Помощь в написании студенческих работ
Антистрессовый сервис

Методы и алгоритмы диагностики и лечения хронического аднексита на основе многовариантного моделирования и адаптивного подхода

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Результаты работы в виде автоматизированной системы диагностики и выбора тактики лечения хронического аднексита внедрены в работу гинекологического отделения Городской клинической больницы скорой медицинской помощи № 10 «Электроника» (г. Воронеж), а также используются в учебном процессе ФГБОУ ВПО «Воронежский государственный технический университет» при подготовке специалистов 200 401.65… Читать ещё >

Методы и алгоритмы диагностики и лечения хронического аднексита на основе многовариантного моделирования и адаптивного подхода (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Анализ состояния и пути повышения эффективности диагностики и лечения хронического сальпингоофорита (ХС)
    • 1. 1. Общее состояние проблем, классификация, факторы риска ХС
    • 1. 2. Анализ и сравнение традиционных методов диагностики ХС и тер-мопонктурной диагностики
    • 1. 3. Особенности лечения ХС
  • Выводы первой главы
  • 2. Математическое моделирование процесса диагностики ХС с применением теста Акабане
    • 2. 1. Оценка значимости клинических признаков проявления ХС на основе метода априорного ранжирования
    • 2. 2. Методика исследования и анализ результатов термопунктурной канальной диагностики ХС
    • 2. 3. Разработка регрессионной модели взаимосвязи результатов термопунктурной терапии и клинических проявлений ХС
    • 2. 4. Математическое моделирование процесса постановки диагноза ХСО на основе дискриминантного анализа
  • Выводы второй главы
  • 3. Алгоритмизация процесса выбора метода лечения больных ХС
    • 3. 1. Исследование процессов различных физиотерапевтических методов лечения ХСО на основе термопунктурной канальной диагностики
    • 3. 2. Анализ эффективности лечения хронического сальпингоофарита с применением термопунктурной диагностикики на основе непараметрического оценивания
    • 3. 3. Построение модели выбора метода физиотерапевтического лечения ХСО на основе нейросетевого моделирования
    • 3. 4. Разработка адаптивного алгоритма процесса лечения больных ХС
  • Выводы третьей главы
  • 4. Реализация методов интеллектуальной поддержки принятия решений при диагностике и лечении ХС
    • 4. 1. Алгоритмизация процессов диагностики и лечения хронического сальпиногоофорита на основе сетей Петри
    • 4. 2. Реализация интегрированной компьютерной системы диагностики и выбора тактики лечения ХС
  • Выводы четвертой главы

Актуальность темы

Проблема гинекологических заболеваний является в настоящее время актуальной не только в России, но и во всем мире. Частота заболеваний и количество операций, связанных с ними, все время растут. Хронический аднексит, или сальпингоофорит, является наиболее распространенной патологией среди воспалительных заболеваний органов малого таза. По материалам ВОЗ среди женщин до 30 лет данная нозология встречается в 37−48% случаев.

Осуществление отбора признаков для диагностики хронического адне-ксита является необходимой процедурой, поскольку для решения классификационной задачи должны быть отобраны сведения, несущие полезную для данной задачи информацию. Диагностика гинекологических заболеваний строится на большом количестве различных признаков, в связи с чем встает вопрос о применении математических методов для обработки данных, что может значительно ускорить процесс постановки диагноза и выбора тактики лечения.

Помимо традиционных методов диагностики — клинических, лабораторных, инструментальных, в настоящее время стали использоваться методы акупунктурой диагностики. Многие исследователи склонны рассматривать систему акупунктурных точек, как биоэнергетическую и информационную систему. Зоны повышенной биологической активности — точки акупунктурыявляются одним из механизмов в функциональной системе адаптивной регуляции. Каждая точка акупунктуры обладает преимущественной связью с определенным органом или системой, что позволяет рассматривать точки акупунктуры как каналы информации о состоянии организма.

