Синтез коллективов решающих правил прогнозирования и диагностики патологии студентов с использованием латентных переменных и моделей г. Раша тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Бойцов, Антон Владимирович

  • Бойцов, Антон Владимирович
  • кандидат технических науккандидат технических наук
  • 2014, КурскКурск
  • Специальность ВАК РФ05.11.17
  • Количество страниц 176
Бойцов, Антон Владимирович. Синтез коллективов решающих правил прогнозирования и диагностики патологии студентов с использованием латентных переменных и моделей г. Раша: дис. кандидат технических наук: 05.11.17 - Приборы, системы и изделия медицинского назначения. Курск. 2014. 176 с.

Оглавление диссертации кандидат технических наук Бойцов, Антон Владимирович

СОДЕРЖАНИЕ

Введение

1 .Аналитический обзор и постановка задач исследования

1.1. Анализ применения математических методов для решения задач прогнозирования ранней и дифференциальной диагностики в медицине

1.2.Классификационные возможности теории нечеткой логики принятия решений в медицинских приложениях

1.3.Использование теории латентных переменных для определения системы информативных признаков

1.4. Обзор систем поддержки принятия решений в медицине и психологии

1.5.Цель и задачи исследования

2.Методы синтеза коллективов решающих правил прогнозирования и диагностики патологии студентов с использованием латентных переменных и моделей Г.Раша

2.1.Метод определения информативных показателей для оценки функционального состояния человека на основе модели Раша

2.2.Метод синтеза решающих правил классификации и оценки уровня утомления и психоэмоционального напряжения студентов на основе многомерного анализа и латентных переменных с нечеткой логикой принятия решений

2.3.Информационно-аналитическая модель прогнозирования и ранней диагностики заболеваний студентов, провоцируемых интенсивным процессом обучения

2.4. Оптимизация схем лечебно-профилактических мероприятий с использованием модели Г.Раша

Выводы второй главы

3.Разработка основных элементов интеллектуальной системы поддержки принятия решений по прогнозированию и ранней диагностики заболеваний, провоцируемых процессом обучения

3.1. Формирование пространства информативных признаков для классификации и оценки уровней психоэмоционального напряжения и утомления, и их анализ

3.2.Синтез решающих правил для оценки уровня психоэмоционального напряжения и утомления

3.3.Синтез прогностических и диагностических решающих правил по заболеваниям желудка

Выводы третьей главы

4.Результаты экспериментальных исследований

4.1.Алгоритм управления процессами принятия решений

4.2. Структура интеллектуальной системы поддержки принятия решений

4.3.Результаты экспериментальной проверки показателей качества прогностических решающих правил

4.4.Результаты экспериментальной проверки решающих правил ранней диагностики заболеваний желудка

Выводы четвёртой главы

ЗАКЛЮЧЕНИЕ

БЖИЛИОГРАФИЧЕСКИЙ СПИСОК

ПРИЛОЖЕНИЕ

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

Введение диссертации (часть автореферата) на тему «Синтез коллективов решающих правил прогнозирования и диагностики патологии студентов с использованием латентных переменных и моделей г. Раша»

Введение

Актуальность работы. Первоочередной задачей сохранения общественного здоровья является обеспечение гармонического развития молодого поколения. Индикатором здоровья, а вместе с тем и социально-экономического благополучия государства, является здоровье подрастающего поколения, в частности студенческой молодёжи. Конкуренция на рынке труда по-новому ставит вопросы о необходимости значительного повышения качества подготовки современных специалистов в области техники, технологии, экономики. Меняется характер труда, в котором всё большую долю приобретает интеллектуальный труд. Происходят колоссальные изменения в области информации и новейших технологий. Все эти процессы предъявляют повышенные требования к уровню подготовки студентов высших учебных заведений, которые являются резервом высококвалифицированных специалистов для различных отраслей промышленности и экономики нашей страны, определяющим трудовой и оборонительный её потенциал. Однако, в силу своих возрастных особенностей, находясь в периоде формирования физиологической и психологической зрелости, именно эта группа подвержена высокому риску нарушений в состоянии здоровья. Постоянное умственное и психоэмоциональное напряжение, информационный стресс, недостаточная материальная обеспеченность, необходимость совмещать учёбу с работой, нарушения режима труда, питания, отдыха приводят к истощению адаптационных резервов нервной, иммунной и эндокринной системы растущего организма, формированию функциональных расстройств, а затем и хронической патологии.

С учетом сказанного разработка методов и средств, обеспечивающих своевременное выявление факторов риска, оценку возможности появления и развития психосоматических заболеваний студентов с одновременным проведением мероприятий, улучшающих состояние их здоровья, является актуальной задачей.

Степень разработанности темы исследования. На сегодняшний день разработано достаточно много методов и алгоритмов управления состоянием здоровья студентов. Многие из них основаны на соответствующих системах поддержки принятия решений с использованием современных информационных технологий. Большинство существующих методов и алгоритмов анализа и управления состоянием здоровья студентов, как показал проведённый нами анализ, используют традиционную для медицинских исследований информацию, в то время как психофизиологические, функциональные и соматические затраты резервов организма в процессе обучения, способствующие развитию новых и не имеющих ещё клинических проявлений заболеваний, учитываются в недостаточной степени, что снижает потенциально достижимое качество профилактики и диагностики.

Дополнительные сложности решения поставленных в работе задач, связаны с тем, что прогнозирование и ранняя диагностика психосоматических заболеваний с учетом реальных медико-технических ограничений относятся к классу плохо формализуемых задач. Это затрудняет использование традиционного математического аппарата, включая раздельное использование такого мощного инструментария, как теория измерения латентных переменных, распознавание образов и нечеткая логика принятия решений. Для повышения качества и оперативности решения выбранного класса задач предлагается использовать методы математического моделирования, реализующие гибридные технологии моделирования, объединяющие как методы теории измерения латентных переменных, распознавания образов и разведочного анализа, так и методы мягких вычислений, основанные на нечеткой логике Заде и Шортлифа. Такое объединение различных подходов к решению задач оценки и управления состоянием здоровья студентов позволяет получить новое качество в решении сложных системных задач и является инновационным.

Работа выполнена в рамках Федеральной целевой программы «Научные и научно-педагогические кадры инновационной России на 2009-2013 годы и в соответствии с научным направлением Юго-Западного государственного

университета «Медико-экологические информационные технологии».

Объект исследования. Студенты многопрофильного вуза в условиях длительного воздействия психоэмоциональных перегрузок.

Предмет исследования. Методы, модели и алгоритмы прогнозирования и оценки состояния здоровья студентов, подвергающихся длительным психофизиологическим перегрузкам.

Цель работы: разработка методов и средств прогнозирования и диагностики заболеваний студентов, подвергающихся воздействию психоэмоциональных перегрузок и индивидуальных факторов риска, основывающихся на использовании моделей Г.Раша и гибридных нечетких технологий, обеспечивающих повышение качества медицинского обслуживания студенческой молодежи.

Для достижения поставленной цели необходимо решить следующие задачи:

- сформировать пространство информативных признаков, оценить его информативность и выбрать адекватный математический аппарат исследования;

- предложить метод определения информативных показателей для оценки функциональных состояний человека на основе моделей Г.Раша;

- разработать метод синтеза решающих правил классификации и оценки уровня утомления и психоэмоционального напряжений, вызываемых процессом обучения;

- предложить информационно-аналитическую модель прогнозирования и ранней диагностики заболеваний, провоцируемых интенсивным процессом обучения;

- произвести модификацию модели Г.Раша для решения задач оценки эффективности лечебно-профилактических мероприятий;

- изучить структуру заболеваний студентов многопрофильного вуза и получить систему гибридных нечетких моделей для оценки уровней психоэмоционального напряжения и утомления, прогнозирования и ранней диагностики ведущих психосоматических заболеваний (для ЮЗГУ - заболевания желудка);

- предложить алгоритм управления и структуру интеллектуальной системы поддержки принятия решений по оценке и управлению состоянием здоровья студентов;

- провести апробацию предложенных методов и средств на репрезентативных контрольных выборках.

