Помощь в написании студенческих работ
Антистрессовый сервис

Интеллектуализация принятия решений и рациональный выбор тактики лечения на основе цифро-аналогового имитационного моделирования

Диссертация: Интеллектуализация принятия решений и рациональный выбор тактики лечения на основе цифро-аналогового имитационного моделирования
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Успешное освоение новых терапевтических методик и лечебно-диагностических технологий, усложнение методов и средств мониторингового контроля физиологических показателей стимулировали значительное увеличение объема информации, поступающей в распоряжение врачей, что приводит к формированию неопределенности в выборе целей на текущих этапах лечебных и реабилитационных мероприятий. Необходимость учета… Читать ещё >

Интеллектуализация принятия решений и рациональный выбор тактики лечения на основе цифро-аналогового имитационного моделирования (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ ИНТЕЛЛЕКТУАЛЬНОЙ ТАКТИКИ ЛЕЧЕНИЯ ЗАБОЛЕВАНИЙ
    • 1. 1. Системный анализ патологических процессов с позиций теории управления
    • 1. 2. Особенности математического описания патологических процессов как объекта интеллектуальной поддержки принятия врачебных решений
    • 1. 3. Цель и задачи исследования
  • ГЛАВА 2. ФОРМИРОВАНИЕ СТРУКТУРЫ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ РАЦИОНАЛЬНОГО ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ
    • 2. 1. Алгоритмизация оценивания информативности лабораторных показателей и клинических симптомов
    • 2. 2. Формализация математического описания графических данных мониторного контроля
    • 2. 3. Информационные оценки эффективности принятия решений в клинической практике
  • Выводы второй главы
  • ГЛАВА 3. РЕАЛИЗАЦИЯ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ НА ОСНОВЕ ГИБРИДНЫХ ВЫЧИСЛИТЕЛЬНЫХ СРЕДСТВ
    • 3. 1. Идентификация динамики патологических процессов на основе интеграция цифровых и аналоговых средств поддержки принятия решений
    • 3. 2. Алгоритмизация выбора рациональной схемы управления динамикой физиологического параметра с использованием аналоговой модели
    • 3. 3. Структура аппаратного обеспечения цифро-аналогового вычислительного комплекса
  • Выводы третьей главы
  • ГЛАВА 4. АЛГОРИТМЮАЦИЯ ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ
    • 4. 1. Выбор тактики лечения на основе адаптивных алгоритмов ицифро-аналогового имитационного моделирования
    • 4. 2. Адаптивный алгоритм формирования и анализа интегральных оценок эффективности лечения
    • 4. 3. Коррекция лечебных мероприятий на основе рационального выбора тактики лечения
  • Выводы четвертой главы
  • ГЛАВА 5. ПРОГНОЗИРОВАНИЕ ВОЗНИКНОВЕНИЯ И РАЗВИТИЯ ИНТЕНСИВНЫХ ПАТОЛОГИЧЕСКИХ ПРОЦЕССОВ В УСЛОВИЯХ ИНДИВИДУАЛЬНОЙ ШОДНОЮДНОСТИ ПАЦИЕНТОВ
    • 5. 1. Прогнозирования возникновения осложнений интенсивных патологических процессов на основе классификационных методов
    • 5. 2. Прогнозирования развития осложнений критических состояний по данным оперативного мониторинга и ретроспективной информации
  • Выводы пятой главы
  • ГЛАВА 6. АНАЛИЗ ЭФФЕКТИВНОСТИ КОМПЛЕКСА МЕТОДОВ И АЛГОРИТМОВ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В КЛИНИЧЕСКОЙ ПРАКТИКЕ
    • 6. 1. Анализ показателей эффективности лечения на основе традиционной тактики лечения и с применением подсистемы интеллектуальной поддержки деятельности врача
    • 6. 2. Программное обеспечение комплекса интеллектуальной поддержки принятия решений и цифро-аналогового имитационного моделирования
  • Выводы шестой главы

Актуальность темы

Одной из основных проблем повышения эффективности управления процессом лечения заболеваний и последующей реабилитации больных в условиях существенных различий в закономерностях развития и течения патологических процессов является проблема комплексной оценки состояния пациента и выбора адекватных схем лечебных мероприятий [65].

Успешное освоение новых терапевтических методик и лечебно-диагностических технологий, усложнение методов и средств мониторингового контроля физиологических показателей стимулировали значительное увеличение объема информации, поступающей в распоряжение врачей, что приводит к формированию неопределенности в выборе целей на текущих этапах лечебных и реабилитационных мероприятий. Необходимость учета большого числа взаимосвязанных факторов и быстро меняющихся требований к адекватной оценке и прогнозированию состояния больного, выбору и корректировке схемы лечения диктуют необходимость использования вычислительной техники в рамках систем интеллектуальной поддержки принятия решений (СИППР).

Специфика патогенетических механизмов определяет структуру и состав как аппаратного, так и математического обеспечения СИППР [92].

Однако, существующие сегодня подходы к формированию структуры таких систем были направлены, прежде всего на рационализацию аналитического описания биомедицинских систем, которое лишь косвенно влияет на оптимизацию принятия прогностических и терапевтических решений, тогда как эффективность выбора тактики лечения, особенно на ранних этапах достигается в условиях реализации экспериментов с имитационными моделями, которые позволяют проводить не только анализ их характеристик, но и решать задачи структурного и параметрического синтеза при заданных критериях эффективности принимаемых решений.

В этой связи создание адекватного математического аппарата формализованного описания динамики патологического процесса и его коррекции, позволяющего учитывать такие характеристики как тяжесть заболевания, степень хронизации процесса, соотношения между затратами и эффективностью лечения, побочными реакциями, осложнениями и улучшением исходов и др. целесообразно осуществлять на основе интеграции цифровых и аналоговых средств имитационного моделирования и оптимизации принятия решений при выборе тактики лечения.

Таким образом, актуальность темы диссертации определяется необходимостью создания инвариантной среды интеллектуальной поддержки принятия врачебных решений, включающей прогнозирование раннего возникновения и течения осложнений на основе текущей и ретроспективной информации и коррекцию терапевтических мероприятий на основе рационального выбора тактики лечения, ориентированной на гибридную вычислительную технику.

