Интеллектуальный анализ данных и алгоритмы классификации в диагностике венозных заболеваний по данным комбинированной термометрии тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Анисимова, Екатерина Вячеславовна

• Анисимова, Екатерина Вячеславовна
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Анисимова, Екатерина Вячеславовна

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

Глава 1. Комбинированная термометрия в медицине

§1.1. Основы и особенности комбинированной термометрии в медицине

§ 1.2. Методика диагностики заболеваний вен нижних конечностей по данным комбинированной термометрии

§ 1.3. Физиологические параметры, оцениваемые комбинированной термометрией

§ 1.4. Экспертная база данных и ее верификация

§ 1.5. Влияние физиологических процессов на результаты термометрии

§ 1.6. Интеллектуальный аппаратно-программный комплекс диагностики варикозных заболеваний

§ 1.7. Заключение

Глава 2. Высокоинформативные признаки классификации

§2.1. «Эмпирические» признаки

§ 2.2. Признаки существования экстремальных температурных зон голени

§ 2.3. Признаки симметрии температурных полей голени

§ 2.4. Признаки изменчивости температурных полей голени

§ 2.5. Метод формирования набора признаков и метод оценивания

высокоинформативных признаков

§ 2.6. Заключение

Глава 3. Классификация по данным комбинированной термометрии

§ 3.1. Первый алгоритм верификации хронической венозной недостаточности. Критерий классификации. Критерии оценки эффективности алгоритма

§ 3.2. Минимизация набора высокоинформативных признаков для первого алгоритма

§ 3.3. Второй алгоритм верификации хронической венозной недостаточности

§ 3.4. Заключение

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

Введение диссертации (часть автореферата) на тему «Интеллектуальный анализ данных и алгоритмы классификации в диагностике венозных заболеваний по данным комбинированной термометрии»

ВВЕДЕНИЕ

В современном мире патологии вен нижних конечностей причисляют к «болезням цивилизации», а число страдающих нарушениями венозного оттока исчисляется сотнями миллионов. Рентгенологические методы и ультразвуковое дуплексное сканирование не решили проблему ранней диагностики и динамического контроля над течением венозных заболеваний, в том числе в связи с инвазивностью первых и высокой стоимостью последних. Кроме того, многие специалисты указывают на увеличение информативности комплекса диагностических мероприятий. В настоящее время приоритетными в медицине являются безопасные, как для пациента, так и для медицинского персонала, способы диагностики. Одним из таких методов является комбинированная термометрия, возникшая в последние десятилетия и уже практикуемая в различных областях медицины, в том числе и в диагностике венозных заболеваний. Комбинированная термометрия (иначе, комбинированная термография) - это биофизический метод неинва-зивного обследования, заключающийся в измерении внутренних и поверхностных температур тканей по интенсивности их теплового излучения, соответственно, в микроволновом (РТ) и инфракрасном (ИК) диапазоне и последующей их регистрацией в виде числовых данных.

Пространственное представление о распределении температуры в органе может оказать существенную помощь в определении наличия патологического процесса. Кроме того, согласно существующим в настоящее время представлениям, изменение температуры тканей обычно предшествует структурным изменениям, которые обнаруживаются при общепринятых методах исследования - УЗИ, рентгенографии, пальпации (см., например, [1]). Поэтому, комбинированная термометрия представляет особый интерес для ранней диагностики заболеваний.

Однако, несмотря на то, что данные о температурных полях пациента носят объективный характер, постановка диагноза на их основании по-прежнему остается «искусством» врача, и во многом носит субъективный характер. Последнее серьезно сужает уникальные возможности комбинированной термометрии в первичной диагностике.

Разработка диагностических методик на основе интеграции медицинских знаний и математических методов искусственного интеллекта является актуальной задачей. При современном развитии технологий, трудности диагностики зачастую возникают не из-за дефицита необходимой информации, а из-за отсутствия соответствующих объективных методов ее структуризации, алгоритмов выделения симптом-комплексов, выявления наиболее значимых и существенных признаков заболевания и т.д. Многие из указанных выше проблем можно решить созданием интеллектуальных диагностических комплексов. Интеллектуальными такие системы принято называть в связи с тем, что в них предусмотрен механизм обоснования предлагаемых решений (см., например, [39]), использующий специальные знания из предметной области. Впрочем, не претендуя на роль «истины в последней инстанции», подобный комплекс в большей степени призван быть консультантом и помощником для специалиста, который принимает окончательное решение, то есть является системой поддержки принятия диагностических решений.

Различные методики диагностики требуют соответствующих наборов информационно-ценных признаков. Причем, зачастую использование для одной задачи несколько алгоритмов, отличающихся стратегией распознавания и набором признаков, делает результаты диагностики более надежными и точными, чем решение, основанное на результатах действия одного алгоритма. В связи с этим, актуальным является направление дискриминантного анализа, основной задачей которого является поиск потенциально полезных зависимостей (знаний) в больших массивах данных. При этом используется огромное количество различных методов, алгоритмов и их всевозможных комбинаций. Вызвано это в том числе и тем, что создание универсального классификатора, без приложения

к какой-либо реальной задаче, оказывается бесплодной затеей. Последнее признается большинством исследователей. Значительно более плодотворным является подход, при котором вначале решается реальная практическая задача, а затем применяемые подходы обобщаются на группу проблем, близких первоначальной (см., например, [72]).

Таким образом, актуальность темы диссертационного исследования определяется необходимостью и возможностью повышения эффективности диагностики, в особенности - первичной, заболеваний вен нижних конечностей по данным комбинированной термометрии. В основе решения данной задачи лежит применение автоматизированных средств поддержки принятия диагностических решений на базе выявления высокоинформативных признаков. Работа выполнена при финансовой поддержке Министерства образования и науки РФ по ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы» (госконтракт № 16.513.11.3067) и выполняется в рамках Государственного заказа от 01.01.2011 № 8.2419.2011.

Основной целью диссертационного исследования является повышение эффективности и качества диагностики заболеваний по данным комбинированной термометрии.

Для достижения цели необходимо решить следующие задачи:

• формирование и верификация обучающей выборки данных, полученных с помощью комбинированной термометрии;

• выявление влияния физиологических особенностей организма и условий проведения измерений на термометрические данные;

• разработка алгоритмов нахождения высокоинформативных признаков заболеваний, на основе данных комбинированной термометрии и их реализация на основе созданной обучающей выборки;

• разработка алгоритмов классификации пациентов на основе найденных диагностических признаков.

Для решения поставленных задач использовались основные положения теории системного анализа и обработки информации в медицинских системах, методы математической статистики, математического и компьютерного моделирования, дискриминантного анализа, экспертного оценивания и теории принятия решения.

Научная новизна в работе заключается в следующем.

1. исследована зависимость данных комбинированной термометрии от физиологических особенностей организма и условий проведения измерений;

2. разработан метод поиска высокоинформативных диагностических признаков поведения температурных полей на основе данных комбинированной термометрии.

