Прогнозирование исхода процедуры неинвазивной элиминации конкрементов с использованием гибридных технологий нечеткой логики принятия решений и нейронных сетей тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Жилин, Виталий Валерьевич

• Жилин, Виталий Валерьевич
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Жилин, Виталий Валерьевич

ВВЕДЕНИЕ.

ГЛАВА 1. ТЕХНОЛОГИИ НЕЧЕТКОЙ ЛОГИКИ ПРИНЯТИЯ ПРЕШЕНИЙ И НЕЙРОННЫХ СЕТЕЙ ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ЭЛИМИНАЦИИ КОНКРЕМЕНТА.

1.1. Особенности метода дистанционной ударно-волновой литотрипсии при лечении мочекаменной болезни.

1.2. Методы диагностики заболеваний и прогнозирования результатов терапии.

1.2.1. Методики, основанные на применении аппарата нейронных сетей.

1.2.2. Формализация экспертных оценок с помощью алгоритмов нечеткого логического вывода.

1.2.3. Генетические алгоритмы как средство настройки нечетких систем

1.3. Особенности применения нечетких нейронных сетей.

1.4. Цели и задачи исследования.

ГЛАВА 2. СИНТЕЗ ПРИЗНАКОВОГО ПРОСТРАНСТВА ДЛЯ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ДИСТАНЦИОННОЙ УДАРНО-ВОЛНОВОЙ ЛИТОТРИПСИИ.

2.1. Выявление исходного набора информативных признаков.

2.1.1. Исследование предметной области и существующего экспертного опыта.

2.1.2. Структурирование признакового пространства.

2.2. Анализ взаимного распределения выбранных признаков.

2.3. Построение нечетких функций принадлежности.

2.3.1. Способ построения нечетких функций принадлежности.

2.3.2. Функции принадлежности для группы признаков предварительной оценки состояния пациента.

2.3.3. Функции принадлежности для группы признаков оценки конкремента.

2.3.4. Функции принадлежности для группы признаков рисков проведения литотрипсии.

2.4. Выводы второй главы.

ГЛАВА 3. СТРУКТУРА ГИБРИДНОЙ РЕШАЮЩЕЙ СИСТЕМЫ ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ЭЛИМИНАЦИИ КОНКРЕМЕНТОВ

3.1. Структура гибридной прогнозирующей системы.

3.2. Построение структуры агрегаторов подсистемы нечеткого логического вывода.

3.3. Способ дефуззификации нечетких коэффициентов уверенности с использованием нейронной сети.

3.4. Выводы третьей главы.

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СРЕДСТВА ПРОГНОЗИРОВАНИЯ ТЕРАПЕВТИЧЕСКИХ РЕЗУЛЬТАТОВ ДИСТАНЦИОННОЙ УДАРНО-ВОЛНОВОЙ ЛИТОТРИПСИИ.

4.1. Автоматизированная программная среда для выполнения прогнозирования.i.

4.1.1. Модуль ввода и корректировки исходных данных «GuiData».

4.1.2. Модуль анализа взаимного распределения классов «GuiGraf».

4.1.3. Модуль настройки нечетких функций принадлежности «GuiFuzzyFun».

4.1.4. Модуль синтеза структуры агрегаторов «GuiAgreg».

4.1.5. Модуль выполнения прогнозирования «GuiNet».

4.1.6. Структура представления данных в модуле Neurowork.

4.2. Сравнение эффективности работы существующих методов прогнозирования с построенной гибридной системой.

4.2.1. Прогнозирование с использованием многослойной нейронной сети, прошедшей обучение на исходных данных.

4.2.2. Построение нечеткого логического вывода на основе анализа экспертных оценок.

4.2.3. Прогнозирование с использованием спроектированной гибридной системы.

4.3. Выводы четвертой главы.

Введение диссертации (часть автореферата) на тему «Прогнозирование исхода процедуры неинвазивной элиминации конкрементов с использованием гибридных технологий нечеткой логики принятия решений и нейронных сетей»

Актуальность работы. Для лечения мочекаменной болезни в настоящее время все чаще применяется неинвазивный метод дистанционной ударно-волновой литотрипсии (ДУВЛ). Данный метод зарекомендовал себя как чрезвычайно действенный и обладающий минимальным травмирующим воздействием на окружающие ткани. Принцип лечения заключается в использовании ударных волн для разрушения камней, что характеризуется меньшим числом осложнений по сравнению с другими оперативными и малоинвазивными методами лечения. В то же время, ввиду механического воздействия на ткань почки, следует с особым вниманием относиться к показаниям и противопоказаниям указанной терапии, так как ее неверное применение или наличие у больных определенных предрасположенностей может привести к почечным гематомам, гематурии или обструкции мочевыводящих путей - наиболее актуальным проблемам литотрипсии. Кроме того, аппараты для проведения ДУВЛ (литотрипторы) не являются широко распространенными в медицинских учреждениях, и при их отсутствии возникает потребность в транспортировке пациента в другую клинику перед применением метода (С.П. Серегин, С.Д. Долженков). В связи с указанными фактами существует острая необходимость предварительного анализа имеющихся данных о каждом конкретном случае мочекаменной болезни и максимально точного прогнозирования результатов терапии перед ее назначением.

Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть информации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте применения литотриптора. Для моделирования и отражения подобной информации в прогнозирующих системах целесообразно использовать теорию нечеткой логики, как способ наиболее естественного описания характера человеческого мышления и хода его рассуждений (Г. Шортлиф, Л. Заде, С. Осовский). Для качественного решения соответствующей прогностической задачи при составлении решающих правил в качестве информативных признаков используются разнотипные данные, получаемые в результате биохимических анализов крови и мочи, УЗИ почек, верхних и нижних мочевых путей, а также с помощью обзорной и экскреторной урографии или спиральной компьютерной томографии (А.А. Олексюк, А.Ю. Павлов).

Существующие алгоритмы и методы применения нейронных сетей и нечеткой логики не позволяют должным образом объединить использование эмпирических оценок и экспериментальных данных для решения рассматриваемой задачи прогнозирования. С учетом сказанного возникает необходимость разработки способа объединения технологий нечеткой логики и нейронных сетей в гибридную систему для повышения качества прогнозирования результатов методики ДУВЛ, что позволит снизить вероятность возникновения побочных неблагоприятных эффектов и повысить качество оказания терапевтических услуг.

Работа выполнена в рамках Региональной программы «Мужское здоровье - 2006-2010гг.» и в соответствии с научным направлением Курского государственного технического университета «Медико-экологические информационные технологии».

Цель работы. Повышение качества оказания медицинских услуг больным мочекаменной болезнью путем использования нейросетевых технологий для прогнозирования результатов процедуры неинвазивного дробления конкрементов.

Для достижения поставленной цели необходимо решить следующие задачи:

- на основании данных об этиологии и патогенезе мочекаменной болезни сформировать пространство информативных признаков, оказывающих влияние на результат прогнозирования исхода ДУВЛ;

- разработать способ формализации эмпирических экспертных оценок врача-уролога и, с помощью технологий нечеткой логики, установить вид и параметры соответствующих нечетких функций принадлежности по выявленным признакам;

- построить структуру гибридной решающей системы и разработать алгоритмы синтеза ее функциональных модулей;

- разработать интегрированный программный пакет, реализующий применение указанных технологий и позволяющий в интерактивном режиме осуществлять моделирование спроектированной решающей системы;

- провести апробацию предложенных технологий прогнозирования на репрезентативных контрольных выборках.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории проектирования и обучения нейронных сетей, алгоритмы нечеткого логического вывода и генетические алгоритмы поиска решения. При разработке прогнозирующей системы в качестве инструментария использовалась среда Matlab 7.1 со встроенными пакетами NNTool, Fuzzy Logic Toolbox и Genetic Algorithm.

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

- способ формализации клинического опыта врача-уролога с помощью технологий нечеткой логики, отличающийся возможностями составления комбинированных нечетких функций принадлежности и автоматическим изменением их формы и параметров, приводящий к минимизации ошибки прогнозирования; алгоритм синтеза агрегаторов нечеткой решающей системы, основанный на применении генетического алгоритма, позволяющий выполнять автоматический подбор нечетких операций и порядка объединения функций принадлежности для расчета коэффициентов уверенности принадлежности объекта к каждому из классов; структура гибридной решающей системы, отличающаяся многоуровневой системой агрегаторов, позволяющая прогнозировать исход дистанционной литотрипсии в структурированном пространстве информативных признаков;

- способ дефуззификации нечетких коэффициентов уверенности в модели нечеткого логического вывода, отличающийся использованием в качестве дефуззификатора обучаемой нейронной сети, позволяющий повысить качество работы системы за счет того, что в ходе обучения нейронной сети учитывается влияние соотношений рассчитанных коэффициентов уверенности на результат прогнозирования.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: IX, X, XI, XII Международные научно-технические конференции «Медико-экологические информационные технологии» (Курск, 2006, 2007, 2008, 2009); 8-я Международная научно-техническая конференция «Физика и радиотехника в медицине и экологии» (Владимир, 2008); XIV Международная научно-практической конференция «Экология и жизнь» (Пенза, 2008); XV Российская научно-техническая конференция с международным участием «Материалы и упрочняющие технологии - 2008» (Курск, 2008); XXI Всероссийская научно-техническая конференция студентов, молодых ученых и специалистов «Биотехнические, медицинские и экологические системы и комплексы» (Биомедсистемы-2008, Рязань 2008); III Всероссийская научно-техническая конференция «Информационные и управленческие технологии в медицине и экологии» (Пенза, 2009).

