Помощь в написании студенческих работ
Антистрессовый сервис

Разработка методов и средств для автоматизации диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа

Диссертация: Разработка методов и средств для автоматизации диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Стандартные алгоритмы клинического обследования больных с различными формами анемий, как правило, обеспечивают их точную нозологическую расшифровку. Однако, при некоторых гемолитических процессах, верификация может оказаться весьма сложной. В связи с этим актуальна задача поиска методов, облегчающих и ускоряющих дифференциальную диагностику анемий неясного генеза на ранних этапах… Читать ещё >

Разработка методов и средств для автоматизации диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Анализ компьютерных технологий обработки медицинских данных в задачах классификации с нечеткими границами классов
    • 1. 1. Особенности классификации признаковых пространств при ди- 10 агностики и дифференцировании анемий
    • 1. 2. Методы решения задач диагностики и прогнозирования, используемые в медицинских
  • приложениях
    • 1. 3. Автоматизированные системы для диагностики заболеваний крови
    • 1. 4. Цель и задачи исследования
  • Глава 2. Разработка и исследование методов, способов и алгоритмов поддержки принятия решений при диагностики анемий
    • 2. 1. Выбор схемы принятия решений по дифференциальной диаг- 47 ностике анемий и их стадий
    • 2. 2. Рекомендации по выбору правил агрегирования для первого 49 уровня
    • 2. 3. Синтез алгоритма генетического типа
    • 2. 4. Способ выбора параметров модулей нечеткого вывода в много- 68 уровневых системах классификации
    • 2. 5. Метод синтеза решающих правил для системы поддержки при- 72 нятия решений при диагностике анемий
    • 2. 6. Выводы второй главы
  • Глава 3. Синтез признаковых пространств и алгоритмов управления для автоматизированной системы диагностики и дифференцирования анемий
    • 3. 1. Исследование и разработка алгоритма управления процессом 76 диагностики анемий
    • 3. 2. Скрининг анемии на основе данных автоматизированного анализа крови
    • 3. 3. Разработка алгоритма дифференциальной диагностики желе- 87 зодефицитных анемий
    • 3. 4. Алгоритм управление диагностикой мегалобластных анемий
    • 3. 5. Автоматизированная диагностика гемолитических анемий
    • 3. 6. Разработка алгоритма определения стадий апластической ане- 104 мии
    • 3. 7. Выводы третьей главы
  • Глава 4. Обучение и диагностика в автоматизированной 110 системе диагностики анемий
    • 4. 1. Объект, методы и средства исследования
    • 4. 2. Автоматизированная диагностика анемий по эритроцитар- 115 ным индексам
    • 4. 3. Экспериментальные исследования решающих правил по ди- 122 агностике мегалобластных анемий
    • 4. 4. Обсуждение результатов исследования
    • 4. 5. Выводы четвертой главы
  • Заключение 131 Библиографический
  • список

Актуальность работы. Анемии занимают видное место в структуре заболеваний. Железодефицитные, витамин-В|2-дефицитные, гемолитические, апластические анемии — таков порядок основных форм анемий по встречаемости. Несмотря на то, что анемия — одно из самых часто встречающихся гематологических нарушений, количество диагностических ошибок велико.

Стандартные алгоритмы клинического обследования больных с различными формами анемий, как правило, обеспечивают их точную нозологическую расшифровку. Однако, при некоторых гемолитических процессах, верификация может оказаться весьма сложной. В связи с этим актуальна задача поиска методов, облегчающих и ускоряющих дифференциальную диагностику анемий неясного генеза на ранних этапах их возникновения. Это особенно важно в современных экологических условиях, с ростом факторов риска сердечнососудистых и легочных заболеваний, так как при сердечно-сосудистых заболеваниях в их патогенезе имеет большое значение изменение биофизических параметров крови, которое сопровождается изменением ее агрегатного состояния и, в ряде случаев, приводящее к гибели организма (Гланц P.M., 1989; Белоусов Ю. Б., 1986; Козинец Г. И., 2000).

