Методы и средства прогнозирования профессиональных заболеваний работников животноводческого комплекса на основе нечетких нейросетевых моделей тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Позин, Андрей Олегович

  • Позин, Андрей Олегович
  • кандидат технических науккандидат технических наук
  • 2017, КурскКурск
  • Специальность ВАК РФ05.11.17
  • Количество страниц 142
Позин, Андрей Олегович. Методы и средства прогнозирования профессиональных заболеваний работников животноводческого комплекса на основе нечетких нейросетевых моделей: дис. кандидат технических наук: 05.11.17 - Приборы, системы и изделия медицинского назначения. Курск. 2017. 142 с.

Оглавление диссертации кандидат технических наук Позин, Андрей Олегович

Оглавление

Введение

1 Методы и средства для интеллектуальных систем поддержки принятия решений при прогнозировании и профилактике заболеваний

1.1 Методы оценки риска воздействия производственных факторов на здоровье работающих

1.2 Анализ структуры профессиональные заболевания работников животноводческого комплекса и их основные факторы риска

1.3 Автоматизированные системы прогнозирования заболеваний

1.4 Анализ математических методов и информационных технологий, используемых для прогнозирования заболеваний

1.5 Цель и задачи исследования

2 Формирование признаковых пространств и продукционных правил для системы интеллектуальной поддержки прогнозирования профессиональных заболеваний работников животноводческого комплекса

2.1 Анализ структуры заболеваемости и сегментов факторов риска работников животноводческого комплекса

2.1.1 Формирование пространства признаков для прогнозирования бронхолегочных заболеваний у работников животноводческого комплекса

2.1.2 Формирование пространства признаков для прогнозирования заболеваний мочеполовой системы у работников животноводческого комплекса63

2.2 Метод синтеза трехуровневой нечеткой сети для прогнозирования профессиональных заболеваний работников животноводческого комплекса

2.3 Формирование «слабых» классификаторов для прогнозирования бронхолегочных заболеваний у работников животноводческого комплекса

2.4 Синтез «слабых» классификаторов для прогнозирования заболеваний мочеполовой системы у работников животноводческого комплекса

2.5 Выводы второго раздела

3 Разработка решающих модулей и моделей принятия решений для системы интеллектуальной поддержки прогнозирования профессиональных заболеваний работников животноводческого комплекса

3.1 Гибридные нейросетевые структуры с латентными входами для интеллектуальных систем поддержки принятия решений по прогнозированию профессиональных заболеваний

3.2 Метод синтеза латентного информативного признака для нейронной сети прямого распространения

3.3 Структура гибридной прогнозирующей системы

3.4 Выводы третьего раздела

4 Результаты экспериментальной проверки методов и алгоритмов прогнозирования состояния здоровья работников животноводческого комплекса

4.1 Алгоритм управления процессами принятия решений в автоматизированной системе оценки состояния здоровья работников животноводческого комплекса

4.2 Разработка структуры программного обеспечения системы поддержки принятия решений по прогнозированию и диагностике профессиональных заболеваний работников животноводческого комплекса

4.3 Результаты экспериментальной проверки решающих правил прогнозирования профессиональных заболеваний для работников животноводческого комплекса, работающих внутри помещений

4.4 Выводы четвертого раздела

Заключение

Список сокращений и условных обозначений

Список литературы

Рекомендованный список диссертаций по специальности «Приборы, системы и изделия медицинского назначения», 05.11.17 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и средства прогнозирования профессиональных заболеваний работников животноводческого комплекса на основе нечетких нейросетевых моделей»

Введение

Актуальность работы. В гигиенической практике особое значение имеет риск для здоровья работающих в условиях превышения вредными производственными факторами гигиенических нормативов, а, следовательно, и принятие управленческих решений в этих условиях. В соответствии с современной концепцией медицины труда вредные производственные факторы, если их уровень или уровень их воздействия превышает гигиенический норматив, могут являться причинами профессиональных заболеваний, а также способствовать развитию, утяжелению течения полиэтиологических, общесоматических заболеваний. Это в значительной мере касается и работников агропромышленного комплекса (АПК), состояние здоровья которых для целого ряда сельскохозяйственных профессий в значительной мере определяется условиями труда.

По мере мирового роста поголовья скота и, как следствие, увеличение числа работающих в этой отрасли, растет интенсивность профессиональных заболеваний работников животноводческого комплекса (ЖК). Системы интенсивного животноводства в закрытых помещениях создают замкнутые среды, где концентрированная пыль, содержащая микроорганизмы и их производные, вместе с газами вдыхается людьми. Показатели заболеваемости работников по уходу за крупным рогатым скотом (КРС) остаются более высокими по сравнению с показателями многих других профессиональных групп сельскохозяйственных рабочих. Более высокая заболеваемость отмечается у работников молочных комплексов и ферм.

Актуальность работы определяется необходимостью разработки и внедрения в практическое здравоохранение высокоэффективных средств прогнозирования и ранней диагностики профессиональных заболеваний работников ЖК, вызываемых вредным воздействием окружающей среды, на основе внедрения современных методов управления и информационных

технологий, что позволит повысить качество оказания медицинских услуг населению, занятому в ЖК.

Степень разработанности темы исследования. Решение задач профилактики заболеваемости работников в современных условиях основывается на проведении санитарно-эпидемиологических исследований, устанавливающих причинно-следственные связи между условиями труда и состоянием здоровья работающих. Модели профессионального риска, принятые как на основе стандартов ИСО, так и отечественных моделей, как правило, следуют двум следующим принципам: априорные оценки риска предполагают оценку риска по гигиеническим критериям - превышениям предельно допустимой концентрации (ПДК) и предельно допустимых уровней (ПДУ); апостериорные оценки риска проводятся по медико-биологическим критериям - индексу профессиональной заболеваемости, заболеваемости с временной утратой трудоспособности.

Достоинство подхода, основанного на методологии профессионального риска, заключается в возможности получения корректных данных для анализа как текущей заболеваемости, так и ее прогноза.

Одной из важных составляющих в общем процессе совершенствования методов управления лечебно диагностическим процессом является эффективное прогнозирование и ранняя диагностика заболеваний, вызываемых профессиональной деятельностью, в частности работой в АПК. Характерной особенностью прогнозирования является то, что собираемая службами здравоохранения информация позволяет в основном анализировать уже имеющиеся заболевания, тогда как во многих случаях условия трудовой деятельности могут формировать предпосылки к возникновению и развитию той или иной патологии. Своевременное выявление людей, склонных к профессиональным заболеваниям, связанным с работой в АПК и имеющих донозологические формы заболеваний, позволит формировать рациональные схемы организации лечебно-оздоровительных мероприятий, улучшающих качество медицинского обслуживания населения, занятого в сельскохозяйственном производстве.

