Разработка решающих правил для дифференциальной диагностики осложненных форм инфаркта миокарда тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Залавский, Дмитрий Станиславович

• Залавский, Дмитрий Станиславович
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Залавский, Дмитрий Станиславович

ВВЕДЕНИЕ.

1 СИСТЕМНЫЙ АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ ОСЛОЖНЕННЫХ

ФОРМ ИНФАРКТА МИОКАРДА.

1.1 Подходы к дифференциальной диагностике и прогнозированию осложненных форм инфаркта миокарда.

1.2 Анализ методов и концепций распознавания образов в медицинской диагностике.

1.3 Цель и задачи исследования.

2 АЛГОРИТМИЗАЦИЯ ФОРМИРОВАНИЯ ИНТЕРВАЛЬНЫХ И БИНАРНЫХ СТРУКТУР.

2.1 Формирование обучающей выборки для моделирования осложненных форм инфаркта миокарда.

2.2 Разработка алгоритма формирования интервальных и бинарных структур.

2.3 Анализ взаимосвязи медико-биологических признаков при помощи построения корреляционного графа.

Выводы второй главы.

3 МОДЕЛИРОВАНИЕ РЕШАЮЩИХ ПРАВИЛ ДЛЯ ПРОГНОЗИРОВАНИЯ ДИАГНОЗА ОСЛОЖНЕННОЙ ФОРМЫ ИНФАРКТА МИОКАРДА.

3.1 Разработка модифицированного многошагового байесовского алгоритма как основной стратегии распознавания.

3.2 Формирование подмножества информационно-ценных признаков для модифицированного многошагового байесовского алгоритма.

3.3 Разработка методов построения показателей эффективности применения стратегии распознавания.

Выводы третей главы.

4 АНАЛИЗ ЭФФЕКТИВНОСТИ КОМПЛЕКСА МЕТОДОВ И АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКЕ ОСЛОЖНЕННЫХ ФОРМ ИНФАРКТА МИОКАРДА.

4.1 Анализ показателей эффективности дифференциальной диагностики осложненных форм инфаркта миокарда.

4.2 База знаний и экспертный модуль системы дифференциальной диагностики

4.3 Структура программно-алгоритмического обеспечения информационной системы диагностики.

Выводы четвертой главы.

Введение диссертации (часть автореферата) на тему «Разработка решающих правил для дифференциальной диагностики осложненных форм инфаркта миокарда»

Актуальность темы. В настоящее время одной из наиболее острых проблем ургентной терапии является инфаркт миокарда (ИМ). В России ИМ в структуре госпитализированных больных составляет около 7 % [143]. В структуре смертности от ишемической болезни сердца ИМ занимает первое место и составляет 0,9 % у лиц 30-39-летнего возраста, 10,5 % в возрасте 4049 лет, 29,5 % - 50-59 лет и 41,1 % - у лиц старше 60 лет [31].

Тяжесть ИМ, частота смертельных исходов, длительность госпитального лечения и реабилитации, последующая инвалидизация пациентов, а следовательно, и экономические затраты всецело определяются осложненными формами этого заболевания [103]. Среди них наиболее опасны и в то же время наиболее распространены: кардиогенный шок, аритмический синдром, фибрилляция желудочков, острая левожелудочковая недостаточность - отек легких, разрыв миокарда [31, 165]. Актуальной сохраняется проблема развития поздних осложнений - эпистенокардитического перикардита и синдрома Дреслера, а также рецидивирующего течения ИМ [34,131].

Современная медицина имеет ограниченные возможности ранней диагностики патологических заболеваний, не обладает достаточными сведениями о патогенезе атеросклероза, гипертонии и нарушения сердечного ритма [9, 116], о механизмах гомеостаза жизненно-важных патологических процессов [116].

Современная наука только приближается к пониманию пространственно-временной организации физиологических процессов, и ценнейшая информация, заключенная в реограмме, кардиограмме, мониторинге артериального давления и пульса, пока не может быть использована для осознания фундаментальных механизмов регуляции процессов жизнедеятельности [34].

В связи с этим возникла потребность отталкиваться не от существующих медико-физиологических знаний, которые трудно формализовать даже тогда, когда они есть, и принципиально невозможно, когда их нет, а от эмпирических данных - данных историй болезни и протоколов экспериментов [10, 40, 104].

Существующие информационные методы диагностики осложненных форм ИМ оказываются в большинстве своем малоэффективными [108]. Многие исследователи в данной области пренебрегают тем, что распространенные методы многомерной статистики имеют ограниченное применение в медицине [13, 151], методологически неграмотно представлять результаты исследований в форме "среднее арифметическое ± ошибка средней" [96], из множества клинических, лабораторных и инструментальных признаков необходимо извлекать минимальные подмножества, важные для понимания патогенеза клинической ситуации и достаточные для решения конкретной диагностической задачи [124, 125].

Проблема диссертационного исследования заключается в высокой летальности ИМ [103, 131, 165] и низкой достоверности существующих моделей и алгоритмов ранней дифференциальной диагностики осложнений данного заболевания [31, 34].