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

- метод формирования пространства информативных признаков для классификации и оценки уровней психоэмоционального напряжения и утомления, развивающихся в процессе обучения, отличающийся использованием теории измерения латентных переменных на основе математической модели Г.Раша, позволяющий учитывать скрытую и нечеткую природу исследуемого класса функциональных состояний человека, через систему четко измеряемых признаков;

- метод синтеза решающих правил классификации и оценки уровня утомления и психоэмоционального напряжения, основанный на использовании многомерного анализа, интерактивных методов двумерной классификации и латентных переменных с нечеткой логикой принятия решений о результатах классификации с учетом пространственно-временных параметров, позволяющий синтезировать соответствующие математические модели, работающие в условиях плохой формализации исследуемых функциональных состояний человека;

- информационно-аналитическая модель прогнозирования и ранней диагностики заболеваний, провоцируемых процессом обучения, отличающая использованием коллективного нечеткого агрегатора объединяющего гетерогенные нечеткие правила оценки уровней психоэмоционального напряжения и утомления совместно с прогностическими и диагностическими математическими моделями, использующими индивидуальные факторы риска, позволяющие решать искомые классы задач с достаточной для медицинской практики точностью в условиях латентного, неполного и нечеткого описания исходных данных, причем количество входных моделей принятия решений

коллективного нечеткого агрегатора оптимизируется при использовании теории измерений латентных переменных с моделью Г.Раша;

- метод оценки эффективности лечебно-профилактических мероприятий, отличающийся использованием теории измерения латентных переменных на основе модели Г.Раша, позволяющий производить выбор рациональных схем лечения с количественным и качественным анализом каждой из составляющих исследуемых процедур лечения и профилактики;

- коллектив гибридных нечетких моделей для оценки уровней психоэмоционального напряжения, утомления, прогнозирования и ранней диагностики заболеваний желудка, вызванных интенсивным процессом обучения, основанный на использовании модифицированных правил нечеткого вывода Л.Заде, теории уверенностей Е.Шортлифа в сочетании с логистической моделью Г.Раша, позволяющий обеспечивать уверенность в прогнозе искомых заболеваний на уровне 0,87, а в раннем диагнозе - на уровне 0,93;

- алгоритм прогнозирования, оценки и управления состоянием здоровья студентов в условиях воздействия на их организм длительных психоэмоциональных перегрузок, отличающийся возможностью гибкой смены тактики оценки состояния и управления в зависимости от структуры факторов риска и индивидуальных особенностей организма, что позволяет обеспечивать требуемое для практики качество работы интеллектуальной системы поддержки принятия решений.

Теоретическая и практическая значимость работы состоит в том, что разработаны методы формирования пространства информативных признаков на основе моделей Г.Раша, синтеза коллективов нечетких решающих правил для классификации и оценки уровней психоэмоционального напряжения и утомления, прогнозирования и ранней диагностики психосоматических заболеваний, связанных с интенсивным учебным процессом. При использовании предложенных методов получены математические модели прогнозирования и ранней диагностики заболеваний желудка, появлению и развитию которых способствует интенсивный процесс обучения.

Применение предложенных в диссертации методов и средств позволяет улучшить качество медицинского обслуживания студентов находящихся под воздействием психоэмоциональных перегрузок, вызываемых процессом обучения.

Методы исследований. Для решения поставленных в работе задач использовались методы синтеза биотехнических систем, системного анализа, моделирования, теории проектирования сложных информационных систем, теории распознавания образов, теории нечетких множеств, теории измерения латентных переменных, теории уверенности, прикладной математической статистики, экспертного оценивания. При разработке интеллектуальной системы в качестве инструментария использовалась среда Matlab 7.10 (R210a) со встроенным пакетом Fuzzy Logic Toolbox, диалоговый пакет RUMM 2020.

Положения, выносимые на защиту:

1. Методы формирования пространства информативных признаков и синтеза решающих правил классификации и оценки уровней психоэмоционального напряжения и утомления, основанные на использовании интерактивных методов классификации, многомерного анализа и моделей Г.Раша, позволяющие решать задачи синтеза, соответствующих нечетких математических моделей принятия решений, работающих с плохоформализуемой структурой данных.

2. Информационно-аналитическая модель прогнозирования и ранней диагностики заболеваний, провоцируемых процессом обучения, использующая коллектив гибридных нечетких решающих правил, построенных на основе теории измерения латентных переменных с моделью Г.Раша, нечеткой логики Л.Заде, теории уверенности Е.Шортлифа и интерактивных классификационных моделей, позволяющая решать задачи прогнозирования и ранней диагностики заболеваний, появляющихся и развивающихся под воздействием длительного интенсивного процесса обучения и индивидуальных факторов риска.

3. Математические модели прогнозирования и ранней диагностики заболеваний желудка, вызываемых интенсивным процессом обучения в

многопрофильном вузе (Юго-Западный государственный университет г. Курск), обеспечивающие уверенность в правильной классификации не ниже 0,87.

4. Алгоритм прогнозирования, оценки и управления состоянием здоровья студентов обеспечивает функционирование соответствующей интеллектуальной системы поддержки принятия решений и ее взаимодействие с лицом, принимающим решения.

Степень достоверности и апробации результатов. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям системного анализа и теории синтеза биотехнических систем, а также аналогичным результатам, полученным другими исследователями. Методы и алгоритмы прогнозирования и оценки состояния здоровья студентов, построены на теории распознавания образов и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.

Предложенные в работе методы, модели и алгоритмы переданы и используются в учебном процессе кафедры биомедицинской инженерии Юго-Западного государственного университета при обучении студентов специальности 200401, в медицинской практике ОБУЗ «Курской городской больнице №2» и БМУ «Курской областной клинической больнице» Комитета здравоохранения Курской области.

Основные положения и результаты диссертационной работы докладывались на всероссийских и международных конференциях и семинарах, основные из них: II международная научно-практической конференция студентов и аспирантов «Математика и её приложения в современной науке и практике» (Курск, 2012); X Международная научно-техническая конференция «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации «Распознавание - 2012» (Курск, 2012); IV Международная молодежная научная конференция «Молодежь и XXI век - 2012» (Курск, 2012); Международная научно-практическая конференция «Интерактивные процессы в науке-2013» (Москва, 2013); III студенческая региональная научно-техническая конференция «Биомедицинские и технические

системы: анализ, проектирование, управление» (Курск, 2013); XVII Международная научно-техническая конференция «Медико-экологические информационные технологии-2014» (Курск, 2014); X Russian-German conference on biomedical engineering (Saint Petersburg, 2014); Международная научно-практическая конференция «Наука и образование: проблемы и перспективы развития» (Тамбов, 2014); Всероссийская научно-практическая конференция «Научный взгляд на современный этап развития общественных, технических, гуманитарных и естественных наук. Актуальные проблемы» (С. Петербург, 2014), а также на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2013, 2014).

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, библиографического списка, включающего 128 отечественных и 62 зарубежных наименований, и приложения. Работа изложена на 176 листах машинописного текста, содержит 46 рисунков и 36 таблиц.

1. Аналитический обзор и постановка задач исследования

1.1.Анализ применения математических методов для решения задач прогнозирования ранней и дифференциальной диагностики в

медицине

При решении задач прогнозирования и медицинской диагностики применяют такие фундаментальные математические методы как корреляционный, регрессионный и факторный анализы; теорию распознавания образов; теорию нечеткой логики принятия решений; теорию измерения латентных переменных и др. [1, 2, 3, 4, 5, 6, 13, 14,15, 18, 24, 31, 34, 35, 36, 38, 39, 41, 42, 45, 46, 47, 49, 51, 56, 57, 63, 65, 67, 80, 82, 97, 123].

Задачи, связанные с прогнозированием, как правило, решаются статистическими методами анализа, в ходе которых оцениваются изменения функциональных показателей во времени, изучается динамика развития исследуемых процессов [38, 48, 122, 127].

Для анализа изменений во времени наблюдаемых процессов используют временные ряды, содержащие различные компоненты, такие как тренд, циклическая и случайная компоненты, которые в наблюдаемом процессе могут суммироваться (аддитивный процесс), перемножаться (мультипликативный процесс) или иметь смешанный характер с аддитивными и мультипликативными составляющими.