Публикации. По материалам диссертации опубликовано 14 печатных работ, перечень которых приведен в конце автореферата. Из них 3 работы в журналах, рекомендованных ВАК РФ.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [1] и [2] автором предложен способ моделирования нечетких моделей в пакете Matlab, в [3] автором разработан гибридный алгоритм классификации биомедицинских сигналов, в [6], [8] и [9] автором разработаны методы и алгоритмы моделирования нечетких нейросетевых систем; в [7], [12], [13] соискателем проведено исследование особенностей применения нечеткого вывода для диагностики заболеваний; в [10] соискатель проанализировал применение нечеткого решающего модуля при наличии размытости классов.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 110 отечественных и 26 зарубежных наименований. Работа изложена на 125 листах машинописного текста, содержит 49 рисунков и 18 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Жилин, Виталий Валерьевич

4.3. Выводы четвертой главы

- Для экспериментального исследования качества прогнозирования результатов дистанционной ультраволновой литотрипсии разработан программный пакет в среде Matlab 7.1 с использованием пакетов NN Tool и Fuzzy Logic Toolbox, позволяющий выполнять интерактивное моделирование каждого из этапов построения гибридной решающей системы с визуальным отображением промежуточных результатов моделирования, построение нечетких функций принадлежности по каждому из признаков объектов в интерактивном режиме с графическим отображением вида функции в зависимости от заданных параметров, а также составление комбинированных функций принадлежности. Рассмотрены основные функциональные возможности разработанной программы и реализованный графический интерфейс пользователя, представляющий собой пять взаимосвязанных модулей.

- На основе специализированного типа значений cell системы Matlab 7.1 разработана структура данных, позволяющая осуществлять хранение в одной переменной всех настроек моделируемой гибридной системы и числовых значений вычислений на каждом из этапов ее построения и получать быстрый доступ к требуемой информации с помощью использования именованных ячеек.

- Выполнено прогнозирование результатов дистанционной ударно-волновой литотрипсии с использованием технологий обучения нейронных сетей и построения нечеткого логического вывода и рассчитаны показатели эффективности прогнозирования для каждого из указанных методов. При выполнении прогнозирования с использованием нейронной сети диагностическая эффективность составила 0.68, при использовании механизмов нечеткой логики получена диагностическая эффективность 0.82.

- Выполнено прогнозирование результатов дистанционной ударно-волновой литотрипсии при помощи разработанной гибридной системы у 90 пациентов контрольной выборки, данные которых не использовались для обучения системы и рассчитана эффективность работы построенной системы. При использовании гибридной системы прогнозирования диагностическая эффективность составила 0.91, что значительно выше показателей рассмотренных выше методов. Это позволило сделать вывод о том, что использование полученной системы для прогнозирования результатов дистанционной ударно-волновой литотрипсии является целесообразным.

ЗАКЛЮЧЕНИЕ

Предлагаемая работа посвящена разработке способа прогнозирования исхода дистанционной ударно-волновой литотрипсии, использующего гибридные технологии нечеткой логики и нейронных сетей, что позволит предупредить возникновение осложнений различной степени тяжести, оценить необходимость проведения предварительной терапии и повысить качество оказания медицинских услуг. В работе получены следующие основные результаты:

1. Сформировано пространство информативных признаков, используемых во врачебной практике для первоначального прогноза результатов ДУВЛ и разработан способ формализации клинического опыта врача-уролога с помощью технологий нечеткой логики, заключающийся в использовании комбинации двух нечетких функций для описания одного признака и введением весовых коэффициентов для каждой из построенных функций, что позволило отразить существующие экспертные оценки в рассматриваемой области.

2. Построена структура гибридной решающей системы для прогнозирования результатов ДУВЛ с многоуровневой системой агрегаторов, позволяющая выполнять анализ сформированного признакового пространства.

3. Построен алгоритм автоматизированного синтеза агрегаторов решающей системы, основанный на применении генетического алгоритма, позволяющий выполнять автоматический подбор сочетания нечетких операций и порядка объединения функций принадлежности для расчета коэффициентов уверенности принадлежности объекта к каждому из классов.

4. Разработан способ дефуззификации нечетких коэффициентов уверенности в модели нечеткого логического вывода с помощью обучаемой нейронной сети, что позволило улучшить качество работы системы в сравнении с известными системами нечеткого вывода.

5. Разработан программный пакет в среде Matlab 7.1, осуществляющий интерактивное моделирование каждого из этапов построения гибридной решающей системы с визуальным отображением промежуточных результатов моделирования, построение нечетких функций принадлежности по каждому из признаков объектов в интерактивном режиме с графическим отображением вида функции в зависимости от заданных параметров, а также составление комбинированных функций принадлежности для корректного описания признаков с бимодальным распределением.

6. Выполнена апробация разработанной системы с использованием контрольной выборки историй болезней пациентов урологического отделения больницы скорой медицинской помощи №1 г. Курска. При использовании гибридной системы прогнозирования значение диагностической эффективности составило 0.91, что значительно выше показателей методов прогнозирования, основанных на технологиях обучения нейронных сетей и нечеткого логического вывода в отдельности.

Список литературы диссертационного исследования кандидат технических наук Жилин, Виталий Валерьевич, 2009 год

1. Александров В.П., Мочекаменная болезнь: Лечение и профилактика Текст. / В.П. Александров. Спб.: Невский проспект, 2005. 125 с.

