Диагностика эпилептиформных приступов и остеохондрозов Текст научной статьи по специальности «Медицинские технологии»

Статья

зации методик на 15^20%, если испытуемые не выходят в зону неудовлетворительной адаптации.

Литература

1. Ананин В.Ф. Рефлексология (теория и методы): Монография.- М.: Изд-во РУДН и Биомединформ, 1992.- 168 с.

2. Анохин П.К. Очерки по физиологии функциональных систем.- М.: Наука, 1972.- 372 с.

3. Баевский Р.М., Берсенева А.П. Оценка адаптационных возможностей организма и риск развития заболеваний.- М.: Медицина, 1997.- 235 с.

4. Кореневский Н.А. и др. Синтез моделей взаимодействия внутренних органов с проекционными зонами и их использование в рефлексодиагностике.- Курск: КГТУ, 2005.- 224 с.

5. Крыжановский Г.Н. Общая патофизиология нервной системы: Руководство.- М.: Медицина, 1997.- 325 с.

УДК 615.84

ДИАГНОСТИКА ЭПИЛЕПТИФОРМНЫХ ПРИСТУПОВ И ОСТЕОХОНДРОЗОВ

Рис. 1. Фрагмент диагностической модели для ситуации «остеохондроз грудного отдела позвоночника»

В последнее время, по данным ВОЗ, отмечен всплеск неврологических заболеваний. Патологии, относящиеся к данному классу, помимо утраты трудоспособности, в ряде случаев могут привести к летальному исходу. Среди одних из наиболее часто встречающихся неврологических заболеваний находятся остеохондрозы и эпилептиформные приступы. В структуре неврологических заболеваний эпилепсия стоит на 3-м месте, составляя 19% среди всех заболеваний нервной системы. Частота эпилепсии в детской популяции достигает 0,5-0,75%, а фебрильных судорог -до 5%. Более чем у 30% детей школьного возраста наблюдаются отклонения в развитии позвоночника. Некоторые виды эпилептических припадков могут вуалироваться другими клиническими и параклиническими проявлениями. Повысить оперативность и точность диагностики, сократить сроки лечения, можно, объединяя традиционные подходы с методами рефлексологии. Используя опыт, накопленный на кафедре «Биомедицинской инженерии» КГТУ, в качестве одной из подгрупп информативных признаков для диагностики выбранного класса заболеваний исследовалась диагностическая возможность энергетических характеристик вне- и меридианных биологически активных точек (БАТ). Каким образом информация о состоянии внутренних органов и систем доводится до электродов измерительной аппаратуры? Установлено, что наиболее важную роль в формировании полезного (с точки зрения рефлексологии) сигнала под электродами играют эффекторные клетки (ЭК), которые по нервным путям с электрической проводимостью связываются с микрозонами ретикулярных формаций спинного мозга (МРФс) и далее - с органами и системами.

Анализ множества ЭК, составляющих вместе со «своими» рецепторными аппаратами структуру проекционных зон (ПЗ) и, в частности БАТ, показал, что основу формирования диагностических показателей в виде электрических напряжений и проводимостей составляют ионные межклеточные токи, изменяющиеся под воздействием нервных структур МРФс. В свою очередь МРФ, взаимодействующие с ЭК одной ПЗ, состоят из группы ретикулярных нейронов, объединяющихся в нейронные ассоциации. Назовем эти группы ассоциациями 1-го уровня (А). Для поддержания заданного энергетического уровня множества ПЗ (БАТ), относящихся к одному меридиану ассоциации 1-го уровня, объединяются в ассоциацию более крупных образований -ассоциации 2-го уровня (АМ). Для обеспечения межмеридианных энергоинформационных взаимодействий формируются ассоциации 3-го уровня и т.д. При построении моделей учтено, что каждая ПЗ и БАТ имеет множественные связи с симптомами, синдромами, диагнозами и т.д., которые определены как множество ситуаций. В моделях должен быть предусмотрен механизм, обеспечивающий временной сдвиг (т) энергетического состояния нормально работающих сопряженных меридианов (т^2 часа).

