Мультимодальные модели ишемического риска для классификации и управления функциональным состоянием пациента в процессе сеанса физиотерапии

Протасова Зейнаб Усама
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Введение 4
1 Анализ информационных технологий, используемых для управления
диагностическими и терапевтическими процессами 11
1.1 Системы управления лечебным процессом 11
1.2 Анализ математических методов для медицинских исследований 19
1.3 Системы поддержки принятия решений в кардиологической
области 24
1.3.1 Основные источники клинических данных для обучения систем
искусственного интеллекта 25
1.3.2 Основные методы построения «слабых» классификаторов для
мультимодального классификатора ишемического риска 28
1.3.3 Методики оценки качества классификации медицинского риска 36
1.4 Постановка цели и задачи на исследование 40
2 Метод контроля эффективности физиотерапевтической процедуры по
динамике импеданса биоматериала в зонах аномальной
электропроводимости 42
2.1 Анализ методов оценки функционального состояния человека по
суррогатным маркерам, полученным на основе анализа биомедицинских
показателей 42
2.2 Многопроходные вольт-амперные характеристики как инструментарий
исследования динамических свойств импеданса биоматериала в зоне аномальной
проводимости 50
2.3 Метод формирования дескрипторов для классификации
магниточувствительности на основе многопроходной вольт-амперной
характеристики биоматериала 56
2.4 Выводы второго раздела 64
3 Методы и средства адаптивного управления терапевтическими
воздействиями в физиотерапии ишемических больных 65
3.1 Обобщенная схема реабилитации пациентов с высоким ишемическим
риском посредством воздействия на них магнитными полями с управляемыми
биотропными параметрами 65
3.2 Мультимодальные классификаторы для контроля динамики риска
сердечно-сосудистых осложнений в процессе сеанса физиотерапии 69
3.3 «Слабый» классификатор для оценки ишемического риска по
результатам биоимпедансных исследований в биологически активных
точках 76
3.4 Апробация моделей мультимодальных классификаторов ишемического
риска для мониторинга функционального состояния сердечно-сосудистой
системы в процессе физиотерапевтических процедур 81
3.5 Биотехническая система с адаптивным управлением магнитотерапией
для реабилитации пациентов с высоким риском ишемической болезни сердца 87
3.6 Выводы третьего раздела 96
4 Экспериментальные исследования реабилитационной биотехнической
системы 98
4.1 Методы и модели планирования реабилитационных процедур 98
4.2 Апробация метода адаптивного управления магнитотерапией 105
4.3 Результаты клинических испытаний 115
4.4 Выводы четвертого раздела 121
Заключение 123
Список сокращений и условных обозначений 125
Список литературы 128

Во введении обосновывается актуальность темы, определяются цель и
задачи исследования, научная новизна и практическая значимость работы.
В первом разделе выполнен системный анализ в области современных
средств информационных технологий, используемых для управления
диагностическими и терапевтическими процессами. Отмечено, что в
настоящее время в медицинском сообществе накоплен большой опыт
лечения и профилактики ИБС. Учитывая мультифакториальность патогенеза
ИБС, для ее лечения и профилактики используют различные методы,
большая часть которых относится к медикаментозным. Однако лечение ИБС
посредством лекарственных средств приводит к необходимости
оптимизации их по противопоказаниям. Эти обстоятельства побуждают
исследователей к поиску новых, немедикаментозных методов лечения ИБС,
среди которых ведущее место принадлежит методам физиотерапии. Однако
по ряду причин эти методы еще недостаточно интенсивно используются в
медицинской практике реабилитации больных ИБС, в частности, в
реабилитации постинфарктных больных. Одной из проблем, сдерживающих
развитие физиотерапевтических методов лечения, является отсутствие
возможности персонифицированного планирования курса физиотерапии,
позволяющего согласовать биотропные параметры физиотерапии с ФС и
конституцией пациента. Для ее решения необходим мониторинг ФС
пациента в процессе физиотерапии, то есть необходим решающий модуль,
позволяющий контролировать влияние физиотерапии на ишемический риск
(ИР). Выполненный аналитический обзор показал, что, несмотря на
многочисленные исследования в области компьютерных средств
диагностики сердечно-сосудистых осложнений, в частности, ИР, достижения
в этой области не удовлетворяют практикующих специалистов.
Характерным их недостатком является зависимость их диагностической
эффективности от наличия тех информативных признаков, на основе
которых строилась диагностическая модель, а также от репрезентативности
обучающих и контрольных выборок. Чтобы снизить влияние этих
негативных факторов на качество классификации целесообразно
использовать гибридные технологии принятия решений, основанные на
классификационных моделях, построенных на различных методах
классификации с различными вариациями информативных признаков, а
также поиск суррогатных маркеров, оперативно реагирующих на изменение
ФС пациента.
В заключение первого раздела формируются цель и задачи
исследования.
Во втором разделе исследованы методы и модели формирования
дескрипторов, предназначенных для классификаторов ИР, по динамическим
характеристикам электрических свойств биоматериала в аномальных зонах
электропроводности. Для контроля динамических свойств импеданса
биоматериала в биологически активных точках (БАТ) предложено
использовать в качестве зондирующего напряжения двухполюсные
пилообразные дискретные импульсы, а в качестве дескрипторов –
дискретные отсчѐты токов вольт-амперной характеристики (ВАХ)
биоматериала. Показано, что динамические характеристики электрического
сопротивления биоматериала в аномальных зонах электропроводности
существенно отличаются от динамических характеристик в зонах без
проявления аномальных свойств, что позволяет разработать новые методы
для формирования дескрипторов.
В качестве экзогенного воздействия на БАТ использовались токовые
посылки ступенчатой формы, эпюры которых представлены в правой
нижней части рисунка 1. Реакцией «первичного ответа» служит ток в БАТ,
который откладывался на оси ординат графика ВАХ (рисунок 1).
Для определения «реакции платы» следует рассмотреть нисходящую
ветвь ВАХ, которая на рисунке 1 показана красным цветом. «Реакция
платы» – это разность ординат восходящей ВАХ (зеленой – более светлой на
графике) и нисходящей ВАХ (красной – более темной на графике) при общей
для обеих ВАХ абсциссе. От абсолютных значений тока переходим к
нормированным значениям путем деления его на соответствующую
абсциссу (напряжение), то есть оперируем уже с электрическим
сопротивлением БАТ.