Исследования показали, что повысить качество решения исследуемого класса задач можно используя методы теории нечетких множеств, учитывающих разносторонние проявления анемического синдрома с привлечением современных информационных технологий.

Исходя из того, что существующие методы, алгоритмы и технические устройства диагностики анемий не обеспечивают требуемого качества классификации при допустимых ограничениях на время принятия решения и технико-экономические затраты, а высокий процент этих заболеваний требует решения задач повышения качества диагностики и лечения, проблема повышения эффективности автоматизированных систем, позволяющих исследовать эритроци-тарные нарушения в клинической и амбулаторной практике в реальном времени и осуществляющих прогноз возникновения и развития анемий является весьма актуальной.

Работа выполнена в соответствии с научным направлением Курского государственного технического университета «Разработка медико-экологических информационных технологий» и в соответствии с научно-технической программой «Научные исследования высшей школы по приоритетным направлениям науки и техники», подпрограмма 204 «Технология живых систем» 20 022 004гг.

Целью диссертационной работы является разработка методов и средств для повышения достоверности диагностики анемий путем автоматизации анализа данных различных функциональных подсистем и лабораторного анализа на основе нечеткой логики принятия решений и использования алгоритмов генетического типа.

Для достижения поставленной цели необходимо решить следующие задачи:

— проанализировать количественные и качественные признаки, связанные с эритроцитарными нарушениями, и сформировать признаковые пространства, позволяющие выявить наличие анемического синдрома;

— предложить способ агрегирования данных от различных признаковых пространств, характеризующих состояние анемия;

— разработать алгоритм оптимизации выбора структуры модуля нечеткого вывода;

— разработать метод синтеза решающих правил для системы поддержки принятия решений при диагностике в признаковых пространствах, характеризующих анемический синдром;

— разработать алгоритмы управления процессами диагностики и скрининга анемий;

— предложить структуру системы поддержки принятия решений для врача-гематологапровести апробацию предложенных методов и средств в клинических условиях.

Методы исследования. Для решения поставленных задач использовались методы системного анализа, моделирования, теории нечетких множеств и генетических алгоритмов, прикладной статистики, экспертного оценивания и принятия решений.

При разработке программного обеспечения использовался принцип модульного программирования и технология средств визуального программирования Delphi.

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

— метод синтеза решающих правил для дифференциальной диагностики анемий и их стадий в нечетких признаковых пространствах с высокой степенью пересечения классов, использующий двухуровневый способ принятия решений с синтезом двух модулей нечеткого вывода: первого — на основе разведочного анализа структуры классов в каждой подсистеме группы признаков, а второйна основе перебора возможных комбинаций операций над нечеткими числами по алгоритмам генетического типа, позволяющий синтезировать решающие правила для получения прогностических и диагностических выводов о наличии эритроцитарных нарушений;

— модель блока нечеткого вывода второго уровня, отличающаяся агрегированием Nмерного вектора нечетких данных на его входе с заданным коэффициентом уверенности, представленная в виде хромосомы, содержащей N-1 ген, каждый i-й ген которой является кодом нечеткой операции над i-м и (i+1)-м элементом нечеткого входного вектора, результат i-й операции размещается в (i+l)-M элементе этого вектора, а результат агрегирования — в N-м элементе;

— алгоритм выбора оптимальной структуры блока нечеткого вывода, отличающийся тем, что он реализован в виде генетического алгоритма, оптимизирующего структуру хромосомы, число генов в которой на единицу меньше размерности входного вектора этого блока, число их аллелей равно числу возможных операций над нечеткими числами, введенных в данной нечеткой системе классификации, а оптимизируемый функционал построен согласно требованиям к соотношению ошибок первого и второго рода по диагностируемым классам;