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 создание теоретических и методологических основ формирования системы интеллектуальной поддержки принятия решений врача и рационального выбора тактики лечения на основе цифро-аналогового имитационного моделирования.

Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ существующих подходов к математическому описанию динамики патологических процессовсформировать структуру информационного обеспечения динамики физиологических показателей на основе алгоритмизации оценивания информативности лабораторных показателей и клинических симптомов и предложить информационные оценки эффективности принимаемых терапевтических решенийразработать методы моделирования и оптимизации лечения заболеваний на основе ретроспективной, текущей и экспертной информацииразработать методы интеллектуальной поддержки принятия решений врачом на основе интеграции цифровых и аналоговых вычислительных средств с целью реализации имитационного эксперимента, индивидуализирующего выбор адекватной тактики лечениясоздать комплекс алгоритмов выбора тактики лечения заболеваний, ориентированных на динамический режим изменения физиологических показателей с учетом оценок, сформированных врачом в интерактивном режимеобосновать алгоритмические схемы оптимального адаптивного управления в режимах макрои микродинамики с использованием аналитических и имитационных прогностических моделейреализовать математический аппарат численных расчетов в рамках предложенных методов и алгоритмов и оценить эффективность его использования в клинической практике.

Методы исследования. Для решения поставленных задач использовались основные положения теории вероятности и математической статистики, теории информации, методов имитационного и нейросетевого моделирования, основных положений теории управления биосистемами.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: структура информационного обеспечения формализованного описания динамики заболеваний, отличающаяся интеграцией как алгоритмов оценивания информативности как дискретных лабораторных показателей и клинических симптомов, так и непрерывных графических данных мониторного контроляпроцедуры количественного оценивания эффективности принимаемых врачебных решений, отличающиеся введением критерия сравнения информационной меры неопределенности выбора и величины скрытой информациимодифицированный компенсационный метод идентификации динамических характеристик патологических процессов, реализованный на базе гибридных вычислительных средств, отличающийся алгоритмизацией цифровой настройки аналоговой модели, позволяющий учитывать индивидуальные (настроечные) коэффициенты характеристик больных при формировании модели нестационарного изменения физиологического параметра при лечениикомплекс алгоритмов рационального выбора тактики ведения лечебного и реабилитационного процессов и их коррекции, отличающиеся преобразованием качественных оценок и визуальных представлений врача в количественные меры при организации диалога на основе ретроспективной и экспертной информацииалгоритмическое обеспечение прогнозирования состояния больного, отличающееся возможностью интеграции результатов обработки ретроспективной информации на основе полиномиальных моделей, имитационного моделирования и адаптивного формирования обобщенного показателяподход к прогнозированию возникновения осложнений заболеваний по данным оперативного мониторинга и ретроспективной информации, позволяющий сочетать методики дискриминантного анализа, нейросетевого моделирования и графоаналитических методов классификацииалгоритм структурной и параметрической оптимизации при управлении медицинскими объектами, основанный на интеграции адаптивных схем, имитационного моделирования и экспертного оценивания, реализованный на основе цифро-аналогового вычислительного комплекса метод формализации динамики физиологических показателей в виде нелинейных моделей множественной регрессии, отличающийся использованием модифицированного алгоритма подбора линеаризующего преобразования.

Практическая ценность и реализация результатов работы. В результате проведенного системного анализа инновационных технологий лечения заболеваний обоснована концепция разработки интегрированной системы прогнозирования состояния и рационализации лечения больных, на основе гибридного имитационного моделирования.

Сформирована структура и разработано программно-алгоритмическое обеспечение цифро-аналогового вычислительного комплекса для учета динамики физиологических параметров.

Учет динамики контролируемых физиологических показателей, алгоритмические схемы адаптивного формирования оценок эффективности лечения позволили врачам выбирать более эффективную схему терапевтических мероприятий.

Результаты диссертации внедрены в практику работы диабетологического центра Воронежского областного клинического лечебно-диагностического центра в виде программно-алгоритмического обеспечения выбора рациональной тактики лечения инсулинзависимого сахарного диабета.

Разработанные методы моделирования и алгоритмы оптимального выбора внедрены в отделениях анестезиологии и реанимации Воронежской областной клинической больницы при рационализации тактики лечении кардиохирургических больных в послеоперационном периоде и отделении токсикологии при лечении экзотоксического шока. На основании исследований получены модели, позволяющие прогнозировать состояние больного и индивидуализировать процесс коррекции схем медикаментозной и инфузионной терапии.

Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на межвузовской кафедре «Системный анализ и управление в медицинских и педагогических системах» для студентов специальности 190 500 «Биотехнические и медицинские аппараты и системы» и кафедре «Анестезиологии и реаниматологии» Воронежской государственной медицинской академии им. H.H. Бурденко.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Всероссийском совещании-семинаре «Высокие технологии в проектировании технических и автоматизированных устройств» (Воронеж, 1993) — Всероссийском совещании семинаре «Математическое обеспечение высоких технологий в технике, образовании и медицине» (Воронеж, 1994) — Научно-практической конференции «Высокие технологии в деятельности учреждений здравоохранения Воронежа» (Воронеж, 1995) — Международной научно-технической конференции «Актуальные проблемы анализа и обеспечения надежности и качества приборов, устройств и систем» (Пенза, 1996) — Всероссийском совещании семинаре «Высокие технологии в региональной информатике» (Воронеж, 1998) — Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 1999;2000) — Международной научно-технической конференции «Системные проблемы качества, математического моделирования и информационных технологий».

Москва-Воронеж-Сочи, 2000) — Третьем конгрессе с международным участием «Папиативная медицина и реабилитация в здравоохранении» (Анталия, Турция, 2000) — Юбилейной конференции «Прогресс и проблемы в диагностике и лечении заболеваний сердца и сосудов» (Санкт-Петербург, 2000) — VII Всероссийском съезде анестезиологов и реаниматологов (Санкт-Петербург, 2000) — ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основное содержание диссертационной работы изложено в 52 печатных работах, в том числе монографии, трех учебных пособиях и методических рекомендациях для врачей.

