Программно-алгоритмическое обеспечение измерительно-вычислительного комплекса для исследования потоков жидкости с инородными включениями: на примере комплекса медицинского назначения тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Адаскин, Александр Владимирович

• Адаскин, Александр Владимирович
• кандидат технических наук
• 2008

Введение диссертации (часть автореферата) на тему «Программно-алгоритмическое обеспечение измерительно-вычислительного комплекса для исследования потоков жидкости с инородными включениями: на примере комплекса медицинского назначения»

Актуальность. Определение инородных включений в потоке жидкости и анализ характера этих включений имеют огромное значение в различных отраслях. Решение задачи включает разработку измерительной аппаратуры, позволяющей определить наличие этих включений в потоке, и разработку программно-алгоритмического обеспечения, позволяющего проанализировать инородные включения и повысить надежность и достоверность обнаружения в условиях действия различных помех. Особое значение эта задача имеет в медицине, где ставится как задача обнаружения эмбола в кровотоке.

Эмбол - патологическое образование неопределенной структуры и состава (чаще пузырек газа или кусочек материи), циркулирующее в кровотоке и вызывающее серьезные последствия для здоровья и даже жизни человека.

В то же время безопасность и надежность управления современным воздушным транспортом является сегодня одной из приоритетных задач совершенствования авиаперевозок во всем мире.

Медицинская статистика профессиональных заболеваний в авиации свидетельствует о резком росте числа заболеваний сердечно-сосудистой системы (ССС). По материалам Центральной врачебно-летной экспертной комиссии 80% всех пилотов, отстраненных от летной работы в 1995-2001 гг. имели ишемическую болезнь сердца, гипертоническую болезнь и атеросклероз, а у 38% эти заболевания были основными, определившими негодность к летной работе. Более того, ежегодно регистрируется 60-80 случаев острых отказов здоровья лиц летного состава, среди которых около 30% составляют инфаркт миокарда, 20% — стенокардия, 3% - нарушение мозгового кровообращения [27].

Среди заболеваний ССС необходимо особо выделить расстройство мозгового кровообращения. В соответствии со статьей 6 Федеральных авиационных правил по медицинскому освидетельствованию летного и диспетчерского составов, наиболее распространенным видом сосудистой патологии, ведущей к дисквалификации лиц летного состава, является атеросклероз сосудов головного мозга [23].

Исследования расстройств мозгового кровообращения, приводящих к ишемии мозга, имеют в основе своего развития два механизма: гемодинамический и эмболический. Если первый проявляется через недостаток перфузии головного мозга вследствие патологии экстра- и интракраниальных сосудов головного мозга, то второй реализуется за счет их закупорки при попадании в кровоток эмболов [92].

По данным международных регистров инсульта HSR {Harvard Stroke Registry), MRSR {Michael Reese Stroke Registry), LSR {Lausanne Stroke Registry), SDB {Stroke Data Bank) доминирующим фактором развития ишемического инсульта в настоящее время является именно церебральная эмболия. Она является причиной более 50% всех регистрируемых церебральных осложнений.

В профессиональной деятельности летного и диспетчерского состава присутствует триада основных факторов развития дисфункций мозгового кровотока: большое количество стрессогенных факторов, комплексное воздействие неблагоприятных условий среды жизнедеятельности, преждевременное биологическое старение организма. Перечисленные условия активируют каскад механизмов развития артериальной гипертензии и дисфункции ССС, что в конечном итоге продуцирует церебральную ишемию различного уровня клинической значимости, приводящую к летальному исходу или тяжелому осложнению [36]. Достаточно отметить, что за последние 10 лет в России при выполнении полета, до или сразу после его окончания, внезапно умерли 7 человек летного состава гражданской авиации России [27].

Таким образом, оперативное выявление эмболизации интракраниальных сосудов головного мозга является актуальной проблемой в авиационной медицине. Её решение направлено на повышение качества медицинского освидетельствования и эффективности реабилитации летного и диспетчерского составов авиации РФ.

В этом направлении проводятся масштабные исследования по созданию инструментальных и математических средств автоматической детекции эмболов и мониторинга гемодинамики головного мозга. Вместе с тем, проблема достоверности данных этих средств и эффективности их применения на практике еще до конца не решена. Актуальной является задача создания высоко эффективных измерительно-вычислительных комплексов для автоматического определения эмболов и мониторинга параметров мозгового кровотока. При этом преследуются следующие основные цели - оперативное выявление начальных стадий развития нарушений мозгового кровотока и принятие эффективных мер по защите мозга [37]. Такой подход позволяет предотвратить риск развития осложнений на всех этапах профессиональной деятельности членов экипажей и авиадиспетчеров.