346401, г. Новочеркасск Ростовской области ул. Просвещения, д. 132,

Юр жно-Российский государственный технический университет г. Курск, ул. 50 лет Октября, д.94 КГТУ, каф. биомедицинской инженер.

Пользуясь атласами меридианов и методикой, разработанной [2], для выбранных классов заболеваний были синтезированы графические меридианные модели, учитывающие все существенные (для эпилепсии и трех типов остеохондрозов) меридианные и межмеридианные связи. На рис. 1 приведен фрагмент для ситуации «остеохондроз» грудного отдела позвоночника.

Графическое представление меридианной сборки на экране монитора позволяет врачу на этапе диагностики проследить, какие ситуации и в каких пропорциях влияют на изменения энергетических характеристик БАТ, включая влияние центральных управляющих структур (ЦУС), сопряженно работающих меридианов, множественных ЛО-пунктов и т.д. Это позволяет проследить наличие сопутствующих патологий, более точно дифференцировать наличие патологий и степень их тяжести. На этапе рефлексотерапии такие модели позволяют проследить, на какие сопряженно работающие органы и системы будет направлено воздействие на конкретную БАТ, что позволит выбирать такие точки для воздействия и такие параметры, которые минимизируют вредное влияние на те органы и системы, которые находятся в состоянии энергетического дисбаланса. Анализ моделей по методике, изложенной в работе [2], позволяет находить информативные БАТ, которые, подтверждая диагноз, минимизируют возможные ложные диагнозы. Эти информативные точки названы диагностически определяющими точками (ДОТ).

Для синтеза диагностических решающих правил нами был использован аппарат теории нечетких множеств с базовыми формулами расчета коэффициентов уверенности в диагнозе вида: КУ^к/Х) = МД ^к/Х ) - МНД^к/Х) (1)

МД ^К/Х,х ) = МД (ик/Х ) + МД^к/х) (1-МД^к/Х) (2)

МНД ^к/Х,х )=МНД ^к/Х )+МНД^к/х)(1-МНД (и/Х), (3) где МД ^к/Х) - уверенность в диагностической гипотезе Wк с учетом наличия свидетельств (признаков) Х; МД^к/х) - мера доверия к Wк с учетом вновь поступившего признака х; МНД^к/Х ) - соответствующая мера недоверия к Wк; х - текущий признак, поступающий на обработку, причем, запятая между Х и х обозначает, что х поступает для анализа после признаков Х. Учитывая разнородность диагностических признаков (кроме энергетических характеристик БАТ в правилах принятия решений могут использоваться результаты инструментальных методов исследований, опросов и т.д.) в качестве элемента МД^к/Х) предлагается использовать функцию принадлежности к классу Wк - Цик (хі) с носителем по шкале, определяемой по очередному информативному признаку хі. При отсутствии признаков, исключающих диагноз иі , коэффициент уверенности в диагнозе иі может рассчитываться по мере поступления медицинской информации в соответствии с итерационной формулой:

Киі(І+1)=Киі(І)+Ииі(хі+1)[1-Киі(І)], (4)

где Киі(1)= Циі(хі); І - номер признака участвующего в постанове диагноза иі; і=1 - эпилепсия, і=2 - остеохондроз шейного отдела позвоночника, і=3 - остеохондроз грудного отдела позвоночника, і=4 - пояснично-крестцовый остеохондроз; Киі(І), Киі(І+1) -коэффициенты уверенности в диагнозе иі на соответствующих шагах итерации.

А.В. БУНЯЕВ . А.Е. СОЛОШЕНКО . С.В. СОЛОШЕНКО

А.В. Буняев, А.Е. Солошенко, С.В. Солошенко

Характерной особенностью формулы (4) является то, что для расчета коэффициента уверенности в принятии решения по диагностическом классу недостаточность информации не является критичной, поскольку приводит лишь к частичной потере уверенности в диагнозе То1, которая может быть восстановлена при использовании информативных признаков любой природы. С учетом базовых формул определения меры доверия к исследуемым классам предлагается следующий метод синтеза диагностических решающих правил.

