CC BY
13
УДК 004.9
https://doi.org/10.24412/2226-2296-2022-1-52-58
I
История разработки информационных и интеллектуальных медицинских технологий курскими исследователями в период с середины 70-х до середины 90-х годов прошлого столетия
Л.В. Стародубцева, С.Н. Родионова
Юго-Западный государственный университет, 305040, г. Курск, Россия ORCID: https://orcid.org/0000-0001-6803-298X, E-mail: lilja-74@inbox.ru ORCID: https://orcid.org/0000-0002-4477-3975, E-mail: knsofia@mail.ru
Резюме: В статье рассматриваются вопросы разработки информационных и интеллектуальных медицинских технологий учеными Курской области в их историческом аспекте в период с середины 1970-х до середины 1990-х годов.
Ключевые слова: история, информационные медицинские технологии, интеллектуальные медицинские технологии, нейронные сети. Для цитирования: Стародубцева Л.В., Родионова С.Н. История разработки информационных и интеллектуальных медицинских технологий курскими исследователями в период с середины 70-х до середины 90-х годов прошлого столетия // История и педагогика естествознания. 2022. № 1. С. 52-58. D0I:10.24412/2226-2296-2022-1-52-58
THE HISTORY OF THE DEVELOPMENT OF INFORMATION AND INTELLIGENT MEDICAL TECHNOLOGIES BY KURSK RESEARCHERS IN THE PERIOD FROM THE MID-SEVENTIES TO THE MID-90S OF THE LAST CENTURY Liliya V. Starodubtseva, Sofya N. Rodionova
South-Western state University, 305040, Kursk, Russia ORCID: 0000-0001-6803-298X, E-mail: lilja-74@inbox.ru ORCID: 0000-0002-4477-3975, E-mail: knsofia@mail.ru
Abstract: The article deals with the development of information and intelligent medical technologies by scientists of the Kursk region in their historical aspect in the period from the mid-seventies to the mid-nineties of the twentieth century. Keywords: history, information medical technologies, intelligent medical technologies, neural networks.
For citation: Starodubtseva L.V., Rodionova S.N. THE HISTORY OF THE DEVELOPMENT OF INFORMATION AND INTELLIGENT MEDICAL TECHNOLOGIES BY KURSK RESEARCHERS IN THE PERIOD FROM THE MID-SEVENTIES TO THE MID-90S OF THE LAST CENTURY. History and Pedagogy of Natural Science. 2022, no. 1, pp. 52-58. DOI:10.24412/2226-229B-2022-1-52-58
Активное участие специалистов и ученых Курского региона в разработке и исследовании медицинских информационных систем относится к 1973 году, когда по заказу Всесоюзного научно-исследовательского и испытательного института медицинской техники (ВНИИ ИМТ) г. Москвы Курский политехнический институт (КПИ) под руководством завкафедрой вычислительной техники (ВТ) доцента В.Н. Долгополова приступил к разработке первой в СССР аналоговой искусственной нейронной сети (АИНС) для решения задач медицинской диагностики.
К 1975 году при активном участии молодых специалистов и инженеров Н.А. Кореневского, А.Н. Куликова, А.Н. Грошкова и А.Ф. Рыбочкина была разработана и передана заказчику АИНС на пять входных признаков и два распознаваемых диагноза, а в 1977 году была реализована более мощная АИНС на 30 медицинских признаков, способная обучаться постановке восьми диагнозов [1, 2].
В 1996-1997 годах в Курском политехническом институте проводился заключительный этап хоздоговорной научно-исследовательской работы № 47 «Исследование эффективности применения специализированных систем автоматической диагностики в типовых лечебных учрежде-
ниях и клиниках» (научный руководитель завкафедрой ВТ, к.т.н., доцент В.Н. Долгополов). В ходе этих исследований изучались технические возможности разработанных аналоговых искусственных нейронных сетей и эффективность алгоритмов их обучения, разработанных во ВНИИ ИМТ под руководством профессора А.И. Галушкина. Принимая во внимание сложность настройки специализированных АИНС и недостатки автоматических алгоритмов их обучения, не учитывающих структуру классификационных данных, специалист кафедры вычислительной техники КПИ Н.А. Кореневский по ходу изучения возможности повышения эффективности алгоритмов обучения и улучшения механизмов настройки специализированных медицинских диагностических приборов, обратил внимание на то, что ряд зарубежных специалистов указывают на перспективность использования диалоговых систем распознавания образов (ДСР) [3-6].
Основной целью ДСР является предоставление пользователю быстрого и гибкого способа анализа структуры данных путем опробования различных способов отображения и перебора решающих правил из известного их набора с тем, чтобы определить, какой алгоритм или метод наи-
лучшим способом решает поставленные задачи распознавания [4].