Для оценки активности каналов в настоящее время широко применяются различные замеры электрической активности или сопротивления в биологически активных точках. На наш взгляд, преимущество имеет метод термопунктурного исследования по тесту Акабане, в котором воздействие на точки производится с помощью точечного светодиода, к которому подводится импульсное напряжение, синхронизированное посредством специальной электронной системы слежения строго в такт с пульсовой волной.

Важной составляющей консервативного лечения больных хроническим аднекситом является физиотерапия, от дифференцированного подбора слагаемых которой существенно зависят результаты реабилитации. Использование физических факторов при лечении больных хроническим аднекситом позволяет избежать неблагоприятных моментов фармакологического воздействия, снизить дозу и продолжительность приема лекарственных препаратов.

Наряду с тем, что физиотерапия широко используется для лечения данного вида патологии, выбор конкретного метода зачастую является случайным и не всегда приводит к желаемому результату. Для оптимизации физиотерапевтического лечения необходима количественная оценка действия каждого физического фактора для подбора наиболее эффективного метода физиотерапевтического лечения, его дозирования с учетом индивидуальной реакции организма.

Отсутствие объективных способов оценки действия физиотерапевтических факторов, а также выраженности изменений механизмов регуляции при их применении диктует необходимость разработки нового способа оценки их действия, оптимально соответствующего современным требованиям клиники. Анализ исследований показывает, что в качестве возможных методик могут быть применены мои итерирование результатов термопунктурной канальной диагностики, математические и статистические методы.

Таким образом, актуальная научно-техническая задача диссертации заключается в необходимости разработки методов интеллектуальной поддержки процессов диагностики и лечения хронического аднексита на основе математических моделей и алгоритмов.

Диссертация выполнена в соответствии с основным научным направлением ФГБОУ В ПО «Воронежский государственный технический университет» «Вычислительные комплексы и проблемно-ориентированные системы управления» при выполнении НИР ГБ 2010.27 «Моделирование и управление процессами в правоохранении».

Цель и задачи исследования

Целью диссертации является разработка методов, моделей и алгоритмов, повышающих эффективность процесса при-нмгия решений при циагностике и лечении хронического аднексита с использованием термопунктурной канальной диагностики, позволяющих монито-рировать терапев! ические эффекты для выработки рациональной тактики физической терапии больных.

Для достижения поставленной цели необходимо решить следующие за ычп.

— провести выбор наиболее значимых признаков при диагностике хро-нп ее кого аднекси) 1 и исследовать возможность использования метода аку-П)! к I урной диагностики для выявления закономерностей формирования ответных реакций организма на заболевание на основе корреляционного и ре-грс сионного аналиа;

— разработать математическую модель процесса диагностики хрониче-с о аднексита с использованием дискриминантного анализа;

— разработать метод выбора физиотерапевтического лечения хрониче-сшо аднексита с учетом индивидуальных особенностей пациенток и исход-нь показателей теста Акабане на основе нейросетевого моделирования и ус повить эффективность лечебного воздействия при назначении различных ф, 'оIерапевтических процедур;

— построить ачгоритм выбора тактики лечения хронического аднексита сом динамики показателей термопунктурной диагностики на основе 811 11 ивного подхода;

— построить сетевую модель на основе сетей Петри, позволяющую принимать решения при планировании диагностического и лечебного процессов хронического аднексита;

— создать автоматизированную систему моделирования и управления промессами диагностики и выбора метода физиотерапевтического лечения хронического аднексита и провести ее клиническую апробацию.

Объект исследования. Пациентки, нуждающиеся в диагностике и ле-ч с I м м ] хронического аднексита.

Предмет исследования. Методы, модели и алгоритмы диагностики и лечечия хронического аднексита.

Содержание диссертации соответствует п. 1 «Исследование, разработка и ч ¦ 'ание медицинской техники, изделий, инструментов, методов и способов диагностики и лечения человека, которые рассматриваются как средства воет i ановления нарушенной поливариантной системы, представление кото-ро «озможно математической, физикои биотехнической, механической моленью, а также энергетической, физико-химической, химической, электрохимической моделью и т. д.» паспорта специальности 05.11.17 — Приборы, системы и изделия медицинского назначения.