С математической точки зрения, сложность решения задач прогнозирования заболеваний определяется тем, что используемые информативные признаки носят неполный, нечеткий и разнотипный характер с нечеткой структурой классов, что требует специальных подходов к синтезу соответствующих решающих правил. Раздельное использование таких мощных инструментариев, как нейронные сети и нечеткая логика не позволяет должным образом объединить экспертные знания и экспериментальные данные для решения рассматриваемой задачи, поэтому возникает необходимость разработки методов объединения технологий нечеткой логики и нейронных сетей в гибридную систему для повышения качества прогнозирования профессиональных заболеваний (Томакова Р.А., Ясницкий Л.Н., Ярушкина Н.Г.).

Анализ существующих подходов к решению задач прогнозирования профессионального риска показал отсутствие серьезных системных исследований такого сложного явления как «риск для жизни и здоровья человека, обусловленный производственной деятельностью хозяйствующих субъектов» и единого понимания природы риска и менеджмента рисков, что препятствует внедрению методологии управления рисками в обеспечение безопасности производственной сферы в России, поэтому необходимы дальнейшие исследования, направленные на разработку и усовершенствование методов и моделей принятия решений для интеллектуальной системы поддержки прогнозирования профессиональных заболеваний.

Цель работы. Повышение качества медицинского обслуживания работников животноводческого комплекса посредством разработки методов, моделей и алгоритмов по прогнозированию профессиональных заболеваний при неполном и нечетком представлении данных с пересекающейся структурой классов.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Выполнить анализ структуры деятельности работников животноводческого комплекса, работающих внутри помещений, их условий труда, окружающих факторов риска и профессиональных заболеваний с целью

определить необходимый математический аппарат и выбрать средства исследования.

2. Разработать метод оценки риска профессиональных заболеваний, вызываемых комплексным воздействием факторов, характерных для работников занятых в животноводческом комплексе.

3. Получить систему правил принятия решений, учитывающую различные по природе внешние и внутренние факторы риска, время их воздействия и индивидуальные свойства организма.

4. Для прогнозирования риска профессиональных заболеваний работников животноводческого комплекса разработать гибридная структуру нейронной сети, метод и алгоритмы ее настройки.

5. Разработать программную среду, позволяющую моделировать нейронные сети прямого распространения с различной структурой скрытых слоев, моделировать и визуализировать пространство информативных признаков, характерное для работников животноводческого комплекса.

6. Разработать структуру интеллектуальной системы поддержки принятия решений, предназначенной для решения задач прогнозирования профессиональных заболеваний в животноводческом комплексе, и алгоритм управления процессом прогнозирования, учитывающий разнородные факторы риска исследуемого заболевания.

7. Провести апробацию интеллектуальной системы поддержки принятия решений по прогнозированию профессиональных заболеваний работников животноводческого комплекса, работающих внутри помещения.

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

- метод синтеза трехуровневой нечеткой сети, отличающийся тем, что на первом уровне слабые классификаторы агрегируют первичные блоки информативных признаков, сильные классификаторы второго уровня агрегируют различные по своей природе внешние и внутренние факторы риска, способствующие появлению и развитию профессиональных заболеваний

работников животноводческого комплекса, а окончательное решение принимается на третьем уровне нечеткой нейронной сети, обеспечивая приемлемое для практики качество принятия решений;

- метод синтеза информативного признака для нейросетевого классификатора, соответствующего латентной переменной, отличающийся алгоритмом, включающим выполнение последовательности из шести процедур, позволяющий учитывать скрытые системные связи между компонентами признакового пространства классификатора;

- гибридная нейронная сеть, отличающаяся учетом в ее структуре латентных информативных признаков, определяемых на основе статистических и экспертных исследований связей между исходными информативными признаками, позволяющая агрегировать четкие и нечеткие решающие правила, обеспечивая требуемое качество принимаемых решений при разнородной и плохоформализуемой структуре классов, характерных для задач прогнозировании риска профессиональных заболеваний работников животноводческого комплекса;

- алгоритм управления процессами принятия решений по прогнозированию профессиональных заболеваний работников животноводческого комплекса, отличающиеся возможностью гибко менять тактику управления здоровьем работников в зависимости от индивидуальных особенностей организма и состояния окружающей среды.

Теоретическая и практическая значимость работы состоит в том, что изложены методы синтеза решающих правил для интеллектуальной поддержки принятия решений по прогнозированию исследуемого класса заболеваний, позволяющие используя гетерогенное пространство информативных признаков, включающее латентные переменные, определять скрытые системные связи между информативными признаками и сформировать решающие модули прогнозирования профессиональных заболеваний работников животноводческого комплекса, работающих внутри помещений. Разработанные методы, модели и алгоритмы составили основу построения интеллектуальной системы поддержки принятия решений, статистические и клинические испытания которой показали

целесообразность ее использования в практике прогнозирования и профилактики профессиональных заболеваний работников ЖК.

Работа выполнена в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 - 2020 годы» («Проведение прикладных научных исследований в области биоинформационных технологий», уникальный идентификатор прикладных научных исследований (проекта) RFMEFI57614X0071) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Результаты работы внедрены в учебном процессе Юго-Западного государственного университета при подготовке магистров по направлению 12.04.04 «Биотехнические системы и технологии» и используются при прогнозировании профессиональных заболеваний у работников ООО «Брянская мясная компания».

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории биотехнических систем медицинского назначения, моделирования, теории синтеза сложных информационных систем, теории алгоритмов, нейронных сетей, нечетких множеств, прикладной математической статистики, экспертного оценивания. При разработке гибридных нейросетевых модулей принятия решений в качестве инструментария использовался Matlab 8.0 с графическим интерфейсом пользователя для Neural Network Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.

Положения, выносимые на защиту. 1. Метод оценки риска профессиональных заболеваний, вызываемых комплексным воздействием факторов, характерных для работников, занятых в животноводческом комплексе, обеспечивает диагностическую эффективность по прогнозированию бронхолегочных заболеваний до 0,87 и по прогнозированию заболеваний мочеполовой системы до 0,88; 2. Гибридная нейронная сеть, используя четкие и нечеткие структурные элементы, обеспечивает повышение качества принятия

решений при разнородной и плохоформализуемой структуре классов; 3. Метод синтеза информативного признака для нейросетевого классификатора, соответствующего латентной переменной, позволяет учитывать скрытые системные связи между компонентами признакового пространства на входе нейронной сети; 4. Алгоритмы управления процессами принятия решений по прогнозированию профессиональных заболеваний работников

животноводческого комплекса позволяют осуществлять управление здоровьем работников животноводческого комплекса в зависимости от индивидуальных особенностей организма и состояния окружающей среды.

