Входные дозы полей — значения РОД в точках на глубине 0,5 см. В точке максимума значение РОД — 3,52 Гр.
Дозы в критических точках и точках максимума в результате моделирования обеих схем облучения практически совпали, однако статический метод показал некоторое повышение входных доз, что является особенностью, присущей данному методу.
Относительно облучаемых объемов тканей в статическом режиме по сравнению с ротационным достигнуто заметное снижение степени облучения объема головного мозга с 26,1 % до 20,5 %, общего объема тела с 17,3 % до 13,6 %. Степень облучения
планируемого объема опухоли увеличилась с 106,1 % при секторном подвижном методе до 106,9 % при статическом методе.
Таким образом, метод статического двухпольного облучения с клиньями показал равную подвижному методу процентную эффективность облучения мишени, более узкий и центрированный охват опухоли с равномерным распределением стопроцентной дозы по объему мишени (в отличие от секторного качания), снижение облучаемых объемов здоровых тканей и при этом приблизительно эквивалентные подвижному методы значения разовых поглощенных доз в критических органах.
УДК 51-77
А. А. Рахманина, ассистент,
О. М. Шикульская, д-р техн. наук, профессор, заведующая кафедрой, Астраханский государственный университет
Модель адаптивного
управления качеством реабилитации
детей с нарушениями ЦНС
Ключевые слова: информационная система, интегрированная оценка, дети с нарушениями цНС, метод многомерного шкалирования.
Keywords: information system, integrated assessment, children with disorders of Central nervous system, method of multidimensional scaling.
Рассматривается информационная система интегрированной оценки состояния детей с нарушениями ЦНС, основанная на методе многомерного шкалирования.
В настоящее время остро стоит проблема реабилитации инвалидов как в России, так и за рубежом. Количество больных с заболеваниями центральной нервной системы возрастает с каждым годом, выявляются новые разновидности болезней. Повышение качества оказания медицинской помощи и адаптации пациентов невозможно без анализа медицинских данных. Однако их разнородность значительно усложняет анализ. На сегодняшний день достаточно часто применяются математические методы для анализа данных в медицине. Сложность состоит в том, что в качестве медицинских данных в настоящее время используются показатели трех типов (количественные, качественные и булевы), а также
в отсутствие полученных закономерностей — взаимосвязи между ними. Поэтому для проведения анализа они нуждаются в предварительной обработке.
Одним из направлений такой обработки является метод многомерного математико-статистического моделирования, под которым понимается преобразование первичных эмпирических данных о сложной системе в строгие математико-статистические объекты, которые и предстают моделями реальных сложных медицинских систем, подлежащими исследованию. Однако такая возможность используется недостаточно. Чаще всего прибегают к одно-мерныем методам математико-статистического описания объектов исследования и к доказательствам статистической значимости различий производных величин (средних арифметических значений и частот) и законов распределения случайных величин. Лишь в малой части работ выводы базируются на многомерных методах обработки данных исследования, адекватных цели, задачам и материалам исследования. Несмотря на это, характер первичных
№ 3(33)/2014 I
биотехносфера
данных большинства исследований предоставляет возможность использования более основательных и богатых в своем разнообразии многомерных методов математической статистики. В данном исследовании в качестве метода обработки данных предлагается применять метод многомерного шкалирования, который позволяет по заданной информации о мерах различия (близости) между объектами рассматриваемой совокупности приписывать каждому из этих объектов вектор характеризующих его количественных показателей [1].
Система адаптивного управления качеством реабилитации пациента (рис. 1) включает процесс оценки результатов реабилитационных воздействий, их статистическую обработку и построение продукционных правил по применению методов адаптации с учетом входных показателей.
Математическая модель адаптивного управления качеством реабилитации пациента AUKPP может быть представлена в виде следующей совокупности:
Ше:^ = o, ^ M, ^ ^ ^,
где О — объект моделирования (процесс оценки эффективности методов лечения и реабилитации);
Рис. 1
Модель адаптивного управления качеством реабилитации пациента
K.вх — совокупность входных параметров; ^^ — совокупность выходных параметров; М — совокупность методов лечения и реабилитации; P — правило перевода. Вектор входных параметров представляет собой совокупность показателей состояния пациента. Входные и выходные параметры, систематизированные авторами (рис. 2), отражают физиологические показатели состояния больного [2].
