Система поддержки принятия решений по оценке активности воспалительных процессов на основании анализа пассивных электрических свойств биопроб тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Киреев, Андрей Владимирович

  • Киреев, Андрей Владимирович
  • кандидат технических науккандидат технических наук
  • 2009, Пенза
  • Специальность ВАК РФ05.13.01
  • Количество страниц 155
Киреев, Андрей Владимирович. Система поддержки принятия решений по оценке активности воспалительных процессов на основании анализа пассивных электрических свойств биопроб: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Пенза. 2009. 155 с.

Оглавление диссертации кандидат технических наук Киреев, Андрей Владимирович

СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1 ОСОБЕННОСТИ ИССЛЕДОВАНИЯ ПЭС БИООБЪЕКТА.

1.1 Общая характеристика задач и объекта исследования.

1.2 Систематизация методов исследования ПЭС.

1.3 Параметры, определяющие ПЭС биообъекта.

1.4 Систематизация математических моделей биообъекта.

1.5 Анализ методов идентификации математических моделей.

1.6 Анализ методов принятия решений при интерпретации параметров ПЭС биообъекта.

Выводы по главе.

2 ОБРАБОТКА ПЕРВИЧНОЙ ИЗМЕРИТЕЛЬНОЙ ИНФОРМАЦИИ

В СППР ОАВП НА ОСНОВАНИИ АНАЛИЗА ПЭС БИОПРОБ.

2.1 Разработка математической модели ПЭС биожидкости.

2.2 Анализ алгоритмов адаптивной идентификации.

2.3 Определение оптимального тестового воздействия.

2.4 Компенсация систематической погрешности измерений параметров ПЭС с помощью методов редукции.

2.5 Формирование обобщенного показателя активности протекания воспалительного процесса.

Выводы по главе.

3 ЭКСПЕРИМЕНТАЛЬНОЕ ОПРЕДЕЛЕНИЕ ОПТИМАЛЬНЫХ

УСЛОВИЙ ИЗМЕРЕНИЯ ПАРАМЕТРОВ ПЭС БИООБЪЕКТА.

3.1 Оценка эффективности применения тестовых сигналов различного типа.

3.2 Исследование алгоритмов адаптивной идентификации параметров линейной динамической модели биообъекта.

3.3 Проверка электрических моделей ПЭС на адекватность и определение требуемых значений параметров дискретизации.

3.4 Исследование модели ДЭС.

3.5 Анализ передаточных функций ПЭС биопроб и построение решающей функции СППР ОАВП.

Выводы по главе.

4 РЕАЛИЗАЦИЯ СППР ОАВП НА ОСНОВАНИИ АНАЛИЗА ПЭС

БИООБЪЕКТА.

4.1 Обобщенная структура СППР ОАВП на основании анализа ПЭС биообъекта.

4.2 Разработка датчиков для исследования ПЭС биожидкостей.

4.3 Реализация аналогового тракта СППР ОАВП на основании анализа ПЭС биообъекта.

4.4 Реализация программной части СППР ОАВП на основании анализа ПЭС биообъекта.

Выводы по главе.

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Система поддержки принятия решений по оценке активности воспалительных процессов на основании анализа пассивных электрических свойств биопроб»

Актуальность работы. Эффективность лечения и предупреждение осложнений воспалительных процессов во многом связаны не только с возможностью их надежного выявления на ранних стадиях, но и с возможностью регистрации активности их протекания в динамике. Это необходимо для получения прогноза дальнейшего течения заболевания и выбора оптимальной тактики лечения. В настоящее время для исследования воспалительных процессов используются рентгенологические и биохимические методы, а так же методы рентгеновской и MP томографии, предоставляющие значительную информацию о характере патологического процесса. Однако применение этих методов отнимает значительное время и сопряжено с воздействием вредных факторов на организм, что не позволяет их использовать с высокой периодичностью и сильно затрудняет исследование воспалительного процесса в динамике. В этом отношении, перспективным является применение диагностических методов, основанных на исследовании пассивных электрических свойств биообъекта (ПЭС). Общие достоинства этих методов заключаются в абсолютной безвредности для организма, быстроте и оперативности применения, а также сравнительно низкой себестоимости.

