Система экспресс-диагностики тромбозов и эмболий тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Сержантова, Наталья Александровна

• Сержантова, Наталья Александровна
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Сержантова, Наталья Александровна

ВВЕДЕНИЕ.

ГЛАВА 1 СРАВНИТЕЛЬНЫЙ АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ И СРЕДСТВ ДИАГНОСТИКИ ПАТОЛОГИЙ СЕРДЕЧНО-СОСУДИСТОЙ СИСТЕМЫ ЧЕЛОВЕКА.

1.1 Современные системы экспресс-диагностики заболеваний.

1.2 Методы и средства диагностики тромбозов и эмболий.

1.2.1 Систематизация методов диагностики тромбозов и эмболий.

1.2.2 Анализ преимуществ и недостатков существующих методов диагностики тромбозов и эмболий.

1.2.3 Методы диагностики тромбозов и эмболий, сопровождающиеся забором крови.

1.2.4 Средства диагностики тромбозов и эмболий.'

1.3 Разработка схемы алгоритма диагностики тромбозов и эмболий.

1.4 Выбор математических методов принятия решений в медико-биологическом эксперименте.

Введение диссертации (часть автореферата) на тему «Система экспресс-диагностики тромбозов и эмболий»

Современное состояние науки и техники характеризуется широким использованием информационных технологий в различных направлениях научных исследований: в проекте расшифровки генома, в медицинской диагностике, в проблемах оптимизации для различных областей технических наук и экономики, в автоматизации распознавания речи, в исследованиях космоса и т.д. Решению многих вопросов, связанных с разработкой информационных систем, а также методик и алгоритмов решения различных практических задач способствовали работы ученых A.B. Красова, В.И. Дмитриева, Т.А. Гавриловой, Л.Ю. Куликовского, Э.К. Шахова и др.

Одной из наиболее перспективных областей применения достижений современных информационных технологий является медицина и медицинская техника. Различные аспекты теории и практики применения информационных технологий в медицине для создания медицинских информационных систем, достаточно полно освещены в работах A.B. Гусева, В.Я. Гельмана, Б.А. Кобринского, Д.А. Новикова, А.П. Немирко, И.Н. Спиридонова, A.B. Самородова и др. Несмотря на большое количество проведенных исследований, остаются вопросы, требующие дополнительной проработки. К ним относятся вопросы создания систем экспресс-диагностики для медицины критических состояний, позволяющих исследовать слабоструктурированные клинические данные, производить постановку предварительного диагноза, а также осуществлять прогнозирование исходов заболеваний.

Актуальность исследований

Проблема нахождения функциональной зависимости по эмпирическим данным встает перед многими исследователями в различных отраслях науки. Данная проблема обычно решается при помощи методов интерполяции или экстраполяции. Применяются различные статистические методы, в большинстве случаев сводящиеся к построению линейных регрессионных уравнений.

Однако встречаются ситуации, когда найти зависимости при помощи такого подхода невозможно. В таких случаях применяются «интеллектуальные методы», такие как экспертные системы, нейронные сети, генетические алгоритмы и т.д. С помощью методов и алгоритмов интеллектуальной поддержки принятия решений решаются задачи сжатия массивов эмпирической информации, прогнозирования, классификации, диагностики и т.д. Указанные выше методы находят свое применение и в медицине.

Анализ применения компьютерных технологий в медицинских учреждениях показывает, что в основном они внедряются в областях, связанных с обработкой документации, хранением и передачей данных, а также для статистического анализа, в то время как некоторые важнейшие участки лечебно-диагностического процесса, такие как диагностика заболеваний, практически не используют возможности ЭВМ [1-3]. Во многом этому препятствуют особенности медико-биологической информации и психологический аспект восприятия решений, продиктованных компьютером.

Однако именно в этом сегменте медицинских технологий наиболее актуальным является внедрение компьютерных технологий в виде систем экспресс-диагностики, в основу которых заложены методы и алгоритмы интеллектуальной поддержки принятия решений.