Методы исследования. В работе использовались методы экспертного оценивания, системного анализа, имитационного моделирования, математической статистики и теории управления биосистемами, нейросетевого моделирования и адаптивных алгоритмов. При разработке моделей в качестве инструментария использовалась среда Statistica 6.0.

Научная новизна. В диссертации получены следующие результаты, выносимые на защиту и характеризующиеся научной новизной:

— метод выбора наиболее значимых диагностических признаков хронического аднексита, отличающийся использованием априорного ранжирования и применением корреляционного и регрессионного анализа для оценки значимости показателей термопунктурной диагностики по тесту Акабане при постановке диагноза «хронический аднексит»;

— математическая модель постановки диагноза «хронический аднексит» на основе дискриминантного анализа, позволяющая учитывать выраженность признаков заболевания, включающих наряду с классическими клиническими, лабораторными и инструментальными исследованиями также показатели термопунктурной диагностики по тесту Акабане;

— метод выбора физиотерапевтического лечения хронического аднек-сита с учетом индивидуальных особенностей больных на основе нейронной сети, позволяющий назначить наиболее эффективное лечение, и способ определения эффективности лечебного воздействия при назначении различных методов физиотерапевтического лечения хронического аднексита на основе статистических критериев;

— адаптивный алгоритм процесса лечения хронического аднексита, позволяющий оптимизировать дозу воздействия физиотерапевтических факторов, опираясь на динамику изменения показателей теста Акабане;

— сетевая имитационная модель, позволяющая принимать рациональные решения при планировании диагностического и лечебного процесса хронического аднексита и включающая все основные этапы данных процессов начиная со сбора клинических, лабораторных и морфологических признаков заболевания и заканчивая анализом динамики показателей теста Акабане для принятия решения о лечении в соответствии с адаптивным алгоритмом;

— автоматизированная система, обеспечивающая интеграцию методов, моделей и алгоритмов рационального принятия решения для диагностики, выбора метода лечения и дозы физиотерапевтического воздействия при лечении хронического аднексита.

Практическая значимость и результаты внедрения. Разработаны модели, алгоритмы и программное обеспечение для автоматизации процесса диагностики и выбора тактики лечения хронического аднексита, позволяющие поднять на новый уровень качество медицинского обслуживания, в частности повысить эффективность диагностического и лечебного процессов благодаря применению термопунктурной диагностики и оптимизации лечения путем индивидуального подбора вида и дозы физиотерапевтического воздействия при лечении хронического аднексита.

Результаты работы в виде автоматизированной системы диагностики и выбора тактики лечения хронического аднексита внедрены в работу гинекологического отделения Городской клинической больницы скорой медицинской помощи № 10 «Электроника» (г. Воронеж), а также используются в учебном процессе ФГБОУ ВПО «Воронежский государственный технический университет» при подготовке специалистов 200 401.65 «Биотехнические и медицинские аппараты и системы» (дисциплины «Методы обработки биомедицинских сигналов и данных», «Управление в биологических и медицинских системах»), что подтверждено соответствующими актами.

Апробация работы. Основные положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на следующих конференциях: Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2010) — научно-практической конференции «Проблемно-ориентированные системы управления» (Воронеж, 2010, 2011) — Международной научно-технической конференции «Инноватика-2010» (Сочи, 2010) — Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2011, 2012) — научно-практической конференции «Актуальные вопросы организации, оказания первой медицинской помощи в условиях стационара и на догоспитальном этапе» (Воронеж, 2011, 2012) — научно-тематическом семинаре кафедры «Системный анализ и управление в медицинских системах» ФГБОУ ВПО «Воронежский государственный технический университет» (Воронеж, 2009;2012).

Публикации. По теме диссертации опубликовано 12 научных работ, из них 4 статьи в рецензируемых научных журналах.

Структура и объем работы. Диссертация состоит из введения, четырех глав с выводами, заключения, приложения и списка литературы из 141 наименования. Основная часть работы изложена на 132 страницах машинописного текста, содержит 31 рисунок и 21 таблицу.

Выход.

Рис. 4.14. Окно контроля лечения.