Понятие пассивные электрические свойства включает в себя множество характеристик, определяющих электрическую реакцию объекта на воздействие внешнего электрического тока. Пассивные электрические свойства биообъекта заключают в себе значительный объем полезной информации, однако ее полное использование для постановки диагноза сталкивается с серьезными затруднениями. Из-за отсутствия четкой взаимосвязи с физиологическими параметрами биообъекта, представляющими интерес в плане постановки диагноза, параметры ПЭС биообъекта несут в себе значительную неопределенность. Увеличение числа принимаемых во внимание параметров неизбежно приводит к возникновению противоречий в процессе принятия диагностических решений. Вместе с этим, в силу особенностей мышления человек не в состоянии оперировать большим количеством параметров, что особенно ярко проявляется в условиях недостатка времени, типичных для большинства задач медицинской диагностики. Поэтому на практике обычно используется только малая часть полезной информации, заключенная в нескольких наиболее информативных параметрах ПЭС.

Одной из форм представления ПЭС является частотная зависимость импеданса. В настоящее время именно импедансометрия используется в биомедицинских исследованиях. А.Ф. Калашник предложил использовать импедансометрию для прогнозирования нагноения ран. В работе А.В. Давыдова предприняты попытки увеличения диагностической ценности импедансометрического метода при диагностике острого синусита за счет использования в качестве информативного признака "коэффициент активного сопротивления" (КАС), представляющий собой отношение активных низкочастотных и высокочастотных сопротивлений воспаленной биологической ткани.

Несмотря на отдельные успехи, реальная диагностическая ценность методов исследования ПЭС биообъекта в настоящее время остается слишком низкой, и результаты таких исследований являются малодостоверными. Это связано с тем, что информативность отдельных параметров импеданса биообъекта является сравнительно невысокой, а их связь с интересующими физиологическими параметрами биообъекта - сильно опосредованной. Низкая информативность импедансных параметров связана с присутствием в результатах реальных измерений значительной доли погрешностей, как случайного, так и систематического характера. Отсутствие четкой взаимосвязи между измеряемыми параметрами импеданса и физиологическими параметрами биообъекта, вызывает серьезные затруднения, вязанные с интерпретацией результатов измерений.

В настоящее время методики биоимпедансных исследований разработаны достаточно хорошо и существенное повышение информативности результатов исследований ПЭС биообъекта может быть достигнуто только за счёт использования других, более адекватных, способов представления ПЭС биообъекта и построения на их основе новых способов получения и обработки первичной измерительной информации о ПЭС. Причём достижение реального положительного эффекта в плане повышения качества постановки диагноза за счет увеличения числа измеряемых параметров, становится возможным, только при использовании автоматизированных систем поддержки принятия решений (СППР), позволяющих в условиях дефицита времени, на основании множества параметров ПЭС, давать четкие рекомендации по принятию оптимальных диагностических решений. Создание таких систем на основе методов исследования ПЭС является особенно актуальным, так как является единственным путем существенного повышения диагностической ценности и расширения области практического применения этих методов.

Работа выполнена в соответствии с внутренним грантом Пензенской государственной технологической академии за 2008г. на тему «Информационно-измерительная система для исследования и контроля пассивных электрических свойств биообъекта» по направлению «Наука -шаг в будущее».

Цель работы. Разработка системы поддержки принятия решений врача - хирурга, позволяющей повысить достоверность оценки активности протекания воспалительного процесса на основании данных о ПЭС отбираемых биопроб.

Для достижения поставленной цели необходимо решить следующие задачи:

- разработать адекватную математическую модель ПЭС биообъекта и эффективный метод её идентификации при наличии посторонних шумов;

-разработать методы компенсации случайной и систематической погрешностей измерения параметров ПЭС биообъекта;

- разработать специализированные алгоритмы принятия диагностических решений по оценке активности воспаления на основании параметров ПЭС биопроб, отбираемых в процессе лечения;

- реализовать СППР по оценке активности воспалительного процесса на основании данных о ПЭС отбираемых биопроб.

