Помощь в написании студенческих работ
Антистрессовый сервис

Разработка моделей и алгоритмов для автоматизированной системы диагностики заболеваний молочных желез

Диссертация: Разработка моделей и алгоритмов для автоматизированной системы диагностики заболеваний молочных желез
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В работах, опубликованных в соавторстве и приведенных в конце диссертационной работы, соискателем сформулировано современное состояние проблем заболеваний молочных желез- проведен анализ методов диагностики мастопатии и определены особенности диагностики заболеваний молочных желез- проведены исследование и анализ характеристик заболеваний молочных желез- обосновано применение статистического… Читать ещё >

Разработка моделей и алгоритмов для автоматизированной системы диагностики заболеваний молочных желез (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. АНАЛИЗ МАТЕМАТИЧЕСКИХ МЕТОДОВ ДЛЯ ЗАДАЧ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ МОЛОЧНЫХ ЖЕЛЕЗ
    • 1. 1. Характеристика математических методов обработки медицинских данных
    • 1. 2. Современное состояние проблем заболеваний молочных желез
    • 1. 3. Обзор современных методов диагностики заболеваний молочных желез
    • 1. 4. Цель и задачи исследования
  • 2. РАЗРАБОТКА СТАТИСТИЧЕСКИХ МОДЕЛЕЙ ПОСТАНОВКИ ДИАГНОЗА ЗАБОЛЕВАНИЙ МОЛОЧНЫХ ЖЕЛЕЗ
    • 2. 1. Анализ характеристик больных с заболеваниями молочных желез
      • 2. 1. 1. Клинические характеристики больных с заболеваниями молочных желез
      • 2. 1. 2. Характеристика эхографических признаков мастопатии и фиброаденомы
    • 2. 2. Логическая модель постановки диагноза заболеваний молочных желез на основе «дерева решений»
    • 2. 3. Оценка состояния больных с заболеваниями молочных желез на основе статистического моделирования
  • Выводы второй главы
  • 3. ПОСТРОЕНИЕ МАТЕМАТИЧЕСКИХ СЕТЕВЫХ МОДЕЛЕЙ ОЦЕНКИ СОСТОЯНИЯ БОЛЬНЫХ С МАСТОПАТИЕЙ И ФИБРОАДЕНОМОЙ
    • 3. 1. Оценка состояния больных с заболеваниями молочных желез на основе нейросетевого моделирования
    • 3. 2. Алгоритм процесса постановки диагноза заболеваний молочных желез на основе сетей Петри
  • Выводы третьей главы
  • 4. АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ ПРОЦЕССОМ ДИАГНОСТИКИ ЗАБОЛЕВАНИЙ МОЛОЧНЫХ ЖЕЛЕЗ
    • 4. 1. Структура автоматизированной системы диагностики заболеваний молочных желез
    • 4. 2. Программно-техническая реализация автоматизированной системы
  • Выводы четвертой главы

Актуальность темы

В медицинской практике математические методы (ММ) применяются для количественного изучения и анализа состояния и (или) поведения объектов и систем, относящихся к медицине и здравоохранению. С помощью ММ осуществляется описание биомедицинских процессов (прежде всего нормального и патологического функционирования организма и его систем, диагностики и лечения). Эти методы предназначены для выявления закономерностей, свойственных биомедицинским объектам, поиска сходства и различий между отдельными группами объектов, оценки влияния на них разнообразных внешних факторов и т. п. На сегодняшний день, одно из главных направлений, в котором находят применение ММ, — диагностика рака молочной железы (МЖ).

Проблема диагностики заболеваний МЖ в настоящее время чрезвычайно актуальна. В первую очередь это обусловлено значительным ростом в последние годы онкологической патологии данной локализации. Общепризнанно, что рак МЖ встречается в 3−5 раз чаще на фоне доброкачественных заболеваний МЖ и в 30−40 раз чаще при узловых формах мастопатии с явлениями пролиферации эпителия МЖ. В связи с этим очевидно, что в последние годы интерес к доброкачественным заболеваниям значительно возрос, а снижение заболеваемости мастопатией — реальный путь к снижению частоты рака МЖ. В России ежегодно выявляется более 34 ООО новых случаев рака, при этом отмечается резкое снижение возрастного ценза заболевших.