2. Алтунин, А.Е. Модели и алгоритмы принятия решений в нечетких условиях Текст. / А.Е. Алтунин, М.В. Семухин.- Тюмень: Изд-во Тюменского государственного университета, 2000. 352 с.

3. Аляев, Ю. Г. Цитратная терапия с целью подготовки к дистанционной литотрипсии Текст. / Ю. Г Аляев, Л. М Рапопорт, В. И. Руденко // Урология. 2002. - № 4. - С. 20-23.

4. Аляев, Ю.Г. Современные аспекты медикаментозного лечения больных мочекаменной болезнью Текст. / Ю. Г. Аляев, В. И. Руденко, Е. В. Философова // Рус. мед. журн. -2004.- Т. 12, №8. С.534-540.

5. Байдык, Т.Н. Нейронные сети и задачи искусственного интеллекта Текст. / Т.Н. Байдык.- Киев.: Наукова думка, 2001.-263с.

6. Барский, А.Б. Логические нейронные сети для систем управления и принятия решений Текст. / А.Б. Барский // Нейрокомпьютеры: разработка и применение, № 6, 2005. С 17-26.

7. Барский, А.Б. Нейронные сети: распознавание, обучение, принятие решений Текст. / А.Б. Барский. М.: Финансы и статистика, 2004. 286 с.

8. Баршуков, В.Г. Прогнозирование результатов дистанционной литотрипсии при лечении мочекаменной болезни Текст. / В.Г. Баршуков, С.Л., Соломатин И.И. Олексюк, А.А. Болотов // Урология и нефрология 1997 г . №4. с 57-61.

9. Батыршин, И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах / И.З. Батыршин // Новости искусств, интеллекта. 1996. - №2. С.9-65.

10. Ю.Беллман, Р. Принятие решений в расплывчатых условиях Текст. / Р. Беллман, JI. Заде. // Вопросы анализа и процедуры принятия решений.- М.:Мир, 1976. С. 172-215.

11. П.Берштейн, JI.C. Нечеткие модели принятия решений: дедукция, индукция, аналогия Текст. / JI.C. Берштейн, А.В. Боженюк. -Таганрог: Изд-во ТРТУ, 2001. 110 с.

12. Борисов, А.Н. Модели принятия решений на основе лингвистической переменной Текст. / А.Н. Борисов, А.В. Алексеев, О.А. Крумберг и др. Рига: Зинатне, 1982. 256 с.

13. Борисов, А.Н. Обработка нечеткой информации в системах принятия решений Текст. / А.Н. Борисов, А.В. Алексеев, Г.В. Меркурьева и др. М: Радио и связь. 1989. 304 с.

14. Боровиков, В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов Текст. / В. Боровиков. 2-е изд. -СПб.: Питер, 2003. 688с.

15. Боровиков, В.П. Прогнозирование в системе Statistica в среде Windows Текст. / В.П. Боровиков, И.Г. Ивченко. М: Финансы и статистика, 1999. 381 с.

16. Боровиков, В.П. Программа STATISTICA для студентов и инженеров Текст. / В.П. Боровиков. КомпьютерПресс, Москва, 2001.

17. Боровиков, В.П., STATISTICA Статистический анализ и обработка данных в среде Windows Текст. / В.П. Боровиков, И.П. Боровиков. -М.: Филин,1997. 608с.

18. Бохуа, Н.А. Экспертные системы: опыт проектирования Текст. / Н.А. Бохуа, В.А. Геловани, О.В. Ковригин. -М., 1990. 218 с.

19. Бронштейн, А.С. Эндоскопия, эндохирургия, литотрипсия Текст. / А.С. Бронштейн, О.Э. Луцевич, B.JI. Ривкин, Г.Д. Константинова, и др. // М.: Медпрактика, 2002. 124 с.

20. Булыгин, В.В. Представление неточных и слабовыраженных данных в инструментальных медицинских экспертных системах Текст. / В.В. Булыгин // Актуальные проблемы медицины. М., 1993 С. 105-109.

21. Бутин, П.С. Применение дистанционной и контактной литотрипсии в лечении камней мочеточника Текст. / П.С. Бутин // дисс. канд. мед.наук.- 14.00.40. М, 2005; 174 с.

22. Бутко, С.Н. Метод построения экспертной системы для выбора терапии Текст. / С.Н. Бутко // Труды ВНИИ приклад, автомат, систем.-М., 1990. С.3-5.

23. Быховский, M.JI. Кибернетические системы в медицине Текст. / МЛ. Быховский, А.А. Вишневский. М.: Наука, 1971. 312 с.

24. Вайнберг, З.С. Камни почек Текст. /З.С. Вайнберг,- М.: Медицина, 1971.- 198 с.

25. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности Текст. / Г.К. Вороновский и др. -X.: Основа, 1997. 419 с.

26. Геловани, В.А. Экспертные системы в медицине Текст. / В.А. Геловани, О.В. Ковригин. Математика, кибернетика. -М. 1987.-№3-32 с.