Рост числа заболеваний с патологией ССС связан с распространенностью атеросклеротических поражений сосудов каротидного бассейна, дисфункциями работы клапанов сердца, внутрисердечными опухолями, поражением желудочковой системы и аорты, что неизбежно приводит к эмболизации системы кровоснабжения головного мозга различной тяжести [83]. В результате, степень осложнений может значительно варьироваться у различной категории больных в зависимости от состояния потенциальных источников эмболов: кардиальных и артерио-артериальных [38, 39, 40]. В то же время каждый источник может продуцировать эмболию различной морфологии и размеров, что определяет тактику медикаментозной терапии [74]. Именно поэтому крайне важно в ходе медицинского освидетельствования членов экипажей и авиадиспетчеров определить наличие эмболий, локализовать их источники и, проанализировав их характеристики, принять адекватные меры по ее редукции в целях снижения риска ишемических осложнений [75].

В этой связи актуальной становится задача информационного обеспечения членов медицинских комиссий оперативной и достоверной информацией о количестве регистрируемых эмболов в кровотоке, их составе (материальные и газовые) и размерах. Важно знать, в какой части мозга доминирует эмболия и насколько она критична. Своевременное получение данной информации позволяет существенно снизить риск церебральных осложнений, как за счет оперативной медикаментозной терапии, так и применения малоинвазивной реконструктивной нейрохирургии сосудов головного мозга.

Таким образом, разработка эффективных средств автоматической регистрации эмболии, анализ ее качественных и количественных характеристик на этапах медицинского освидетельствования, лечения и реабилитации летного и диспетчерского состава воздушной авиации является востребованной на практике актуальной задачей, имеющей огромное значение для снижения уровня инвалидализации всех категорий авиационных специалистов с заболеваниями сердечно-сосудистой системы.

Эффективность средств автоматической регистрации эмболии в медицине принято оценивать двумя показателями: чувствительностью и специфичностью. При разработке и испытании измерительно-вычислительных комплексов с показателем «чувствительность» совпадает принятое в технике понятие «вероятность события» (в данном случае вероятность обнаружения эмбола в кровотоке), выраженное в процентах; а с показателем «специфичность» - «вероятность неложных срабатываний» (в данном случае вероятность обнаружения артефактов), также выраженная в процентах.

Решение рассматриваемой задачи лежит в области разработки новых высокоэффективных средств транскраниальной доплерографии (ТКДГ), предназначенных для неинвазивного мониторинга гемодинамики церебрального кровотока и автоматической детекции эмболий. Основными задачами развития современных средств ТКДГ являются [73]:

- повышение показателей специфичности и чувствительности автоматической детекции эмболий в режиме реального времени;

- реализация оперативного представления полной и достоверной информации о клинически значимых параметрах эмболов - их морфологии и размерах в ходе мониторинга церебрального кровотока [87];

- разработка эффективных средств обработки и анализа зарегистрированной эмболии в автоматическом и ручном режимах на базе стационарных и портативных систем длительного мониторинга;

- реализация автоматической оценки клинически значимых ситуаций и выдачи медицинскому персоналу оперативных подсказок и заключений о процессах эмболизации сосудов головного мозга [85, 86];

- ведение базы данных результатов мониторинга, включающей тренды всех параметров гемодинамики церебрального кровотока, синхронизированного с ним спектра и зарегистрированных сигналов эмболий по каждому каналу ТКДГ-системы с возможностью архивирования данных на любом носителе информации. Повышение чувствительности и специфичности результатов детекции достигается как за счет совершенствования аппаратуры, так и прогресса в области новых математических средств и методов эффективной обработки ультразвуковой информации.

Таким образом, в основе современного подхода к решению задачи эмболодетекции с точки зрения технических наук лежат два начала:

- разработка новых и совершенствование существующих аппаратных средств транскраниальной доплерографии;

- создание новых средств и методов математической обработки информации ТКДГ-комплексов.

Следует отметить, что такое разделение носит весьма условный характер, так как любая реализуемая в клинической практике ТКДГ-система есть органичное сочетание аппаратных и математических средств. В то же время, оно удобно для представления в первой главе обзора и анализа существующих на рынке комплексов транскраниального мониторинга, оценки преимуществ и недостатков каждой реализации для обоснования темы диссертационных исследований.

