю. Значение межпозвонковых отверстий в генезе компрессионного синдрома при поясничном остеохондрозе / М. Ю. Бирючков // Нейрохирургия и неврология Казахстана. - 2013. - № 3 (32). - С. 14-15.

16. Бююль, А. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей / А. Бююль, П. Цёфель. - Санкт-Петербург : ДиаСофтЮп, 2002. - 603 с.

17. Вариантная анатомия отверстий позвонков в зависимости от уровня позвоночного столба // А. И. Тома, Е. Анисимова // Травматология и ортопедия России. - 2008. - № 3 (49). - С. 70-71.

18. Возрастная, половая и билатеральная изменчивость остеометрических характеристик ножек дуг позвонков / Е. А. Анисимова, Т. М. Загоровская, В. Н. Николенко, И. А. Норкин // Астраханский медицинский журнал. - 2007. - Т. 2, № 2. - С. 19-20.

19. Гайворонский, И. В. Анатомия и физиология человека : учебник для студентов учреждений среднего профессионального образования / И. В. Гайворонский, Г. И. Ничипорук, А. И. Гайворонский. - 8-е изд., стер. -Москва : Академия, 2013. - 496 с.

20. Гайворонский, И. В. Анатомия человека. В 2 т. Т. 1. Система органов опоры и движения. Спланхнология : учебник / И. В. Гайворонский, Г. И. Ничипорук, А. И. Гайворонский ; под редакцией И. В. Гайворонского. - Москва : ГЭОТАР-Медиа, 2014. - 688 с.

21. Герасимова, С. Ю. Вестибулярная гипотеза формирования идиопатического сколиоза и морфометрическая характеристика деформированных структур позвоночника / С. Ю. Герасимова // Бюллетень медицинских интернет-конференций. - 2019. - Т. 9, № 5. - С. 211-215.

22. Герасимова, С. Ю. Эволюционно-вестибулярная гипотеза формирования идиопатического сколиоза и анатомическое обоснование его

хирургической коррекции / С. Ю. Герасимова // Бюллетень медицинских интернет-конференций. - 2018. - Т. 8, № 9. - С. 400-405.

23. Гистология, эмбриология, цитология : учебник / Ю. И. Афанасьев, Н. А. Юрина, Е. Ф. Котовский [и др.] ; под редакцией Ю. И. Афанасьева, Н. А. Юриной. - 6-е изд., перераб. и доп. - Москва : ГЭОТАР-Медиа, 2016. - 800 с.

24. Голиченков, В. А. Эмбриология : учебник / В. А. Голиченков, Е. А. Иванов, Е. Н. Никерясова. - Москва : Academia, 2004. - 219 с.

25. Горяинова, Е. Р. Прикладные методы анализа статистических данных / Е. Р. Горяинова, А. Р. Панков, Е. Н. Платонов. - Москва : ИД ВШЭ, 2012. - 310 с.

26. Данилов, Р. К. Общая и медицинская эмбриология / Р. К. Данилов, Т. Г. Боровая. - Санкт-Петербург : Наука, 2003. - 231 с.

27. Данищук, З. Н. Морфология паравертебральных мышц пациентов с дегенеративными заболеваниями поясничного отдела позвоночника / З. Н. Данищук, А. Г. Скиданов, И. А. Батура // Таврический медико-биологический вестник. - 2013. - Т. 16, № 1-2. - С. 37-40.

28. Дегенеративно-дистрофические поражения позвоночника : руководство для врачей / Т. Е. Рамешвили, Т. Е. Труфанов, Б. В. Гайдар, В. Е. Парфенов. - Санкт-Петербург : ЭЛБИ-СПб, 2011. - 218 с.

29. Дубров, А. М. Многомерные статистические методы : для экономистов и менеджеров / А. М. Дубров, В. С. Мхитарян, Л. И. Трошин. -Москва : Финансы и статистика, 2000. - 350 с.

30. Ивченко, Г. И. Введение в математическую статистику / Г. И. Ивченко, Ю. И. Медведев. - Москва : ЛКИ, 2010. - 600 с.

31. Изменчивость абсолютных и относительных размеров тел поясничных позвонков / О. Л. Емкужев, Е. А. Анисимова, В. В. Щуковский, Д. И. Анисимов // Современные проблемы науки и образования. - 2015. - № 6. - URL: https://science-education.ru/ru/article/view?id=23331 (дата обращения: 26.08.2024).

32. Изменчивость межпозвоночных отверстий грудного отдела позвоночного столба у лиц зрелого возраста / В. В. Зоткин, Д. И. Анисимов, Е. А. Анисимова [и др.] // Известия высших учебных заведений. Поволжский регион. Медицинские науки. - 2023. - № 3 (67). - С. 124-136.

33. Изменчивость морфометрических параметров поясничных позвонков по данным прямой остеометрии / О. Л. Емкужев, Е. А. Анисимова, В. А. Зайцев [и др.] // Травматология и ортопедия в России: традиции и инновации : сборник материалов Всероссийской научно-практической конференции, посвященной 70-летию СарНИИТО. - Саратов, 2015. - С. 107-110.

34. Инструментальные методы оценки состояния паравертебральных поясничных мышц у пациентов с пояснично-крестцовой радикулопатией и неспецифической скелетно-мышечной болью / Е. Г. Селиверстова, В. Б. Войтенков, В. Н. Команцев [и др.]. - DOI 10.30629/2658-7947-2023-28-2-73-82 // Российский неврологический журнал. - 2023. - Т. 28, № 2. - С. 73-82.

35. Каримов, Р. Н. Статистика для врачей, биологов, и не только. Ч. I. Сбор, представление и предварительный анализ данных / Р. Н. Каримов, Ю. Г. Шварц. - Саратов : Изд-во Саратов. мед. ун-та, 2007. - 200 с.

36. Карлсон, Б. Основы эмбриологии по Пэттену : [пер. с англ. яз.] / Б. Карлсон. - Москва : Мир, 1983. - Т. 1. - 360 с.

37. Копанцева, Е. Е. Регуляторы скелетно-мышечного миогенеза / Е. Е. Копанцева, А. В. Белявскийю - DOI 10.7868/S0026898416010079 // Молекулярная биология. - 2016. - Т. 50, № 2. - С. 195-222.

38. Кудрявцева, И. П. Состояние паравертебральных мышц при заболеваниях позвоночника (обзор литературы) / И. П. Кудрявцева, Г. Д. Сафонова, К. А. Бердюгин // Современные проблемы науки и образования. - 2015. - № 5. - URL: https://science-education.ru/ru/article/view?id=22104 (дата обращения: 26.08.2024).

39. Лагутин, М. Б. Наглядная математическая статистика / М. Б. Лагутин. - Москва : Бином, Лаборатория знаний, 2007. - 472 с.

40. Лучевая диагностика повреждений позвоночника / Г. Н. Доровских, С. А. Кожедуб, А. Ю. Горлина, С. С. Седельников // Бюллетень ВосточноСибирского научного центра Сибирского отделения Российской академии медицинских наук. - 2012. - № 2-1 (84). - С. 24-28.

41. Математическое моделирование поэтапного формирования трехплоскостной «сколиозоподобной» деформации в двухколонной модели имитирующей реальный позвоночный комплекс / И. Ю. Поморцев, С. В. Бобер, М. Г. Дудин, Ю. А. Балошин // Сборник трудов VI съезда хирургов-вертебрологов России «Вертебрология в России: перспективы, проблемы и пути решения». -Краснодар, 2015. - Т. 1. - С. 86-92.

42. Математическое моделирование трехплоскостной деформации позвоночного столба человека / М. Г Дудин, Ю. А. Балошин, С. В. Бобер, И. Ю. Поморцев. - Б01 10.15593/RZhBiomeh/2016.3.07 // Российский журнал биомеханики. - 2016. - Т. 20, № 3. - С. 272-282.

43. Метальников, А. И. Динамическая оценка околопозвоночных мышц у детей с нарушенной осанкой на фоне дисплазии / А. И. Метальников. - Б01 10.26787/пуёИа-2686-6838-2023-25-8-52-57 // Медико-фармацевтический журнал «Пульс». - 2023. - Т. 25, № 8. - С. 52-57.

44. Метальников, А. И. Некоторые стабилометрические показатели у детей с сутулой спиной на фоне диспластических процессов / А. И. Метальников // Современные проблемы гигиены, радиационной и экологической медицины. -2023. - Т. 13. - С. 80-91.

45. Метальников, А. И. Параметры стабилометрии у детей с сутулой спиной на фоне диспластических процессов / А. И. Метальников. - Б01 10.26787/пуёИа-2686-6838-2023-25-7-21-25 // Медико-фармацевтический журнал «Пульс». - 2023. - Т. 25, № 7. - С. 21-25.

46. Мирзоев, Х. Х. Оценка патогистологических изменений паравертебральных мышц у оперированных больных с грыжей межпозвонковых дисков поясничного отдела позвоночника / Х. Х. Мирзоев // Вестник Кыргызской

государственной медицинской академии имени И. К. Ахунбаева. - 2016. - № 6. -С. 159-161.