Среди заболеваний МЖ мастопатии по частоте занимают первое место. Мастопатией заболевают женщины детородного возраста — от 25 до 45 лет. Фиброаденомы составляют 18% всех узловых образований МЖ. Они считаются самой доброкачественной опухолью, однако возможен переход их в злокачественную форму.

В МЖ чрезвычайно сложно четко отдифференцировать физиологические и патологические изменения. Это обусловлено большой вариабельностью нормального строения молочной железы. Поэтому осуществление отбора признаков для диагностики заболеваний МЖ является необходимой процедурой, поскольку для решения классификационной задачи должны быть отобраны сведения, несущие полезную для данной задачи информацию. В связи с этим, анализ медицинских данных невозможен без применения математических методов.

Диссертация посвящена поиску возможности эффективного управления процессом диагностики заболеваний МЖ.

Наиболее перспективным при осуществлении диагностических мероприятий заболеваний МЖ является применение математических методов для задач классификации и принятия управленческих решений, среди которых имитационное, статистическое и нейросетевое моделирование.

Одна из ведущих ролей для повышения эффективности диагностики заболеваний МЖ принадлежит использованию компьютерных средств реализации математического описания, которые позволяют принять во внимание большое количество диагностических признаков с учетом их индивидуального коэффициента значимости.

Таким образом, актуальность темы диссертации заключается в необходимости разработки методов интеллектуальной поддержки процесса диагностики мастопатии и фиброаденомы на основе математических моделей и алгоритмов.

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

Цель и задачи исследования

Целью диссертации является разработка моделей и алгоритмов, повышающих эффективность процесса принятия решений при диагностике заболеваний МЖ с последующим внедрением результатов исследования в клиническую практику в виде автоматизированной системы диагностики исследуемого класса заболеваний.

Для достижения поставленной цели необходимо решить следующие задачи: проанализировать математические методы обработки медицинских данных и обосновать их применение в задачах диагностики заболеваний МЖразработать алгоритм для отнесения состояния пациента к одному из классов заболеваний МЖ на основе метода «деревьев решений" — построить классификационные модели на основе статистических методов распознавания образов для оценки состояния больных с заболеваниями МЖразработать процедуру оценки состояния больных с мастопатией и фиброаденомой на основе нейросетевого моделированияпостроить сетевую модель на основе сетей Петри, которая позволяла бы принимать решения при планировании диагностического процесса заболеваний МЖсоздать автоматизированную систему для обеспечения рациональной диагностики заболеваний МЖ в клинических условиях и провести ее клиническую апробацию.

Методы исследования. В работе использованы методы системного анализа, имитационного моделирования, математической статистики и теории управления биосистемами, «деревьев решений» и нейронных сетей.

На защиту выносятся следующие результаты диссертации, имеющие научную новизну: схема применения средств математической статистики и видов математического моделирования для обработки данных клинических характеристик и признаков мастопатии и фиброаденомыалгоритм оценки состояния пациентов с заболеваниями МЖ на основе метода «деревьев решений», позволяющий определить значимость входных переменныхметодика оценки состояния больных с мастопатией и фиброаденомой на основе статистических критериев, позволяющая учитывать индивидуальные особенности больныхсистема на базе нейронной сети, обеспечивающая информационную поддержку принимаемых врачом решений для повышения эффективности постановки диагноза заболеваний МЖсетевая модель на основе сетей Петри, позволяющая принимать рациональные решения при планировании диагностического процесса заболеваний МЖавтоматизированная система, обеспечивающая интеграцию методов, моделей и алгоритмов рационального принятия решения для диагностики мастопатии и фиброаденомы.

Практическая значимость и внедрение результатов работы. Разработаны модели, алгоритмы и программное обеспечение дифференциальной диагностики заболеваний молочных желез, позволяющие поднять на новый уровень качество медицинского обслуживания, в частности повысить эффективность диагностических мероприятий для выявления заболеваемости мастопатией и фиброаденомой. Построенные модели оценки и алгоритмы позволяют соотносить состояние пациенток с одним из исследуемых классов заболеваний и осуществлять рациональное управление диагностическим процессом.