1. По выбранным классам заболеваний строятся графические меридианные модели и соответствующие таблицы связей, по которым для каждого класса определяются списки ДОТ, и дополнительных точек по которым будут определяться ^(х^.

2. Выбираются показатели, характеризующие состояния БАТ, системы измерений и тип измерительной аппаратуры.

3. На репрезентативных выборках определяются номинальные энергетические характеристики информативных БАТ и энергетические характеристики этих БАТ у людей с точно установленными диагнозами по исследуемому классу заболеваний.

4. Квалифицированными экспертами выбирается способ расчета коэффициентов уверенности с использованием функций принадлежностей или матриц связей. В 1-м варианте, используя данные статистических исследований, строятся функции принадлежностей к классу Wl с носителем по шкале отклонений энергетических характеристик БАТ от номинальных значений Д8_р ц^(Д8.]). По полученному множеству функций принадлежностей синтезируется множество решающих правил: гипотеза о наличии диагноза Wl принимается, если для всех ПЗ БАТ У^, принадлежащих группе ДОТ этого класса, величина ДSj >Д8_щор

Wl: У л V [ДОТ]1 Д^ >Д^ор. (5)

Уверенность в диагнозе Wl рассчитывается по (4):

^а+^ад+МДЗДЬ^а)]. (6)

Во 2-м варианте для каждого класса заболеваний строится таблица связей, строками которой являются номера информативных БАТ, а столбцами - величины отклонений энергетических характеристик БАТ от их номинала. Элементами таблицы служат частные коэффициенты уверенности в принятии решений - Клг Диагноз Wl принимается при условии (5) с уверенностью

^0+1)=^«+ Клг [1-Kwl(j)]. (7)

5. Если уверенность с применением только характеристических БАТ ниже пороговой и есть возможность привлечения др.

информативных признаков, то по каждому из них по классам

заболеваний ведется получение функций принадлежностей, и по их совокупности выполняется расчет уверенности в принятии решений к классу Wl - КУДwl. Общая уверенность в диагнозе Wl:

= КУ пиі + КУ диі(1- КУ Пиі),

(8)

где KУ w1 - уверенность в принятии решений к классу Wl информации, снимаемой с проекционных зон.

Для эпилептиформных приступов информации, снимаемой с БАТ, недостаточно для постановки диагноза. Поэтому в качестве дополнительных признаков использована информация, выделяемая из электроэнцефалограммы (ЭЭГ) человека. Установлено, что достаточной информативностью обладают частотные Хч и асимметрические Хасс признаки волн ЭЭГ, выделяемые структурными методами анализа. Построив функции принадлежностей к классу эпилептиформных приступов с носителями, определяемыми величинами этих признаков ^ (х ) и ^ (х ) получаем:

кд.=^-Хх,)+ц..(х~)[1 -ц.Xх,)]. (9)

Для определения параметров Хч и Хасс был разработан метод параметрического ранжирования параметров сигналов по точкам переключений, основанный на выделении из исследуемых процессов комплекса показателей (периодометрических, частотных, амплитудных, планиметрических, асимметрических и др.), различные временные составляющие которых рассчитываются относительно точек переключения сигнала и ранжируются по убыванию скорости их изменения. В качестве точек переключений могут быть выбраны точки перегибов, нарушения монотонности, минимумов, максимумов, разрывы т.д. Параметрическая ранжирующая процедура использует оператор переключения 0лк, для которого л определяется как порядковый номер точки в к-ом ранге. Ранги определяются и упорядочиваются по номеру скоростных составляющих, образующих исследуемый процесс. Точки отсчета первого ранга формируются после обработки оператором переключения исходного сигнала Х@) (к=0), а точки отсчета

каждого последующего ранга - при применении оператора переключений к точкам переключения предыдущего ранга. Заканчивается ранжирование исчерпанием точек переключения на очередном шаге ранжирования или после выхода за пределы информативности показателей с точки зрения целей решаемой задачи. На рис. 2 показан пример ранжирования сигнала Х@) оператором переключений 0ік по минимуму после его дискретизации, что характерно для цифровых систем обработки информации.