27. Гладков, J1.A. Генетические алгоритмы Текст. / JI. А. Гладков, В. В. Курейчик В. М. Курейчик. М.: ФИЗМАТЛИТ, 2006. 320 с.

28. Годионова, Т.А. Применение методов обработки нечеткой информации в автоматизированных системах медицинской диагностики Текст. / Т.А. Годионова // Компьютеризация в медицине, под ред. В.Н. Фролова. -Воронеж, 1993. -С. 19-27.

29. Головко, В.А. Нейронные сети: обучение, организация и применение Текст. / В.А.Головко. -М.: Радиотехника, 2001. 256 с.

30. Горбань, А.Н. Нейроинформатика Текст. / А.Н.Горбань, В.Л. Дунин-Барковский, А.Н. Кардин и др. Отв. Ред. Новиков Е.А., РАН, Сиб.

31. Отд., Институт выч. Моделирования Новосибирск: Наука, 1998. 548 с.

32. Губанов, В.В. Основы проектирования автоматизированных систем анализа медико-биологических сигналов Текст. /В.В. Губанов, JI.B. Ракитская, С.А. Филист. ГУШIII «Курск». - Курск, 1997. 134 с.

33. Данилов, А. Компьютерный практикум по курсу "Теория управления". Simulink-моделирование в среде Matlab Текст. / А. Данилов. МГУИЭ. 2002. 128 с.

34. Дзеранов, Н.К. Резидуальные камни почек и их лечение Текст. / Н.К. Дзеранов // Урология. 2003. - № 1. с. 21-27.

35. Дзеранов, Н. К. Лечение мочекаменной болезни Текст. / Н.К. Дзеранов, А.В. Казаченко, Д.А. Бешлиев // Урология.-2002.-№6.-С.3-8.

36. Дзеранов, Н.К. Дистанционная ударно-волновая литотрипсия в лечении мочекаменной болезни Текст. / Н.К. Дзеранов // автореф. дис. д-ра. мед. наук: 14.00.40 НИИ урологии. М., 1994.- 30 с.

37. Дзеранов, Н.К. Лечение мочекаменной болезни — комплексная медицинская проблем Текст. / Н.К. Дзеранов, Д.А. Бешлиев // Качество жизни: медицина.-2005.-№2.-С.46-51.

38. Дьяконов, В.П. MATLAB 6.0/6.1/6.5/6.5 + SP1 + Simulink 4/5. Обработка сигналов и изображений Текст. / В.П. Дьяконов.- М.: СОЛОН-Пресс, 2004. 592 с.

39. Дьяконов, В.П. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики Текст. /

40. В.П. Дьяконов, В.В. Круглов. Серия «Библиотека профессионала». М.: Солон-Пресс, 2006. 456 с.

41. Дьяконов, В.П. Simulink 4. Специальный справочник Текст. / В.П. Дьяконов. СПб.: Питер, 2001. 528 с.

42. Жилин, В.В. Способ моделирования нечетких нейронных сетей Текст. / В.В. Жилин, С.А. Филист, О.В. Шаталова и др. // Медико-экологические информационные технологии: X Междунар. науч.-техн. конф.- Курск 2007. С. 224-228.

43. Жилин, В.В. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей Текст. / В.В. Жилин, С.А. Филист, В.А. Аль-Муаалеми // Биомедицинская радиоэлектроника.-2009.-№5.- С. 77-82.

44. Иглин, С.П. Математические расчеты на базе Matlab Текст. / С.П. Иглин. BHV-Санкт-Петербург, 2005. 640 с.

45. Казин, Э.М. Автоматизированные системы в комплексной оценке состояния здоровья и адаптационных возможностей человека Текст. / Э.М. Казин, А.Д. Рифтин, А.И. Федоров, В.А. Панферов, Ю.П. Шорин // Физиология человека. 1990. -Т. 16 №3. С. 97-110.

46. Каллан, Р. Основные концепции нейронных сетей Текст.: Пер. с англ / Р. Каллан. М.: Издательский дом «Вильяме», 2001. 335 с.

47. Кобринский, Б.А. Автоматизированные диагностические системы в медицине Текст. / Б.А. Кобринский, Г.С. Большакова // Сов. медицина.-1986.-№8.-С.47-51.

48. Кобринский, Б.А. Логика и интуиция специалиста в медицинских системах искусственного интеллекта Текст. / Б.А. Кобринский // Научная сессия МИФИ-2000: Сб. науч. тр. Т.З. М., 2000. С.64-65.

49. Кобринский, Б.А. Нечеткая логика в анализе образных представлений в медицинских системах искусственного интеллекта Текст. / Б.А. Кобринский // Междунар. конф. по мягким вычислениям и измерениям: Сб. докл. Т.1. СПб. - 1998. С.233-235.

50. Кореневский, Н.А. Принципы построения системы принятия решений для врача специалиста на этапе диагностики Текст. / Н.А. Кореневский, С.М. Яцун, И.В. Савенкова. // Труды Курского государственного технического университета. Курск, 1997. С. 87-90.

