Помощь в написании студенческих работ
Антистрессовый сервис

Система поддержки принятия решений по оценке активности воспалительных процессов на основании анализа пассивных электрических свойств биопроб

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

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… Читать ещё >

Система поддержки принятия решений по оценке активности воспалительных процессов на основании анализа пассивных электрических свойств биопроб (реферат, курсовая, диплом, контрольная)

Содержание

  • СПИСОК ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
  • 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

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 2008 г. на тему «Информационно-измерительная система для исследования и контроля пассивных электрических свойств биообъекта» по направлению «Наукашаг 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 200 401 — «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.

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.

Показать весь текст

Список литературы

  1. Получение информации о параметрах и характеристиках организма и физические методы воздействия на него: Учебное пособие/ В. Г. Гусев. М.: Машиностроение, 2004. — 597с.
  2. Р.У. Болезни плевры / Пер. с англ. М.: Медицина 1986- 376 с.
  3. Н.В. Плевриты. В кн.: Руководство по пульмонологии. Под ред. Н. В. Путова и Г. Б. Федосеева. — Л.: Медицина 1984. — С. 414−30.
  4. В.И. Острый гнойный плеврит. В кн.: В. И. Стручков. Гнойная Хирургия. — М.: Медицина 1967. — С. 255−66.
  5. С.И., Никольский В. И. Применение джоульметрии для изучения динамики воспалительного процесса // Новые промышленные технологии. М. — 1993. — № 6 (260). — С. 23−26.
  6. В.К., Сажин В. П., Авдовенко А. Л. Перитонит. М.: Медицина 1992. -224 с.
  7. А.В. Использование импедансометрии в диагностике острого синусита, Бюлл. Сиб. Мед. -2002. -№ 1. -С. 101−106.
  8. А.Ф. и др., Прогнозирование гнойных осложнений послеоперационных ран, Сов. Мед. -1983. № 2. — С. 22−25.
  9. 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. Ю.В., Хачатрян Р. Г., Хачатрян А. П. и др. Электрический импеданс биологических тканей. М.: ВЗПИ, 1990. -145 с.
  12. 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. .Б., Петрий О. А. Введение в электрохимическую кинетику. М.: Высшая школа, 1983. -400 с.
  14. .А. Теоретические основы электрохимических методов анализа. М.: Высшая школа, 1986. — 296 С.
  15. М.С., Баканов В. И., Пнев В. В. Хронопотенциометрия. М.: Химия, 1978. -200 с.
  16. 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. В.Ф. и др. Биофизика: Учебник для студ. высш. Учеб. Заведений. М.: Гуманит. изд. центр ВЛАДОС, 1999. -288с.
  20. Д. А. Курс коллоидной химии / Учеб. для вузов, 2-е изд., перераб. и доп. Л.: Химия, 1984. — 368 с.
  21. Л.Д., Лифшиц Е. М. Электродинамика сплошных сред. -М.: Наука, 1982.-624 с.
  22. Ю.А., Рощупкин Д. И., Потапенко А. Я. Биофизика: Учебник. М.: Медицина, 1983. -272 с.
  23. Э., Медьеши Г., Верецкеи Л. Электрофорез в разделении биологических макромолекул / Пер. с англ. М.: Мир, 1982. — 448 с.
  24. 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. К. Электрохимическая кинетика. М.: Химия, 1967. — 856 с.
  26. А.Н. Система: философская категория и реальность. -М.: Мысль, 1976. -328с.
  27. В.Н. Системный анализ для инженеров. СПб: СЗГЗТУ, 2006.-186 с.
  28. П. Основы идентификации систем управления. М.: Мир, 1975.-321 с.
  29. . Я., Яковлев С. А. Моделирование систем. М.: Высшая школа, 1998. — 319 с.
  30. B.C. Устойчивые методы обработки результатов измерений. Учебное пособие. СПб.: «СпецЛит», 1999. — 240 с.
  31. Л. Идентификация систем. Теория для пользователя: пер. с англ. / Под ред. Я. З. Ципкина. М.: Наука 1991. -432 с.
  32. Л.М. и др. Цифровая обработка сигналов: Справочник. -М.: Мир, 1989.-590 с.
  33. К.А., Капалин В. И., Ющенко А. С. Функциональные ряды в теории нелинейных систем. М.: Наука, 1976. — 448 с.
  34. В. Теория функционалов, интегральных и интегро-дифференциальных уравнений. М.: Наука, 1982, 304 с.
  35. 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. 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. П., Мармарелис В. Анализ физиологических систем (метод белого шума). М.: Мир, 1981. 480 с.
  38. Ли. Ю., Щецен М. Определение ядер Винера-Хопфа методом взаимной корреляции. «Техническая кибернетика за рубежом» М.: Машиностроение, 1968. — С. 166−185.
  39. 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.
  40. 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.
  41. Р. Быстрые алгоритмы цифровой обработки сигналов: Пер. с англ. М.: Мир, 1989. — 448 с.
  42. ., Стирнз С. Адаптивная обработка сигналов: Пер. с англ. -М.: Радио и связь, 1989. -440 с.
  43. С.Л. Марп-мл., Цифровой спектральный анализ и его приложения. -М.: Мир, 1990.-547 с.
  44. Н. Н., Иванилов Ю. П., Столярова Е. М. Методы оптимизации. М.: Наука, 1978 г. 352 с.
  45. Ф., Мюррей У., Райт М. Практическая оптимизация. Пер. с англ.- М.: Мир, 1985. -509 с.