Объект исследования. Информационно-вычислительный комплекс медицинского назначения для обнаружения эмболов в кровотоке средствами ТКДГ.

Предмет исследования. Процесс автоматического обнаружения эмбола с использованием современных средств ТКДГ.

Цель работы. Разработка математического и программного обеспечений измерительно-вычислительного комплекса медицинского назначения, которые позволят автоматически достаточно надежно определять наличие эмболов в кровотоке при мониторинге в режиме реального времени и тем самым повысить безопасность проведения медицинских операций.

Для достижения поставленной цели решены следующие задачи исследования:

- проведен анализ современного состояния проблемы обнаружения эмбола и опыта разработки информационно-вычислительных комплексов медицинского назначения для обнаружения эмболов;

- разработана математическая модель обнаружения эмбола;

- разработан алгоритм обнаружения эмбола;

- разработано программное обеспечение, реализующее эти математическую модель и алгоритм обнаружения эмбола;

- разработана процедура проверки и проведены экспериментальные исследования предложенных решений путем моделирования и клинических испытаний.

Методы исследований. При решении перечисленных задач были использованы методы системного анализа, обработки сигнала, распознавания образов, бинарного дерева принятия решений, моделирования, параметрического оценивания экспериментальных исследований, теории вероятности и математической статистики.

Научная новизна результатов диссертационной работы состоит в разработке:

- математической модели обнаружения эмбола, представляющей собой набор условий по нахождению в определенных границах основных параметров, характеризующих эмбол в обработанных сигналах медицинских исследований;

- алгоритма, позволяющего с требуемой надежностью определять эмбол на базе разработанной математической модели и на основе обработки результатов медицинских исследований;

- методологии автоматического определения эмбола по результатам обработки медицинских исследований с использованием разработанного математического аппарата.

Научные положения, выносимые на защиту:

- математическое обеспечение (модель и алгоритм), позволяющее автоматически обнаруживать эмбол;

- способ автоматического обнаружения эмбола на базе разработанного математического обеспечения, гарантирующий требуемую

11 надежность автоматического обнаружения эмболов в кровотоке, а именно: вероятность обнаружения эмбола более 90%, вероятность неложных срабатываний более 95%.

Практическая значимость результатов диссертационной работы состоит в создании программного обеспечения для информационно-вычислительного комплекса медицинского назначения, позволяющего автоматически определять эмболы в кровотоке с требуемой для медицинской практики надежностью; разработке комплекса универсальных программных средств отладки и тестирования программного обеспечения метакомпилятор-транслятор Сх; создании программного инструментария КпстЪог, позволяющего в автоматическом режиме проводить верификацию разработанного программного обеспечения.

Внедрение результатов. Результаты работы использованы при разработке и клинических испытаниях ультразвукового информационно-измерительного комплекса медицинского назначения «АНГИОДИН» и «Вютопех» НПФ «БИОСС» (г. Зеленоград), что подтверждается соответствующими актами.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались на:

- XII, XIII, XV и XVI Международных научно-технических семинарах «Современные технологии в задачах управления, автоматики и обработки информации», 2003, 2004, 2006, 2007 гг.

- Зй и 5-й Международных конференциях «Авиация и космонавтика», 2004, 2006 гг.

- 9-й Всероссийской научно-технической конференции «Состояния и проблемы измерений», 2004 г.

- «Научных сессиях МИФИ», 2006 и 2008 гг.

- Международной молодежной научной конференции «XXX Гагаринские чтения», 2004 г.

- V Всероссийской конференции студентов, аспирантов и молодых ученых «Технологии Microsoft в теории и практике программирования», 2008 г.

- Всероссийской научно-технической конференции «Информационные и управленческие технологии в медицине», 2007 г.

- XII Международном симпозиуме «Динамические и технологические проблемы механики конструкций и сплошных сред», 2006 г.

Публикации. Основные результаты диссертационной работы опубликованы в 20 печатных работах, в том числе в 5 статьях в журналах и сборниках (2 в журнале «Мехатроника, автоматизация, управление», входящем в список ВАК РФ).