С точки зрения компьютерных технологий система экспресс-диагностики представляет собой компьютерную автоматизированную систему, целью которой является помощь практикующим специалистам, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности [4]. Одним из социально значимых направлений разработки и внедрения систем экспресс-диагностики является исследование сердца и сосудов, так как заболевания этих органов занимают первое место в мире. Особое внимание при диагностике патологий сердечно-сосудистой системы следует обратить на тромбозы и эмболии.

Возникновение и развитие тромбозов и эмболий объединяет целый ряд заболеваний и осложнений, в том числе и такие грозные сердечно-сосудистые нарушения, как инфаркт миокарда, инсульт, тромбоэмболия легочной артерии.

В России венозным тромбозом ежегодно заболевают 240000 человек, а эмболия легочных артерий, в том числе фатальная, развивается у 100000 из них, что значительно превышает показатели заболеваемости туберкулезом, вирусным гепатитом, а также ВИЧ-инфекцией. По данным многочисленных патоло-гоанатомических исследований [5,6], в 50 - 80% случаев тромбоэмболия не диагностируется вообще, а во многих случаях ставится лишь предположительный диагноз.

Предупреждение и лечение тромбозов является одной из важнейших задач повседневной клинической практики. Широкое распространение тромбозов и эмболий, высокая летальность, разнообразие симптомов и осложнений, тяжелые последствия при несвоевременной диагностике нарушений подобного рода обусловливает актуальность исследований, направленных на поиск наиболее эффективных методов экспресс-диагностики данных патологий.

Применение «интеллектуальных» и алгоритмических методов в ходе проведения исследований связано с рядом особенностей данных для обработки и анализа, а также извлечения знаний:

1. Факторы риска данной патологии являются широко распространенными и к группе риска можно отнести подавляющее большинство населения.

2. Существующие приборы и методы экспресс-диагностики и комплексного исследования тромбоэмболизма дают четкую картину лишь в случае ярко выраженной нормы, либо при острой патологии.

3. До сих пор в клинической практике отсутствуют скрининг-тесты для определения застоя крови, прогнозирования гиперкоагуляции или утолщения сосудов, с возможным формированием тромба.

4. При анализе параметров возникает ряд трудностей, связанных с невозможностью разграничить диапазоны нормальных и патологических значений параметров. Представление о нормальном функционировании системы свертывания крови очень условно и не имеет четких рамок [7, 8].

Перечисленные выше особенности обусловливают тот факт, что для эффективной экспресс-диагностики врачу необходимо проанализировать достаточно большой объем слабо структурированных данных для каждого конкретного пациента в процессе массового обследования населения. Сделать это без применения средств вычислительной техники не представляется возможным. Поэтому, для повышения качества диагностики, необходимо разработать способ оценки состояния пациента, используя возможности современных компьютерных технологий, методов алгоритмизации и средств анализа данных, обнаружения закономерностей в данных и интерпретации полученных результатов.

Для" решения задач классификации (к которым можно отнести процесс постановки диагноза) и отнесения объекта с определенным набором признаков к одному из известных классов можно использовать различные математические методы, такие как дискриминантный, регрессионный анализ и др. Однако, характер исследуемых данных, сложность формализации зависимостей и большой объем вычислительных операций определяет выбор нейронных сетей в качестве математического аппарата для обработки.

Результаты исследований, полученные с применением информационных технологий, являются важными для обеспечения своевременной и качественной диагностики нарушений в системе свертывания крови на ранних стадиях развития заболеваний. Практическое применение системы экспресс-диагностики позволит в дальнейшем сократить временные и материальные затраты пациентов на дорогостоящую диагностику тромбозов и эмболий, а также автоматизировать процесс прогнозирования исхода заболевания.

Цель исследования

Разработка системы экспресс-диагностики тромбозов и эмболий на базе современных медицинских технологий диагностики и прогнозирования исходов заболевания для повышения диагностической эффективности способов и средств обработки и оптимизации клинических данных, получаемых в медицинском технологическом процессе.

Задачи исследования

1. Анализ существующих способов измерения и оценки исследуемых параметров сердечно-сосудистой системы, выявление их недостатков и обоснование разработки нового способа диагностики тромбозов и эмболий.

2. Разработка нового способа экспресс-\циагностики, основанного на применении современных нейросетев'ых технологий, отличающегося комплексной математической предварительной обработкой параметров гемостаза с последующим ^выявлением наиболее информативных признаков.