Таким образом, актуальность темы диссертационной работы определяется необходимостью создания таких методов анализа эмпирических медицинских данных, которые бы с одной стороны не противоречили методологическому аспекту области применения, а с другой стороны обеспечивали более высокую точность дифференциальной диагностики осложненных форм ИМ по сравнению с другими известными методами.

Диссертационная работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 "Перспективные информационные технологии в высшей школе" в рамках одного из основных направлений Воронежского государственного технического университета "Биомедкибернетика, компьютеризация в медицине".

Цель и задачи исследования. Целью исследования является разработка моделей, алгоритмов и информационного комплекса, обеспечивающих повышение эффективности ранней дифференциальной диагностики осложненных форм ИМ с помощью построения нечетких вероятностных процедур анализа эмпирических данных, а также создание методологии принятия многоальтернативного диагностического решения для обеспечения высокой точности дифференциальной диагностики осложнений.

Для достижения поставленной цели необходимо решить следующие задачи: проанализировать пути повышения эффективности прогностических оценок диагностики осложненных форм ИМ с помощью методов биометрической статистики, имитационного моделирования и непараметрических методов распознавания образов; разработать алгоритм формирования обучающей выборки для получения достоверных объектов на основе диагонализации матрицы связи и выделения сильно связанных подмножеств; разработать методику построения интервальных и бинарных (матричных) структур для дальнейшей дифференциальной диагностики, обеспечивающую максимальное извлечение медико-физиологических знаний; смоделировать решающие правила для информационной поддержки клинических решений на основе системного подхода и методологии распознавания образов, сформировать оценки эффективности применения решающих правил на основе метрических и информационных показателей; внедрить информационный комплекс по дифференциальной диагностики осложненных форм ИМ в клиническую практику на региональном уровне.

Методы исследования. В работе использованы методы системного анализа, распознавания образов, экспертного оценивания, имитационного моделирования, основные положения теории вероятности, математической статистики и теории управления биосистемами.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: алгоритм формирования обучающей выборки на основе процесса диа-гонализации матрицы связи, позволяющий отказаться от субъективного мнения эксперта о пороговой степени достоверности объектов; способ введения вероятностной меры, формирующий интервальные и бинарные структуры, отличающийся возможностью эффективного анализа патофизиологически значимых интервалов или прямоугольников проявления жизнедеятельности; интервальные и бинарные структуры в совокупности со стратегией распознавания образов, представляющие собой объект базы знаний интеллектуальных систем, не требующие при своем формировании экспертных медицинских знаний высокого уровня; модифицированный многошаговый байесовский алгоритм, позволяющий освободиться от влияния априорных вероятностей, обеспечивающий эффективную интеграцию многоальтернативного байесовского подхода и упорядочение признаков в соответствии с их информационной ценностью; методология принятия многоальтернативного диагностического решения, обеспечивающая высокую точность дифференциальной диагностики осложнений.

Практическая ценность и реализация результатов работы. В результате проведенного системного анализа инновационных технологий дифференциальной диагностики осложненных форм ИМ обоснована концепция разработки интегрированной системы прогнозирования вероятностной меры диагноза пациента.

Экспериментально доказано, что десяти клинико-лабораторных признаков достаточно для дифференциальной диагностики осложненных форм ИМ: лактатдегидрогеназа-2, протромбиновый индекс, креатинкиназа, каолин - кефалиновое время свертывания АЧТВ, аспартатаминотрансфераза, Т-супрессоры, давление наполнения левого желудочка, частота сердечных сокращений, систолическое артериальное давление при поступлении, Т-лимфоциты.

Создана база знаний в экспертном модуле системы в рамках конкретной предметной области - "Осложненные формы ИМ". В программном комплексе предусмотрен переход в другую предметную область.

Проведенные исследования убедительно показали, что алгоритмическое формирование базы знаний в процессе обучения и специальная организация экспертной системы позволяют принимать дифференциально-диагностические решения, превышающие возможности современного клинического опыта.

Результаты диссертации внедрены в практику кардиологического отделения Воронежской областной клинической больницы в виде программно-алгоритмического обеспечения дифференциальной диагностики осложненных форм ИМ.

Теоретические и практические результаты работы, реализованные автором в информационном комплексе дифференциальной диагностики осложненных форм ИМ, внедрены в учебный процесс на кафедре "Системный анализ и управление в медицинских системах" для студентов специальности 190500 "Биотехнические и медицинские аппараты и системы".

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах" (Воронеж, 2002), Региональной научно-технической конференции "Компьютерные технологии в промышленности и связи" (Воронеж, 2002), Всероссийской конференции "Интеллектуальные информационные системы" (Воронеж, 2002).

Публикации. Основное содержание диссертационной работы изложено в 17 печатных работах, в том числе учебном пособии. В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат: в [1] применение биомедицинских материалов (4 глава учебного пособия), в [12] анализ применения технологии концептуального моделирования COMOD в медико-биологических системах, в [13] введение понятия индекса структурной организации, системный анализ асимметрии связей признаков.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 152 страницах машинописного текста, списка литературы (182 наименований), приложений, содержит 21 рисунок, 20 таблиц.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Залавский, Дмитрий Станиславович

ВЫВОДЫ ЧЕТВЕРТОЙ ГЛАВЫ

1. Экспериментально доказано, что десяти клинико-лабораторных признаков достаточно для дифференциальной диагностики осложненных форм инфаркта миокарда: лактатдегидрогеназа-2, протромбиновый индекс, креа-тинкиназа, каолин - кефалиновое время свертывания АЧТВ, аспартатами-нотрансфераза, Т-супрессоры, давление наполнения левого желудочка, частота сердечных сокращений, систолическое артериальное давление при поступлении, Т-лимфоциты.