При прогнозировании поведения диагностируемых объектов важную роль играют явные и скрытые изменения составляющих, которые выявляются с использованием периодометрического анализа, главной задачей которого является анализ периодики. Периодические функции моделируют повторяемость и сходство с реальными периодическими колебательными движениями в природе. В данном случае основой моделирования традиционно считается спектральный анализ в классических трех вариантах:

- спектральный метод, в основе которого лежит расчет автокорреляционной функции;

- спектральный анализ Фурье;

- спектральный анализ максимума энтропии.

Для проверки результатов спектрального анализа наряду с экспериментальным материалом используют и дополнительный, в том числе с применением идеи метода Монте-Карло. Для проверки необходимой адекватности полученной модели, качества и надежности прогноза по ней, новый (экзаменационный) временной ряд должен быть достаточен по своей мощности (длительности). Наблюдается явное противоречие, так как данной информации, на первый взгляд, в рассматриваемом случае не имеется (не представляется возможным, как в случае анализа технических систем, провести вычислительный или иные эксперименты по формированию экзаменационной выборки). Данное противоречие снимает использование концепции самоорганизационного моделирования, предложенной Ивахненко А. Г. и реализованной в так называемом методе группового учета аргументов [58, 59, 60]. Данный метод неоднократно применялся при исследовании технических, биологических и экономических систем, в отделении интенсивной терапии, где доказал свою эффективность из-за максимальной приближенности к самоорганизации моделирования с самоорганизационными, саморегулирующими и самоадаптационными процессами в открытых, живых системах.

Теория самоорганизации моделей, положенная в основу метода группового учета аргументов (МГУА) отвергает путь расширения и усложнения модели за счет увеличения исходного объема информации об объекте и постулирует существование оптимального, ограниченного размера области моделирования и единственной модели оптимальной сложности, что весьма актуально в условиях временно-пространственных региональных ограничениях мониторинга (регистрации) фактологического материала.

Наиболее популярными методами решения задач прогнозирования и диагностики заболеваний в настоящее время среди зарубежных и отечественных

ученых являются методы математической теории распознавания образов [1, 4, 33, 34, 40, 43, 44, 45, 46, 49, 55, 80, 81, 96, 101, 116, 117]. Математическая теория распознавания образов - научное направление, рассматривающее вопросы, связанные с определением принадлежности распознаваемого объекта (образа) к одному из заранее выделенных классов объектов. При этом класс представляет собой некоторую совокупность (подмножество) объектов, обладающих близкими свойствами. Под объектами понимают различные явления, процессы, ситуации, предметы. Каждый объект описывается набором основных характеристик (признаков, свойств) Х=(Хь ..., X;,..., Хп), где /-я координата вектора X определяет значения /-й характеристики, и дополнительной характеристикой 8, указывающей на принадлежность объекта к некоторому классу (образу). В медицине, в зависимости от решаемой задачи, под классами понимают диагнозы, синдромы, степень тяжести заболеваний, стадии заболеваний, симптомокоплексы и т.д. [35, 36, 38, 41, 46, 47, 54, 64, 82, 85, 107, 116], а признаки X -'это симптомы, данные медицинского осмотра, лабораторного, инструментального обследования и т.д.

Обучающей выборкой называется набор таких расклассифицированных объектов, у которых известны характеристики X и 8, используемые для обнаружения закономерных связей между значениями этих характеристик. Параметры математических моделей, позволяющих решать задачи классификации неизвестных объектов по известным классам заболеваний, определяют с помощью обучающей выборки.

Теоретической основой построения алгоритмов распознавания образов является теория статистических решений, появившаяся в 50-60-е годы XX века. К середине 70-х годов математический аппарат теории распознавания расширился за счет применения разделов прикладной математики, теории информации, методов алгебры логики, математического программирования, системотехники и т.д. В это время теория распознавания становится самостоятельным научным направлением и к настоящему времени разработано более двухсот методов распознавания, применяемых в различных сферах практической деятельности.

Методы распознавания образов классифицируются на параметрические,

непараметрические и эвристические методы. На основании способа представления знаний различают интенсиональные методы - схемы связей между атрибутами (признаками) и экстенсиональные методы распознавания образов -методы, основанные на операциях с объектами [55].

Эвристические методы - методы, основанные на трудно формализуемых знаниях и интуиции исследователя, определяющего, какую информацию и как необходимо использовать для достижения требуемого эффекта распознавания.

На основании исторически сложившихся направлений в области теории распознавания образов, применяется следующая классификация методов:

- методы, основанные на принципе разделения;

- статистические методы;

- методы вычисления оценок (голосования);

- методы, построенные на основе потенциальных функций;

- методы, основанные на исчислении высказываний, в частности на аппарате алгебры логики.

Большей популярностью среди специалистов в области теории распознавания образов пользуются методы, которые основаны на оценках плотностей распределения значений признаков. Они заимствованы из классической теории статистических решений, в которой объекты исследования рассматриваются, как реализации многомерной случайной величины, распределенной в пространстве признаков по какому-либо закону и базируются на байесовской схеме принятия решений, основанной на априорных вероятностях принадлежности объектов к тому или иному распознаваемому классу и условных плотностях распределения значений вектора признаков. Эти методы основаны на решении вопроса о возможности или целесообразности построения наилучших решающих правил на основе детального анализа признакового пространства путем построения функций плотности вероятности и получения надежных оценок априорных вероятностей [2, 5, 28, 29, 42, 49, 80, 97, 108, 117].

Получить аналитически выражения для построения функции плотности распределения вероятностей на практике довольно сложно, тем более в

поликлинических условиях. В связи с этим формируются специальные таблицы экспериментальных данных (ТЭД) ограниченного объема (обучающие выборки) с известной классификацией. По обучающим выборкам восстанавливаются или отклоняются функции плотностей вероятностей, по которым и строятся соответствующие решающие правила.

Анализ факторов риска и индивидуальных особенностей организма подрастающего поколения, в частности студенческой молодёжи показал, что с точки зрения задач классификации, используемые прогностические и диагностические информативные признаки носят неполный и нечеткий характер, а структура классов, относительно которых принимается решение, имеет нечеткие границы с зонами пересечения, переходящими из класса в класс. В этих условиях, для синтеза соответствующих решающих правил, предпочтение следует отдать технологии мягких вычислений, включая теорию нечеткой логики принятия решений Л.Заде [36, 56, 57, 189, 190], теорию уверенности Е.Шортлифа [138, 176] и их модификации, ориентированной на решение классификационных задач, которые активно реализуются в трудах кафедры «Биомедицинская инженерия» Юго-Западного государственного университета [13, 14, 15, 38, 39, 62, 63, 66, 67, 68, 70, 72, 73, 77, 78, 107,113, 121, 129, 130, 131, 149, 150, 151, 152, 153, 154, 156, 157, 158].

1.2. Классификационные возможности теории нечеткой логики принятия решений в медицинских приложениях

Характерной особенностью задач прогнозирования и диагностики в медицине является значительная неопределенность, как в описании признаков пространства, так и в структуре исследуемых классов состояния организма. В условиях нечеткого и неполного представления признаков для работы с плохо формализуемыми структурами классов применяют аппарат нечеткой логики принятия решений [56,57,91,94, 96, 99, 101, 110, 115, 123, 126, 129, 130, 131, 149,

150, 151, 152]. Обобщением классической теории множеств и классической формальной логики являются нечеткая логика (fuzzy logic) и математическая теория нечетких множеств (fuzzy sets) [56, 57, 189, 190]. Данные понятия были впервые введены американским ученым Lotfi Zadeh в 1965 г.

Элементами нечёткого множества А выступают некоторые числовые переменные х и характеристические функции |1а(*), характеризующие в интервале [0,1] степень принадлежности (соответствия) х нечеткому множеству А. В современной литературе функцию Ца(*), называют функцией принадлежности jc к А. Иными словами, нечеткое множество А на множестве X (где X - универсальное множество) есть совокупность упорядоченных пар вида А = (ца(х), где х е X , а ца : X—>[0, 1]. Функция принадлежности в этом случае отображает элементы любого универсального множества X в интервал [0, 1], «автоматически» осуществляя операцию нормировки степеней принадлежности для любых базовых переменных jceX.