Рисунок 1 – Интерфейсное окно для построения графика ВАХ

Метод формирования дескрипторов для классификаторов
ишемического риска, основан на анализе кортежа ВАХ биоматериала и
точек их пересечения с определѐнной информативной ординатой.
Формирование пространства информативных признаков, предназначенного
для классификатора ИР осуществляется посредством анализа континуума
реверсивных ВАХ БАТ. Каждая реверсивная ВАХ (рисунок 1) состоит из
восходящей и нисходящей ветвей. В качестве суррогатных маркеров для
классификации ИР пациента в процессе физиотерапии используются
параметры ВАХ БАТ. Для этого необходимо осуществить измерение и
регистрацию электрических характеристик биоматериалов в БАТ в виде
ВАХ, формируемой путем измерения токов в цепи биоматериала при
воздействии на него постоянными стабилизированными по уровню
напряжениями, изменемыми в диапазоне от -15 В до +15 В и обратно с
шагом в 1 В. В результате получаем N вольтамперных характеристик.
Координата ВАХ определяется абсциссой Um и ординатой I*. Для
формирования дескрипторов задаются абсциссы M ординат, по которым
формируются дескрипторы для классификаторов ИР, в виде множества
U m , m  1, M . Каждая ордината формирует тетраду дескрипторов
E1m , Е2m , S1m , S2m . Дескрипторы в тетраде определяются как математические
ожидания и дисперсии точек пересечения ВАХ ординаты Um при прямом и
обратном ходе. На рисунке 2 представлена иллюстрация этих точек
пересечения при прямом ходе для кортежа из N ВАХ.
I
N

N-1
INm
I(N-1)m2

I2m1
I1m
U
0Um

Рисунок 2 – Точки пересечения вольтамперных характеристик ординаты Um
при прямом проходе вольтамперных характеристик

Таким образом, для получения дескрипторов необходимо задать M
ординат ВАХ, для каждой ординаты измерить токи, соответствующие
каждой из N ВАХ, определить математические ожидания и дисперсии токов
в каждой ординате, соответствующие прямому и обратному проходам ВАХ,
и сформировать двумерный массив дескрипторов как

 E11 , E12 , …,E1m ,…,E1M 
 E , E , …,E ,…,E 
 21 222m2M 

 S11 , S12 , …,S1m ,…,S1M 

 S 21 , S 22 , …,S 2 m ,…,S 2 M (1)

где
E1m – математическое ожидание токов для m-ой ординаты восходящих
вольтамперных характеристик,
E2m – математическое ожидание токов для m-ой ординаты нисходящих
вольтамперных характеристик,
S1m – дисперсия токов для m-ой ординаты восходящих вольтамперных
характеристик,
S2m – дисперсия токов для m-ой ординаты нисходящих вольтамперных
характеристик;
после чего используем эти дескрипторы для классификации ФС пациента
при проведении физиотерапевтической процедуры.
Если есть необходимость учитывать информативные признаки,
получаемые по результатам анализа ВАХ и в третьем квадранте, то
необходимо построить информативную ординату для отрицательных токов,
которые откладываются в третьем квадранте, и получить вектор
информативных признаков, аналогичный выражению (1).
Втретьемразделеразрабатываютсямультимодальные
классификаторы для контроля динамики ИР в процессе сеанса
физиотерапии.Предложенабазоваяструктурамногоагентного
классификатора риска ИБС, содержащая «сильные» и «слабые»
классификаторы (рисунок 3). «Слабые» классификаторы разделены на
четыре группы, первая из которых осуществляет анализ данных, полученных
на основе традиционных факторов риска ИБС, вторая – на основе анализа
инструментальных и лабораторных исследований, третья группа «слабых»
классификаторов предназначена для диагностики сопутствующих
заболеваний и синдромов по предикторам, используемых первыми двумя
группами агентов, а четвертая – анализирует дескрипторы, формируемые
посредством анализа ВАХ БАТ. Классификаторы ИР, разработанные на
основе этой базовой структуры, осуществляют биотехническую обратную
связь, позволяющую управлять биотропными параметрами МП.

Рисунок 3 – Структурная схема базовой модели мультимодального
классификатора ишемического риска
Базовая модель учитывает, что ФР ИБС могут быть не только
определенные биомедицинские показатели, но и уже имеющиеся заболевания
или синдромы (артериальная гипертензия, сахарный диабет и т.п.). При выборе
пула ФР для контроля динамики риска ИБС учитывалось нелинейное
взаимовлияние ФР друг с другом, приводящее к взаимоотягощению
ишемических процессов. Поэтому важен учет синергетического эффекта ФР.
В качестве ФР, которые используются как оперативные индикаторы изменения
ФС в результате изменения факторов внешней среды, в этой модели были
использованы результаты биоимпедансных исследований в БАТ.
Проведены экспериментальные исследования различных модификаций
предложенной модели мультимодального классификатора, заключающиеся в
последовательном исключении из агрегатора решений «слабых»
классификаторов на различных иерархических уровнях. В ходе
экспериментального оценивания и в результате математического
моделирования было показано, что при использовании всех факторов риска
уверенность в правильной классификации риска ИБС превышает величину
0,8 по всем группам наблюдения и по всем показателям качества
классификации. Показатели качества прогнозирования выше, чем у
известной системы прогнозирования SCORE, в среднем, на 11%.
Для управления биотропными параметрами МП в процессе сеанса
реабилитации необходимо построить модель ФС живой системы. На рисунке
4 представлена обобщенная схема реабилитации пациентов с высоким ИР
посредством воздействия на них МП с адаптируемыми биотропными
параметрами, которая способна обеспечить как контроль ФР, так и
управление биотропными параметрами в зависимости от реакции организма
на физиотерапию. В данном случае структура, представленная на рисунке 4,
позволяет интегрировать в единый процесс информационные потоки,
вложенные в акцию и реакцию функциональных систем пациента, и
построить модель, связывающую ФС живой системы и величину ИР. Для
определения ИР необходимо выбрать ФР или предикторы риска, на основе
которых вычисляются дескрипторы для гетерогенных классификаторов ИР.
На основе гетерогенных классификаторов строятся также прогностические
модели ИР.
В соответствии с обобщенной схемой адаптивной реабилитации
(рисунок 4), для управления магнитотерапией была разработана
биотехническая система (БТС), структурная схема которой представлена на
рисунке 5. В ней используются биотехнические обратные связи по
суррогатным маркерам, посредством которых осуществляется отрицательная
обратная связь по электромагнитному воздействию на орган-мишень.
БТС включает пациента с комплектом датчиков, позволяющих
контролировать его параметры жизнедеятельности, блок управления и
индуктор. Блок управления осуществляет управление биотропными
параметрами МП таким образом, чтобы оптимизировать терапевтический
эффект магнитотерапии.
Рисунок 4 – Обобщенная схема реабилитации пациентов с высоким
ишемическим риском посредством воздействия на них магнитными полями
с управляемыми биотропными параметрами