Врач может добавить информацию о новой процедуре, нажав на кнопку «Добавить информацию о процедуре» (рис. 4.15) и рассчитать оптимальную длительность следующей процедуры в соответствии с адаптивным алгоритмом — для этого необходимо выбрать параметр расчета и нажать кнопку «Задать длительность следующей процедуры» (рис. 4.16).

Длит^оь-нлт проиА.2уры А> аоане плсое лроиед лры.

Добавить I Отменить.

Рис. 4.15. Добавление информации о процедурах лечения.

Параметры слэпуюшей процедуры (адаптивный алгоритм).

Выбрать паргг.1етры для расеы I Ратчайиие сроки лечсиня С Шадяшее возденете!* на пациента.

I Задать длительность — Г^ следчюшей процедуры ыхаа I.

Рис. 4.16. Расчет длительности следующей процедуры по адаптивному алгоритму.

1. Построена имитационная сетевая модель на основе сетей Петри, позволяющая принимать решения при планировании диагностического и лечебного процессов хронического аднексита.

2. Создана автоматизированная система моделирования диагностики и выбора метода физиотерапевтического лечения хронического аднексита, позволяющая сократить трудозатраты лечащего врача на 26% по сравнению с традиционными системами и ускорить процесс диагностики и лечения хронического аднексита.

ЗАКЛЮЧЕНИЕ

.

1. Сформулировано общее состояние проблем гинекологических заболеваний, в частности ХС, его классификация и факторы риска. Проведен анализ современных методов диагностики ХС, определяются недостатки существующих подходов к диагностике данного заболевания.

2. Основываясь на изучении энергетических процессов, как вариант рассматривается новый способ, позволяющий распознать изменения организма на функциональном уровне. Отмечаются отличия и преимущества метода термопунктурной канальной диагностики от ранее известных способов аку-пунктурного тестирования.

3. Акцентируется внимание на особенностях и достоинствах физиотерапевтических методов лечения. Проводится анализ современных методик физиотерапевтического воздействия при лечении больных с применением КВЧи лазерои интерференцтерапии.

4. Проведен выбор наиболее значимых признаков при диагностике хронического аднексита на основе методов экспертного оценивания и априорного ранжирования, отобраны 15 наиболее значимых признаков заболевания, на основе которых возможно поставить адекватный диагноз.

5. Доказана эффективность использования метода акупунктурной диагностики для выявления закономерностей формирования ответных реакций организма на заболевание на основе корреляционного и регрессионного анализа.

6. Разработана математическая модель процесса диагностики хронического аднексита с использованием дискриминантного анализа. Полученная модель позволяет автоматизировать постановку диагноза хронического аднексита на основе отобранных наиболее значимых признаков заболевания.

7. Исследованы закономерности формирования ответных реакций организма при назначении различных методов физиотерапевтического лечения хронического аднексита на основе статистических критериев. Из пяти исходно рассматриваемых методов выбраны три наиболее эффективныхинтравагинальная лазеротерапия, КВЧ-7,1 мм и интерференцтерапия — для дальнейшего исследования.

8. Разработан метод выбора лечения хронического аднексита с учетом индивидуальных особенностей пациентов и исходных показателей тер-мопунктурной диагностики на основе нейросетевого моделирования.

9. Разработан адаптивный алгоритм для рационального выбора тактики физиотерапии при лечении хронического аднексита с использованием результатов термопунктурной канальной диагностики.

10. Построена имитационная сетевая модель на основе сетей Петри, позволяющая принимать решения при планировании диагностического и лечебного процессов хронического аднексита.

11. Создана автоматизированная система моделирования диагностики и выбора метода физиотерапевтического лечения хронического аднексита, позволяющая сократить трудозатраты лечащего врача на 26% по сравнению с традиционными системами и ускорить процесс диагностики и лечения хронического аднексита.