Методы исследований. При решении поставленных задач использовались методы системного анализа, методы математического моделирования, методы принятия решений, методы адаптивной идентификации линейных систем, методы деконволюции сигналов, методы редукции измерений, численные методы, методы статистики многомерных данных, нейросетевые методы, методы линейной оптимизации, методы электрохимического анализа.

Научная новизна работы. В диссертационной работе получены следующие результаты, характеризующиеся научной новизной:

- двухуровневая иерархическая модель ПЭС биообъекта, отличающаяся наличием второго уровня иерархии, выполняющего функции компенсации влияния дестабилизирующих факторов и интерпретации результатов измерений параметров ПЭС биообъекта, позволяющая организовать эффективную процедуру обработки первичной измерительной информации.

- алгоритмы редукции измерений параметров ПЭС биообъекта, позволяющие скомпенсировать систематическую погрешность измерений, обусловленную несовершенством и нестабильностью характеристик аппаратной части системы поддержки принятия решений по оценке активности воспалительного процесса (СППР АОВП) в реальном времени.

- специализированные алгоритмы принятия решений по оценке активности воспаления, отличающиеся использованием в качестве информативных признаков коэффициентов многочленов числителя и знаменателя передаточной функции ПЭС биопроб и позволяющие повысить достоверность оценки активности воспаления.

- система адаптивной идентификации, отличающаяся сочетанием полигармонического сигнала с идеальной автокорреляционной функцией (АКФ), линейной модели ПЭС биообъекта с бесконечной импульсной характеристикой (БИХ) и градиентного алгоритма наименьших средних квадратов (НСК), обеспечивающая, при минимальной вычислительной сложности, быструю сходимость и точную оценку высокоинформативных параметров ПЭС биообъекта.

Практическая значимость и результаты внедрения. Разработанные методики модели и алгоритмы позволяют повысить достоверность оценки активности воспалительного процесса и дают возможность прогнозирования дальнейшей динамики его протекания, на основании анализа ПЭС биопроб, что в свою очередь позволяет своевременно определить наиболее эффективную тактику лечения и сократить период пребывания больных в стационаре.

Результаты работы внедрены в учебный процесс Пензенской государственной технологической академии при подготовке специалистов по направлению 200401 - "Биотехнические и медицинские аппараты и системы", а так же используются в учебном процессе ГДО ДПО «Пензенский институт усовершенствования врачей Росздрава».

Апробация результатов работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, симпозиумах и форумах: Междунар. симп. «Надежность и качество» (Пенза, 2002); XIII научных чтениях памяти академика Н.Н. Бурденко (Пенза, 2002); XI Междунар. симп. «Мониторинг, аудит и информационное обеспечение в системах медико-экологической безопасности» (Испания, Коста Дуарада, 2002); V междунар. конф. «Радиоэлектроника в медицине» (Москва, 2003); Междунар. конф. «Измерительные и информационные технологии в охране здоровья» (Санкт-Петербург, 2007); Междунар. НТК «Современные информационные технологии» (Пенза, 2007); XIV Междунар. НТК «Радиоэлектроника, электротехника и энергетика» (Москва, 2008); XI Междунар. НТК «Медико-экологические информационные технологии - 2008» (Курск, 2008); Междунар. НТК «Методы, средства и технологии получения и обработки измерительной информации» (Пенза, 2008); XXXIV Междунар. конференции и дискуссионного клуба «Информационные технологии в науке социологии экономике и бизнесе IT+SE'08» (Крым, Ялта - Гурзуф, 2008).

Основные положения, выносимые на защиту.

1. Двухуровневая иерархическая модель ПЭС биообъекта, позволяющая организовать эффективную процедуру обработки первичной измерительной информации, получаемой в процессе исследования ПЭС биообъекта.

2. Алгоритмы редукции измерений параметров ПЭС биообъекта, позволяющие скомпенсировать систематическую погрешность измерений, обусловленную несовершенством и нестабильностью характеристик аппаратной части системы поддержки принятия решений по оценке активности воспалительного процесса (СППР АОВП) в реальном времени.

3. Специализированные алгоритмы принятия диагностических решений по оценки активности воспалительного процесса на основании анализа ПЭС отбираемых биопроб, позволяющие повысить достоверность оценки активности воспаления за счёт использования множества параметров ПЭС. 4. Система адаптивной идентификации модели ПЭС биообъекта, позволяющая при минимальной вычислительной сложности достичь быстрой сходимости адаптивного процесса и высокой точности оценок высокоинформативных параметров ПЭС биообъекта. Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 20 печатных работ.