Ядром блока управления является модуль нечеткого логического
вывода(МНЛВ),осуществляющийинтеллектуальное управление
динамическим диапазоном индукции МП и ее частотой. В качестве входных
данных, по анализу которых МНЛВ принимает управленческие решения,
используются выходные данные классификаторов ФС ССС и
магниточувствительности. Анализируя эту информацию, МНЛВ формирует
соответствующие управляющие воздействия на генератор синусоидальных
колебаний (частота МП) и аудиоусилитель (интенсивность МП), что
позволяет адаптировать терапевтическое МП к ФС пациента посредством
многоканальной обратной связи.
Биотехническая обратная связь в БТС позволила адаптировать
программу магнитотерапии к ФС пациента и корректировать ее в процессе
терапевтического сеанса посредством биоуправления параметрами
терапевтического электромагнитного излучения.
Электромагнитное
излучение
ИндукторМикроциркуляции

Электрокардиосигнал
Блок
ПациентЭлектрическиедатчиков
Аудиохарактеристики БАТ
усилитель

Температура тела

Фильтр нижних
частот

БЛОК УПРАВЛЕНИЯ
Модуль нечеткого логического выводаВыделение
информативных
Генераторпризнаков

Нечеткий вывод
Интеллектуальное
управление
шириной спектраКлассификатор
сигналамагнито-
чувствитель-
Интеллектуальноености
управлениеБаза правил
ДефуззификациянечеткойФуззификация
динамическим
диапазоном сигналапродукции
Классификатор
ФС ССС

Рисунок 5 – Структурная схема биотехнической системы для адаптивного
управления магнитотерапией

Для управления биотропными параметрами МП разработан алгоритм
управления, работа которого основана на использовании мультимодального
классификатора ФС пациента и МНЛВ, предназначенного для коррекции
биотропных параметров МП в процессе проведения сеанса магнитотерапии.
Алгоритм управления позволил повысить терапевтический эффект
реабилитационной процедуры, снизить адаптацию и отрицательные реакции
организма на магнитотерапию, и планировать программы магнитотерапии.
В четвертом разделе предложена рекурсивная математическая модель
планирования процедур реабилитации с использованием биологической
обратной связи, основанная на понятии функций «ремиссии» и «забывания»,
позволяющая планировать сеансы магнитотерапии и прогнозировать их
результаты.
Разработано аппаратное и программное обеспечение биотехничекой
системы реабилитации больных ИБС с модулем нечеткого управления,
позволяющим адаптировать программу магнитотерапии к ФС конкретного
пациента. Разработано программное обеспечение, реализующее методику
прогнозированияэффективностиреабилитационныхпроцедури
позволяющее выбрать интервал между окончанием текущего курса и
началом следующего с предсказанием базового уровня ИР.
Апробация БТС осуществлялась на реабилитации пациентов с ИБС.
Экспериментальная и контрольная группы формировались из мужчин и
женщин, находящихся на лечении в лечебно-профилактических учреждениях
г. Курска. Состояние ССС оценивалось по стандартным методикам. Под
наблюдением находилось 126 больных ИБС II и III ФК в возрасте от 35 до 70
лет (средний возраст составил 56,8±1,8 года). Среди них 66% мужчин.
Пациенты основной группы (68 человек) получали базовую терапию +
адаптивную магнитотерапию аппаратом «Полюс-2» на шейно-воротниковую
зону. Контрольную группу составили 58 человек, получавшие только
базовую терапию + магнитотерапию аппаратом «Полюс-2» по типовой
методике без биотехнической обратной связи.
Эффективность лечения оценивали по следующим параметрам:
продолжительность выполняемой нагрузки, максимальная достигнутая ЧСС,
уд/мин, максимальное САД, мм.рт.ст., максимальное ДАД, мм.рт.ст..
Результаты статистического исследования данных, полученные в ходе
проведения тредмил-теста, свидетельствуют о большей эффективности лечения
основной группы в сравнении с контрольной. Так, в основной группе
продолжительность выполняемой нагрузки до появления депрессии сегмента ST
на 1 мм и/или боли увеличилась, в среднем, на 1,87 минут, в то время как в
контрольной – на 0,85 минут.
Практическая ценность проведенного исследования заключается в том,
что разработанный метод позволяет формировать суррогатные маркеры для
управления эффективностью физиотерапевтических воздействий на
организм человека. Возможен также мониторинг эффективности
лекарственных назначений и других видов терапии. Обладая достаточной
доступностью и простотой, метод имеет высокую степень информативности
и может применяться при различных физиотерапевтических процедурах.
Оценка клинической эффективности курсового лечения проводилась по
совокупности клинических данных и результатов специальных методов
исследования, с учетом непосредственных и отдаленных результатов (рисунки 6
и 7). Анализ представленных диаграмм показывает, что положительный эффект
магнитотерапии в целом составил 85% у пациентов II ФК и 77% у пациентов III
ФК. Сравнительный результат традиционной магнитотерапии (контрольная
группа) и адаптационной магнитотерапии (экспериментальная группа) показал,
что во II ФК в экспериментальной группе эффективность лечения выше на 14%
по сравнению с эффективностью лечения в контрольной группе, а у пациентов
III ФК – на 15%. При этом пациентов со значительным улучшением в
экспериментальной группе больше, чем в контрольной на 5% независимо от
ФК ИБС.