47. Многофакторный анализ в клинической медицине / М. Я. Ядгаров, Л. Б. Берикашвили, К. К. Каданцева [и др.]. - Б01 10.17116/апаев1Ьевю^у202105164 // Анестезиология и реаниматология. - 2021. -№ 5. - С. 64-70.

48. Морфометрическое обоснование выбора метода фиксации при хирургической коррекции спондилолистеза / Е. А. Анисимова, В. Н. Николенко, В. В. Островский, А. И. Тома // Саратовский научно-медицинский журнал. - 2010.

- Т. 6, № 3. - С. 678-683.

49. Морфо-топометрические характеристики и связи межпозвоночных отверстий поясничного отдела позвоночного столба в норме и при дегенеративно -дистрофических изменениях / Е. А. Анисимова, Д. И. Анисимов, Т. М. Загоровская, О. В. Сырова // Современная морфология: проблемы и перспективы развития : сборник трудов научно-практической конференции с международным участием, посвященной 90-летию со дня рождения заслуженного деятеля науки Республики Беларусь, лауреата Государственной премии Республики Беларусь, профессора Петра Иосифовича Лобко : в 2 ч. / под общей редакцией Н. А. Трушель. - Минск, 2019. - Ч. 1. - С. 11-14.

50. МРТ-семиотика изменений паравертебральных мышц у пациентов с идиопатическим сколиозом / Г. В. Дьячкова, Ю. Л. Зейналов, А. В. Бурцев [и др.].

- Б01 10.52560/2713-0118-2023-6-34-49 // Радиология - практика. - 2023. -№ 6 (102). - С. 34-49.

51. Мушкин, А. Ю. Биомеханика позвоночника в норме и при патологических состояниях: основные аспекты исследований / А. Ю. Мушкин, Э. В. Ульрих, И. В. Зуев // Хирургия позвоночника. - 2009. - № 4. - С. 53-61.

52. Нечаев, В. И. Клинико-анатомические аспекты вертебрологии / В. И. Нечаев // Математическая морфология: электронный математический и медико-биологический журнал. - 1999. - Т. 3, № 2. - С. 109-119.

53. Нечаев, В. И. Локомоторная динамика и морфология позвоночного столба. Теория и практика / В. И. Нечаев. - Смоленск : Смядынь, 2004. - 68 с.

54. Нечаев, В. И. Позвоночный столб человека - система составных рычагов / В. И. Нечаев, Е. В. Малащенкова // Математическая морфология. -2007. - Т. 6, вып. 3. - С. 9.

55. Никитина, А. А. Характеристика ЭМГ-активности паравертебральных мышц у детей 9-12 лет без деформаций позвоночного столба / А. А. Никитина, В. Н. Команцев, М. Г. Дудин // VIII Международный конгресс "Слабые и сверхслабые поля и излучения в биологии и медицине" : научные труды конгресса. - Санкт-Петербург, 2018. - С. 180.

56. Николенко, В. Н. Степень сопряженности размерных характеристик позвонков и позвоночного столба / В. Н. Николенко, Е. А. Анисимова, И. А. Норкин // Социальные проблемы медицины и экологии человека : материалы Всероссийской научно-практической конференции / под редакцией П. В. Глыбочко. - Саратов, 2009. - С. 441-443.

57. Нуриев, З. Ш. Рентгеноанатомия и рентгенопатоморфология паравертебральных мышц у здоровых и больных вертеброгенной люмбалгией / З. Ш. Нуриев, М. К. Михайлов, М. А. Подольская // Казанский медицинский журнал. - 2004. - Т. 85, № 4. - С. 284-290.

58. Оценка состояния паравертебральных мышц поясничного отдела с помощью компьютерной томографии (обзор литературы) / В. А. Радченко,

A. Г. Скиданов, Ю. А. Змиенко [и др.] // Ортопедия, травматология и протезирование. - 2013. - № 4 (593). - С. 128-133.

59. Пашкова, И. Г. Соматотип и компонентный состав тела взрослого человека / И. Г. Пашкова, И. В. Гайворонский, Д. Б. Никитюк. - Санкт-Петербург : СпецЛит, 2019. - 159 с.

60. Петренко В. М. Механика сегментации тела эмбриона у человека /

B. М. Петренко // Международный журнал экспериментального образования. -2015. - № 2, ч. 1. - С. 21-24.

61. Петренко, В. М. Как запускаются часы сегментации тела? / В. М. Петренко // Успехи современного естествознания. - 2015. - № 1-7. - С. 1092— 1095. - URL: https://natural-sciences.ru/ru/article/view?id=35014 (дата обращения: 26.05.2024).

62. Петренко, В. М. Квазисегментарное устройство тела человека / В. М. Петренко // Международный журнал прикладных и фундаментальных исследований. - 2014. - № 8, Ч. 1. - С. 59-62.

63. Подольская, М. А. Компьютерно-томографическое исследование паравертебральных мышц на поясничном уровне при дистрофических вертеброгенных заболеваниях / М. А. Подольская, З. Ш. Нуриев // Медицинская визуализация. - 2004. - № 4. - С. 127-136.

64. Подчуфарова, Е. В. Роль болевого поведения в формировании инвалидизации у пациентов с хронической болью в спине / Е. В. Подчуфарова, Д. В. Разумов // Российский медицинский журнал. - 2010. - № 3. - С. 11-18.

65. Половая и межуровневая изменчивость экстенсивности форм межпозвоночных отверстий поясничного отдела позвоночного столба взрослых людей / О. Л. Емкужев, К. И. Журкин, В. В. Зоткин [и др.] // Сборник научных трудов НИИТОН СГМУ. - Саратов, 2017. - С. 90-93.

66. Размеры и форма грудных позвонков взрослых людей по данным прямой остеометрии / Н. М. Садовсков, В. В. Зоткин, Д. И. Анисимов [и др.] // Гигиена, экология и риски здоровью в современных условиях : материалы XI межрегиональной научно-практической интернет-конференции молодых ученых и специалистов Роспотребнадзора с международным участием : в 2 т. - Саратов, 2021. - С. 77-79.

67. Результаты электромиографического исследования при многоплоскостных деформациях позвоночника у детей / В. И. Печерский, Е. С. Антропов, Е. Ю. Кравцова [и др.] // Уральский медицинский журнал. - 2016. - № 4 (137). - С. 57-61.

68. Рентгеновская плотность паравертебральных мышц на вершине деформации в зависимости от величины угла сколиоза / Я. Х. Ибрагимов, М. А. Подольская, З. Ш. Нуриев [и др.] // Современные технологии в травматологии и ортопедии : материалы юбилейной научной конференции к 110 -летию со дня основания первой в России ортопедической клиники. - Санкт-Петербург, 2010. - С. 370-371.

69. Рыбка, Д. О. Возможности ультразвуковой диагностики состояния паравертебральных мышц поясничного отдела позвоночника у здоровых детей / Д. О. Рыбка, Л. Е. Шарова, М. Г. Дудин // Вестник восстановительной медицины. - 2019. - № 2 (90). - С. 69-73.

70. Сабирьянова, Е. С. Влияние механотерапии на функциональное состояние кардиореспираторной системы и биомеханику позвоночника у детей с нарушением осанки / Е. С. Сабирьянова, А. Р. Сабирьянов, Е. С. Харламов // Теория и практика физической культуры. - 2016. - № 5. - С. 41-43.

71. Садовсков, Н. М. Частота встречаемости различных форм межпозвоночных отверстий грудного отдела позвоночного столба / Н. М. Садовсков, Е. А. Анисимова // Week of Russian science (WeRuS-2023) : сборник материалов XII Всероссийской недели науки с международным участием, посвященной Году педагога и наставника / редколлегия: Н. А. Наволокин [и др.]. - Саратов, 2023. - С. 201-202.

72. Сапин, М. Р. Атлас нормальной анатомии человека. В 2 т. Т. 1 / М. Р. Сапин, Д. Б. Никитюк, Э. В. Швецов. - Москва : МЕДпресс-информ, 2004. -488 с.

73. Состояние мышцы, выпрямляющей позвоночник, у пациенток с хронической неспецифической болью в нижней части спины / Д. О. Рожков, О. Е. Зиновьева, Н. В. Пеньков [и др.]. - DOI 10.30629/2658-7947-2022-27-5-45-50 // Российский неврологический журнал. - 2022. - Т. 27, № 5. - С. 45-50.

74. Структурные особенности паравертебральных мышц в норме и при дегенеративных заболеваниях поясничного отдела позвоночника (обзор

литературы) / В. А. Радченко, Н. В. Дедух, Н. А. Ашукина, А. Г. Скиданов. - Б01 10.15674/0030-598720144122-127 // Ортопедия, травматология и протезирование. - 2014. - № 4 (597). - С. 122-127.