Личный вклад автора. В работах, опубликованных в соавторстве и приведенных в конце автореферата, в [5] лично автором проведен сравнительный анализ эффективности применения нейронных сетей различного типа при распознавании биообъекта, в [4,6,9] - лично автором проведено усовершенствование конструкции четырехэлектродных датчиков и проведен анализ областей его практического применения, в [8] - лично автором проведены исследования по улучшению воспроизводимости параметров ПЭС, в [10] - лично автором установлена теоретическая взаимосвязь ПЭС ДЭС с химическим составом электролита, в [11,16] - лично автором проведен анализ методов адаптивной идентификации и преимуществ их использования при исследовании ПЭС биообъекта, в [2,17,19] - лично автором разработана система сбора данных и алгоритмы обработки первичной измерительной информации, в [20] -лично автором проведен анализ методов принятия решений и разработаны нейросетевые алгоритмы построения решающей функции СППР.

Структура и объем работы. Диссертация состоит из введения, 4 глав, выводов по главам, заключения, библиографического списка использованной литературы и приложения. Основная часть работы изложена на 145 страницах, включая 51 рисунок, 84 формулы, 11 таблиц. Библиографический список содержит 107 наименований источников.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

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

Выводы по главе

1. Предложена обобщенная структурная схема построения СППР ОАВП на основании ПЭС биообъекта позволяющая выделить основные элементы данной СППР, их взаимосвязи и сформулировать основные требования, предъявляемые к каждому из них.

2. Предложены надежные и практичные конструкции двухэлектродно-го поляризующегося датчика и четырехэлектродного контактного датчика для исследования ПЭС биожидкостей, обеспечивающие высокую информативность измерений параметров ПЭС.

3. Предложено использование в СППР ОАВП на основании анализа ПЭС биообъекта, в качестве генератора возбуждающего тока, однобитного ЦАП с токовым выходом управляемого двоичными минимаксными кодовыми последовательностями имеющего простую конструкцию и позволяющего обеспечить высокую точность воспроизведения требуемой формы тестового сигнала на физическом уровне.

4. В результате расчета и оценки нестабильности характеристик аналоговых фильтров установлено, что современные средства аналоговой фильтрации не позволяют в полной мере удовлетворить требованиям высокоразрядных АЦП по подавлению высокочастотных составляющих сигнала и устранению эффекта наложения спектров и для обеспечения высокой информативности измерений требуется восстановление искаженных сигналов посредством цифровой фильтрации.

5. Разработана действующая Simulink - модель СППР ОАВП на основании анализа ПЭС биообъекта, реализующая ее программную часть, позволяющая проводить исследования ПЭС биообъекта в реальном масштабе времени, осуществлять быстрый и оперативный контроль, многократно повторять измерения, а так же - реализовать мониторинг состояния исследуемого биообъекта.

ЗАКЛЮЧЕНИЕ

В результате выполнения настоящей диссертационной работы были получены следующие результаты.

1. Предложена двухуровневая иерархическая модель ПЭС биообъекта, позволяющая реализовать эффективную обработку первичной измерительной информации, а так же интерпретировать данные измерений в терминах химического состава биообъекта.

2. Разработана адаптивная система на базе полигармонических тестовых сигналов с идеальной формой АКФ, алгоритма НСК и линейной параметрической модели типа ARX, обеспечивающая при минимальной вычислительной сложности, быструю сходимость и точную оценку высокоинформативных параметров ПЭС биообъекта.

3. Разработаны алгоритмы редукции измерений параметров ПЭС биообъекта, позволяющие скомпенсировать систематическую погрешность измерений, обусловленную несовершенством и нестабильностью характеристик аппаратной части СППР ОАВП.

4. Разработаны специализированные алгоритмы поддержки принятия решений на основе линейной решающей функции, формирующей обобщенный показатель активности протекания воспалительного процесса.