3. выполнен поиск высокоинформативных признаков для диагностики венозных заболеваний нижних конечностей.

4. на основе совокупности высокоинформативных признаков построены алгоритмы, позволяющие относить пациента к одному из диагностических классов.

Таким образом, в исследовании разработана и научно обоснована совокупность методов поддержки принятия решения при диагностике венозных заболеваний по данным комбинированной термометрии, позволяющая повысить качество диагностики и предполагающая реализацию в интеллектуальном аппаратно-программном комплексе. Также найдены новые закономерности поведения температурных полей различных групп пациентов. Внедрение разработанных моделей и методов позволяет проводить адекватную первичную диагностику, а также повышает качество дифференциальной диагностики и динамического контроля течения венозных заболеваний. Результаты работы использовались при разработке интеллектуального аппаратно-программного комплекса диагностики заболевания вен нижних конечностей, применяемого в данный момент в Волгоградском флебологическом центре профессора Ларина С.И.

Разработанные модели диагностики вен нижних конечностей и их реализация в экспертном комплексе позволят оптимизировать процесс лечения, улучшить клинический прогноз, снизить количество пациентов с утратой трудоспособности и снизить ее степень.

Основные положения диссертации докладывались и обсуждались на X Всероссийской конференции «Биомеханика 2010» (Саратов, 2010 г.), XXV Международной научной конференции «Математические методы в технике и технологиях» (Волгоград, 2012 г.), XI Всероссийской научно-технической конференции «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2012 г.), региональных конференциях молодых исследователей Волгоградской области (Волгоград, 2010-2012 гг.); конференциях профессорско-преподавательского состава ВолГУ (Волгоград, 2009-2013 гг.), научных семинарах ВолГУ и ВолГТУ.

По материалам диссертационной работы опубликовано 8 печатных работ, четыре из которых в изданиях из списка ВАК РФ. В работах, опубликованных в соавторстве, лично соискателю принадлежит: в работе [8], [9] - изучение вопроса создания базы знаний и ее представления; в [10] - анализ влияния различных факторов на методику комбинированной термометрии; [7], [9], [11],

[12], [57]- статистическая обработка данных и поиск закономерностей; в [11],

[13] - оценка признаков классификации, а так же построение алгоритмов классификации на основе этих признаков.

Во введении обосновывается актуальность работы, дается краткая характеристика темы, формулируются цель и задачи исследования, представляются основные научные результаты, выносимые на защиту.

Первая глава посвящена изучению основ и особенностей комбинированной термометрии в медицине, физиологическим параметрам организма, оцениваемым с ее помощью, методике диагностики заболеваний вен нижних конечностей по данным комбинированной термометрии.

По методике комбинированной термометрии (см., например, [53]) обследование пациентов проводится посредствам последовательного измерения

кожной (ИК) температуры и глубокой микроволновой термометрии (РТ) в 12 симметричных точках, расположенных по задней поверхности обеих голеней пациента, в положении пациента «лежа на животе» и «стоя». Точки измерения были выбраны, исходя из анатомического строения голени и внутреннего кровотока ноги, следующим образом. Первые три точки расположены на вершине латеральной головки икроножной мышцы (1), в подколенной ямке (2), на вершине медиальной головки икроножной мышцы (3). Второй ряд точек расположен по центру латеральной головки икроножной мышцы (4), между головками икроножной мышцы (5), и по центру медиальной головки икроножной мышцы (6). Третий ряд точек расположен в нижней части икроножной мышцы - лате-рально (7), в центре (8) и медиально (9). Последние точки измерения температуры находятся на наружной стороне ахиллова сухожилия в области латеральной лодыжки (10), по центру ахиллова сухожилия (11) и по его внутренней поверхности в области медиальной лодыжки (12). На основе данных измерений строятся температурные поля голени пациентов, анализируя которые врач ставит диагноз.

9

3

б

1:

Рисунок 1 - Расположение точек на задней поверхности голени

В результате исследований, проведенных в течение последних лет, была создана база данных пациентов. В нее были включены результаты обследова-

ний, проведенных специалистами Волгоградского флебологического центра профессора Ларина С.И. Обучающая выборка включает в себя информацию о 105 пациентах (210 голеней). Выборка разделена на два контрольных класса: «Норма» (34 голени) и «Болен» (176 голеней). Последние в свою очередь делятся в соответствии с преобладанием того или иного нарушения следующим образом:

• класс «Норма-2» - 50 здоровых голеней пациентов с патологией;

• класс «ВБ ХВН 0-1» - 36 голеней пациентов с наличием варикозной болезни с хронической венозной недостаточностью степени 0-1;

• класс «ВБ ХВН 2-3» - 20 голеней пациентов с наличием варикозной болезни с хронической венозной недостаточностью степени 2-3;

• класс «ПТБ (реканализация)» - 29 голеней пациентов с наличием по-сттромботической болезни в стадии реканализация;

• класс «ПТБ (окклюзия)» - 29 голеней пациентов с наличием пост-тромботической болезни в стадии окклюзия;

• класс «ОВТ» - 12 голеней пациентов с острым венозным тромбозом.

Основным результатом первой главы является качественное и количественное описание влияния физиологических особенностей организма и условий проведения измерений на данные комбинированной термометрии. В частности рассматривалось влияние пола, возраста пациента, температуры окружающей среды и физических нагрузок на результаты измерения комбинированной термометрии. Разделение больных проводилось по полу, возрасту на группы: 18-34 лет, 35-54 лет, 55-80 лет; а также по наблюдению температуры окружающей среды: меньше 19°С, от 19°С до 26°С, и выше 26°С. Влияние оценивалось с помощью коэффициента корреляции Пирсона (г). Значимость коэффициента корреляции оценивалась по критерию Стьюдента (см., например, [2], [38]) при уровне значимости а = 0,05 и степени свободы к= п - 2, где п - размер выборки.

В результате анализа полученных результатов, было выявлено, что во всех группах пациентов отсутствовала значимая корреляция ИК и РТ- температур с полом и возрастом пациентов. Изменения температуры внешней среды имело значительное влияние на температуры голеней и в инфракрасном, и в микроволновом диапазоне. Однако корреляция между изменением температуры среды и температурой голеней была различна у разных групп. Также значимое влияние на температурные показатели имеет изменение положения тела пациента с горизонтального на вертикальное. Указанные аспекты учитываются в методике комбинированной термометрии.

Кроме того отметим, что методика обследования пациентов с помощью данных комбинированной термометрии предусматривает соблюдение обычного для пациента режима физических нагрузок до обследования, измерения должны проводиться в положении пациента лежа и стоя при температуре окружающей среды не ниже 19°С и не выше 26°С. Последнее учитывалось при создании обучающей выборки, в нее не включались результаты измерений, которые проводились при температуре окружающей среды ниже 19°С и выше 26°С.

Вторая глава посвящена формированию набора высокоинформативных признаков заболеваний вен нижних конечностей.