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

Список литературы диссертационного исследования кандидат технических наук Бойцов, Антон Владимирович, 2014 год

БИБИЛИОГРАФИЧЕСКИЙ СПИСОК

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

2. Айвазян, С.А. Прикладная статистика. Основы моделирования и первичная обработка данных [Текст] / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин // Справочное издание. - М.: Финансы и статистика, 1983. - 472 с.

3. Александров, В.В. Обработка медико-биологических данных на ЭВМ [Текст] / В.В. Александров, B.C. Шнейдеров // - Л.: Медицина, 1984. - 160 с.

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

5. Алексахин, C.B. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. [Текст] / C.B. Алексахин // В 2-х томах. - М. ПРИОР, 2002. -688 с.

6. Андерсен, Т. Введение в многомерный статистический анализ М.: Физматгиз, 1963. -500с.

7. Анисимова, Т.С., Маслак, A.A., Осипов, С.А., Евдокимова, В.В., Улитенко, Е.В. Исследование точности измерения латентной переменной в зависимости от числа дихотомических индикаторных переменных // Вестник СГПИ - 2005. -№1(1). С. 136-144.

8. Анисимова, Т.С., Маслак, A.A., Осипов, С.А., Поздняков, С.А. Исследование точности измерения латентной переменной в зависимости от числа градаций индикаторных переменных // Теория и практика измерения латентных переменных в образовании. Материалы седьмой Всероссийской (с международным участием) научно-практической конференции. - Славянск-на-Кубани: Издательский центр СГПИ, 2005. - С. 12-22.

9. Анисимова, Т.С., Маслак, A.A., Осипов, С.А., Хмара, И.А., Улитенко, Е.В. Исследование точности оценивания параметров модели Раша на основе алгоритма PROX // Педагогические измерения. - 2005. - №2 - С. 80-100.

10. Анисимова, Т.С., Маслак, A.A., Осипов, С.А., Поздняков, С. А. Исследование точности измерения латентной переменной в зависимости от коррелированности индикаторных переменных // Вестник СГПИ - 2005. - №1(1). С. 126-136.

11. Анисимова, Т.С., Маслак, A.A., Осипов, С.А., Пушечкин, Н.П., Хлебников, В.А. Исследование дифференцирующей способности модели Раша на основе имитационного эксперимента // Педагогические измерения. - 2003. - №1 - С. 103117.

12. Баевский, P.M. Оценка адаптационных возможностей организма и риск развития заболеваний [Текст] / P.M. Баевский, А.П. Берсенева. М.: Медицина, 1997. 235 с.

13. Башир Абас. Использование интерактивных методов классификации для решения задач медицинского прогнозирования [Текст] / С.Абас Башир, В.Н. Шевякин, К.В. Разумова, С.Н. Кореневская // Фундаментальные исследования -2014. № 1. С.33-37.

14. Башлыков, И.А. Разработка и исследование методов и средств управления процессами диагностики и комбинированной терапии язвенной болезни желудка. [Текст]//дисс. канд. мед. наук: 05.13.01 защищена 23.12.05/ И.А. Башлыков. Воронеж, 2005. 139 с.

15. Бойцов, A.B. Применение математических методов для прогнозирования и диагностики в медицине / A.B. Бойцов, С.Н. Кореневская // Математика и её приложения в современной науке и практике: матер. II Междунар. науч.-практ. конф. студентов и аспирантов. - Курск: ЮЗГУ, 2012. - С. 149-154.

16. Бойцов, A.B. Оценка риска заболеваемости студентов на основе комбинированных нечетких моделей / A.B. Бойцов, Л.В. Стародубцева, В.Н. Гадалов // Системный анализ и управление в биомедицинских системах. - 2012.-Т.11.- №1.- С. 188-195.

17. Бойцов, A.B. Классификация функциональных состояний человека с использованием правил нечеткого принятия решений /A.B. Бойцов, О.И. Филатова, С.Н. Кореневская // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание - 2012 [Текст] сб. материалов X Междунар. науч.-техн. конф. - Курск: ЮЗГУ, 2012. - С.311-313.

18. Бойцов, A.B. Построение нечетких классификаторов для медицинских и экологических приложений. / Молодежь и XXI век - 2012: сб. матер. IV Междунар. молодежной научн. конф. -Курск-2012. - №2. С. 26-27

19. Бойцов, A.B. Нечеткая оценка уровня функционального резерва человека / С.Ф. Яцун, A.B. Бойцов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение- 2012. №2. ч. 3. - С. 271-275

20. Бойцов, A.B. Синтез решающих правил для оценки уровня психоэмоционального напряжения и утомления с использованием двумерных классификационных пространств и векторной алгебры / В.И. Серебровский, A.B. Бойцов, А.Н. Шуткин, С.Н. Кореневская // Известия Юго-Западного государственного университета. 2014. №5(56). - С. 58-63.

21. Бойцов, A.B. Мозг человека и искусственный интеллект / В.К. Харитоненко, A.B. Бойцов // Интегративные процессы в науке-2013: матер. Междунар. науч.-практ. конф.. - М., 2013.- С. 88-93

22. Бойцов, A.B. Основные принципы ситуационного управления большими системами / Т.Н. Говорухина, A.B. Бойцов // Биомедицинские и технические системы: анализ, проектирование, управление: сб. матер. III студенческой региональной науч.-техн. конф. - Курск: ЮЗГУ, 2013. С. 27-30

23. Бойцов, A.B. Использование латентных переменных для оценки усталости человека // Медико-экологические информационные технологии-2014: сб. матер. XVII Междунар. науч.-техн. конф. / Юго-Зап. гос. ун-т. Курск, 2014. С. 116-122

24. Интеллектуальные медицинские системы с нечеткими коллективами решающих правил / А.Г. Устинов, С.Н. Кореневская, И.И. Хрипина, A.B. Бойцов

// X Russian-German conference on biomedical engineering: Saint Petersburg. 2014-C. 90-92

25. Оценка состояния сложных систем нечеткими коллективами гибридных решающих правил / И.А. Ключиков, М.И. Лукашов, Л.В. Стародубцева, А.В. Бойцов // Наука и образование: проблемы и перспективы развития: сб. науч. тр. по матер. Междунар. науч.-практ. конф. / Тамбов, 2014. С. 81-85

26. Использование теории измерений латентных переменных с моделью Г.Раша для оптимизации схем лечебно-оздоровительных мероприятий / Н.А. Кореневский, М.И. Лукашов, И.А. Ключиков, А.В. Бойцов // Научный взгляд на современный этап развития общественных, технических, гуманитарных и естественных наук. Актуальные проблемы: сб. науч. статей по итогам всероссийской науч.-практ. конф. - С. Петербург, 2014. - С. 70-72

27. Синтез коллективов нечетких решающих правил для решения классификационных задач в социотехнических системах / Н.А. Кореневский, Л.В. Стародубцева, А.В. Бойцов, И.И. Хрипина // Научный взгляд на современный этап развития общественных, технических, гуманитарных и естественных наук. Актуальные проблемы: сб. науч. статей по итогам всероссийской науч.-практ. конф. - С. Петербург, 2014. - С. 72-76

28. Бойцов, А.В. Синтез решающих правил для прогнозирования заболеваний желудка на основе моделей Г.Раша / Н.А. Кореневский, А.В. Бойцов, В.Г. Никитаев, А.Н. Шуткин // Известия Юго-Западного государственного университета. 2014. №5(56).-С. 69-76.

29. Бикел, П., Доксам, К. Математическая статистика. - М.: Финансы и статистика, 1983. вып.1. -278с; Вып.2. -254с.

30. Боровиков, В.П. Statistica для студентов и инженеров. - М: Компьютер Пресс, 2001.-301с.

31. Браверман, Э.М., Мучник, Ч.Б. Структурные методы обработки эмпирических данных. - М.: Наука, 1983. -464с.

32. Буняев, В.В. Повышение качества медицинского обслуживания населения с использованием методологии донозологической диагностики [Текст] /В.В.

Буняев // Медико-экологические информационные технологии: материалы III Межд. науч. техн. конф. - Курск: Курск, гос. техн. ун-т. 2000. - С. 15-17.

33. Вапник, В.Н., Червоненкис, А .Я. Теория распознавания образов. - М.: Наука, 1974.-487 с.