Аналитически оператор переключения:

Ґ1, при наличии переключен ия в К - ом ранге ■

0,к'- 0

[0, при отсутствии переключен ия В качестве скоростной характеристики процесса и его рангов м. б. выбрана величина периода между двумя соседними переключениями (периодометрическая характеристика). Тогда:

Т ()_/Ь+и - V , еСЛи * ЄТТ ,

|л гргр

[0, если * £ТТ где ТТ - интервал времени [і ^+1,к]. Характеристику частотных свойств переключений исследуемого сигнала и его рангов

^¡к (*)

*) , можно выразить через периодометрическую, как:

(10)

Как диагностический признак используется усредненное значение (р?к(*) - Хч. Асимметрические характеристики:

(11)

‘¡к - ‘¡к 0, если ‘ £ ТТ

где *

время, соответствующее максимуму исходного

сигнала на интервале Л < t < ^+1*.

В качестве диагностического признака используется усредненное значение р^ -Хасс-волн второго ранга.

Рис. 2. Параметрическое ранжирование сигнала Х(1)

Алгоритм управления процессами диагностики и лечения остеохондрозов и эпилептиформных приступов см. на рис. 3.

В соответствии с этим алгоритмом на первом этапе исследований из списка меридианов, которые связаны с ДОТ, выбирается меридиан, энергетические характеристики которого близки к

иі

А.В. Буняев, А.Е. Солошенко, С.В. Солошенко

номинальным (блок 1). На этом меридиане определяются энергетические характеристики ДОТ и для предполагаемого диагноза рассчитывается коэффициент уверенности в диагнозе иі по выбранным БАТ - КуБ (блок 2). Если диагноз иі подтверждается (КуБ >пороговой величины КупБ), то диагноз иі фиксируется и решается вопрос о рефлексотерапии (блоки 3-5). Если уверенности в диагнозе иі не достаточно, решается вопрос об обследовании (блок 10). При этом, если ставится диагноз - наличие эпилепти-формных приступов (и4), рассчитываются показатели Хч и Хасс по (8) и (9) и вычисляются величины КуД, Ку0 (блоки 17-19) и далее, если общая уверенность превышает пороговую (блок 22) фиксируется диагноз и4. В ином варианте дополнительных исследований решаются задачи уточнения диагнозов (блоки 20-23).

После назначения терапии (блок 5) выбираются точки, на которые будут воздействовать (как правило, это одна из групп ДОТ), и перечень точек для контроля состояния пациента, (блок 6). Из множества точек воздействия на ситуацию Хо для отобранных меридианов выбираем те из них, которые имеют минимальное число других совпадающих ситуаций. Это позволит по разным каналам довести воздействие до искомых органов и (или) функциональных систем, «рассеяв» силу воздействия на другие ситуации по не связанным друг с другом каналам. Перед началом лечения надо выбрать тактику рефлексотерапии (блок 7): выбираются параметры электрического воздействия на БАТ, руководствуясь рекомендациями по электрорефлексотерапии.

Рис. 3. Схема алгоритма диагностики и тактики лечебных воздействий

После окончания терапевтического воздействия анализируется достигнутый результат. При отсутствии последнего ставится вопрос о проведении традиционного курса лечения (блок 13) с контролем состояния по БАТ (блоки 14 и 15), либо пересмотреть диагноз (блок 12). Если наступает выздоровление либо улучшение состояния пациента, то лечение прекращается (блок 10), в противном случае либо проводится терапия, либо делается вывод об отсутствии искомого диагноза (блок 23). В качестве энергетических характеристик БАТ было выбрано их электрическое

сопротивление с использованием измерительного прибора с классической схемой преобразования сопротивления в напряжение с источником стабильного порогового тока величиной 1 мкА.