Анализ описываемых в 70-е годы ДСР показал, что в них процесс обучения был реализован по следующей цепочке: выбор методов отображения, позволяющих с различных позиций изучить структуру классов, ^ анализ структуры классов ^ выбор адекватных решающих правил с реализацией процесса обучения ^ классификация с помощью обученных систем.
При анализе сложноструктурированных классов осуществлялся многократный возврат по указанной цепочке. При этом пользователи часто отмечали, что алгоритмы и модели отображения с анализом структуры данных зачастую намного сложнее, чем алгоритмы обучения и классификации [4-6].
Разработчики ДСР 70-х годов отмечали, что эти системы представляют собой сложные и дорогостоящие вычислительные комплексы, делая их использование экономически неоправданным.
Эти соображения учитывали советские специалисты по теории распознавания образов. По крайней мере, в открытой печати к середине 70-х годов публикации об использовании ДСР в СССР отсутствовали.
С учетом накопленного опыта в обучении классических нейронных сетей, возможностей ДСР 70-х годов и имеющейся в СССР базы вычислительной техники Н.А. Кореневский в 1977 году предлагает изменить логику принятия решений в диалоговых системах распознавания. В отличие от традиционных ДСР Кореневский предложил объединить два различных этапа - отображение данных с целью анализа их структуры и решение задачи классификации [3]. При таком варианте отображающие функции практически являются основой решающих правил, а задача обучения заключается в поиске вида и параметров этих функций таким образом, чтобы в пространстве отображения пересечение альтернативных классов отсутствовало или было минимальным.
При этом пользователя в основном интересует не общая структура классов, а зона их пересечения в отображаемом пространстве, что значительно сокращает объем анализируемой информации. Специалист, ведущий обучение, получает возможность сразу наблюдать решение поставленной задачи и при необходимости корректировать результат обучения с помощью достаточно простых правил [3, 7].
На основе предложенного подхода Н.А. Кореневский в 1978 году разработал и изготовил специализированное устройство типа «Диалог» как портативную приставку к промышленным телевизионным приемникам (ТП). Специализированная приставка моделировала пару отображающих функций и формировала сигналы управления положением светящейся точки на экране ТП соответствующим величинам отображающих функций. Границы исследуемых классов состояний, полученные на этапе обучения, изображались на прозрачном трафарете, покрывающем экран ТП [7]. Обучение осуществлялось с помощью пакета прикладных программ в интерактивном режиме, написанном на языке FORTRAN.
Таким образом, в 1978 году в СССР был получен первый опытный образец портативного диалогового устройства распознавания и алгоритм обучения для большой ЭВМ типа БЭСМ 4М, первоначально ориентированный на медицинские приложения.
Ценность этого прибора определялась еще и тем, что в середине 70-х годов в СССР серийного выпуска микроЭВМ еще не было. Первая отечественная микро-ЭВМ типа «Электроника НЦ-03Т» была изготовлена опытной партией всего в пяти экземплярах. Она в то время технически не
могла претендовать на широкое применение в медицинской практике как средство автоматической диагностики.
В период с 1978 года практически до конца существования СССР «Диалог» оставался единственным специализированным портативным прибором автоматической медицинской диагностики, обучающимся в режиме диалога. За это время он был обучен на дифференциальную диагностику пороков сердца и острых заболеваний органов брюшной полости, требующих хирургического вмешательства, на диагностику таких профессиональных заболеваний, как виброболезнь и заболевания системы дыхания сварщиков, на дифференциальную диагностику функционального состояния человека и т.д. Во всех решаемых задачах обеспечивались показатели диагностической чувствительности и специфичности не хуже 0,95 [7-11].
С появлением более мощных персональных ЭВМ с хорошими графическими дисплеями появилась возможность значительного расширения функциональных возможностей диалоговых систем распознавания, обеспечивающих отображение и распознавание исследуемых классов состояний со структурой практически любой сложности [12]. В современной реализации разработанный Н.А. Кореневским метод является составной частью математического обеспечения медицинских систем поддержки принятия решений [9].
В период с 1979 по 1989 год в условиях дефицита вычислительной техники и особенно персональных ЭВМ студенческое конструкционное бюро КПИ, руководимое Н.А. Кореневским, разрабатывало различные специализированные портативные и недорогие вычислительные устройства, решающие частные задачи медицинской и психологической диагностики по заказу врачей-энтузиастов Курских и Донецких лечебно-профилактических учреждений. С использованием этих устройств решались задачи: дифференциальной диагностики стрессовых состояний и пылевого бронхита; оценки состояний функций внимания, памяти, мышления и психомоторики; дифференциальной оценки функционального состояния человека-оператора; определения социально-психологических взаимодействий в малых группах; оценки порогов чувствительности критической частоты слияния световых мельканий; классификации нарушений кардиогемодинамики и др. [13-20].
