Модели и алгоритмы хронопрогнозирования исходов мерцательной аритмии тема диссертации и автореферата по ВАК РФ 05.13.09, кандидат технических наук Хливненко, Любовь Владимировна

  • Хливненко, Любовь Владимировна
  • кандидат технических науккандидат технических наук
  • 2000, Белгород
  • Специальность ВАК РФ05.13.09
  • Количество страниц 114
Хливненко, Любовь Владимировна. Модели и алгоритмы хронопрогнозирования исходов мерцательной аритмии: дис. кандидат технических наук: 05.13.09 - Управление в биологических и медицинских системах (включая применения вычислительной техники). Белгород. 2000. 114 с.

Оглавление диссертации кандидат технических наук Хливненко, Любовь Владимировна

Введение.

Глава 1. Современные методы оценки и прогнозирования развития мерцательной аритмии и ее исходов.

Выводы по главе.

Глава 2. Применение математического аппарата теории нечетких множеств в распознавании образов.

Выводы по главе.

Глава 3. Методы исследования

3.1. Методы распознавания нарушений ритма сердца.

3.2. Корреляционная ритмография.

3.3. Статистические приемы исследования ритма сердца.

Рекомендованный список диссертаций по специальности «Управление в биологических и медицинских системах (включая применения вычислительной техники)», 05.13.09 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы хронопрогнозирования исходов мерцательной аритмии»

Сердечно-сосудистые заболевания стоят на одном из первых мест по распространенности, инвалидизации, темпу прироста смертности населения среди других заболеваний. Так, темп прироста смертности среди трудоспособного населения от сердечно-сосудистых заболеваний составил 76,3 % за период с 1990 по 1994 гг. [40]. Важно подчеркнуть, что синдром мерцательной аритмии, который утяжеляет течение любого заболевания, довольно часто встречается как осложнение при сердечно-сосудистых заболеваниях и выступает как самая распространенная форма тахиаритмий. Синдром мерцательной аритмии регистрируется приблизительно у 0,5 - 1 % взрослого населения, а у лиц старше 75 лет его частота достигает 10 % [79].

Так как среди нарушений ритма сердечной деятельности мерцательная аритмия встречается чаще других, то и прогноз исходов ее лечения представляет большой практический интерес.

Существуют медикаментозные [3,7,11,43,70] и физические способы [10] восстановления синусового ритма при мерцательной аритмии. Каждый из них имеет свои преимущества и недостатки.

Для каждого из способов восстановления синусового ритма необходим прогноз возможности восстановления и сохранения синусового ритма на протяжении не менее чем шести последующих месяцев. Для реализации этих двух задач необходим прогноз полезности восстановления синусового ритма, так как возможен риск эмболических осложнений и рецидивы мерцания.

До последнего времени решение проблемы полезности восстановления синусового ритма целиком основывалось на общеклинических методах исследования, что не всегда позволяло получить правильные результаты. Общеклинические методы решения проблемы эффективности восстановления синусового ритма оказываются трудоёмкими и малонадёжными в силу субъективизма критериев оценки [70].

Следовательно, являются актуальными поиски математических критериев и способов прогнозирования восстановления синусового ритма. Известен способ корреляционной ритмографии, позволяющие давать прогностические оценки возможности восстановления синусового ритма. Данный метод исследования реализован при помощи аппаратных средств, включающих электрокардиографическую приставку, электрокардиоскоп и фотоаппарат для фиксирования типа авторегрессионного облака. Известны и модификации данного способа, использующие вычислительные машины, когда предварительно обработанную информацию в виде авторегрессионных облаков предъявляют врачу-эксперту, который и дает заключение о конечном прогнозе (Пятакович Ф.А. с соавт.). Такой подход упрощает задачу с позиций экономии времени, но не уменьшает ее субъективной нагрузки, поскольку каждый врач-эксперт по своему может определить принадлежность авторегрессионного облака к тому или иному классу. Исследователями предлагается для повышения точности прогнозирования разработать экспертную компьютерную систему [71].

В связи со сказанным весьма актуальным представляется поиск методов анализа электрофизиологической информации, базирующихся на количественном подходе с использованием математических правил и по своей надежности не уступающих методам врачебного анализа и превосходящих их по отсутствию субъективизма. Одним из таких методов является метод распознавания образов, основанный на нечетких'правилах классификации обучающих объектов.

Целью работы является автоматизация прогнозирования исходов мерцательной аритмии путем создания обучающейся компьютерной биотехнической системы автоматического хронопрогнозирования исходов мерцательной аритмии, обеспечивающей индивидуализацию и объективность прогноза.

Для реализации поставленной цели в работе решены следующие задачи.

1. Проведение анализа перспективных направлений, связанных с решением задачи увеличения эффективности прогнозирования исходов синдрома мерцательной аритмии, основанных на количественном подходе с использованием нечетких математических правил.

2. Создание моделей, обеспечивающих искусственное воспроизведение прогнозируемых состояний.

3. Выделение информативных признаков прогнозирования исходов мерцательной аритмии.

4. Разработка алгоритмов, обеспечивающих классификацию прогнозируемых состояний.

5. Реализация моделей и алгоритмов в макетном образце обучающейся компьютерной системы автоматического хронопрогнозирования исходов мерцательной аритмии;

6. Оценка эффективности разработанного макетного образца биотехнической системы хронопрогнозирования исходов синдрома мерцательной аритмии.