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка использованных источников, включающего 98 наименований, изложена на 138 страницах машинописного текста и содержит 53 рисунка и 2 таблицы.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Адаскин, Александр Владимирович

Выводы по главе 4

1. Тестирование разработанного программного обеспечения проведено как в лабораторных условиях в два этапа (для подтверждения соответствия разработанного программного обеспечения созданному математическому обеспечению и для оценки эффективности этого обеспечения), так и в клинических условиях.

2. Для проведения тестирования в лабораторных условиях разработан стенд полунатурного моделирования для получения ТКДГ-сигналов эмболов разного характера, создана база оценочных ТКДГ-сигналов, включающая ТКДГ-сигналы (с разработанного стенда; синтетические в результате программной генерации; реальные, полученные в клинических условиях) и характеристики этих сигналов, внесенные экспертами, создан специальный программный инструмент Кпоу^Ъо1 для верификации разработанных программ в автоматическом режиме.

3. При тестировании разработанного модуля автоматического обнаружения эмболов на 120 синтетических ТКДГ-сигналах с помощью программного инструмента Кпом>Ьо1 все сигналы были корректно классифицированы на эмболы и артефакты (вероятность обнаружения эмбола и вероятность неложных срабатываний составила 100%), что полностью подтвердило соответствие разработанных модели, алгоритма и реализующего его программного обеспечения.

4. При тестировании, проведенном в лабораторных условиях на 1500 сигналах (со стенда полунатурного моделирования и полученных в клинических условиях), из которых 1160 являлись МЭС и 340 — артефактами, модулем автоматического определения эмболов в кровотоке было классифицировано как эмбол 1151 ТКДГ-сигнал, из которых 1117 сигналов действительно являются эмболическими, 34 — артефактами, которые были ошибочно определены как эмбол, 43 эмболических сигнала было пропущено. Вероятность обнаружения эмбола составила 96,29%, вероятность неложных срабатываний -97,05%, что позволяет сделать вывод о полном соответствии требованиям, предъявляемым к разработанному программному обеспечению.

5. Тестирование, проведенное в условиях клинических испытаний на 200 пациентах, и экспертный анализ случайно отобранных 20 мониторингов, в которых общее количество эпизодов, классифицированных экспертами как эмболы, составило 18944, подтвердили работоспособность разработанных программных средств. Из общего количества эмболов, обнаруженных в автоматическом режиме (18480), экспертами было признано верным 17853 эпизода, 1091 эмбол был пропущен, 627 артефактов были ошибочно определены как эмбол. Таким образом, вероятность обнаружения эмбола составила 94,24%, а вероятность неложных срабатываний - 96,61%.

Заключение

В ходе проведенных исследований были получены следующие основные выводы и результаты:

1. Проведенный анализ выявил необходимость формальной постановки задачи и разработки математического и программного обеспечения автоматического определения эмболов в кровотоке с достаточной надежностью.

2. Разработана эмпирическая модель обнаружения эмбола, которая может быть использована для автоматического обнаружения эмболов, представляющая собой систему неравенств, каждое из которых проверяет один из существенных признаков наличия эмбола в кровотоке, и при их выполнении сигнализирует о присутствии эмбола с некоторой вероятностью, отличной от единицы.

3. Разработан алгоритм, основанный на методе бинарного дерева принятия решения, каждый уровень которого решает свою самостоятельную задачу. На первом уровне анализируется ТКДГ-сигнал и из него выделяются HITS. На втором уровне имеют место обнаружение и отсев артефактов. На третьем уровне обнаруженные эмболы классифицируются как материальные, газовые и неопределенного типа.

4. Разработано программное обеспечение на языке программирования Microsoft Visual С++ из пакета Microsoft Visual Studio 2005, обладающее дружественным интерфейсом к конечному пользователю и реализующее созданное математическое обеспечение. Оно имеет модульную структуру и включает: прикладные модули, реализующие основные математические результаты, и блок, позволяющий обнаруживать ошибки в ходе разработки программы.

5. При тестировании разработанного модуля автоматического обнаружения эмболов на 120 синтетических ТКДГ-сигналах с помощью программного инструмента КпоууЪоХ все сигналы были корректно классифицированы на эмболы и артефакты (вероятность обнаружения эмбола и вероятность неложных срабатываний составили 100%), что полностью подтвердило соответствие разработанных модели, алгоритма и реализующего его программного обеспечения.

6. Проведено тестирование на 1500 сигналах в лабораторных условиях, которое подтвердило работоспособность разработанного математического и программного обеспечения и показало, что вероятность обнаружения эмбола составляет 96,29%, вероятность неложных срабатываний - 97,05%.