К началу 90-х годов в Курском политехническом институте, переименованном в Курский государственный технический университет (КГТУ), под руководством доцента Н.А. Кореневского сложился коллектив специалистов, способных решать широкий круг медико-биологических проблем с применением средств вычислительной техники.
В это же время, проанализировав развитие средств вычислительной техники и информационных технологий, Главное управление здравоохранения Ленинграда (ГУЗЛ) поставило задачу разработки медицинских информационных систем для типовых лечебно-профилактических учреждений Ленинграда. Для практической реализации этой задачи на базе поликлиники № 88 был создан медико-технический концерн АМИС (автоматизированные медицинские информационные системы) под руководством президента концерна В.Н. Звягинцева. Официальная дата регистрации концерна 14 февраля 1991 года.
С учетом опыта совместной работы В.Н. Звягинцева с группой специалистов по медицинским информационным системам из Курского государственного технического университета во главе с Н.А. Кореневским в качестве группы разработчиков информационно-технической составляющей были приглашены сотрудники КГТУ. Для эффективного взаимодействия между концерном АМИС и КГТУ на базе последнего 26 декабря 1991 года была создана фирма
■ ® щ м ИСТОРИЯ НАУКИ И ТЕХНИКИ
«Нейрон» в форме общества с ограниченной ответственностью (ООО).
В качестве медицинских соисполнителей ГУЗЛ выделило четыре взрослых и четыре детских лечебно-профилактических учреждения (ЛПУ) Ленинграда.
В конце 1991 - начале 1992 года в фирме «Нейрон» изучались возможности отечественных микро-ЭВМ для решения задач информационного обеспечения ЛПУ, однако довольно быстро выяснилось, что, выполняя частные консультативные диагностические задачи, этот класс ЭВМ не способен решать комплексные задачи автоматизации деятельности медицинских учреждений. Во второй половине 1991 года были приобретены достаточно мощные к тому времени ЭВМ типа IBM PC/AT (разработка США), объединяемые в локальные сети. В качестве первоочередной задачи была определена разработка автоматизированных рабочих мест (АРМ) для типовой городской поликлиники в составе: АРМ основных медицинских специалистов (пульмонологов, гастроэнтерологов, кардиологов, урологов и т.д.); АРМ главного врача; АРМ заместителей главного врача; АРМ старшей медсестры; АРМ материально-технического снабжения; АРМ бухгалтерии; АРМ доврачебного контроля, позволяющего на основании простейших измерительных процедур оптимизировать потоки пациентов в рамках поликлиники [21-22].
Совместные исследования концерна АМИС и фирмы «Нейрон» в области разработки поликлинических АРМ, объединяемых в локальные поликлинические сети и проводимых в 1991 году, показали, что для их создания требуется достаточно большой коллектив квалифицированных работников, желательно тесно контактирующих между собой.
В отсутствие в 1991 году современных средств коммуникации (основной вид связи проводной телефон) было принято решение основную группу разработчиков сконцентрировать в концерне АМИС. Для обеспечения квалифицированного технического руководства разработкой в концерн АМИС (Санкт-Петербург) в качестве технического
директора в начале 1992 года был командирован доцент КПИ Н.А. Кореневский. В Курске в фирме «Нейрон» медицинскую часть работ возглавил профессор Ф.А. Пятакович Под его руководством разрабатывались элементы АРМ врача-гастроэнтеролога с оригинальным модулем хроно-физиотерапии, ориентированным на лечение гастрита и язвы желудка электромагнитным полем крайне высокой частоты, модулированным пульсом и дыханием пациента через биотехническую обратную связь (БТОС). Кроме общего технического руководства, доцент Кореневский осуществлял разработку важнейшей части всех поликлинических АРМ - информационно-логической модели управления лечебно-диагностическим процессом, которая до настоящего времени является основой построения систем поддержки принятия решений для врачей различных специальностей, разрабатываемых на кафедре биомедицинской инженерии (БМИ) Юго-Западного государственного университета (ЮЗГУ). Основным элементом информационно-логической модели является проблемно ориентированная база знаний, в состав которой вошли: знания из искомой предметной области в виде словарей, справочников, связанных текстов, таблиц и т.д.; правила вывода гипотез, заключений, управляющих воздействий и т.д.; система управления базой знаний, которая, кроме своих прямых функций, выполняет роль диспетчера, согласующего работу базы знаний с остальными компонентами системами [12].