75. Типовая изменчивость относительных размеров тел поясничных позвонков / О. Л. Емкужев, Е. А. Анисимова, О. Ю. Воскресенский [и др.] // Классика и инновации в травматологии и ортопедии : сборник материалов Всероссийской научно-практической конференции, посвященной 75-летию профессора А.П. Барабаша. - Саратов, 2016. - С. 122-126.

76. Типовая изменчивость структур заднего опорного комплекса поясничного отдела позвоночного столба / О. Л. Емкужев, Е. А. Анисимова, О. Ю. Воскресенский [и др.] // Классика и инновации в травматологии и ортопедии : сборник материалов Всероссийской научно-практической конференции, посвященной 75-летию профессора А. П. Барабаша. - Саратов, 2016. - С. 119-122.

77. Топографическая изменчивость морфометрических параметров поясничного отдела позвоночного столба в зависимости от степени выраженности дегенеративно-дистрофических изменений / Е. А. Анисимова, Д. И. Анисимов, Н. М. Яковлев, О. Л. Емкужев // Структурные преобразования органов и тканей в норме и при воздействии антропогенных факторов : сборник материалов международной научной конференции, посвященной 80-летию со дня рождения профессора Асфандиярова Растяма Измайловича / под редакцией Л. А. Удочкиной, Б. Т. Куртусунова. - Астрахань, 2017. - С. 9-10.

78. Топографическая изменчивость размеров и форм межпозвонковых отверстий поясничного отдела позвоночного столба / Е. А. Анисимова, О. Л. Емкужев, Н. О. Челнокова [и др.] // Известия высших учебных заведений. Поволжский регион. Медицинские науки. - 2015. - № 4 (36). - С. 20-30.

79. Ульрих, Э. В. Вертебрология в терминах, цифрах, рисунках : учебник / Э. В. Ульрих, А. Ю. Мушкин. - Санкт-Петербург : ЭЛБИ-СПб., 2002. -186 с.

80. Филимонова, Г. Н. Морфологическая характеристика паравертебральных мышц пациентов со сколиозом, обусловленным первичными прогрессирующими миодистрофиями / Г. Н. Филимонова, Н. С. Мигалкин. - DOI 10.17116/patol20198103145 // Архив патологии. - 2019. - Т. 81, № 3. - С. 45-50.

81. Филимонова, Г. Н. Морфологическая характеристика паравертебральных мышц пациентов с патологией позвоночника, обусловленной нейромышечными заболеваниями / Г. Н. Филимонова, Н. С. Мигалкин. - DOI 10.17513/spno.28271 // Современные проблемы науки и образования. - 2018. -№ 6. - Ст. 59.

82. Филимонова, Г. Н. Морфологическая характеристика параспинальных мышц пациентов со сколиозом, обусловленным миодистрофией Дюшена / Г. Н. Филимонова, Н. С. Мигалкин // Ежегодная научно-практическая конференция по актуальным вопросам травматологии и ортопедии детского возраста "Турнеровские чтения" : сборник статей. - Санкт-Петербург, 2019. -С. 321-326.

83. Фоминых, С. А. Возрастная изменчивость губчатого вещества дистального отдела лучевой кости и поясничных позвонков : специальность 14.03.01 «Анатомия человека» ; 14.03.05 «Судебная медицина» : автореферат диссертации на соискание ученой степени кандидата медицинских наук / С. А. Фоминых. - Барнаул, 2010. — 22 с.

84. Халафян, А. А. Современные статистические методы медицинских исследований / А. А. Халафян. - Москва : Изд-во ЛКИ, 2008. - 320 с.

85. Харман, Г. Современный факторный анализ / Г. Харман. - Москва : Статистика, 1972. - 486 с.

86. Шевцов, А. В. Коррекция мышечно-тонической асимметрии при миофасциальном болевом синдроме средствами физической реабилитации / А. В. Шевцов, В. И. Ивлев // Материалы итоговой научно-практической конференции профессорско-преподавательского состава Национального государственного университета физической культуры, спорта и здоровья им. П.Ф. Лесгафта, Санкт -

Петербург, за 2016 год, посвященной 180-летию со дня рождения П. Ф. Лесгафта и 120-летию Университета. - Санкт-Петербург, 2017. - С. 206-209.

87. Шостак, Н. А. Геронтологические аспекты боли в спине в ревматологии / Н. А. Шостак, Н. Г. Правдюк, А. А. Клименко // РМЖ. - 2016. -Т. 24, № 22. -С. 1518-1522.

88. Шульга, А. Е. Особенности травматических переходов в грудопоясничном переходе позвоночного столба / А. Е. Шульга // Восстановительная травматология и ортопедия. Молодые ученые: новые идеи и открытия : материалы Всероссийской научно-практической конференции молодых ученых (14-16 июня 2006 г.). - Курган : Светич, 2006. - С. 193-194.

89. Щурова, Е. Н. Влияние величины деформации в грудном отделе позвоночника на морфологическую картину параспинальных мышц у больных с идиопатическим сколиозом тяжелой степени / Е. Н. Щурова, Г. Н. Филимонова, С. О. Рябых. - DOI 10.18019/1028-4427-2021-27-1-68-73 // Гений ортопедии. -2021. - Т. 27, № 1. - С. 68-73.

90. Эллис, Г. Атлас анатомии человека в срезах, КТ- и МРТизображениях / Г. Эллис, Б. М. Логан, Э. К. Диксон. - Москва : ГЭОТАР-Медиа, 2010. - 263 с.

91. 3D analysis of fatty infiltration of the paravertebral lumbar muscles using T2 images-a new approach / S. Hoppe, D. Maurer, W. Valenzuela [et al.]. - DOI 10.1007/s00586-021-06810-7 // European spine journal. - 2021. - Vol. 30, Iss. 9. -P. 2570-2576.

92. Abnormal paravertebral muscles development is associated with abnormal expression of PAX3 in adolescent idiopathic scoliosis / X. Qin, Z. He, R. Yin [et al.]. - DOI 10.1007/s00586-019-06217-5 // European spine journal. - 2020. -Vol. 29, Iss. 4. - P. 737-743.

93. Age- and Level-Dependence of Fatty Infiltration in Lumbar Paravertebral Muscles of Healthy Volunteers / R. J. Crawford, L. Filli, J. M. Elliott

[et al.]. - DOI 10.3174/ajnr.A4596 // AJNR. American journal of neuroradiology. -2016. - Vol. 37, Iss. 4. - P. 742-748.

94. Age- and sex-specific effects in paravertebral surface electromyographic back extensor muscle fatigue in chronic low back pain / G. Ebenbichler, R. Habenicht, S. Ziegelbecker [et al.]. - DOI 10.1007/s11357-019-00134-7 // GeroScience. - 2020. -Vol. 42, Iss. 1. - P. 251-269.

95. Age-dependent changes of the normal human spine during adulthood / F. J. Ruhli, M. Muntener, M. Henneberg. - DOI 10.1002/ajhb.20403 // American journal of human biology. - 2005. - Vol. 17, Iss. 4. - P. 460-469.

96. An externally validated deep learning model for the accurate segmentation of the lumbar paravertebral muscles / F. Niemeyer, A. Zanker, R. Jonas [et al.]. - DOI 10.1007/s00586-022-07320-w // European spine journal. - 2022. - Vol. 31, Iss. 8. - P. 2156-2164.

97. Aronsson, D. D. The role of remodeling and asymmetric growth in vertebral wedging / D. D. Aronsson, I. A. Stokes, C. McBride. - DOI 10.3233/978-160750-573-0-11 // Studies in health technology and informatics. - 2010. - Vol. 158. -P. 11-15.

98. Asymmetric expression of melatonin receptor mRNA in bilateral paravertebral muscles in adolescent idiopathic scoliosis / Y. Qiu, L. Wu, B. Wang [et al.]. - DOI 10.1097/01.brs.0000257536.34431.96 // Spine. - 2007. - Vol. 32, Iss. 6. - P. 667-672.

99. Bagnall, K. M. A radiographic study of variations of the human fetal spine / K. M. Bagnall, P. F. Harris, P. R. Jones. - DOI 10.1002/ar.1092080213 // The Anatomical record. - 1984. - Vol. 208, Iss. 2. - P. 265-270.

100. Bale, A. E. Hedgehog signaling and human disease / A. E. Bale. - DOI 10.1146/annurev.genom.3.022502.103031 // Annual review of genomics and human genetics. - 2002. - Vol. 3. - P. 47-65.

101. Bi-iliac distance and iliac bone position compared to the vertebral column in normal fetal development / U. B. Hartling, B. Fischer Hansen,

L. T. Skovgaard, I. Kjaer. - DOI 10.1002/1096-8628(2000)9999:999<00::aid-ajmg1141>3.0.co;2-l // American journal of medical genetics. - 2001. - Vol. 99, Iss. 2. - P. 154-158.

102. Blackhaw, S. E. Low resistance junctions between mesoderm cells during development of trunk muscles / S. E. Blackhaw, A. E. Warner. - DOI 10.1113/jphysiol.1976.sp011276 // The Journal of physiology. - 1976. - Vol. 255, Iss. 1. - P. 209-230.