Диагностика эпилептиформных приступов. В ходе работы на базе ОКБ г. Курска и Железнодорожной больницы г. Курска обследовано 157 чел., страдающих эплептиформенными приступами. Используя метод синтеза меридианных моделей и способ расчета частных коэффициентов уверенностей построена таблица связей, элементом которой была уверенность в постановке диагноза «эпилептиформный приступ» ^1) по каждой из БАТ.

У этих же больных фиксировалась ЭЭГ и определялись частотные, амплитудные и планиметрические характеристики, показатель асимметрии по трем рангам. Используя меру информативности Кульбака, установили, что достаточной информативностью относительно класса Wl обладает признак Х ч, характеризующий частотную характеристику 1-го ранга и признак Хасс -характеризующий асимметрию волн 2-го ранга. По признаку Хч построена гистограмма и установлены ср. величины для класса здоров (X ч зд ~ 12Гц) и класса Wl (X ч ™1» 3,57Гц). Функция принадлежности к классу Wl - Цэп см. на рис. 4. Для асимметрии среднее значение нормы Хасс зд =0,8. Для искомого заболевания Хасс wl=0,13. Функцию принадлежностей см. на рис. 5.

Коэффициент уверенности в постановке диагноза эпилеп-тиформных приступов по параметру Хч составляет 0,849, а по Хасс - 0,439, итоговый коэффициент уверенности, рассчитываемый по (8), повышается до 0,97, что является основанием для постановки диагноза - эпилепсии. Для оценки качества работы этого правила сформирована контрольная выборка. Задавшись величиной ошибки 10% по размаху варьирования сопротивления БАТ, определен объем выборки п=118±36 наблюдений. Анализ качества работы решающего правила на группе из 157 больных показал, что при постановке диагноза «эпилепсия» у 71% лиц коэффициент уверенности превысил порог 0,95, а у 87% лиц 0,90.

Рис. 4. Функция принадлежности к классу и1 по признаку Хч

Таблица 1

Коэффициенты уверенности в постановке диагноза «остеохондроз шейного отдела позвоночника»

я БАТ >500 400 300 200 100 90 80 70 60 50 40 Информа- тивность

500 399 299 199 99 89 79 69 59 49 <40

У010 0 0 0 0 0,02 0,1 0,13 0,31 0,56 0,65 0,92 0,95 526,40

У015 0 0 0 0 0,15 0,25 0,25 0,25 0,53 0,60 0,92 0,95 332,32

Е6 0 0 0 0,1 0,1 0,10 0,27 0,30 0,35 0,65 0,94 0,95 499,98

Е11 0 0 0 0 0 0,03 0,35 0,4 0,52 0,7 0,75 0,95 307,30

014 0 0 0 0 0 0,1 0,11 0,15 0,15 0,15 0,23 0,3 348,42

Ю7 0 0 0 0 0,04 0,27 0,34 0,4 0,52 0,55 0,65 0,9 245,00

Ю17 0 0 0 0,1 0,1 0,1 0,28 0,35 0,58 0,65 0,93 0,95 477,14

У65 0 0 0 0 0,11 0,11 0,12 0,4 0,53 0,65 0,79 0,9 329,02

У66 0 0 0 0,1 0,1 0,18 0,26 0,29 0,29 0,55 0,85 0,9 379,24

ТЯ15 0 0 0 0 0,09 0,15 0,23 0,3 0,48 0,5 0,88 0,95 359,17

ТЯ16 0 0 0 0 0,03 0,03 0,1 0,3 0,3 0,6 0,83 0,9 514,90

УБ39 0 0 0 0 0,14 0,15 0,2 0,25 0,36 0,45 0,81 0,9 292,73

УБ43 0 0 0 0 0,04 0,15 0,38 0,45 0,45 0,7 0,79 0,9 310,99

-ьч-

I І І І I

0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 Хасс

Рис. 5. Функция принадлежности к классу и1 по признаку Хас

0,5

0,47

Статья

Диагностика остеохондроза шейного отдела позвоночника. Было обследовано 211 лиц, по их электрическим характеристикам БАТ экспертами была составлена таблица связей, где по (7) рассчитывается общая уверенность в постановке диагноза «остеохондроз шейного отдела позвоночника». Таблицу связей диагноза W2 иллюстрирует табл. 1. Для оценки качества работы этого правила сформирована контрольная выборка. Задавшись величиной ошибки 10% по размаху варьирования сопротивления БАТ был определен объем выборки n =137±41 наблюдений.