7. Тестирование, проведенное в условиях клинических испытаний на 200 пациентах, и экспертный анализ случайно отобранных 20 мониторингов подтвердили работоспособность разработанных программных средств; вероятность обнаружения эмбола разработанного алгоритма автоматического определения эмболов составила 94,24%, а вероятность неложных срабатываний — 96,61%.

8. Результаты проведенных исследований использованы при разработке и клинических испытаниях ультразвуковых информационно-измерительных комплексов медицинского назначения «АНГИОДИН» и «Вютопех» НПФ «БИОСС» (г. Зеленоград), что подтверждается соответствующими актами о внедрении.

Список литературы диссертационного исследования кандидат технических наук Адаскин, Александр Владимирович, 2008 год

1. Адаскин A.B. Программно-алгоритмическое обеспечение автоматической детекции микроэмболии. // Тезисы докладов 5-й Международной конференции «Авиация и космонавтика-2006». — М.: Издательство МАИ, 2006, с. 149-150.

2. Адаскин A.B., Филатов И.А. Ультразвуковой комплекс транскраниального мониторинга церебрального кровотока и автоматической детекции микроэмболии. // «Мехатроника, автоматизация, управление», №2, 2007, с. 43-46.

3. Белкин A.A., Алашеев A.M., Инюшкин С.Н. Транскраниальная допплерография в интенсивной терапии: Методическое руководство для врачей. -М.: Интел Тех, 2006.

4. Воробьев В.И., Грибунин В.Г. Теория и практика вейвлет-преобразования. СПб.: ВУС, 1999.

5. Гайдар Б.В., Семенютин В.Б., Парфенов В.Е., Свистов Д.В. Транскраниальная допплерография в нейрохирургии. СПб.: Элби, 2008.

6. Горбунов-Посадов М.М. Расширяемые программы. М.: Полиптих, 1999.

7. Кубенский A.A. Структуры и алгоритмы обработки данных: объектно-ориентированный подход и реализация на С++. СПб.: БХВ-Петербург, 2004.

8. Макконнелл С. Совершенный код: Практическое руководство по разработке программного обеспечения. СПб.: Питер, 2007.

9. Об утверждении федеральных авиационных правил «Медицинское освидетельствование летного, диспетчерского состава, бортпроводников, курсантов и кандидатов, поступающих в учебные заведения гражданской авиации» Приказ Министерства транспорта РФ №50, 2002 г.

10. Осипов JI.B. Ультразвуковые диагностические приборы: Практическое руководство для пользователей. М.: Видар, 1999.

11. Павлова H.B. Методы искусственного интеллекта и новые информационные технологии в проектировании приборных комплексов. М.: Издательство МАИ, 2000.

12. Разсолов H.A., Чижов А.Я., Потиевский Б.Г., Потиевская В.И. Нормобарическая гипокситерапия // Методические рекомендации для авиационных врачей. — М.: Министерство транспорта Российской Федерации. Государственная служба гражданской авиации, 2002.

13. Саттер Г. Решение сложных задач на С++. М.: Издательство Вильяме, 2002.

14. Страуструп Б. Язык программирования С++. — М.: Издательство Бином, 2004.

15. Филатов И.А., Павлова Н.В., Сергейчик В.В., Адаскин А.В., Грязнов П.А. Аппаратно-программные средства ранней диагностики и коррекции психофизиологического состояния человека. // «Мир авионики», №3, 2004, с. 35-40.

16. Хахулин Г.Ф. Основы конструирования имитационных моделей. — М.: НПК «Поток», 2002.

17. Хэзфилд Р., Кирби Л. Искусство программирования на С: Фундаментальные алгоритмы, структуры данных и примеры приложений. -М.: Диа-Софт, 2001.

18. Шилдт Г. C/C++. Справочник программиста. М.: Издательство Вильяме, 2000.

19. Booze C.F. Sudden Inflight Incapacitation in General Aviation // Aviat. Space. Environ. Med. 1989; 60:332-5.

20. Ascione R, Ghosh A, Reeves ВС, Arnold J, Potts M, Shah A, Angelini GD Retinal and cerebral microembolization during coronary artery bypass surgery: a randomized, controlled trial // Circulation, vol. 112, 2005, pp. 3833-3838.

21. Stamou SC, Hill PC, Dangas G, Pfister AJ, Boyce SW, Dullum MKC, Bafi AS, Corso PJ Stroke after coronary bypass. // Stroke, vol. 32, 2001, pp. 1508-1513.