Материалы работы в виде автоматизированной системы обеспечения рациональной диагностики заболеваний МЖ внедрены в работу отдела функциональной диагностики Воронежского областного клинического консультативно-диагностического центра.

Апробация работы. Основные положения и научные результаты диссертации докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2009, 2010) — Международной научно-практической конференции «Актуальные проблемы инновационных систем информатизации и безопасности» (Воронеж, 2010) — научно-методическом семинаре кафедры «Системный анализ и управление в медицинских системах» ГОУ ВПО «Воронежский государственный технический университет» (Воронеж, 2008;2011).

Публикации. По материалам диссертации опубликовано 9 научных работ, в том числе 2 — в изданиях, рекомендованных ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце диссертационной работы, соискателем сформулировано современное состояние проблем заболеваний молочных желез [35]- проведен анализ методов диагностики мастопатии и определены особенности диагностики заболеваний молочных желез [34, 36]- проведены исследование и анализ характеристик заболеваний молочных желез [40]- обосновано применение статистического моделирования для диагностики заболеваний молочных желез [61]- приведен алгоритм процесса диагностики заболеваний молочных желез на основе имитационного моделирования [37]- предложена модель процесса управления постановкой диагноза заболеваний молочных желез на основе сетей Петри [57]- предложены логические модели постановки диагноза заболеваний молочных желез с помощью имитационного моделирования и дерева решений, а также на основе статистического и нейросетевого моделирования [52, 53].

Структура и объем работы. Диссертация состоит из введения, четырех глав с выводами, заключения, приложения и списка литературы из 103 наименований.

Выводы четвертой главы.

1. Разработана автоматизированная система диагностики заболеваний молочных желез, представляющая собой комплекс взаимосвязанных программных модулей, обеспечивающих реализацию принятия решений при проведении диагностики заболеваний молочных желез. В основу алгоритма постановки диагноза легли построенные дискриминантные функции.

2. Сформирована структура автоматизированной системы, подсистемы которой обеспечивают контроль врача на каждом этапе, что, в свою очередь, ведет к повышению достоверности формирования окончательного диагноза.

ЗАКЛЮЧЕНИЕ

.

Основные научные результаты диссертации формулируются следующим образом:

1. Проведен анализ математических методов для принятия решений в задачах диагностики заболеваний МЖ.

2. На основе анализа современного состояния проблем заболеваний молочных желез выявлена необходимость разработки моделей, алгоритмов и автоматизированного комплекса, обеспечивающих повышение эффективности диагностики мастопатии и фиброаденомы.

3. Разработана логическая модель отнесения состояния пациентки к одному из классов исследуемых заболеваний на основе метода «деревьев решений».

4. Проведена классификация пациентов по различным диагностическим показателям для определения класса заболевания молочных желез и сформированы дискриминантные функции диагноза.

5. На базе нейронной сети разработана система для диагностики заболеваний молочных желез. Для количественной оценки влияния различных диагностических показателей на выходной сигнал сети была рассчитана их значимость.

6. В результате проведенного анализа наиболее достоверной методикой постановки диагноза мастопатии и фиброаденомы является нейросете-вое моделирование.

7. Предложен алгоритм управления процессом диагностики мастопатии и фиброаденомы на основе математического аппарата сетей Петри, что способствует ее эффективному применению методов диагностики при исследовании данных патологий.

8. Разработана автоматизированная система поддержки принятия решений в задачах диагностики мастопатии и фиброаденомы.

9. Материалы работы в виде автоматизированной системы обеспечения рациональной диагностики заболеваний МЖ используются в работе отдела функциональной диагностики Воронежского областного клинического консультативно-диагностического центра.