2. Получено 1 048 576 градаций десяти признаков "все со всеми", которые верно распознали 488 пациентов из 490 в основной группе (99,59 %) и 243 пациентов из 245 в контрольной группе (99,18 %). Поэтому применение решающих правил для дифференциальной диагностики осложненных форм инфаркта миокарда дает более точные результаты, по сравнению с известными методами распознавания образов.

3. С гносеологической точки зрения, интервальные и бинарные структуры вместе со стратегией распознавания - это не просто результат статистического анализа эмпирических данных, а механизм дедукции, выполняющий функцию логического вывода.

4. База знаний в экспертном модуле системы создана в рамках конкретной предметной области - "Осложненные формы инфаркта миокарда". В программном комплексе предусмотрен переход в другую предметную область.

5. Проведенные исследования убедительно показали, что алгоритмическое формирование базы знаний в процессе обучения и специальная организация экспертной системы позволяют принимать дифференциально-диагностические решения, превышающие возможности современного клинического опыта.

ЗАКЛЮЧЕНИЕ

В результате проведенной работы по разработке высокоточных моделей, алгоритмов и информационного комплекса, обеспечивающих повышение эффективности ранней дифференциальной диагностики осложненных форм инфаркта миокарда были получены следующие результаты.

1. На основе анализа современных подходов к дифференциальной диагностике и прогнозированию ИМ выявлена необходимость разработки высокоточных моделей, алгоритмов и информационного комплекса, обеспечивающих повышение эффективности ранней дифференциальной диагностики осложненных форм данного заболевания.

2. При выборе методики фильтрации в условиях неопределенности предложен алгоритм формирования обучающей выборки, позволяющий отказаться от субъективного мнения эксперта о пороговом значении степени достоверности объектов.

3. Разработана методика построения интервальных и бинарных (матричных) структур, обеспечивающая максимальное извлечение медико-физиологических знаний, приводящая к структурам, элементами которых являются патофизиологически значимые интервалы или прямоугольники проявления жизнедеятельности.

4. Новые возможности извлечения содержательной информации из корреляционной матрицы дает анализ корреляционного графа. Он позволяет выявлять более длинные цепочки отношений между признаками, а не просто их парные связи.

5. Интервальные и бинарные структуры в совокупности со стратегией распознавания образов - объект базы знаний интеллектуальных систем, не требующий при своем формировании экспертных медицинских и инженерных знаний высокого уровня.

6. Предложена методика разработки решающих правил при помощи модифицированного многошагового байесовского алгоритма, использующего стратегию Байеса, но освобожденного от влияния априорных вероятностей. В ней эффективно интегрированы полезный элемент байесовского подхода (его многоальтернативность) и продуктивная идея неоднородного последовательного анализа (упорядочение признаков в соответствии с их информационной ценностью).

7. Сформирована методология оценки эффективности применения решающих правил на основе метрических и информационных показателей.

8. Экспериментально определен минимальный набор информационно-ценных клинико-лабораторных признаков, достаточных и необходимых для высокоточной дифференциальной диагностики осложненных форм ИМ.

9. В экспертном модуле системы разработана трехуровневая база знаний в рамках предметной области - "Осложненные формы ИМ", из которой возможен переход в другую предметную область.

10. Разработана и внедрена автоматизированная система интеллектуальной поддержки принятия решений для дифференциальной диагностики осложненных форм ИМ в Воронежскую областную клиническую больницу и учебный процесс кафедры "Биотехнические и медицинские аппараты и системы" в Воронежский государственный технический университет.

Список литературы диссертационного исследования кандидат технических наук Залавский, Дмитрий Станиславович, 2003 год

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989. 606с.

2. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Исследование зависимостей. М.: Финансы и статистика, 1983.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. 472с.

4. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.

5. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998. 1022с.

6. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970.

7. Алмазов В.А., Чирейкин Л.В. Трудности и ошибки диагностики заболеваний сердечно-сосудистой системы. Л.: Медицина, 1985.

8. Амосов Н.М., Зайцев Н.Г., Мельников A.A. Медицинская информационная система. Киев: Наукова думка, 1971.

9. И. Амосов Н.М., Палец Б.Л., Агапов Б.Г. Теоретические исследования физиологических систем. Математическое моделирование. Киев: Наукова думка, 1977. - 245с.

10. Анонченко В.Г. Прогнозирование течения и исходы острого инфаркта миокарда // Сов. медицина. 1988. № 5. С. 3-6.

11. Антомонов Ю.Г. Моделирование биологических систем. Справочник. К.: Наукова думка, 1977.

12. Афифи А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. Пер. с англ. М.: Мир, 1982. - 488с.