Степень достоверности и апробация работы. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость нечетким алгоритмам принятия решений и методам нейросетевого моделирования, а также аналогичным результатам, полученным другими исследователями. Результаты экспериментальных исследований решающих правил по прогнозированию профессиональных заболеваний работников животноводческого комплекса согласуются с ранее опубликованными экспериментальными данными по теме диссертации.

Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 9 Международных, Всероссийских и региональных конференциях и симпозиумах: «Нейроинформатика, ее приложения и анализ данных: (Красноярск -2016); «Наука, образование, общество» (Тамбов - 2016); «Физика и радиоэлектроника в медицине и экологии» - ФРЭМЭ'2016» - (Владимир - Суздаль - 2016); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте -2016», (Новороссийск -2016); «Медико-экологические информационные технологии» (Курск - 2016); «Новые решения в области упрочняющих технологий: взгляд молодых специалистов» (Курск - 2016); Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века (Пермь-2017); «Энергоснабжения и эффективности в технических системах» (Тамбов-

2017); на семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2014, 2015, 2016, 2017).

Публикации. Основные результаты диссертационного исследования отражены в 12 научных работах, из них 3 статьи - в ведущих рецензируемых научных журналах.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения и списка литературы, включающего 97 отечественных и 19 зарубежных наименований. Работа изложена на 141 странице машинописного текста, содержит 36 рисунков и 20 таблиц.

1 Методы и средства для интеллектуальных систем поддержки принятия решений при прогнозировании и профилактике заболеваний

1.1 Методы оценки риска воздействия производственных факторов на

здоровье работающих

Основой для установления безопасных уровней вредных производственных факторов является концепция пороговости их вредного действия, согласно которой для каждого агента, вызывающего те или иные неблагоприятные эффекты в организме, существуют и могут быть найдены дозы (концентрации), при которых изменения функций организма будут минимальными (пороговыми).

При реализации данной методологии используется модель индивидуальных порогов действия (нормально-вероятностное распределение частоты эффектов), которая впервые использована и с успехом применяется для определения острой токсичности химических веществ [58, 60]. Такая модель, основанная на нормально-вероятностном распределении риска, согласно которой риск описывается следующим общеизвестным (стандартным) статистическим уравнением:

где

а+Ьх. /2

Л/27Т _

п - число Пи (3.14........);

е - основание натурального логарифма, Б - воздействующая доза, ? - доверительный коэффициент, а и Ь - эмпирические коэффициенты.

Математическими критериями классификации условий труда являются либо сигмальная оценка (при нормально-вероятностном распределении эффектов воздействия), либо центильная оценка (при использовании непараметрических методов анализа).

Основываясь на концепции пороговости принято, что уровни риска, при которых вероятность развития неблагоприятных эффектов в зависимости от их типа оценивается более 16-25% при нормально-вероятностном распределении, оцениваются как значимые [58, 59]. Значимыми уровнями риска для развития общего заболевания являются такие расчетные значения, при которых вероятность развития неблагоприятных эффектов оценивается в пределах от 2-5% до 16-25% при нормально-вероятностном распределении.

Учитывая, что зависимость «доза-время-эффект» представляет собой взаимосвязанную и, в определенных рамках, устойчивую систему, с определенным допущением можно считать, что изменение одной из указанных составляющих этой системы вызывает пропорциональное изменение другой (или других).

Для оценки ориентировочного риска используют расчетные таблицы в зависимости от классов условий труда и стажа работы. Важным дополнением к оценке риска от воздействия факторов трудового процесса является учет усугубляющих факторов, что нашло отражение в списке профессиональных заболеваний (Приказ Министерства Здравоохранения РФ № 90 от 14.03.96 г.).

Как показали исследования приведенных в литературе наблюдений, охлаждение рук, например, у работников сырьевых цехов мясокомбинатов, а также высокие уровни вибрации в трудовом процессе у обрубщиков, значительно ускоряют развитие патологического процесса. Вместе с тем, исходя из уровня технического развития производства, воздействие этих факторов можно значительно снизить путем проведения профилактических, технических, организационных мероприятий. Поэтому используется термин «коридор» риска, в пределах которого и будет определяться риск опасности нарушения здоровья работников. В зависимости от проведения профилактических мероприятий риск

от воздействия факторов трудового процесса будет определяться в рамках нижних или верхних границ этого коридора.

В таблице 1.1 приведены значения вычисленного согласно (1.1) значения риска для работников АПК различных профессий, представленные в [58].

Таблица 1.1 - Расчетные значения риска для здоровья работающих в зависимости от стажа работы на различных производственных операциях АО «Самсон»

N Производственные операции Риск здоровью работников при стаже

До 5 лет 5-10 лет 10-20 лет Более 20 лет

1 2 3 4 5 6

1. Формовщики колбасных изделий

1.1 полукопченые колбасы в искусственной оболочке

1.1.1 оператор линии «Поликлипа» 0% 0% 0% 0%-1%

1.1.2 надеватель петли 0% 0% 0% 2%-4%

1.1.3 навеска колбас - мужчины 0% 2% 2%-4% 5%-15%

- женщины 0% 2%-4% 5%-15% 16%-32%

1.2 вареные толстые колбасы

1.2.1 Полуавтомат 0% 2% 2%-4% 5%-15%

1.2.2 ручная вязка 0% 2% 2%-4% 5%-16%

1.2.3 навеска колбас - мужчины и женщины 0% 2%-4% 5%-15% 16%-32%

2. Бойцы скота

2.1 В расчете на 13 голов за смену 0% 0% 0% 2%

2.2 В расчете на 26 голов за смену 0% 2% 2% 5%

Продолжение таблицы 1.1

1 2 3 4 5 6

2.3 В расчете на 40 голов за смену 0% 2% 5% 16%

3 Изготовитель кишечной оболочки (женщины) 0% 2%-4% 5%-15% 16%-32%

4 Обвальщики 0% 2%-4% 5%-15% 16%-32%

5 Жиловщики 0% 2%-4% 5%-15% 16%-32%

Как правило, достоверные изменения в исследуемой группе отмечаются тогда, когда наблюдаемый эффект проявляется не менее, чем у 16% испытуемых в течение определенного срока исследования, т.е. при воздействии концентрации на уровне ЕС.16 (вероятностного порога 16%-ной обеспеченности). При принятии этого допущения уравнение (1.1) приобретает вид:

т8к=1-ехр((1п(0.84)/(ЕС.16))*СН), (1.2)

где ЕС.16 - пороговая концентрация; С - воздействующая концентрация; ? - время воздействия.