3. Разработка структуры и программного обеспечения системы экспресс-диагностики, производящей обработку, представление, передачу данных и* поддержку принятия врачебных решений.

4\ Оценка эффективности работы системы экспресс-диагностики для подтверждения адекватности результатов ее работы.

5. Внедрение разработанных способов и средств экспресс-диагностики тромбозов и эмболий.

Для г выполнения основной цели и поставленных задач в работе решены следующие вопросы:

• систематизация методов'диагностики тромбозов и эмболий по способу получения диагностической информации;

• систематизация методов диагностики тромбозов и эмболий по локализации поражений;

• разработка алгоритма проведения диагностических мероприятий при подозрении на тромбоз и/или тромбоэмболию;

• разработка алгоритма «отсева» малоинформативных параметров с целью оптимизации клинических данных;

• разработка алгоритма выбора структуры нейронных сетей, входящих в состав системы экспресс-диагностики;

• разработка алгоритма нейросетевой диагностики;

• разработка интерфейса пользователя системы экспресс-диагностики и прогнозирования исхода заболевания;

• экспериментально-математическая оценка информативности, чувствительности, специфичности и диагностической эффективности системы экспресс-диагностики.

Объектом исследования является система экспресс-диагностики патологий сердечно-сосудистой системы.

Предметом исследования является информационное, методическое и программно-алгоритмическое обеспечение системы.

Методы исследования

Для решения поставленных задач использовались методы системного анализа и теории биотехнических систем, принципы создания и функционирования программных средств вычислительной техники, методы алгоритмизации и объектно-ориентированного программирования для проведения исследований, методы оценки адекватности полученных результатов, а также интерпретации полученных экспериментальных данных.

Научная новизна исследования

1. Разработан новый способ экспресс-диагностики, основанный на применении современных нейросетевых технологий, который отличается комплексной предварительной математической обработкой параметров гемостаза с выявлением наиболее информативных признаков и обеспечивает повышение диагностической эффективности работы системы.

2. Предложен способ оптимизации клинических данных для решения задачи экспресс-диагностики, основанный на расчете значения эффективности диагностики и оценке «вклада» каждого отдельного параметра в увеличение эффективности.

3. Предложен и программно реализован алгоритм диагностики тромбозов и эмболий, отличающийся тем, что на базе нейросетевых технологий производится анализ наиболее информативных параметров гемостаза, позволяющий классифицировать состояние пациента как нормальное и патологическое, а также прогнозировать исход заболевания.

4. Разработаны структура и программное обеспечение системы экспресс-диагностики, производящей обработку, представление, передачу данных и поддержку принятия врачебных решений с помощью специализированного интерфейса.

Практическая значимость

Разработанная система экспресс-диагностики использована в клинической практике при лабораторном анализе, предварительной диагностике, прогнозировании течения заболеваний, а также в медицине критических состояний при планировании интенсивной терапии и для контроля ее эффективности. Кроме того, система используется в учебно-научном процессе кафедры «Информационные технологии и менеджмент в медицинских и биотехнических системах» Пензенской государственной технологической академии (ПГТА), занимающейся подготовкой специалистов по направлению «Биомедицинская инженерия» и кафедры «Анестезиология-реаниматология и скорая медицинская помощь» Пензенского института усовершенствования врачей (ПИУВ).

Применение данной системы позволяет сократить временные и материальные затраты на дорогостоящую диагностику тромбозов и эмболий, а также автоматизировать процесс прогнозирования исхода заболевания.

В круг пользователей системы входят практикующие врачи, персонал биохимических лабораторий, инженерный и преподавательский состав учреждений образования и здравоохранения, студенты специальностей медицинского и медико-технического профиля.

Внедрение результатов исследования

Результаты исследований внедрены в клиническую практику ПИУВ, технологический процесс ЗАО «Трибомаш» (г. Пенза), учебный процесс кафедры «Информационные технологии и менеджмент в медицинских и биотехнических системах» Пензенской государственной технологической академии и кафедры «Анестезиология-реаниматология и скорая медицинская помощь» ПИУВ.