Для решения поставленных задач использованы основные положения теории распознавания образов, теории нечетких множеств, теории управления биотехническими и медицинскими системами, теории вероятностей и математической статистики, методы моделирования и оптимизации, методы для регистрации и анализа электрофизиологической информации, включающие вариационную пульсометрию, информационный и условно-вероятностный анализы.

В нашей работе новыми являются следующие результаты.

1. Изучена информационная модель временной упорядоченности пульса у различных больных-с синдромом мерцательной аритмии.

2. Определены информативные количественные признаки прогнозирования исходов мерцательной аритмии.

3. Определены структуры алгоритмов анализа и обработки электрофизиологической информации в составе макетного образца компьютерной биотехнической системы, предназначенной как для работы в режиме ON-LINE, так и для долговременного накопления данных.

4. Разработаны структуры алгоритмов автоматического распознавания прогнозируемых состояний в составе макетного образца компьютерной биотехнической системы.

Практическую значимость работы определяют следующие результаты.

1. Технически реализован макетный образец обучающейся компьютерной биотехнической системы хронопрогнозирования исходов мерцательной аритмии.

2. Достигнута объективность прогнозирования за счет использования математического аппарата теории распознавания образов и нечетких множеств.

3. Обеспечена индивидуализация прогноза за счет применения хронодиагности-ческих алгоритмов.

Результаты работы внедрены в лечебную практику: кардиологического и инфарктного отделений Муниципальной городской больницы № 1 г. Белгорода, в учебный процесс кафедры пропедевтики внутренних болезней Белгородского государственного университета.

Таким образом, на защиту выносятся следующие основные положения:

1. Модели, обеспечивающие искусственное воспроизведение прогнозируемых состояний, могут обеспечить представительность обучающих выборок.

2. Кластеризация прогнозируемых состояний может быть достигнута за счет сочетания информативных признаков микроструктуры и макроструктуры ритма сердца.

3. Решающие правила в алгоритмах хронопрогнозирования исходов мерцательной аритмии могут быть получены при обучении на основе нечетких характеристик «учителя».

4. Практическая реализация связана с разработкой обучающейся компьютерной биотехнической системы автоматического хронопрогнозирования исходов мерцательной аритмии, имеющей в своем составе блок накопления результатов обследования пациентов в режиме ON-LINE с автоматизированным классификатором болезней, генератор искусственных прогнозируемых состояний, модули алгоритмов распознавания и обучения, блоки графического, статистического и условно-вероятностного анализа.

5. Оценка эффективности разработанного макетного образца компьютерной биотехнической системы свидетельствует о возможности достижения объективности прогнозирования исходов мерцательной аритмии путем применения ре зультатов теории нечетких множеств при обучении автоматическому распознаванию прогнозируемых состояний.

Основные положения диссертации представлены на Международной научно-практической конференции "Метромед-99. Измерительные информационные технологии и приборы в охране здоровья", 29 июня - 1 июля 1999 года, г. Санкт-Петербург; на первой научно-практической конференции "Проблемы хронотерапии и хронодиагностики", 10 апреля 1999 года, г. Белгород; на ежегодной конференции Белгородского государственного университета; на второй Международной научно-технической конференции "Медико-экологические информационные тех-нологии-99", 19-21 мая 1999 года, г. Курск; на Международной конференции "Информационные технологии в образовании", 1-7 сентября 1999 года, г. Белгород; на четвертой Международной конференции "Оптико-элекгронные приборы и устройства в системе распознавания образов, обработки символьной информации", 20-22 октября 1999 года, г. Курск; на седьмой межвузовской научно-технической конференции студентов и аспирантов "Микроэлектроника и информатика - 2000", 17-18 апреля 2000 года, г. Москва.

По теме диссертации четыре научные работы опубликованы и одна научная работа принята к печати. Список опубликованных работ приведен ниже.

1. Хливненко Л.В. Алгоритмы хронопрогнозирования исходов мерцательной аритмии// Измерительные информационные технологии и приборы в охране здоровья: Международная научно-практическая конференция Метромед-99, 29 июня - 1 июля. - С. - Петербург, 1999. - с.94-95.

2. Хливненко Л.В. Биотехническая система хронопрогнозирования исходов мерцательной аритмии// Микроэлектроника и информатика - 2000: Седьмая межвузовская конференция студентов и аспирантов, 17-18 апреля. - Москва, 2000. -с.91.

3. Хливненко Л.В. Геометрическое распознавание авторегрессионных облаков в биотехнической системе хронопрогнозирования мерцательной аритмии// Оптико-электронные приборы и устройства в системе распознавания образов, обработки символьной информации: Четвертая международная конференция, 2022 октября - Курск, 1999. -с.167-169. 4. Хливненко Л.В. Структура биотехнической системы хронопрогнозирования мерцательной аритмии// Медико-экологические информационные технологии-99: Вторая международной научно-технической конференция, 19-21 мая. -Курск, 1999.-с.51-52.

Диссертация изложена на 112 страницах машинописи и состоит из введения, 8 глав с обсуждением результатов исследования, основных результатов работы, списка литературы (86 отечественных и 77 иностранных источников) и списка сокращений. Диссертация иллюстрирована таблицами (23) и рисунками (45).