Показать весь текст

Список литературы

  1. CA. и др. Прикладная статистика: Исследование зависимостей: Справ, изд. / С. А. Айвазян, И. С. Енюков, Л.Д. Мешалкин- Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1985. — 487 с, ил.
  2. С.А. и др. Прикладная статистика: Классификации и снижение размерности: Справ, изд. / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л.Д. Мешалкин- Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989.-607 с.
  3. С.А. и др. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. М.: Финансы и статистика, 1983. — 471 с.
  4. С.А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974. — 240 с.
  5. В.В., Шнейдеров B.C. Обработка медико-биологических данных на ЭВМ. Л.: Медицина, 1984. — 160 с.
  6. B.C., Емельянов A.A., кукушкин A.A. Системный’анализ в управлении. М.: Финансы и статистика, 2005. — 386 с.
  7. А.Б. Нейронные сети: распознавание, управление, принятие решений. М.: Финансы и статистика, 2004. — 176 с.
  8. Н. Математика и биология в медицине. М.: Мир, 1970.269с.
  9. Н. Статистические методы в биологии / Пер. с англ.: Под ред. В. В. Налимова. М.: Изд-во «Иностр.лит.», 1962. ,
  10. Р. Математические методы в медицине / Пер. с англ.: Под ред. Л. Н. Белых. М.: Мир, 1987. 200 с.
  11. М.Б. Нейронные сети: Учебное пособие. — М.: МИ-РОС и ВЗМШ РАО, 1993. 96 с.
  12. А.А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAP и Data Mining. СПб.: БХВ-Петербург, 2004. — 336 с.
  13. .С. Математическая статистика в клинической, профилактической и экспериментальной медицине. М.: Медицина, 1967.
  14. Биологическая и медицинская кибернетика. Справочник / О. П. Минцер, Б. Н. Угаров и др. Киев: Наукова думка, 1986. — 800 с.
  15. Р., Хан А. Дифференциальный диагноз при абдоминальном ультразвуковом исследовании. Витебск: Белмедкнига, 1997. 253 с.
  16. Боровиков В. STATISTICA. Искусство анализа данных на компьютере: Для профессионалов. 2-е изд. СПб.: Питер, 2003. — 688 с.
  17. В.П. Популярное введение в систему STATISTICA. M., 1998.-266 с.
  18. В.П., Боровиков И.П. STATISTICA Статистический анализ и обработка данных в среде Windows. — M., 1998. — 592 с.
  19. В.П., Ивченко Г. И. Прогнозирование в STATISTICA в среде Windows 95 (основы теории и интенсивная практика на компьютере). -М., 1999.-382 с.
  20. Э.М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983.
  21. В.И., Ильясов Б. Г., Валеев C.B., Жернавков C.B. Интеллектуальные системы управления с использованием нейронных сетей. Учебное пособие. Уфа: УГАТУ, 1997. — 92 с.
  22. Н.С., Панов В. М. «Имитационное моделирование сложных систем» М.: Практика, 1998.
  23. Г. К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев. X.: ОСНОВА, 1997. — 112 с.
  24. A.A. Основы теории автоматического управления: Автоматическое регулирование непрерывных линейных систем. 2-е изд., пере-раб.-М.: Энергия, 1980.-312 с.
  25. И. Анализ и обработка данных. М.: Практика, 2001.
  26. А.И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2000. — 416 с.
  27. Д.В. Интеллектуальные информационные системы. М.: Высшая школа, 2003. — 431с.
  28. В.А., Ковригин О. И. Экспертные системы в медицине// Математика и кибернетика. М., 1987.
  29. И.М., Губерман Ш. А., Шифрин М. А. Прогнозирование и распознавание в медицинских задачах // Распознавание. Классификация. Прогноз. Вып.1, М.: Наука, 1988.
  30. С. Медико-биологическая статистика. М.: Практика, 1999:459 с.
  31. А.Н. Нейроинформатика и ее приложения // Открытые системы. 1998а. № 4.