II Ф.К.
Без
динамикиЗначительное
15%улучшение
25%

Улучшение
60%

Рисунок 6 – Эффективность применения магнитотерапии у больных ИБС II и
III ФК в экспериментальной группе

II Ф.К.
Значительное
улучшение
20%

Без
динамики
29%

Улучшение
51%

Рисунок 7 – Эффективность применения магнитотерапии у больных ИБС II и
III ФК в контрольной группе

Таким образом, разработанная биотехническая система адаптивной
магнитотерапии является эффективным средством лечения ИБС.
ЗАКЛЮЧЕНИЕ
В диссертационной работе получены следующие основные результаты:
1. Выполнен системный анализ в области современных средств
информационныхтехнологий,используемыхдляуправления
диагностическими и терапевтическими процессами, показана необходимость
поиска новых дескрипторов, позволяющих использовать их в
классификаторах для оперативного контроля динамики ишемического риска.
2. Разработан метод формирования дескрипторов для классификаторов
ишемического риска, основанный на анализе кортежей вольт-амперных
характеристик в зонах аномальной электропроводности биоматериала,
позволяющий получить дескрипторы для мультимодального классификатора
функциональногосостоянияпациентавпроцессепроведения
физиотерапевтической процедуры.
3. Разработан мультимодальный классификатор с трехуровневой
иерархической структурой для оценки риска ишемической болезни сердца,
включающий «слабые» классификаторы с дескрипторами, полученными на
основе исследования динамических свойств биоимпеданса в биологически
активных точках, позволяющий реализовать обратную связь по «реакции
первичного ответа» у пациентов в процессе изменения биотропных
параметров магнитного поля.
4. Проведеныэкспериментальныеисследованияразличных
модификаций базовой модели мультимодального классификатора риска
ишемической болезни сердца. Экспериментальное оценивание моделей
классификаторов показало, что при использовании всех факторов риска и
всех «слабых» классификаторов в иерархической модели уверенность в
правильном прогнозе ишемической болезни составляет не менее 0,8 по всем
экспериментальным и контрольным группам и по всем показателям качества
классификации. Показатели качества классификации мультимодального
классификатора риска ишемической болезни сердца выше, чем у известной
системы прогнозирования SCORE, в среднем, на 11%.
5. Разработан алгоритм управления биотропными параметрами
магнитного поля, основанный на контроле динамики ишемического риска
мультимодальным классификатором функционального состояния пациента и
модуле нечеткого логического вывода, предназначенного для коррекции
биотропных параметров магнитного поля в процессе проведения сеанса
магнитотерапии.
6. Разработано аппаратное и программное обеспечение биотехничекой
системы магнитотерапии больных ишемической болезнью сердца,
включающее аппарат для магнитотерапии «Полюс-2», программно-
аппаратный комплекс для биоимпедансных исследований и программное
обеспечение модуля нечеткого логического вывода, позволяющее
адаптировать программу магнитотерапии к функциональному состоянию
пациента.
7. Клинические испытания предложенных методов и средств
управления магнитотерапией при лечении больных ИБС показали, что при
магнитотерапиибольныхстенокардиейнапряжениявторого
функционального класса эффективность адаптивной магнитотерапии в
экспериментальной группе выше эффективности магнитотерапии в
контрольной группе на 14%, а при магнитотерапии больных стенокардией
напряжения третьего функционального класса эффективность адаптивной
магнитотерапии в экспериментальной группе выше эффективности
магнитотерапии в контрольной группе на 15%.
Рекомендации. Результаты диссертационной работы могут быть
использованы в биотехнических системах реабилитации сердечно-
сосудистых больных с биотехническими и биологическими обратными
связями для формирования индивидуальных программ реабилитации.
Перспективы дальнейшей разработки темы. Разработка методов и
алгоритмов, предназначенных для персонифицированных медицинских
систем диагностики и физиотерапии сердечно-сосудистых заболеваний.
СПИСОК НАУЧНЫХ РАБОТ,
ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