Похожие диссертационные работы по специальности «Управление в биологических и медицинских системах (включая применения вычислительной техники)», 05.13.09 шифр ВАК

Заключение диссертации по теме «Управление в биологических и медицинских системах (включая применения вычислительной техники)», Хливненко, Любовь Владимировна

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен анализ перспективных направлений, связанных с решением задачи увеличения эффективности прогнозирования исходов синдрома мерцательной аритмии. Показана необходимость создания автоматических систем прогнозирования на основе использования нечетких моделей распознавания авторегрессионных облаков.

2. Созданы модели, обеспечивающие искусственное воспроизведение прогнозируемых состояний, отличающиеся генерацией значений дискретных случайных величин, трансформируемых в авторегрессионные облака пяти типов и в авторегрессионные облака, сочетающие черты сразу нескольких типов.

3. Выделены информативные : признаки прогнозирования исходов синдрома мерцательной аритмии, отличающиеся комбинированной оценкой макроструктуры и микроструктуры ритма сердца.

4. Разработаны алгоритмы распознавания, обеспечивающие классификацию прогнозируемых исходов синдрома мерцательной аритмии, отличающиеся дихотомическим разделением гиперплоскостью мономодальных и немономодальных классов авторегрессионных облаков на основе дифференциальной гистограммы различий и вычислении функции принадлежности.

5. Разработан макетный образец обучающейся многоуровневой компьютерной биотехнической системы автоматического хронопрогнозирования исходов синдрома мерцательной аритмии, отличающийся автоматизацией процесса распознавания прогнозируемых состояний, способностью накопления архивных данных и результатов обследования больных, генерацией и накоплением модельных авторегрессионных облаков, созданием "смешанных" обучающих массивов, способностью накопления данных в контрольном массиве, проведением сеансов обучения и экзамена, автоматизированным выбором диагноза, принципами интерфейса Windows.

6. В процессе клинической верификации макетного образца биотехнической системы хронопрогнозирования исходов синдрома мерцательной аритмии показана высокая его эффективность: чувствительность составила 84%, специфичность - 81%.

ГЛАВА 8. ЗАКЛЮЧЕНИЕ. ОЦЕНКА ЭФФЕКТИВНОСТИ РАБОТЫ МАКЕТНОГО ОБРАЗЦА БИОТЕХНИЧЕСКОЙ СИСТЕМЫ ХРОНОПРОГНОЗИРОВАНИЯ ИСХОДОВ МЕРЦАТЕЛЬНОЙ АРИТМИИ НА ЭКЗАМЕНАЦИОННОМ МАССИВЕ

Контрольный массив включает 72 вектора, состоящих из 500 межпульсовых интервалов пациентов с синдромом мерцательной аритмии. Информация о больных представляет собой результаты обследований больных кардиологического и инфарктного отделений Муниципальной городской больницы № 1 г. Белгорода в течении 1999 - 2000 гг. Возраст больных колебался в пределах от 35 до 75 лет.

Объекты контрольного массива, подвергаемые классификации, образуют полную группу из пяти классов:

1-й класс - мономодальный симметричный (М\);

2-й класс - мономодальный асимметричный (М2);

3-й класс - мономодальный инвертированный (М3);

4-й класс - полимодальный (М\);

5-й класс - амодальный (М2 ).

Ответы, даваемые алгоритмом классификации, имеют смысл: do - "объект не распознан"; d\ - "объект принадлежит 1-му классу";

2 - "объект принадлежит 2-му классу"; - "объект принадлежит 3-му классу";

J4 - "объект принадлежит 4-му классу";

5 - "объект принадлежит 5-му классу".

Для выбора оптимального набора пороговых значений коэффициентов уравнения гиперплоскости, разделяющей мономодальные и немономодальные классы, и уравнения прямой, разделяющей полимодальный и амодальный классы внутри немо-номодального, проведена оценка параметров эффективности распознавания БТС объектов контрольного массива для каждой группы коэффициентов, полученных в результате обучения БТС разделению объектов обучающих массивов № 1, № 2, № 3.

Результаты классификации БТС объектов контрольной выборки для четырех групп пороговых коэффициентов даны в таблице 8.1 (где на пересечении строки i и столбца j приведено количество объектов контрольного массива с ответом /, соответствующее группе коэффициентов у).

Ответ, данный БТС Группа № 1 Группа № 2 Группа № 3 Группа № 4

0 5 4 5 5 с1\ 9 7 9 8

2 20 22 20 19 с12 4 4 4 5

23 25 23 24 с15 11 10 11 11

Список литературы диссертационного исследования кандидат технических наук Хливненко, Любовь Владимировна, 2000 год

1. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин.-М.:Наука, 1970.

2. Акашева Д.У., Малахов Р.И., БакаловС.А., Крутанов И.В. Поздние потенциалы желудочков и внутрисердечное электрофизиологическое исследование//Кардиология, 1993, №3, с.30-33

3. Барт Б.Я., Мамцев Б.Н., Ларин В.Г., Смирнова О.Л. и др. Опыт длительного использования седакорона (амиодарона) в поликлинических условиях для профилактики пароксизмов мерцательной аритмии/УТерапевтический архив, 1997, т.69, №9, с.55-59.