  32. А.Н. Обучение нейронных сетей. М.: Изд. СССР-США СП «ParaGraph», 1990. — 160 с.
  33. А.Н. Функции многих переменных и нейронные сети // Соросовский образовательный журнал. 19 986. № 12. С. 105−112.
  34. А.Н., Дунин-Барковский B.JL, Кирдин А. Н. и др. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998. -296 с.
  35. Е.В. Вычислительные методы анализа и распознавания патологических процессов. Д.: Медицина, 1978. — 296 с.
  36. В.К., Гребе С. Ф., сальгадо М.Э. Проектирование систем управления. Пер. с англ. Епанешникова A.M. M.: Бином. Лаборатория знаний, 2004.-911 с.
  37. В.М. Статистика. М.: «ЮНИТИ», 2003. — 463 с.
  38. А.И. Трансвагинальная эхография в клинической практике // Акушерство и гинекология. № 8. 1991.
  39. К. Введение в системы баз данных. Киев: Диалектика, 1998.-784 с.
  40. В.Н. Ультразвуковая диагностика в гинекологии / В. Н. Демидов, Б. И. Зыкин. -М.: Медицина, 1990.
  41. C.B. Многомерный статистический анализ.: Учебное пособие. Барнаул: Изд-во Алт. гос. ун-та. 2003, 213 с.
  42. И.В. Клиническая гинекология Т. 2. Москва, 1987. С. 122 149
  43. И.В. Клиническая гинекология Т. 2. Москва, 1987. С. 122 149.
  44. А., В. Чечеткин Нейронные сети в медицине. Открытые системы, 1997 № 4.
  45. И.И., Руковишников В. О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977.
  46. И.С. Методы, алгоритмы, программы многомерного статистического анализа. М.: Финансы и статистика, 1986.
  47. М. Р., Рябцев В. М., Общая теория статистики: Учебник. -М.: Финансы и статистика, 1995.
  48. Ю.Г. Об алгоритмических методах в задачах распознавания и классификации// Распознавание. Классификация. Прогноз. Вып. 1. М.: Наука, 1988.
  49. Н.Г. Методы распознавания и их применение. М.: Радио и связь, 1972.
  50. Г. Н. Математический анализ биологических данных. М: Наука, 1991.
  51. С.А. Управление в биотехнических и медицинских системах: учеб. пособие / С. А. Зацепина, Я. Е. Львович, М.В. Фролов- под ред. В. Н. Фролова. Воронеж: ВГТУ, 1994. — 145 с.
  52. Р. Основные концепции нейронных сетей.: Пер. с англ. -М.: Издательский дом «Вильяме», 2001.
  53. Ким Дж.-О. Факторный, дискриминантныи и кластерный анализ: Пер. с англ. / Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др.- Под ред. И. С. Енюкова. М.: Финансы и статистика, 1989. — 215 с.
  54. A.A. Разработка количественных моделей для решения задач управления в здравоохранении. М., Наука, 1985.
  55. Дж. Системология. Автоматизация решения системных задач: пер. с англ / Дж. Клир- под ред. А. Н. Горлина. М.: Радио и связь, 1990.
  56. Ф.И. Диагностика и лечение внутренних болезней. Том 3. Москва, 1992.
  57. В.И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия — Телеком, 2003. 94 с.
  58. E.H., Родионов О. В. Методы обработки биомедицинских данных: учебное пособие. Воронеж: ВГТУ, 2007.
  59. E.H., Юрьева К. А. Управление процессами диагностики и лечения на основе нейросетевого моделирования // Интеллектуализация управления в социальных и экономических системах: труды Всероссийской конференции, Воронеж, 2010. С. 168−169.
  60. В.В., Борисов B.B. Искусственные нейронные сети. Теория и практика. 2-е изд. стереотип. — М.: Горячая линия — Телеком, 2002. 382 с.
  61. О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах: Учебник. М.: Логос, 2000. — 296 с.
  62. Т.М. Модели и методы принятия решений. Воронеж: ВГТУ, 2004.- 189 с.
  63. Я.Е. Управление в биологических и медицинских системах/Я.Е. Львович, М. В. Фролов. Воронеж: ВГТУ, 1994. — 183 с.