На рис. 1 показана укрупненная структурная схема организации модели лечебно-диагностического процесса базы знаний с учетом организации технологии ведения пациента в типовом ЛПУ.
В этой схеме интеллектуальный пользовательский интерфейс обеспечивает связь базы знаний с лицом, принимающим решения (ЛПР) - врачом-экспертом. Для удобства работы с пользователем система генерирует различные экранные формы и типовые медицинские справки и документы на языке предметной области в зависимости от этапов и типов решаемых задач.
Рис. 1. Обобщенная структура информационно-логической модели управления лечебно-диагностическим процессом
Для организации автоматизированной технологии ведения больного и взаимодействия ЛПР, работающего со «своей» экспертной системой с другими автоматизированными рабочими местами (АРМ) врачей-экспертов, предусматривается блок принятия решений по технологии ведения обследуемого и взаимодействия с другими элементами экспертных систем.
Блок поддержки принятия диагностических решений и оценки их качества обеспечивает решение следующих задач: формирование и нормирование пространства признаков, характеризующих состояние здоровья человека; поэтапный вывод предварительных диагностических заключений по функциям, органам и нозологиям с механизмом формирования схемы и режимов обследования; определение функций и органов с высоким риском поражения (мишеней) за счет внешних и внутренних факторов; определение сочетанных заболеваний с выделением основных и сопутствующих патологий; формирование и реализация запросов уточняющей информации (лабораторные, функциональные и инструментальные исследования, консультации экспертной системы других специалистов и ЛПУ); получение заключительного диагноза по системе ведущих и вспомогательных симптомокомплек-сов; реализации просмотров фактов и данных, уточняющих, подтверждающих или опровергающих выдвигаемые гипотезы или диагнозы; формирование решения о необходимости дообследования и реализации механизмов динамического слежения за требуемым набором признаков с целью уточнения диагнозов; расчета показателей качества проведения диагностического процесса; контроля за выполнением пациентами графика диагностических назначений.
Блок анализа и оценок качества диагностических заключений обеспечивает решение следующих задач: формирования и описания диагностических заключений, включая описание особенностей течения заболеваний, морфологию, форму, стадию, топологические характеристики и т.д.; прогнозирования развития и течения заболевания; оценки степени поражения и состояние организма; реализации просмотров фактов и данных, позволяющих оценивать динамику течения заболевания и подтверждающих поставленные диагнозы; динамического слежения за изменением диагностических признаков и состоянием здоровья; расчета показателей качества по принятому врачом диагностическому заключению.
Блок поддержки принятия решений по управлению и коррекции состояния здоровья человека и оценки их качества решает следующие задачи: формирование корректирующих и управляющих воздействий (лечебные и оздоровительные процедуры, биоэнергетические воздействия, гипноз и т.д.) в зависимости от диагноза и характера течения заболевания и индивидуальных особенностей организма; выявление противопоказаний и формирование схем лечения с механизмом динамического слежения за выбранным перечнем показателей и состоянием здоровья; документирование лечебного назначения и контроль за выполнением пациентами графиков лечебного назначения; расчет показателей качества проведения лечебно-оздоровительных мероприятий; выбор тактики ведения пациента в зависимости от состояния его здоровья.
Одним из главных моментов в построении системы является то, что все промежуточные гипотезы и конечные заключения характеризуются некоторой уверенностью в принятии решений, определяемых через коэффициент уверенности.
Анализ предложенной информационно-аналитической модели и особенностей ведения пациента в условиях поли-
клиники позволил обосновать целесообразность использования в качестве базовой модели медицинской предметной области сетевую модель, из узлов которой возможно совершение разветвленных переходов для уточнения диагнозов, определения степени тяжести заболевания, назначения лечебно-оздоровительных мероприятий, смены диагностических гипотез, смены тактики лечения и т.д.
В качестве основного элемента сети предлагается использовать унифицированный по входам и выходам решающий модуль (РМ), располагающийся в узлах сетевой модели. Решающие правила, используемые в РМ, ориентированы в основном на применение нечетких (ненадежных) знаний и факторов, выраженных через коэффициенты уверенности. Кроме того, для РМ разрешено использование и других хорошо зарекомендовавших себя решающих процедур (дискриминантный анализ, различные модификации метода эталонов, вероятностные процедуры, методы динамического интерактивного конструирования двумерных отображающих пространств и др.)
Решающий модуль имеет несколько программных входных и выходных интерфейсов со своими спецификациями. Различаются интерфейсы для ввода/вывода фактов, данных, решающих правил, адресов, управляющей и обучающей информации.