4. Батыршин И.З. О мерах энтропии размытых множеств.— В кн.:Исследование операций и аналитическое проектирование в технике. Вып. 1. Казань: КАИ, 1978, с.40-45.

5. Батыршин И.З. О некоторых свойствах мер невероятностной энтропии размытых множеств,- В кн.: Прикладной многомерный статистический анализ. -М.: Наука, 1978, с.345-348.

6. Батыршин И.З., Вагин В.Н. Об алгебре размытых множеств и алгебрах Де Моргана,- В кн.: Управление при наличии расплывчатых категорий: Тезисы III научно-технического семинара. Пермь: НИИУМС, 1980, с.27-29.

7. Берсон А. Аналого-цифровое преобразование сигналов в медицинских системах.- В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. М., 1974, с.49-62.

8. Берсон А. и др. Система автоматического анализа ортогональных ЭКГ, работающая в оперативном режиме.- В кн.: Достижения медицинской и биологической техники.-М., 1971.

9. Богушевич М.С., Востриков В.А., Черныш A.M. Экспериментальные и теоретические проблемы электрической дефибрилляции сердца//Вестник Российской Академии Медицинских наук, 1997, №10, с.36-41.

10. Бокерия Л. А., Голухова Е.З., Полякова И.П. Электрофизиологическая негомогенность миокарда у больных с желудочковыми аритмиями различного генеза //Кардиология, 1997, т.37, №2, с.22-26.

11. Борисов А.Н., Алексеев A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной-Рига, Зинатие, 1982.

12. Бусленко Н.П. Моделирование сложных систем.-М.:Наука, 1978.

13. Вайнорас А., Валужис А. Возможности автоматической диагностики нарушений ритма и проводимости сердца по электрокардиосигналу.- В кн.: Статистические проблемы управления, в. 9.- Вильнюс, 1974, с.127-147.

14. Валужис А., Кирмонас А., Таменас В., Цитварас Р. Техническое обеспечение системы автоматизированной обработки электрокардиосигналов.- В кн.: Статистические проблемы управления, в. 9. Вильнюс, 1974, с.37-74.

15. Вапник В.Н. Восстановление зависимостей по эмпирическим данным.-М.гНаука, 1979.

16. Головкин Б.А. Машинное распознавание и линейное программирование .1. М.гСоветское оадио. 1973.

17. Горелик A.JL, Скрипкин В.А. Методы распознавания. -М.:Высшая школа, 1989.

18. Добров Г. М. Науковедение, информатика и идеи кибернетики.— В кн.:

19. Дуда Р., Харт П. Распознавание образов и анализ сцен.-М.: Мир, 1976.

20. Дюран Б. и др. Кластерный анализ.—М.: Статистика, 1977.

21. Елисеева И. И., Рукавишников В. О. Группировка, корреляция, распознавание образов.-М.: Статистика, 1977.

22. Жаке-Лагрез Э. Применение размытых отношений при оценке предпочтительности распределенных величин.- В кн.: Статистические модели и многокритериальные задачи принятия решений. М.: Статистика, 1979, с. 168183.

23. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации//Проблемы кибернетики.-М.:Наука, 1978, вып. 33.

24. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. М.:Мир, 1976.

25. Иванов Г.Г., Булгакова О.В. и др. Метод электрокардиографии высокого разрешения в оценке электрической нестабильности миокарда и прогнозе развития угрожающих жизни аритмий//Вестник Российской Академии Медицинских наук, 1997, №10, с.18-21.

26. Иванов Г.Г., Ковтун В.В., Сметнев A.C. и др. Спектрально-временное картирование комплекса QRS у больных с угрожающими жизни аритмиями'7/Кардиология, 1996, т.36, №7, с.20-21.

27. Иванов Г.Г., Сметнев A.C., Ковтун В.В. и др. Исследование поздних потенциалов предсердий у больных с пароксизмальной формой мерцательной аритмии//Кардиология 1995, №10, с.57-61.

28. Иванов Г.Г., Сметнев A.C., Простакова Т.С. и др. Поздние потенциалы и спектрально-временное картирование предсердного зубца Р у больных с пароксизмальной формой мерцательной аритмии/УКардиология, 1996, №11, с.43 -48.

29. Иванов Г.Г., Сметнев A.C., Сандриков В.А. и др. ЭКГ высокого разрешения: некоторые итоги 4-летних исследований//Кардиология, 1994, №5, с.22 26.

30. Касерес К. Вычислительные машины, врачи и электрокардиограмма.-В кн.: Вычислительные системы и автоматическая диагностика зяболеваний сердца. -М., 1974, с. 495-498.

31. Касерес К. и др. Как появились первые автоматизированные кардиологические станции.- В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. -М., 1974, с.281-304.

32. Касерес К. Какие доводы можно было бы привести против автоматизации электрокардиографии.- В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. М., 1974.

33. Клайнджмен И., Пипбергер X. Анализ ортогональных электрокардиограмм на вычислительной машине с разделением времени.- В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. М., 1974.

34. Кононов Б.П. Числовые отношения в теории сравнений.- Научно-техническая информация (НТИ), 1977, серия 2, c.l 1—18.

35. Красовский И.И., Чирейкин J1.B., Зубков A.A., Девицкий Б.С. О применении последовательного статистического анализа для диагностики ЭКГ-признаков легочного сердца у больных хронической пневмонией/УТер.архив, 1973, №12, с.70-77.

36. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: Наука, 1982.

37. Куламбаев Б.В., Иванов Г.Г., Акашева Д.У. и др. ЭКГ высокого разрешения: некоторые методические подходы при анализе поздних потенциалов желудочков//Кардиология, 1994, №5, с. 15-21.

38. Купер Д. Влияние вычислительной техники на повышение качества и стандартизацию электрокардиографических измерений. В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. - М., 1974, с.246-381.

39. Лебедева Н.В., Радионова Г.К., Жаворонок Л.Г. Состояние здоровья населения как критерий оценки качества жизни//Вестник Российской Академии Медицинских наук, 1997, №4, с.11-14.

40. Минцер О.П., Кнышов Г.В., Цыганий A.A. Кибернетика в сердечной хирургии. • Киев, Вища школа. Головное издательство, 1984.

41. Михайлевич B.C. Последовательные алгоритмы оптимизации и их применение//Кибернетика, 1965, № 1,2.

42. Недоступ А. Как не надо лечить аритмии//Врач, 1997, №10, с.5-8.

43. Никулин К.Г. К классификации хронической пневмонии, принятой Всесоюзным симпозиумом терапевтов в Минске//Клиническая медицина, 1964, № 12, с. 127-129.

44. Орловский С.А. Проблемы принятия решения при нечеткой исходной информации.- М.: Наука, 1981.

45. Пипбергер X. Анализ электрокардиограмм при помощи вычислительной системы.- В кн.: Вычислительные системы и автоматическая диагностика заболевании сердца. М., 1974, с. 165-177.

46. Пипбергер X. Корреляция электрокардиографических и клиникопатологи-ческих данных. В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. М., 1974, с.346-355.

47. Пипбергер X. Анализ электрокардиограмм на вычислительной машине.- В кн.: Вычислительные устройства в биологии и медицине. М., 1967, с. 197-235.

48. Поспелов Д. А. Логико-лингвистические модели в системах управления. М.: Энергоиздат, 1981.

49. Потапова Н.П., Иванов Г.Г., Буланова Н.А. Современные неинвазивные методы оценки и пронгнозирование развития потенциально опасных и угрожающих жизни аритмий: состояние проблемы и перспективы развития //Кардиология, 1997, № 2, с.70-75.

50. Проблемно-ориентированные системы автоматизации исследований в экспериментальной биологии и медицине//Инстшут автоматики и электрометрии СО АН СССР, СКБ научного приборостроения СО АН СССР, НТС Сибирского отделения АМН СССР, 1981.

51. Пугачев B.C. Теория вероятностей и математическая статистика. -М.:Наука, 1979.

52. Распознавание образов и медицинская диагностика/под ред. Неймарка Ю.И. -М.:Наука, 1971.

53. Ратнер Н. А. Артериальные гипертонии. М., 1974.

54. Родионов О.В. Моделирование и рациональный выбор лечения на основе биомедицинской интегрированной учебно-исследовательской системы: Автореф.дис.докт.тех.наук. -Воронеж, 1996.

55. Сидоренко Г. И., Афанасьев Г. К., Никитин Я. Г. Анализ сердечного ритма и его нарушений с помощью попарного распределения RR-интервалов ЭКГ //Здравоохранение Белоруссии, 1974, № 12, с.7-11.

56. Спехт Д. Эффективность классификации при многомерных электрокардиологических измерениях. В кн.: Вычислительные системы и автоматическая диагностика заболеваний сердца. М., 1974, с.385-394.

57. Татарченко И.П., Позднякова Н.В., Морозова О.И. Прогностическая оценка поздних потенциалов желудочков и показателей вариабельности ритма сердца у больных ишемической болезнью сердца//Кардиология, 1997, т.37, №10, с.21-24.

58. Ту Дж., Гонсалес Р. Принципы распознавания образов.- М.:Мир, 1970.

59. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. -М.:ИНФРА-М, 1998.

60. Умрюхин Е.А. Информационная модель системной организации психи-ческих функций человека: новый подход к проблеме искусственного интеллекта//Вестник Российской Академии медицинских наук, 1997, №12, с.19-26.

61. Фу К. Последовательные методы в распознавании образов и обучении машин.-М.:Наука, 1971.

62. Халфен Э.Ш. Кардиологический центр с дистанционным и автоматическим наблюдением за больными. М.:Медицина, 1980.

63. Халфен Э.Ш. Опыт работы дистанионного кардиологического консультативного диагностического центра с телеметрической системой электрокардиографической диагностики/Жардиология, 1974, №10, с.24.

64. Халфен Э.Ш., Заферман Д. М., Филиппова С. Б. Применение теории автоматического управления при проведениии антикоагулянтной терапии //Кардиология, 1972, № 5, с. 111-114.

65. Харкевич А.А. Опознание образов//Радиотехника, 1959, т. 14,15.

66. Цыпник Я.З. Основы теории обучающихся систем.-М.:Наука, 1970.

67. Чирейкин JI.В., Шурыгин Д.Я., Лабутин В.К. Автоматический анализ электрокардиограмм. Л., Медицина, 1977.

68. Шапиро Д.И. Принятие решений в системах организационного управления: Использование расплывчатых категорий. -М.:Энергоатомиздат, 1983.