103. Casaca, A. Controlling Hox gene expression and activity to build the vertebrate axial skeleton / A. Casaca, A. C. Santos, M. Mallo. - DOI 10.1002/dvdy.24007 // Developmental dynamics. - 2014. - Vol. 243, Iss. 1. - P. 24-36.

104. Changes in paraspinal muscles and their association with low back pain and spinal degeneration: CT study / L. Kalichman, P. Hodges, L. Li [et al.]. - DOI 10.1007/s00586-009-1257-5 // European spine journal. - 2010. - Vol. 19, Iss. 7. -P. 1136-1144.

105. Clinical profile of acute vertebral compression fractures in osteoporosis / U. Patel, S. Skingle, G. A. Campbell [et al.]. - DOI 10.1093/rheumatology/30.6.418 // British journal of rheumatology. - 1991. - Vol. 30, Iss. 6. - P. 418-421.

106. Closure of the vertebral canal in human embryos and fetuses / H. K. Mekonen, J. P. J. M. Hikspoors, G. Mommen [et al.]. - DOI 10.1111/joa.12638 // Journal of anatomy. - 2017. - Vol. 231, Iss. 2. - P. 260-274.

107. Computed tomography of the human skeletal muscular system / J. A. Bulcke, J. L. Termote, Y. Palmers, D. Crolla. - DOI 10.1007/BF00339869 // Neuroradiology. - 1979. - Vol. 17, Iss. 3. - P. 127-136.

108. Computed tomography of the normal and pathologic muscular system / J. L. Termote, A. Baert, D. Crolla [et al.]. - DOI 10.1148/radiology.137.2.7433677 // Radiology. - 1980. - Vol. 137, Iss. 2. - P. 439-444.

109. CT imaging of trunk muscles in chronic low back pain patients and healthy control subject / L. A. Danneels, G. G. Vanderstraeten, D. C. Cambier [et al.]. -

DOI 10.1007/s005860000190 // European spine journal. - 2000. - Vol. 9, Iss. 4. -P. 266-272.

110. Czyz, M. Geometrical assessment of the foetal lumbar vertebral column

- clinical implications / M. Czyz, A. Kedzia // Folia morphologica. - 2004. - Vol. 63, Iss. 4. - P. 431-438.

111. Development of spinal posture in a cohort of children from the age of 11 to 22 years / M. S. Poussa, M. M. Heliövaara, J. T. Seitsamo [et al.]. - DOI 10.1007/s00586-004-0701-9 // European spine journal. - 2005. - Vol. 14, Iss. 8. -P. 738-742.

112. Disbalance and fatigue of the spinal extensors as one of the causes of the overload disease of the lumbar spine / J. Zyznawska, G. Frankowski, E. Wodka-Natkaniec [et al.] // Acta of bioengineering and biomechanics. - 2019. - Vol. 21, Iss. 3.

- P. 119-125.

113. Dunwoodie, S. L. The role of Notch in patterning the human vertebral column / S. L. Dunwoodie. - DOI 10.1016/j.gde.2009.06.005 // Current opinion in genetics & development. - 2009. - Vol. 19, Iss. 4. - P. 329-337.

114. Epigenetic reprogramming of human embryonic stem cells into skeletal muscle cells and generation of contractile myospheres / S. Albini, P. Coutinho, B. Malecova [et al.]. - DOI 10.1016/j.celrep.2013.02.012 // Cell reports. - 2013. - Vol. 3, Iss. 3. - P. 661-670.

115. Growth of spinal muscles in the human fetus / H. Bompais, V. Hannecke, P. Michel [et al.] // Morphologie. - 1999. - Vol. 83, Iss. 262. - P. 15-17.

116. Herzog, W. The role of muscles in joint adaptation and degeneration / W. Herzog, D. Longino, A. Clark. - DOI 10.1007/s00423-003-0402-6 // Langenbeck's archives of surgery. - 2003. - Vol. 388, Iss. 5. - P. 305-315.

117. Highly efficient reprogramming to pluripotency and directed differentiation of human cells with synthetic modified mRNA / L. Warren, P. D. Manos, T. Ahfeldt [et al.]. - DOI 10.1016/j.stem.2010.08.012 // Cell Stem Cell. - 2010. - Vol. 7, Iss. 5. - P. 618-630.

118. Jorgensen, K. Muscle fiber distribution, capillary density, and enzymatic activities in the lumbar paravertebral muscles of young men. Significance for isometric endurance / K. Jorgensen, T. Nicholaisen, M. Kato // Spine. - 1993. - Vol. 18, Iss. 11. -P. 1439-1450.

119. Lawson, L. Y. Developmental mechanisms of intervertebral disc and vertebral column formation / L. Y. Lawson, B. D. Harfe. - DOI 10.1002/wdev.283 // Wiley interdisciplinary reviews. Developmental biology. - 2017. - Vol. 6, Iss. 6. -Art. e283.

120. Lewis, J. Notch signaling, the segmentation clock, and the patterning of vertebrate somites / J. Lewis, A. Yanisch, M. Holder. - DOI 10.1186/jbiol145 // Journal of biology. - 2009. - Vol. 8, Iss. 4. - Art. 44.

121. Lord, M. J. Postnatal development of the thoracic spine / M. J. Lord, J. A. Ogden, T. M. Ganey. - DOI 10.1097/00007632-199508000-00008 // Spine. -1995. - Vol. 20, Iss. 15. - P. 1692-1698.

122. Lumbar Stenosis: A Recent Update by Review of Literature / S. Y. Lee, T. H. Kim, J. K. Oh [et al.]. - DOI 10.4184/asj.2015.9.5.818 // Asian Spine Journal. -2015. - Vol. 9, Iss. 5. - P. 818-828.

123. Manually defining regions of interest when quantifying paravertebral muscles fatty infiltration from axial magnetic resonance imaging: a proposed method for the lumbar spine with anatomical cross-reference / R. J. Crawford, J. Cornwall, R. Abbott, J. M. Elliott. - DOI 10.1186/s12891-016-1378-z // BMC musculoskeletal disorders. - 2017. - Vol. 18, Iss. 1. - Art. 25.

124. Mead, T. J. Notch Signaling and the Developing Skeleton / T. J. Mead, K. E. Yutzey. - DOI 10.1007/978-1-4614-0899-4_9 // Notch Signaling in Embryology and Cancer. - New York, 2012. - Chapter 9. - P. 114-130. - (Advances in Experimental Medicine and Biology ; vol. 727)

125. Methylation of estrogen receptor 2 (ESR2) in deep paravertebral muscles and its association with idiopathic scoliosis / M. Chmielewska, P. Janusz,

M. Andrusiewicz [et al.]. - DOI 10.1038/s41598-020-78454-4 // Scientific reports. -2020. - Vol. 10, Iss. 1. - Art. 22331.

126. Morpho-topometric variability of anatomical structures in thoracic spine / V. Zotkin, D. Anisimov, N. Yakovlev [et al.]. - DOI 10.35630/2199-885X/2020/10/3.8 // Archiv Euromedica. - 2020. - Vol. 10, No. 3. - P. 37-39.

127. MRI evaluation of lumbar spinal stenosis: is a rapid visual assessment as good as area measurement? / G. Lonne, B. 0degard, L. G. Johnsen [et al.] // European spine journal. - 2014. - Vol. 23, Iss. 6. - P. 1320-1324.

128. Multiple univariate analysis of radiologic and clinical features on 168 patients with lumbar spinal stenosis: what is the role of the erector spinae in the development of a patient's disability? / G. Corazzelli, M. Capece, V. Meglio [et al.]. -DOI 10.1007/s00701-023-05863-5 // Acta neurochirurgica. - 2023. - Vol. 165, Iss. 12. - P.3947-3957.

129. Nerve Growth Factor and Estrogen Receptor mRNA Expression in Paravertebral Muscles of Patients With Adolescent Idiopathic Scoliosis: A Preliminary Study / D. Kudo, N. Miyakoshi, M. Hongo [et al.]. - DOI 10.1016/j.jspd.2014.07.006 // Spine Deform. - 2015. - Vol. 3, Iss. 2. - P. 122-127.

130. Ontogeny of morphological variations in the vertebral column: Prevalence and bony variability in young Spanish children / C. V. Rojas, J. I. Olivares, P. M. Tutor [et al.]. - DOI 10.1016/j.aanat.2022.151888 // Annals of anatomy. - 2022. -Vol. 240. - Art. 151888.

131. O'Rahilly, R. The timing and sequence of events in the development of the human vertebral column during the embryonic period proper / R. O'Rahilly, D. B. Meyer. - DOI 10.1007/BF00305157 // Anatomy and embryology. - 1979. - Vol. 157, Iss. 2. - P. 167-176.