Показать весь текст

Список литературы

  1. С.А. Прикладная статистика и основы эконометрики / С. А. Айвазян, B.C. Мхитарян. -М.: Юнити, 1998.
  2. В.В. Анализ данных на ЭВМ / В. В. Александров, А. И. Алексеев, Н. Д. Горский. М.: Финансы и статистика, 1990. — 192 с.
  3. И.Н. Моделирование вычислительных систем / И. Н. Альянах. JI.: Машиностроение, 1989.
  4. A.B. Интеллектуальные информационные системы / A.B. Андрейчиков, О. Н. Андрейчикова. М.: Финансы и статистика, 2006.
  5. Ю.Т. Моделирование биологических систем: справочник / Ю. Т. Антомонов. Киев, 2001. — 285 с.
  6. А. Статистический анализ: Подход с использованием ЭВМ / А. Афифи, С. Эйзен. М: Мир, 1982. — 488 с.
  7. Р. Математические модели в медицине / Р. Беллман. -М.: Мир, 1987. 185 с.
  8. .С. Математическая статистика в клинической, профилактической и экспериментальной медицине / Б. С. Бессмертный. М.: Медицина, 1993.
  9. Боровиков В.П. STATISTICA Статистический анализ и обработка в среде Windows / В. П. Боровиков, И. П. Боровиков. — М.: Филинъ, 1997. — 608 с.
  10. А. Экспертные системы. Принципы работы и примеры: пер. с англ. / А. Брукинг, П. Джонс, Ф. Кокс- под ред. Р. Форсайта. М.: Радио и связь, 1987.-224 с.
  11. Бур дина JI. М. Диагностика и лечение доброкачественных патологических изменений молочных желез / Л. М. Бурдина // Терапевтический архив. -1998.-Т. 70.-№ 10, С. 37−41.
  12. В.А. Моделирование дискретных параллельных процессов управления с помощью сетей Петри / В. А. Васильев, В. В. Кузьмук, Г. Майер, С. Фенч // Электронное моделирование. 1986. — № 2. — С. 10−13.
  13. В.И. Интеллектуальные системы управления с использованием нейронных сетей / В. И. Васильев, Б. Г. Ильясов, C.B. Валеев, C.B. Жерна-ков.-Уфа, 1997.-С. 11.
  14. JI.C. Статистический анализ на персональном компьютере / Л. С. Векслер // Мир ПК, 1992. № 2. >
  15. Ю.Д. Использование многомерного анализа данных при построении медицинских экспертных систем / Ю. Д. Волынский, А.И. Курочки-на, М. И. Титова, А. И. Катышева // Вестник АМН СССР, 1988. № 8.
  16. В.Я. Медицинская информатика: практикум / В. Я. Гельман. -СПб.: Питер, 2002.
  17. A.A. Новая информационная технология анализа медицинских данных / A.A. Генкин. СПб.: Политехника, 1999. — 192 с.
  18. В.Е. Теория вероятностей и математическая статистика: уч.пособ. для вузов / В. Е. Гмурман. М.: Высшая школа, 2003. — 479 с.
  19. В.К. Сети Петри в ситуационном управлении и имитационном моделировании дискретных технологических систем / В. К. Голиков, К. Н. Матусов, В. В. Сысоев. М.: ИПРЖР, 2002. — 227 с.
  20. А.Н. Нейроинформатика / А. Н. Горбань, B. J1. Дунин-Барковский, Е. М. Миркес. Новосибирск.: Наука. Сиб. предприятие РАН, 1998. — 296 с.
  21. О.Г. Экспертное оценивание: уч.пособ. / О. Г. Гохман. Воронеж: ВГУ, 1991.- 150 с.
  22. А. Имитационное моделирование в среде Windows / А. Гультяев. М, 1998. — 29 с.
  23. М.И. Практическая маммология / Под ред. М. И. Давыдова, В. П. Летягина. М.: Практическая медицина, 2007. — 272 с.
  24. Дюк В. А. Информационные технологии в медико-биологических исследованиях / В. А. Дюк. СПб.: Питер, 2003.
  25. И.С. Методы, алгоритмы, программы многомерного статистического анализа / И. С. Енюков. М.: Финансы и статистика, 1986.
  26. М.Р. Статистика: уч. пособ / под ред. М. Р. Ефимовой. М.: ИНФРА-М, 2002. — 336 с.