Структура и объем работы. Диссертация состоит из введения, 6 глав, заключения, изложенных на 237 страницах машинописного текста, списка литературы (196 наименований), приложений, содержит 46 рисунков, 48 таблиц.

ВЫВОДЫ ШЕСТОЙ ГЛАВЫ.

1. Анализ показателей эффективности лечения на основе традиционной тактики лечения и с применением подсистемы интеллектуальной поддержки деятельности врача показал достоверные различия в группах пациентов и преимущества разработанных методов и алгоритмов на практике. Экономическая эффективность лечения заключалась в снижении продолжительности пребывания в реанимационном отделении с 4,76 до 4,03 койко-дней и процента летальности с 3,3 до 3,2%.

2. При выборе тактики интенсивной терапии для лечения кардиохирургических больных целесообразным является применение в качестве средства мониторного контроля многофункционального информационно-вычислительного комплекса НР УшсНа и его интеграция в общую структуру программно-аппаратного обеспечения системы интеллектуальной поддержки принятия решений.

ЗАКЛЮЧЕНИЕ

.

Разработка методов, моделей и алгоритмов, ориентированных на конкретные классы лечения больных, является одним из основных направлений прикладного системного анализа и теории управления. Особую значимость приобретает интеграция предметно-ориентированных процедур в систему интеллектуальной поддержки принятия решений врачом. Именно такую цель преследуют реализованные в диссертации задачи моделирования и прогнозирования состояния больных находящихся в экстремальных состояниях. Тем самым обеспечивается выбор рациональной тактики лечения на основе адаптивных алгоритмов с использованием комплекса программно-аппаратных средств.

Основными результатами работы являются следующие:

1. Проведен системный анализ путей повышения эффективности систем поддержки принятия врачебных решений в клинической практике. Показано, что существующие подходы к формированию структуры таких систем были направлены, прежде всего, на рационализацию аналитического описания биомедицинских систем, которое лишь косвенно влияют на оптимизацию принятия прогностических и терапевтических решений, тогда как эффективность выбора тактики лечения, особенно на ранних этапах достигается в условиях реализации экспериментов с имитационными моделями, которые позволяют проводить не только анализ их характеристик, но и решать задачи структурного и параметрического синтеза при заданных критериях эффективности принимаемых решений;

2. Обоснованы информационные оценки эффективности математического обеспечения принятия врачебных решений и определен ряд дополнений к традиционным средствам интеллектуальной поддержки решений по терапевтической тактике, обеспечивающих более эффективное накопление в процессе выбора скрытой информации;

3. Сформирована структура информационного обеспечения динамики интенсивных патологических процессов на основе алгоритмизации оценивания информативности как дискретных лабораторных показателей и клинических симптомов, так и непрерывных графических данных мониторного контроля на основе автоматизированной классификации информативных участков физиологических кривых;

4. Разработаны методы интеллектуальной поддержки принятия решений врачом на основе интеграции цифровых и аналоговых вычислительных средств в рамках имитационных вычислительных экспериментов по выбору тактики лечения.

5. Предложена алгоритмическая процедура формирования и анализа интегральных оценок эффективности лечения, включающая адаптивную настройку весовых коэффициентов текущих физиологических показателей на основе наглядно-образных представлений врача.

6. Обоснована необходимость интеграции данных оперативного мониторинга и имеющейся ретроспективной информации с целью объективизации принимаемых решений врачом. С этой целью разработаны модели включающие оценку влияния на результативный признак, как показателей состояния, так и временного фактора на основе нелинейных моделей множественной регрессии с использованием модифицированного алгоритма подбора линеаризующего преобразования.

7. Разработаны предметно-ориентированные процедуры классификации осложнений интенсивных патологических процессов для ранних этапов лечения, и проведен их сравнительный анализ.