— алгоритмы управления процессами диагностики и скринингом анемий, позволяющие синтезировать признаковые пространства для заданного типа анемий и определять уверенность в поставленном диагнозе посредством использования модулей нечеткого вывода, синтезированных на основе алгоритмов генетического типа, в которых реализуются как принципы скрещивания, так и мутаций: решающие правила для диагностики анемий и их стадий, отличающиеся тем, что на первом иерархическом уровне классификации диагностика ведется по данным автоматизированного анализа крови, представленном в виде эритроцитарных индексов, а на последующих иерархических уровнях проводится анализ других лабораторных данных, результатов клинических исследований и рисков, связанных с воздействием на организм факторов производственной среды и экологических факторов, что позволяет либо выделить в данном типе анемии стадию заболевания, либо провести уточнение диагноза за счет выявления заболеваний, симптоматически сходных с диагностируемыми.

Практическая значимость работы. Практическая значимость работы заключается в создании специализированного программного комплекса для диагностики и дифференцирования анемий.

Предложена автоматизированная система диагностики и дифференцирования анемий, позволяющая классифицировать анемии по пяти типам с возможностью определения стадий и проведения скрининга. Практические испытания системы показали ее высокую диагностическую и прогностическую эффективность и приемлемое качество рекомендаций по организации лечебно-оздоровительных мероприятий.

Реализация результатов работы. Основные теоретические и практические результаты работы внедрены в составе медицинской информационной системы в практическую деятельность клинико-биохимической лаборатории МУЗ «Городская больница № 6» и в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению 553 900 «Биомедицинская инженерия» .

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на VI Международной научно-технической конференции «Медико-экологические информационные технологии — 2003» (Курск, 2003) — XI Российской научно-технической конференции «Материалы и упрочняющие технологии — 2004» (Курск, 2004), VIII Международной научно-технической конференции «Медико-экологические информационные технологии — 2005», (Курск, 2005) — Межрегиональной научно-практической конференции «Актуальные проблемы методологии и практики управления в российских условиях» (Курск, 2005).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 8 печатных работ.

Личный вклад автора. В работах, опубликованных в соавторстве, и приведенных в конце автореферата, в [1] соискателем предложена методика получения данных по форменным элементам крови, в [2] автор исследовал влияние различных факторов на интенсивность заболеваний крови, в [4] соискатель предложил метод синтеза решающих правил для диагностики анемий, в [5] автор предложил способ классификации анемий на первом иерархическом уровне классификации, синтеза решающих правил в двухуровневой системе классификации анемий, в [7] автор провел анализ математических методов моделирования нечетких модулей вывода, в [8] автором синтезирована структура системы поддержки принятия решений для врача-гематолога.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 98 отечественных и 9 зарубежных наименования. Работа изложена на 130 страницах машинописного текста, содержит 46 рисунков и 14 таблиц.

4.5. Выводы четвертой главы.

1. В результате проведенных статистических исследований показано, что основной прирост заболеваемости анемиями обусловлен ЖД анемиями и В12 -дефицитными анемиями, что позволило ввести в диалоговом режиме коррекцию в процесс синтеза решающих правил с целью снижения ошибок первого и второго рода по этим классам.

2. Разработана автоматизированная система врача-гематолога, позволяющая апробировать предложенные алгоритмы и решающие правила по классификации анемий.

3. Проведенные экспериментальные исследования автоматизированной системы по классификации анемий методом скользящего экзамена показали, что при классификации по пяти классам чувствительность классификации достигает 0,92- а специфичность 0,98. Использование операторных скобок в генетических алгоритмах позволяет повысить чувствительность и специфичность по заданным класса, при этом надежность классификации по другим классам изменяется весьма слабо.

4. Проведенные экспериментальные исследования автоматизированной системы по дифференцированию мегалобластных анемий методом скользящего экзамена показали специфичность не ниже 0,94.

5. Полученные решающие правила, использующие информацию об эритроцитарных индексах и дополнительные признаковые пространства, подобранные под конкретную задачу классификации анемий, позволяют решать разнотипные задачи управления диагностикой и дифференцированием анемий с уверенностью не хуже 0,9.