В отношении вредных веществ, загрязняющих воздух рабочей зоны, весьма сложно предложить универсальную методику расчета риска здоровью в зависимости от уровня воздействующей концентрации, класса опасности, механизма воздействия на организм и эффектов комбинированного действия.

Для оценки индивидуального риска используют универсальную экспоненциальную модель, которая на уровне малых концентраций полностью совпадает с линейной и дает более точные результаты на высоких уровнях воздействия:

Риск = 1 - exp (- Р * Эксп),

(1.3)

где:

Риск - значение индивидуального канцерогенного риска, доли единицы;

Р - потенциал канцерогенного риска;

Эксп - экспозиция;

ехр - знак математического действия, означающего возведение числа е (основание натурального логарифма) в степень выражения, находящегося в скобках.

Такая методология оценки риска апробировалась, в частности, на оценки риска от воздействия вибраций. Это обусловлено тем, что вибрационная болезнь занимает одно из ведущих мест в структуре профессиональной заболеваемости работников АПК.

Наиболее удачная отечественная модель расчета риска развития вибрационных нарушений предложена в работах Г.А. Суворова с соавт. (1984, 1993). Эта модель представляет собой логарифмическую зависимость, которая описывается уравнением

где Т - латентный период развития вибрационной болезни 1 степени, годы; L - эквивалентный корректированный уровень вибрации, дБ; Ср - переменный коэффициент, зависящий от частоты (или вероятности р) развития заболевания и определяемый по дополнительной таблице.

Расчет риска здоровью от воздействия шума выполняется двухэтапно. Сначала рассчитывалась промежуточная величина Prob по уравнению

ln T = - 20*ln(L) + Cp,

(1.4)

Prob = - 8.25 + 0.07*Ддш(т),

(1.5)

которое обосновано по результатам корреляционно-регрессионного анализа информации об уровнях воздействующего шума и о риске профессиональной тугоухости.

Далее проводился расчет риска (Risk) по уравнению (1.1). Для получения риска в процентах полученную величину Risk умножается на 100. Для получения стажевой дозы шума Lдш необходимо по таблице 2 «Методических рекомендаций по дозной оценке производственных шумов» № 2908-82 от 29.07.82г. определить эквивалентный шум за рабочий день. Пример вычислений рисков по годам и по рабочим местам приведен в таблице 1.2.

Таблица 1.2 - Рассчитанный риск здоровью на рабочих местах упаковщика и штамповщика

Года Стажевая доза шума Коэффициент Prob % риска

Рабочее место упаковщика в цехе пастировки

1 89 -2.02 2.3

2 92 -1.81 3.6

5 96 -1.53 6.9

10 99 -1.32 9.9

20 102 -1.11 13.6

40 105 -0.9 18,4

Рабочее место штамповщика в штамповочном цехе

1 92 -1.81 3.6

2 95 -1.6 5,5

5 99 -1.32 9.7

10 102 -1.11 13.6

20 105 -0.9 18.4

40 108 -0.69 24.2

Курсивом здесь и далее отмечены показатели риска, имеющие значения, значимые для возникновения профзаболеваний.

Величины риска, значимые для возникновения профессиональных заболеваний отмечаются с 40 лет стажа у упаковщика и с 20 лет стажа у штамповщика [60].

Применяя эту методику можно получить значения риска от воздействия шума, вредных веществ, содержащихся в воздухе рабочей зоны, а также суммарные значения риска здоровью от их воздействия на рабочих местах за различный стаж работы.

Этот подход можно использовать для сравнения показателей условий труда цехов, участков, профессий между собой по величине прироста «условных» заболеваний работающих, полученной на основе расчета риска здоровью. Для удобства сравнения рабочих мест суммарные значения риска здоровью пересчитывается в значения прироста количества заболеваний (дополнительных случаев) на 100 работающих и усредняется.

Таким образом, вклад производственных факторов в интегральное значение риска различен. По результатам расчета представляется возможным унифицировать общую оценку рабочих мест, применяя методологию оценки риска здоровью. Для сравнения профессий по производственным участкам выбираются расчетные значения риска здоровью за определенный стаж. Учитывая то обстоятельство, что применяемые расчетные методы оценки риска, как правило, основываются, в качестве начальных стажевых нагрузок, на стаж 10 лет, возможно, представить комплексную оценку рабочих мест именно за этот период трудовой деятельности. Пример оценки показателя риска за 10 лет стажа по выбранным профессиям составил от 3 (оператор установки алкилирования цеха 50) до 19 (аппаратчик окисления УПСК -1), представлен в таблице 1.3.

Таблица 1.3 - Оценочные показатели риска здоровью за 10 лет стажа на различных технологических установках по рассматриваемым профессиям

Цех Установка Рабочее место Оценочный показатель

4 ЛЧ-35-11/1000 Оператор 17

4 ЛЧ-35-11/1000 Машинист 13

4 ЛЧ-35-11/1000 Слесарь 14

4 ЛЧ-24/2000 Оператор 11

4 ЛЧ-24/2000 Машинист 9

4 ЛЧ-24/2000 Слесарь 11

9 УПСК-1 Аппаратчик абсорбции 4

9 УПСК-1 Аппаратчик окисления 19

9 УПСК-1 Аппаратчик обжига 4

9 ПАРЕКС-1 Оператор 12

9 ПАРЕКС-1 Машинист 9

9 ПАРЕКС-1 Слесарь 9

50 Установка алкилирования Оператор 3

50 Установка алкилирования Машинист 6

Использование такой системы позволяет установить не только значимые уровни риска для развития заболеваний, но и определить суммарную интегральную оценку риска здоровью от воздействия комплекса факторов производственной среды. Кроме того, открывается возможность осуществлять ранжирование профессий по степени опасности для здоровья с точки зрения методологии профессионального риска. Имея информацию о стоимости одного заболевания, можно использовать представленную методологию для применения при страховании рисков.

Одним из основных видов оценки состояния здоровья работников является проведение предварительных и периодических медицинских осмотров. В их ходе определяются соответствия состояния здоровья работников (освидетельствуемых) поручаемой им работе, динамическое наблюдение за состоянием здоровья работников в условиях воздействия профессиональных вредностей, профилактика и своевременное установление начальных признаков профессиональных заболеваний; выявление общих заболеваний, препятствующих продолжению работы с вредными, опасными веществами и производственными факторами, своевременное установление общих заболеваний.