Кроме своей основной функции по реализации данного решающего правила (правила принятия решений по диагностике класса состояний, правила прогноза и коррекции состояний организма и др.), решающие модули реализуют следующие наборы функций: анализ входной информации на ее полноту и соответствие спецификации решающего модуля; организацию целенаправленного запроса дополнительной информации для уточнения принимаемых РМ решений; расчет показателей достоверности (коэффициентов уверенности) получаемых решений; расчет показателей качества (коэффициентов уверенности) с формированием адресов переходов для реализации следующих этапов решения поставленной задачи другим РМ сетевой модели, при этом особо выделяются решения, требующие срочного уточнения диагноза в экстренных ситуациях; слежение за графиком выполнения лечебно-диагностических назначений; реализация механизма объяснения причин снижения качества принимаемых решений с указанием конкретной информации о том, чем вызвано это снижение; организация режима обучения (дообучения) с целью повышения качества принимаемых РМ решений.
Каждый решающий модуль при необходимости может быть переведен в режим реализации программ аттестации, профессионального отбора или обучения медицинского персонала.
Для организации управляемых переходов от модуля к модулю во всех решающих модулях предусмотрен механизм адаптационного управления, в соответствии с которым адрес перехода определяется специальными фрагментами решающих правил, получаемых на этапе обучения системы в целом.
Структура системы сетевой модели управления лечебно-диагностическим процессом, реализующей перечисленные выше функции, приведена на рис. 2.
В этой схеме каждый модуль РМ3{ имеет двойной порядковый номер: по строке э = I ... т и столбцу t = I ... к... п... г соответственно.
При реализации лечебно-диагностического процесса сетевой логической моделью каждый решающий модуль, используя набор входных признаков (симптомокомплексов, диагнозов и их особенностей), формирует набор гипотез, сопровождающихся соответствующими значениями коэффициентов уверенности.
Рис. 2. Структура системы сетевой модели управления лечебно-диагностическим процессом
При низкой уверенности в выдвигаемой гипотезе РМ запрашивает дополнительную информацию и на ее основе уточняет принимаемые решения. Входные признаки и дополнительная информация сопровождаются значениями весовых коэффициентов, определяющих их вклад в формирование соответствующих гипотез. Если ни одна из гипотез не обеспечивает решения с заданной уверенностью, происходит переход к новому РМ - либо вглубь (уточнение или развитие версии по выбранной гипотезе), либо вширь (переход к новой гипотезе), либо возврат назад, если первоначально выдвигаемые гипотезы неверны. Этап получения диагноза заканчивается по достижении заданной уверенности в диагнозе, а этап лечения - по достижении заданного или возможно достижимого лечебно-оздоровительного эффекта. Набор признаков и дополнительно запрашиваемая РМ информация могут быть неполными, что отражается в уверенности принимаемых решений. При этом у пользователя имеется возможность просмотра и уточнения роли отдельных признаков в формировании той или иной гипотезы с целью получения информации о необходимости дообследования, смены гипотезы или тактики ведения пациента.
При работе с сетевой моделью в специальной буферной памяти производится запоминание номеров и порядка использования РМ, условий их работы с сохранением требуемых фактов и данных по каждому модулю. Это позволяет проследить этапы и весь ход реализации лечебно-диагностического процесса. Поскольку для каждого модуля известен его вес в принятии того или иного решения, а также известны роль и вес каждого признака, используемого РМ, появляется возможность оценки качества работы ЛПР (врачи, управленческий персонал и т.д.) путем анализа используемых моделей и даже отдельных признаков (симптомо-комплексов).
Функцию контроля качества за деятельностью ЛПР выполняют специальные программные средства системы оценки качества (СОК). Логика работы СОК основывается на том, что чем более весомые с точки зрения выбранного критерия РМ или признаки (симптомокомплексы) не задей-
ствуются (не анализируются) ЛПР при работе с исследуемой нозологией, тем ниже оценивается качество работы врача в случаях его ошибок при постановке диагноза и (или) определении тактики ведения пациента.
Обобщая результаты работ в концерне АМИС, Н.А. Кореневский подготовил и в 1993 году защитил докторскую диссертацию на тему «Принципы и методы построения интерактивных систем диагностики и управления состоянием здоровья человека на основе полифункциональных моделей» [12].
В конце 1992 года закончился срок стажировки Н.А. Ко-реневского в Санкт-Петербурге и он вернулся в Курский государственный технический университет, где в 1993 году организовал и возглавил кафедру биотехнических и медицинских аппаратов и систем, позже переименованную в кафедру биомедицинской инженерии. Кафедра начала подготовку студентов по специальностям 200401 «Биотехнические и медицинские аппараты и системы» и 200402 «Инженерное дело в медико-биологической практике».