Автор выражает благодарность кандидату медицинских наук, доценту кафедры «Анестезиология-реаниматология и скорая медицинская помощь» ПИУВ Л. А. Филипповой за предоставленные клинические данные параметров гемостаза и консультации по медицинским аспектам диссертационной работы.

Структура и объем диссертации

Общий объем работы составляет 185 страниц основного текста, в том числе 44 рисунка, 14 таблиц и 3 приложения.

Диссертация состоит из введения, четырех глав основного материала и приложений, заключения и списка использованных источников, содержащего 135 наименований.

Заключение диссертации по теме «Приборы, системы и изделия медицинского назначения», Сержантова, Наталья Александровна

Основные результаты диссертационной работы были использованы при разработке системы экспресс-диагностики тромбозов и эмболий, предназначенной для предварительной диагностики нарушений свертывания крови -тромбозов и эмболий, и прогнозирования исходов данных патологий. Разработанная система обеспечивает повышение диагностической эффективности способов и средств обработки и оптимизации клинических данных, получаемых в медицинском технологическом процессе.

Предложенные способы экспресс-диагностики патологий тромбозов и эмболий и оптимизации клинических данных позволяют сократить количество входных показателей до необходимого и достаточного количества, произвести постановку предварительного диагноза, дифференцировать несколько патологий и/или прогнозировать исход заболевания.

Полученные результаты использованы в клинической практике для создания автоматизированного рабочего места врача интенсивной терапии и мониторинга параметров гемостаза на основе нейросетевых технологий, а также применяются в качестве методического пособия для обучения специалистов медико-технического профиля с целью повышения их квалификации. Результаты проведенных исследований внедрены в технологический процесс ЗАО «Трибомаш» г. Пенза.

ЗАКЛЮЧЕНИЕ

В процессе подготовки диссертационной работы проводились теоретические и экспериментальные исследования. При проведении этих исследований были получены следующие новые результаты:

1. Проведен анализ существующих способов измерения и оценки информационных параметров сердечно-сосудистой системы, который показал, что среднее значение диагностической эффективности этих способов не превышает 80 %, и позволил сформулировать требования к разработке и реализации нового способа диагностики тромбозов и эмболий.

2. Разработан новый способ экспресс-диагностики, основанный на применении современных нейросетевых технологий, отличающийся комплексной математической предварительной обработкой параметров гемостаза с последующим выявлением наиболее информативных признаков, обеспечивающий повышение диагностической эффективности работы системы.

3. Предложен способ оптимизации информационных данных для решения задачи экспресс-диагностики, основанный на расчете значения эффективности диагностики и оценке «вклада» каждого отдельного параметра в увеличение эффективности, позволивший выявить 10 информативных параметров гемостаза.

4. Предложен и программно реализован алгоритм нейросетевой диагностики тромбозов и эмболий, отличающийся тем, что на базе нейросетевых технологий производится анализ наиболее информативных параметров гемостаза, позволяющий классифицировать состояние пациента как нормальное и патологическое, а также прогнозировать исход заболевания.

5. Разработаны структура и программное обеспечение системы экспресс-диагностики, производящей обработку, представление, передачу данных и поддержку принятия врачебных решений с помощью специализированного дружественного интерфейса, обеспечивающего автоматизацию следующих операций: ввод данных в базу; экспорт данных в нейросетевой блок; импорт результатов нейросетевого анализа в базу данных; интерпретация результатов работы нейронных сетей; постановка предварительного диагноза; получение справочной информации о скрининговой системе.

6. Экспериментально подтверждена эффективность нейросетевой диагностики тромбозов и эмболий. Чувствительность метода составила 88 %, специфичность - 94 %, диагностическая эффективность (безошибочность) — 92 %.

Список литературы диссертационного исследования кандидат технических наук Сержантова, Наталья Александровна, 2011 год

1. Платонов, А.Е. Статистический анализ в медицине и биологии: задачи, терминология, логика, компьютерные методы. -М.: Изд-во РАМН, 2000.

2. Ройтберг, Г.Е. Лабораторная и инструментальная диагностика заболеваний внутренних органов / Г.Е. Ройтберг, A.B. Струтынский. М.: Медицина, 2003.