  64. Я.Е., Фролов М. В. Моделирование биотехнических и медицинских систем: Учеб. пособие. / Под ред В. Н. Фролова. Воронеж, 1994. -194 с.
  65. Лю Б. Теория и практика неопределенного программирования / Б. Лю- Пер. с англ. М.: БИНОМ. Лаборатория знаний, 2005. — 416 с.
  66. A.A., Тюрин Ю. Н. Анализ данных на компьютере. Киев, 2003−217 с.
  67. Ю.С., Тарасов В.В Математические методы статистического анализа в биологии и медицине, Вып. 2. М.: Изд-во МГУ, 1982.
  68. Математико-статистические методы в клинической практике / Под ред. В. И. Кувакина. СПб.:Б.и, 1993. — 199 с.
  69. .З. Теория организации: Учебник. 4-е изд., перераб. и доп./ Б. З. Мильнер — М.: Изд-во «ИНФРА-М», 2006. — 80 с.
  70. В.В. Ультразвуковая диагностика (практическое руководство). Допплерография. Видар: М., 1999.
  71. В.Г. Теория и практика термопунктурной канальной диагностики и лечения. Санкт-Петербург, 2004 г.
  72. Г. И., Осипов Г. С. Основы теории медицинских технологических процессов. 4.2. Исследование медицинских технологических процессов на основе интеллектуального анализа данных. М.: ФИЗМАТЛИТ, 2006. 144 с.
  73. Норман Дрейпер, Гарри Смит. Прикладной регрессионный анализ. Множественная регрессия. М.: Диалектика, 2007.
  74. С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2004.
  75. Ф. И. Тарасенко Ф.П. Введение в системный анализ -М.: Высшая школа, 1989.
  76. М.Е. Статистическая обработка данных. Вильнюс, 1989.
  77. Распознавание образов и медицинская диагностика/ Под редакцией Ю. М. Неймарка. М.: Наука, 1972.
  78. О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. М., МедиаСфера, 2002, 312 с.
  79. Рекомендации. Прикладная статистика. Методы обработки данных. Основные требования и характеристики.- М.:ВНИИС, 1987. 64 с.
  80. О.В., Воронин А. И., Коровин E.H. Медицинские информационные системы: Учеб. пособие. Воронеж: Воронеж, гос. техн. ун-т, 2003.
  81. В.К. Воспаление придатков аднексит. -Весь, 2008 г.
  82. Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинско-го М: Горячая линия — Телеком, 2006. — 452 с.
  83. .Я. Моделирование систем: учеб. пособие для вузов / Б. Я. Советов, С. А. Яковлев. 3-е изд., стер. — М.: Высшая школа, 2005. — 295 с.
  84. .Я., Цехановский В. В. Информационные технологии. -М.: Высшая школа, 2003. 263 с.
  85. Статистические методы для ЭВМ / Под ред. К. Экслейна, Э. Рэ-лстона, Г. Уилфа- Пер. с англ. М.: Наука, 1986.
  86. Дж. Введение в теорию ошибок. Пер. с англ. М.: Мир, 1985.-272 с.
  87. Теория статистики / под редакцией проф. P.A. Шмойловой. 2003.
  88. Э.А. Компьютерная поддержка принятия решений. -М: Синтег, 1998. 376с.
  89. И.П. Системы обработки и хранения информации. -М.: Высшая школа, 1989. 190 с.
  90. Ю.Н., Макаров A.A. Статистический анализ данных на компьютере / Под ред. В. Э. Фигурнова М.: ИНФРА-М, 1998. — 528 с.
  91. ., Стирнс С. Адаптивная обработка сигналов: Пер. с англ. М.: Радио и связь, 1989. — 440 с.
  92. П. Искусственный интеллект. М.: Мир, 1980. — 520 с.
  93. Ф. Нейрокомпьютерная техника. М.: Мир, 1992.184 с.
  94. Д. Руководство по экспертным системам. Пер. с англ. Под ред. Стефанюка В. Л. М.: Мир, 1989. — 388 с.
  95. Факторный дискриминантный и кластерный анализ: Сборник. Пер с англ. Хотинского A.M., Королева С. Б. Под ред. Енюкова И. С. М.: Финансы и статистика, 1989.-215 с.
  96. Э., Ренц В. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1983.