Показать весь текст

Список литературы

  1. Адаптивные системы идентификации / Под ред. В. И. Костюка. Киев: Техника, 1975.
  2. С.А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.
  3. С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.
  4. Алексаков Г. Н, Гаврилин В. В., Федоров В. А. Персональный аналоговый компьютер. М., Энергоатомиздат, 1992.
  5. Н.М., Палец Б. Л., Агапов Б. Г. и др. Теоретические исследования физиологических систем. Математическое моделирование. -Киев: Наукова думка, 1977. 245 с.
  6. Аналоговые и гибридные вычислительные машины / Под ред. А. Н. Лебедева и В. Б. Смолова. М.: Высшая школа, 1984.
  7. Аналого-цифровые вычислительные системы общего назначения на основе АВК-6 / В. Г. Беляков, И. М. Витенберг, В. А. Святный, Л. П. Фельдман // Электронное моделирование. Киев: Техника, 1984. т.6. N5. с. 40−43.
  8. Ю.Г. Моделирование биологических систем. Справочник. К.: Наукова думка, 1977.
  9. Ю.Г. О задаче управления уровнем сахара крови.- В кн.: Семинар «Математические модели в биологии и бионике». К., 1965.
  10. Ю.Г., Кифоренко С. И., Микульская И. А., Пароконная Н. К. Математическая теория системы сахара крови. К.: Наукова думка, 1971.
  11. В.А., Бала Ю. М., Львович Я. Е., Фролов В. Н. Идентификация динамики сахара крови у больных сахарным диабетом с применением обучающейся модели. Воронеж: «Автоматика, автоматизация измерений. Сб.тр. ВПИМ973 г.- 210 с.
  12. М.Ф. Современное состояние и перспективы развития хирургической помощи при пороках и заболеваниях сердца и сосудов / М. Ф. Атаманюк, С. Л. Петрова, Л. А. Заикина // IV Всесоюзная конференция сердечнососудистых хирургов. Киев, 1983.-С.45−46.
  13. А., Эйзен С. Статистический анализ: подход с использованием ЭВМ. Пер. с, а нгл. М.: Мир, 1982. — 488 с.
  14. В.М. Анализ и синтез биотехнических систем // Моделирование физиологических и биологических процессов. М. 1977.-С.З-7.
  15. .И. Вероятностные модели в физиологии. М., Наука, 1977.-252 с.
  16. .И., Ханин М. А., Чернавский Д. С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980, 264 с.
  17. А.Б. Некоторые положения теории гомеостатических систем, используемые для анализа сложных управляющих комплексов. //Технологические системы и управление в организме: общие приципы и аналогии. Сб. трудов, вып. 3. М.: ИПУ РАН, 1996 г. (стр. 15−29)
  18. Н. Математика и биология в медицине.- М.:Мир, 1970.-269с.
  19. Р. Математические методы в медицине: Пер. с англ. / Под ред. Л. Н. Белых. М.: Мир, 1987. — 200 с.
  20. Л.Н. Анализ математических моделей в иммунологии / Под ред. Г. И. Марчука. М.: Наука, 1988.
  21. Биологическая и медицинская кибернетика. Справочник / О. П. Минцер, Б. Н. Угаров и пр. Киев: Наукова думка, 1986.
  22. JI.А. Информатизация кардиохирургии: нужно ли интеллектуальное обеспечение или достаточно компьютеризации?/ Л. А. Бокерия, В. А. Лищук // Третий Всероссийский съезд сердечно-сосудистых хирургов. М, 1996.- С.13−14.
  23. Е.В., Леонтьев В. К. Биология полости рта. М.: Медицина, 1991. — 303 с.
  24. Э.М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983.
  25. В.И., Керцман В. П., Лищук В. А., Мосткова Е. В. Острая сердечная недостаточность классификация и диагностика с использованием математических методов // Вестник. АМН СССР, 1982. — N 8 — С. 18−32.
  26. Э. Давление крови. Вопросы и ответы / Пер. с англ.-М.: Кран-Пресс, 1998.
  27. Е.С. Теория вероятностей. М.: Наука, 1998.
  28. С.М. Основы комплексного прогнозирования. М.: Наука, 1977.-287 с.
  29. В.А. Архитектура интеллектуального АРМ контроля // Приборы и системы управления. 1990. № 3. — с. 8−10.
  30. П.В., Тепленький Г. С. Применение математической модели кровообращения для системной оценки состояния гемодинамики во время терапии сердечной недостаточности после операций на открытом сердце // Вестник АМН СССР. 1984. — № 2. — С.72−80.
  31. Ю.Н. Принципы автоматического оперативного врачебного контроля и их реализация в практике реанимации. Автореферат дисс. д.мед.наук. JI. — 1975. — 49с.
  32. А.И. Теория нейронных сетей. Кн. 1: Учеб. Пособие для вузов / Под ред. А. И. Галушкина. М.: ИПРЖР, 2000. — 416 с.
  33. И.М., Семенюк Э. П., и др. Некоторые задачи классификации и прогнозирования из различных областей медицины // Вопросы кибернетики. 1985. — Вып. 112. — с. 65−127.
  34. Ю.П. и др. Медико-биологические аспекты комплексной оценки состояния организма // Бюл. АМН СССР. 1981. — № 3. — с. 59−64.
  35. С. К вопросу о кибернетических аспектах гомеостазиса.-В кн.: Саморегулирующиеся системы. М., 1964.
  36. Горелик A. J1. и др. Современное состояние проблемы распознавания: Некоторые аспекты / A.JI. Горелик, И. Б. Гуревич, В. А. Скрипкин. М.: Радио и связь, 1985. — 160 с.
  37. А. Л. Скрипкин В.А. Методы распознавания: Учеб. пособие. 2-е изд., перераб. и доп. — М.: Высш. шк., 1984. — 209 с.
  38. . Ф. Теория регулирования и биологические системы: Пер. с англ. М., 1966. — 254 с.
  39. Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978, — 294 с.
  40. Г. М., Ершов Ю. В. Экспертные оценки в научно-техническим прогнозировании. Киев: Наукова думка, 1974. — 112 с.
  41. Г. Регулирование уровня сахара крови. В кн.: Процессы регулирования в биологии. М., 1960.
  42. М.И., Марголин А. Д. Математические модели физиологических процессов дыхания и кровообращения // Проблемы создания аппаратуры для медицинских лабораторных исследований. Л. -1974.-№ 3.-С.89−91.