Похожие диссертационные работы по специальности «Приборы, системы и изделия медицинского назначения», 05.11.17 шифр ВАК

Список литературы диссертационного исследования кандидат технических наук Позин, Андрей Олегович, 2017 год

Список литературы

1. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерности / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. - М.: Финансы и статистика, 1989. -607с.

2. Александер, Ф. Психосоматическая медицина. — М.: ЮНИТИ, 2007. -

435 с.

3. Александров, В.В. Алгоритмы и программы структурного метода обработки данных / В.В. Александров, Н.Д. Горский. - М.: Наука, 1983. - 125 с.

4. Александров, В.В. Анализ данных на ЭВМ (на примере системы СИТО) / В.В. Александров, А.И. Алексеев, Н.Д. Горский. - М.: Финансы и статистика, 1990. -245 с.

5. Аляев, Ю.Г. Современные аспекты диагностики и лечения мочекаменной болезни / Ю.Г. Аляев, В.И. Руденко, М.С.А. Газимиев, Г.М. Кузьмичева // Урология. - 2006. - №2. - С. 6-12.

6. Афифи, А. Статистический анализ: Подход с использованием ЭВМ / А. Афифи, С. Эйзен; под редакцией Башарина Г.П.. - М: Мир, 1982. - 488 с.

7. Бадхен, В.В. Физиолого-гигиеническая оценка труда работающих в сырьевых цехах ленмясокомбината / В.В. Бадхен, Т.Г. Веселова, А.В. Мельцер; под ред. проф. Маймулова В.Г. и Игнатюка А.Н. // Медико-биологические проблемы современного промышленного производства: сборник научн. Трудов. -СПб., 1990. - С.43 - 44.

8. Барсегян, А.А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP /А.А. Барсегян. - СПб.: БХВ-СанктПетербург, 2007. - 384 с.

9. Батюшин, М.М. Прогнозирование сердечно - сосудистых заболеваний: монография / М.М. Батюшин. - Ростов -н/Д.: Издательство МАРТ, 2006. - 144 с.

10. Бегун, П.И. Принципы диагностики и методы проектирования гибких элементов медицинских систем и разработка биотехнических систем на их основе: автореф. дис. ... докт. тех. наук: 05.11.17 / Бегун Петр Иосифович. - СПб.,

2006. - 18 с.

11. Борисов, А.Н. Принятие решений на основе нечетких моделей: примеры использования / А.Н. Борисов, О.А Крумберг, И.П. Федоров. - Рига: Зинатне, 1990. - 180 с.

12. Брежнев, А.В. Обучение модуля нечеткого вывода для разнотипных признаковых пространств / А.В. Брежнев, А.А. Бурмака, С.А. Филист // Россия и современный мир: проблемы и перспективы развития. Апрельские чтения - 2005: сб. материал. научн.-практич. конф. - М.: Международная академия бизнеса и управления, 2005. - Ч. 2. - С. 421-424.

13. Брежнева, Н.А. Оптимизация структуры медицинской помощи в ЛПУ в условиях развития стационарозамещающих технологий / Н.А. Брежнева, Е.Я. Львович, С.Я. Фролов, В.Н. Щербаков // Системный анализ и управление в биомедицинских системах. - 2007. - Т. 6, №2.- С. 458-462.

14. Генкин, А.А. Новая информационная технология анализа медицинских данных: программный комплекс ОМИС/ А.А. Генкин. - М.,1999. - 190 с.

15. Гимаров, В.А. Нейро-нечеткий метод классификации объектов с разнотипными признаками / В.А. Гимаров, М.И. Дли, С.Я. Битюцкий // Системы управления и информационные технологии. - 2004. - №4 (16). - С. 13-18.

16. Горелик, А.Л. Методы распознавания / А.Л. Горелик, В.А. Скрипкин. -М.: Высшая школа, 2004. - 261 с.

17. Дмитриева, Н.В. Индивидуальное здоровье и полипараметрическая диагностика функциональных состояний организма (системно - информационный подход) / Н.В. Дмитриева, О.С. Глазачев. - М., 2000. - 214 с.

18. Долженков, С.Д. Прогнозирование послеоперационных осложнений у урологических больных/ С.Д. Долженков, С.В. Харьков // Биомедицинская радиоэлектроника. - 2012. - №4.-С. 36-42.

19. Дубров, А.М. Многомерные статистические методы: учебник / А.М. Дубров, В.С. Мхитрян, Л.И. Трошин. - М.: Финансы и статистика, 2000. - 352 с.

20. Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П.М. Харт. - М.: Мир, 1976. - 511 с.

21. Дюк, В. Обработка данных на ПК в примерах / В. Дюк. - СПб: Питер, 1997. - 240 с.

22. Дюк, В.А. Компьютерная психодиагностика/ В.А. Дюк. - СПб: Изд-во «Братство», 1994. - 364 с.

23. Елисеев, О.П. Практикум по психологии личности / О.П. Елисеев. -СПб.: Питер, 2001. - 560 с.

24. Елисеева, И.И. Логика прикладного статистического анализа / И.И. Елисеева, В.О. Рукавишников. - М.: Финансы и статистика, 1982. - 192 с.

25. Елисеева, Н.Н. Общая теория статистики / Н.Н. Елисеева, М.М. Юзбашев. - 4-е изд., перераб. и доп. - М.: Финансы и статистика, 2003. - 480 с.

26. Ефремов, М.А. Гибридные многоагентные классификаторы в биотехнических системах диагностики заболеваний и мониторинге лекарственных назначений / М.А. Ефремов, О.В. Шаталова, В.В. Федянин // Нейрокомпьютеры: разработка, применение. - 2015. - № 6. - C. 42-48.

27. Жилин, В.В. Прогнозирование исхода процедуры неинвазивной элиминации конкрементов с использованием гибридных технологий нечеткой логики принятия решений и нейронных сетей / В.В. Жилин, Авад А.А. Мохаммед, С.А. Филист // Биомедицинская радиоэлектроника. - 2010. - №2. - С.19-23.

28. Журавлев, Ю.И. Распознавание образов и анализ изображений. Искусственный интеллект: в 2 кн./ Ю.И. Журавлев, И.Б. Гуревич; под ред. Д.А. Поспелова. - М.: Радио и связь, 1990. - Кн. 2.: Модели и методы. — 304с.

29. Заде, А. Математика сегодня. Основы нового подхода к анализу сложных систем и процессов принятия решений / А. Заде . - М.: Знание, 1974. -С.5-49.