132. Paravertebral muscles in disease of the cervical spine / S. B. Wharton, K. K. Chan, J. D. Pickard, J. R. Anderson. - DOI 10.1136/jnnp.61.5.461 // Journal of neurology, neurosurgery, and psychiatry. - 1996. - Vol. 61, Iss. 5. - P. 461-465.

133. Prenatal development of the normal human vertebral corpora in different segments of the spine / D. Nolting, B. F. Hansen, J. Keeling, I. Kjaer. - DOI 10.1097/00007632-199811010-00003 // Spine. - 1998. - Vol. 23, Iss. 21. - P. 22652271.

134. Prescher, A. Anatomy and pathology of the aging spine / A. Prescher. -DOI 10.1016/s0720-048x(97)00165-4 // European journal of radiology. - 1998. -Vol. 27, Iss. 3. - P. 181-195.

135. Principles and Mechanisms of Morphogenesis and Dysmorphogenesis / G. C. Schoenwolf, S. B. Bleyl, P. R. Brauer, P. H. Francis-West // Larsen's Human Embryology. - Elsevier, 2009. - P. 133-165.

136. Qualitative grading of severity of lumbar spinal stenosis based on the morphology of the dural sac on magnetic resonance images / C. Schizas, N. Theumann, A. Burn [et al.]. - DOI 10.1097/BRS.0b013e3181d359bd // Spine. - 2010. - Vol. 35, Iss. 21. - P. 1919-1924.

137. Quantitative analysis of back muscle degeneration in the patients with the degenerative lumbar flat back using a digital image analysis: comparison with the normal controls / J. C. Lee, J. G. Cha, Y. Kim [et al.]. - DOI 10.1097/BRS.0b013e318162458f // Spine. - 2008. - Vol. 33, Iss. 3. - P. 318-325.

138. Relationship between sarcopenia/paravertebral muscles and the incidence of vertebral refractures following percutaneous kyphoplasty: a retrospective study / Q. Chen, C. Lei, T. Zhao [et al.]. - DOI 10.1186/s12891-022-05832-6 // BMC musculoskeletal disorders. - 2022. - Vol. 23, Iss. 1. - Art. 879.

139. Saraga-Babic, M. Variations in the formation of the human caudal spinal cord / M. Saraga-Babic, D. Sapunar, J. Wartiovaara // Journal für Hirnforschung. -1995. - Vol. 36, Iss. 3. - P. 341-347.

140. Scaal, M. Early development of the vertebral column / M. Scaal. - DOI 10.1016/j.semcdb.2015.11.003 // Seminars in cell & developmental biology. - 2016. -Vol. 49. - P. 83-91.

141. Sewell, W. Genetic analysis of molecular oscillators in mammalian somitogenesis: clues for studies of human vertebral disorders / W. Sewell, K. Kusumi. -DOI 10.1002/bdrc.20091 // Birth defects research. Part C, Embryo today : reviews. -2007. - Vol. 81, Iss. 2. - P. 111-120.

142. Sexual Dimorphism and the Origins of Human Spinal Health / V. Gilsanz, T. A. L. Wren, S. Ponrartana [et al.]. - DOI 10.1210/er.2017-00147 // Endocr Rev. - 2018. - Vol. 39, Iss. 2. - P. 221-239.

143. Sneath, R. J. S. An Objective Assessment of Lumbar Spine Degeneration/Ageing Seen on MRI Using An Ensemble Method-A Novel Approach to Lumbar MRI Reporting // R. J. S. Sneath, A. Khan, C. Hutchinson. - DOI 10.1097/BRS.0000000000004159 // Spine. - 2022. - Vol. 47, Iss. 5. - P. E187-E195.

144. Snodgrass, J. J. Sex differences and aging of the vertebral column / J. J. Snodgrass // Journal of forensic sciences. - 2004. - Vol. 49, Iss. 3. - P. 458-463.

145. The association between morphological characteristics of paraspinal muscle and spinal disorders / M. Suo, J. Zhang, T. Sun [et al.]. - DOI 10.1080/07853890.2023.2258922 // Annals of medicine. - 2023. - Vol. 55, Iss. 2. -Art. 2258922.

146. The Effect of Paravertebral Muscle on the Maintenance of Upright Posture in Patients With Adult Spinal Deformity / T. Banno, H. Arima, T. Hasegawa [et al.]. - DOI 10.1016/j.jspd.2018.06.008 // Spine deformity. - 2019. - Vol. 7, Iss. 1. -P. 125-131.

147. Transcription factor rational design improves directed differentiation of human mesenchymal stem cells into skeletal myocytes / M. A. Gonçalves, J. M. Janssen, Q. G. Nguyen [et al.]. - DOI 10.1038/mt.2010.308 // Molecular therapy. -2011. - Vol. 19, Iss. 7. - P. 1331-1341.

148. Upregulated estrogen receptors impairs myogenesis and elevates adipogenesis related factor levels in the paravertebral muscles of patients with idiopathic scoliosis / Q. Shu, G. Yang, M. Tang [et al.]. - DOI

10.1016/j.bbrc.2023.02.034 // Biochemical and biophysical research communications. -2023. - Vol. 652. - P. 22-30.

149. Vertebral cross-sectional growth: A predictorof vertebral wedging in the immature skeleton / E. Poorghasamians, P. C. Aggabao, T. A. L. Wren [et al.]. - DOI 10.1371/journal.pone.0190225 // PLoS One. - 2017. - Vol. 12, Iss. 12. - Art. e0190225.

150. Volumetric and fatty infiltration imbalance of deep paravertebral muscles in adolescent idiopathic scoliosis / J. Jiang, Y. Meng, X. Jin [et al.]. - DOI 10.12659/msm.902455 // Medical science monitor. - 2017. - Vol. 23. - P. 2089-2095.

151. Wan, M. BMP signaling in skeletal development / M. Wan, X. Cao. -DOI 10.1016/j.bbrc.2004.11.067 // Biochemical and biophysical research communications. - 2005. - Vol. 328, Iss. 3. - P. 651-657.

152. Williams, S. Development of the axial skeleton and intervertebral disc / S. Williams, B. Alkhatib, R. Serra. - DOI 10.1016/bs.ctdb.2018.11.018 // Curr Top Dev Biol. - 2019. - Vol. 133. - P. 49-90.

153. Wong, C. Mechanism of right thoracic adolescent idiopathic scoliosis at risk for progression; a unifying pathway of development by normal growth and imbalance / C. Wong. - DOI 10.1186/s13013-015-0030-2 // Scoliosis. - 2015. -Vol. 10. - Art. 2.

154. Wong, C. The role of the paravertebral muscles in adolescent idiopathic scoliosis evaluated by temporary paralysis / C. Wong, K. Gosvig, S. Sonne-Holm. -DOI 10.1186/s13013-017-0138-7 // Scoliosis and spinal disorders. - 2017. - Vol. 12. -Art. 33.

Приложение

Результаты исследования позволили создать ПО «Sanus dorsum - здоровая спина» (получено авторское свидетельство о государственной регистрации программы для ЭВМ № 2024618701, заявка №2024616210, дата поступления -28.03.2024 г., дата государственной регистрации - 16.04.2024 г. (Иванов М.А., Яшина И.Н., Пучнина Е.С.) предназначеную для определения показаний к назначению лечебной физкультуры и оценке её качества при травмах позвоночника по результатам спиральной компьютерной томографии на основе сравнения персональных соматометрических и остеометрических данных позвонков грудного и поясничного отделов и ширины паравертебральных мышечных массивов. Рабочее окно программы представлено на рисунке 39.

Im: 189/480 Se: 3

KULCHAR N.M.

3610 09.03.1970 F POKOLENIE 35475

" —--üody 1.0 Native/Phase Native\Phase

«

Ж

M

-¿к*-

Sanus Dorsum

Исследование №1322

пол возраст рост вес

муж 45 167 80

правая левая

11,41 ThA 11,21 6,99 тип 7,55

You have 25 days left in your trial period. Purchase a license at https://radiantviewer.com/store/ This session will end in 3 minutes.