В настоящее время общепринято, что интеллектуальные средства поддержки принятия решений должны обеспечивать обоснование предлагаемых решений, в нашем случае - предполагаемого диагноза. С другой стороны, при разработке систем диагностики следует учитывать неточность и нечеткость данных и знаний. Зачастую эксперт не может объяснить ход своих мыслей по нахождению решения, а получение от него формализованных знаний - сложная, и далеко не всегда выполнимая задача.

В данной работе, на базе интеллектуального анализа данных, были найдены высокоинформативные диагностические признаки множества статистически достоверных закономерностей поведения температурных полей нижних конечностей.

Более конкретно, анализ предметной области показал, что при постановке диагноза на основе изучения температурных полей голени, значимыми являются:

• наличие и месторасположение «аномальных» температурных зон;

• наличие и степень симметрии температурных полей;

• уровень изменчивости температурных полей, в том числе в зависимости от положения, режима измерения и т.д.

На первом этапе определения существования и месторасположения «аномальных» температурных зон, был сформирован набор функций-индикаторов, указывающих на наличие в соответствующей точке (или соответствующей области голени) экстремума. Например, функция-индикатор определяющая наличие температурного минимума в /'-точке голени, имеет вид

/™п{к,к> —Л\г,к) ~ [о,

1, если < тт^ ecлиti|k>minjФitj|k, (1)

к = 1,4д =; = 1,12, где ^ к- температуры в /-той и у'-той точках голени, а к — индикатор, определяющий диапазон измерения (ИК или РТ) и положение («лежа» или «стоя»).

В работе также исследовались и более общие ситуации. В частности, рассматривались функции-индикаторы, позволяющие провести сравнение температур в различных областях голени. Пусть I = (1г,..., 112) - вектор, где _ ( 1, если I — я точка включена, в рассматриваемую область,

ч'

Но,1

если I — я точка не включена, в рассматриваемую область. Например, область трех точек верхней части голени, описывается вектором I = (11, ...,/12) = (1,1,1,0,0,0,0,00,0,0,0). Функция-индикатор, описывающая сравнение средней температуры выбранной области и средней температуры оставшейся части голени можно осуществлять с помощью вида:

/г7П(А*' ■■■' ,к) =

1, если щЕЦ^п /¿) > - 58п Ю и,к (2)

0, если -Е^^п и>к < —- 1д гик

к = 1Л, |Г| = 1г + -~ + 112. Здесь температура в ¿-той точке на голени, соответственно; к - индикатор, определяющий измерения и положения; I- вектор-индикатор рассматриваемой области.

Далее определялось - сколь часто наблюдается максимум (минимум) в рассматриваемой точке (области). Для дальнейшего исследования оставляли функции-индикаторы, предоставляющие экстремумы не менее чем у 5% пациентов рассматриваемых групп, причем изучаемый эффект в одной из диагностических групп должен наблюдаться не менее чем в 2 раза чаще, чем в альтернативной.

Например, для функций-индикаторов, описывающих наличия температурного минимума в положении «стоя» при измерении в ИК- диапазоне (А;=7), были получены следующие показатели.

Таблица 1 - Функции-индикаторы, описывающих наличия температурного минимума в положении «стоя» при измерении в ИК- диапазоне (к=1)_

Класс гтт 71,1 /■ 771171 7 2Д fmin 73,1 уг7П1П Г 771171 /5,1 /•771171 76,1

«Норма» 9% 0% 3% 0% 0% 0%

«Болен» 30% 2% 2% 2% 1% 0%

/• тт 77,1 Г 771171 78,1 гтт У9Д Г 77X171 /юд /•771171 711,1 /•771171 712,1

«Норма» 0% 9% 0% 26% 21% 18%

«Болен» 5% 8% 1% 14% 12% 13%

Указанному выше критерию отбора удовлетворяет только признак описывающий наличие температурного минимума в первой точке. А именно, минимум в данной точке наблюдается больше 5% для каждого из классов, и при этом у класса «Болен» он выполняется почти в 3 раза чаще.

Отобранные указанным выше способом признаки были проранжированы с помощью статистической информативности. Данная величина показывает, насколько хорошо исследуемый признак отделяет один класс от другого (см., например, [20]), и вычисляется по формуле

/ = -1пШ)' (3)

Здесь Ь - количество пациентов I группы, / - количество пациентов I группы, у которых выполнен рассматриваемый признак; М - количество пациентов II группы, т - количество пациентов II группы, у которых выполнен изучаемый признак, а

биноминальный коэффициент.

На втором шаге первого этапа было проведено исследование функций, описывающих наличие и степень симметрии температурных полей. Был сформирован набор функций, показывающих перепад температур между верхней и нижней частями голени - «осевой градиент», а так же колебания относительно центральной оси голени - «латерально-медиальный градиент» (ЛМГ). Данные характеристики являются значимыми при диагностике венозных заболеваний нижних конечностей (см. [50] - [54]). В частности, , одна из функций, описывающей «осевой градиент» (ОГ) имеет вид

9к •••' ^12,к) = з 2^=1 Ь^к ~~ з (4)

и одна из функций, описывающей «латерально-медиальный градиент» (ЛМГ)

1тг( \ _ 1 + 1V4 *■

9к \.11,к> ' 112,к) ~ 4^1=1 Г31-2,к 4^.1=1 с31,к- (5)

Для каждой такой функции были найдены «значимые» интервалы изменения. Покажем алгоритм нахождения таких промежутков на примере функции,

^ ^ ах л

описывающей «осевой» градиент - дк .

Пусть ду^1 - значение «осевого» градиента дляу'-той голени из обучающей выборки при к-м режиме измерения температуры и положении пациента. Вначале вычислялось выборочное среднее

п

IV

где n - количество голеней в выборке. Затем рассчитывалось стандартное отклонение

*k = ^Z,U(g%-Mk)2,k = TÄ. О)

Границы «значимого» интервала (Ак;Вк) находились по правилу «одной сигмы», т.е.

Ак = Мк- ак; Вк = Мк + ок. (8)

Затем область значений функции разбивалась на три промежутка по следующей схеме (Рисунок 2).

Ш__

—I-1

min Ак вк тах

Рисунок 2 - Схема разбиения на интервалы области значений функции

Далее был проведен анализ - сколь часто для пациентов из каждого диагностического класса встречаются значения из найденных промежутков. Например, для функции, описывающей «осевой градиент» (4), для измерений ИК в положении «стоя» были получены следующие величины.