Приказ об открытии кафедры был подписан 22 июля 1993 года. В состав кафедры вошли: д.т.н., профессор Н.А. Кореневский (завкафедрой); д.м.н., профессор Ф.А. Пятако-вич; к.т.н., доцент В.Т. Пронин; к.т.н., доцент Г.П. Колоско-ва; к.м.н., доцент Т.И. Якунченко; старший преподаватель С.П. Чертов; старший преподаватель М.В. Артеменко; ассистент В.В. Губанов.
В 1994 году на кафедру пришел доцент С.А. Филист, начавший исследования в области электрофизиологических сигналов с использованием двухмерного спектрального анализа.
Появление собственных высококвалифицированных специалистов позволило в 1994 году создать при КГТУ аспирантуру и совет по защите кандидатских и докторских диссертаций по специальности 05.13.09 «Управление в биологических и медицинских системах», что послужило новым толчком для развития научных направлений в области медицинских и экологических информационных и интеллектуальных систем курскими исследователями на базе КГТУ.
СПИСОК ЛИТЕРАТУРЫ
1. Долгополов В.Н., Кореневский Н.А., Мальцев М.В. Устройство распознавания по табличным признакам СРТ-5П: инф. л. № 405-78 Курского ЦНТИ. Курск, 1978. 4 с.
2. Долгополов В.Н., Кореневский Н.А. Распознающий комплекс по табличным данным СРТК-30П: инф. л. № 402-78. Курск, 1978. 4 с.
3. Долгополов В.Н., Кореневский Н.А. Методика и алгоритм обучения диалоговой системы распознавания // Сб. мат. конф. «Решение логических задач на ЭВМ». Курск, 1977. С. 25-34.
4. Кэнал Л. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога // Распознавание образов при помощи цифровых вычислительных машин. М.: Мир, 1974. С. 124-143.
5. Sammon J.W.JR. Interactive Pattern Analysis and Classification // IEEE Transactions on computers. 1970. Vol. 19, No. 7. Pp. 594-616.
6. Sammon J.W.JR. An interactive-graphic subsystem For pattern analysis / J.W.JR. Sammon, A.H. Proctor, D.F. Roberts // Pattern Recognition Pergamon Press. 1971. Vol. 3. Pp. 37-52.
7. Долгополов В.Н., Кореневский Н.А., Грошков А.Н. Об одном способе обработки информации в диалоговых системах распознавания образов // Изв. вузов: Приборостроение. 1978. Т. XXI. № 3. С. 47-52.
8. Кореневский Н.А. Метод динамической оценки состояния объекта в диалоговых системах распознавания // Изв. вузов: Приборостроение, 1987. Т. XXI. № 12. С. 37-41.
9. Кореневский Н.А., Титов В.С., Чернецкая И.Е. Проектирование систем поддержки принятия решений для медико-экологических приложений: моногр. Курск: КГТУ, 2004. 180 с.
10.Кореневский Н.А. Классификация двумерных отображений в многоальтернативных диалоговых системах (на примере задач, медицинской диагностики): дис. к-та техн. наук: 05.13.01. Л., 1983. 142 с.
11.Кореневский Н.А. Пакет программ обучения классификации в режиме диалога. М.: ВНИИМ и МТИ /ОФАП/, 1983. 75 с.
12.Кореневский Н.А. Принципы и методы построения интерактивных систем диагностики и управления состоянием здоровья человека на основе полифункциональных моделей: дис. д-ра техн. наук: 05.13.09. СПб., 1993. 322 с.
13.Кореневский Н.А., Долгополов В.Н., Удалов С.К., Дейнега В.Г. Устройство диагностики пылевого бронхита: инф. л. Курского ЦНТИ. Курск, 1979. 4 с.
14.Кореневский Н.А., Долгополов В.Н., Удалов С.К., Дейнега В.Г. Приставка для диагностики стадий виброболезни: инф. л. Курского ЦНТИ. Курск, 1979. 4 с.
15.Кореневский Н.А., Звягинцев В.Н. Устройство диагностики острых заболеваний органов брюшной полости, требующих неотложной врачебной помощи: инф. л. Курского ЦНТИ. Курск, 1982. 4 с.
16.Кореневский Н.А., Дейнега В.Г., Прелуцкий В.И. К вопросу о вычислительной диагностике профессиональных заболеваний сварщиков // Гигиена труда и профессиональные заболевания. 1983. № 12. С. 12-16.