ЗАКЛЮЧЕНИЕ

.

Предлагаемая работа посвящена решению научных и практических задач, связанных с повышением качества медицинского обслуживания населения. В результате выполнения этой работы получены следующие основные результаты.

1. Проведены статистические исследования распространенности анемий различного типа и проанализированы количественные и качественные признаки эритроцитарных нарушений, связанных с ними, на основании чего выбраны признаковые пространства и типы анемий, классифицируемых автоматизированной системой.

2. Предложен способ агрегирования данных от различных признаковых пространств, характеризующих состояние анемия, включающий два этапа: на первом этапе производится разведочный анализ, позволяющий изучить геометрическую структуру классов в пространстве информативных признаков, а на втором — под известную структуру классов и типов признаков выбираются носители и параметры частных функций принадлежностей, решающие задачи классификации по подпространствам и областям исходного пространства признаков.

3. Разработан алгоритм выбора оптимальной структуры блока нечеткого вывода, включающий генетический алгоритм, оптимизирующий структуру хромосомы, отличающийся тем, что число генов в хромосоме на единицу меньше размерности входного вектора блока нечеткого вывода, число их аллелей равно числу возможных операций над нечеткими числами, введенных в данной системе классификации, а оптимизируемый функционал построен согласно требуемому соотношению ошибок первого и второго рода по диагностируемым классам.

4. Разработан метод синтеза решающих правил для системы поддержки принятия решений при диагностике в признаковых пространствах с высокой степенью пересечения классов, использующий двухуровневый способ принятия решений с фуззификацией и агрегацией данных в блоке нечеткого вывода первого уровня, синтезируемого на основе разведочного анализа структуры классов в каждой подсистеме группы признаков, а второйна основе перебора возможных комбинаций операций над нечеткими числами по алгоритмам генетического типа.

5. Разработан комплекс алгоритмов управления процессом диагностики и классификации анемий и скрининговой диагностики анемий, позволяющий синтезировать признаковые пространства для заданного типа анемий и определять уверенность в поставленном диагнозе посредством использования нечеткого логического вывода, полученного на основе алгоритмов генетического типа, в которых были использованы как принципы скрещивания, так и мутаций.

6. Предложена автоматизированная система для врача-гематолога, решающая задачи классификации, скрининга и дифференцирования анемий на основе автоматизированного анализа крови и позволяющая управлять процессом диагностики путем привлечения к анализу дополнительных информационных признаков и экспертных оценок благодаря гибкости модулей управления, синтезированных на основе алгоритмов генетического типа.

7. Разработанные методы, способы, модели и алгоритмы прошли экспериментальную проверку в клинико-биохимической лаборатории МУЗ «Городская больница № 6» и используются в учебном процессе Курского государственного технического университета при подготовке специалистов по направлению 553 900 «Биомедицинская инженерия».

Практические испытания автоматизированной системы диагностики и дифференцирования анемий показали ее высокую диагностическую эффективность и приемлемое качество рекомендаций по организации лечебно-оздоровительных мероприятий, подтвержденную статистическими испытаниями, имитационным моделированием и экспертными оценками.