  27. А. Изучаем Delphi / А. Жуков. СПб.: Питер, 2002.
  28. С.Г. Биомедицинские математические модели и их идентификация / С. Г. Журавлев, В. В. Ермаков. М.: ВИНИТИ, 1989. — 223 с.
  29. Н.В. Ультразвуковая маммография / Н. В. Заболотская. -М, 1997.- 104 с.
  30. Н.В. Ультразвуковая диагностика заболеваний молочных желез. Общая ультразвуковая диагностика / Н.В. Заболотская- под ред. В. В. Митькова. М.: Видар-М, 2003. — С. 563 — 607.
  31. Н.В. Новые технологии в ультразвуковой маммографии / Н. В. Заболотская, B.C. Заболотский. М.: СТРОМ, 2005. — 233 с.
  32. Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. Новосибирск: ИМ СО РАН, 1999.
  33. А.Н., Веснин А. Г., Семиглазов В. Ф. Эхографические варианты фиброаденоматоза и диагностика минимальных карцином молочной железы // Вопросы онкологии. 1998. — Т. 44. — № 2. — С. 198 — 202.
  34. Ю.Е., Львович И .Я., Новикова Е. И. Анализ современных методов диагностики мастопатии // Управление процессами диагностики и лечения: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2008. С. 34−37.
  35. Ю.Е., Львович И. Я., Новикова Е. И. Современное состояние проблем заболеваний молочных желез // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж: ВГТУ, 2009. С. 277−278.
  36. Ю.Е., Львович И. Я., Новикова Е. И. Особенности диагностики заболеваний молочных желез // Моделирование и управление процессами в здравоохранении: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2009. С. 19−22.
  37. Д.Ю. Имитационное моделирование при выборе тактики лечения / Д. Ю. Зеленин // Высокие технологии в технике, медицине и образовании: межвуз.сб.науч.тр. Воронеж, 1999. — Ч. 3. — С. 68 — 71.
  38. В.Т. Математическое моделирование. Модели прогнозирования / В. Т. Иванов. Уфа, 1994. — 47 с.
  39. Исследование и анализ характеристик заболеваний молочных желез / А. Н. Качурина, И. Я. Львович, Е. И. Новикова, Ю. Е. Сумина // Интеллектуальные информационные системы: труды Всерос. конф. Воронеж: ВГТУ, 2010. С. 178−179.
  40. В.И. Математические методы и моделирование в здравоохранении / В. И. Кант. М.: Медицина, 1997. — 187 с.
  41. Ким Дж. 1989. Факторный, дискриминантный и кластерный анализ / Дж. Ким. М.: Финансы и статистика, 1989. — 215 с.
  42. H.A. Построение медицинских автоматизированных компьютерных систем / H.A. Кореневский. Курск: КГТУ, 1996.
  43. В.В. Искусственные нейронные сети. Теория и практика / В. В. Круглов, В. В. Борисов. М.: Телеком, 2001. — 382 с.
  44. А.П. Средства и программные системы анализа данных / А. П. Кулаичев // Мир ПК, 1994. № 10.
  45. Н.Б. Программирование в Turbo Pascal 7.0 и Delphi / Н. Б. Культин. СПб.: БХВ-Петербург, 2001.
  46. A.B. Ограничения мощи алгоритмов: Деревья принятия, решения // Алгоритмы: введение в разработку и анализ. М.: Вильяме, 2006. -С. 409−417.
  47. В. П. Мастопатия / В. П. Летягин // Русский мед. журнал. -2000.-№ 11.-С. 468−472.
  48. В.П. Опухоли молочной железы / В. П. Летягин. М., 2000.
  49. В.П. Лечение доброкачественных и злокачественных заболеваний молочных желез / В. П. Летягин, И. В. Высоцкая, A.A. Легков, Е. М. Погодина. -М., 1997.
  50. Я.Е. Управление в биологических и медицинских системах / Я. Е. Львович, М. В. Фролов. Воронеж: ВГТУ, 1994. — 183 с.