Таблица 2 - Область изменения «осевого градиента»

Осевой градиент

Интервал Здоров Болен

Датчик, положение ноги № ин-ла 34 125

ИК стоя 1 <0.3 (выполнено у 4 чел.) - 12% (выполнено у 53 чел.) - 42%

2 (0.3; 1.5) (выполнено у 24 чел.) - 70% (выполнено у 54 чел.) - 43%

3 > 1.5 (выполнено у 6 чел.) - 18% (выполнено у 18 чел.) - 15%

Как и в случае отбора признаков, определяющих температурные «аномалии», применялись два основных правила. А именно, для дальнейшего исследования оставлялись пары (функция, промежуток), в которых присутствуют значения не менее 5% пациентов рассматриваемых групп, причем изучаемый эффект в одной из классификационных групп должен наблюдаться не менее чем в 2 раза (или примерно в 2 раза) чаще, чем в альтернативной. Стоит отметить, что в интервале № 1 в каждом классе признак выполняется больше, чем у 5% пациентов, при этом для класса «Болен» он выполняется в 3.5 раза чаще. Затем для отобранных таким образом признаков происходила их оценка с помощью статистической информативности.

Одними из немаловажных классификационных характеристик, стали так называемые «эмпирические» признаки (наличие отека, варикозного расширения вен, боли и кожных изменений), которые выявляется на стадии первичного осмотра, пальпации и опроса пациента. Каждый из таких признаков так же оценивался с помощью статистической информативности.

На следующем этапе, для дальнейшего изучения были оставлены признаки, имеющие достаточно высокую статистическую информативность, а именно - больше трех. В результате был получен следующий их набор.

Таблица 3 - Набор высокоинформативных признаков

№ / Признаки Диапазон измерения, положение пациента

1. 21,4 Наличие отека

2. 17,1 Наличие варикозного расширения вен

3. 9,6 Наличие боли

4. 6,7 Средняя температура голени выше, чем температура в точке (2) ИК лежа

5. 6,4 Средняя температура точек (10), (11), (12) выше, чем средняя температура голени ИК стоя

6. 6 Температура точки (12) выше, чем средняя температура голени ИК стоя

7. 5,9 Температура точки (2) не является самой большой температурой голени РТ стоя

8. 5,9 ЛМГ меньше, чем -0,3°С РТ стоя

9. 5,6 Осцилляция температуры больше, чем 2,5°С ИК стоя

10. 5,3 Средняя температура точек (10), (11), (12) больше, чем средняя температура точек (7), (8), (9) или средняя температура точек (7), (8), (9) больше, чем средняя температура точек (4), (5), (6) или средняя температура точек (4), (5), (6) больше, чем средняя температура точек (1), (2), (3) ИК стоя

11. 5,2 Наличие кожных изменений

12. 4,9 Температура точки (12) выше, чем средняя температура голени РТ лежа

13. 4,7 Температура точки (11) выше, чем средняя температура голени ИК стоя

14. 4,5 Средняя температура голени выше, чем температура в точке (1) ИК лежа

15. 4,1 Температура точки (1) является самой низкой температурой голени ИК стоя

16. 4,1 Температура точки (4) не самая большая температура голени РТ лежа

17. 3,9 Температура точки (3) при измерении в положении «стоя» больше, чем температура точки (3) при измерении в положении «лежа» РТ

18. 3,7 Температура точки (10) выше, чем средняя температура голени ИК лежа

19. 3,5 Температура точки (2) при измерении в положении «стоя» больше, чем температура точки (2) при измерении в положении «лежа» РТ

20. ЗД ОГ меньше, чем 0,3°С ИК стоя

21. 3 Температура точки (4) при измерении в положении «стоя» больше, чем температура точки (4) при измерении в положении «лежа» ИК

Полученные признаки являются одновременно значимыми для врача при постановке диагноза, и позволяют построить алгоритмы первичной диагности-

= к'

В третьей главе, представлено описание двух разработанных алгоритмов классификации, реализующих первичную диагностику, т.е. причисление пациента к одному из классов «Норма» или «Болен». Первый алгоритм основывается на полученных признаках из второй главы.

На первом шаге первого алгоритма каждой голени приписывается вектор (а15 ..., аг), из г высокоинформативных признаков, характерно отделяющих класс «Норма» от класса «Болен», по следующему правилу:

/1, если I — й признак выполнен если I — й признак не выполнен,

где ¡1 — информативность I — го признака.

На втором шаге вычисляется число Б] = аг + а2 + —I- аг, где у - номер голени в выборке.

На третьем шаге, число сравнивается с числом, являющимся «критерием классификации» - Бо- В зависимости от результата сравнения голень относится либо к классу «Норма», либо «Болен».

На четвертом шаге у пациента сравниваются диагнозы обеих голеней. Если хотя бы одна из них классифицирована как «Болен», то пациент приписывается к классу «Болен».

Важным элементом данного алгоритма является нахождение «критерия классификации» - 80. Для его определения, использовался модифицированный алгоритм поиска «значимых» интервалов области значений для каждого из классов. Вначале производились вычисления выборочного среднего (6) и стандартного отклонения (7), затем по правилу «одной» сигмы (8) для каждого из двух классов были получены следующие «значимые» интервалы.

Таблица 4 - Интервалы значений изменения Б, для классов «Норма» и «Болен»

Класс «Норма» Класс «1 Чолен» АСр

Л, В, Л2 в2

5,2 22,3 21 65,3 21,6

После проведения вычислительных экспериментов было решено остано-

о А2+В1

виться на величине 5п =-.

и 2

Для повышения эффективности алгоритма, были проведены вычислительные эксперименты, заключавшиеся в реализациях указанного алгоритма для различных комбинаций признаков, и нахождении оптимального набора. Наилучшие результаты показал следующий набор из 13 признаков.

Таблица 5 - Признаки алгоритма классификации

№ Признаки Диапазон измерения, положение пациента /

1. Наличие отека 21,4

2. Наличие варикозного расширения вен 17,1

3. Наличие боли 9,6

4. Средняя температура голени выше, чем температура в точке (2) ИК лежа 6,7

5. Температура точки (2) не является самой большой температурой голени РТ стоя 5,9

6. ЛМГ меньше, чем -0,3°С РТ стоя 5,9

7. Осцилляция температуры больше, чем 2,5°С ИК стоя 5,6

8. Наличие кожных изменений 5,2

9. Температура точки (11) выше, чем средняя температура голени ИК стоя 4,7

10. Средняя температура голени выше, чем температура в точке (1) ИК лежа 4,5

11. Температура точки (1) является самой низкой температурой голени ИК стоя 4,1

12. Температура точки (10) выше, чем средняя температура голени ИК лежа 3,7

13. Температура точки (2) при измерении в положении «стоя» больше, чем температура точки (2) при измерении в положении «лежа» РТ 3,5

В качестве основных показателей эффективности диагностики в медицине традиционно используются следующие параметры.

1. Точность диагностики, рассчитываемая по формуле:

Ыт + Ыт

N

100%

2. Точность диагностики здоровых (специфичность):

-—' 100%

+ Ыт

3. Точность диагностики больных (чувствительность):

^ип

Тт—Г7Г- ■100% ^ип + Мло

где Ыип - количество пациентов, у которых подтвердился диагноз «Болен»; 1ЧИо - количество пациентов, у которых подтвердился диагноз «Норма»; 1ЧЛп -количество пациентов, у которых не подтвердился диагноз «Болен»; КЛо - количество пациентов, у которых не подтвердился диагноз «Норма».