30. Заенцев, И.В. Нейронные сети: основные модели: учебное пособие по курсу «Нейронные сети» для студентов 5 курса магистратуры физического ф-та Воронежского государственного университета / И.В. Заенцев. - Воронеж, 1999. -76 с.

31. Захаров, В.Н. Современная информационная технология в системах управления / В.Н. Захаров // Изв. АН Теория и системы управления. - 2000. - №1. С. 70-78.

32. Кирсанова, А.В. Современное состояние и перспективы развития экспертных систем в медицине / А.В. Кирсанова // Новый университет. - 2015. -№ 11-12 (45-46). - С. 58-63.

33. Киселев, А.В. Рекомендации по обоснованию риска здоровью работающих в зависимости от показателей условий труда / А.В. Киселев, А.В. Мельцер // Современные направления в охране труда и защита здоровья работников при любых формах трудовой деятельности: сборник докладов. - СПб.: Знание, 1996. - С.125 - 126.

34. Константинова, О.В. Прогнозирование и принципы профилактики мочекаменной болезни: дис. ... д-ра .мед. наук: 14.00.40: защищена 1999: / Константинова Ольга Владимирована. - М., 1999. - 234c.

35. Кореневский, Н.А. Автоматизированные медико-технологические системы: монография: в 3 ч. / Н.А. Кореневский, А.Г. Устинов, В.А. Ситарчук; под ред. А.Г. Устинова; Курск. гос. техн. ун-т. - Курск, 1995. - 390 с.

36. Кореневский, Н.А. Интерактивный метод классификации в задачах медицинской диагностики / Н.А. Кореневский, С.В. Дегтярев, С.П. Серегин, А.В. Новиков // Медицинская техника. - 2013. - №4. - С.1-3.

37. Кореневский, Н.А. Использование нечеткой логики принятия решений для медицинских экспертных систем / Н.А. Кореневский // Медицинская техника. -2015. -№1 -С .33-35.

38. Кореневский, Н.А. Метод прогнозирования и диагностики состояния здоровья на основе коллективов нечетких решающих правил / Н.А. Кореневский Р.В. Руцкой, С.Д. Долженков // Системный анализ и управление в биомедицинских системах. - 2013. - Т.12, №4. - С .905-909.

39. Кореневский, Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем / Н.А. Кореневский //

Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. -№2. - С .99-103.

40. Кореневский, Н.А. Нечеткие модели профессиональной ориентации и оценки уровня подготовки спортсменов / Н.А. Кореневский, М.А. Магеровский, А.Н. Шуткин [и др.] // Фундаментальные и прикладные проблемы техники и технологии. - 2016. - №1(305). - С. 121-126.

41. Кореневский, Н.А. Прогнозирование и диагностика заболеваний, вызываемых вредными производственными факторами на основе гетерогенных нечетких моделей / Н.А. Кореневский, В.И. Серебровский, Н.А. Коптева и др. -Курск: Изд-во Курск. гос. с.-х. ак., 2012. - 231 с.

42. Кореневский, Н.А. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики / Н.А. Кореневский // Системный анализ и управление в биомедицинских системах. -2005. - Т.4, №1. - С. 12-20.

43. Кореневский, Н.А. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий: монография / Н.А. Кореневский, А.Н. Шуткин, С.А. Горбатенко и др. - Старый Оскол: ТНТ. -472 с.

44. Корыстов, Ю.Н. Эмоции, стресс, курение, потребление алкоголя и рак -корреляционные и причинные связи / Ю.Н. Корыстов // Журнал ВНД им. Павлова. - 1997. - №4. - С.627-657.

45. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода // В.В. Круглов, М.И. Дли. - М.: Физматлит, 2002. - 322 с.

46. Кузнецова, О.П. Инфекции мочевыводящих путей / О.П. Кузнецова, П.А. Воробьев, С.В. Яковлев // Рус. мед. журн. - 1997. - №5(2). - С.81-90.

47. Кулаков, С.А. Основы психосоматики / А.С.Кулаков. - СПб.: Речь, 2007. - 288 с.

48. Кухтевич, А.В. Пиелонефрит/ А.В. Кухтевич, Н.Б. Гордовская // РМЖ. -

1997. - Т.5, №23. — C.26-29.

49. Кэнал, Л. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога / K. Кэнал. - М.: Мир, 1974. - 356 с.

50. Лбов, Г.С. Методы обработки разнотипных экспериментальных данных/ Г.С.Лбов. - Новосибирск: Наука, 1981. - 278 с.

51. Лоран, О.Б. Осложненные инфекции мочевыводящих путей / О.Б. Лоран, Д.Ю. Пушкарь, П.И. Раснер // Клиническая антимикробная химиотерапия. - 1999. - Т.1, №3. - С. 91-94.

52. Лорьер Ж.Л. Системы искусственного интеллекта: [пер. с фр.] / Ж.Л. Лорьер. - М.: Мир, 1991. - 568 с.

53. Львович, Е.Я. Интегрированная информационная система интеллектуальной поддержки принятия решений при организации нозологоориентированной медицинской помощи / Е.Я. Львович, В.Н. Фролов // Системный анализ и управление в биомедицинских системах. - 2007. - Т. 6, №2. -C. 273-276.

54. Львович, И.Я. Методика формирования словаря информативных признаков при расчете вероятности повторного инсульта на основе критерия информативности Кульбака / И.Я. Львович, Н.А. Гладских // Вестник Воронежского государственного технического университета. - 2009. — Т.5, №9. -С. 5-10.

55. Маждраков, Г. Болезни почек / Г. Маждраков, Н. Попов. - София: Медицина и физкультура, 1980. - C. 311-388.

56. Малышев, Н.Г. Нечеткие модели для экспертных систем в САПР / Н.Г. Малышев, Л.С. Бернштейн, А.Б. Боженюк. - М.: Энергоатом издат, 1991. - 195 с.

57. Медникова, О.В. Прогнозирование и ранняя диагностика заболеваний среди студентов в зоне действия неблагоприятных экологических факторов / О.В. Медникова, Н.А. Коренеский, С.Г. Емельянов // Системный анализ и управление в биомедицинских системах. - 2008. - Т. 7, №1. - С. 33-37.

58. Мельцер, А.В. Критерии оценки риска здоровью работающих в зависимости от показателей условий труда / А.В. Мельцер // Материалы

региональной научно-практической конференции.- СПб.: НИИХ СПбГУ, 2001. -С. 10-14.

59. Мельцер, А.В. Методические подходы к оценке профессионального риска / А.В. Мельцер, А.В. Киселев // Вестник СПбГМА им. И.И. Мечникова. -2006.- № 1 (7). - С.57-59.