  51. И.Я., Сумина Ю. Е. Построение моделей постановки диагноза заболеваний молочных желез с применением статистического моделирования и нейронных сетей // Вестник Воронежского государственного технического университета, 2011. Т.7.№ 5. С. 4−9.
  52. Ю.С. Непараметрические методы статистического анализа в биологии и медицине / Ю. С. Малета, В. В. Тарасов. М.: МГУ, 1982. — 178с.
  53. И. Д. Кластерный анализ / И. Д. Мандель. М.: Финансы и статистика, 1989.
  54. В.А. Руководство по статистике в медицине и биологии. В 2-х томах / В. А. Медик, Б. Б. Фишман, М.С. Токмачев- под ред. Ю. М. Комарова. Т. 2. -М.: Медицина, 2001.-352 с.
  55. А.Д. Элементы теории математических моделей / А. Д. Мышкис. -М.: Физматлит, 1994. 192 с.
  56. Э.Л. Патология молочной железы / Э. Л. Нейштадт, O.A. Воробьева. СПб.: Фолиант, 2003. — 208 с.
  57. В.В. Применение сетей Петри / В. В. Никонов, Ю. Е. Подгурский // Зарубежная радиоэлектроника. 1986. — № 2.
  58. Е.И., Сумина Ю. Е. Применение статистического моделирования для диагностики заболеваний молочных желез // Моделирование и управление процессами в здравоохранении: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2010. С. 57−60.
  59. И.П. Генетические методы структурного синтеза проектных решений // Информационные технологии. 1998. — № 1. С. 9−13.
  60. H.A. Мастопатия: возможности консервативной терапии / H.A. Огнерубов. Воронеж, 2001. — 136 с.
  61. М. С. Факторный, дискриминантный и кластерный анализ: пер. с англ. / М. С. Олдендерфер, Р.К. Блэшфилд- под. ред. И. С. Енюкова. -М.: «Финансы и статистика», 1992. 215 с.
  62. A.C. Рентгенодиагностика заболеваний молочной железы / A.C. Павлов. М.: Медицина, 1993.
  63. Дж. Теория сетей Петри и моделирование систем: пер. с англ. / Дж. Питерсон. М.: Мир, 1984. — 264 с.
  64. А.Е. Статистический анализ в медицине и биологии: задачи, терминология, логика, компьютерные методы / А. Е. Платонов. М.: РАМН, 2000. — 52 с.
  65. Т.С. Комплексный подход к ведению заболевания: Клинический диагноз лабораторные основы / Т. С. Понкратова, И. Г. Дубинина, Е.Г. Старостина- под ред. В. В. Меньшикова. — М.: Лабинформ, 1997. — 301 с.
  66. О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA / О. Ю. Реброва. М.: Ме-диаСфера, 2002. — 312 с.
  67. Н.И. Рентгенодиагностика заболеваний молочной железы / Н. И. Рожкова. М, 1993. — 222 с.
  68. A.A. Математическое моделирование / A.A. Самарский, А. П. Михайлов. -М.: ФИЗМАТЛИТ, 2002.
  69. A.M. Актуальные проблемы маммологии / A.M. Сдвижков, С. Г. Веснин, А. Ф. Карташева, М. Ю. Бяхов. М, 2000. — С. 28 — 40.
  70. В. Ф. Опухоли молочной железы (лечение и профилактика) / В. Ф. Семиглазов, К. Ш. Нургазиев, A.C. Арзуманов. Алматы, 2001. -344 с.
  71. Сидоренко J1.H. Мастопатия: психосоматические аспекты / JI.H. Сидоренко. JL: Медицина, 1991. — 264 с.
  72. М.Б. Методы системного анализа в медицинских исследованиях / М. Б. Славин. М.: Медицина, 1989. — 304 с.
  73. .Я. Моделирование систем: учеб. пособие для вузов / Б. Я. Советов, С. А. Яковлев. 3-е изд., стер. — М.: Высшая школа, 2005. — 295 с.
  74. Строгал ев В. П. Имитационное моделирование / В. П. Строгалев, И. О. Толкачева. МГТУ им. Баумана, 2008. — С. 697 — 737.
  75. А. И. Патологическая анатомия / А. И. Струков, В. В. Серов. -М.: Медицина, 1985 г. 656 с.
  76. А.Ю. Анализ данных методами многомерного шкалирования (Теория и методы системного анализа) / А. Ю. Терехина. М: Наука, 1986.