Показать весь текст

Список литературы

  1. А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука, 1987. 430с.
  2. О.В., Крутов А. К. Возможности использования компьютерного комплекса диагностики и коррекции функционального состояния человека «Меданекс»// Жизнь и компьютер-91: Тез. Всесоюз. семинара, 10.91. Харьков, 1991.-С. 208−209.
  3. Автоматизированные медико-технологические системы .4.1: Монография / А. Г. Устинов, В. А. Ситарчук, Н.А. Кореневский- Под ред. А. Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. 128 с.
  4. Автоматизированные медико-технологические системы.Ч.2: Монография / А. Г. Устинов, В. А. Ситарчук, Н.А. Кореневский- Под ред. А. Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. 157 с.
  5. Автоматизированные медико-технологические системы. Ч. З: Монография / А. Г. Устинов, В. А. Ситарчук, Н.А. Кореневский- Под ред. А. Г. Устинова. Курск, гос. техн. ун-т. Курск, 1995. 105 с.
  6. В.В., Алексеев А. И., Горский И. Д. Анализ данных на ЭВМ (на примере системы СИТО). М.: Финансы и статистика, 1990. — 245 с.
  7. В.В., Горский И. Д. Алгоритмы и программы структурного метода обработки данных, Л.: Наука, 1983. 125с.
  8. Анализ нечисловой информации в социологических исследованиях. М.: Наука, 1985.-251 с.
  9. П.К. Очерки по физиологии функциональных систем. М.: Медицина, 1975. 446 с.
  10. М. Введение в методы оптимизации/Пер. с англ. М.: Наука, 1977. -344 с.
  11. В.М. Биотехнические системы. Л.: ЛГУ, 1979. — 257 с.
  12. В.М., Шаповалов В. В., Мансур Д. Автоматизированные системы профилактических осмотров детей (АСПОН-Д)-состояние и перспективы //
  13. Биотехнические и медицинские системы. Сб. науч. тр. Ленинград, 1990. — С. 3 -6.
  14. P.M., Берсенева А. П. Оценка адаптационных возможностей организма и риск развития заболеваний. М.: Медицина, 1997. — 235 с.
  15. P.M., Казначеев В. П. Диагноз донозологический. М.: БМЭ, 1978. С. 252−255.
  16. Бестужев-Лада И. В. Поисковое социальное прогнозирование: перспективные проблемы общества. Опыт систематизации/АН СССР- Ин-т социальн. исслед.-М.: Наука, 1984.-214 с.
  17. Болезни крови у пожилых: Пер. с англ./Под ред. М. Дж. Денхэма, И.Чанарина. М.: Медицина, 1989.- 352 с.
  18. А.Б., Маслов В. Г., Хавронина М. А. Идентификация экспериментальных знаний на основе комплексных решающих правил в медицинских экспертных системах. // Информатика в здравоохранении: Мат. Всесоюз. научн. конф., М.: 1990. С. 19.
  19. А.А. Новая информационная технология обработки данных (программный комплекс ОМИС).- СПб.: Политехника, 1999. 191 с.
  20. В.М. Введение в кибернетику. Киев, изд-во АН УССР, 1964. -357 с.
  21. З.Б., Зинкевич В. П. Средства и методы обработки медико-экологической информации на ЭВМ//Итоги науки и техники. Серия техническая кибернетика. Биология (методы в биологических исследованиях).-1989. Т. 26.-с. 35 -39.
  22. Горелик A. J1., Скрипкин В. А. Методы распознавания.-М.: Высшая школа, 1989.
  23. Г. А. Клиническая гемотология. Киев, «Здоров'я», 1978. — 288 с.
  24. A.M., Мхитрян B.C., Трошин Л. И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2000.-352 с.
  25. Р., Харт Р. Распознавание образов и анализ сцен.-М.: Мир, 1976.
  26. Дюк В., Эммануэль В. Информационные технологии в медико-биологических исследованиях. Спб.: Питер, 2003. — 528 с.
  27. Н.В., Глазачев О. С. Индивидуальное здоровье и полипараметрическая диагностика функциональных состояний организма, (системно информационный подход). — М., 2000. — 214 с.