60. Мельцер, А.В. Практика оценки комбинированного воздействия производственных факторов с помощью методологии профессионального риска / А.В. Мельцер, А.В. Киселев // Вестник СПбГМА им. И.И.Мечникова. - 2006. - № 3 (7). - С.57- 60.

61. Михайлова, Н.Н. Оптимизация условий труда и профилактика заболеваемости рабочих сырьевых цехов мясоперерабатывающих предприятий: методические рекомендации / Н.Н. Михайлова, Т.Г. Веселова, С.Н. Рахманина, А.В. Мельцер. - М., 1991.- 35 с.

62. Моросанова Н.А. Формальные свойства схемы Шортлифа / Н.А. Моросанова, С.Ю. Соловьев // Управление большими системами: сборник трудов. - Выпуск 36. - 2012. - С. 5-38.

63. Новиков, А.В. Методология нечеткого принятия решений и алгоритмизация управления оказанием медицинской помощи больным пиелонефритом: дис. ...д-ра мед. наук: 14.00.40: защищена 25.09.09: / Новиков Алексей Викторович. - Курск, 2009. - 232с.

64. Общая психодиагностика / Под ред. А.А. Бодалева, В.В. Столина. - М.: Изд-во МГУ, 1987. - 512 с.

65. Омельченко, В.П. Практикум по медицинской информатике / В.П. Омельченко, А.А. Демидова. - Ростов-на-Дону: Феникс, 2001. - 304 с.

66. Орлов, А.И. Экспертные оценки: учебное пособие / А.И. Орлов. - М., 2002. - 41 с.

67. Осовский, С. Нейронные сети для обработки информации / С. Осовский; пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 44 с.

68. Петри, А. Наглядная статистика в медицине / А. Петри, К. Сэбин; пер. с англ. Леонова В.П. - М.: ГЭОТАР-МЕД, 2003. - 144 с.

69. Полиенко, А.К. Влияние некоторых причин на распространение мочекаменной болезни в мире / А.К. Полиенко, О.А. Севостьянова, В.А. Мосеев // Урология. - 2006. - №1. - C. 74-78.

70. Попов, Э.В. Статистические и динамические экспертные системы: учеб. пособие / Э.В. Попов, И.В. Фоминых, Е.В. Кисель, М.Д. Шапот. - М.: Финансы и статистика, 1996. - 320 с.

71. Поспелов, Д.А. Данные и знания. Искусственный интеллект. В 3 кн. Кн. 1./Д.А. Поспелов - М.: Радио и связь, 1990. - 464 с.

72. Практикум по инженерной психологии и энергономике: учеб. пособие для высших учеб. заведений / С.К. Сергеенко, В.А. Бодров, Ю.Э. Писаренко и др., под ред. Ю.К. Стрелкова. - М.: Изд. центр «Академия», 2003. - 400 с.

73. Протасова, В.В. Модель с динамической структурой для мониторинга и управления состоянием сложных систем / В.В. Протасова, В.В. Федянин, С.А. Филист // Современные концепции научных исследований: сборник научных работ XI Международной научно-практической конференции. - М.: ЕСУ, 2015. -№2 (11), Часть 4. - С.142-145.

74. Растригин, Л.А. Метод коллективного распознавания / Л.А. Растригин, Р.Х. Эренштейн. - М.: Энергоатомиздат, 1981. - 178 с.

75. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. И.Д. Рудинский. -М.: Горячая линия - Телеком, 2006. - 385с.

76. Себер, Дж. Линейный регрессионный анализ / Дж. Себер. - М.: Мир, 1980. - 456 с.

77. Серебровский, В.В. Использование механизмов нечеткой логики принятия решения для оценки состояния человека и животных (на примере прогнозирования и диагностики пиелонефритов): монография / В.В. Серебровский, В.В. Федянин, С.Н. Кореневская, А.В. Серебровский; Курская ГСХА. - Курск: Изд-во Курск. гос. с-х. ак., 2015. - 123 с.

78. Симоненко, В.Б. Функциональная диагностика: руководство для врачей общей практики / В.Б. Симоненко, А.В. Цоколов, А.Я. Фисун. - М.: ОАО "Издательство "Медицина", 2005. - 304с.

79. Тарасов, В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном интеллекте / В.Б. Тарасов // Новости искусственного интеллекта. - 1995. - №4. - С. 24-30.

80. Тэрано, Т. Прикладные нечеткие системы: пер. с японского / Под ред. Т. Тэрано, К. Асаи, М. Сугено. - М.: Мир, 1993. - 368 с.

81. Уоссермен, Ф. Нейрокомпьютерная техника: теория и практика: [пер. с англ.] / Ф. Уоссермен. - М.: Мир, 1992. - 240 с.

82. Уотерман, Р.Д. Построение экспертных систем / Р.Д. Уотерман, Д. Ленат, Ф. Хейсе-Рот. - М.: Мир,1987. - 298 с.

83. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А.А. Усков, А.В. Кузьмин. - М.: Горячая линия - телеком, 2004. - 143 с.

84. Устинов, А.Г. ТАИС - автоматизированная медико-технологическая система для терапевтического стационара / А.Г. Устинов, Е.А. Ситарчук // Компьютерная хроника. - 1994. - №3-4. - С.23-38.

85. Устинов, А.Г. ТАИС - автоматизированная медико-технологическая система для терапевтического стационара / А.Г. Устинов, Е.А. Ситарчук // Компьютерная хроника. - 1994. - №3-4. - С.23-38.

86. Файнзильберг, Л.С. Гарантированная оценка эффективности диагностических тестов на основе усиленного ЯОС-анализа / Л.С. Файнзильберг, Т.Н. Жук // Управляющие системы и машины. - 2009. - № 5. - С. 3-13.

87. Федянин, В.В. Использование технологий мягких вычислений и алгоритмов в задачах медицинской и экологической диагностики / В.В. Федянин, И.И. Хрипина // Информационные проекты в медицине и педагогике: материалы международной научно-практической конференции. - М., 2014. - С. 54-56.

88. Федянин, В.В. Оценка состояния биологических объектов с использованием нечетких алгоритмов группового учета аргумента / В.В. Федянин

//Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2015: сборник материалов XII Международной научно-технической конференции. -Курск: ЮЗГУ, 2015. - С. 381-383.

89. Филист, С.А. Гибридный способ классификации биосигналов на основе технологий нечеткой логики принятия решений и нейронных сетей / С.А. Филист, В.В. Жилин, Аль-Муалеми Ваил Абдулкарим // Биомедицинская радиоэлектроника. - 2009. - №5. - С. 77-82.