Классификация на основе минимизированного признакового пространства позволила с достаточно высокой достоверностью описать состояние пациента. А именно, его проверка на тестовой выборке, показала точность 82,3%, специфичность - 100% и чувствительность 82,1%.

Второй алгоритм основан на применении групп выделяющих признаков диагностики. При помощи вычислительного кластера была рассчитана наилучшая комбинация высокоинформативных закономерностей, характерных для пациентов класса "Болен" (см. Таблица 6).

Таблица 6 - Признаки, характерные для класса "Болен"

№ Признак Положение I

1 Разность температуры в точке (3) со средней температурой по голени больше чем 1 ПК стоя 9,5

2 Разность температуры в точке (2) со средней температурой по голени меньше чем -0.2 ИК лежа 11,6

3 АЛМГ больше чем 4.7 ИК стоя 8,7

4 АЛМГ больше чем 4.6 ИК лежа 7,5

5 Разность температуры в точке (2) с точкой (3) по голени меньше чем -0.5 ИК лежа 18,3

6 Разность температуры в точке (6) с точкой (8) по голени больше чем 1.4 ИК лежа 9,9

7 Хотя бы два визуального признака 19,6

Так же была найдена комбинация закономерностей, характерных для здоровых пациентов (см. Таблица 7).

Таблица 7 - Признаки, характерные для класса "Норма"

№ Признак Положение I

1 ЛМГ больше чем 2.2 (или) РТМ стоя 3,4

ЛМГ меньше чем -1 (или) ИК стоя

Разность температуры в точке (10) с точкой (12) по голени меньше чем -0.7 РТМ стоя

2 Среднее ИК - среднее РТМ больше чем -2.0 (или) Лежа 4,5

Разность температуры в точке (8) с точкой (11) по голени меньше чем -0.5 (или) ИК лежа

Разность температуры в точке (5) с точкой (7) по голени меньше чем -0.6 (или) РТМ лежа

Разность температуры в точке (2) с точкой (12) по голени больше чем 2.7 РТМ лежа

3 Разность температуры в точке (2) с точкой (3) по голени больше чем 0.6 (или) РТМ стоя 4,8

Разность температуры в точке (2) с точкой (12) по голени меньше чем 0.2 (или) ИК стоя

Разность температуры в точке (1) с точкой (11) по голени меньше больше чем 1.2 РТМ стоя

Абсолютный латерально-медиальный градиент (АЛМГ) - перепад температур от наружной к внутренней поверхности голеней имеет следующий вид:

д1Г2(^,к> - ^12,к) = ^

1^1,к ~ ^3,к | + к ~ ^6,к \ + 1^7,к ~ к | + 1^10,к — На первом этапе - последовательно проверяется выполнение признаков 1 -7 (Таблица 6), характерных только для больных голеней. При выполнении хотя бы одного признака ставим диагноз «болен», иначе - продолжаем тестирование.

На втором этапе, последовательно проверяем выполнение признаков 1-3 (Таблица 7), характерных только для здоровых голеней. При выполнении хотя бы одного признака ставим диагноз «норма.

По окончанию проверки, голени, не получившие диагноз ни на первом, ни на втором этапе считаем больными. В результате проверки второго алгоритма

на тестовой выборке оказалось, что специфичность алгоритма составила 90%, чувствительность - 92,8%, а точность - 92%.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Анисимова, Екатерина Вячеславовна

ЗАКЛЮЧЕНИЕ

Подводя итоги диссертационного исследования, стоит отметить, что все поставленные цели и задачи были достигнуты. При этом в данной тематике есть еще много материала для дальнейших исследований.

В рамках данной работа впервые была исследована зависимость результатов измерений комбинированной термометрии от физиологических особенностей организма и условий проведения измерений. Одним из немаловажных результатов работы является тщательный анализ влияния различных факторов, таких как пол, возраст пациента и температура окружающей среды, на результаты измерений комбинированной термометрии, позволивший в процессе исследования сформировать обучающую и тестовую выборки.

Основными результатами работы является:

• разработанный алгоритм поиска высокоинформативных признаков по данными комбинированной термометрии;

• разработанные и реализованные алгоритмы классификации пациентов, на основе найденных диагностических признаков.

Разработанные алгоритмы предварительно прошли проверку на тестовой выборке. Затем алгоритмы прошли апробацию в Волгоградском флебологиче-ском центре профессора Ларина С.И.

Проведена практическая реализация поиска высокоинформативных признаков для диагностики венозных заболеваний нижних конечностей. В первые был разработан алгоритм на основе совокупности высокоинформативных признаков, позволяющий относить пациента к одному из выделенных диагностических классов.

В завершение, стоит отметить, что, несмотря на то, что данная работа рассматривает только одно направление диагностики (а именно, диагностика варикозных заболеваний), алгоритмы, разработанные в ходе выполнения работ по исследованию, могут быть применены и в других областях основанных на данных комбинированной термометрии.

Полученные данные на основе методики дают результат, приемлемый для использования в интеллектуальном аппаратно-программном комплексе диагностики заболевания вен.

Полученные алгоритмы используются в интеллектуальном аппаратно-программном комплексе диагностики венозных заболеваний, реализуемом в рамках государственного контракта № 16.513.11.3067 на выполнение научно-исследовательских работ.

Список литературы диссертационного исследования кандидат технических наук Анисимова, Екатерина Вячеславовна, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Адырхаев, A.A. Роль радиотермометрии в комплексной диагностике фиброзно-кистозной мастопотии / A.A. Адырхаев, А.З. Гусейнов, Ч.К. Мустафин, О.Б. Хапилина // Вестник новых медицинских технологий. - 2007. - N 1 - Т. XIV. - С. 145-146.

2. Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности / С.А. Айвазян, В.М. Бухтабер, И.С. Енюков и др. - Москва: Финансы и статистика, 1989. - 607 с.

3. Айвазян, С.А. Прикладная статистика и основы эконометрики / Айвазян С.А., Мхитарян B.C. - Москва: ЮНИТИ, 2001. - Т. 2. -432 с.

4. Алексеев, A.B. Применение методов информатики и компьютерной техники в дифференциальной диагностике аппендицита и аппендикулярной колики // Программные продукты по профилю анестезиологии, реаниматологии, хирургии, обще-лечебные и статистические задачи. 2004. URL: http:/www.arkadyal.chat.ru/ programs.htm (дата обращения: 10\12\2010)

5. Алескеров, Ф.Т. Пороговое агрегирование трехградационных ранжировок / Ф.Т. Алескеров, Д.А. Юзбашев, В.И. Якуба // Автоматика и телемехника,- 2007. - N 1.

6. Алимов, 3.3. Изменения температуры кожи при холециститах / 3.3. Алимов // Клин, мед. - 1966,-N8,- С. 70-72.