3. Алгоритмы обработки экспериментальных данных / под ред. H.A. Овсевича. -М.: Наука, 1986.4. " Воробьев, A.B. Общие вопросы скрининга / A.B. Воробьев, А.Э. Протасова // Практическая онкология. Т. 11, №2 - 2010. С. 53-59.

4. Пермяков, Н.К. Патология реанимации и интенсивной терапии. — М.: Медицина, 1985.

5. Мировая статистика здравоохранения: 2010 год. Всемирная организация здравоохранения, 2010.

6. Кириенко, А.И. Острый тромбофлебит / А.И. Кириенко, A.A. Матюшенко, В.В. Андрияшкин. — М.: Изд-во «Литтерра», 2006.

7. Физиология человека / под ред. В.М. Покровского, Г.Ф. Коротько. — М.: Медицина, 2001.

8. Ерушова, H.A. Система скринингового исследования нарушений гемостаза / М.А. Сидорова, H.A. Ерушова // Каталог научно-технической продукции Пензенской государственной технологической академии: Выпуск 4. -Пенза: Изд-во ПТУ, 2007. С. 18-19.

9. Бердников, A.B. Медицинские приборы, аппараты, системы и комплексы. Часть 1. Технические методы и аппараты для экспресс-диагностики / A.B. Бердников, М.В. Семко, Ю.А. Широкова. Казань: Изд-во Казанского государственного технического университета, 2004.

10. Заявка на изобретение 95104727 Российская Федерация, МПК6 А61В10/00. Способ предварительного выявления носителей гарднереллеза /

11. Грачева З.А.; заявитель Грачева З.А. 95104727/14, 31.03.1995; опубл. 27.12.1996.

12. Пат. 2210972 Российская Федерация, МПК7 А61ВЗ/02. Устройство для скрининговой диагностики зрения / Золотов С.А., Воробьева Т.Л., Калинин Н.Н., Козлова Л.П., Швецова Л.И., Дудников C.B., Кезина Л.П., Сельцовский

13. A.П.; заявитель и патентообладатель ЗАО "H111I Центр "Реабилитация". № 2001134563/14; заявл. 21.12.2001; опубл. 27.08.2003.

14. Пат. 2357652 Российская Федерация, МПК7 А61ВЗ/024. Способ скрининговой диагностики глаукомы / Симакова И. Л., Волков В. В., Бойко Э.

15. B., Клавдиев В. Е., Андреа К.; заявитель и патентообладатель Симакова И. Л., Волков В. В., Бойко Э. В., Клавдиев В. Е. № 007137305/14; заявл. 08.10.2007; опубл. 10.06.2009.

16. Пат. 2155345 Российская Федерация, МПК7 G01N3 3/557, C12N15/12, C12N15/62, С07К14/705. Способ скрининга невропатологии / Килгэннон П. Д., Гэллатин У. М.; заявитель и патентообладатель Айкос К. № 97104028/13; заявл. 06.06.1996; опубл. 7.08.2000.

17. Большая медицинская энциклопедия / гл. ред. Б. В. Петровский. т. 25. - М.: Изд-во Советская энциклопедия, 1980.

18. Панченко, В.М. Свертывающая, противосвертывающая системы в патогенезе и лечении внутрисосудистых тромбозов. М.: Медицина, 1966.

19. Интегральная медицина XXI века: теория и практика. — Эл. уч. -Web: http://www.it-med.ru/library/libarticle.

20. Guidelines on diagnosis and management of acute pulmonary embolism. European Society of cardiology. Eur. Heart J., 2000. P. 1301-1336.

21. Munganelli, D., Palla, A., Donnamaria, V. et al. Clinical features of pulmonary embolism. Doubts and certainties // Chest. 1995. - Vol. 107. - P. 25-31.

22. Palla, A., Petruzzelli, S., Donnamaria, V. et al. The role of suspicion in the diagnosis of pulmonary embolism // Chest. 1995. - Vol. 107 (Suppl.). - P. 2124.

23. Stein, P.D., Athanasoulis, C., Alav,i A. et al. Complications and validity of pulmonary angiography in acute PE // Circulation. 1992. - Vol. 85. - P. 462-468.