69. Щварц Ю.Г., Киричук В.Ф. Прогноз осложнений, развившихся в следствие введения антиаритмических препаратов при пароксизмальных наджелу-дочковых тахиаритмиях на догоспитальном этапе лечения//Кардиология, 1997, т37, №8, с.31-35.

70. Шварц Ю.Г., Соколов И.М., Каримов Р.Н. и др. Модель регуляции системы кровообращения при пароксизмальных тахиаритмиях для экспертной компьютерной системы. -В кн.: Республиканская научная конференция физиологов. Самара, 1993, с.36-39.

71. Шнепс-Шнеппе М. А. Современная медицинская техника и ЭВМ. -В кн: Информационные системы в медицине. М., 1971, с. 154-159.

72. Шушляпин О.И., Николенко Е.А., Шелест А.Н. Регистрация поздних желудочковых потенциалов при обследовании лиц с повышенным риском внезапной смерти/ЛСардиология, 1990, №11, с. 106-108.

73. Шхвацабая И. К. и др. Изучение причин смерти от острой коронарной недостаточности и инфаркта миокарда (анализ внебольничной и больничной летальности)//Кардиология, 1974, № 6, с.18-27.

74. Шхвацабая И.К. Ишемическая болезнь сердца. М., 1975.

75. Шхвацабая И.К., Метелица В.И. Эпидемиологический подход в изучении атеросклероза, ишемической болезни сердца и артериальной гипертонии //Кардиология, 1971, № 5, с.5-9.

76. Эшби У. Введение в кибернетику. М., 1959.

77. Явелов И.С., Грацианский H.A., Зуйков Ю.А. Вариабельность ритма сердца при острых коронарных синдромах: значение для оценки прогноза заболевания (часть 1)//Кардиология, 2, 1997, с.61-69.

78. Ягенский В.А. и др. Верампил и дилтиазем при лечении мерцательной аритмии//Терапевтический архив, 1997, т.69, №8, с.58-60.

79. Якунченко Т.И. Биоуправляемые системы для хронофизиотерапии и клиническая оценка их эффективности: Автореф.дис.докт.мед.наук. -Воронеж, 2000.

80. Янушкевичус 3. И. и др. К вопросу об алгоритмизации врачебного метода анализа ЭКГ//Кардиология, 1972, №3, 29-34.

81. Янушкевичус З.И. и др. Методика и результаты автоматизации электрокардиографической дифференциальной диагностики.— В кн.: Статистические проблемы управления, в. 9. Вильнюс, 1974, с. 147-175.

82. Янушкевичус З.И., Витенштейнас Г., Валужис А. Значение и перспективы автоматизации кардиологических исследований. В кн.: Статистические проблемы управления, в. 9. Вильнюс, 1974, с. 18-37.

83. Янушкевичус З.И. Научно-технический прогресс и современные вопросы кардиологии. В кн.: Современные проблемы ишемической болезни сердца. Каунас, 1971, с. 3-114.

84. Янушкевичус З.И., Шилинскайге З.И. Сопоставление ЭКГ и патологоанато-мических данных при гипертрофии левого желудочка сердца//Кардиология, 1971, №4, с.33-37.

85. Янушкевичус З.И., Шилинскайте З.И. Электрокардиографические и пато-логоанатомические параллели при комбинированной гипертрофии обоих желудочков сердцаУ/Кардиология, 1973, 13, №1, с.49-54.

86. Abe R., Nishida N. The criteria for the prediction of paroxysmal atrial fibrillation by time domain analysis of the P wave- triggered signal-averaged electrocardiogram. Nippon Rinsho, 1995,53, p.496-502.

87. Abe R., Nishida Т., Yamashita K. et al. Clinical study of the pridicting for paroxysmal atrial fibrillation in patients with ischemic heart disease. International Congress on Electrocar diology, 21 -st. Yokohama 1994.

88. Akselrod S., Gordon D., Ubel F.A. et al. Power Spectrum Analysis of Heart Rate Fluctuation: A Quiantitative Probe of Beat-to-Beat Cardiovascular Control. Science 1981,213, p.220-222.

89. American College of Cardiology Cardiovacular Technology Assessment Committee.Heart Rate Variability for Risk Stratification of Life-Threatening Arrhythmias. J Am. Coll. Cardiol. 1993,22, p.948-950.

90. Bailey I.I. e. a. A method for evaluating computer programs for electrocardio-graphic interpretation. II. Application to version D of the PHS program and the Mayo Clinic program of 1968.—Circulation, 1974, v. 50, №1, p.80-87.

91. Batle N., Trillas E. Entropy and fuzzy integral. Journal of Mathematical Analysis and Applications, 1979, v. 69, p.469-474.

92. Bellman R., Zadeh L.A. Decision-making in a fuzzy environment. -Management Science, 1970, v.17, p.141-162.

93. Bezdek J. C. Numerical taxonomy with fuzzy sets. Journal of Mathematical Biology, 1974, v. 1, p.57-71.

94. Bezdek J.C., Harris J. D. Fuzzy partitions and relations: an axiomatic basis for clustering. Fuzzy Sets and Systems, 1978, v. 1, p.111-127.

95. Bigger J.T., Fleiss J.L., Steinman R.C. Frequency Domain Measures of Heart Period Variability and Mortality Rate After Myocardial Infarction. Circulation 1992,85, p.164-171.