22. Viken L., Babikian and Philip A. Wolf Retinal and Cerebral Microembolism During On-Pump and Off-Pump Coronary Artery Bypass Graft Surgery. // Circulation, vol. 112, 2005, pp. 3816-3817.

23. G. Devuyst, G.A. Darbellay, J.-M. Vesin et al. Automatic Classification of HITS Into Artifacts or Solid or Gaseous Emboli by a Wavelet131

24. Representation Combined With Dual-Gate TCD. // Stroke, vol. 32, 2001, pp. 2803-2809.

25. Rainer Brucher, David Russell, Automatic Online Embolus Detection and Artifact Rejection With the First Multifrequency Transcranial Doppler. // Stroke, vol. 33, 2002, pp. 1969-1974.

26. Palanchon P., Klein J., De Jong N. New ultrasonic transducer for characterization of microemboli. // Ibid, vol. 13, 2002, suppl.4.-P. 10(033).

27. Andrew D. Mackinnon, Rune Aaslid, Hugh S. Markus Ambulatory Transcranial Doppler Cerebral Embolic Signal Detection in Symptomatic and Asymptomatic Carotid Stenosis. // Stroke, vol. 36, 2005, pp. 1726-1730.

28. Yu Zhang, Hong Zhang, Nanxiong Zhang Microembolic Signal Characterization Using Adaptive Chirplet Expansion. // IEEE Transaction On Ultrasonics, Ferroelectrics, And Frequency Control, vol. 52, No 8, 2005, pp. 1291-1299.

29. Devuyst G, Vesin JM, Despland PA, Bogousslavsky J. The matching pursuit: a new method of characterizing microembolic signals? // Ultrasound Me Biol, vol. 26, 2000, pp. 1051-1056.

30. Akay M. Wavelet Applications in Medicine. // IEEE Spectrum, vol. 34, No. 5, 1997, pp. 50-56.

31. Ay din N., Padayachee S., Markus H. The use wavelet transform to describe embolic signals. // Ultrasound in Med. Biol., vol. 25(6), 1999, pp. 953-958.

32. Daubechies I. Ten lectures on wavelets. // SIAM, CBMS Lecture Series, 1992.

33. Di Bona S., Pieri G., and Salvetti O., Brain volumes characterisation using hierarchical neural networks. // Artificial Intelligence in Medicine, 2003.

34. Markus H., Cullinane M., Reid G. Improved automated detection of embolic signals using a novel frequency filtering approach. // Stroke, vol. 30,1999, pp. 1610-1615.

35. Evans DH. Doppler signal analysis. // Ultrasound Med&Biol., 2000, S1:S13-S15.

36. Ringelstein EB, Droste DW, Babikian VL, Evans DH, Grosset DJ, Kaps M, Markus HS, Russell D, Siebler M. Consensus on microembolus detection by TCD. // Stroke, vol. 29, 1998, pp. 725-729.

37. Girault J., Kouame D., Ouahabi A., et al. Micro-emboli detection: an ultrasound Doppler signal processing viewpoint. // IEEE Trans, on BME, vol. 47(11), 2000, pp. 1431-1439.

38. Futrell N. Pathophysiology of acute ischemic stroke: New concepts in cerebral embolism. // Cerebrovasc Dis, vol. 8, 1998, suppl. 1.- P. 2-5.

39. Leclercq F, Kassnasrallah S, Cesari J-B, Blard J-M, Macia J-C, Messner-Pellenc P. Transcranial Doppler detection of cerebral microemboli during left heart catheterization. // Cerebrovasc Dis, vol. 12, 2001, pp. 59-65.

40. Russell D., Brucher R. Multifrequency doppler discriminates between gaseous and solid microemboli. // Stroke, vol. 32, 2001, pp. 335-e.

41. Maher Saqqur, Naeem Dean, Marcia Schebel, Michael D. Hill, Abdul Salam, Ashfaq Shuaib, Andrew M. Demchuk Improved Detection of Microbubble Signals Using Power M-Mode Doppler. // Stroke, vol. 35, 2004, pp. el4-el7.

42. Mess WH, Titulaer BM, Ackerstaff RGA A new algorithm for on-line automated emboli detection based on the pseudo-Wigner distribution and133the dual gate TCD technique. // Ultrasound Med&Biol, vol. 26, 2000, pp. 413-418.