17.Кореневский Н.А. Устройство для определения социально-психологических взаимодействий испытуемых в малых группах: инф. л. № 146-84 Курского ЦНТИ. Курск, 1984. 4 с.
18.Кореневский Н.А., Плотников В.В. Устройство для автоматизированного исследования порогов критической частоты слияния световых мельканий: инф. л. № 131-84. Курского ЦНТИ. Курск, 1984. 2 с.
19.Кореневский Н.А., Звягинцев В.Н. Применение метода параметрического анализа степени синхронности для решения задач оценки функциональных состояний // Тез. докл. к VII съезду общества психологов СССР «Психология и научно-технический прогресс». М., 1989. С. 175-176.
20.Плотников В.В., Кореневский Н.А., Забродин Ю.М. Автоматизация методик психологического исследования: принципы и рекомендации. Орел: ВНИИОТ Госагропрома СССР, 1989. 327 с.
21.Кореневский Н.А., Пятакович Ф.А., Звягинцев В.Н. Комплекс программных средств поддержки автоматизированной поликлиники на IBM совместных компьютерах // Тез. всесоюз. семинара «Жизнь и компьютер - 91». Харьков, 1991. С. 58-59.
22.Кореневский Н.А. Диагностика состояния здоровья человека с оценкой качества деятельности врача. Курск: Изд-во межотраслевого территориального центра НТИ, 1993. № 1 (93). С. 3.
REFERENCES
1. Dolgopolov V.N., Korenevskiy N.A., Mal'tsev M.V. Ustroystvo raspoznavaniyapo tablichnym priznakam CPT-5P: inf. l. №405-78 Kurskogo TSNTI [Tabular recognition device CPT-5P: inf. p. No. 405-78 of the Kursk CNTI]. Kursk, 1978. 4 p.
2. Dolgopolov V.N., Korenevskiy N.A. Raspoznayushchiy kompleks po tablichnym dannym SRTK-30P: inf. l. №402-78 [Recognizing complex according to tabular data SRTK-30P: inf. p. No. 402-78]. Kursk, 1978. 4 p.
3. Dolgopolov V.N., Korenevskiy N.A. Metodika i algoritm obucheniya dialogovoy sistemy raspoznavaniya [Technique and algorithm for teaching a dialogue recognition system]. Trudy konf. «Resheniye logicheskikh zadach na EVM» [Proc. of conf. "Solution of logical problems on a computer"]. Kursk, 1977, pp. 25-34.
4. Kenal L. Raspoznavaniye obrazovpripomoshchi tsifrovykh vychislitel'nykh mashin [Pattern recognition using digital computers]. Moscow, Mir Publ., 1974. pp. 124-143.
5. Sammon J.W.JR. Interactive pattern analysis and classification. IEEE Transactions on computers, 1970, vol. 19, no, 7, pp. 594-616.
6. Sammon J.W.JR., Proctor A.H., Roberts D.F. An interactive-graphic subsystem for pattern analysis. Pattern Recognition Pergamon Press, 1971, vol. 3, pp. 37-52.
7. Dolgopolov V.N., Korenevskiy N.A., Groshkov A.N. On one method of information processing in dialogue systems of pattern recognition. Izv. vuzov, 1978, vol. XXI, no. 3, pp. 47-52 (In Russian).
8. Korenevskiy N.A. Method for dynamic assessment of the state of an object in dialog recognition systems. Izv. vuzov, 1987, vol. XXI, no. 12, pp. 37-41 (In Russian).
9. Korenevskiy N.A., Titov V.S., Chernetskaya I.YE. Proyektirovaniye sistem podderzhkiprinyatiya resheniy dlya mediko-ekologicheskikh prilozheniy [Designing decision support systems for medical and environmental applications]. Kursk, KGTU Publ., 2004. 180 p.
10. Korenevskiy N.A. Klassifikatsiya dvumernykh otobrazheniy v mnogoal'ternativnykh dialogovykh sistemakh (na primere zadach, meditsinskoy diagnostiki). Diss. kand. tekhn. nauk [Classification of two-dimensional mappings in multi-alternative dialogue systems (on the example of tasks, medical diagnostics). Cand. tech. sci. diss.]. Leningrad, 1983. 142 p.
11. Korenevskiy N.A. Paketprogramm obucheniya klassifikatsii vrezhime dialoga [Package of programs for teaching classification in dialogue mode]. Moscow, VNIIM i MTI /OFAP/ Publ., 1983. 75 p.