34. Васильев, В.Н. Распознающие системы. [Текст] / В.Н. Васильев // Справочник. -Киев.: Наукова думка, 1983. -82с.

35. Воробьев, С.А. Математическая обработка результатов исследований в медицине, биологии и экологии. [Текст] / С.А. Воробьев, A.A. Яшин // под ред. A.A. Яшина. Монография. - Тула. ТулГу, 1999. -120с.

36. Воронцов, И.М., Шаповалов, В.В., Шерстюк, Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья. Спб.: ООО «ИПК Коста». 2006.-432с.

э 37. Гаваа Лувсан. Традиционные и современные аспекты восточной

рефлексотерапии. [Текст] / Гаваа Лувсан // М.: Наука, 1986. - 575с.

38. Гаврилов, И.Л. Прогнозирование возникновения и оценка степени тяжести панкреатитов на основе нечеткой логики принятия решений [Текст]: А.Л. Локтионов, H.A. Кореневский, Л.П. Лазурина, И.Л. Гаврилов / Биомедицинская техника и радиоэлектроника. -2009.-№5.-С. 16-22.

39. Гаврилов, И.Л. Метод синтеза гетерогенных нечетких решающих правил состояния сложных объектов [Текст]: H.A. Кореневский, И.Л. Гаврилов / Системный анализ и управление в биомедицинских системах. -2010.-Т.9.-№4.-С.858-864.

40. Галушкин, А.И. Синтез многослойных систем распознавания образов. [Текст] / А.И. Галушкин - М: Энергия, 1974. -386с.

41. Генкин, Я.Я. Новая информационная технология анализа медицинских " данных. - СПб: Политехника, 1999. -191с.

42. Глухов, A.A. Статистика в медицинских исследованиях [Текст] / A.A. Глухов, A.M. Земсков, H.A. Степанян, A.A. Андреев, А.Н. Рог, Э.В. Савенюк, И.Н. Химина, В.А. Куташов. - Воронеж: Изд-во «Водолей», 2005. -158с

43. Горелик, A.Jl. Методы распознавания. [Текст] / А.Л. Горелик, В.А. Скрипкин - М.: Высшая школа, 2004. -261с.

44. Горбань, А.Н. Обучение нейронных сетей. -М.: Изд. СССР-США СП «ParaGraph», 1990. -160с.

45. Горбатенко, П.К., Моделирование процесса распознавания с помощью нейронной сети [Текст] / П.К. Горбатенко, А.Я. Паринский // вестник новых медицинских технологий - 2000 - TVII, № 3-4. -с 41-22.

46. Гублер, Е.В. Вычислительные методы анализа и распознавания патологических процессов. - Л.: Медицина, 1978. -296с.

47. Гублер, Е.В. Применение непараметрических критериев статистики в медико-биологических исследованиях / Е.В. Гублер, A.A. Генкин. - Л.: Медицина, 1973. -144с.

48. Дуброва, Т. А. Статистические методы прогнозирования [Текст]: Учебное пособие для вузов / Т.А, Дуброва. М.: ЮНИТИ-ДАНА, 2003.206с.

49. Дуда, Р., Харт П. Распознавание образов и анализ сцен. - М.: Мир, 1978.-510с.

50. Джарратано, Дж. Экспертные системы: принципы разработки и программирование. / Дж. Джаратано, Г. Райли.-М.: Вильяме. 2007.-1152с.

51. Дюк, В., Эмануэль, В. Информационные технологии в медико-биологических исследованиях. - СПб: Питер, 2003. -528с.

52. Елисеева, H.H. Общая теория статистики. [Текст]/ H.H. Елисеева, М.М. Юзбашев // Учебник под ред. И.И. Елисеевой. -4-е изд., перераб. и доп. - М.: Финансы и статистика, 2003.-480с.

53. Ершов, Д.А. Методы и алгоритмы автоматизированного управления профессиональной ориентацией абитуриента с учётом физиологических затрат на процесс обучения. [Текст]// дисс. канд. техн. наук: 05.13.10. защищена 2003 г./ Д.А. Ершов, Курск, 2003. - 158 с.

54. Завьялов, A.B. Соотношение функций организма (экспериментальный и клинико-физиологический аспекты). М.: Медицина, 1990. - 160 с.

55. Загоруйко, Н.Г. Методы распознавания и их применение. - М.: Сов. радио, 1972. -308с.

56. Заде, J1. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. - М.: Знание, 1974. С.5-49.

57. Заде, JI.A. Понятие лингвистической переменной и ее применение к принятию приближенных решений. [Текст] / JI.A. Заде - М.: Мир, 1976. -312с.

58. Ивахненко, А.Г., Самообучающиеся системы распознавания и автоматического регулирования. [Текст] / А.Г. Ивахненко - Киев. Техника, 1969. -392 с.

59. Ивахненко, А.Г. Долгосрочное прогнозирование и управление сложными системами. - Киев: Техника, 1975. - 311с.

60. Ивахненко, А.Г., Юрачковский, Ю.П. Моделирование сложных систем по экспериментальным данным. - М.: Радио и связь, 1987. - 118с.

61. Конева, JI.B., Кореневская С.Н., Дегтярев C.B. Оценка уровня психоэмоционального напряжения и утомления по показателям, характеризующим состояние внимания человека / Системный анализ. Т.11.-№4.-2012.-С.993-1000.

62. Кореневский, H.A. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики. [Текст] / H.A. Кореневский // Системный анализ и управление в биомедицинских системах. Москва, 2005. Т.4.-№1. С. 12-20.

63. Кореневский, H.A. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования. [Текст] / H.A. Кореневский // Вестник новых медицинских технологий, 2006.T.XIII, №2.С.6-10.

64. Кореневский, H.A. Методы поиска информативных проекционных зон и синтеза нечетких решающих правил для рефлексодиагностики. [Текст] / Кореневский, В.В. Буняев // Системный анализ и управление в биомедицинских системах. Том 3, №2, 2004. -С. 175-178.

65. Кореневский, H.A. Теоретические основы биофизики акупунктуры с приложениями в медицине, психологии и экологии на основе нечетких сетевых моделей [Текст] / H.A. Кореневский, P.A. Крупчатников, Р.Т. Аль-Касасбех.-Старый Оскол: ТНТ, 2013.-528с.- ЮООэкз.-ISBN 978-5-94178-398-4.

66. Кореневский, H.A., Буняев, В.В. Метод синтеза двумерных классификационных пространств // Известия ВУЗов. Приборостроение.2005. Т.48.№2. С.35-38.

67. Кореневский, H.A. Интерактивный метод классификации в задачах медицинской диагностики / H.A. Кореневский, C.B. Дегтярев, С.П. Серегин, A.B. Новиков // Медицинская техника. - 2013. - №4. - С. 1-3.

68. Кореневский, H.A. Геометрический подход к синтезу нечетких решающих правил для решения задач прогнозирования и медицинской диагностики / Кореневский, H.A., Филист С.А., Устинов А.Г., Рябкова Е.Б. // Биомедицинская радиоэлектроника. - 2012. - №4. - С.20-25.

69. Кореневский H.A., Рябкова Е.Б. Метод синтеза нечетких решающих правил оценки состояния сложных систем по информации о геометрической структуре многомерных данных // Вестник Воронежского государственного технического университета. 2011.Т.7.№8. С. 128-137.

70. Кореневский, H.A. Синтез нечетких решающих правил для медицинских экспертных систем с сетевой базой знаний: коллективная монография [Текст] / H.A. Кореневский, Е.Б. Рябкова, С.А. Горбатенко, Е.А. Нечаева. Краснодар. 2010.С.166-187.

71. Кореневский, H.A. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем. Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. - 2013. - №2. - С.99-103.

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

73. Кореневский, H.A. Синтез нечетких сетевых моделей, обучаемых по структуре данных для медицинских экспертных систем / [Текст] H.A. Кореневский, P.A. Крупчатников, С.А. Горбатенко // Медицинская техника. -

2008. - №2.-С. 18-24.

74. Кореневский, H.A. Синтез прогностических и диагностических нечетких решающих правил по электрическим характеристикам проекционных зон для медико-экологических приложений: [Текст] /H.A. Кореневский, В.А. Буняев, P.A. Крупчатников // Известия вузов. Северо-Кавказский регион. Технические науки,

2009.-№4.-С.39-46.