  43. Дюк В. Обработка данных на ПК в примерах.- СПб: Питер, 1997.240 с.
  44. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным. М.: Радио и связь, 1987. — 120 с. 51 .Искусственный интеллект. Справочник. Т. 1,2./ Под ред. Э. И. Попова. М.: Радио и связь. 1990. — 340 с.
  45. В.И. Математические модели и моделирование в здравоохранении. М.: Медицина, 1987.
  46. В.И. Методология системного подхода и ее применение в практике здравоохранения. М.: Медицина, 1978. 135 с.
  47. Кибернетика в сердечной хирургии / О. П. Минцер, Г. В. Кнышев и др. Киев: Вища школа, 1984. 140 с.
  48. Р.П., Райфа X. Принятие решений при многих критериях. М.: Радио и связь.
  49. И.Н., Родионов О. В., Фролов М. В. Технология реабилитационных мероприятий: Учеб. пособие. Воронеж, 1993.
  50. В.И. Беспоисковые градиентные самонастраивающиеся системы. К., 1969.
  51. Краткое руководство по токсикологии / Под ред. Г. А. Степанского. М.: Медицина, 1998.
  52. Н. Теория графов. Алгоритмический подход. М.: Мир, 1978, 432 с.
  53. С.И. Инвариантное моделирование в медицине на базе кластерного анализа. Воронеж: Изд-во ВГУ, 1997.
  54. В.И. Ортогональные фильтры. Киев. Техника, 1967.
  55. О.И. Человеко-машинные процедуры принятия решений // Автоматика и телемеханика. 1972. № 12.
  56. О.И., Мошкович Е. М. Качественные методы принятия решений. М.: Наука, 1996.
  57. Р.Н. Осложнения в системе кровообращения после хирургических вмешательств. М.: Медицина, 1979. — 176 с.
  58. Ли.Э.Б., Маркус Л. Основы теории оптимального управления. М.: Наука, 1972.
  59. В.А. Математическая теория кровообращения. М.: Медицина, 1990.- 254 с.
  60. В. А. Формализованная теория кровообращения, ориентированная на кардиохирургическую клинику. Автореферат докт.мед.наук. М. — 1981. — 49 с.
  61. Л.С., Лурье Г. О. Искусственное и вспомогательное кровообращение в сердечно-сосудистой хирургии. Практ. пособие. М.: Медицина. 1998. — 212 с.
  62. H.A., Лопухин Ю. М. Эфферентные методы в медицине. М.: Медицина, 1989. 350 с.
  63. И.Я. Оптимизация принятия решений в САПР на основе интеграции вариационного моделирования и рационального выбора-Автореферат докт. мед. наук. Воронеж. 1999. — 32 с.
  64. И.Я., Федорков Е. Д. Математические основы информатики, Воронеж: изд. ВГТУ, 1997. 98 с.
  65. И .Я., Фролов В. Н. Имитационное моделирование структуры и параметров технологических систем // Математическое и машинное моделирование: Тез. докл. Всес. конф. Воронеж, 1991, с. 61.
  66. Я.Е. Управление в биологических и медицинских системах / Я. Е. Львович, М. В. Фролов. Воронеж: ВГТУ, 1994. 183 с.
  67. Я.Е., Фролов М. В. Моделирование биотехнических и медицинских систем: Учеб. пособие. Воронеж, ВГТУ, 1994.
  68. Е.В., Лисенков А. Н. Планирование эксперимента в условиях неоднородностей. М.: Наука, 1973.
  69. В.Ф. Классификация прогнозов и методов прогнозирования. М.: ЦИУВ, 1973. — 23 с.
  70. Материалы медицинского приборостроения: Учеб. пособие / К. А. Разинкин, О. Е. Работкина, Д.С.Залавский- Под ред. В. Н. Фролова. Воронеж: Изд-во ВГТУ, 2000. 166 с.
  71. Э.В., Нестеровский И. П., Соболев Ю. А. Модель учета побочных действий лекарственных средств в медицинских информационных системах// Современные методы диагностики и лечения Межвузовский сборник научных трудов, Воронеж, 1995 г.
  72. О.П., Чуканов Ю. Г. Клиническое прогнозирование. К.: Здоровье, 1983.- 143 с.
  73. Моделирование биотехнических и медицинских систем: Учеб. пособие / Я. Е. Львович, М. В. Фролов, К. А. Разинкин и др.- Под ред.
  74. В.Н.Фролова. Воронеж: Изд-во ВГТУ, 1994. С.114−119, 157−161, 165−169, 176−180.
  75. H.H. Предисловие к книге Орловского С.А. Проблемы принятия решений при нечеткой исходной информации. М., Наука. 1981.
  76. Ф., Тьюки Дж. Анализ данных, регрессия. М.: Финансы и статистика, 1982. — 305 с.
  77. Г. Г. Оценка динамики иммунологических показателей при некоторых стоматологических заболеваниях // Автореф. дис. канд. мед. наук./ МГСИ М., 1987. — 16 с.
  78. Т. Машинные имитационные эксперименты с моделями экологических систем. М.: Наука, 1975. — 214 с.
  79. Ю.И. Распознавание образов и медицинская диагностика / Ю. И. Неймарк, З. С. Баталова, Ю. Г. Васин, М. Д. Бредо. М.: Наука, 1972. 328 с.
  80. В.А., Шатунов В. П., Блох Д. А. Выявление групп риска заболеваний внутренних органов у стоматологических больных // Стоматология. 1993. — № 2. — С. 27−29.
  81. В.Н. Теория управления и биосистемы. Анализ сохранительных свойств., Наука, 1978.
  82. В.В. Решение задач аппроксимации с помощью персональных компьютеров. М.: Бином. 1994. с. 350.
  83. Ф. И. Тарасенко Ф.П. Введение в системный анализ М.: Высшая школа, 1989, 368 с.
  84. Дж. Теория сетей Петри и моделирование систем. М.: Мир, 1984,261 с.
  85. JI.C., Болтянский В. Г. и др. Математическая теория оптимальных процессов. -М.: Наука, 1969.
  86. Е.П., Романов C.B. Интерактивные методы обработки биомедицинской информации: Учеб. Пособие. Л., 1983. — 64 с. 93 .Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. М.: Наука. — 1988.
  87. Построение АРМ врача на основе цифроаналогового компьютерного комплекса / К. С. Коробова, Е. В. Мезенцев, К. А. Разинкин, Е. Д. Федорков // Прикладные задачи моделирования и оптимизации: Межвуз.сб.науч.тр. Воронеж, 1998. С. 4−6.
  88. Прогнозирование в кардиохирургии / Шевченко Ю. А., Шихвердиев H.H., Оточкин A.B. Спб: Питер Пресс. 1999. 208 с.