Актуальность исследований. Значительное распространение ишемической
болезни сердца (ИБС) во всех странах мира требует совершенствования методов ее
диагностики, профилактики и терапии. В настоящее время разработаны достаточно
эффективные лекарственные методы лечения ИБС. Вместе с тем, трудности подбора
медикаментозных средств, обладающих высокой терапевтической эффективностью
с минимальными побочными неблагоприятными эффектами, вынуждают
исследователей искать альтернативные методы лечения ИБС, среди которых
ведущее место принадлежит физиотерапии и, в частности, магнитотерапии.
Однако к вопросу выбора оптимальных биотропных параметров магнитного
поля (МП) у медицинского сообщества неоднозначное отношение. Поэтому важным
направлением повышения эффективности магнитотерапии является персонификация
магнитотерапевтических процедур. Это может быть достигнуто путем выбора
соответствующих суррогатных маркеров, оперативно реагирующих на изменение
функционального состояния (ФС) пациента в процессе физиотерапевтической
процедуры, и использовании интеллектуальных систем (ИС) поддержки принятия
врачебных решений (СППВР), позволяющих осуществлять контроль динамики ФС
пациента в процессе проведения физиотерапевтической процедуры.
Таким образом, важнейшей задачей повышения эффективности
магнитотерапии является контроль изменения ФС сердечно-сосудистой системы
(ССС) в процессе физиотерапевтического сеанса, осуществляемый с помощью
биотехнических обратных связей и мультимодальных классификаторов (ММК)
медицинского риска (МР). Это позволяет определить степень толерантности
организма человека к физиотерапевтическому воздействию, а также адаптировать
биотропные параметры МП к ФС пациента.
Степень разработанности темы исследования. На сегодняшний день
низкочастотная магнитотерапия представляет собой интенсивно развивающуюся
область медицины, способную решать многие практические задачи по лечению ряда
заболеваний. В настоящее время в биотехнических системах (БТС) для
реабилитации больных ИБС широко используются магнитотерапевтические
аппараты: «Полюс», «BTL-4000», «Градиент», «Каскад», «Алмаг» и др. Существует
множество магнитотерапевтических методик для лечения этими аппаратами,
которые основаны на долговременном наблюдении за состоянием пациента
посредством лабораторных и инструментальных исследований. Однако они не
предусматривают оперативную коррекцию биотропных параметров МП в течение
сеанса, поэтому возможно лечение пациента по не подходящей для него методике,
что приводит к снижению эффективности магнитотерапии.
В связи с этим обстоятельством появились работы, посвященные
обеспечению оперативного контроля состояния систем организма пациента и
повышению результативности магнитотерапевтического воздействия за счет
индивидуального подбора биотропных параметров МП, основанного на анализе
текущего состояния здоровья пациента (А.М. Беркутов, В.И. Жулев, Г.А. Кураев,
Е.М. Прошин). Для реализации такого подхода необходимы СППВР,
осуществляющие мониторинг ФС пациента неинвазивными средствами, а также
суррогатные маркеры, позволяющие контролировать динамику ФС пациента в
процессе сеанса магнитотерапии.
С развитием информационных технологий предпринимаются попытки
введения программированного прогнозирования во врачебную практику (М.М.
Батюшин, Ю.Л. Шевченко). Такое прогнозирование нашло свое применение в
практической медицине в форме СППВР, которые позволяют выполнять
неинвазивную оценку медицинских рисков (Л.А. Бокерия, Р.М. Баевский, Ю.В.
Гуляев, Р.М. Рангайян, С.В. Селищев, D. Noble, N.J. Holter, W.J. Mandel, L. Katz и
др.).
Несмотря на успехи в области систем искусственного интеллекта (ИИ) для
оценки и прогнозирования МР, нерешенными остаются задачи оперативного
контроля ФС ССС неинвазивными методами в процессе антропогенных
воздействий МП локального и общего характера, а также выбора суррогатных
маркеров, позволяющих получить дескрипторы для классификаторов
медицинского риска в процессе проведения физиотерапевтических процедур.
Цель работы. Повышение эффективности реабилитации больных
ишемической болезнью сердца посредством мультимодальных классификаторов
ишемического риска, позволяющих адаптировать биотропные параметры
физиотерапевтического воздействия к функциональному состоянию пациента.
Для достижения поставленной цели необходимо решить следующие задачи:
– выполнить системный анализ методов и средств интеллектуальной
поддержки принятия решений в кардиологической области;
– разработать метод формирования дескрипторов для мультимодальных
классификаторов ишемического риска, позволяющий контролировать
ишемический риск в процессе физиотерапевтического воздействия на пациента;
– разработать биотехническую систему для магнитотерапии пациентов с
ишемической болезнью сердца, позволяющую повысить терапевтический эффект
реабилитационной процедуры, снизить адаптацию и отрицательные реакции
организма на магнитотерапию, и планировать программы магнитотерапии;
– разработать алгоритм управления физиотерапевтической процедурой,
позволяющий адаптировать биотропные параметры магнитного поля к
конституции и функциональному состоянию пациента;
– разработать программное обеспечение для реализации классификаторов
ишемических рисков и алгоритма управления физиотерапевтической процедурой;
– провести апробацию предложенных методов, моделей и алгоритмов
магнитотерапии пациентов с ишемической болезнью сердца.
Научная новизна. В диссертации получены следующие результаты,
характеризующиеся научной новизной:
– метод формирования дескрипторов для классификатора ишемического риска
посредством анализа кортежа графиков N вольт-амперных характеристик для
релевантной биологически активной точки, отличающийся тем, что для вычисления
дескрипторов строят M ординат на этом графике, определяют соответствующие
этим ординатам токи на вольт-амперных характеристиках, вычисляют
математические ожидании и дисперсии токов на каждой ординате, соответствующие
прямому и обратному проходам вольт-амперных характеристик, и формируют
матрицы дескрипторов 4хM, позволяющий синтезировать мультимодальные
классификаторы риска ишемической болезни сердца, предназначенные для оценки
эффективности физиотерапевтических процедур;
– мультимодальный классификатор для оценки риска ишемической болезни
сердца с трехуровневой иерархической структурой, отличающийся моделью
«слабого» классификатора с дескрипторами, полученными на основе
исследования динамических свойств биоимпеданса в биологически активных