75. Кореневский H.A. Математические модели рефлекторных систем организма человека и их использование для прогнозирования и диагностики заболеваний [Текст] /H.A. Кореневский, В.Н. Гадалов, В.Н. Снопков // Системный анализ и управление в биомедицинских системах, 2012.-Т. 11.- №2.-С.515-521.

76. Кореневский H.A. Использование акупунктурных точек как биоиндикаторов экологической нагрузки на организм человека для прогнозирования и диагностики заболеваний [Текст] /H.A. Кореневский, JI.B. Стародубцева, И.И. Хрипина, А.Г. Устинов // Системный анализ и управление в биомедицинских системах, 2014.-Т.13.- №2.-С.312-317.

77. Кореневский, H.A. Синтез нечетких классификационных правил в многомерном пространстве признаков для медицинских приложений [Текст] / H.A. Кореневский, К.В. Разумова // Известия Юго-Западного государственного университета. - Серия управление, вычислительная техника, информатика. Медицинское приборостроение. - 2012. - №2. - 41. -С. 223-227.

78. Кореневский, H.A. Синтез гибридных нечетких правил для прогнозирования, оценки и управления состоянием здоровья в экологически неблагоприятных регионах [Текст] / H.A. Кореневский, A.C. Башир, С.А. Горбатенко // Известия Юго-Западного государственного университета. - Серия управление, вычислительная техника, информатика. Медицинское приборостроение. -2013. - №4.-С. 69-73.

79. Кульбак, С. Теория информации и статистика. - М.: Наука, 1967. -408с.

80. Кэнал, JI. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога [Текст] / Л. Кэнал, // Распознавание образов при помощи цифровых вычислительных машин. - М.: Мир; 1974.- 157с.

81. Лбов, Г.С. Методы обработки разнотипных экспериментальных данных. [Текст] /Г.С. Лбов, Новосибирск: Наука. 1981. -287с.

82. Лисенков, А.Н. Математические методы планирования многофакторных медико-биологических экспериментов. - М: Медицина, 1979.-344с.

83. Литвак, Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982. -184с.

84. Лорьер, Ж.-Л. Системы искусственного интеллекта.-М.: Мир, 1991.-342с.

85. Лукашов, М.И. Использование информационных технологий для прогнозирования и диагностики инфекционных заболеваний (на примере генитального герпеса): Монография/ М.И. Лукашов, H.A. Кореневский, В.И. Серебровский и др. - Курск, изд-во Курск.гос.с-х.ак., 2011.- 123с.

86. Леонова, А.Б. Психодиагностика функциональных состояний человека. -М.: Изд-во Моск. ун-та. 1984. - 2000 с.

87. Маслак A.A. Теория и практика количественного измерения латентных переменных в здравоохранении и других социальных системах // Материалы Конгресса Всероссийского Форума «Здоровье нации - основа процветания России». - М.: НЦССХ им. А.Н. Бакулева, 2005. - С.91-92.

88. Маслак A.A. Оценка статистической взаимосвязи между склонностью старшеклассников к курению и условиями их жизни и учёбы // Педагогические измерения. - 2005. - №2,-С.101-120.

89. Маслак A.A., Анисимова Т.С., Осипов С.А. Исследование точности модели Раша на основе имитационного моделирования // Сборник трудов участников XI конференции-выставки «Информационные технологии в образовании». Часть V. -М.: МИФИ, 2001.-С, 38-40.

90. Маслак, A.A. Измерение латентных переменных в социально-экономических системах: Монография.- Славянск-на-Кубани: Изд. Центр СГПИ, 2006.-333с.

91. Мелихов, А.Н. Расплывчатые ситуационные модели принятия решений [Текст] / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин // Учеб. Пособие, Таганрог: ТРТИ, 1986. -211с.

92. Медникова, О.В. Методы, модели и алгоритмы принятия решений о состоянии здоровья студентов в зоне действия неблагоприятных экологических факторов [Текст]//дисс. канд. техн. наук: 05.13.10, защищена 50.05.2008. / О.В. Медникова, Курск, 2008.

93. Методика применения экспертных методов для оценки качества продукции [Текст]. -М.: Стандарт, 1975. - 31 с.

94. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под. ред. Р.П. Ягеря. М.: Радио и связь, 1986.-408с.

95. Омельченко, В.П. Практикум по медицинской информатике [Текст] / В.П. Омельченко, A.A. Демидова // Серия учебники. Учебные пособия / Ростов на Дону. Феникс, 2001.304с.

96. Осовский, С. Нейронные сети для обработки информации. [Текст] / Оссовский С. /' Пер. с польского Рудинского Л. Д. - М.: Финансы и статистика.2002. -344с.

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

98. Попов, Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 1987. -287с.

99. Поспелов, Г.С. Искусственный интеллект - основа новой информационной технологии /Г.С. Поспелов - М.: Наука, 1988. - 168с.

100. Рассел С. Норвиг П. Искусственный интеллект: современный подход. Пер. с англ.-М.: Издательский дом «Вильяме», 2006.-1408с.

101. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. с польск. И.Д. Рудинского. М.: Горячая линия - Телеком, 2004. - 452с.

102. Рябкова, Е.Б. Дистальные нечеткие классификаторы для оценки состояния человека в медицинских экспертных системах [Текст] / Е.Б. Рябкова, C.B.

Дегтярев, Ф.А. Старков // Информационные процессы в науке. 2011. Москва, 2011. С.50-53.

103. Рябкова, Е.Б. Нечеткие классификаторы с базовой переменной определяемой мерой близости до разделяющих гиперповерхностей для медицинских и экологических приложений [Текст] / Е.Б. Рябкова // Информационные и управленческие технологии в медицине и экологии: Материалы V Всероссийской научно-технической конференции. Пенза: Приволжский дом знаний. 2011. С. 100-103.

104. Самсонов В.В. Эксперимент по реализации ЭС КОНСУЛЬТАНТ-2 методом трансляции баз знаний из глубинного представления в поверхности // Технология разработки экспертных систем. - Кишенев, 1987. - С. 116-120.

105. Сафонов В.О. Экспертные системы - интеллектуальные помощники . специалистов. - СПб: Санкт-Петербургская организация общества «Знания» . Россия, 1992.-196с.

106. Сергиенко, С.К. Практикум по инженерной психологии и эргономике:-^ учеб. пособие для студ. высш. учеб. заведений / под ред. Ю.К. Стрелкова [Текст]./ / С.К. Сергиенко, В.А. Бодров, Ю.Э. Писаренко и др. М.: Издат. Центр... «Академия», 2003, 400с.

107. Серегин, С.П. Синтез комбинированных нечетких решающих правил для г прогнозирования послеоперационных осложнений в урологии / Серегин С.П., _ Долженков С.Д., Кореневская С.Н., Сапитонова Т.Н. // Известия Юго-Западного университета. Серия: Управление, вычислительная техника, информатика. • ¡г: Медицинское приборостроение. - №2.-2012.-4. 3. - С. 293-297.

108. Справочник по функциональной диагностике в педиатрии [Текст]: Под ред. Ю.Е. Ватищева, Н.С. Кисляк. М.: Медицина, 1979. - 624 с.

109. Сергеев Ю.В., Рюмин Д.В. Место ПЦР В диагностике урогенитальных инфекций: взгляд клиницистов. // Вестник последипломного медицинского образования. 2001г. №2-с.12-16

110. Танака, К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве [Текст] / К. Танака // в кн. Нечеткие множества и теория

возможностей. Последние достижения. Пер. с англ. / Под ред. P.P. Ягеря - М.: Радио и связь, 1986. - 408с.

111. Таусенд, К., Фохт, Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика. 1990г. -346с.

112. Терехина, А.Ю. Анализ данных методами многомерного шкалирования [Текст] / А.Ю. Терехина. -М.: Наука, 1986.-215с.

113. Титов B.C. Классификация функционального состояния человека и нечеткая оценка из уровня [Текст] / B.C. Титов, Т.Н. Сапитонова// Известия Юго-Западного государственного университета. - 2012.-№2. Ч.З. -С. 320-324.