51. Кореневский, Н.А. Проектирование нечетких решающих сетей настраиваемых по структуре данных для задач медицинской диагностики Текст. / Н.А. Кореневский // Системный анализ и управление в медицинских системах. 2005. Т.4. №1. С. 15-38.

52. Коротких, В.Ф. Синтез логических решающих правил в задачах медицинской диагностики Текст. / В.Ф. Коротких, Н.А. Кореневский // Медико-экологические информационные технологии 99: Вторая междунар. науч.-техн. конф. Курск. 1999. С. 36-38.

53. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода Текст. /В.В.Круглов, М.И. Дли.- М.: Физматлит, 2002. 310 с.

54. Круглов, В.В. Искусственные нейронные сети. Теория и практика. Текст. /В.В. Круглов, В.В. Борисов М.: Горячая линия - Телеком, 2001. 382с.

55. Круглов, В.В. Нечеткая логика и искусственные нейронные сети Текст. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. Физматлит, 2001. 224 с.

56. Крупчатников, Р.А. Синтез нечетких сетевых моделей, обучаемых по структуре данных для медицинских экспертных систем Текст. / Р.А. Крупчатников, Н.А. Кореневский, С.А. Горбатенко // Медицинская техника.- март-апрель 2008. С. 18-24.

57. Курейчик, В.М. Генетические алгоритмы Текст. / В.М. Курейчик // Перспективные информационные технологии и интеллектуальные системы. 2000. - № 1. С. 18-22.

58. Ларичев, О.И. Выявление экспертных знаний Текст. / О.И. Ларичев,

59. A.И. Мечитов и др. -М.:Наука, 1989. 418 с.

60. Леоненков, А. В. Нечеткое моделирование в среде Matlab и fuzzyTech Текст. / А.В. Леоненков. СПб.: БХВ-Петербург, 2005. 736 с.

61. Лопаткин, Н.А. Мочекаменная болезнь Текст. / Н.А. Лопаткин., Э.К. Яненко //Рус. мед. журн.-2000.-Т. 8, № З.-С. 117-120.

62. Лопаткин, Н.А. Пятнадцатилетний опыт применения ДЛТ в лечении МКБ Текст. / Н.А. Лопаткин // Материалы пленума правления Российского о-ва урологов. Сочи, 28-30 апр. 2003 г. М., 2003. 5-25.

63. Лопаткин, Н.А. Руководство по Урологии в Зх томах Текст. / Н.А. Лопаткин и соавт.- Т. 2. изд.М; 1998 г .

64. Лукашевич, И.П. Проблема получения и передачи медицинских знаний Текст. / И.П. Лукашевич, А.Л.Сыркин // Компьютерная хроника. 1994. - №8-9. С.39-43.

65. Малахов, М.А. Применение систем нечеткой логики и генетических алгоритмов в медицине Текст. / М.А. Малахов // Медико-экологические информационные технологии: IX Междунар. науч.-техн. конф.- Курск 2006. С. 119-121.

66. Медведев, B.C. Нейронные сети. Matlab 6 Текст. / B.C. Медведев,

67. B.Г. Потемкин. -М.:Диалог-МИФИ, 2000. 496 с.

68. Медик, В.А. Медицинская статистика в медицине: учеб. пособие Текст. / В.А. Медик, М.С. Токмачев.- М.: Финансы и статистика, 2007. 800с.

69. Мешковский, Д.В. Использование нечетких моделей для прогнозирования послеоперационных осложнений у урологических больных Текст. / Д.В. Мешковский, С.П. Серегин, С.Д. Долженков и др. // Медицинская техника.- март-апрель 2008. С.8-11.

70. Минаев, Ю.Н. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе Текст. / Ю.Н. Минаев, О.Ю. Филимонова, JI. Бенамеур,- М.: Горячая линия -Телеком, 2003. 205 с.

71. Мирошников В.М. Важнейшие проблемы урологии Текст. / В.М. Мирошников. Медпресс. 2004 г. 240 с.

72. Наместников, А. М. Эффективность генетических алгоритмов для задач автоматизированного проектирования Текст. / A.M. Наместников, Н.Г. Ярушкина // Известия РАН. Теория и системы управления.-№2,2002.

73. Нейлор, К. Как построить свою экспертную систему Текст. / К. Нейлор. -М.: Энергоатомиздат, 1991. 286 с.

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

75. Пат. 2125899 Российская Федерация. Способ лечения мочекаменной болезни Текст. БИ №14, 1999.

76. Пат. 2128363 Российская Федерация. Рефлекторная нейросеть Текст. БИ №9, 1999.

77. Пат. 2006067 Российская Федерация. Способ обработки информации в нейронной сети Текст. БИ №14, 1991.

78. Пат. 2012037 Российская Федерация. Процессор для реализации операций над элементами нечетких множеств Текст. БИ №24, 1994.

79. Пашкина, Е.С. Информационное моделирование истории болезни Текст. / Е.С. Пашкина, С.А. Гаспарян, В.А. Бояджян // Моделирование в управлении здравоохранением: Респ. сб. науч. тр. под ред. С.А. Гаспаряна. -М., 1990. -С. 148-177.