  89. К.А. Оптимизация распределенных телекоммуникационных систем в медицине критических состояний // Высокие технологии в технике, медицине, экономике и образовании: Сб. науч. тр. Воронеж: ВГТУ, 2001. 4.1. С.79−89.
  90. К.А. Перспективы разработки автоматизированной системы прогнозирования и выбора тактики лечения больных тяжелым экзотоксическим шоком // Интеллектуальные информационные системы: Тр. Всерос. конф. Воронеж: ВГТУ, 1999. 4.2. С. 70−72.
  91. К.А. Построение АРМ врача на основе цифро-аналогового компьютерного комплекса // Компьютеризация в медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1996. С. 72−76.
  92. К.А. Программно-аппаратные особенности коммутации IBM PC и АВК-6 в составе цифро-аналогового комплекса // Компьютеризация в медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1996. С. 36−41.
  93. К.А., Федорков Е. Д. Структура программно-алгоритмического комплекса лечения хронических заболеваний: Компьютеризация в медицине // Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1994. С. 19−22.
  94. К.А., Белов К. А. Прогнозирование исходов тяжелых травм на основе деревьев классификации // Компьютеризация в медицине: Сб. науч. тр. Воронеж: ВГТУ, 2001. С. 67−78.
  95. К.А., Васильев C.JI. Организация доклинических исследований терминального кровообращения условиях экспериментальной электро импульсной терапии // Компьютеризация в медицине: Сб. науч.тр. Воронеж: ВГТУ, 2000. С. 70−75.
  96. К.А., Залавский Д. С. Моделирование биологических сред и структур // Вестник ВГТУ. Сер. САПР и системы автоматизации производства. 2001. Вып.1. С. 65−67.
  97. К.А., Заславская B.C., Садова Л. И. Выбор тактики лечения эндокринной формы бесплодия на основе адаптивных алгоритмов и настраиваемых полиномиальных моделей // Компьютеризация в медицине: Межвуз сб. науч. тр. Воронеж: ВГТУ, 2000. С.54−60.
  98. К.А., Коробова К. С., Федорков Е. Д. Определение разовых доз по модели микродинамики сахара крови // Компьютеризация в медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1995. С. 132−139.
  99. К.А., Коробова К. С., Федорков Е. Д., Родионов О. В. АРМ врача на базе персонального аналогового компьютера и ПЭВМ // Высокие технологии в технике, образовании, медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1995. С. 108−113.
  100. К.А., Лаврентьев A.A. Прогнозирование и адаптивный выбор тактики лечения после операций на открытом сердце // Седьмой Всероссийский съезд анестезиологов и реаниматологов. Санкт-Петербург. 2000. С. 147.
  101. К.А., Лаврентьев A.A., Струков М. А. Выбор метода поддерживающей и корригирующей терапии и прогнозирование состояния кардиохирургических больных // Вестник ВГТУ. Сер. САПР и системы автоматизации производства. 2001. Вып. 1. С. 32−37.
  102. К.А., Лаврентьев A.A., Федорков Е. Д. Адаптивная схема коррекции последовательного лечения кардиохирургических больных // Компьютеризация в медицине: Сб. науч. тр. Воронеж: ВГТУ, 2000. С.9−16.
  103. К. А., Львович И .Я., Заславский Е. Л. Оптимизация структуры урологического отделения в условиях перехода к новым информационным технологиям // Интеллектуальные системы: Тр. Всерос. конф. Воронеж: ВГТУ, 1999. 4.1. С. 166- 167.
  104. К.А., Львович И. Я., Заславский Е. Л. Рационализация оценивания результатов работы отделений городской поликлиники // Интеллектуальные информационные системы: Тез. докл. научн.-техн. конф. Воронеж: ВГТУ, 1999. С. 165.
  105. К.А., Родионов O.B., Федорков Е. Д. Оценка динамики и выбор управления при лечении хронических заболеваний // Высокие технологии в технике, образовании, медицине: Межвуз. сб. науч.тр. Воронеж: ВГТУ, 1994. С.83−93.
  106. К.А., Струков М. А. Адаптивный алгоритм управления вспомогательной веноартериальной перфузией крови при экзотоксическом шоке тяжелой степени // Компьютеризация в медицине: Межвуз сб. науч. тр. Воронеж: ВГТУ, 1999. С. 96−101.
  107. К.А., Струков М. А., Львович Я. Е. Алгоритмизация адаптивного управления вспомогательной перфузией крови / Прикладные информационные аспекты медицины: Сб. науч. тр. Воронеж: ВГМА им. Н. Н. Бурденко, 2000. Т. З, № 1. С.48−56.
  108. К.А., Струков М. А., Родионов В. Н. Экспертные оценки информационной значимости основных параметров системной гемодинамики // Высокие технологии в технике, медицине и образовании: Межвуз сб науч. тр. Воронеж: ВГТУ, 1998. Ч. 3. С. 65−68.
  109. К.А., Таранникова Е. Л. Прогнозирование тяжести инфекционных осложнений тяжелых механических травм / VII Всерос. съезд анестезиологов-реаниматологов Санкт-Петербург, 2000. С. 47.
  110. К.А., Федорков Е. Д. Методы оптимизации и программное обеспечения лечебных воздействий: Математическое обеспечение высоких технологий в технике, образовании, медицине // Тез. докл. Всерос. совещ.-семинара. Воронеж, 1994. С. 59.
  111. К.А., Федорков Е. Д. Адаптивный и имитационный подход к выбору тактики лечения хронических заболеваний // Компьютеризация в медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1994. С.121−125.
  112. К.А., Федорков Е. Д., Коробова К. С. Моделирование и оптимизация лечения сахарного диабета // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. Всерос. совещ.-семинара. Воронеж, 1995. С. 45.
  113. К.А., Федорков Е. Д., Коробова К. С. Моделирование микродинамики сахара в крови // Математическое обеспечение высоких технологий в технике, образовании и медицине: Тез. Всерос. совещ.-семинара. Воронеж, 1995. С. 60.