43. David Spence J., Arturo Tamayo, Stephen P. Lownie, Wai P. Ng, Gary G. Ferguson Absence of Microemboli on Transcranial Doppler Identifies Low-Risk Patients With Asymptomatic Carotid Stenosis. // Stroke, vol. 36, 2005, pp. 2373-2378.

44. Moehring MA, Spencer MP Power M-mode Doppler (PMD) for observing cerebral blood flow and tracking emboli. // Ultrasound Med& Biol., vol. 28, 2002, pp. 49 -57.

45. Moehring M.A. Microembolus tracking with power M-mode transcranial Doppler ultrasound and simultaneous single gate spectrogram. // Cerebrovasc Dis, vol. 10, 2000, suppl. 1, p. 2.

46. Russell D, Brucher R. Online Automatic Discrimination Between Solid and Gaseous Cerebral Microemboli With the First Multifrequency Transcranial Doppler. // Stroke, vol. 33, 2002, pp. 1975-1980.

47. Russell D, Madden KP, Clark WM, Sandset PM, Zivin JA. Detection of arterial emboli using Doppler ultrasound in rabbits. // Stroke, vol. 22, 1991, pp. 253-258.

48. Markus HS, Brown MM. Differentiation between different pathological cerebral embolic materials using transcranial Doppler in an in vitro model. // Stroke, vol. 24, 1993, pp. 1-5.

49. Andrew D. Mackinnon, MRCP; Rune Aaslid, PhD; Hugh S. Markus Long-Term Ambulatory Monitoring for Cerebral Emboli Using Transcranial Doppler Ultrasound. // Stroke, vol. 35, 2004, pp. 73-78.

50. G.A. Darbellay, R. Duff, J.M. Vesin, P.A. Despland et al. Solid or Gaseous Circulating Brain Emboli: Are They Separable by Transcranial Ultrasound? // Cerebral Blood Flow and Metabolism, vol. 24, No. 6, 2004, pp. 860-868.

51. Di Bona S., Salvetti O., A multilevel neural approach to dynamic scene analysis. // Pattern Recognition and Image Analysis, vol. 13, no. 1, 2003, pp. 86-89.

52. Barcaro U., DI Bona S., Fontaneiii R., La Manna S. et al. Real-Time detection and clinical categorization of ultrasound high intensity transient signal. // WSEAS Transactions on Systems, vol. 2, 2003, pp. 921-926.

53. Rainer Brucher, David Russell Automatic Online Embolus Detection and Artifact Rejection With the First Multifrequency Transcranial Doppler. // Stroke, vol. 33, 2002, pp. 1969-1974.

54. Wang Yuan-yuan, Chen Xi, Zhang Yu, Wang Weiqi Emboli detection using the Doppler ultrasound technique. // Technical Acoustics, vol. 22, no. IE, 2003, pp. 15-18.

55. Victor J. Marder, Dennis J. Chute, Sidney Starkman, et al. Analysis of Thrombi Retrieved From Cerebral Arteries of Patients With Acute Ischemic Stroke. // Stroke, vol. 37, 2006, 2086-2093.

56. Hugh S. Markus, Andrew MacKinnon Asymptomatic Embolization Detected by Doppler Ultrasound Predicts Stroke Risk in Symptomatic Carotid Artery Stenosis. // Stroke, vol. 36, 2005, pp. 971-975.

57. Markus HS, Harrison MJ. Microembolic Signal Detection Using Ultrasound. // Stroke, vol. 26, 1995, pp. 1517-1519.

58. Hennerici MG, Meairs S. Refined analysis of Transcranial Doppler HITS. // The Lancet Neurology, vol. 1, 2002, p. 406.

59. Hugh S. Markus, Martin Punter Can Transcranial Doppler Discriminate Between Solid and Gaseous Microemboli?: Assessment of a Dual-Frequency Transducer System. // Stroke, vol. 36, 2005, pp. 1731-1734.

60. Palendon PC Ultrasonic Harmonic Classification of Microemboli. PhD Thesis. The Netherlands: Erasmus MC, 2004:ISBN 90-77595-64-3.

61. Aydin N., Arslan T., Murray A.F. Identification and Detection of Embolic Doppler Signals Using DWT and Fuzzy Logic. // IFSA03, 2003.

62. Aydin N., Marvasti F., Markus H. S. Embolic Doppler Ultrasound Signal Detection Using Discrete Wavelet Transform. // IEEE Transactions on information technology in biomedicine, vol. 8, no. 2, 2004, pp. 182-190.