80. Переверзев А.С. Камни почек и мочеточников Текст. /А. С. Переверзев и др.- Харьков ООО С.А.М., 2004. 224 с.

81. Поспелов, Д.А. Нечеткие множества в моделях управления и искусственного интеллекта. / Под ред. Д.А. Поспелова. М.: Наука, 1986.-312 с.

82. Потемкин, В.Г. Система инженерных и научных расчетов MatLab 5.x. В 2-х т Текст./ В.Г. Потемкин.-, М.: Диалог-МИФИ. 1999, 366 с.(т.1), 304 с.(т.2).

83. Ротштейн, А.П. Медицинская диагностика на нечеткой логике Текст. / А.П. Ротштейн. Винница: Континент—ПРИМ, 1996. 132 с.

84. Руденко, В.И. Мочекаменная болезнь. Актуальные вопросы диагностики и выбора метода лечения Текст. / В.И. Руденко // автореф. дисс. д-ра. мед.наук. 14.00.40, 14.00.19. М., 2004; 51 с.

85. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы Текст. / Д. Рутковская, М. Пилиньский, JI. Рутковский; пер. с польск. И.Д. Рудинского. М.: Горячая линия Телеком, 2004. 452 с.

86. Рыбаков, И. М. Болезни почек Текст. / И.М. Рыбаков. Издание Горьковского мединститута им. С. М. Кирова г. Горький, 1942 г. 518 с.

87. Сергиенко, А. Цифровая обработка сигналов (второе издание) Текст. /А. Сергиенко,- СПб, Питер, 2006. 751 с.

88. Серегин, С.П. Использование нечетких моделей для прогнозирования и профилактики пиелонефрита Текст. / С.П. Серегин, А.В. Новиков, JI.B. Стародубцева // Биомедицинская радиоэлектроника.-2009.-№5.-С. 50-55.

89. Суровцев, И.С. Нейронные сети Текст. / И.С. Суровцев, В.И. Клюкин, Р.П. Пивоварова. Воронеж ВГУ, 1994. 224 с.

90. Таран, Т.А. Формализация рассуждений на основе аргументации при принятии решений в конфликтных ситуациях Текст. / Т.А.Таран // НТИ. Сер. 2. 1998. - №9. С.23-33.

91. Тененёв, В.А. Гибридный генетический алгоритм с дополнительным обучением лидера Текст. / В.А. Тененёв, Н.Б. Паклин //

92. Интеллектуальные системы в производстве. Ижевск 2003. - № 2. С. 181-206.

93. Тиктинский, O.JI. Мочекаменная болезнь Текст. / O.JI. Тиктинский,

94. B.П. Александров // СПБ.: Питер, 2000. 384 с.

95. Ткачук, В.Н. Мочекаменная болезнь Текст. / В.Н. Ткачук, С.Х. Аль-Шукри, В.Я. Дубинский // Новые Санкт-Петербург, врачеб. ведомости. 2000. - № 4. С. 24-28.

96. Усков, А.А. Интеллектуальные системы управления на основе методов нечеткой логики Текст. / А.А. У сков, В.В. Круглов.-Смоленск: Смоленская городская типография, 2003. 177 с.

97. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика Текст. / А.А.Усков, А.В.Кузьмин.- М.: Горячая линия Телеком. 2004. 144с.

98. Фарбирович, В.Я. Влияние структуры конкрементов на результаты дистанционной ударно-волновой литотрипсии Текст. / В. Я.Фарбирович и др. // Урология. 2001. - № 4. - С. 48-51.

99. Федулова, A.M. Метод синтеза нечетких решающих правил для медицинской диагностики. / A.M. Федулова // Медико-экологические информационные технологии: 1ХМеждунар. науч.-техн. конф.- Курск 2006. С. 143-144.

100. Хайкин, С. Нейронные сети: полный курс: пер. с. англ. Текст. /

101. C. Хайкин. М.: ООО «И.Д. Вильяме», 2006. 1104 с.

102. Шаталова, О.В. Нейронные сети на основе нечеткой адаптирующейся иерархической структуры при наличии данных с пробелами Текст. / О.В. Шаталова, М.А. Ефремов, С.А. Филист //

103. Медико-экологические информационные технологии: IX Междунар. науч.-техн. конф.- Курск 2006. С. 87-93.

104. Шварц, Ю.Г. Проблемы разработки медицинских экспертных систем Текст. / Ю.Г. Шварц, O.JI. Долинина, Р.Н. Каримов // Здравоохранение Российской федерации. -1994.-№1.-С. 7-9.

105. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB Текст. / С.Д. Штовба.- Издательство: Горячая Линия -Телеком, 2007. 288 стр.

106. Ярушкина, Н.Г. Нечеткие нейронные сети с генетической настройкой Текст. / Н.Г. Ярушкина. Лекция научной школы «Нейроинформатика-2005». М.:МИФИ, 2005. 214 с.

107. Ярушкина, Н.Г. Нечеткие нейронные сети. Новости искусственного интеллекта Текст. / Н.Г. Ярушкина // № 2-3 01.-М.: МЭИ (ТУ), кафедра прикладной информатики, 2001. 47-51 с.