Вектор Ki, где (i = 1,5) — количество показателей, содержит компоненты, отражающие этапы всех состояний при неравномерном распределении баллов на всех этапах:
Физиологические показатели
+ Антропометрические показатели
- Нейроортоледический статус
1 этап - Формирование контроля над положением головы и возможности ее свободной ориентации в пространстве
1 стадия - Позотонические рефлексы
2 стадия - Стабилизация головы
3 стадия - Формирование торсии
2 этап - Освоение функции сидения
I- 3 этап - Освоение ползания на четвереньках
1 стадия - Освоение позы на четвереньках
2 стадия - Ползание на четвереньках
4 зтап - Развитие двигательных механизмов
5 зтап - Самостоятельная ходьба с участием рук для сохранения равновесия
6 этап - Совершенствование самостоятельной ходьбы с высвобождением рук для манипупятивной деятельности
7 зтап - Совершенствование тонких движений, способствующих развитию предметно-практической деятельности Обьем движений в суставах верхних и нижних конечностей
Плечевой сустав Локтевой сустав Лучезапястный сустав Пальцы кисти Тазобедренный сустав Коленный сустав Голеностопный сустав
- Статус мышц плечевого и тазового пояса, конечностей:
Плечевой пояс и верхние конечности Тазовый пояс и нижние конечности Вид захвата:
Межпальцевый
Плоскостной
Щипковый
Цилиндрический
Шаровой
Рис. 2 | Структура физиологических показателей
биотехносфера
| № 3(333/2014
Материалы Russian-German conference on Biomedical Engineering
Kl := (Я^, где l = 1,5 — антропометрические показатели;
К1 := (Я^, где т = 1,7 — показатели нейроор-топедического статуса:
при т := 1 Я^ — подкритерии показателей стадий 1-го этапа нейроортопедического статуса;
т := 3 Яз$ — подкритерии показателей стадий 3-го этапа нейроортопедического статуса;
К3 := (Я^/, где (п = 1,7) — показатели объема движений в суставах верхних и нижних конечностей;
К4 := (Яо), где (о = 1,2) — показатели статуса мышц плечевого и тазового пояса, конечностей;
К5 := (-Яр^, где (р = 1,5) — показатели вида захвата, осуществляемого ребенком.
Входные показатели неоднородные, имеют сложную структуру, являются количественными, качественными и булевыми, что не позволяет количественно оценить результаты воздействия методов лечения и реабилитации. Для формализации необходимо привести все показатели к количественным оценкам, использовав метод многомерного шкалирования.
Оценку эффективности методов производят на основе анализа данных по проведению курса реабилитации, т. е. оценивают близость начальных и полученных после применения определенного ме-
тода реабилитации данных к нормальному (физиологическому) состоянию. В зависимости от того, каковы изменения и какова степень разбросанности результатов, оценивается эффективность метода по 5-балльной шкале.
На основе предложенной модели авторами была разработана информационная система интегрированной оценки состояния детей с нарушениями ЦНС [3], предназначенная для решения поставленной задачи.
Литература
1. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. 528 с.
2. Рахманина А. А., Шикульская О. М., Золотухина Ю. И. Разработка системы показателей для оценки и управления качеством реабилитации детей с нарушениями центральной нервной системы // Прикаспийский журнал: управление и высокие технологии. Астрахань: Издательский дом «Астраханский университет». 2012. № 2 (18). С. 145-152.
3. Информационная система интегрированной оценки состояния детей с нарушениями ЦНС: Св. об офиц. рег. прогр. для ЭВМ № 2014610609. Россия, ГОУВПО «Астраханский государственный университет» / О. С. Константинова, О. М. Шикульская. Заяв. № 2013660693 от 19.11.2013, зарегистрирована в Реестре программ для ЭВМ 15.01.2014.
<г
ОАО «Издательство "ПОЛИТЕХНИКА"
предлагает:
Системный анализ в фундаментальных и прикладных исследованиях / В. В. Кузнецов, С. В. Бабуров, А. А. Мальчевский, А. В. Самойлов, А. Ю. Шатраков; Под ред. В. В. Кузнецова. — СПб. : Политехника, 2014. — 378 с.
ISBN 978-5-7325-1048-5 Цена: 520 руб.
Монография посвящена проблемам анализа, синтеза и моделирования сложных систем различной природы. Содержание материала соответствует разделу паспорта научной специальности 05.13.01 «Системный анализ управления и обработка информации». Материалы монографии сгруппированы так, что они удовлетворяют требованиям ученых при выполнении фундаментальных и прикладных исследований. Монография рассчитана для использования учеными, специалистами-практиками, аспирантами при выполнении исследований и анализе больших, территориально распределенных технических систем, а также сложных проектов.
Для приобретения книги по издательской цене обращайтесь в отдел реализации:
Тел.: (812) 312-44-95, 710-62-73; тел./факс: (812) 312-57-68; e-mail: sales@polytechnics.ru, gfm@polytechnics.spb.ru, через сайт: www.polytechnics.ru
Возможна отправка книг «Книга — почтой». Книги рассылаются покупателям в России наложенным платежом (без задатка). Почтовые расходы составляют 40 % и выше от стоимости заказанных Вами книг.
Jf
№ 3(33)/2014 |
биотехносфера