24. Oger, E. Incidence of venous thromboembolism. EPI-GETBP Study Group. Thropmb. Haemost, 2000. P. 657-660.

25. Patil, S., Henry, J.W., Rubinfire, M. et al. Neural network in the clinical diagnosis of acute pulmonary embolism // Chest. 1993. - Vol. 104. - P. 1685-1689.

26. Передерий, В.Г., Безюк, H.H. Первичная профилактика венозной тромбоэмболии у больных терапевтического профиля эффективный способ снижения стационарной смертности // Украшський медичний часопис. - 2003. -№ 2. - С. 59-64.

27. Савельев, B.C. Современное состояние и перспективы развития проблемы тромбоэмболии легочной артерии // Кардиология. 1986. - № 9. - С. 5-12.

28. Савельев, B.C. Тромбоэмболия легочных артерий — классификация, прогноз и хирургическая тактика // Грудная хирургия. 1985. - № 5. - С. 10-15.

29. Ерушова, H.A. Исследование особенностей применения инструментальных методов диагностики тромбоэмболии / М.А. Сидорова, H.A. Ерушова // Медицинская техника: Научно-технический журнал. 2009. - № 1 — М., 2009. -С. 5-9.

30. Erushova, N.A. Study of Specificity of Application of Instrumental Methods to Thromboembolism Diagnosis /М.А. Sidorova, N.A. Erushova // Biomedical Engineering, 2009, Volume 43, Number 1, Pages 6-9.

31. Румянцев, А.Ш. Современная диагностика: важнейшие исследования при различных заболеваниях. — СПб, Изд-во «Невский проспект», 2003.

32. Эхокардиография— Эл. изд. Web: http://www.dic.academic.ru/ dic.nsf/encmedicine.

33. Варфарин Никомед: лечение и профилактика тромбозов и эмболии. -Эл. изд. Web: http://www.warfarin.ru.

34. Ройтберг, Г.Е. Внутренние болезни. Сердечно-сосудистая система / Г.Е. Ройтберг, A.B. Струтынский. — М.: Медицина, 2003.

35. Ангиопульмонография. Эл. изд. - Web: http://www.medkey.ru/ sur-geny/toracal/radiological.

36. Медицинский справочник. Тромбоэмболия легочной артерии (ТЭЛА). Эл. изд. - Web: http://www.smed.ru/guides.

37. Кохлер, Х.П. Тромбоэмболия легочной артерии // Внутренняя медицина. 2007. - №4. - С.

38. Савельев, B.C. Массивная эмболия легочных артерий / B.C. Савельев, Е.Г. Яблоков, В.И. Кириенко. М.: Медицина, 1990.

39. Рентгеноконтрастная флебография. Эл. изд. - Web: http://www.medideal.ru/zlphleb.

40. Escodro, Р.В., Lopes, P.F.R., Gianini, C.G. Differential diagnosis between aorto-iliac thrombosis and equine protozoal myeloencephalitis: case report // Arq.brasil.Med.veter.Zootecn., 2010; T.62, N 5. P. 1048-1053.

41. Якунин, Г. А. Современные методы анализа тромбодинамограммы. Методическое пособие: Ч. 1. М.: Медицина, 1973.

42. Долгов В.В. Лабораторная диагностика нарушений гемостаза / В.В. Долгов, П.В. Свирин. -М.: Изд-во «Триада», 2005.

43. Грицкж, А.И. Практическая гемостазиология / А.И. Грицюк, Е.Н. Амосова, И.А. Грицюк. Киев: Изд-во «Здоровье», 1994.

44. Кишкун, А.А. Руководство по лабораторным методам диагностики. М.: Издательская группа «ГЕОТАР-Медиа», 2007.

45. Спиридонов, А.В. Методы и алгоритмы вычислительной диагностики / И.Н. Спиридонов, А.В. Самородов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2006.

46. Горбань, А.Н. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин. Новосибирск: Наука. Сибирское предприятие РАН, 1998.

47. Юнкеров, В.И. Математико-статистическая обработка данных медицинских исследований / В.И. Юнкеров, С.Г. Григорьев. СПб.: Изд-во ВМе-дА, 2002.