108. Ярушкина, Н.Г. Нечеткие гибридные системы. Теория и практика Текст. / Н.Г. Ярушкина. Физматлит, 2007. 208 с.

109. Ярушкина, Н.Г. Основы теории нечетких и гибридных систем. Учебное пособие Текст. / Н.Г. Ярушкина.- Финансы и статистика, 2004. 320с.

110. Bagli, D. Artificial neural networks in pediatric urology: prediction of sonographic outcome following pyeloplasty Текст. / D. Bagli, S. Agarwal, S. Venkateswaran, et al. // The Journal of Urology, Volume 160, Issue 3, P. 980-983.

111. Battiti, R. First and second order methods for learning: Between steepest descent and Newton's method Текст. / R. Battiti // Neural Computation, vol. 4.- no. 2.- 1992. p. 141-166.

112. Benecchi, L. Neuro-fuzzy system for prostate cancer diagnosis Текст. / L. Benecchi // Urology, v68, Issue 2, p. 357-361.

113. Blough, D.K. A comparison of artificial neural networks and statistical analyses Текст. / D.K. Blough, K.K. Anderson // Technical Reports. Pacific North. N.Lab.Richmond.Washington.-1994. rep 94.

114. Caudill, M. Understanding Neural Networks Текст. / M. Caudill, C. Butler // Computer Explorations, Vols. 1 and 2, Cambridge, MA: the МГГ Press, 1992, 143 p.

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

116. Charalambous, C. Conjugate gradient algorithm for efficient training of artificial neural networks Текст. / С. Charalambous // IEEE Proceedings, vol. 139.- no. 3.- 1992. p. 301-310.

117. Christakis, N.A. Extent and determinants of error is doctors' prognose in terminally ill patients: prospect cohort study Текст. / N.A. Christakis, E.B. Lamont // British Medical J. 2000.-v.320.p.469-473.

118. Cordon, O. A General study on genetic fuzzy systems Текст. / О. Cordon, F. Herrera, // Genetic Algorithms in engineering and computer science, 1995. p. 33-57.

119. Engelbrecht, A.P. Determining the significance input parameters using sensitivity analysis Текст. / A.P. Engelbrecht, I. Cloete, J.M. Zurada // Proceeding of International Workshop on Artificial Neural Network, Malaga-Terromolinos, 2001. p. 382-388.

120. Foresee, F.D. Gauss-Newton approximation to Bayesian regularization Текст. / F.D. Foresee, M. T. Hagan // Proceedings of the 1997 International Joint Conference on Neural Networks, 1997. p. 19301935.

121. Gil, D. Artificial neural networks for diagnoses of dysfunctions in urology. In International conference on health informatics Текст. / D. Gil, M. Johnsson, A. Soriano, D. Ruiz // Gil et al., 2008.

122. Hagan, M.T. Training feedforward networks with the Marquardt algorithm Текст. / M.T. Hagan, M. Menha // IEEE Transactions on Neural Networks, vol.5.- no.6.- 1994. p. 989-993.

123. Haykin, S. Neural Networks: A Comprehensive Foundation Текст. / New York Prentice Hall Press, 1998. 470 p.

124. Herrera, F. Tackling real-coded genetic algorithms: operators and tools for the behaviour analysis Текст. / F. Herrera, M. Lozano, J.L. Verdegay // Artificial Intelligence Review, Vol. 12, No. 4, 1998. P. 265-319.

125. Kosko, B. Fuzzy systems as universal approximators Текст. / В. Kosko // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. p. 1329-1333.

126. Laurene F. Fundamentals of Neural Networks: Architectures, Algorithms, and Applications Текст. / Prentice Hall, 1994. 382 p.

127. Naguib, R.N.G. Prognostic neuroclassification of prostate cancer patients Текст. / R.N.G. Naguib, F.C. Hamdy // Proc. IEEE Internat. Conf. Eng. Med. Biol. Soc., Chicago, 1997. p. 1003-1006.

128. Remzi, D. An artificial neural network to predict the outcome of repeat prostate biopsies Текст. / D. Remzi // Urology, v. 62. 456-460.

129. Remzi, D. Artificial neural networks in urology Текст. / D. Remzi // European Urology, 2004. P. 33-38.

130. See, A.C. Electrohydraulic lithotripsy: an effective and economical modality of endoscopic ureteric lithotripsy Текст. / A.C. See, H.C. Ch'ng //Aust. N. Z. J. Surg. 1997. 67: 8: 551-553.

131. Shyn, C.K. Memory and neural network based expert system Текст. / C.K. Shyn, M.S. Park // Expert systems with applications. 1999.- v. 16. p. 145-155.

132. Wasserman, P.D. Advanced Methods in Neural Computing Текст. / New York: Van Nostrand Reinhold, 1993. 271 p.

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

134. Zadeh, L.A. Fuzzy sets Текст. / L.A. Zadeh // Fuzzy sets and systems, 1965. n. 8, p. 338-353.