13. Ахутин В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977. С. 37.

14. Балантер Б. И. Вероятностные модели в физиологии. М., Наука, 1977. 252с.

15. Балантер Б.И., Ханин М.А., Чернавский Д.С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980.-264с.

16. Барабаш ЮЛ., Барский Б.В., Зиновьев В.Т. Вопросы статистической теории распознавания. М.: Советское радио, 1967.

17. Бейли Н. Математика и биология в медицине. М.: Мир, 1970.-269с.

18. Бейли Н. Статистические методы в биологии / Пер. с англ.: Под ред. В.В. Налимова. М.: Изд-во «Иностр.лит.», 1962.

19. Беллман Р. Математические методы в медицине / Пер. с англ.: Под ред. JI.H. Белых. М.: Мир, 1987. - 200 с.

20. Белоцерковский О.М., Виноградов A.A., Глазунов A.C. Метод раннего прогнозирования клинического течения острого инфаркта миокарда и определение эффективности средств, предлагаемых для его терапии // Информатика и медицина. М.: Наука, 1997. - С. 72-119.

21. Браверман Э.М. Диагонализация матрицы связи и выявление скрытых факторов. В кн.: Сборник трудов Института проблем управления. Вып. 1. Проблемы расширения возможностей автоматов. - М.: Институт проблем управления АН СССР, 1971 - С. 42-79.

22. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. 432с.

23. Бухштабер В.М., Зеленюк Е.А., Зубенко A.A. Конструирование интерактивных систем анализа данных. М.: Финансы и статистика, 1989.

24. Вальд А. Последовательный анализ / Пер. с англ.; Под ред.

25. B.А. Севастьянова. М.: Наука, 1960.

26. Вальд А. Статистические решающие функции // Позиционные игры; Под ред. H.H. Воробьева и H.H. Врублевской. М.: Наука, 1967.1. C. 300-522.

27. Ван дер Варден Б.Л. Математическая статистика / Пер.с нем.; Под ред. Н.В.Смирнова, М.: Изд-во «Инострлит.», 1960.

28. Вапник В.Н., Червоненкис A.J1. Теория распознавания образов (статистические проблемы обучения). М.: Наука. 1974.

29. Вентцель Е.С. Теория вероятностей. М.: Наука, 1998.

30. Виноградов A.B., Вихерт A.M., Дорофеева 3.3., Чазов Е.И. Инфаркт миокарда. М.: Медицина, 1971. 312с.

31. Вишнев С.М. Основы комплексного прогнозирования. М.: Наука, 1977.-287с.

32. Ганелина И.Е., Бриккер В.Н., Вольперт Е.И. Острый период инфаркта миокарда. Д.: Медицина, 1970. -288с.

33. Ганелина И.Е., Шальнев В.И., Дерягина Г.Г. Диагностика и лечение инфаркта миокарда. Тбилиси, 1987. 130с.

34. Гантмахер Ф. Р. Теория матриц. М.: Наука, 1967. 576 с.

35. Гельфанд И.М. Лекции по линейной алгебре. М.:ГИТЛ,1951.

36. Гельфанд И.М., Губерман Ш.А., Сыркин А.Л. Прогнозирование исхода инфаркта миокарда с помощью программы "Кора-3" // Кардиология. 1987. №6. С. 19-23.

37. Гельфанд И.М., Розенфельд Б.И., Шифрин М.А. Очерки о совместной работе математиков и врачей. М.: Наука, 1989.

38. Гельфанд И.М., Семенюк Э.П. Некоторые задачи классификации и прогнозирования из различных областей медицины // Вопросы кибернетики, 1985. Вып. 112. - С. 65-127.

39. Гизатулин Ш.Х., Амиров А.Х. Компьютерные истории болезни // Terra Medica, 1996. №2. - С. 2-5.

40. Глакц С. Медико-биологическая статистика / Перевод с англ.; Под ред. Н.Е. Бузикашвили и Д.В. Самойлова. М.: Практика, 1999.

41. Гласе Дж., Стэнли Дж. Статистические методы в педагогике и психологии / Пер. с англ; Под ред. Ю.П. Адлера. М.: Прогресс, 1976.

42. Горботовский Я.А., Филимонов С.Н., Лотош Е.А. Прогнозирование вероятности инфаркта миокарда по генетическим и фенотипиче-ским маркерам // Терапевт, архив. 1996. № 9. С. 42-47.

43. Горелик A.J1. Скрипкин В.А. Методы распознавания: Учеб. пособие. 2-е изд. - М.: Высш. шк., 1984. - 209с.

44. Горелик A.JI. Современное состояние проблемы распознавания: Некоторые аспекты / A.JI. Горелик, И.Б. Гуревич, В.А. Скрипкин. -М.: Радио и связь, 1985. 160с.

45. Гроссман С., Тернер Дж. Математика для биологов // Пер. с англ; Под ред. Ю.М. Свирежева. М.: Высш. шк., 1983.

46. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. JL: Медицина, 1978. - 294с.

47. Гублер Е.В.- Вычислительные методы распознавания патологических процессов. JL: Медицина, 1970.

48. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии. Л.: Медицина, 1990. 210с.

49. Делекторская Л.И., Пименова Л.М., Кадашева О.Г. Оценка диагностической информативности лабораторных тестов // Клин. лаб. диагн. -1992. № 1-2. - С. 49-58.

50. Денисенко Б.А. Инфаркт миокарда правого и левого желудочков: математическая диагностика, коррекция нарушений гемодинамики / Под ред. М.Н. Цинникера, Ю.А. Воронина. Новосибирск: Наука, 1987. 192с.

51. Дитятев В.П. Динамическая оценка тяжести состояния и ближайшего прогноза больных острым инфарктом миокарда с помощью больничного индекса тяжести // ИБС и нарушения сердечного ритма. Свердловск, 1988. С. 52-56.

52. Дорофеюк A.A. Алгоритмы автоматической классификации (обзор). Автоматика и телемеханика, 1971, №12 - С. 23-31.

53. Дунаевский O.A., Михеев В.А., Колесников О.Д. // Программные процессы и системы. 1989. - №4. - С. 42-45.

54. Елисеева И.И., Руковишников В.О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977.

55. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986. 174с.

56. Жамбю М. Иерархический кластер-анализ и соответствия / Пер. с фр. М.: Финансы и статистика. 1988. 342с.

57. Загорулько Н.Г. Методы распознавания и их применение. -М.: Радио и связь, 1972.

58. Заде J1.A. Размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер. М.: Мир, 1980.-392с.

59. Залавский Д. С. Информационная поддержка клинических решений // Тез. докл. Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах". Воронеж: ВГТУ, 2002. 165с.

60. Залавский Д.С. Информационная структура медицинских данных и многошаговый байесовский алгоритм // Тез. докл. Всероссийской конференции "Интеллектуальные информационные системы". Воронеж: ВГТУ, 2002. 4.1. С. 57-58.

61. Залавский Д.С. Информационные структуры медицинских данных // Оптимизация и моделирование в автоматизированных системах: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2001. 4.1. -С. 196-200.

62. Залавский Д.С. Коллективы решающих правил // Тез. докл. Всероссийской конференции " Интеллектуализация управления в социальных и экономических системах". Воронеж: ВГТУ, 2003. С. 40-41.

63. Залавский Д.С. Методология медико-биологического познания // Тез. докл. Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах". Воронеж: ВГТУ, 2002.-151с.

64. Залавский Д.С. Моделирование физиологических систем с учетом многопараметрических динамических изменений в состоянии патологии // Компьютеризация в медицине: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2000. С. 30-34.

65. Залавский Д.С. Описание вариабельности выборок с помощью интервальных и бинарных структур // Оптимизация и моделирование в автоматизированных системах: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2002. С. 26-30.

66. Залавский Д.С. Построение алгоритма формирования интервальных и бинарных структур клинико-лабораторных данных // Проблемно ориентированные системы управления: Вестник. Воронеж: ВГТУ, 2001. Выпуск.2.1. - С. 105-109.

67. Залавский Д.С. Применение функционала Кульбака для построения интервальных и бинарных структур // Компьютерные технологии в промышленности и связи: Материалы региональной научно-технической конференции. Воронеж: ВГТУ, 2002. С. 251-253.

68. Залавский Д.С. Сравнительный анализ индивидуального и группового коэффициентов корреляции // Тез. докл. Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах". Воронеж: ВГТУ, 2003. 145 с.

69. Залавский Д.С. Формирование обучающей выборки для моделирования осложненных форм инфаркта миокарда // Высокие технологии в технике, медицине, экономике и образовании: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2002. Ч.З. С. 26-32.

70. Залавский Д.С. Формирование подмножества информационно-ценных признаков для модифицированного многошагового байесовского алгоритма // Проблемно ориентированные системы управления: Вестник. Воронеж: ВГТУ, 2002. Выпуск.2.2. - С. 87-89.

71. Залавский Д.С., Львович Я.Е. Анализ корреляционного графа медико-физиологических признаков // Высокие технологии в технике, медицине, экономике и образовании: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2002. 4.2. С. 13-18.

72. Залавский Д.С., Львович Я.Е. Понятие индекса структурной организации // Прикладные задачи моделирования и оптимизации: Межвузовский сборник научных трудов. Воронеж: ВГТУ, 2002. С. 214-218.

73. Зацепина С.А., Львович Я. Е., Фролов М.В. Управление в биотехнических и медицинских системах / Под ред. В.Н. Фролова: Учеб.пособие. Воронеж: ВГТУ, 1994. 145с.

74. Информатика и медицина: Сборник статей. М.: Наука, 1997.

75. Искусственный интеллект. Справочник. Т. 1,2/ Под ред. Э.И. Попова. М.: Радио и связь, 1990. 340с.

76. Исскуственный интеллект. Модели и методы. Справочник. Кн.2 / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990.

77. Исследования по общей теории систем: Сборник переводов / Под ред. В.Н. Садовского и Э.Г. Юдина. М.: Прогресс, 1969.

78. Кабаси X. Методы и проблемы извлечения знаний // Приобретение знаний/ Пер. с англ.; Под ред. Н.Г. Волкова. М.: Мир, 1990. -С. 68-88.