точках, позволяющий реализовать обратную связь по реакции первичного ответа
у пациентов в процессе управления биотропными параметрами магнитного поля;
– биотехническая система магнитотерапии пациентов с ишемической
болезнью сердца, отличающаяся наличием биотехнической обратной связи и
функцией адаптации программы магнитотерапии к функциональному состоянию
пациента в процессе терапевтического сеанса, позволяющая повысить
терапевтический эффект реабилитационной процедуры, снизить адаптацию и
отрицательные реакции организма на магнитотерапию, и планировать программы
магнитотерапии.
– алгоритм управления магнитотерапией пациентов с ишемической болезнью
сердца, отличающийся возможностью адаптировать программу магнитотерапии к
функциональному состоянию пациента и корректировать ее в процессе
терапевтического сеанса посредством биоуправления параметрами терапевтического
электромагнитного излучения, позволяющий повысить терапевтический эффект
реабилитационной процедуры, снизить адаптацию и отрицательные реакции
организма на магнитотерапию, и планировать программы магнитотерапии.
Теоретическая и практическая значимость работы состоит в том, что
изложен метод формирования биотехнической обратной связи, который позволил,
используя гетерогенную структуру пространства информативных признаков,
включающую как новые, так и известные предикторы ишемического риска,
синтезировать решающие модули оценки риска ишемической болезни,
позволяющие построить алгоритм адаптации биотропных параметров магнитного
поля к функциональному состоянию пациента. Разработанные алгоритмы и
классификаторы медицинского риска составили основу построения
биотехнической системы для реабилитации пациентов с ишемической болезнью
сердца, клинические испытания которой показали целесообразность ее
использования в практике лечения и профилактике ишемической болезни сердца.
Работа выполнена при поддержке РФФИ научный проект № 19-38-90116,
регистрационный номер НИОКТР АААА-А19-119110190060-9 (2019-2021гг.) и в
соответствии с научным направлением Юго-Западного государственного
университета «Разработка медико-экологических информационных технологий».
Результаты работы внедрены в учебном процессе Юго-Западного
государственного университета при подготовке врачей по специальности 30.05.03
«Медицинская кибернетика», и прошли испытания в отделении медицинской
реабилитации клинического научно-медицинского центра «Авиценна», г. Курск,
по результатам которых они рекомендованы к использованию в биотехнических
системах реабилитации больных ИБС.
Методы исследований. Для решения поставленных задач использовались
методы: теории биотехнических систем медицинского назначения,
математической статистики, математического моделирования, теории нейронных
сетей, теории нечетких множеств. При разработке нейросетевых моделей и
модулей нечеткого логического вывода в качестве инструментария использовался
MATLAB 2018b с графическим интерфейсом пользователя для Neural Network
Toolbox и со встроенным пакетом Fuzzy Logic Toolbox.
Положения, выносимые на защиту. 1. Метод формирования дескрипторов
для классификатора ишемического риска, полученных на основе анализа
кортежей вольт-амперных характеристик в зонах аномальной электропроводности
биоматериала, позволяет построить мультимодальные классификаторы,
способные контролировать ишемические риски в процессе физиотерапевтических
процедур. 2. Мультимодальный классификатор для оценки риска ишемической
болезни сердца с дескрипторами, полученными на основе исследования
динамических свойств биоимпеданса в биологически активных точках, позволяет
при использовании всего гетерогенного пространства факторов риска получить
показатели качества классификации не ниже 0,8 по всем группам наблюдения и
по всем показателям качества классификации, а по отношению к системе
прогнозирования SCORE повысить их, в среднем, на 11%. 3. Алгоритм
управления магнитотерапией пациентов с ишемической болезнью сердца
позволяет повысить терапевтический эффект реабилитационной процедуры
посредством адаптации программы магнитотерапии к функциональному
состоянию пациента и коррекции ее в процессе терапевтического сеанса на 14%
по отношению к контрольной группе.
Степень достоверности и апробация работы. Результаты разработки и
исследования показали возможность воспроизводимости в разных условиях,
согласованность с нечеткими алгоритмами принятия решений и теории
искусственных нейронных сетей, а также аналогичными результатами, которые
были получены другими исследователями. Итоги экспериментальных
исследований решающих правил по контролю динамики ишемических рисков не
противоречат ранее опубликованными исследовательским данным по теме
диссертации.
Основные теоретические положения и научные результаты диссертационной
работы излагались, обсуждались, а также получили положительную оценку на 15
Всероссийских и Международных конференциях: «Горизонты биофармацевтики»
(Курск – 2019); «Энергосбережение и эффективность в технических системах»
(Тамбов – 2019); «Интеллектуальные системы в науке и технике. Искусственный
интеллект в решении актуальных социальных и экономических проблем ХХI века»
(Пермь – 2019, 2020); «Современные проблемы анализа динамических систем. Теория
и практика» (Воронеж – 2019); «Мотивационные аспекты физической активности»
(Великий Новгород – 2019); «Физика и радиоэлектроника в медицине и экологии –
ФРЭМЭ’2020» (Владимир–Суздаль – 2020); «Цифровая трансформация в энергетике»
(Тамбов – 2020); «Нейроинформатика, её приложения и анализ данных» (Красноярск
– 2020); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и
транспорте», (Новороссийск – 2020); «Биотехнические, медицинские и экологические
системы, измерительные устройства и робототехнические комплексы» (Рязань –
2020); «Медико-экологические информационные технологии» (Курск – 2019, 2020,
2021); «Интеллектуальные информационные системы» (Воронеж – 2021), на
семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск – 2018-2021).
Публикации. Основные результаты диссертационного исследования
отражены в 24 научных работах, из них 6 статей в ведущих рецензируемых
научных журналах, 3 статьи в Международной наукометрической базе Scopus и
один патент на изобретение.
Структура и объем работы. Диссертация состоит из введения, четырех
разделов, заключения и списка литературы, включающего 103 отечественных и 18
зарубежных наименований. Работа изложена на 144 страницах машинописного
текста, содержит 53 рисунка и 19 таблиц.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Читать