48. Сержантова, Н.А. Исследование возможности применения нейросетевых технологий для автоматизации лабораторных исследований /

49. Барский, А.Б. Нейронные сети: распознавание, управление, принятие решений. М: Финансы и статистика, 2004.

50. Медведев, В. С. Нейронные сети. MATLAB 6 / B.C. Медведев, В.Г. Потемкин. М.: Изд-во «ДИАЛОГ - МИФИ», 2002.

51. Яхъева, Г.Э. Нечеткие множества и нейронные сети: учебное пособие. — М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006.

52. Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В.Борисов. — М.: Горячая линия — Телеком, 2001.

53. Круглов, В.В. Нечеткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голубов. М.: Горячая линия - Телеком, 2001.

54. Экономическая информатика / под ред. П. В. Конюховского. — СПб.: Питер, 2000.

55. Кохонен, Т. Самоорганизующиеся карты. М.: Изд-во «БИНОМ. Лаборатория знаний», 2008.

56. Statsoft. Нейронные сети. Эл. уч. - Web: http://www.statsoft.com/ textbook/stneunet.html.

57. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский; пер. с польск. И.Д. Рудинского. М.: Изд-во «Горячая линия - Телеком», 2006.

58. Уоссермен, Ф. Нейрокомпьютерная техника: теория и практика / пер. с англ. Ю.А. Зуева, В.А. Точенова. М.:, 1992.

59. Хайкин, С. Нейронные сети. Полный курс / пер. с англ. H.H. Кус-суль, А.Ю. Шелестова. М.: Издательский дом «Вильяме», 2006.

60. Petterson, D.W. Artificial neural networks. Prentice Hall, 1998.

61. Fausett, L.V. Fundamentals of neural networks: architectures, algorithms and applications. Prentice Hall, 1993.

62. Современные направления развития нейрокомпьютерных технологий. Эл. уч.- Web: http://victoria.lviv.ua/html/oio/html/theme9rus.htm.

63. Artificial Intelligence and Knowledge Engineering. Web: http://zeus.sai. msu.ru/ 7000/hardware.

64. Нейронные сети: математический аппарат. Эл. изд. - Web: http://www.devbusiness.ru/development/dms/bgneironetsmath.htm.

65. Удод, А.А., Шамаев, В.В. Перспективы применения нейросетевых технологий в медицине. Эл. изд. - Web: http://www.rusnauka.com/ ONG/Medecine/7udod.doc.htm. '

66. Петунин, Ю.И. Приложение теории случайных процессов в биологии и медицине. Киев: Изд-во «Наукова думка», 1981. ,

67. Bishop, С.М. Neural networks for pattern recognition. Clarendon Press, 1995.

68. Shepherd, A.J. Second-order methods for neural networks: fast and reliable training methods for multi-layer perceptions. Springer, 1997.

69. Levenberg, K. A method for the solution of certain non-linear problems in liast-squares. Web: http://www.citeseerx.ist.edu.

70. Marquardt D.W. An algorithm for least squares estimation of non linear parameters. Web: http://www.citeseerx.ist.edu.

71. Golub, G., Kahan, W. Calculating the singular values and pseudo-invers of a matrix, SIAM Neural Analysis, B. 2, 2. 1965. P. 205 - 224.

72. Осовский, С. Нейронные сети для обработки информации / Пер. с польского И. Д. Рудинского. -М.: Финансы и статистика, 2002.

73. Зайцев; В.М. Прикладная медицинская; статистика: Учебное пособие / В.М. Зайцев, В.Г. Лифляндский, В.И: Маринкин. СПб: Изд-во «Фолиант», 2003.

74. Информационные потребности. Эл. изд. - Web: Http://www.market-pages.ru/infteh.

75. Куликовский, Л.Ф. Теоретические основы информационных процессов/ Л.Ф. Куликовский, B.Bi Мотов. М.: Высшая школа, 1987.

76. Громкович, Ю. Теоретическая информатика. — М.: 2006.

77. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. СПб.: Питер, 2000.

78. Интернет-Университет Информационных Технологий. Основы проектирования реляционных баз данных. -Эл.изд- Web: http://www.intuit.ru.