96. Blaszyk K., Kulakowski P., Polonieski J. et al. Spectral temporal mapping versus time domain analysis of the Sa-EGG: reproducibility of results. Eur Heart J 1992,13, p.646.

97. Bonner R. E., Schwartman H.D. Computer diagnosis of ECG a computer program for ECG measurments. Сотр. a. biomed. res., 1968. v, I, №4, p.366-386.

98. Bouchon В., Cohen G. On fuzzy relations and partitions.—In: Advances in Fuzzy Sets, Possibility Theoiy and Applications/Ed. by P. P. Wang. N. Y.: Plenum Press, 1983, p.97-107.

99. Brachman J., Hilbel Т., Schweizer M.,Kubber W. Cardiac late potentials for diagnostic in heart disease. Ibid 1994,15, p.49-51.

100. Buckingham T.A., Radin M.M., Volgman A.S. et al. Does atrial fibrillation cause false-positive late potentials? PACE 1993,1, p.2222 2226.

101. Caceres C.A. Computer Techniques in Diagnosis and Management ot Heart Disease. -Progr. cardiovasc. Dis., 1972, v. 15,№l,p.25-39.

102. Caceres C.A. Electrocardiographic automation. Giom. Hal. Cardiol, 1974, t. 4, N 1, p. 1-14.

103. Chang S.S. Fuzzy dinamic programming and the decisionmaking process. In: Procedings of the 3-rd Princeton Conference on Information Science and Systems, 1969, p.200-203.

104. Cripps T.R., Malik M., Farelli T.G. et al. Prognostic value of reduced heart rate variability after myocardial infarction: clinical evaluation of a new analysis method. Br Heart J 1991,65, p.14-19.

105. De Luca A., Termini S. A definition of a non-probabilistic entropy in the setting of fuzzy sets theory. Information and Control, 1972, v. 20, p.301-312.

106. De Luca A., Termini S. Algebraic properties of fuzzy sets. Journal of Mathematical Analysis and Applications, 1972, v. 40, p.373-386.

107. De Luca A., Termini S. Entropy of L-fuzzy sets. Information and Control, 1974, v. 24, p.55-73.

108. De Luca A., Termini S. On the convergence of entropy measures of fuzzy sets. -Kybernetes, 1977, v. 6, p.219-227.

109. Di Nola A., Sessa S. On the fuzziness measure and negation in to tally ordered lattices. BUSEFAL, 1981, v. 8, p.68-77.

110. Ebanks B. R. On measures of fuzziness and their representation. Journal of Mathematical Analysis and Applications, 1983, v. 94, p.24-37.

111. Emptoz H. Nonprobabilistic entropies and indétermination measures in the setting of fuzzy sets theory. Fuzzy Sets and Systems, 1981, v. 5, p.307-317.

112. Fu K.S. Syntaksis (Linngvistic) Pattern Pecognition.- to book: Digital Pattern Recognition. Ed. by K.S. Fu, Seccond Corrected and Apdated Edition, SpringerVerlag: Berlin-Heidelberg-New York, 1980.

113. Gaines B. R., Kohout L. J. Fuzzy decade: a bibliography of fuzzy systems and closely related topics.-International Journal of Man-Machine Studies, 1977, v. 9, p. 1-68.

114. Goldman L. Quantitative aspects of clinical reasoning. Harrison's Principles of Internal Medicine, 13-th. Ed. 1994, p.43-48.

115. Goguen J. A. L-fuzzy sets. Journal of Mathematical Analysis and Applications, 1967, v. 18, p.145-174.

116. Haberl R., Jigle G., Pulter R., Stienbeck G. Spectral mapping of the electrocardiogram with Forier transform for identification of patiens with sustained ventricular tachicardia and coronary artery disease. Eur Heart J 1989, 10, p.316-322.

117. Haisty W.K, Batchlor C, Cornfield J., Pipberger H.B. Discriminant function analysis of RR intervals: an algorithm for on-line arrhythmia. Comp. biomed. res, 1972, v. 5, N 3, p.247-255.

118. Hamacher H., Leberling H., Zimmermann H. J. Sensitivity Analysis in Fuzzy Linear Programming. Fuzzy Sets and Systems 1978, v. 1, p.269-281.

119. Higashi M., Klir G.J. On measures of fuzziness and fuzey comple ments. -International Journal of General Systems, 1982, v. 8, p.169-180.

120. Hoopen M., Bongaurts I.P.M. Probabilistic Characterization of RR Intervals. -Cardiovasc. Res., 1969, v. 3,N 2, p.218-226.

121. Kacprzyk J. A branch-and-bound algorithm for the multistage control of a fuzzy system in a fuzzy environment. Kybernetes, 1979, v.8, p.139-147.

122. Kacprzyk J. Multistage decision-making under fuzziness. ISR, v. 79. Koln: Yerlag TUV. Rheinland, 1983.

123. Kaufmann A. Introduction to the theory of fuzzy subsets, v. 1. N. Y.: Academic Press, 1975.

124. Kickert W. J. M. Fuzzy theories on decision-making. Leiden: Martinus Nijhoff, 1978.

125. Knopfmacher J. On measures of fuzziness. Journal of Mathematical Analysis and Applications, 1975, v. 49, p.529-534.

126. Loo S. G. Measures of fuzziness. Cybernetica, 1977, v. 3, p. 201-207.

127. Malik M., Camm J. Components of Heart Rate Variability What They Really Mean and What We Really Measure. J Am. Coll. Cardiol. 1993,72, p.821-822.