  46. С.В., Ларичев О. И. Многокритериальные методы принятия решений. М.: Знание, 1985. -32 с.
  47. А.Р., Левин М. Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 2000. — 272 с.
  48. 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.
  49. А.А. Информационные основы управления. Л.: Энерго-атомиздат, 1983. -72с.
  50. И.Д. Кластерный анализ. М.: Финансы и статистика. 1988.- 176с.
  51. Д.М. Организация и управление. М.: Наука, 1972. -265с.
  52. 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.
  53. А.Н. Аналитическим службам информационные технологии. — М.: Ваш выбор № 4 1994. — С.28−29.
  54. П.В., Основы информационной теории измерительных устройств, «Энергия», Ленингр. отд-ние, 1968.
  55. 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.
  56. Ю.П. Математические методы интерпретации эксперимента. М.: Высш. шк., 1989. — 351 с.
  57. Ю.П. Методы анализа и интерпретации эксперимента. М.: Изд-во МГУ, 1990.-288 с.
  58. К. Работы по теории информации и кибернетике. М.: Изд-во иностр. лит., 1963. — 829с.
  59. А.В. Синтез оптимальной структуры электрической модели биообъекта // Современные информационные технологии: Труды Международной НТК, Пенза, 2007. -С. 161−165.
  60. 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.
  61. А.С. Распознавание образов и машинное восприятие на основе принципа минимальной длинны описания. СПб.: Политехника, 2007. — 547 с.
  62. Akaike Н. A New Look at the Statistical Model Identification, IEEE Transaction on Automatic Control, AC-19. 1974. C. 716−723.
  63. Schwarz G. Estimating the Dimension of a Model // The Annals of Statistics. 1978. -C. 461−464.
  64. 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.
  65. Я.P., Катышев П. К., Пересецкий А. А. Эконометрика. Начальный курс. М.: Москва: Изд-во «Наука», 2001. — 636 с.
  66. А.В. Моделирование динамических характеристик двойного электрического слоя // Современные информационные технологии: Труды Международной НТК, Пенза, 2008. -С. 88−90.
  67. 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.
  68. 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.
  69. А.В. Многопараметрическая система контроля ПЭС биообъекта. Вестник Рязанского государственного радиотехнического университета № 2 (24). Рязань, 2008. -С. 19−25.
  70. В.И. Многоканальные RLS- и быстрые RLS- алгоритмы адаптивной фильтрации //Успехи современной радиоэлектроники. -2004. -№ 11.
  71. Л.Е. Системы связи с шумоподобными сигналами. М.: Радио и связь, 1985. — 384 с.
  72. П.В., Зограф И. А. Оценка погрешностей результатов измерений. -Л.: Энергоатомиздат, 1985.-248с.
  73. М.Б. Вычислительная техника в полевой геофизике: Учебник для вузов. М.: Недра, 1993, — 350 с.
  74. Многокритериальные задачи принятия решений / Под ред. Д. М. Гвишиани и С. В. Емельянова. М.: Машиностроение, 1978. — 192 с.
  75. 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.
  76. В.М. Статистика: Учебное пособие / В. М. Гусаров.- М.: ЮНИТИ-ДАНА, 2001.-463с.
  77. Ф.Р. Теория матриц. М.: Наука, 1966. — 576 с.
  78. Oja, Е. «A simplified neuron model as a Principal Component Ana-lyzer», J. Math. Biology, 16, 267−273, 1982.
  79. А.И. Теория нейронных сетей. Кн.1: Учеб. Пособие для вузов / Общая ред. А. И. Галушкина.- М.: ИПРЖР, 2000.- 416 с.
  80. 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.
  81. С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002 г. -344 с.
  82. Классификация и кластер. / Под ред. Дж. Вэн Райзина. М.: Мир, 1980,-390 с.
  83. A.M., Мхитарян B.C., Трошин Л. И. Многомерные статистические методы. М.: Финансы и статисткиа, 2000. — 352 с.
  84. Дж. Вычислительные алгоритмы в прикладной статистике: Пер. с англ. / Под ред. Е. Д. Демиденко. -М.: Финансы и статистика, 1988.-350 с.
  85. Математические и компьютерные основы криптологии. Учебное пособие. М.: Новое знание, 2003. — 384 с.
  86. Kamke Е., Differentialgleichungen: Losungsmethoden und Losungen, I, Gewohnliche Differentialgleichungen, B. G. Teubner, Leipzig, 1977.
  87. 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.
  88. Jeffrey S. Blair, The Biomedical Engineering handbook, 1995, pp. 26 502 659.
  89. 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.
  90. B.C., Попечителев Е. П. Лабораторные приборы для исследования жидких сред. Л.: Машиностроение 1981 г. — 311с.
  91. 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.
  92. 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.
  93. Дж., Рейдер Ч., Голд Б. Цифровые синтезаторы частоты. -Зарубежная радиоэлектроника, 1972, № 3, с.57−74.
  94. В.Н., Фадеев А. Н. Цифровые вычислительные синтезаторы двухуровневых сигналов с компенсацией фазовых ошибок. -Радиотехника, 1982, № 10, с. 15−19.
  95. Е. А. Справочник по полупроводниковым приборам. Издание 2. Таганрог, 219 с.
  96. Лэм Г. Аналоговые и цифровые фильтры: Расчет и реализация: Пер. с англ. 1982. 592 с.
  97. А. Визуальное моделирование в среде MATLAB: учебный курс. СПб.: Питер, 2000. — 432 с.
Заполнить форму текущей работой