При постановке диагноза остеохондроз шейного отдела позвоночника 89% пациентов «превысили» коэффициент уверенности 0,95.Диагностика остеохондроза грудного отдела позвоночника В ходе опыта было обследовано 292 пациента и получена таблица связей. При постановке диагноза «остеохондроз грудного отдела позвоночника» у 83% пациентов коэффициент уверенности в искомом диагнозе составил 0,91^0,93. Для оценки качества работы правила создана контрольная выборка. Задавшись величиной ошибки 10% по размаху варьирования сопротивления БАТ, был определен объем выборки n =189±57 наблюдений. Качество классификации на контрольной выборке не хуже 0,91. Диагностика пояснично-крестцового остеохондроза Обследовано 170 пациентов и получена таблица связей с частными коэффициентами уверенности. При постановке диагноза «поясничнокрестцовый остеохондроз» у 91% пациентов коэффициент уверенности в искомом диагнозе >0,94. Для оценки качества работы правила сформирована контрольная выборка. Задавшись величиной ошибки 10% по размаху варьирования сопротивления БАТ, определен объем выборки n =104±31 наблюдений. Ошибка классификации на контрольной выборке <6%.

Литература

1. Кореневский Н.А. Проектирование систем поддержки принятия решений для медико-экологических приложений.-Курск: КГТУ, 2004.- 180 с.

2. Кореневский Н.А. Синтез моделей взаимодействия внутренних органов с проекционными зонами и их использование в рефлексодиагностике.- Курск: КурскГТУ, 2005.- 224 с.

УДК 613.735; 611-06;616-008

КОМПАРТМЕНТНО -КЛАСТЕРНЫЙ АНАЛИЗ ПОКАЗАТЕЛЕЙ ФУНКЦИОНАЛЬНЫХ СИСТЕМ ОРГАНИЗМА ТРЕНИРОВАННЫХ И НЕТРЕНИРОВАННЫХ СТУДЕНТОВ ЮГРЫ

М.Я. БРАГИНСКИЙ, В. А. ВИШНЕВСКИЙ, В. М. ЕСЬКОВ,

О.В. КЛИМОВ, С.И. ЛОГИНОВ,* Н.А ФУДИН

Введение. Особенности организации и регуляции двигательных функций человека являются одной из главных проблем биофизики и физиологии нервно-мышечной системы (НМС). В этой проблеме можно выделить ряд направлений, в частности, организация (за счет взаимодействия центральных и периферических компонентов моторики) координации сложных двигательных актов, а также удержание позы человека. Последняя задача особенно остро стоит в физиологии спорта (у гимнастов и в стрелковой подготовке биатлонистов). Вегетативное и нейромо-торное регулирование НМС имеет ряд принципиально общих системных структурно-функциональных признаков. В этой связи существует определенный интерес в изучении роли и влияния симпатических и парасимпатических отделов вегетативной нервной системы на работу НМС в целом и у спортсменов в период тренировок, в частности. В работах Пущинской научной школы (Е. Е. Фесенко, Н. К. Чемерис, Л. М. Чайлахян, О.А. Морнев и др.) особое внимание уделяется диагностике регуляторных мышечных систем и процессам, происходящим на клеточном уровне. В ряде работ тульских ученых (А. А. Хадарцев, Т. И. Субботина, А. А. Яшин) исследуются вопросы вегетативной регуляции нейромоторных механизмов в норме, при патологии и действии физических полей [1-3]. Спортивная подготовка студентов учебных учреждений, сопровождаются тремя видами физических нагрузок (динамическими, статическими, статодинамическими). Отсюда представляет несомненный интерес изучение (в рамках разрабатываемого в лаборатории биокибернетики и биофизики

Сургутский государственный университет, 628400, г. Сургут, Энергетиков 14, СурГУ, (3462)524822, e-mail: evm@bf.surgu.ru

сложных систем при СурГУ компартментно-кластерного подхода - ККП) биофизических показателей мышц, находящихся в динамических и статических режимах функционирования, как наиболее часто встречаемых в ходе тренировок.