    Публикации автора в научных журналах

    Методы и алгоритмы формирования слабых классификаторов в ансамбле классификаторов прогнозирования сердечнососудистых рисков
    З.У.Протасова, О.В. Шаталова, А.А.Б. Дафалла, С.В. Дегтярев // Известия Юго-Западногогосударственного университета. Серия: Управление, вычислительная техника,информатика. Медицинское приборостроение. - 2- Т. 9, № 3(32). - С. 64
    Слабые классификаторы с виртуальными потоками в интеллектуальных системах прогнозирования сердечнососудистых осложнений
    А.В.Киселев, М.В. Томаков, Е.В. Петрунина, Д.С. Забанов, З.У. Зейдан // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника,информатика. Медицинское приборостроение. - 2– Т. 9, № 1 (30). – С. 6
    Мультиагентная интеллектуальная система для прогноза риска сердечнососудистых осложнений с синергетическими каналами
    О.В. Шаталова, Д.А.Медников, З.У. Протасова // Системный анализ и управление в биомедицинских системах. -2- Т. 19, № - С. 177
    Модели латентных предикторов в интеллектуальных системах прогнозирования состояния живых систем
    А.В. Киселев, О.В. Шаталова, З.У. Протасова,С.А. Филист, Н.С. Стадниченко // Известия Юго-Западного государственного университета.Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение.- 2- Т. 10, № - С. 114
    Сверточная нейронная сеть для моделей классификаторов медицинского риска с синергетическими каналами
    Р.А. Крупчатников, Д.А. Медников, З.У.Протасова, Р.И. Сафронов, О.В. Шаталова, Н.С. Стадниченко // Известия Юго-Западногогосударственного университета. Серия Управление, вычислительная техника, информатика.Медицинское приборостроение. - 2- Т. 11, №- С. 25
    Методы и средства обеспечения реабилитационных процедур посредством биотехнической системы с биологической обратной связью и модулем нечеткого управления
    А.А. Трифонов, Е.В. Петрунина, А.А. Кузьмин, З.У. Протасова, Л.П.Лазурина // Системный анализ и управление в биомедицинских системах. - 2- Т. 20, № - С. 71
    Prediction of Coronary Risk Using a Multichannel System with Redundant Decisions and Associative Choice
    E.V. Petrunina, O.V. Shatalova, Z.U. Protasova,A.F. Rybochkin, V.V. Serebrovsky // Biomedical Engineering. - 2- Vol. 54, No. - Рр.140
    Prediction of the Risk of Cardiovascular Complications with a Segmented Space of Risk Factors and Synergy Channels
    Z.U. Protasova, O.V. Shatalova, D.A.Mednikov, N.S. Stadnichenko //Journal of Phisics: Conference Series: II International scientificconference on applied physics, information technologies and engineering (APITECH II) (25September - 04 October 2020 y.). - Krasnoyarsk: Publ: Institute of Physics and IOP PublishingLimited, 2- Vol. 1- Рр. 032042 (1-5).
    Application of Fuzzy Neural Model and Current-Voltage Analysis of Biologically Active Points for Prediction Post-Surgery Risks
    O.V. Shatalova, S.A. Filist, Z.U.Protasova, N.A. Korenevskiy, R.T. Al-Kasasbeh [et. al.] // Computer Method in BiomedicalEngineering. - 2- Vol. - Pp. 1504-1- doi: 1080/1025521895Патенты, заявки на патенты и свидетельства о госрегистрации программ
    Метод построения «слабых» классификаторов в ансамбле классификаторов сердечнососудистых рисков, построенных на основе биоимпедансного анализа
    З.У. Протасова // Горизонты биофармацевтики: сборник научных трудов поматериалам V Международной научно-практической молодежной конференции (28 июня2019 г.). – Курск: КГМУ, 2– С. 98
    Динамические модели параметров биоимпеданса для интеллектуальных систем медицинского назначения
    О.В. Шаталова, З.У. Зейдан, А.А.Трифонов, // Современные проблемы анализа динамических систем. Теория и практика:материалы Международной открытой конференции (21-23 мая 2019 г.); ФГБОУ ВО«ВГЛТУ». – Воронеж, 2- С 538
    Метод выделения предикторов синхронности системных ритмов из кардиоциклов для классификации риска сердечнососудистых осложнений
    Д.С.Кондрашов, А.А. Трифонов, А.В. Мирошников, З.У. Зейдан // Мотивационные аспектыфизической активности: материалы III Всероссийской междисциплинарной конференциистудентов, молодых ученых и преподавателей (01 марта 2019 г.). – Великий Новгород: НовГУ,2– С. 49
    Анализ методов расчета параметров комплексного сопротивления биоматериалов
    З.У. Протасова, О.В. Шаталова // Цифроваятрансформация в энергетике: материалы Всероссийской научной конференции (17–18декабря 2019 г.). – Тамбов: Издательский центр ФГБОУ ВО «ТГТУ», 2– С. 349
    Прогноз риска сердечнососудистых осложнений с сегментированным пространством факторов риска и синергетическими каналами
    О.В.Шаталова, Д.А. Медников, З.У. Протасова, Н.С. Стадниченко // Нейроинформатика, еѐприложения и анализ данных: материалы XXVIII Всероссийского семинара. – Красноярск:Институт вычислительного моделирования СО РАН, 2- С. 127
    Метод диагностики критических состояний на основе биоимпедансных исследований в аномальных зонах электропроводимости
    З.У.Протасова, О.В. Шаталова, Н.С. Стадниченко // Физика и радиоэлектроника в медицине иэкологии – ФРЭМЭ’2020: труды XIV Международной научной конференции с научноймолодежной школой им. И.Н. Спиридонова (01-03 июля 2020 г.). – Владимир-Суздаль:ВГУ им. А.Г. и Н.Г. Столетовых, 2- Книга – С. 55
    Компьютерные технологии прогнозирования медицинских рисков с сегментированным пространством факторов риска
    О.В. Шаталова, Д.А. Медников,З.У. Протасова // Лазерно-информационные технологии в медицине, биологии, геоэкологиии на транспорте – 2020: сборник трудов XXVIII Международной конференции (07-12сентября 2020 г.). – Новороссийск: ПГУ, 2- С. 177
    Нейросетевые структуры с латентными переменными в прогнозировании состояния живых систем
    З.У. Протасова, Д.А. Медников, О.В. Шаталова// Интеллектуальные системы в науке и технике. Искусственный интеллект в решенииактуальных социальных и экономических проблем ХХI века: сборник статей по материаламМеждународной конференции и Шестой Всероссийской научно-практической конференции(12-18 октября 2020 г.). – Пермь: ПГНИУ, 2- С. 497
    Формирование дескрипторов для интеллектуальных систем прогнозирования критических состояний по результатам исследования континуума реверсивных вольтамперных характеристик биоматериала в зонах аномальной электропроводности
    З.У. Протасова // Медико-экологические информационные технологии‒ 2020: сборник научных статей по материалам XХIII Международной научно-техническойконференции: в 2 ч. (20-22 мая 2020 г.). – Курск: ЮЗГУ, 2– Ч. - С. 131
    Метод управления терапевтическими воздействиями путем анализа параметров вольтамперных характеристик в зонах аномальной электропроводности
    З.У. Протасова // Биотехнические, медицинские и экологические системы, измерительныеустройства и робототехнические комплексы (Биомедсистемы-2020): сборник трудов XXXIIIВсероссийской научно-технической конференции студентов, молодых ученых испециалистов (9-11 декабря 2020 г.). – Рязань: ИП Коняхин А.В., 2– С. 21-23
    Многомерный биоимпедансный анализ в задачах классификации биоматериалов в экспериментах in vivo
    О.В. Шаталова, З.У. Протасова, Н.С. Стадниченко //Интеллектуальные информационные системы: сборник трудов Международной научно-практической конференции (02-04 декабря 2020 г.): в 2 ч. – Воронеж: Издательство ВГТУ,2– Ч. – С. 112
    Системы поддержки принятия решений в кардиологической области. Обзор
    Д.А. Медников, З.У. Протасова, О.В. Шаталова, А.В. Серебровский //Медико-экологические информационные технологии - 2021: сборник научных статей поматериалам XХIV Международной научно-технической конференции (20-21 мая 2021 г.). -Курск: ЮЗГУ, 2- С. 178
    Интеллектуальные системы поддержки принятия врачебных решений в кардиологической практике
    Д.А. Медников, З.У. Протасова, Е.В. Крикунова //Юность и Знания - Гарантия Успеха - 2021: сборник научных трудов 8-й Международноймолодежной научной конференции (16 - 17 сентября 2021 г.) : в 3-х томах. - Курск: Юго-Запад. гос. ун-т, 2- Т. - С. 225