WL: 40 V

T: 1.0mm L: -1196.8mm

TA 120kV 11.06.2020 7:18:39

норма

средним риск

высокии риск

Рисунок 39. Рабочее окно ПО «Sanus dorsum - здоровая спина» Программный код представлен ниже

Train_model.py import pickle import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.model_selection import ( StratifiedKFold, cross_val_score, train_test_split, )

from sklearn.preprocessing import LabelEncoder, StandardScaler random_state = 52_889 n_estimators = 1_000 test_size = 0.2 n_splits = 20 filename = "ima_model.sav" # Load data data = pd.read_csv("data/ima_data_fem.csv") # split features and target y = data["peK0MeHg0BaH0"] X = data.drop(columns="peK0MeHg0BaH0") # encode text features le = LabelEncoder() X["non"] = le.fit_transform(X["no^"]) # Split the dataset into training and testing sets X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=test_size, random_state=random_state ) # Standardize the features scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.fit_transform(X_test) # Initialize the Random Forest classifier rf_classifier = RandomForestClassifier( n_estimators=n_estimators, random_state=random_state, ) # Perform cross-validation kfold = StratifiedKFold(n_splits=n_splits, shuffle=True, random_state=random_state) cv_results = cross_val_score( rf_classifier, X_train, y_train, cv=kfold, scoring="accuracy" ) # Output the mean and standard deviation of the cross-validation scores print( f"CV Mean Accuracy: {cv_results.mean():.4f}, Standard Deviation: {cv_results.std():.4f}" ) # Train the classifier on the training set rf_classifier.fit(X_train, y_train) # Predict the class for new observations y_pred = rf_classifier.predict(X_test) # Evaluate the predictions accuracy = accuracy_score(y_test, y_pred) print(f"Default Accuracy on test set: {accuracy:.4f}") # Save trained model to file pickle.dump(rf_classifier, open(filename, "wb")) Data_Predict.py import pickle import pandas as pd from sklearn.preprocessing import LabelEncoder, StandardScaler # read model from file filename = "ima_model.sav" loaded_model = pickle.load(open(filename, "rb")) # Load data data = pd.read_csv("data/ima_fem_new_cases.csv") # encode text features le = LabelEncoder() data["no^"] = le.fit_transform(data["no^"]) # Standardize the features scaler = StandardScaler() X_scale = scaler.fit_transform(data) # get prediction y_pred = loaded_model.predict(X_scale) print(y_pred) # Authors: Alexandre Gramfort # Mathieu Blondel # Olivier Grisel # Andreas Mueller # Joel Nothman # Hamzeh Alsalhi # License: BSD 3 clause import array import itertools import warnings from collections import defaultdict from numbers import Integral import numpy as np import

scipy.sparse as sp from ..base import BaseEstimator, TransformerMixin, _fit_context from ..utils import column_or_1d from ..utils._encode import _encode, _unique from ..utils._param_validation import Interval, validate_params from ..utils.multiclass import type_of_target, unique_labels from ..utils.sparsefuncs import min_max_axis from

..utils.validation import _num_samples, check_array, check_is_fitted _all_ = [

"label_binarize", "LabelBinarizer", "LabelEncoder", "MultiLabelBinarizer", ] class LabelEncoder(TransformerMixin, BaseEstimator, auto_wrap_output_keys=None):

......Encode target labels with value between 0 and n_classes-1. This transformer should

be used to encode target values, *i.e.* 'y', and not the input 'X'. Read more in the

:ref:'User Guide '. .. versionadded:: 0.12 Attributes..........classes_ : ndarray of shape

(n_classes,) Holds the label for each class. See Also ........OrdinalEncoder : Encode

categorical features using an ordinal encoding scheme. OneHotEncoder : Encode

categorical features as a one-hot numeric array. Examples........'LabelEncoder' can be

used to normalize labels. >>> from sklearn.preprocessing import LabelEncoder >>> le = LabelEncoder() >>> le.fit([1, 2, 2, 6]) LabelEncoder() >>> le.classes_ array([1, 2, 6]) >>> le.transform([1, 1, 2, 6]) array([0, 0, 1, 2]...) >>> le.inverse_transform([0, 0, 1, 2]) array([1, 1, 2, 6]) It can also be used to transform non-numerical labels (as long as they are hashable and comparable) to numerical labels. >>> le = LabelEncoder() >>> le.fit(["paris", "paris", "tokyo", "amsterdam"]) LabelEncoder() >>> list(le.classes_) ['amsterdam', 'paris', 'tokyo'] >>> le.transform(["tokyo", "tokyo", "paris"]) array([2, 2,

1]...) >>> list(le.inverse_transform([2, 2, 1])) ['tokyo', 'tokyo', 'paris']......def fit(self, y):

......Fit label encoder. Parameters .......... y : array-like of shape (n_samples,) Target

values. Returns ------- self : returns an instance of self. Fitted label encoder. ...... y =

column_or_1d(y, warn=True) self.classes_ = _unique(y) return self def

fit_transform(self, y):......Fit label encoder and return encoded labels. Parameters........

-- y : array-like of shape (n_samples,) Target values. Returns -------y : array-like of

shape (n_samples,) Encoded labels.......y = column_or_1d(y, warn=True) self.classes_,

y = _unique(y, return_inverse=True) return y def transform(self, y):......Transform labels

to normalized encoding. Parameters..........y : array-like of shape (n_samples,) Target

values. Returns ....... y : array-like of shape (n_samples,) Labels as normalized

encodings. ...... check_is_fitted(self) y = column_or_1d(y, dtype=self.classes_.dtype,

warn=True) # transform of empty array is empty array if _num_samples(y) == 0: return np.array([]) return _encode(y, uniques=self.classes_) def inverse_transform(self, y):

......Transform labels back to original encoding. Parameters..........y : ndarray of shape

(n_samples,) Target values. Returns -------y : ndarray of shape (n_samples,) Original

encoding. ...... check_is_fitted(self) y = column_or_1d(y, warn=True) # inverse

transform of empty array is empty array if _num_samples(y) == 0: return np.array([]) diff = np.setdiff1d(y, np.arange(len(self.classes_))) if len(diff): raise ValueError("y contains previously unseen labels: %s" % str(diff)) y = np.asarray(y) return self.classes_[y] def _more_tags(self): return {"X_types": ["1dlabels"]} class LabelBinarizer(TransformerMixin, BaseEstimator, auto_wrap_output_keys=None):

......Binarize labels in a one-vs-all fashion. Several regression and binary classification

algorithms are available in scikit-learn. A simple way to extend these algorithms to the multi-class classification case is to use the so-called one-vs-all scheme. At learning time, this simply consists in learning one regressor or binary classifier per class. In doing so, one needs to convert multi-class labels to binary labels (belong or does not belong to the class). LabelBinarizer' makes this process easy with the transform method. At prediction time, one assigns the class for which the corresponding model gave the greatest confidence. LabelBinarizer' makes this easy with the

:meth:'inverse_transform' method. Read more in the :ref:'User Guide '. Parameters-----

----- neg_label : int, default=0 Value with which negative labels must be encoded.

pos_label : int, default=1 Value with which positive labels must be encoded. sparse_output : bool, default=False True if the returned array from transform is desired

to be in sparse CSR format. Attributes ---------- classes_ : ndarray of shape (n_classes,)

Holds the label for each class. y_type_ : str Represents the type of the target data as evaluated by :func:'~sklearn.utils.multiclass.type_of_target'. Possible type are 'continuous', 'continuous-multioutput', 'binary', 'multiclass', 'multiclass-multioutput', 'multilabel-indicator', and 'unknown'. sparse_input_ : bool True' if the input data to

transform is given as a sparse matrix, 'False' otherwise. See Also........label_binarize

: Function to perform the transform operation of LabelBinarizer with fixed classes. OneHotEncoder : Encode categorical features using a one-hot aka one-of-K scheme.

Examples ........ >>> from sklearn.preprocessing import LabelBinarizer >>> lb =

LabelBinarizer() >>> lb.fit([1, 2, 6, 4, 2]) LabelBinarizer() >>> lb.classes_ array([1, 2, 4, 6]) >>> lb.transform([1, 6]) array([[1, 0, 0, 0], [0, 0, 0, 1]]) Binary targets transform to a column vector >>> lb = LabelBinarizer() >>> lb.fit_transform(['yes', 'no', 'no', 'yes']) array([[1], [0], [0], [1]]) Passing a 2D matrix for multilabel classification >>> import numpy as np >>> lb.fit(np.array([[0, 1, 1], [1, 0, 0]])) LabelBinarizer() >>> lb.classes_ array([0, 1, 2]) >>> lb.transform([0, 1, 2, 1]) array([[1, 0, 0], [0, 1, 0], [0, 0,

1], [0, 1, 0]])......_parameter_constraints: dict = { "neg_label": [Integral], "pos_label":

[Integral], "sparse_output": ["boolean"], } def _init_(self, *, neg_label=0,

pos_label=1, sparse_output=False): self.neg_label = neg_label self.pos_label = pos_label self.sparse_output = sparse_output

@_fit_context(prefer_skip_nested_validation=True) def fit(self, y): ......Fit label

binarizer. Parameters .......... y : ndarray of shape (n_samples,) or (n_samples,

n_classes) Target values. The 2-d matrix should only contain 0 and 1, represents

multilabel classification. Returns------- self : object Returns the instance itself. ...... if

self.neg_label >= self.pos_label: raise ValueError( f"neg_label={self.neg_label} must be strictly less than " f"pos_label={self.pos_label}." ) if self.sparse_output and (self.pos_label == 0 or self.neg_label != 0): raise ValueError( "Sparse binarization is only supported with non " "zero pos_label and zero neg_label, got " f"pos_label={self.pos_label} and neg_label={self.neg_label}" ) self.y_type_ = type_of_target(y, input_name="y") if "multioutput" in self.y_type_: raise ValueError( "Multioutput target data is not supported with label binarization" ) if _num_samples(y) == 0: raise ValueError("y has 0 samples: %r" % y) self.sparse_input_ = sp.issparse(y)

self.classes_ = unique_labels(y) return self def fit_transform(self, y): ......Fit label

binarizer/transform multi-class labels to binary labels. The output of transform is sometimes referred to as the 1-of-K coding scheme. Parameters..........y : {ndarray,

sparse matrix} of shape (n_samples,) or \ (n_samples, n_classes) Target values. The 2-d matrix should only contain 0 and 1, represents multilabel classification. Sparse matrix

can be CSR, CSC, COO, DOK, or LIL. Returns-------Y : {ndarray, sparse matrix} of

shape (n_samples, n_classes) Shape will be (n_samples, 1) for binary problems. Sparse

matrix will be of CSR format. ......return self.fit(y).transform(y) def transform(self, y):