128. Malik M., Camm A.J. Heart Rate Variability. Clin. Cardiol. 1990,13, p.570-576.

129. Malik M., Farrell T., Cripps T. et al. Heart rate variability in relation to prognosis after myocardial infarction: Selection of optimal processing techniques. Ibid 1989,10, p.1060-1074.

130. Malliani A., Lombardi P., Pagani M. Power spectrum analysis of heart rate variability: a tool to explore neural regulatory mechanisms. Br Heart J 1994,71, p.l-2.

131. Manfreda J. a. Klassen G.A. Considerations relevant to a rational transition from the present svstem to automated ECG analysis. -Canad.Med. Ass. J., 1975, v. 108, N 10, p.1265-1268.

132. Mijahara H. e. a. Cardial Arrhythmia Diagnosis by Digital Computer. -Comp. Biomed. res., 1968, v. 1, № 4, p.277-300.

133. Negoita C.V., Ralescu D. A. Applications of fuzzy sets to systems analysis. Basel: Birkhauser Veriag, 1975.

134. Negoita C.V., Sularia M. On fuzzy mathematical programming and tolerances in planning. ECECSR Journal, 1976, v. 1, p.3-14.

135. Odemuyima O., Malik M., Poloniesk J. et al. Frequency verius time domain analysis of signal-averaged electrocardiograms. Stratification of postinfarction patients for arrhythim events. J. Am. Coll. Cardiol. 1992,20, p.144-150.

136. Orlovsky S.A. Decision-making with a fuzzy preference relation.— Fuzzy Sets and Systems, 1978, v. 1, p. 155-167.

137. Pipberger H. V. Clinical Application of a Second Generation Electrocardiographic Computer Program. Am. J. Cardiol., 1975, v. 35, № 5, p. 597-607.

138. Pomeranz B., Macaulay R.J.B., Caudill M.A. et al. Assessment of autonomic function in humans by heart rate spectral analysis. Am J Physiol 1985;248:H151 HI53.

139. Rosenblatt F. Perceptron simulation experiments-Proc. I. R. E. 1960.

140. Rowlands D.J. e.a. Cardiac rhythm displey using the joint rate histogram. -Cardiovasc. res., 1970, v. 4, N 4, p. 531-536.

141. Ruspini E. H. A new approach to clustering. Information and Control, 1969, v. 15, p. 22-32.

142. Ruspini E. H. Recent developments in fuzzy clustering. In: Fuzzy Set and Possibility Theory/Ed, by R. B. Yager. N. Y.: Pergamon Press, 1982, p. 133-146.

143. Ruspini E. H. Numerical methods for fuzzy clustering. Information Sciences, 1970, v. 2, p. 319-350.

144. Rosenfeld A. Fuzzy graphs. In: Fuzzy Sets and Their Applications to Cognitive and Decision Processes/Ed. by L. A. Zadeh et al. N. Y.: Academic Press, 1975, p. 77-95.

145. Schramm J., Frumento C., Dickhous H. Et al. Ventricular late potenciáis in patients with and without inducible sustained tachicardia: a combined analisys of the time and frequency domain. Eur Heart J 1991;12:563-577.

146. Shimura M. Fuzzy sets concepts in rank-ordering objects. Journal of Mathematical Analysis and Applications, 1973, v. 43, p. 713-733.

147. Stinton P., Tinker I., Vickery I.C., Yahe S.P. The scatterogram. A new method for continuous electrocardiographic monitoring. Cardiovasc. Res., 1972, v. 6, N 5, p. 598-604.

148. Task Force of the European Society of Cardiology and the Noth American Society of Pacing and Electrophysiology. Heart Rate Variability. Standarts of Measurements, Physiological Interpretation, and Clinical Use. Circulation 1996;93:1043-1065.

149. Tazaki E., Amagasa M. Structural modelling in a class of systems using fuzzy sets theory. Fuzzy Sets and Systems, 1979, v. 2, p. 87-103.

150. Trillas E., Riera T. Entropies for finite fuzzy sets. Information Sciences, 1978, v. 15, p.159-168.

151. Van Ravenswaaij Arts C.M.A., Kollee L.A.A., Hopman J.C.W. Heart Rate Variability .Ann Intern Med 1993; 118:436-447.

152. Vester E.G., Strawer B.E.Ventricular late potenciáis: state of the art and future perspectives. Eur Heart J, 1994; 15:34-48.

153. Wartak J., Millikin J., Karchman J. Computer program for diagnostic evalution of electrocardiograms. Comp. Biomed res., 1971, v. 4, № 4, p. 225-238.

154. Watada J., Tanaka H. and Asai K. A heuristic method of hierar chical clustering for fuzzy intransitive relations. In: Fuzzy Set and Possibility Theory/Ed, by R. R. Yager. N. Y.: Pergamon Press, 1982, p. 148-166.

155. Yeh R.T., Bang S. Y. Fuzzy relations, fuzzy graphs and their applications to clustering analysis. In: Fuzzy Sets and Their Applications to Cognitive and Decision Processes/Ed, by L. A. Zadeh et al., N. Y.: Acade mic Press, 1975, p. 125-149.

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.