  77. Г. Е. УЗИ в маммологии / Г. Е. Труфанов, В. В. Рязанов, Л. И. Иванова. 2-е изд. — Спб.: ЭЛБИ-СПб, 2009. — 186 с.
  78. Д. Руководство по экспертным системам: пер. с англ. / Д. Уотерман. М.: Мир, 1989. — 388 с.
  79. Ю.С. Имитационное моделирование / Ю. С. Харин. М.: ФИС, 1998.
  80. Хейес-Рот Ф. Построение экспертных систем: пер. с англ. / Ф. Хейес-Рот, Д. Уотерман, Д. Ленат- под ред. В. Л. Стефанюка. М.: Мир, 1989.
  81. Р. Имитационное моделирование систем Искусство и наука / Р. Шеннон. — М.: Мир, 1988. — 418 с.
  82. М.Г. Практическое руководство по ультразвуковой диагностике / М. Г. Шипуло. М.: Высшая школа, 1995. — С. 174 — 234.
  83. В. Г. Кластерный анализ: подход с применением ЭВМ / В. Г. Шуметов, Л. В. Шуметова. Орел: ОрелГТУ, 2000. — 118 с.
  84. В. И. Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований / В. И. Юнкеров, С. Г. Григорьев. СПб.: ВМсдА, 2002. — 266 с.
  85. D. С., Mohsin S. К., Fuqua S. A. Histological and biological evolution of human premalignant breast disease // Endocr. Relat. Cancer. 2001. Vol. 8, № 1. P. 47 61.
  86. Armitage P. Theory and practice in medical statistics / Statistics in Medicine. 2001. V. 20. Issue 17−18. P. 2537 2548.
  87. Bates D.W., Cohen M., Leape L.L. Reducing the frequency of errors in medicine using information technology // J. Amer. Med. Infor. Assoc. 2001. V.8. P. 299−308.
  88. Blough D.K., Anderson K.K. A comparison of artificial neural networks and statistical analyses // Technical Reports. Pacific North. N.Lab.Richmond. Washington. 1994.
  89. Brake G. M, Karssemeijer N., Hendriks J.H. An automatic method to discriminate malignant masses from normal tissue in digital mammograms // Phys. Med. Biol. 2000. Vol.45, № 10. P. 2843 2857.
  90. Cosgrove D.O., Kedar R.P., Bamber J.C. Breast diseases: color Doppler US in differential diagnosis. Radiology. 1993.
  91. Chersevani B., Tsunoda-Shimizu H., Giuseppetti G.M. et al. Breast. In: L. Solibani, G. Rizzatto (eds). Ultrasound of superfitial structures. Churchill Livingstone. 1995.
  92. Haykin S. Neural Networks: A Comprehensive Foundation / New York: Macmillan College Publishing. 1994.
  93. J. Ross Quinlan. C4.5: Programs for Machine learning. Morgan Kaufmann Publishers, 1993.
  94. Lee Y.H., Haymond H.R., Feder B. Biochemical evaluation of patients with breast cancer// J. Surg. Oncol. 1982. V.19, № 4. P. 197−200.
  95. Leucht W. Teaching Atlas of breast ultrasound. Stuttgart.: Thieme Verlag, 1992.
  96. Marie P. J. Cellular and molecular basis of fibrous dysplasia // Histol. Histopathol. 2001. Vol. 16, № 3. P. 981 988.
  97. Ranieri E., D’Andrea M. R., D’Alessio et al. The integration of diagnostic tests and role of outpatient surgery in the management of breast disease // Int. Surg. 1995. Vol. 80, № 2. P. 181—184.
  98. Ripley B. D. Pattern recognition and neural networks / Cambridge: Cambridge University Press. 1996. P. 57 73.
  99. Schweppe K. W. The significance of gestagens in treatment of mastopathy // Zentralbl. Gynacol. 1997. Vol. 119, №. 2. P. 54—58.
  100. Sim I., Gorman P., Greenes A., Haynes B., Kaplan B., Lehmann H., Tang P.C. Clinical decision support systems for the practice of evidence-based medicine // J. Amer. Med. Inform. Assoc. 2001. Vol.8. P. 527 534.
Заполнить форму текущей работой

Сессия? Спокойно!