114. Уотерман, Р.Д. Построение экспертных систем [Текст]: Д. Уотерман, Д. Ленат, Ф. Хейсе-Рот.: пер, с англ. - М.Мир, 1987. -521с.

115. Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика [Текст] / A.A. Усков, A.B. Кузьмин. М.: горячая линия - телеком, 2004. -143с.

116. Устинов, А.Г. Автоматизированные медико-технологические системы в 3- ,

'л*'

х частях [Текст] / А.Г. Устинов, В.А. Ситарчук, H.A. Кореневский // Под ред. А.Г..«-• Устинова // Монография КурскГТУ, Курск. 1995. -390с.

117. Фомин, A.A., Статистическая теория распознавания образов. [Текст] / A.A. Фомин, М.: Радио и связь, 1986.

118. Филатова, О.И. Метод, модели и алгоритм анализа и управления функциональным состоянием человека на основе нечётких гетерогенных правил принятия решений [Текст]/ О.И. Филатова // дисс. канд. техн. наук: 05.11.17, защищена 11.11.11, Курск, 2011.

119. Хаитов Р.М, Пинегин Б.В. Современные представления о защите организма от инфекции. Иммунология 2000; 1:61_4.

120. Хадарцев, A.A. Информационные технологии в медицине: монография [Яшин A.A., Еськов В.М., Агарков Н.М„ Кобришский Б.А., Фролов М.В„ Чухраев A.M., Хромушин В.А., Гонтарев С.Н. Каменев Л.И., Валентинов Б.Г., Агаркова Д.И., Науч. Ред. A.A. Хадарцев] - Тула, 2006. -272с.

121. Харьков, C.B. Оценка защитных механизмов организма и их роль в задачах прогнозирования и медицинской диагностики / C.B. Харьков, С.Д. Долженков, С.Н. Кореневская, А.Г. Коцарь // Системный анализ и управление в биомедицинских системах. 2012. Т. 11. №1

122. Четыркин, Е.М. Статистические методы прогнозирования / Е.М. Четыркин. М.: Прогресс, 1970. - 247с.

123. Шаповалов, В.В. Двухуровневая система принятия решений в медицинской информационной системе /В.В. Шаповалов, А.Г. Корестелев, A.B. Тишков // Биомедицинская радиоэлектроника 2010. №9.-С.79-88.

124. Шаповалов В.В. Нечеткий метод построения решающих правил в системах скринирующей диагностики // Биомедицинская радиоэлектроника. - 2013 -№1. -С.64-66.

125. Штотланд, Т.М. Разработка методов и средств комплексной диагностики й управления функциональным состоянием человека по фазам динамика деятельности: дисс. Канд. Техн. Наук: 05.13.01, защищена 28.10.03, Штотланд Татьяна Михайловна, Курск, 2003.- 145с.

126. Яхъяева, Г.Э. Нечеткие множества и нейронные сети. Учебное пособие [Текст] / Г.Э. Яхъяева // М.: Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний. 2006. - 316с.

127. Яцун С.М. Нечеткое прогнозирование кожных заболеваний, развивающихся на фоне общесистемных расстройств [Текст]: С.М. Яцун, H.H. Савченко, O.A. Демченко // Труды V Всероссийской НТК «Искусственный интеллект в 21 веке. Решения в условиях неопределенности». - Пенза, 2007.-С.84-86.

128. Яцун С.М. Компьютерные системы в дерматологии [Текст]: монография / С.М. Яцун, H.A. Кореневский, М.И. Лукашов; Курск, гос. ун-т. - Курск, 2009. -227с.

129. Al-Kasasbeh R., Korenevskiy, N., lonescou, F., Alshamasin M. Kuzmin, A. Synthesis of fuzzy logic for prediction and medical diagnostics by Energy

Characteristics of Acupuncture Points. - Journal of Acupuncture and Meridian Studies. Korea. - Vol.4, № 3. - 2011. - P. 175-182.

130. Al-Kasabeh R.T., Korenevskiy N.A., Ionescu F., Kuzmin A.A. «Synthesis of combined fuzzy decision rules based on the exploration analysis data». Proc. 4th IAFA Intern. Conference Interdisciplinary Approaches in Fractal Analysis, Bucharest, Romania, May 26-29, 2009 ISSN 2066-4451, P.71-78.

131. Al-Kasasbeh R.T., Korenevskiy N.A., Ionescu F., Kuzmin A.A. "Using Fuzzy logic for prediction of occurrence, aggravation and pre-nosological diagnosis of osteochondrosis of a backbone s lumbar region". Proceedings of the IASTED International Conference Computational Intelligence. - August 17-19, 2009: Honolulu, HI, USA: ACTA Press 2009: P. 190-194.

132. Andrich D. Advanced Social and Educational Measurement. - Perth: Murdoch University, 2001. - 128p.

133. Andrich D. Rasch Models for Development. - London: Sage Publications, Inc., 1988.-94 p.

134. Ashley RL. Sorting out the new HSV type specific antibody tests. Sex Transm Infect 2001; 77: 232-7. (Level III).

135. Baker F.B. The Basics of Item Response Theory. -ERIC, 2001. - 172 p.

136. Bezruczko N. Rasch Measurement in Health Scciences. - Maple Grove, Minnesota: JAM Press, 2005. - 483 p.

137. Bond T.G., Fox C.M. Applying the Rasch model. Fundamental Measurement in the Human Sciences. - Mahwah, New Jersy: Lawrence Erlhaum Associates, Inc., Publshers, 2001.-255 p.

138. Bruce, G. Buchanan, Edward H. Sportlife. Rule-Based Expert Systems The MYCIN Experiments of the Stanford Heuristic Programming Projext. Addison-Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-201-10172-6. Fuzzy Logic Toolbox. For use MATLAB: Users Gvide.-Natick: The Math Works, Inc., 1998.235 p.

139. Centers for Disease Control and Prevention. Sexually transmitted diseases treatment guidelines 2002.MMWR 2002; 51 (No. RR_6).

140. Centers for Disease Control and Prevention. Sexually transmitted disease surveillance 2002. Atlanta (GA): CDC; 2003. (Level II-3).

141. Clinical Management Guidelines for Obstetrician-Gynecologists. Number 57, November 2004.

142. Corey L, Langenberg AGM, Ashley R et al. Recombinant glycoprotein vaccine for the prevention of genital HSV-2 infection: two randomized, controlled trials. JAMA 1999; 282: 331-40.

143. Fortenberry JD, McFarlane M, Bleakley A et al. Relationships of stigma and shame to gonorrhea and human immunodeficiency virus screening. Am J Public Health 2002; 92:378-81.

144. Fortenberry JD. McFarlane M. Bleakley A, et al. Relationships of stigma and shame to gonorrhea and human immunodeficiency virus screening. Am J Public Health 2002; 92: 378-81.

145. Getting Started RUMM 2010. Rasch Unidimensional Measurement Models.-Pert: RUMM Laboratory Ltd. 2001. - 87 p.

146. Immunodeficiency virus post-test counseling by telephone for low risk clients of an urban sexually transmitted diseases clinic. Se? Transm Dis 1996; 23: 190-7.

147. Jerome KR, Huang ML, Wald A et al. Quantitative stability of DNA after extended storage of clinical specimens as determined by real-time PCR. J Clin Microbiol 2002; 40: 2609-11. (Level III).

148. Ingebo G.S. Probability in the Measure of Achievement. - Chicago: MESA Press, 1997,- 148 p.

149. Korenevskiy N.A. Prediction and prenosological diagnostics of gastrointestinal tract diseases based on energy characteristics of acupuncture points and fuzzy logic [Text]/ Riad Al Kasasbeh, Florin Ionescu, Machdi Shamesserb// International Conference on Bioinformatics and Biomedical Technology, Sanya, China, March 2527, 2011.-P. 307-312.

150. Korenevskiy, N. A. Prediction and prenosological diagnostics of heart diseases based on energy characteristics of acupuncture points and fuzzy logic [Текст] / N. A.

Korenevskiy, R.T. A1 -Kasasbeh, F. Ionecou // Computer methods in biomechanics and biomedical engineering. - 2012. - V. 15 - Issue 7. - P.681-689.