  28. Т.А., Цветаева Н. В. Интегральная оценка окислительно-восстановительного метаболизма эритроцитов у больных с различными формами анемий// Клиническая лабораторная диагностика. № 3. 2003. С. 24, 33−35.
  29. Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.: Мир, 1976. — 312 с.
  30. Ю.С., Болкаков А. А., Атаманченко Т. Н., Егорушкина Е. В. Опыт внедрения автоматизированных рабочих мест в структуре основных поликлинических служб// Жизнь и компьютер 91: Тез. Всесоюз. семинара, -Харьков, 1991.-С. 210−213.
  31. Инженерно-психологическое проектирование взаимодействия человека с техническими средствами / Под ред. В. Н. Четверникова. М: Выс. шк. 1 980 127с.
  32. Инфотех 99. Информационные технологии в производственных, социальных и экономических процессах / Череповец: ЧГУ, 1999. — 320 с.
  33. Искусственный интеллект: в 3 кн. / Под ред. Э. В. Попова. М.: Радио и связь, 1990.-421 с.
  34. В.П., Баевский P.M., Беренев А. П. Донозологическая диагностика в практике массовых заболеваний населения. Л.: Медицина, 1986. -216 с.
  35. М.Дж., Стьюарт А. Многомерный статистический анализ.-М.:Наука, 1976.
  36. А.Г., Филист С. А., Штотланд Т. М. Теоретико-множественная модель мощности пересечения компетенции диагностических алгоритмов//Передовые технологии образования и науки. Сб.науч. тр.-Курск: МУ «Издательский центр „ЮМЕКС“, 2003. С.40−42.
  37. Н.А. Обучение классификации в режиме диалога/КурскПИ.-ОФАП, ВНИИМТИ- инв. № 534 893. 1983. С. 116.
  38. Н.А. Диалоговые методы классификации двумерных отображений//Математ. методы распознавания образов: Материалы Всесоюз. конф., 11.89.- Рига, 1989.-С.24−26.
  39. Н.А. Полифункциональная система интеллектуальной поддержки принятия решений по рационализации лечебно-диагностических процессов//Вестник новых медицинских технологий. АМНТ. 1996. Т. З, N2. С.43−46.
  40. Н.А., Тутов Н. Д., Корженевич И. М. Способы представленияразнотипных в данных задачах медицинских и экологических исследований// Известия Курского государственного технического университета, КГТУ, Курск, 1998, № 2.-С. 56−63.
  41. Н.А., Попечителев Е. П., Филист С. А. Проектирование электронной медицинской аппаратуры для диагностики и лечебных воздействий: Монография/Курская городская типография, Курск, 1999. 537 с.
  42. В.Ф., Горобец Ю. Н., Желудева М. А. Система поддержки принятия решений поликлинического врача общей практики// Биомедицинская радиоэлектроника, 2001. № 3. С. 28 — 34.
  43. А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432с.
  44. О.В., Наумович А. С. Автоматизированные прогностические и диагностические системы для комплексной оценки функционального состояния организма человека // Жизнь и компьютер-91: Тез. Всесоюз. семинара, 10.91. Харьков, 1991.-С. 187−189.
  45. В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. -2-е изд., стереотип. М.: Горячая линия — телеком, 2002. 382 с.
  46. JI. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога // Распознавание образов при помощи цифровых вычислительных машин. М.: Мир, 1974. — 157 с.
  47. Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981. 287 с.
  48. .- Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991.
  49. Н.Г., Бернштейн Л. С., Боженюк А. В. Нечеткие модели для экспертных систем в САПР -М.: Энергоатомиздат, 1991.
  50. В.Ф. Классификация прогнозов и методов прогнозирования. М.: ЦИТУВ, 1973. 23 с.
  51. Медицинские приборы. Разработка и применение. М. — Медицинскаякнига, 2004. 720 с.
  52. А.Н., Берштейн JI.C., Коровин С. Я. Расплывчатые ситуационные модели принятия решений // Учеб. пособие, Таганрог: ТРТИ, 1986. 211с.