5. Разработана обобщенная структурная схема построения СППР ОАВП на основании ПЭС биообъекта, позволяющая выделить основные элементы данной СППР, их взаимосвязи и сформулировать основные требования, предъявляемые к каждому из них.

6. Разработана надежная конструкция двухэлектродного поляризующегося датчика для исследования ПЭС биожидкостей, обеспечивающая высокую информативность измерений параметров ПЭС.

7. Реализован и внедрен опытный образец СППР ОАВП на основании анализа ПЭС биообъекта, построенный на базе ПЭВМ и средств визуального моделирования Matlab - Simulink, позволяющий проводить исследования ПЭС биообъекта в реальном масштабе времени, осуществлять быстрый и оперативный контроль, многократно повторять измерения, а так же - реализовать мониторинг параметров ПЭС.

Список литературы диссертационного исследования кандидат технических наук Киреев, Андрей Владимирович, 2009 год

1. Получение информации о параметрах и характеристиках организма и физические методы воздействия на него: Учебное пособие/ В.Г. Гусев. М.: Машиностроение, 2004. - 597с.

2. Лайт Р.У. Болезни плевры / Пер. с англ. М.: Медицина 1986; 376 с.

3. Путов Н.В. Плевриты. В кн.: Руководство по пульмонологии. Под ред. Н.В. Путова и Г.Б. Федосеева. - Л.: Медицина 1984. - С. 414-30.

4. Стручков В.И. Острый гнойный плеврит. В кн.: В.И. Стручков. Гнойная Хирургия. - М.: Медицина 1967. - С. 255-66.

5. Геращенко С.И., Никольский В.И. Применение джоульметрии для изучения динамики воспалительного процесса // Новые промышленные технологии. М. - 1993. - № 6 (260). - С. 23-26.

6. Гостищев В.К., Сажин В.П., Авдовенко А.Л. Перитонит. М.: Медицина 1992. -224 с.

7. Давыдов А.В. Использование импедансометрии в диагностике острого синусита, Бюлл. Сиб. Мед. -2002. -№1. -С. 101-106.

8. Калашник А.Ф. и др., Прогнозирование гнойных осложнений послеоперационных ран, Сов. Мед. -1983. №2. - С. 22-25.

9. Смирнов А.В., Цветков А.А. Анализ факторов, влияющих на погрешность измерения биоимпеданса. // Сборник трудов седьмой научно-практической конференции "Диагностика и лечение нарушений регуляции сердечно-сосудистой системы". Москва: 2005. - С. 61 - 66.

10. Элею-ро-химический импеданс/ З.Б. Стойнов, Б.М. Графов, Б.Н. Са-вова-Стойнова, В.В. Елкин М.: Наука, 1991. - 336 с.

11. Торнуев Ю.В., Хачатрян Р.Г., Хачатрян А.П. и др. Электрический импеданс биологических тканей. М.: ВЗПИ, 1990. -145 с.

12. Киреев А.В. Применение методов идентификации для контроля пассивных электрических свойств биообъекта // Инновационные технологии в экономике, информатике, медицине и образовании: Сб. статей IV Межрегиональной НПК, Пенза, 2007. -С. 105-107.

13. Дамаскин Б.Б., Петрий О.А. Введение в электрохимическую кинетику. М.: Высшая школа, 1983. -400 с.

14. Лопатин Б.А. Теоретические основы электрохимических методов анализа. М.: Высшая школа, 1986. - 296 С.

15. Захаров М.С., Баканов В.И., Пнев В.В. Хронопотенциометрия. М.: Химия, 1978. -200 с.

16. Худякова Т.А., Крешков А.П. Теория и практика кондуктометрическо-го и хронокондуктометрического анализа. М.: Химия, 1976. - 304 с.

17. Эме Ф. Диэлектрические измерения / Пер. с нем. М.: Химия, 1967. -223 с.

18. Надь 111. Б. Диэлектрометрия / Пер. с венг. Под ред. В. В. Малова. -М. "Энергия", 1976.-200 с.

19. Антонов В.Ф. и др. Биофизика: Учебник для студ. высш. Учеб. Заведений. М.: Гуманит. изд. центр ВЛАДОС, 1999. -288с.

20. Фридрихсберг Д. А. Курс коллоидной химии / Учеб. для вузов, 2-е изд., перераб. и доп. Л.: Химия, 1984. - 368 с.