12. Korenevskiy N.A. Printsipy i metody postroyeniya interaktivnykh sistem diagnostiki i upravleniya sostoyaniyem zdorov'ya cheloveka na osnove polifunktsional'nykh modeley. Diss. dokt. tekhn. nauk [Principles and methods for constructing interactive systems for diagnosing and managing the state of human health based on polyfunctional models. Dr. tech. sci. diss.]. St. Petersburg, 1993. 322 p.
13. Korenevskiy N.A., Dolgopolov V.N., Udalov S.K., Deynega V.G. Ustroystvo diagnostikipylevogo bronkhita: inf. l. Kurskogo TSNTI [Diagnosis device for dust bronchitis: inf. p. Kursk CNTI]. Kursk, 1979. 4 p.
14. Korenevskiy N.A., Dolgopolov V.N., Udalov S.K., Deynega V.G. Pristavka dlya diagnostiki stadiy vibrobolezni: inf. l. Kurskogo TSNTI [A prefix for
diagnosing the stages of vibrodisease: inf. p. Kursk CNTI], Kursk, 1979. 4 p.
15. Korenevskiy N.A., Zvyagintsev V.N. Ustroystvo diagnostiki ostrykh zabolevaniy organovbryushnoy polosti, trebuyushchikh neotlozhnoy vrachebnoy pomoshchi: inf. I. Kurskogo TSNTI [A device for diagnosing acute diseases of the abdominal organs requiring emergency medical care: inf. p. Kursk CNTI], Kursk, 1982. 4 p.
16. Korenevskiy N.A., Deynega V.G., Prelutskiy V.I. On the issue of computational diagnostics of occupational diseases of welders. Gigiyena truda i professional'nyye zabolevaniya, 1983, no. 12, pp. 12-16 (In Russian).
17. Korenevskiy N.A. Ustroystvo dlya opredeleniya sotsial'no-psikhologicheskikh vzaimodeystviy ispytuyemykh v malykh gruppakh: inf. l. № 146-84 Kurskogo TSNTI [A device for determining the socio-psychological interactions of subjects in small groups: inf. p. No. 146-84 of the Kursk CNTI]. Kursk, 1984. 4 p.
18. Korenevskiy N.A., Plotnikov V.V. Ustroystvo dlya avtomatizirovannogo issledovaniya porogovkriticheskoy chastoty sliyaniya svetovykh mel'kaniy: inf. l. № 131-84. Kurskogo TSNTI [A device for the automated study of the thresholds of the critical frequency of light flicker fusion: inf. p. No. 131-84. Kursk CNTI]. Kursk, 1984. 2 p.
19. Korenevskiy N.A., Zvyagintsev V.N. Primeneniye metoda parametricheskogo analiza stepeni sinkhronnosti dlya resheniya zadach otsenki funktsion al'nykh sostoyaniy [Application of the method of parametric analysis of the degree of synchronicity for solving problems of assessing functional states]. Trudy VII s"yezda obshchestva psikhologov SSSR «Psikhologiya i nauchno-tekhnicheskiy progress» [Proc. of the VII Congress of the Society of Psychologists of the USSR "Psychology and scientific and technological progress"]. Moscow, 1989, pp. 175-176.
20. Plotnikov V.V., Korenevskiy N.A., Zabrodin YU.M. Avtomatizatsiya metodikpsikhologicheskogo issledovaniya: printsipyi rekomendatsii [Automation of psychological research methods: principles and recommendations], Orel, VNIIOT Gosagroproma SSSR Publ., 1989. 327 p.
21. Korenevskiy N.A., Pyatakovich F.A., Zvyagintsev V.N. Kompleks programmnykh sredstv podderzhki avtomatizirovannoy polikliniki na IBM sovmest nykh komp'yuterakh [The complex of software tools for supporting an automated clinic on IBM joint computers], Trudy vsesoyuz. seminara «Zhizn i komp'yuter - 91» [Proc. of all-union seminar "Life and computer - 91"]. Kharkov, 1991, pp. 58-59.
22. Korenevskiy N.A. Diagnostika sostoyaniya zdorov'ya cheloveka s otsenkoy kachestva deyateinosti vracha [Diagnosis of the state of human health with an assessment of the quality of the doctor's work], Kursk, mezhotraslevogo territorial'nogo tsentra NTI Publ., 1993. p. 3.
ИНФОРМАЦИЯ ОБ АВТОРАХ / INFORMATION ABOUT THE AUTHORS
Стародубцева Лилия Викторовна, к.т.н., доцент, Юго-Западный Liliya V. Starodubtseva, Cand. Sci. (Tech.), Assoc. Prof., Southwestern
государственный университет. State University.
Родионова Софья Николаевна, аспирант, Юго-Западный государственный Sofya N. Rodionova, Postgraduate Student, Southwestern State University университет.
m