79. Пржялковский, В. Модели, базы данных и СУБД в информационных системах // "Биосистемы в экстремальных условиях", Вычислительный центр РАН, М., 1996. С. 34-43.

80. Барсегян A.A. Методы и модели анализа данных: OLAP и Data Mining / A.A. Барсегян, М.С. Куприянов, В.В. Степаненко, И.И. Холод. СПб: Изд-во «БХВ-Петербург», 2004.

81. Ахо, A.B. Структуры данных и алгоритмы / A.B. Ахо, Д. Хопкрофт, Д.Д. Ульман; пер.с англ. A.A. Минько. М.: Издательский дом «Вильяме», 2003.

82. Макконел Дж. Основы современных алгоритмов / пер с англ. С.К. Ландо, М.В. Ульянова. М: Изд-во «Техносфера», 2004.

83. Уокенбах Дж. Профессиональное программирование на VBA в Excel 2002 / пер с англ. И.В. Василенко, И.В. Константинова, O.A. Лещинского, О.В. Шпырко. М.: Издательский дом «Вильяме», 2003.

84. Демидова, Л.А. Программирование в среде Visual Basic for Applications: Практикум / Л.А. Демилова, А.Н. Пылькин. — М.: Изд-во «Горячая линия Телеком», 2004.

85. Ануфриев, И.Е. MATLAB 7.0 / И.Е. Ануфриев, А.Б. Смирнов, E.H. Смирнова. СПб.: Изд-во «БХВ-Петербург», 2005.

86. Матюшкин, И.В. Практикум по ядру пакета MATLAB 7.2 R2006a: Учебное пособие. — М.: 2007.

87. Хлыбов, A.A. MathCad и MATLAB. Начальный курс: Учебно-методическое пособие / A.A. Хлыбов, О.Н. Хлыбова. — Н.Новгород: Изд-во НГПУ, 2007.

88. Бадриев, И.Б. Разработка графического пользовательского интерфейса в среде MATLAB / И.Б. Бадриев, В.В. Банд еров, O.A. Задворнов. Казань: Изд-во Казанского государственного университета, 2010.

89. Handal, J.J. Grafical Pilot Interface Simulator (GPIS). B.S.E.E., Louisiana State University, 2003.

90. Кетков, Ю.Л. MATLAB 7: программирование, численные методы / Ю.Л. Кетков, А.Ю. Кетков, М.М. Шульц. СПб.: Изд-во «БХВ-Петербург», 2005.

91. Любищев, A.A. Дисперсионный анализ в биологии. — Изд-во МГУ,1986.

92. Новиков, Д. А. Статистические методы в медико-биологическом эксперименте (типовые случаи) / Д.А. Новиков, В.В. Новочадов. — Волгоград, Изд-во ВолГМУ, 2005.

93. Лапач, С.Н. Статистические методы в медико-биологических исследованиях с использованием Excel / П. Н. Бабич, С. Н. Лапач, А. В. Чубенко — Киев: Морион, 2000.

94. Лакин, Г. А. Биометрия. М.: Высшая школа, 1991.

95. Закс Л. Статическое оценивание. М.: Статистика, 1976.

96. Адлер, Ю.П. Планирование эксперимента при поиске оптимальных условий / Ю.П. Адлер, Е.В. Маркова, Ю.В.Грановский. М.: Наука, 1976.

97. Бейли, Н. Математика в биологии и медицине / пер.с англ. Е.Г. Коваленко. -М.: Мир, 1970.

98. Serzhantova, N. A. Diagnosis and Prognosis of Peritonitis Outcome Using a Neural-Network System for Hemostasis Parameter Examination / M.A. Si-dorova, N.A. Serzhantova, L.A. Filippova // Biomedical Engineering, 2011, Volume 45, Number 2, Pages 72-75.

99. Eruschova, N.A. Anwenoung der neuronetz-technologien in der diagnostic der parameter von hämostase / M.A. Sidorova, N.A. Eruschova // Internationaler

100. Medizinischer Kongress "EUROMEDICA HANNOVER 2008". РгоЪ1еш Abstracts - Germany, Hannover: Hannover Congress Centrum, 2008. Pages 81-82.