7. Анисимова, Е.В. Об одной математической модели диагностики венозных заболеваний по данным комбинированной термометрии / Е.В. Анисимова // XXV Международная научная конференция Математические методы в технике и технологиях; тез. докл. междунар. науч.-практ. конф. 28-30 мая 2012г.- Волгоград, 2012.

8. Анисимова, Е.В. Статистические методы создания базы знаний в экспертном комплексе диагностики варикозных заболеваний / Е.В. Анисимова // XV региональная конференция молодых исследователей Волгоградской области, 9-12 ноября 2010: - Физика и математика. Выпуск 4. - Волгоград : Изд-во ВолГУ, 2011. -С. 79-80.

9. Анисимова, Е.В. Интеллектуальная система комбинированной термометрии диагностики варикозных заболеваний / Анисимова Е.В., Веденяпин Д.А., Замечник Т.В., Ларин С.И., Лосев А.Г., Черкасов A.C. // Тезисы докладок X Всероссийской

конференции «Биомеханика 2010», 16-22 мая 2010 г. - Саратов : Изд-во СГТУ, 2010. - С. 25-26.

10. Анисимова, Е.В. Теоретические исследования отдельных физических и физиологических факторов, влияющих на качество обследования пациентов с варикозной болезнью вен нижних конечностей методом комбинированной термографии / Анисимова Е.В., Замечник Т.В., Ларин С.И., Лосев А.Г., Мазепа Е.А. // Вестник новых медицинских технологий. - N 4. - Т. XVIII. Тула, 2011. - С. 280-282.

11. Анисимова, Е.В. Об одной математической модели диагностики венозных заболеваний по данным комбинированной термометрии / Анисимова Е.В., Замечник Т.В., Лосев А.Г. // Вестник новых медицинских технологий. - N 2. - Т. XIX. Тула, 2012. - С. 239-241.

12. Анисимова, Е.В. О некоторых характерных признаках в диагностике венозных заболеваний нижних конечностей методом комбинированной термографии / Анисимова Е.В., Замечник Т.В., Лосев А.Г., Мазепа Е.А // Вестник новых медицинских технологий. - N 2. - Т. XVIII. Тула, 2011. - С. 329-330.

13. Анисимова, Е.В. Алгоритм локализации патологии в диагностике венозных заболеваний нижних конечностей по данным комбинированной термометрии / Анисимова Е.В., Лосев А.Г., Ставров Т.А. // Естественные и технические науки. -2012. - N 5. - Т. 61. - С. 324-327.

14. Баркова, Л.Н. Математическая статистика: Учебное методическое пособие для вузов. / Баркова Л.Н., Ткачева С.А. - Воронеж: Из-во Воронежского государственного университета, 2007. - 47 с.

15. Болотин, Н.Б. "Способ проведения лазерной хирургии и устройство для его осуществления," Патент на изобритение № 2251990 от 31 декабря 2003 г.

16. Бурдина, Л.М. Применение радиотермометра диагностического компьютеризированного интегральной глубинной температуры ткани для диагностики рака молочной железы: Пособие для врачей. / Бурдина Л.М., Хайленко В.А., Кижаев Е.В., Легков A.A., Пинхосевич Е.Г., Мустафин Ч.К., Вайсблат A.B., Веснин С.Г., Тихомирова H.H. - М.: "РМАПО", 1999. - 20 с.

17. Вапник, В.Н., Восстановление зависимостей по эмпирическим данным / Вапник В.Н. - М.: Наука, 1979. - 448 с.

18. Веденяпин, Д. А. Экспертный комплекс комбинированной термометрии в диагностике венозных заболеваний / Веденяпин Д.А., Замечник Т.В., Ларин С.И.,

Лосев А.Г., Овчаренко Н.С., Чудин Я.С. // Тезисы докладов Всероссийской школы-семинара «Методы компьютерной диагностики в биологии и медицине - 2007». -Саратов: Издательство., 2007. - С. 48-51.

19. Веденяпин, Д.А. Интеллектуальный аппаратно-программный комплекс диагнстики венозных заболеваний / Веденяпин Д.А., Ставров Т.А. // Математические методы в технике и технологиях - ММТТ-25: сборник трудов XXV Международной научной конференции в 10 томах. Т.8. Секция 12 / под общ. ред. A.A. Большакова. - Волгоград: Волгогр. гос. техн. ун-т, 2012; Харьков: Национ. техн. ун-т "ХПИ", 2012.

20. Воронцов К.В. Лекции по логическим алгоритмам классификации: курс лекций // MachineLearning.RU. 2007. URL: http://www.ccas.ru/voron/download/LogicAlgs.pdf

21. Гаврилова, Т.А. База знаний интеллектуальных систем./ Т.А. Гаврилова, В.Ф. Хорошевский - СПб.: "Питер", 2000. - 384 с.

22. Гаврилова, Т.А. Извлечение и структурирование знаний в экспертных системах. / Т.А. Гаврилова, K.P. Червинская - М.: "Радио и связь", 1992. - 200 с.

23. Гай, П. Применение электромагнитной энергии в терапии / Гай П., Лемман Р., // ТИИЭР. 1980. - Т. 168. - N 1. - С. 66-93.

24. Гамма, Э., Приемы объектно-ориентированного программирования. Паттерны проектирования. / Гамма Э., Хелм Р., Джонсон Л., Влиссидес Д. - Санкт-Петербург: Питер, 2001.-366 с.

25. Генкин, A.A. О последовательной стратегии Байеса и механизме принятия решений в интеллектуальной системе ОМИС / A.A. Генкин // Клиническая лабораторная диагностика - 1998. - N 4. - С. 42-49.

26. Гланц, С. Медико-биологическая статистика. / С. Гланц - Москва: Практика, 1998. -459 с.

27. Глова В.И. Формирование базы знаний медицинской диагностической экспертной системы на основе нечеткой нейронной сети / В.И. Глова, И.В. Аникин, Катасёв A.C., Подольская М.А // Исследования по информатике. - 2007. - N 12. - С. 31-46.

28. Гмурман В.Е. Теория вероятности и математическая статистика. / В.Е. Гмурман -М.: "Высшая школа", 2003. - 479 с.

29. Головин, П.А. Экспертные системы для классификации болезней в медицинской диагностике / Головин П.А., Нечаев В.А., Нечаев Д.А. // Научно-технический вестник информационных технологий, механики и оптики. - 2006. - N 6(29). - С. 8085.

30. Дейт, К. Введение в системы баз данных : пер. с англ. / К. Дейт . - 7-е изд . - М. : Вильяме, 2001 .- 1072 с.

31. Джонсон, С.С. Воздействие неионизирующего электромагнитного излучения на биологические среды и системы. / Джонсон С.С., Гай А. В. // ТИИЭР. - 1972. - Т. 6.