79. Кант В.И. Методология системного подхода и ее применение в практике здравоохранения. М.: Медицина, 1978. 135с.

80. Капекки В., Меллер Ф. Выявление информативных признаков и группировка // Математика в социологии. М.: Мир, 1977. С. 301-338.

81. Качанова Т.Д., Фомин Б.Ф. Реконструктивный анализ поведения сложных систем по эмпирическим данным. СПбГЭТУ, 1997. Препринт № 1.

82. Кендалл М., Стюарт А. Статистические выводы и связи / Пер.с англ.; Под ред. А.Н. Колмогорова и Ю.В. Прохорова. М.: Наука, 1973.

83. Клир Дж. Системология. Автоматизация решения системных задач / Пер. с англ; Под ред. А.Н. Горлина. М.: Радио и связь, 1990.

84. Колмогоров А.Н. Предисловие редактора перевода книги84.

85. Кристофидес Н. Теория графов. Алгоритмический подход. -М.: Мир, 1978.-432с.

86. Куимов А.Д., Якобсон Г.И. Инфаркт миокарда: клинические и патофизиологические аспекты. Новосибирск: Изд-во Новосибирского ун-та, 1992.-48с.

87. Кульбак С. Теория информации и статистика / Пер. с англ.; Под ред. А.Н. Колмогорова. М.: Наука, 1967.

88. Курант Р., Гильберт Д. Методы математических функций. Т.1. М.: Гостехиздат, 1981.

89. Куренков Н. И., Лебедев Б. Д. Энтропийные методы определения обобщенных характеристик систем в задачах механики // Механика композиционных материалов и конструкций. Т.З., 1997. № 3. С. 97-105.

90. Кутузова А.Э. Применение проб с изометрической физической нагрузкой у больных инфарктом миокарда на этапах реабилитации // Автореф. дисс. канд. мед. наук. СПб, 1996.

91. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний. М.: Наука, 1989.

92. Ластед Л. Введение в проблему принятия решений в медицине / Пер. с англ; Под. ред. М.Л.Быховского. М.: Мир, 1971.

93. Лбов Г.С., Котюков В.И., Манохин А.Н. Об одном алгоритме распознавания в пространстве разнотипных признаков // Вычислительные системы. Новосибирск, 1973. Вып. 55. С. 108-118.

94. Леонов В.П., Ижевский П.В. Об использовании прикладной статистики при подготовке диссертационных работ по медицинским и биологическим специальностям // Бюлл. ВАК РФ. 1997. - № 5. - С. 56-61.

95. Ловриненко A.M. Экономические аспекты снижения заболеваемости болезнями системы кровообращения // Сов. здравоохр. 1983. № 4.-25с.

96. Лопаткин H.A., Лопухин Ю.М. Эфферентные методы в медицине. М.: Медицина, 1989. 350с.

97. Лорьер Ж.Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1990. 378с.

98. Львович И.Я., Федорков Е.Д. Математические основы информатики, Воронеж: изд. ВГТУ, 1997. -98с.

99. Львович Я.Е. Управление в биологических и медицинских системах / Я.Е. Львович, М.В. Фролов. Воронеж: ВГТУ, 1994. 183с.

100. Маколкин М.Д. Экспериментальные статистические методы построения алгоритмов прогноза инфарктов миокарда // Мед. техника. 1988. №6.-С. 16-22.

101. Малая Л.Т. Неосложненные и осложненные формы заживления инфаркта миокарда. Киев.: Здоровье, 1992. 130с.

102. Малета Ю.С., Тарасов В.В Математические методы статистического анализа в биологии и медицине, Вып. 2. М.: Изд-во МГУ, 1982.

103. Малета Ю.С., Тарасов В.В. Математические методы статистического анализа в биологии и медицине. Вып. 1. — М.: Изд-во МГУ,1982.

104. Мартыненко В.Ф. Классификация прогнозов и методов прогнозирования. М.: ЦИУВ, 1973. - 23с.

105. Материалы медицинского приборостроения: Учеб. пособие / Д.С. Залавский, O.E. Работкина, К.А. Разинкин; Под ред. В.Н. Фролова. Воронеж: Изд-во ВГТУ, 2000. 166с.

106. Меньшиков В.В, Пимеяова Л.М. Методические рекомендации по разработке референтных величин лабораторных показателей. — М.,1983.

107. Меньшиков В.В. Клиницист и лаборатория в диагностическом диалоге // Клинический диагноз лабораторные основы / Под ред. В.В. Меньшикова. - М.: 1997. - 22с.

108. Месарович М. Общая теория систем и ее математические основы // Исследования по общей теории систем. Сб. переводов; Под ред. В.Н. Садовского и Э.Г. Юдина. М.: Прогресс, 1969. - С. 165-180.

109. Месарович М. Теория систем и биология: точка зрения теоретика // Системные исследования. Ежегодник. М., 1970. - С. 137-164.

110. Минцер О.П., Цуканов Ю.Т. Клиническое прогнозирование. -Киев, 1983.