21. Ландау Л.Д., Лифшиц Е.М. Электродинамика сплошных сред. -М.: Наука, 1982.-624 с.

22. Владимиров Ю.А., Рощупкин Д.И., Потапенко А.Я. Биофизика: Учебник. М.: Медицина, 1983. -272 с.

23. Гааль Э., Медьеши Г., Верецкеи Л. Электрофорез в разделении биологических макромолекул / Пер. с англ. М.: Мир, 1982. - 448 с.

24. Стромберг А.Г., Семченко Д.П. Физическая химия: Учеб. для хим. спец. вузов / Под ред. А.Г. Стромберга. 3-е изд., испр. и доп. - М.: Высшая школа, 1999. - 527 с.

25. Феттер К. Электрохимическая кинетика. М.: Химия, 1967. - 856 с.

26. Аверьянов А.Н. Система: философская категория и реальность. -М.: Мысль, 1976. -328с.

27. Романов В.Н. Системный анализ для инженеров. СПб: СЗГЗТУ, 2006.-186 с.

28. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975.-321 с.

29. Советов Б. Я., Яковлев С. А. Моделирование систем. М.: Высшая школа, 1998. - 319 с.

30. Сизиков B.C. Устойчивые методы обработки результатов измерений. Учебное пособие. СПб.: «СпецЛит», 1999. - 240 с.

31. Льюнг Л. Идентификация систем. Теория для пользователя: пер. с англ. / Под ред. Я.З. Ципкина. М.: Наука 1991. -432 с.

32. Гольденберг Л.М. и др. Цифровая обработка сигналов: Справочник. -М.: Мир, 1989.-590 с.

33. Пупков К.А., Капалин В.И., Ющенко А.С. Функциональные ряды в теории нелинейных систем. М.: Наука, 1976. - 448 с.

34. Вольтерра В. Теория функционалов, интегральных и интегро-дифференциальных уравнений. М.: Наука, 1982, 304 с.

35. Сверкунов Ю.Д., Исаев А.Е. Идентификация нелинейных систем в классе обобщенных радиотехнических звеньев при гармоническом воздействии // Измерение, контроль, автоматизация. 1980, N 12, С 44-49.

36. Иванов А.И. Ортогональные преобразования при идентификации нелинейных динамических объектов. Челябинск, 1985, ЧПИ. -20 с. Рукопись деп. в ВИНИТИ 12.12.85, N 8617-В85.

37. Мармарелис П., Мармарелис В. Анализ физиологических систем (метод белого шума). М.: Мир, 1981. 480 с.

38. Первозванский A.A. Курс теории автоматического управления: Учеб. Пособие. М.: Наука. Главная редакция физико-математической литературы, 1986. -616 с.

39. Ли. Ю., Щецен М. Определение ядер Винера-Хопфа методом взаимной корреляции. "Техническая кибернетика за рубежом" М.: Машиностроение, 1968. - С. 166-185.

40. Иванов А.И., Иконников А.В., Сон В.А. К вопросу об оценке параметров нелинейного объекта по экспериментальным данным // Ленинграда 986, "Известия ЛЭТИ" вып. 376. С. 44-48.

41. Теоретические основы электротехники. Учебник для вузов. В трех т. Под общ. ред. К.М.Поливанова. Т.2. Жуховицкий Б.Я., Негневицкий И.Б. Линейные электрические цепи (продолжение). Нелинейные цепи. М.: Энергия, 1972. -200 с.

42. Блейхут Р. Быстрые алгоритмы цифровой обработки сигналов: Пер. с англ. М.: Мир, 1989. - 448 с.

43. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: Пер. с англ. -М.: Радио и связь, 1989. -440 с.

44. С.Л. Марп-мл., Цифровой спектральный анализ и его приложения. -М.: Мир, 1990.-547 с.

45. Моисеев Н. Н., Иванилов Ю. П., Столярова Е. М. Методы оптимизации. М.: Наука, 1978г. 352 с.

46. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. Пер. с англ.- М.: Мир, 1985. -509 с.

47. Емельянов С.В., Ларичев О.И. Многокритериальные методы принятия решений. М.: Знание, 1985. -32 с.

48. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 2000. - 272 с.

49. Истомина Т.В., Киреев А.В., Истомина Е.В. Особенности измерения и интерпретации параметров ПЭС биологических объектов // Методы, средства и технологии получения и обработки измерительной информации: труды Международной НТК, Пенза, 2008. -С. 73-80.

50. Денисов А.А. Информационные основы управления. Л.: Энерго-атомиздат, 1983. -72с.

51. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика. 1988.- 176с.

52. Гвишиани Д.М. Организация и управление. М.: Наука, 1972. -265с.

53. Программа создания, внедрения и эффективного использования автоматизированных систем и средств вычислительной техники в МВД СССР на период до 2000 года. М.: МВД СССР, 1987. -75с.

54. Райков А.Н. Аналитическим службам информационные технологии. - М.: Ваш выбор №4 1994. - С.28-29.

55. Новицкий П.В., Основы информационной теории измерительных устройств, «Энергия», Ленингр. отд-ние, 1968.

56. Киреев А.В. Повышение информационных характеристик систем контроля ПЭС биообъекта // Радиоэлектроника, электротехника и энергетика: Тез. докл. XIV Междунар. НТК в 3-х т. М.: Изд. дом МЭИ, 2008. Т.1 - С. 247-248.

57. Пытьев Ю.П. Математические методы интерпретации эксперимента. М.: Высш. шк., 1989. - 351 с.

58. Пытьев Ю.П. Методы анализа и интерпретации эксперимента. М.: Изд-во МГУ, 1990.-288 с.

59. Шеннон К. Работы по теории информации и кибернетике. М.: Изд-во иностр. лит., 1963. - 829с.

60. Киреев А.В. Синтез оптимальной структуры электрической модели биообъекта // Современные информационные технологии: Труды Международной НТК, Пенза, 2007. -С. 161-165.

61. Киреев А.В. Выбор оптимальной структуры модели пассивных электрических свойств биообъекта при построении биометрических ИИС. Известия ЮФУ. Технические науки. Тематический выпуск. «Медицинские информационные системы» №5(82). Таганрог, 2008. -С. 64-68.

62. Потапов А.С. Распознавание образов и машинное восприятие на основе принципа минимальной длинны описания. СПб.: Политехника, 2007. - 547 с.

63. Akaike Н. A New Look at the Statistical Model Identification, IEEE Transaction on Automatic Control, AC-19. 1974. C. 716-723.

64. Schwarz G. Estimating the Dimension of a Model // The Annals of Statistics. 1978. -C. 461-464.

65. Ljung G. M. and Box G. E. P. On a Measure of Lack of Fit in Time Series Models // Biometrika. 1978. 65. P. 297-303.

66. Магнус Я.P., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Москва: Изд-во "Наука", 2001. - 636 с.

67. Киреев А.В. Моделирование динамических характеристик двойного электрического слоя // Современные информационные технологии: Труды Международной НТК, Пенза, 2008. -С. 88-90.

68. Истомина Т.В., Киреев А.В. Адаптивная идентификация пассивных электрических параметров биообъекта // Информационные и управленческие технологии в медицине: сборник статей Всероссийской НТК. Пенза, 2007. -С. 25-30.

69. Истомина Т.В., Киреев А.В. Основные преимущества методов параметрической идентификации в исследованиях ПЭС биообъекта // Медико-экологические информационные технологии 2008: сборник материалов XI Международной НТК, Курск, 2008. -С. 75-78.

70. Киреев А.В. Многопараметрическая система контроля ПЭС биообъекта. Вестник Рязанского государственного радиотехнического университета №2 (24). Рязань, 2008. -С. 19-25.

71. Джиган В.И. Многоканальные RLS- и быстрые RLS- алгоритмы адаптивной фильтрации //Успехи современной радиоэлектроники. -2004. -№11.

72. Варакин Л.Е. Системы связи с шумоподобными сигналами. М.: Радио и связь , 1985. - 384 с.

73. Новицкий П.В., Зограф И.А. Оценка погрешностей результатов измерений. -Л.: Энергоатомиздат, 1985.-248с.