- С. 49-82

32. Дюличева, Ю.Ю., Стратегии редукции решающих деревьев (обзор) / Ю.Ю. Дюличева // Таврический вестник информатики и математики. — 2002. - N 1. — С. 10-17.

33. Замечник, Т.В. Способ комбинированной термометрии и математические модели вероятностной диагностики заболеваний вен нижних конечностей / Т.В. Замечник, С.И. Ларин, А.Г. Лосев, Н.С. Овчаренко // Вестник новых медицинских технологий

- 2009. - Т. XVI - N 4. - С. 14-16.

34. Замечник, Т.В. Изучение надежности комбинированной термографии как метода диагностики состояния вен нижних конечностей / Т.В. Замечник, Н.С. Овчаренко, С.И. Ларин, А.Г. Лосев // Флебология - 2010.-Т.4.- N 3. - С. 20-23.

35. Зарецкий, В.В. Тепловидение в медицине / В.В. Зарецкий, А.Г. Выховская. - М.: "Медицина", 1976.- 68 с.

36. Иваницкий, Г.Р. Возможности термографии в современной медицине. / Г.Р. Иваницкий, Ф.Ф. Деев, Е.И. Маевский, Е.П. Хижняк, Л.Н. Хижняк // Труды ин-та теоретич. и эксперим. Биофизики. - 2003. - Т. 393. - С. 419-423.

37. Калягин, В.А. Аксиоматическая модель некомпенсаторного агрегирования. / В.А. Калягин, В.В. Чистяков - Москва: Изд. дом ГУ ВШЭ, 2009. - 76 с.

38. Кассандрова, О.Н. Обработка результатов наблюдений. / О.Н. Кассандрова,

B.В. Лебедев - М.: "Наука", 1970. - 104 с.

39. Кобринский, Б.А. Консультативные интеллектуальные медицинские системы: класификации, принципы построения, эффективность / Б.А. Кобринский // ВИТ. 2008. № 2. С. 38-47.

40. Колесов, С.Н. Комплекс тепловизионной и многочастотной радиотермометрии для регистрации температурных реакций в норме и при различной патологии / Колесов

C.Н., Абызов A.A., Белов И.Ф., другие. // Система терморегуляции при адаптации организма к факторам среды: Тез. докл.. Новосибирск. - 1990. - Т. 2. - С. 262-263.

41. Колесов, С.Н. Двухчастотный СВЧ медицинский радиотермометр / С.Н. Колесов, В.А. Кошечкин, В.С.Лебедев и.д. // Тез. докл. Всесоюз. конф. "ТеМП-91".

Красногорск. - 1991. - С. 22.

42. Колесов, С.Н. Полидиапазонная пассивная локация теплового излучения человека в диагностике поражений центральной и периферической нервной системы / С.Н. Колесов // Диссертация на соискание ученой степени доктора медицинских наук. - М.: НИИ нейрохирургии имени академика Н.Н.Бурденко - 1993.

43. Комов, Д.В. Радиотермометрия в комплексной диагностике доброкачественных новообразований и рака молочной железы / Д.В. Комов, A.C. Ожерельев, И.Г. Терентьев, А.А . Малыгин // Вестник РОНЦ им. H. Н. Блохина РАМН. - 1992. -T. 3.-N 1.-С. 31-33.

44. Корбинский, Б.А. Извлечение экспертных знаний: групповой вариант / Б.А. Корбинский // Новости искуственного интеллекта. - 2003. - N 3 - С. 58-66.

45. Корбинский, Б.А. Ретроспективный анализ медицинских экспертных систем / Б.А. Корбинский // Новости искусственного интеллекта 2005. - N 2. - С. 6-17.

46. Котов, Ю.Б. Новые математические подходы к задачам медицинской дигностики / Ю.Б. Котов // Едиториал УРСС, 2004. - С. 328.

47. Краус, Д. Радиоастрономия. / Д . Краус - М.: "Советсвое радио", 1973. 456 с.

48. Курако, Ф.Л. Тепловизионные исследования больных в острый период черепно-мозговых травмах / Ф.Л. Курако, Ю.И. Горанмский // Тепловидение в медицине: Тез. докл. Респ.конф. - Киев, 1984. - С. 33-34.

49. Лапко, A.B. Обучающиеся системы обработки информации и принятия решений. Непараметрический подход. / A.B. Лапко, C.B. Ченцов, С.И. Крохов и др. -Новосибирск: Наука, 1996. - с. 296

50. Ларин, С.И. Методические рекомендации по проведению комбинированной термографии нижних конечностей у больных с хронической венозной недостаточностью: пособие для врачей. / С.И. Ларин, Т.В. Замечник, А.Ю. Андриянов - Волгоград: "Станица-2", 2011. - 28 с.

51. Ларин, С.И. Методические рекомендации по проведению комбинированной термографии у больных с отеками нижних конечностей для исключения диагноза острого венозного тромбоза вен нижних конечностей: пособие для врачей. / С.И. Ларин, Т.В. Замечник, А.Ю. Андриянов - Волгоград: "Станица-2", 2011.-28 с.

52. Ларин, С.И. Методические рекомендации по проведению комбинированной термографии у больных с острым венозным тромбозом вен нижних конечностей:

пособие для врачей. / С.И. Ларин, Т.В. Замечник, А.Ю. Андриянов - Волгоград: "Станица-2", 2011.-24 с.

53. Ларин, С.И. Методика обследования нижних конечностей с использованием метода комбинированной термографии / С.И. Ларин, Е.А. Мазепа, Н.С. Овчаренко, А.Ю. Андриянов, H.A. Стерн // Материалы 1-го съезда амбулаторных хирургов РФ, Санкт-Петербург: СПб, 2004. - С. 119.

54. Ларин, С.И. Методика обследования нижних конечностей с использованием метода комбинированной термографии. / С.И. Ларин, Е.А. Мазепа, А.Ю. Андриянов, H.A. Стерн // Амбулаторная хирургия и стационарозамещающие технологии. - 2004. -Т. 16. N4. - С. 119.

55. Ларин С.И. Влияние температуры окружающей среды на поверхностные и глубинные температуры нижних конечностей пациентов с варикозной болезнью / С.И. Ларин, H.A. Стерн, А.Ю. Андриянов, Н.С. Овчаренко // Вестник Волгоградского государственного медицинского университета. - 2009. - № 4. - С. 57-60.

56. Ларичев О.И. Выявление экспертных знаний. / О.И. Ларичев - Москва: Наука, 1989. - 128 с.

57. Лосев, А.Г. Интеллектуальный комплекс диагностики венозных заболеваний. /

A.Г. Лосев, Е.В. Анисимова, Д.А. Веденяпин, Т.А. Ставров // Теоретические и прикладные вопросы современных информационных технологий : тез. докл. науч.конф. Улан-Удэ: Изд-во ВСГУТ. - 2012,- С. 72-74.

58. Лосев, А.Г. Об одном алгоритме классификации в методе комбинированной термометрии диагностики венозных заболеваний / А.Г. Лосев, Т.А. Ставров // Естественные и технические науки. - 2011. - N 5. - С. 268-270.