Эти режимы воспроизводятся экспериментально на нервномышечном аппарате животных. Интерес в биофизике и физиологии мышечного сокращения вызывает проблема идентификации возможностей синергических взаимоотношений в работе ряда мышц и иерархически организованных мышечных комплексов, обеспечивающих сложные движения - физические упражнения спортсменов. Такая постановка проблемы впервые была в работах Еськова В.М. и Смолянинова В.В. для биологических динамических систем (БДС). Проблема синергизма в работе мышц и мышечных систем остается наиболее сложной и интересной и в физиологии труда и спорта, и в биофизике и физиологии. Попытка формализовать эту проблему, подойти к ее решению с позиций точных количественных методов системного анализа и синтеза (САС) представляется весьма актуальной.

Цель работы - изучение с позиций ККП регуляции двигательных функций в условиях физических нагрузок и без [2, 4].

Объект и методы исследований. Путём анализа амплитудно-частотных характеристик тремора конечностей были проведены исследования на предмет изучения устойчивости удержания позы спортсменом. Тремор регистрировался с помощью специально изготовленной установки и программ для обработки данных. Т.к. нервно-мышечная регуляция удержания позы зависит от состояния вегетативной нервной системы (ВНС), то у спортсменов проводилась одновременная регистрация и показателей тремора, и показателей пара- и симпатической системы до (в спокойном состоянии) и после тренировок. Измерение показателей ВНС проводились с помощью установки «Элокс» на базе ЭВМ АТХ. Специальные программные продукты обеспечивали корреляционный анализ в оценке тремора левой и правой руки (одновременная регистрация) и показателя ВНС. Обследовано 196 чел. по такой методике и 1216 чел. - на предмет выявления состояния показателей ВНС у молодёжи, проживающей на Севере РФ (для идентификации общего контрольного фона) в сравнение с такими же показателями у жителей центральной части РФ.

Результаты исследований. Главная задача в экспериментов на спортсменах и добровольцах сводилась к изучению возможности использования ККП в диагностике функционального состояния нервно-мышечной системы в целом и отдельных мышц, в частности. Внимание при этом уделялось изучению возможностей идентификации синергических взаимоотношений в НМС и состояний пара- и симпатической систем испытуемых разного уровня подготовки (от мастера спорта до любителя).

Разработанный нами ККП [1-3] успешно применяется для БДС, которые можно описывать вектором состояния x=x(t) в фазовом ^-мерном пространстве состояний. В рамках такого подхода можно формализовать структуру БДС как компартмент-но-кластерную структуру, и тогда фазовые координаты будут представлять динамику поведения отдельных компартментов, функционирующих в условиях воздействия внешних управлений. Такие БДС всегда испытывают управляющие воздействия со стороны иерархических систем. Для мышц такой иерархической системой является ЦНС, обеспечивающая тонус и всю регуляцию работы мышц. Рассмотрим методику идентификации синергизма НМС в аспекте ККП, как одного из основных в теории БДС.

Если предполагать огромную сложность организации клеточных биосистем и ФСО, то можно воспользоваться системой «черный ящик», когда функции БДС известны, но внутренняя структура недоступна. Тогда по соотношению между входной величиной (ud) и выходом у=у() можно строить адекватные модели и идентифицировать синергизм. Причем в качестве ^ нами определяется физическая нагрузка (повышенная физическая активность), которая для НМС является внешним возмущающим воздействием. D рамках ККП любая БДС может описываться системой уравнений вида [1-3]:

= AP{y)x - Ь:к + ud (1)

у = Є1x

Система (1) является базовой в рамках ККП для изучения любой БДС, а также биосистемы, находящейся в стационарном (например, физиологически относительно неизменном) состоянии [1-3]. В рамках ККП иерархическая организация БДС пред-