  53. Методика применения экспертных методов для оценки качества продукции. М.: Стандарт, 1975. — 31 с.
  54. Модели принятия решений на основе лингвистической переменной/ Борисов А. Н., Алексеев А. В., Крумберг О. А. и др. Рига: Зинятне, 1982. — 212с.
  55. Нечеткие множества и теория возможностей. Последний достижения: Пер. с англ. / Под ред. Р. П. Ягеря. М.: Радио и связь, 1986. 408 с.
  56. Н.Н. Разработка автоматизированной системы интеллектуальной поддержки лабораторно-диагностического процесса на основе биохимических показателей: Дисс. Канд.техн. наук: Воронеж, Защита 25.06. 1998.- 122 с.
  57. С.В., Рьера Т. О нечетких классификациях в кн.: Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Р. Р. Ягера. — М.: Радио и связь, 1986. — 408 с.
  58. А.Н. Диагностика болезней внутренних органов: Т.4. Диагностика болезней системы крови: М.: Мед. лит., 2001. — 512 с.
  59. С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.-208с.
  60. Отчет по НИР „Разработка технологических и программных средств автоматизированных рабочих мест врачей специалистов типовых ЛПУ“. Н. рук. Кореневский Н. А. / Курск.ПИ. Инв. № 5 348 956. 1991. — 70 с.
  61. С. Нейронные сети для обработки информации /Пер. с польского И. Д. Рудинского. М.: Финансы и статистика, 2002. 344 с.
  62. А.В., Подберезин М. М., Кременецкая A.M. Клинико -гематологическая характеристика анемий// Гематология и трансфузиология. 2000. Том 45. № 2. С 3−7.
  63. Е.С. Модели индивидуального прогнозирования иклассификации состояний в системах компьютерного мониторинга. Воронеж: Изд-во ВГТУ, 1998.- 127 с.
  64. О.И. Разработка автоматизированной поликлинической системы диагностики сердечно сосудистых заболеваний : Дис. канд. техн. наук: Курск, 1996. — 105 с.
  65. О.И., Романов А. Ю., Кретушева Т. А., Кореневская Е. Н. Автоматизированная сетевая система поддержки принятия решений в типовых лечебно-профилактических учреждениях//Труды юбилейной научной конференции „50-летия победы“. КГТУ. 1995.
  66. Е.П., Кореневский Н. А. Электрофизиологическая и фотометрическая медицинская техника. Теория и проектирование. В 4-х частях: Учебное пособие/Под ред. Е. П. Попечителева. Курский государственный технический университет Курск. 1999. — 425 с.
  67. Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. — 287 с.
  68. Построение экспертных систем: Пер. с англ./ Под ред. Ф. Хейса-Рота, Д. Уотермана, Д Лената. М.: Мир, 1987. — 412 с.
  69. Прикладная статистика: классификация и снижение размерности/ Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989. — 315 с.
  70. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд., испр.-T.l: Айвазян С. А., Мхитрян B.C. Теория вероятностей и прикладная статистика. М.: ЮНИТИ-ДАНА, 2001. 656 с.
  71. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. 2-е изд., испр.-Т.2: Айвазян С. А. Основы эконометрики. М.: ЮНИТИ-ДАНА, 2001.432 с.
  72. Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского.-М.: Горячая линия Телеком, 2004. — 452с.
  73. И.В. Разработка автоматизированной поликлинической системы диагностики заболеваний желудочно-кишечного тракта: Дисс. канд. техн. наук: Курск, 1997.-93 с.
  74. В.В. Эксперимент по реализации ЭС Консультант-2 методом трансляции базы знаний из глубинного представления в поверхностное// Технология разработки экспертных систем. Кишинев, 1987. — С. 116 — 120.
  75. Д.С. Очерки истории общей патологии. М.: Медиц. 1993. — 511 с.
  76. Статические и динамические экспертные системы: учебное пособие/ Э. В. Попов и др. М.: Финансы и статистика, 1996. — 320 с.