59. Мустафин, Ч.К. Радиотермометрические основы исследования молочных желез / Ч.К. Мустафин // Медицинская визуализация. - 2006. - N 3. - С. 32-38.

60. Мустафин, Ч.К., Компьютеризированная радиотермометрия в диагностике злокачественных опухолей молочной железы. / Ч.К. Мустафин // Медицинская визуализация. - 2006. - N 5. - С. 109-113.

61. Райгородская, Т.Г. Динамика локальных термоаппликаций у больных с поражением периферических нервов верхних конечностей. / Т.Г. Райгородская, О.Л. Перцов,

B.Н. Кошелев //Тез. докл. Всесоюз. конф. "ТеМП-85". - Л. 1985. - С. 136-137.

62. Рахлин, В.Л. Радиотермометрия в диагностике остеохондроза, патологии молочных

желез, предстательной железы и гениталий. / B.J1. Рахлин, Г.Е. Алова, Г.М. Матигина // Тез. Докл. Всесоюзн. Конф. «ТеМП-88». - Л., 1988. - Т. 2. - С. 105-106.

63. Резник, А.Н. Обнаружение контрастных образований внутри биологических сред при помощи ближнепольной СВЧ-диагностики. / А.Н. Резник, Н.В. Юрасова // Журнал теоретической физики. - 2006. - Т. 76. - N. 1. - С. 3-12.

64. Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STAT1STICA. / О.Ю. Реброва. М.: "МедиаСфера", 2003. -312 с.

65. Репова M.JI. Эконометрика: метод, указания и задания к выполнению контрольной работы. / M.JI. Репова. Архангельск: Из-во "Архангельский государственный технический университет", 2010. - 32 с.

66. Савельев Е.С., Яблоков Е.Г., Кириенко А.И. Тромбоэмболия легочных артерий. M.: "Медицина", 1979. 263 с.

67. Сатыбалдиев В.М. Ранняя диагностика и прогнозирование отморожения конечностей / В.М. Сатыбалдиев // Вестник Хирургии. - 2003. - Т. 162. - N 1. - С. 4648.

68. Ставров Т.А. Об одном алгоритме классификации в методе комбинированной термометрии диагностики венозных заболеваний / Т.А. Ставров // XVI Региональная конференция молодых исследователей Волгоградской области Волгоград. 2011.

69. Степанов Р.Г. Технология Data Mining: Интеллектуальный анализ данных. Казань: 2008. http://kek.ksu.ru/EOS/dm.pdf.

70. Стерн, H.A. Возможности термографии в диагностике острого венозного тромбоза нижних конечностей / H.A. Стерн, С.И. Ларин, Т.В. Замечник, А.Ю. Андриянов // Флебология. - 2009. - N 2. - С. 10-14

71. Троцкий, B.C. О возможности использования собственного теплового СВЧ радиоизлучения тела человека для измерения температуры его внутренних органов: результаты и перспективы. / B.C. Троцкий, A.B. Густов, И.Ф. Белов и др. // Успехи физических наук. - 1981.- Т. 134.-N. 1.-С. 155-158.

72. Чернавская, О.Д. Процесс мышления в контексте динамической теории информации. Часть II: понятие «образ» и «символ» как инструменты моделирования процесса мышления средствами нейрокомпьютинга / О.Д. Чернавская, Д.С. Чернавский, В.П. Карп, А.П. Никитин, Я.А. Рожило // Сложные системы. -

2012.-N 2.-С. 46-65.

73. Чубукова И.A. Data Mining [Электронный ресурс] // Интуит. Националный открытый университет: [сайт]. [2003-2013]. URL: http://old.intuit.ru/department/ database/datamining/

74. Шван, JI. Воздействие высокочастотных полей на биологические системы: электрические свойства и биофизические механизмы / Шван Л., Фостер О. // ТИИЭР. - 1980. - Т. 68. - N 1. - С. 121-132,230.

75. Яблонский С.В. Введение в дискретную математику / С.В. Яблонский. Москва: Высшая школа, 2002. - 384 с.

76. // International Conference on Harmonisation: [сайт]. URL: http://www.ich.org/about/ faqs/article/how-is-ich-structured.html

77. // Радиотермометр РТМ-01-РЭС: [сайт]. [2001]. URL: http://www.resltd.ru/rus/rtm/

78. Appelman P.T., De Jone Т.Е., and Lampmann L.E., "Deep venous thrombosis of the leg: US findings," Radiology, Vol. 163, 1987. pp. 743-746.

79. Appleberg M. The need for objective diagnosis of deep vein thrombosis // S. Afr. Med. J. 1976. Vol. 50. pp. 248-250.

80. Diavantopoulos L. Arterial wall thermography // J-Interv-Cardiol. Jun. 2003. Vol. 16. No. 3. pp. 261-266..

81. Fisher L., Van Ness J.W. "Admissable Clustering Procedures", Biometrika, Vol. 58, 1971, pp. 91-104.

82. Gorbach A.M., Heiss J., Kufta C., and etc. Intraoperative infrared functional imaging of human brain // Surgical Neurology Branch, Ann-Neurol. Sep. 2003. Vol. 54. No. 3. pp. 297-309.

83. Hu L., Gupta A., Gore G.P., and Xu L.X., "Effect of convection on the skin thermal expression of breast cancer," J-Biomech-Eng., Vol. 126, No. 2, 2004. pp. 204-211.

84. Markel A., Meissner M.H., Manzo R. and etc.., "A comparison of the cuff deflation method with Valsalva's maneuver and limb compression in detecting venous valvular reflux," Arch Surg., No. 329, 1994. pp. 701-705.

85. Nakagawa A., Hirano Т., and Uenohara H.E. Intraoperative thermal artery imaging of an EC-IC bypass in beagles with infrared camera with detectable wave-length band of 7-14 micron: possibilities as novel blood flow monitoring system // Minim-Invasive-Neurosurg. Aug. 2003. Vol. 46. No. 4. pp. 231-234.

86. Ogan K., Roberts W.W., Wilhelm D.M and etc.. Infrared thermograhy and thermocouple mapping of radiofrequency renal ablation to access treatment adequacy and ablation margins // Urology. Jul. 2003. Vol. 62. No. 1. pp. 146-151.

87. Smaga A., Paszkowski T., Wozniak S. and etc., "Analysis of physiologic and abnormal pictures of infrared thermography," GinekolPol., Vol. 74, No. 9, 2003. pp. 847-854.

88. Stefanadis C., Chrysohoou C., and Panagiotakos D.B. and etc. Temperature differences are associated with malignancy on lung lesions: a clinical study // BMC-Cancer. Jan. 2003. Vol. 6. No. 3.P. 1.

89. Vapnik V., Chapelle O, "Bounds on error expectation for support vector machines ," Neural Computation, Vol. 12, No. 9, 2000. pp. 2013-2036.