111. Моделирование биотехнических и медицинских систем: Учеб. пособие / Я.Е. Львович, М.В. Фролов, К.А. Разинкин и др.; Под ред. В.Н. Фролова. Воронеж: Изд-во ВГТУ, 1994. С. 114-119, 157-161, 165-169, 176-180.

112. Неймарк Ю.И. Распознавание образов и медицинская диагностика / Ю.И. Неймарк, З.С. Баталова, Ю.Г. Васин, М.Д. Бредо, М.: Наука, 1972. 328с.

113. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.

114. Ошибки клинической диагностики / Под ред. С.С. Вайля. JT.: Медгиз. 1961.

115. Переверзев-Орлов B.C. Проблемы и концепции построения интеллектуальных партнерских систем // Компьютеры и познание. -М.: 1990. С. 52- 57.

116. Перегудов Ф.И. Тарасенко Ф.П. Введение в системный анализ М.: Высшая школа, 1989. - 368с.

117. Пименов JI.T. Современные лабораторно-инструментальные и математические методы в диагностике, терапии и реабилитации инфаркта миокарда. Горький: Изд-во ГМИ, 1986. 46с.

118. Поллард Дж. Справочник по вычислительным методам / Пер. с англ.; Под ред. П.П. Пархоменко. М.: Энергия, 1982. 344с.

119. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988.

120. Построение экспертных систем / Под ред. Ф. Хейес-Рота, Д. Уотермана, Д. Лената / Пер. с англ.; Под ред. В.Л. Стефанюка. М.: Мир, 1987.

121. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука; Пер. с англ. М.: Мир, 1989.

122. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки; Пер. с японского под ред. Н.Г. Волкова. М.: Мир, 1990.

123. Проблемы вычислительной диагностики / Под ред. Е.В. Губ-лера. М.: Наука, 1969.

124. Разинкин К.А., Родионов О.В., Федорков Е.Д. Оценка динамики и выбор управления при лечении хронических заболеваний // Высокие технологии в технике, образовании, медицине: Межвуз. сб. на-уч.тр. Воронеж: ВГТУ, 1994. С. 83-93.

125. Растригин Л.А. Эренштейн P.A. Метод коллективного распознавания М.: Наука, 1981.

126. Руда М.Я., Зыско А. П. Инфаркт миокарда. 2-е изд. М.: Медицина, 1981.-288с.

127. Селиванова Г.В. Клиника и диагностика постинфарктного синдрома // Сб. трудов Рязанского мед. ин-та. Рязань, 1990. Т. 70. С. 6264.

128. Справочник по теории вероятностей и математической статистике / B.C. Королюк, Н.И. Портенко, A.B. Скороход и др. М.: Наука, 1985. -640с.

129. Статистические методы для ЭВМ / Под ред. К. Экслейна, Э. Рэлстона, Г. Уилфа; Пер. с англ. М.: Наука, 1986.

130. Ступницкий A.A., Карпов Б.В. Лечение при инфаркте миокарда на этапах медицинской реабилитации: Метод, рекомендации для субординаторов. Воронеж: Изд-во ВГМИ, 1989. -28с.

131. Сыркин A.JI. Инфаркт миокарда. М.: Медицина, 1991. 304с.

132. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М: Синтег, 1998. - 376с.

133. Трушинский З.К. Количественный метод оценки тяжести течения инфаркта миокарда // Современные вопросы кардиологии. М.: Медицина, 1977. С. 9-21.

134. Ту Дж., Гонзалес Р. Принципы распознавания образов / Пер с англ.; Под ред. Ю.И. Журавлева; М.: Мир, 1978.

135. Тьюки Д.У. Анализ данных, вычисление на ЭВМ и математика И Современные проблемы математики. М., 1977. - С. 41-64.

136. Тюрин Ю.Н., Макаров А.А Анализ данных на компьютере. -М.: Финансы и статистика, 1995.

137. Уилкс Д. Математическая статистика. М.: Наука, 1967.

138. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М., 1986.

139. Франкфурт A.A. О своеобразии и сложности расспроса больного при инфаркте миокарда // Клинич. медицина. 1992. Т. 70, № 3/4. С. 69-71.

140. Фролов В.Н. Выбор тактики лечения с применением математических методов. Воронеж, ВГТУ, 1977.

141. Фукунага К. Введение в статистическую теорию распознавания образов / Вер. с англ.; Под ред. A.A. Дорофеюка. М.: Наука, 1979.

142. Халфен Э.Ш., Шварц И.Л. Прогнозирование возможности возникновения инфаркта миокарда. Саратов: Изд-во Саратовск. филиала Ленингр. НИИ кардиологии, 1986. 48с.

143. Харари Ф., Палмер Э. Перечисление графов / Пер. с англ. -М.: Мир, 1977.

144. Холлендер М., Вулф Д.А Непараметрические методы статистики. -М.: Финансы и Статистика, 1983.

145. Шеннон Р. Имитационное моделирование систем Искусство и наука. - М.: Мир, 1978. - 418с.

146. Шорников Б.С. Классификация и диагностика в биологическом эксперименте. М., Наука, 1979.

147. Эшби У.Р. Введение в кибернетику / Пер. с англ.; Под ред. А.Н. Колмогорова. М.: Изд-во "Иностр. Лит", 1959.