63. Aydin N., Markus H. S., Marvasti F., Detection and estimation of embolic Doppler signals using discrete wavelet transform. // ICASSP 2001, vol. 2, 2001, pp. 1049-1052.

64. Cullinane M., Reid G., Dittrich R., Kaposzta Z., Ackerstaff R., et. al Evaluation of a new on-line automated embolic signal detection algorithm, including comparison with a panel of international experts. // Stroke, vol. 31, 2000, pp. 1335-1341.

65. Herbert D. Aronow, Mehdi Shishehbor, DonaLee A. Davis, Irene L. Katzan, et. al Leukocyte Count Predicts Microembolic Doppler Signals During CarotidStenting: A Link Between Inflammation and Embolization. // Stroke, vol. 36, 2005, pp. 1910-1914.

66. Markus H. Monitoring embolism in real time. // Circulation, vol. 102, 2000, pp. 826-828.

67. Antonius Carotid Endaterectomy, Angioplasty, and Stenting Study Group Transcranial Doppler monitoring in angioplasty and stenting of the carotid bifurcation. // J Endovasc Ther., vol. 10, 2003, pp. 702-710.

68. Ackerstaff RG, Vos JA. TCD-detected cerebral embolism in carotid endarterectomy versus angioplasty and stenting of the carotid bifurcation. // ActaChir Belg, vol. 104, 2004, pp. 55-59.

69. Kaposzta Z, Clifton A, Molloy J, Martin JF, Markus HS. S-nitrosoglutathione reduces asymptomatic embolization after carotid angioplasty. // Circulation, vol. 106, 2002, pp. 3057-3062.

70. Droste DW, Dittrich R, Hermes S, Kemeny V, Schulte-Altedorneburg G, Hansberg T, Ringelstein EB Four-gated transcranial Doppler ultrasoundin the detection of circulating microemboli. // Eur J Ultrasound, vol. 9, 1999, pp. 117-125.

71. Droste DW, Kemeny V, Tietje R, Kaps M, Ringelstein EB Microembolus detection by transcranial Doppler ultrasound. // Funct Neurol, vol. 15, 2000, pp. 7-18.

72. Kemeny V, Droste DW, Hermes S, Nabavi DG, Schulte-Altedorneburg G, Siebler M, Ringelstein EB Automatic embolus detection by a neural network. // Stroke, vol. 30, 1999, pp. 807-810.

73. Smith J, Evans DH, Bell PRF, Naylor R. A comparison of four methods for distinguishing Doppler signals from gaseous and particulate emboli. //Stroke, vol. 29, 1998, pp. 1133-1138.

74. V. Nabavi DG, Allroggen A, Reinecke H, Kemeny V, Droste DW, Breithardt G, Ringelstein EB Absence of circulating microemboli in patients with atrial fibrillation undergoing electric cardioversion. // Cerebrovasc Dis, vol. 11, 2001, pp. 95-99.

75. Y. Zhang, Y. Wang, W. Wang, B. Liu Doppler ultrasound signal denoising based on wavelet frames. // IEEE Trans. Ultrason., Ferroelect., Freq. Contr., vol. 48, no. 3, 2001, pp. 709-716.

76. L. Fan, D. H. Evans, A. R. Naylor Automated embolus identification using a rule-based expert system. // Ultrasound Med. Biol., vol. 27, no. 8, 2001, pp. 1065-1077.

77. Hennerici MG, Meairs S Refined analysis of Transcranial Doppler HITS. // The Lancet Neurology, vol. 1, 2002, p. 406.

78. Matos S, Ruano MG, Ruano AE, Evans DH Neural network classification of cerebral embolic signals. // Proceedings of the 23rd Annual EMBS International Conference, Instambul, Turkey, 2001, pp. 1761-1764.

79. Alexandrav AV, Demchuk AM, Burgin WS Insonation method and diagnostic flow signatures for transcranial power motion (M-mode) Doppler. // J Neuroimaging, vol. 12, 2002, pp. 236-244.

80. B. S. Krongold, A. M. Sayeed, M. A. Moehring, J. A. Ritcey, M. P. Spencer, and D. I. Jones Time-scale detection of microemboli in flowing blood with Doppler ultrasound. // IEEE Trans. Biomed. Eng., vol. 46, 1999, pp. 1081-1089.