  114. К.А., Фролов В. Н. Комплексирование программно-алгоритмических средств лечения хронических заболеваний: Компьютеризация в медицине // Межвуз. сб. науч. тр. Воронеж: ВПИ, 1994. С.32−34.
  115. К.А., Чопоров О. Н. Выбор оптимального плана лечения больных на основе классификационных и прогностических моделей // Высокие технологии в региональной информатике: Всерос. совещ.-семинар. 1998. 4.2. С. 13.
  116. К.А., Чопоров О. Н., Шевченко И.И Опыт использования классификационных методов при прогнозировании течения и исходов кардиогенного шока // Интеллектуальные информационные системы: Тр. Всерос. конф. Воронеж: ВГТУ, 2001. 4.1. С. 19−21.
  117. К.А., Чопоров О. Н., Шевченко И. И. Опыт использования классификационных методов при прогнозировании течения и исходов кардиогенного шока // Интеллектуальные информационные системы: Тр. Всерос. конф. Воронеж: ВГТУ, 2001. 4.1. С. 19−21.
  118. К.А., Шевченко И. И. Способ прогнозирования течения и исхода кардиогенного шока / Информационный листок № 79−118−01. Воронежский ЦНТИ, 2001.
  119. К.А., Шевченко И. И., Сафонов М. Ю., Махина C.B. Классификация типов и вариантов центральной гемодинамики при остром инфаркте миокарда не осложненном и осложненном кардиогенном шоке / Информационный листок № 79−117−01. Воронежский ЦНТИ, 2001.
  120. К.А., Шевченко И. И., Сафонов М. Ю., Махина C.B. Оптимизация противошоковой терапии пациентов с острым инфарктом миокарда / Информационный листок № 79−134−01. Воронежский ЦНТИ, 2001.
  121. Е.Я. Основы численных методов чебышевского приближения. Киев: Наукова думка, 1962.
  122. В.Н., Соболев B.C., Цветков Э. И. Интеллектуальные средства измерений / Под ред. Э. И. Цветкова. М.: РИЦ «Татьянин день», 1994.-280 с.
  123. JI.B., Газизова Д. Ш., Стороженко И. Н. Количественные показатели гемодинамики для оценки состояния больных с острой недостаточностью кровообращения. Методические рекомендации // М.: МЗ СССР. 1983. — 32 с.
  124. Э. П., Мелса Дж. Л. Идентификация систем управления. М., 1974.
  125. В.Т. Раннее распознавание острой сердечной недостаточности после операций на сердце // Советская медицина, 1987. -№ 1, С.9−13.
  126. Сердечно-сосудистая хирургия: руководство. Под ред. Бураковского В. И. и Бокерия Л. А. М.: Медицина, 1989. 752 с.
  127. .Я., Яковлев С. А. Моделирование систем: Учеб. Пособие для вузов, — 2-е изд., перераб. и доп. М.: Высш. шк., 1998.- 319 с.
  128. Справочник терапевта. Под ред.проф. Кассирского И. А.,-М., 1973 г.
  129. Средства сопряжения. Контролирующие и информационно-управляющие системы / Под ред. JI.H. Преснухина. М.: Высшая школа, 1986.
  130. Э. Основы физиологии человека. М. Медицина. -1933.-Т.2.
  131. И.Н., Лищук В. А. Диагностика острой сердечной недостаточности с помощью математической модели после операции на открытом сердце // Грудная хирургия. 1979. — № 3. — С.81−82.
  132. К.В. Функциональные системы организма: Руководство. М.: медицина, 1987. — 431 с.
  133. Теоретические и практические основы физиологии человека и управления лечением заболеваний: Учеб. пособие / И. Я. Львович, Е. А. Назаренко, О. В. Родионов, К. А. Разинкин и др.- Под ред. В. Н. Фролова. Воронеж: Изд-воВГТУ, 1999. С.123−136.
  134. И.М., Шнейдер Ю. Р. Практика аналогового моделирования динамических систем. М.: Энергоатомиздат, 1987.
  135. Технология системного моделирования / Е. Ф. Аврамчук, A.A. Вавилов, C.B. Емельянов и др. / Под общ. ред. C.B. Емельянова М.: Машиностроение, 1988.
  136. .И., Левтов В. А., Москаленко Ю. Е. и др. Физиология кровообращения. Регуляция кровообращения. Л.: Наука — 1986. — 639 с.
  137. В.И. Биокибернетические аспекты «искусственной бета-клетки». М., 1987.
  138. Э.А., Компьютерная поддержка принятия решений. М: Синтег, 1998. — 376 с.
  139. А.Х. Теория интерполирования в задачах. Минск: Вышейшая школа, 1968.
  140. Ю.Н., Макаров A.A. Анализ данных на компьютере/Под ред. В. Э. Фигурнова. М.: ИНФРА-М, Финансы и статистика, 1995. — 384 с.
  141. Ф. Нейрокомпьютерная техника: теория и практика. М.: Мысль, 1992. 184 с.
  142. Е.Д. Моделирование и оптимизация дуальных объектов в медицине. ВГТУ. Воронеж, 1997 143 с.
  143. Е.Д. Управление в медицинских и социальных системах на основе моделирования и оптимизации дуальных динамических процессов. Автореферат докт. мед. наук. Воронеж. 1999. — 32 с.
  144. П.С. Теория полезности для принятия решений. Пер. с англ. М.: Наука, 1978, 352 с.
  145. Дж., Малькольм М., Моулер К. Машинные методы математических вычислений. М.: Мир, 1980.
  146. В.Н. Выбор тактики лечения с применением математических методов. Воронеж, ВГТУ, 1977.
  147. В.Н., Львович Я. Е., Подвальный С. Л. Проблема оптимального выбора в прикладных задачах. Воронеж, изд-во ВГУ, 1980.
  148. М.В. Генеративные статистические характеристики биоднородных компонент // Компьютеризация в медицине. Воронеж: ВПИ, 1992. с. 25.
  149. М.В. Построение и анализ прогностических моделей генеративной функции // Оптимизация и моделирование в автоматизированных системах. Воронеж: ВПИ, 1992. с. 102.
  150. О.Н. Оптимизация планирования стационарного лечения больных на основе классификационных и прогностических моделей. Дис. канд. техн. наук / ВГТУ. Воронеж, 1997.
  151. Р. Имитационное моделирование систем Искусство и наука.- М.: Мир, 1978. — 418 с.