......Transform multi-class labels to binary labels. The output of transform is sometimes

referred to by some authors as the 1-of-K coding scheme. Parameters .......... y :

{array, sparse matrix} of shape (n_samples,) or \ (n_samples, n_classes) Target values. The 2-d matrix should only contain 0 and 1, represents multilabel classification. Sparse

matrix can be CSR, CSC, COO, DOK, or LIL. Returns ------- Y : {ndarray, sparse

matrix} of shape (n_samples, n_classes) Shape will be (n_samples, 1) for binary

problems. Sparse matrix will be of CSR format. ...... check_is_fitted(self)

y_is_multilabel = type_of_target(y).startswith("multilabel") if y_is_multilabel and not self.y_type_.startswith("multilabel"): raise ValueError("The object was not fitted with multilabel input.") return label_binarize( y, classes=self.classes_, pos_label=self.pos_label, neg_label=self.neg_label, sparse_output=self.sparse_output, )

def inverse_transform(self, Y, threshold=None): ......Transform binary labels back to

multi-class labels. Parameters .......... Y : {ndarray, sparse matrix} of shape

(n_samples, n_classes) Target values. All sparse matrices are converted to CSR before inverse transformation. threshold : float, default=None Threshold used in the binary and multi-label cases. Use 0 when ''Y'' contains the output of :term:'decision_function' (classifier). Use 0.5 when ''Y'' contains the output of :term:'predict_proba'. If None,

the threshold is assumed to be half way between neg_label and pos_label. Returns......

- y : {ndarray, sparse matrix} of shape (n_samples,) Target values. Sparse matrix will be

of CSR format. Notes ----- In the case when the binary labels are fractional

(probabilistic), :meth:'inverse_transform' chooses the class with the greatest value. Typically, this allows to use the output of a linear model's :term:'decision_function'

method directly as the input of :meth:'inverse_transform'. ...... check_is_fitted(self) if

threshold is None: threshold = (self.pos_label + self.neg_label) / 2.0 if self.y_type_ ==

"multiclass": y_inv = _inverse_binarize_multiclass(Y, self.classes_) else: y_inv = _inverse_binarize_thresholding( Y, self.y_type_, self.classes_, threshold ) if self.sparse_input_: y_inv = sp.csr_matrix(y_inv) elif sp.issparse(y_inv): y_inv = y_inv.toarray() return y_inv def _more_tags(self): return {"X_types": ["ldlabels"]} @validate_params( { "y": ["array-like"], "classes": ["array-like"], "neg_label": [Interval(Integral, None, None, closed="neither")], "pos_label": [Interval(Integral, None, None, closed="neither")], "sparse_output": ["boolean"], }, prefer_skip_nested_validation=True, ) def label_binarize(y, *, classes, neg_label=0,

pos_label=1, sparse_output=False): ......Binarize labels in a one-vs-all fashion. Several

regression and binary classification algorithms are available in scikit-learn. A simple way to extend these algorithms to the multi-class classification case is to use the so-called one-vs-all scheme. This function makes it possible to compute this

transformation for a fixed set of class labels known ahead of time. Parameters..........

y : array-like Sequence of integer labels or multilabel data to encode. classes : array-like of shape (n_classes,) Uniquely holds the label for each class. neg_label : int, default=0 Value with which negative labels must be encoded. pos_label : int, default=1 Value with which positive labels must be encoded. sparse_output : bool, default=False, Set to

true if output binary array is desired in CSR sparse format. Returns-------Y : {ndarray,

sparse matrix} of shape (n_samples, n_classes) Shape will be (n_samples, 1) for binary

problems. Sparse matrix will be of CSR format. See Also........LabelBinarizer : Class

used to wrap the functionality of label_binarize and allow for fitting to classes

independently of the transform operation. Examples ........ >>> from

sklearn.preprocessing import label_binarize >>> label_binarize([1, 6], classes=[1, 2, 4, 6]) array([[1, 0, 0, 0], [0, 0, 0, 1]]) The class ordering is preserved: >>> label_binarize([1, 6], classes=[1, 6, 4, 2]) array([[1, 0, 0, 0], [0, 1, 0, 0]]) Binary targets transform to a column vector >>> label_binarize(['yes', 'no', 'no', 'yes'], classes=['no',

'yes']) array([[1], [0], [0], [1]])......if not isinstance(y, list): # XXX Workaround that will

be removed when list of list format is # dropped y = check_array( y, input_name="y", accept_sparse="csr", ensure_2d=False, dtype=None ) else: if _num_samples(y) == 0:

raise ValueError("y has 0 samples: %r" % y) if neg_label >= pos_label: raise ValueError( "neg_label={0} must be strictly less than pos_label={1}.".format( neg_label, pos_label ) ) if sparse_output and (pos_label == 0 or neg_label != 0): raise ValueError( "Sparse binarization is only supported with non " "zero pos_label and zero

neg_label, got " "pos_label={0} and neg_label={1}.......format(pos_label, neg_label) ) #

To account for pos_label == 0 in the dense case pos_switch = pos_label == 0 if pos_switch: pos_label = -neg_label y_type = type_of_target(y) if "multioutput" in y_type: raise ValueError( "Multioutput target data is not supported with label binarization" ) if y_type == "unknown": raise ValueError("The type of target data is not known") n_samples = y.shape[0] if sp.issparse(y) else len(y) n_classes = len(classes) classes = np.asarray(classes) if y_type == "binary": if n_classes == 1: if sparse_output: return sp.csr_matrix((n_samples, 1), dtype=int) else: Y = np.zeros((len(y), 1), dtype=int) Y += neg_label return Y elif len(classes) >= 3: y_type = "multiclass" sorted_class = np.sort(classes) if y_type == "multilabel-indicator": y_n_classes = y.shape[1] if hasattr(y, "shape") else len(y[0]) if classes.size != y_n_classes: raise ValueError( "classes {0} mismatch with the labels {1} found in the data".format( classes, unique_labels(y) ) ) if y_type in ("binary", "multiclass"): y = column_or_1d(y) # pick out the known labels from y y_in_classes = np.isin(y, classes) y_seen = y[y_in_classes] indices = np.searchsorted(sorted_class, y_seen) indptr = np.hstack((0, np.cumsum(y_in_classes))) data = np.empty_like(indices) data.fill(pos_label) Y = sp.csr_matrix((data, indices, indptr), shape=(n_samples, n_classes)) elif y_type == "multilabel-indicator": Y = sp.csr_matrix(y) if pos_label != 1: data = np.empty_like(Y.data) data.fill(pos_label) Y.data = data else: raise ValueError( "%s target data is not supported with label binarization" % y_type ) if not sparse_output: Y = Y.toarray() Y = Y.astype(int, copy=False) if neg_label != 0: Y[Y == 0] = neg_label if pos_switch: Y[Y == pos_label] = 0 else: Y.data = Y.data.astype(int, copy=False) # preserve label ordering if np.any(classes != sorted_class): indices = np.searchsorted(sorted_class, classes) Y = Y[:, indices] if y_type == "binary": if sparse_output: Y = Y.getcol(-1) else: Y = Y[:, -1].reshape((-1, 1)) return Y def

_inverse_binarize_multiclass(y, classes): """Inverse label binarization transformation for multiclass. Multiclass uses the maximal score instead of a threshold. """ classes = np.asarray(classes) if sp.issparse(y): # Find the argmax for each row in y where y is a CSR matrix y = y.tocsr() n_samples, n_outputs = y.shape outputs = np.arange(n_outputs) row_max = min_max_axis(y, 1)[1] row_nnz = np.diff(y.indptr) y_data_repeated_max = np.repeat(row_max, row_nnz) # picks out all indices obtaining the maximum per row y_i_all_argmax = np.flatnonzero(y_data_repeated_max == y.data) # For corner case where last row has a max of 0 if row_max[-1] == 0: y_i_all_argmax = np.append(y_i_all_argmax, [len(y.data)]) # Gets the index of the first argmax in each row from y_i_all_argmax index_first_argmax = np.searchsorted(y_i_all_argmax, y.indptr[:-1]) # first argmax of each row y_ind_ext = np.append(y.indices, [0]) y_i_argmax =

y_ind_ext[y_i_all_argmax[index_first_argmax]] # Handle rows of all 0 y_i_argmax[np.where(row_nnz == 0)[0]] = 0 # Handles rows with max of 0 that contain negative numbers samples = np.arange(n_samples)[(row_nnz > 0) & (row_max.ravel() == 0)] for i in samples: ind = y.indices[y.indptr[i] : y.indptr[i + 1]] y_i_argmax[i] = classes[np.setdiff1d(outputs, ind)][0] return classes[y_i_argmax] else: return classes.take(y.argmax(axis=1), mode="clip") def _inverse_binarize_thresholding(y, output_type, classes, threshold): """Inverse label binarization transformation using

thresholding.......if output_type == "binary" and y.ndim == 2 and y.shape[1] > 2: raise