74. Рапопорт М.Б. Вычислительная техника в полевой геофизике: Учебник для вузов. М.: Недра, 1993,- 350 с.

75. Многокритериальные задачи принятия решений / Под ред. Д.М. Гвишиани и С.В. Емельянова. М.: Машиностроение, 1978. - 192 с.

76. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. Кн. 1 / Пер. с англ. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 1986. - 366 е., Кн. 2/ Пер. с англ. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 1987. -351 с.

77. Гусаров В.М. Статистика: Учебное пособие / В.М. Гусаров.- М.: ЮНИТИ-ДАНА, 2001.-463с.

78. Гантмахер Ф.Р. Теория матриц. М.: Наука, 1966. - 576 с.

79. Oja, Е. "A simplified neuron model as a Principal Component Ana-lyzer", J. Math. Biology, 16, 267-273, 1982.

80. Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб. Пособие для вузов / Общая ред. А.И. Галушкина.- М.: ИПРЖР, 2000.- 416 с.

81. Никитина Г.С., Чистова Ю.С., Киреев А.В. Выбор структуры нейронной сети для распознавания человека // Безопасность информационных технологий: Тр. НТК, Пенза 2001. С. 38-40.

82. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002 г. -344 с.

83. Классификация и кластер. / Под ред. Дж. Вэн Райзина. М.: Мир, 1980,-390 с.

84. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статисткиа, 2000. - 352 с.

85. Мэйндоналд Дж. Вычислительные алгоритмы в прикладной статистике: Пер. с англ. / Под ред. Е.Д. Демиденко. -М.: Финансы и статистика, 1988.-350 с.

86. Математические и компьютерные основы криптологии. Учебное пособие. М.: Новое знание, 2003. - 384 с.

87. Kamke Е., Differentialgleichungen: Losungsmethoden und Losungen, I, Gewohnliche Differentialgleichungen, B. G.Teubner, Leipzig, 1977.

88. Истомина T.B., Киреев A.B., Истомина E.B., Степичев И.В. Оценка оптимальной структуры модели электрокардиосигнала типа ARMA // Информационные и управленческие технологии в медицине: сборник статей Всероссийской НТК. Пенза, 2008. -С. 31-33.

89. Jeffrey S. Blair, The Biomedical Engineering handbook, 1995, pp. 26502659.

90. Киреев А.В. Система контроля пассивных электрических свойств биообъекта // Биотехнические, медицинские и экологические системы и комплексы, БИОМЕДСИСТЕМЫ-2007: Материалы XX Всероссийской НТК, Рязань, 2007. -С. 12-17.

91. Андреев B.C., Попечителев Е.П. Лабораторные приборы для исследования жидких сред. Л.: Машиностроение 1981г. - 311с.

92. Трезубов В.Н., Штейнгарт М. 3., Мишнев Л.М. Ортопедическая стоматология. Прикладное материаловедение. СПб: Спец. литература, 1999.-324 с.

93. Геращенко С.И., Киреев А.В., Чистова Ю.С., Геращенко С.М. Использование четырехэлектродного электрохимического датчика в биометрических исследованиях // Безопасность информационных технологий: Тр. НТК, Пенза 2001. С. 45-47.

94. Киреев А.В. Четырехэлектродные контактные датчики // Современные охранные технологии и средства обеспечения комплексной безопасности объектов: Материалы IV Всерос. НПК Пенза: Инф. -изд. центр ПГУ, 2002. -С. 116-118.

95. Тирней Дж., Рейдер Ч., Голд Б. Цифровые синтезаторы частоты. -Зарубежная радиоэлектроника, 1972, №3, с.57-74.

96. Кочемасов В.Н., Фадеев А.Н. Цифровые вычислительные синтезаторы двухуровневых сигналов с компенсацией фазовых ошибок. -Радиотехника, 1982, №10, с. 15-19.

97. Москатов Е. А. Справочник по полупроводниковым приборам. Издание 2. Таганрог, 219 с.

98. Лэм Г. Аналоговые и цифровые фильтры: Расчет и реализация: Пер. с англ. 1982. 592 с.

99. Гультяев А. Визуальное моделирование в среде MATLAB: учебный курс. СПб.: Питер, 2000. - 432 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.