  152. .С. Классификация и диагностика в биологическом эксперименте. М., Наука, 1979.
  153. Ю. Сознание и его имитация // Новый мир, 1989, N 11, с. 244−255.
  154. В.И., Новосельцев В. Н., Сахаров М. П., Штенгольд Е. Ш. Моделирование физиологических систем организма / Под ред. Б. В. Петровского М., 1971. — 352.
  155. Beneken J.E.W. A mathematical approach to cardiovascular function. The uncontrolled human system // Institute of Medical Physics Report.- Utrecht, 1965.-194 p.
  156. Bolie Victor W. Coefficients of normal blood glucose regulation. G Appl.Physiol., 16, 5, 1961.
  157. R., Fioretti S., Jetto L. // Comput. Biomed. Res. 1985. -VI8, N4. — P.303−312.
  158. Card W. The computer, the clinical and the future. Practitioner, 1978. — V/220, N1317. — P.431−435.
  159. Coleman T.G. A mathematical model of the human body in heart disease and during treatment // Proceedings Joint. Autom. Cont. Conf.-Philadelphia, 1978. Vol. 3−4. — P. 77−86.
  160. Defares Y.J., Osborn J.J., Hiroshi H.H. Theoretical synthesis of the cardiovascular system. Study I: The controlled system // Acta Physiol. Pharmacol. 1963.-Vol. 12, № 3 — P. 189−265.
  161. Dichinson C.J. The use and potential use of simulation models in clinical medicine // Real-time computer in patient menagement. London, 1976. -P.171−174.
  162. Edmunds L.H. et al. Evaluation of computer aided monitoring of1. V. postoperative cardiae patients // 57 Annual Meeting. Toronto, Canada. — 1977. -P.66.
  163. Engel G. The heed for a new medical model // A challenge for biomedicine. Science. — 1977. — V.196, N4386/ - P. 129−136
  164. Eom S.B. Decosion support systems research: reference disciplines and a cumulative tradition. The International Journal of Management Science, 23, 5, October 1995, p. 511−523.
  165. Guyton A.C., Coleman T.G., Manning B.D., Hall G.E. Some problems and solutions for modeling overall cardiovascular regulation // Math. Biosc. 1984. — Vol. 72, № 4. — P. 141−155.
  166. Koski E.M., Makivirta A., Sukuvaara Tkari A. Development of an expert system for haemodynamic monitoring: computerized symbolizatio of online monitoring data // Int. J. Clin. Monit. Comput. 1991. — V.8, N4. — P.289−293.
  167. Laehorne T.W., Devis J.L., Smith G.W. General surgical complications afte cardiac surgery // Amer. J. Surg. 1978. — V.136, N2. — P.254.
  168. Legrand C., Carlier E., Th Ediers F., a Nys A. Influence of insulin on glycogen.-Arch.Intern. Pharmac. etTherap., 75,1948.432.
  169. Linkens A.D. Identification of respiratory and cardiovascular systems // Identif. and Syst. Parametr. Estimat.: Proc. 7th IFAC/IFORS.- 1985. Vol.1
  170. Macleod J.R. a. Noble E.L. Does insulin influence glycogenic function of perfused liver of the turtle.- Journ. Physiol., 58,1923,33.
  171. XiX XiJ lWy.lVLjJLlJr.LC/ 1
  172. Y1 ACHEHEART- Y2 — ACHEBREAT- Y3 — ACHE WATER- Y4 — ACHELIVER- Y5 — ACHE POCHXl 1 .
  173. Предобработка входных симптомов для подачи сети:
  174. N11 — F (0,4 205 303*Х1-ОД826 198*Х2-ОД582 059*ХЗ-0,6 783 447*Х4+0,2 564 939*Х5−0,1 533 609*Х6+0,469 185*Х7+0,2 708 534*Х8−0,91 934
  175. ОД68 538*х12+0,937 356*х13−0д570 202*х14+0,2 106 793*х15+0,2 841 037*х16−0д405 657*х17+0,226 123*х18−0,8 100 338*^)
  176. N12 = F (0,8 279 426*Х1+0,204 825*Х2+0,4 108 591*ХЗ+0Д418 885*Х4−0,2 111 447*Х5−0,2 193 879*Х6−0,3 482 357*Х7+0Д249 278*Х8+0,18 061^^0,9 302 887*Х12−0,1 420 748*Х13+0Д952 133*Х15−0,791 676*Х16+0,1 628 849*Х17+0,221 275*Х18+0,1 746 533*Х19−0,339 496)
  177. N24=F (-0,2 412 815*N11+0,5 103 545*N 12−0,3 178 503 *N 13+0,2 616 594*N14+0,4 901 034*N 15−0,2 436 841*>П 6−0,2 192 709*Ш 7+0)
  178. N32=F (0,2 080 082*N21+0,2 565 646*N22+0,5 556 588*N23−0,6 695 301*N24+0,4 723 633*N25+0,1 058 845*N26+0,8 513 881*N27+0,1 822 912*N28+0,2 843 079*N20+0,4 947 117)
  179. N33=F (-0,1 148 491 *N21−0,6 952 322*N22+0,5 142 367*N23+0,1 885 495*N24+0,4 020 172*N25−0,5 276 524*N27+0^)
  180. N34=F (-0,1 308 924*N21−0,3 713 861*N22+0,2 686 453*N23−0,2 153 428*N24−0,2 319 571*N25+0,3 718 629*N26−0,6 187 549*N27−0,6 904 331*N28+0,1 661 564*N29+0,3 734 754*N20−0,1 849 043)
  181. N35=F (0,1 783 112*N21−0,220 501 *N22+0,2 397 027*N23−0,2 442 722*N24−0,4 635 158*№)
  182. N36=F (-0,4 034 912*N21+0,4 914 575*N22+0,4 358 479*N23+0,4 415 935*N24+0,3 323 524*N25−0,3 085 985*N27+0,2 668 103*N28+0,2 873 993*N29−0,6 954 996*N20+0,6 868 382)
  183. N37= F (-0,1 259 558*N21+0,4 821 848*N22+0,2 394 327*N23+0,5 369 913*N24+0,4 407 382*N25−0,2 827 961*N26−0,3 210 172*N27−0,2 267 661*N28−0,1 850 242*N29+0,1 941 148)
  184. N38=F (-0,2 306 211*N21−0,1 720 453*N22+0,4 654 866*N23+0,5 677 326*N24−0,9 832 858*N25−0,6 750 282*N^)
  185. N39= f (-0,7 972 327*n21+0,5 837 695*n22−0,263 3775*n24−0,33 8883 7*n25+0,1 441 603 *n26+0,1 092 466*n2 7−0,382 214*n28−0,6 608 486*n20+0,300 408)
  186. N30=F (0,1 068 033*N21−0J608675*N22+0>055l6107*N23−0,7 562 737*N24+0,516Q13*N25−0,1 957 814*N26−0^^^)1. Конечные синдромы:
  187. Y5G2 =-0,7 699 499*N31−0,2 542 453 *N32−0,4 112 335*N33−0,2 803 459*N34−0,648 622*N35+0,8 577 582*N36+0,376 263*N37+0,1 886 698*N38−0,2 447 912*N39−0,6 447 107*N30+0,192 162
  188. Постобработка конечных синдромов:
  189. Y1 = MAX (TRUE I Y1G1, FALSE | Y1G2) — Y2 = MAX (TRUE | Y2G1, FALSE | Y2G2) — Y3 = MAX (TRUE | Y3G1, FALSE | Y3G2) — Y4 = MAX (TRUE | Y4G1, FALSE | Y4G2) — Y5 = MAX (TRUE | Y5G1, FALSE | Y5G2).
Заполнить форму текущей работой

Сессия? Спокойно!