ValueError("output_type='binary', but y.shape = {0}".format(y.shape)) if output_type != "binary" and y.shape[1] != len(classes): raise ValueError( "The number of class is not equal to the number of dimension of y." ) classes = np.asarray(classes) # Perform thresholding if sp.issparse(y): if threshold > 0: if y.format not in ("csr", "csc"): y = y.tocsr() y.data = np.array(y.data > threshold, dtype=int) y.eliminate_zeros() else: y = np.array(y.toarray() > threshold, dtype=int) else: y = np.array(y > threshold, dtype=int) # Inverse transform data if output_type == "binary": if sp.issparse(y): y = y.toarray() if y.ndim == 2 and y.shape[1] == 2: return classes[y[:, 1]] else: if len(classes) == 1: return np.repeat(classes[0], len(y)) else: return classes[y.ravel()] elif output_type ==

"multilabel-indicator": return y else: raise ValueError("{0} format is not supported".format(output_type)) class MultiLabelBinarizer(TransformerMixin,

BaseEstimator, auto_wrap_output_keys=None): ......Transform between iterable of

iterables and a multilabel format. Although a list of sets or tuples is a very intuitive format for multilabel data, it is unwieldy to process. This transformer converts between this intuitive format and the supported multilabel format: a (samples x classes) binary

matrix indicating the presence of a class label. Parameters..........classes : array-like

of shape (n_classes,), default=None Indicates an ordering for the class labels. All entries should be unique (cannot contain duplicate classes). sparse_output : bool, default=False

Set to True if output binary array is desired in CSR sparse format. Attributes..........

classes_ : ndarray of shape (n_classes,) A copy of the 'classes' parameter when provided. Otherwise it corresponds to the sorted set of classes found when fitting. See

Also........OneHotEncoder : Encode categorical features using a one-hot aka one-of-K

scheme. Examples........>>> from sklearn.preprocessing import MultiLabelBinarizer

>>> mlb = MultiLabelBinarizer() >>> mlb.fit_transform([(1, 2), (3,)]) array([[1, 1, 0], [0, 0, 1]]) >>> mlb.classes_ array([1, 2, 3]) >>> mlb.fit_transform([{'sci-fi', 'thriller'}, {'comedy'}]) array([[0, 1, 1], [1, 0, 0]]) >>> list(mlb.classes_) ['comedy', 'sci-fi', 'thriller'] A common mistake is to pass in a list, which leads to the following issue: >>> mlb = MultiLabelBinarizer() >>> mlb.fit(['sci-fi', 'thriller', 'comedy']) MultiLabelBinarizer() >>> mlb.classes_ array(['-', 'c', 'd', 'e', 'f, 'h', 'i', 'l', 'm', 'o', 'r', 's', 't', 'y'], dtype=object) To correct this, the list of labels should be passed in as: >>> mlb = MultiLabelBinarizer() >>> mlb.fit([['sci-fi', 'thriller', 'comedy']]) MultiLabelBinarizer()

>>> mlb.classes_ array(['comedy', 'sci-fi', 'thriller'], dtype=object) ......

_parameter_constraints: dict = { "classes": ["array-like", None], "sparse_output":

["boolean"], } def_init_(self, *, classes=None, sparse_output=False): self.classes =

classes self.sparse_output = sparse_output

@_fit_context(prefer_skip_nested_validation=True) def fit(self, y):......Fit the label sets

binarizer, storing :term:'classes_'. Parameters..........y : iterable of iterables A set of

labels (any orderable and hashable object) for each sample. If the 'classes' parameter is

set, 'y' will not be iterated. Returns ------- self : object Fitted estimator. ......

self._cached_dict = None if self.classes is None: classes = sorted(set(itertools.chain.from_iterable(y))) elif len(set(self.classes)) < len(self.classes): raise ValueError( "The classes argument contains duplicate " "classes. Remove these duplicates before passing " "them to MultiLabelBinarizer." ) else: classes = self.classes dtype = int if all(isinstance(c, int) for c in classes) else object self.classes_ = np.empty(len(classes), dtype=dtype) self.classes_[:] = classes return self

@_fit_context(prefer_skip_nested_validation=True) def fit_transform(self, y): ......Fit

the label sets binarizer and transform the given label sets. Parameters .......... y :

iterable of iterables A set of labels (any orderable and hashable object) for each sample.

If the 'classes' parameter is set, 'y' will not be iterated. Returns -------y_indicator :

{ndarray, sparse matrix} of shape (n_samples, n_classes) A matrix such that 'y_indicator[i, j] = 1' iff 'classes_[j]' is in 'y[i]', and 0 otherwise. Sparse matrix will be

of CSR format. ...... if self.classes is not None: return self.fit(y).transform(y)

self._cached_dict = None # Automatically increment on new class class_mapping =

defaultdict(int) class_mapping.default_factory = class_mapping._len_ yt =

self._transform(y, class_mapping) # sort classes and reorder columns tmp = sorted(class_mapping, key=class_mapping.get) # (make safe for tuples) dtype = int if all(isinstance(c, int) for c in tmp) else object class_mapping = np.empty(len(tmp), dtype=dtype) class_mapping[:] = tmp self.classes_, inverse = np.unique(class_mapping, return_inverse=True) # ensure yt.indices keeps its current dtype yt.indices = np.array(inverse[yt.indices], dtype=yt.indices.dtype, copy=False) if not

self.sparse_output: yt = yt.toarray() return yt def transform(self, y): ......Transform the

given label sets. Parameters .......... y : iterable of iterables A set of labels (any

orderable and hashable object) for each sample. If the 'classes' parameter is set, 'y' will

not be iterated. Returns -------y_indicator : array or CSR matrix, shape (n_samples,

n_classes) A matrix such that 'y_indicator[i, j] = 1' iff 'classes_[j]' is in 'y[i]', and 0

otherwise. ...... check_is_fitted(self) class_to_index = self._build_cache() yt =

self._transform(y, class_to_index) if not self.sparse_output: yt = yt.toarray() return yt

def _build_cache(self): if self._cached_dict is None: self._cached_dict = dict(zip(self.classes_, range(len(self.classes_)))) return self._cached_dict def

_transform(self, y, class_mapping): ......Transforms the label sets with a given mapping.

Parameters ---------- y : iterable of iterables A set of labels (any orderable and hashable

object) for each sample. If the 'classes' parameter is set, 'y' will not be iterated. class_mapping : Mapping Maps from label to column index in label indicator matrix.

Returns ------- y_indicator : sparse matrix of shape (n_samples, n_classes) Label

indicator matrix. Will be of CSR format. ...... indices = array.array("i") indptr =

array.array("i", [0]) unknown = set() for labels in y: index = set() for label in labels: try: index.add(class_mapping[label]) except KeyError: unknown.add(label) indices.extend(index) indptr.append(len(indices)) if unknown: warnings.warn( "unknown class(es) {0} will be ignored".format(sorted(unknown, key=str)) ) data = np.ones(len(indices), dtype=int) return sp.csr_matrix( (data, indices, indptr), shape=(len(indptr) - 1, len(class_mapping)) ) def inverse_transform(self, yt):

......Transform the given indicator matrix into label sets. Parameters .......... yt :

{ndarray, sparse matrix} of shape (n_samples, n_classes) A matrix containing only 1s

ands 0s. Returns-------y : list of tuples The set of labels for each sample such that y[i]'

consists of 'classes_[j]' for each 'yt[i, j] == 1'.......check_is_fitted(self) if yt.shape[1] !=

len(self.classes_): raise ValueError( "Expected indicator for {0} classes, but got {1}".format( len(self.classes_), yt.shape[1] ) ) if sp.issparse(yt): yt = yt.tocsr() if len(yt.data) != 0 and len(np.setdiff1d(yt.data, [0, 1])) > 0: raise ValueError("Expected only 0s and 1s in label indicator.") return [ tuple(self.classes_.take(yt.indices[start:end])) for start, end in zip(yt.indptr[:-1], yt.indptr[1:]) ] else: unexpected = np.setdiff1d(yt, [0, 1]) if len(unexpected) > 0: raise ValueError( "Expected only 0s and 1s in label indicator. Also got {0}".format( unexpected ) ) return [tuple(self.classes_.compress(indicators)) for indicators in yt] def _more_tags(self): return {"X_types": ["2dlabels"]