151. Korenevskiy, N. A. Use of an Interactive Method for Classification in Problems of Medical Diagnosis [Текст] / N. A. Korenevsky, S. V. Degtyarev, S. P. Seregin, A. V. Novikov // Biomedical Engineering November 2013, Volume 47, Issue 4, pp 169-172.

152. Korenevskiy, N. A. Prediction of gastric ulcers based on the change in electrical resistance of acupuncture points using fuzzy logic decision-making [Текст] / N.A. Korenevskiy, R.T. Al-Kasasbeh, M. Alshamasin, F. Ionescou, A. Smith // Computer Methods in Biomechanics and Biomedical Engineering. - 2013. - Volume 16, Issue 3. -P. 302-313.

153. Korenevskiy, N. A. Design of network-based fuzzy knowledge bases for medical decision-making support systems [Текст] / N. A. Korenevsky, S.A. Gorbatenko, R.A. Krupchatnikov, M. I. Lukashov // Biomedical Engineering. - 2009. -V.43.-no.4. - P. 187-190.

154. Korenevskiy, N. A., Krupchatnikov, R.A., Gorbatenko, S.A. Generation of fuzzy network models taught on basic of data structure for medical expert systems, Biomedical Engineering Journal, Vol.42, No.2, pp.67-72.

155. N. A. Korenevskiy, D. E. Skopin, R. Т. A1 Kasasbeh, A. A. Kuz'min, System for Studying Specific Features of Attention and Memory,Biomedical Engineering Journal, Springer, New York ,Vol. 44, No. 1, 2010, pp. 32-35.

156. N. Korenevskiy, Riad Taha Al-Kasasbeh, F. Ionescou, M. Alshamasin, Anrew P. Smit Fuzzy Determination of The Humans Level of Psycho-Emotional. "MegaConference on Biomedical Enginering" Proceedings of the 4th-international conferece jn the develjpment of biomedical engineering Ho Chi Minh City Vietnam January 8-12, 2012, p 354-357

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

158. Korenevskiy, N. A., Khodeev D.V., Yatsun S.M. 'Prediction of genesis and development of skin diseases at bioactive sites using fuzzy decision rules'. Biomedical Engineering. Springer New York. Volume 42, Number 2 /March - 2008 pp. 60-63. ISSN 0006-3398 (Print) 1573-8256 (Online).

159. Kosco B. Fuzzysustems as universal approximators // IEEE Transactions on Computers, vol.43, № 11, November 1994.-P. 1329-1333

160. Kulback, S. Information Theory and Statistics. New York: Wiley, 1959. Li HX conventional fuzzy control and its enhancement [Text] / HXLi, HB Gatland // IEEE Transactions on Sustems, Man and cyberretics, Par tb, 1966.-Vol. 26, №5.-P.791-797

161. Levin M.J., Bacon T.H., Leary J.J. // Clin. Infect. Dis. 2004. Vol. 39 (Suppl. 5). S248-257.

162. Linacre J.M. Many-Facet Rasch Measurement. - Chicago: MESA Press, 1994. -149 p.

163. Mamdani, E.N. Application of fuzzy logic to approximate reasoning usinq linguistic synthesis / E.N. Mamdani // IEEE Transactions on computers. 1977.- vol 26, no 12.-p. 1182-1191

164. Mamdani, E.N., Asslian S. An experiment in linguistic synthesis with a fuzzy logic controller [Text] E.N. Mamdani, S. Asslian // international Journal of Man-Machine Studies. 1975. Vol. 7. P.l-13.

165. Mordeson J.N., Butani K.R., Rosentelol A. Fuzzy Group Theoru. Berlin: Springer - Verlag, 2005.300p.

166. Mohamedi S.A., Brewer J.M., Alexander J. Antibody responses, cytokine levelsand protection of mice immunised with HSV-2 antigen formulated into NISV orlSCOM delivery systems//Vaccine,-2000.-Vol.l8.- P.2083-2094.

167. Mohamedi SA, Heath AW. Therapeutic vaccination against HSV02: influence ofvaccine formulation on immune responses and protection in mice // J Vaccine.-2000.-Vol. 18(17).-P. 1778-1792.

168. Negoita, C.N. Expert System and Fuzzy Systems. The Benjamin/ Cammings Publishing'Co., Menio Park, CA, 1985.

169. Nack A. Damaged goods: Women managing the stigma of STDs. Deviant Behavior: Interdisciplinary J 2000; 21: 95-121.

170. Patel R., Bodsworth N., Woolley P. et al. Valaciclovir for the suppression of recurrent genital HSVinfection: a placebo controlled study of once_daily therapy // GenitourinMed. - 1997.-73.-P. 105-109.

171. Rasch G. Probabilistic models for some intelligence anent tests (Expanded edition, with foreword and afterword by Benjamin D. Wright). - Chicago: University of Chicago Press, 1980.-199p.

172. Sammon J.W.JR. Interactive Pattern Analysis and Classification// IEEE Transactions on computers. July 1970. Vol. C-19, Issue 7.P. 594-616.

173. Sammon, Y.W. A. Nonlinear mapping for Data Structure Analysis// IEEE Trans/ Comput.-1969, -C-18-N5-P.401-409.

174. Sammon J.W.JR., Proctor, A.H. Roberts, D.F., "An interactive-graphic subsystem For pattern analysis", Pattern Recognition Pergamon Press 1971. Vol.3 pp. 37-52.

175. Sijtsma K., Molenaar I.W. Introduction to Nonparamentric Item Response Theory. - London: SAGE Publications, 2002. - 168 p.

176. Shortliffe, E.H. Computer- Based medical Consultations: MYCIN, New York: American Elseviver, 1976.

177. Smith E.V., Smith M.S. Introduction to Rasch Measurement Theory, Models and Applications. - Marie Grove, Minnesota: JAM Press, 2004.- 689p.

178. Smith R.M. Rasch Measurement Models: Interpreting WINSTEPS/BIGSTEPS and Facets Output. - Gainesville, Florida: JAM Press, 1995.

179. Spruance S.L., Jones T.M., Blatter M.M. et al. High Dose, short_duration, early valacyclovir therapyfor episodic treatment of cold sores: results of two randomized, placebo controlled, multicenterstudies // Antimicrob. Agents Chemother. - 2003. - 47. -P. 1072-1080.).

180. Taraqi H., Hayashi L., NN-craven fuzzy reasoning, International Jowrnal of Approximate Reasoning, 1991, vol 5, nr 3-p. 192-212

181. Taraqi H.,Sugeno M. Fuzzy igentification of sustems and is applications to modelinq end control // IEEE Transactions on Systems Man and Cybernetics, 1985.-V.Smc.-15.-P.116-132.

182. Ustinov A., Boitsov A., Korenevskaya S., Khripina E. Intelligent medical systems with groups of fuzzy dicision rules // 10 Russian-German conference on biomedical engineering June 25-27 2014. - Saint Petersburg: Saint Petersburg State Electrotechnical University, 2014. - pp. 90-92.

183. Valacyclovir for episodic treatment of genital herpes: a shorter 3-day treatment course compared with 5-day treatment. Leone P.A., Trottier S., Miller J.M. Clin Infect Dis 2002 Apr 1; 34(7):958-62

184. Wald A., Selke S., Warren T., Aoki F.Y., Sacks S., Diaz-Mitoma F., Corey L. Sex Trans Dis 2006; 33: 529-533

185. Wilson M. Constructing Measures: An Item Response Modeling Approach. -Mahwah, New Jersey: Lawrence Erlbaum associates, 2005. - 228 p.

186. Wright B.D., Masters G.N. Rating Scale Analysis. - Chicago, MESA PRESS, 1982.-206 p.

187. Wright B.D. Solving measurement problem with the Rasch model //Journal of Educational Measurements. - 1977. - V. 14 - #2. - P. 97-116.

188. Wright B.D., Stone M.H. Best Test Design. - Chicago, MESA PRESS, 1979. -222 p.

189. Zadeh, L.A (1965) Fuzzy sets, Inf Control, Vol.8, pp.338-353

190. Zadeh, L.A Advances in Fuzzy Mathematics and Engineering Fuzzy Sets and Fuzzy information-Granulation Theory. Beijing. Beijing Normal University-Press. 2005. ISBN 7-303-05324-7

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.