148. Эшби У.Р. Принципы самоорганизации // Принципы самоорганизации / Пер. с англ.; Под ред. А.Я. Лернера. М.: Мир, 1966. - С. 314-343.

149. Яглом А. М., Яглом И. М. Вероятность и информация М.: Наука, 1973.

150. Anderson T.W., Le Riche W. H., MacKey J.S. Sudden death and ishemic heart disease. Correlation with hardness of water supply // New Engl. J. Med. 1979. Vol. 280. P. 805-807.

151. Ball G.H. ISODATA, an iterative method of multivariate data analysis and pattern classification // IEEE Intern. Conf. New York. 1966. -375p.

152. Baxt W.G. Application of artifical neural networks to clinical medicine // Lancet, 1995 Oct 28-346 (8983). P. 1135-1138.

153. Breimer LH., Wannamethee G., Ebrahim S. Shaper AG. Serum Bilirubin and Risk oflschemic Heart Desease in Middle Aged British Men // Clin Chem. -1996. -V.41. P. 1504-1508.

154. Card W. The computer, the clinical and the future. Practitioner, 1978. - V/220, N1317. - P. 431-435.

155. Charman B.L., Gray C.H. Prognostic index for myocardial infarction treated in the coronary care unit // Brit. Heart. J. 1973. Vol. 35. P. 135-141.

156. Clayton P.D. Hripcsak G. Decision support in healthcare Hint.J. Bio-Med.Comput. -1995. -V. 39. P. 59-66.

157. Cox D.R.- Regression models and life-tables // J.Royal Stat.Soc. -1972.-V.34-P. 187-202.

158. Dichinson C.J. The use and potential use of simulation models in clinical medicine // Real-time computer in patient management. London, 1976.-P. 171-174.

159. Engle R.L. Attempts to use computers as diagnostic aids in medical decision making: a thirty year experience // Perspect. Biol. Med. -1992. -V.35. № 2. - P. 207-219.

160. Fisher R.A. On the mathematical foundation of theoretical statistics // Philos. Trans. Ray. Soc. A. -1922- V.222. P. 309-368.

161. Gunner R.M., Zeeb H.S., Rahimtoola S.H. Shock in myocardial infarction. New York; London: Grune and Statton, 1974. 295p.

162. Hamilton P.W., Bartels P.H., Thompson D. et al. Automated locaion of displastic fields in colorectal histology using image texture analysis //J.Pathol.-1997-V. 182.-Xal. P. 68-75.

163. Ivandic M., Hermann W., Glider W.G . Development and evalution of urine protein expert system // Clin.l Chem. 1996.-V.42. - P. 1214-1222.

164. Jardine N., Sibron R. The construction of hierarchical and nonhierarchical classifications // Computer J., 1986. № 11. P. 177-184.

165. Kazamlas T.M., Gander M.P., Ross J. The prognostic significance of left ventricular size after acute myocardial infarction // Am. J. Cardiol. 1980. Vol. 26. 642p.

166. Knowledge Acquisition tools for expert systems / ed. J.H. Boose and B.R. Gaines. London San Diego N.Y. Berkley Boston Tokyo Toronto Academic Press. -1988. V.l; V.2.

167. Lown B., Vassaux C., Hoodw B., Fakhro A. M., Kaplinsky E., Roberge G. Unresolved problems in coronary care // Am. J. Cardiol. 1987. Vol. 20. 494p.

168. Molino G., Molino F., Furia D., Bar F., Battista S. Coppello N. Computer -Aided Diagnosis in Jaundice: Comparation of Knowledge-based and Probabilistic Approaches // Meth. Inform. Med-1996. -V. 35. P. 41-51.

169. Murphy G.W., Click G., Screiner B.F., Yu P.N. Cardiac output in acute myocardial Infarction // Am. J. Cardiol. 1973. Vol. 11.- 587p.

170. Neyman J., Pearson E.S. On the use and interpretation of certain test criteria for purpose of statistical inference // Biometrika 1928. - V.20A. -P. 175-240.

171. Safran C. Using routinely collected data for clinical research // Stat.Med -1991.-V. 10. P. 559-564.

172. Shortliffe E.H. Clinical decision-support systems // Medical Informatics: computer application in health care. Addison-Wesley. - 1990. -P. 466-502.

173. Van Bemmel J.H. Medical Informatics, Art or Science? // Meth. Inform. Med. 1996. V.35. - P. 157-172.

174. Van Bemmel J.H.Formalization of medical knowledge — the diagnostic strategies and expert systems // Van Bemmel JH, Gremy F, Zvarova J, eds. Medical Decision Making: Diagnostic Strategies And Expert System. Elsevier Science Publishers BV, 1985.

175. Waterman D.A. A Guide to Expert System. Addison - Wesly Publication Company, Inc., 1986.

176. Wilcoxon F. Individual comparisons by ranking methods // Biometrics Bull. 1945.-V.1. - P. 80-83.

177. Zalter R., Sadik E.Y. Prognostic significance of the magnitude of S-T segment shift in myocardial infarction // Circulation. 1981. Vol. 24. -1075p.