  97. .С., Брусиловский П. М., Розенберг Г. С. О методах математического моделирования сложных систем // Системные исследования. Ежегодник. -М.: Наука, 1982. С. 65−79.
  98. Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. — 230 с.
  99. В.Н. Моделирование и оптимизация сложных систем (избранные главы). Воронеж- ВГТУ, 1997.
  100. В.Н. Управление в биологических и медицинских системах: Учебное пособие. Воронеж, 2001.
  101. С. Нейронные сети: полный курс, 2-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2006. — 1104 с.
  102. Э. Искусственный интеллект. М.: Мир, 1978. — 558 с.
  103. Ю.С. Имитационное моделирование / Ю. С. Харин. М.: ФИС, 1998.
  104. В.К., Розенберг Г. С., Зинченко Т. Д. Количественная гидроэкология: методы системной идентификации. Тольятти: ИЭВБ РАН, 2003.-463 с.
  105. Электронный учебник от Statsoft.
  106. К.А. Алгоритмизация процессов диагностики и лечения хронического сальпиногоофорита на основе сетей Петри // Управление в биомедицинских, социальных и экономических системах: межвузовский сборник научных трудов, Воронеж, ВГТУ, 2012. С. 12−15.
  107. К.А. Моделирование процесса выбора физиотерапевтического лечения ХСО на основе нейронной сети // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. М., 2012 Т.П. №. 4. С.873−875.
  108. Acupressure (Quick Study Academic Outline) / Inc. BarCharts, 2005
  109. Acupuncture and the Chakra Energy System: Treating the Cause of Disease / John R. Cross, Nadia Ellis and John Amaro, 2008
  110. Brenda Savage. Interferential Therapy, 1986
  111. Curtis Turchin. Light and Laser Therapy: Clinical Procedures, 2006
  112. Diagnostic Gynecologic and Obstetric Pathology: Expert Consult -Online and Print, 2e / Christopher P. С rum MD, Marisa R. Nucci MD and Kenneth R. Lee MD, 2011
  113. Eugene Toy. Case Files Obstetrics and Gynecology, Third Edition / Eugene Toy, Benton Baker III, Patti Ross, John Jennings, 2009.
  114. Five Element Constitutional Acupuncture, 2e / Angela Hicks MAc DipCHM MBAcC MRCHM, John Hicks PhD DrAc DipCHM MBAcC MRCHM and Peter Mole MA (Oxon) MAc MBAcC, 2011
  115. Jan Tuner, Lars Hode Laser Therapy Clinical Practice & Scientific Background, 2002
  116. Jeff Heaton. Introduction to Neural Networks for C#, 2nd Edition by, 2008
  117. Jeff Heaton. Introduction to the Math of Neural Networks, 2012
  118. John Urbanski D.C. Acupuncture Meridian Point Locations Atlas, 2010
  119. Marisa R. Nucci MD, Esther Oliva MD. Gynecologic Pathology: A Volume in Foundations in Diagnostic Pathology Series, le, 2009
  120. Mimi C. Berman, Harris L. Cohen. Diagnostic Medical Sonography: Obstetrics and Gynecology (v. 1), 1997
  121. New Dimensions in Interferential Therapy: A Theoretical & Clinical Guide, 1987
  122. Obstetrics, Gynecology and Infertility: Handbook for Clinicians- Pocket Edition / John D. Gordon, Jan T. Rydfors, Maurice L. Druzin and Yona Tadir, 2007
  123. Sandhya Samarasinghe. Neural Networks for Applied Sciences and Engineering: From Fundamentals to Complex Pattern Recognition, 2006
  124. Sinerik N. Ayrapetyan, Marko S. Markov. Bioelectromagnetics Current Concepts: The Mechanisms of the Biological Effect of Extremely High Power Pulses, 2006
  125. Sonography in Obstetrics & Gynecology: Principles and Practice, 7th Edition / Arthur C. Fleischer, Eugene C. Toy, Wesley Lee and Frank A. Manning, 2011
  126. William Silen. Cope’s Early Diagnosis of the Acute Abdomen (Silen, Early Diagnosis of the Acute Abdomen), 2010
Заполнить форму текущей работой