90. Филист, С.А. Нейросетевой решающий модуль для исследования живых систем / С.А. Филист, С.Г. Емельянов, А.Ф. Рыбочкин // Известия Курского государственного технического университета. - 2008. - №2 (23). - С. 77-82.

91. Фридман, К.Б. Рекомендации по обоснованию риска здоровью работающих в зависимости от показателей условий труда / К.Б. Фридман, А.В. Киселев, А.В. Мельцер // Современные направления в охране труда и защите здоровья работников при любых видах и формах трудовой деятельности: материалы докладов Российской научно-практической конференции 19-20 марта 1996 г. - СПб.,2001. - С.9 - 13.

92. Фу, К. Структурные методы в распознавании образов / К. Фу. - М.: Мир, 1977. - 320 с.

93. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. - М.: ООО «И.Д. Вильямс», 2006. - 1104 с.

94. Шуткин, А.Н. Оценка уровня психоэмоционального напряжения на основе комбинированных нечетких моделей и модели Г. Раша / А.Н. Шуткин // Фундаментальные и прикладные проблемы техники и технологии. - 2015. -№6 (314). - С. 122-129.

95. Шуткин, А.Н. Использование гибридных нечетких моделей для оценки степени утомления / А.Н. Шуткин, Е.А. Бойцова, А.В. Бойцов и др. // Известия Юго-Западного университета. Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2015. - №2. - С.107-118.

96. Шуткин, А.Н. Проектирование баз знаний медицинских экспертных систем с использованием коллективов нечетких правил / А.Н. Шуткин, С.Н. Кореневская, В.В. Федянин // Информационные проекты в медицине и педагогике: материалы международной научно-практической конференции. - М., 2014. - С. 61-63.

97. Щербо, А.П. Оценка риска воздействия производственных факторов на здоровье работающих: монография / А.П.Щербо, А.В. Мельцер, А.В. Киселев.-СПб.: Терция, 2005.- 116 с.

98. Anderson, R. Diagnostics and treatment of uncomplicated urinary tract infection / R. Anderson, T.M. Hooton, W.E. Stamm // Infect. Dis. Clin. North Am. -1997. - Vol. 11, No 3. - Pp.551-581.

99. Bottou, L. Large Scale Online Learning / L. Bottou Y. LeCun. // Advances in Neural Information Processing Systems (NIPS 2003). - MIT Press, 2004. - Pp. 217-224.

100. Demuth, H. Neural Network Toolbox Users Guide / H. Demuth, M. Beale, D. Farmer, R. Shaw. - Natick: MathWorks Inc, 1997. - 700 p.

101. Ellis, K.J. Human body composition: in vivo methods / K.J. Ellis // Physiol. Rev. - 2000. - V.80. - Pp. 649-680.

102. Заболеваемость работников животноводства [Электронный ресурс] // Prom-Nadzor.ru. - Режим доступа: http://prom-nadzor.ru/content/zabolevaemost-rabotnikov-zhivotnovodstva, свободный (28.08.2016).

103. Korenevskiy, N.A. Fuzzy determination of the human's level of psycho-emotional / N.A. Korenevskiy, R.T. Al-Kasasbeh, F. Ionescouc, M. Alshamasin, A.P. Smith // IFMBE Proceedings. - 2013. - V.40. - Pр. 213-216.

104. Korenevskiy, N.A. Fuzzy determination of the human's level of psycho-emotional / N.A. Korenevsky, R.T. Al-Kasasbeh, F. Ionescouc, M. Alshamasin, A.P. Smith // Mega-Conference on Biomedical Engineering: рroceedings of the 4-th-internetional conference in the development of biomedical engineering. - Ho Chi Minh Citi Vietnam January 8-12 2012. - Pр. 354-357.

105. Kucheva, L. Decision Templates for Multiple Classifier Fusion. / L. Kucheva, J. Bezdec, R. Duin. // Pattern Recognition. - 2001. - No 34(2). - Pp. 299-314.

106. Naber, K.G. Optimal management of uncomplicated and complicated urinary tract infection / K.G. Naber // Adv. Clin. Exp. Med. - 1998. - Vol.7. - Pp.4146.

107. Pawlotsky, J.M. Use and interpretation of virological tests for hepatitis C / J.M. Pawlotsky // Hepatology. - 2002. - Pp. 65-73.

108. Ridker P.M. Development and Validation of Improved Algorithms for the Assessment of Global Cardiovascular Risk in Women. / P.M. Ridker, J.E. Buring, N. Rifai, N.R. Cook // The Reynolds Risk Score. - JAMA, February 14, 2007. - Vol. 297, No. 6. - Pp. 611-619.

109. Rubenstein, J.N. Managing complicated urinary tract infection: the urologic view / J.N. Rubenstein, A.J. Schaeffer // Infect. Dis. Clin. Noth. Am. - 2003. - No 17. -Pp.333-351.

110. Samarmsinghe, U.C. The value of percutaneous nephrostomy; Sri Lancan experience / U.C. Samarmsinghe, N.D. Perera // Ceylon Med. J. - 1998. - V. 43, No 2. - Pp. 92-95.

111. Shortliffe, E.H. Computer- Based medical Consultations: MYSIN / E.H. Shortliffe. - New York: American Elseviver, 1976. - 128 p.

112. Swanson, N.R. Forecasting Economic Time Series Using Flexible versus Fixed Specification and Linear versus Nonlinear Econometric Models N.R. Swanson / N.R. Swanson // H. White International Journal of Forecasting. - 1997. - Vol. 13. - Pp. 439-461.

113. Thanassi, M. Utility of urine and blood cultures in pyelonephritis / M. Thanassi // Acad. Emerg. Med. - 1997. - Vol. 4, No. 8. - Pp. 797-800.

114. Ustinov, A. Intelligent medical systems with groups of fuzzy decision rules / A. Ustinov, A. Boitsov, S. Korenevskaya, I. Khripina // 10 Russian-German conference on biomedical engineering. - 2014. - Pp. 90-92.

115. Yamamoto, S. Detection of urovirulence factors in Escherichia coli by multiplex polymerase chain reaction / S. Yamamoto, A. Terai, K. Yuri, H. Kurazono, Y. Takeda, C. Yoshida // FEMS Immunol. Med. Microbiol. - 1995. - No. 12. - Pp.85-90.

116. Zadeh, L.A. From imprecise to granular probabilities./ L.A. Zadeh// Fuzzy Set Syst - 2005, 154:370-374.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.