  77. Справочник по функциональной диагностике в педиатрии/ Под ред. Ю. Е. Вальтищева, Н. С. Кисляк. М., Медицина, 1979. 624 с.
  78. К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве// в кн.: Нечеткие множества и теория возможностей. Последние постижения: Пер. с англ. / Под ред. P.P. Ягеря М.: Радио и связь, 1986.-408 с.
  79. Теория управления и биосистемы. Анализ сохранительных свойств // Новосельцев В. Н., гл. ред. физ.-мат. Лит. Изд-ва Наука, М.: 1978. 320 с.
  80. Теория автоматического управления / Под ред. А. А. Воронова. -М.: Высшая школа, 1986. 367 с.
  81. А.Ю. Анализ данных методами многомерного шкалирования.-М.: Наука, 1986. -215 с.
  82. B.C., Ширабакина Т. А. Основы теории управления. Линейные системы автоматического регулирования: Учебное пособие / Курский государственный технический университет, 1997. 71с.
  83. В.Е. Теория вероятностей и математическая статистика. М.: Высшая шк. 1988.-479 с.
  84. Д. Анализ результатов наблюдений. Разведочный анализ. М.: Мир, 1981.-562 с.
  85. Ю.Н., Макаров А. А. Анализ данных на компьютере/ Под ред. В. Э. Фигурнова. 3-е изд., перераб. и доп. М., 2003. — 544 с.
  86. М. Детская гематология: Пер. с англ.-М.: Медицина, 1981. 672 с.
  87. Р.Д., Ленат Д., Хейсе Рот Ф. Построение экспертных систем: Пер. с англ. — М.: Мир, 1987. — 165 с.
  88. А.Г., Бочков В. Б., Савенкова И. В. Принятие решений в универсальной интерактивной системе ТАИС // Материалы и упрочняющие технологии 98: Сборник публикаций VI Российской научно — технической конференции. КурскГТУ, Курск. 1998. — С. 212−214.
  89. А.А., Тарловский Г. Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986.
  90. Г., Хансен Д. Базы данных: разработка и управление: Пер. с англ.-М.: ЗАО „Издательство БИНОМ“. 1999. 704 с.
  91. Экспертные системы. Принципы работы и примеры: Пер. с англ./ А. Брукинг, Д. Джонс, Ф. Кокс и др- Под ред. Р.Фройсата. М.: Радио и связь, 1987.-352 с.
  92. Элти Кумбс Дж. Экспертные системы: концепции и примеры: Пер. с англ. М.: Финансы и статистика, 1987. — 251 с.
  93. G. М., Beamish М. R. Hales С. N. et al. An immunoradiometric assay for ferritin in the serum of normal subjects and patients with iron deficiency and iron overload. — Journal of Clinical Pathology, 1972. 25, 326−329.
  94. Andrews J., Fairley A., Barker R. Total dose infusion of iron-dextrin in the elderly. — Scottish Medical Journal, 1976, 12, 208—215.
  95. Bezwoda W. R., Bothwell T. H» Torrance J. D. et al. The relationship between marrow iron stores, plasma ferritin concentration and iron absorption. — Scandinavian Journal of Hematology, 1979, 22, 113—120.
  96. Ballas S. K. Normal serum iron and elevated total iron-binding capacity in iron-deficiency states. — American Journal of Clinical Pathology 1979, 71 401—403.
  97. Bandler W., Kohout L.J. Probabilistic versus fuzzy production rules in expert systems // Int.J. Man-Machine studies.-1985.- Vol. 22.- P.347 -353.
  98. Beutler E., Fairbanks V. F. The effects of iron deficiency. — In: Iron in biochemistry and medicine, vol. II/Eds. A. Yacobs, M. Worwood Academic Press London, 1980,393—425.
  99. Buchanan B.G. and Shortliff E.H. Rule Expert Systems- The MYCIN Experiments of the Stanford Neuristic Programming Project.- Addison-Wesley.-1984.
  100. Levine M. Automated diferentials: Geometric Data’s «HEAMATRAK». Amer. Y. Med. Tech, 40, 1974, 464 p.
  101. Negoita, C.N.: Expert System and Fuzzy Systems. The Benjamin / Cammings Publishing Co., Menlo Park, CA, 1985.
Заполнить форму текущей работой

Сессия? Спокойно!