    Помогаем с подготовкой сопроводительных документов

    Совместно разработаем индивидуальный план и выберем тему работы Подробнее
    Помощь в подготовке к кандидатскому экзамену и допуске к нему Подробнее
    Поможем в написании научных статей для публикации в журналах ВАК Подробнее
    Структурируем работу и напишем автореферат Подробнее

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Татьяна С. кандидат наук
    4.9 (298 отзывов)
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (пос... Читать все
    Большой опыт работы. Кандидаты химических, биологических, технических, экономических, юридических, философских наук. Участие в НИОКР, Только актуальная литература (поставки напрямую с издательств), доступ к библиотеке диссертаций РГБ
    #Кандидатские #Магистерские
    551 Выполненная работа
    Виктор В. Смоленская государственная медицинская академия 1997, Леч...
    4.7 (46 отзывов)
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выв... Читать все
    Имеют опыт грамотного написания диссертационных работ по медицине, а также отдельных ее частей (литературный обзор, цели и задачи исследования, материалы и методы, выводы).Пишу статьи в РИНЦ, ВАК.Оформление патентов от идеи до регистрации.
    #Кандидатские #Магистерские
    100 Выполненных работ
    Мария А. кандидат наук
    4.7 (18 отзывов)
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет... Читать все
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет, реклама, журналистика, педагогика, право)
    #Кандидатские #Магистерские
    39 Выполненных работ
    Ксения М. Курганский Государственный Университет 2009, Юридический...
    4.8 (105 отзывов)
    Работаю только по книгам, учебникам, статьям и диссертациям. Никогда не использую технические способы поднятия оригинальности. Только авторские работы. Стараюсь учитыв... Читать все
    Работаю только по книгам, учебникам, статьям и диссертациям. Никогда не использую технические способы поднятия оригинальности. Только авторские работы. Стараюсь учитывать все требования и пожелания.
    #Кандидатские #Магистерские
    213 Выполненных работ
    Яна К. ТюмГУ 2004, ГМУ, выпускник
    5 (8 отзывов)
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.
    #Кандидатские #Магистерские
    12 Выполненных работ
    Анна Александровна Б. Воронежский государственный университет инженерных технол...
    4.8 (30 отзывов)
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственно... Читать все
    Окончила магистратуру Воронежского государственного университета в 2009 г. В 2014 г. защитила кандидатскую диссертацию. С 2010 г. преподаю в Воронежском государственном университете инженерных технологий.
    #Кандидатские #Магистерские
    66 Выполненных работ
    Евгения Р.
    5 (188 отзывов)
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и со... Читать все
    Мой опыт в написании работ - 9 лет. Я специализируюсь на написании курсовых работ, ВКР и магистерских диссертаций, также пишу научные статьи, провожу исследования и создаю красивые презентации. Сопровождаю работы до сдачи, на связи 24/7 ?
    #Кандидатские #Магистерские
    359 Выполненных работ
    Дмитрий Л. КНЭУ 2015, Экономики и управления, выпускник
    4.8 (2878 отзывов)
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    Занимаю 1 место в рейтинге исполнителей по категориям работ "Научные статьи" и "Эссе". Пишу дипломные работы и магистерские диссертации.
    #Кандидатские #Магистерские
    5125 Выполненных работ
    Ольга Б. кандидат наук, доцент
    4.8 (373 отзыва)
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских... Читать все
    Работаю на сайте четвертый год. Действующий преподаватель вуза. Основные направления: микробиология, биология и медицина. Написано несколько кандидатских, магистерских диссертаций, дипломных и курсовых работ. Слежу за новинками в медицине.
    #Кандидатские #Магистерские
    566 Выполненных работ

    Последние выполненные заказы

    Другие учебные работы по предмету

    Метод и аппаратно-программный комплекс для оценки функционального состояния цифровых носимых кардиомониторов
    📅 2022год
    🏢 ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)»
    Методы и система магнитно-резонансной томографии лучезапястного сустава в поле 1.5 Тл
    📅 2021год
    🏢 ФГАОУ ВО «Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)»