CC BY
55
3. Осовский С. Нейронные сети для обработки информации /Пер. с польск.- М.: Финансы и статистика, 2002.- 344 с.
4. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - 2-е изд., стереотип.- М.: Горячая линия - телеком, 2002.- 382 с.
5. Кореневский НА. и др. Проектирование медикотехнологических информационных систем: Монография /Курск: КГТУ, 2001.- 194 с.
6. Кореневский Н.А. и др. Проектирование систем поддержки принятия решений для медико-экологических приложений: Монография /Курск: КГТУ, 2004.- 180 с.
7. Кореневский Н.А. и др. Компьютерные системы ранней
диагностики состояния организма методами рефлексологии: монография.- Новочеркасск: Юж. Рос. гос.техн.ун-т (НПИ),
2003.- 206 с.
8. Кореневский Н.А. и др. Энергоинформационные основы рефлексологии: монография.- Курск, 2001.- 236 с.
9. Кореневский Н.А. // ВНМТ.- 1996.- Т.3, №2.- С. 43-46.
10. Кореневский Н.А., Лазурина Л.П. Энергоинформационные модели рефлексов и диагностики: монография.- Курск, 2000.- 117 с.
11. Кореневский Н.А., Демченко О.А. // Сист. анализ и упр-е в биомед. системах.- Т. 5, №2.- 2006.- С. 213-216.
12. Кореневский Н.А. // Сист. анализ и упр-е в биомед. системах.- 2005.- Т. 4, №1.- С. 12-20.
УДК 681.3
СИСТЕМНЫЙ АНАЛИЗ ПАРАМЕТРОВ ВЕКТОРА СОСТОЯНИЙ ОРГАНИЗМА ЧЕЛОВЕКА С РАЗЛИЧНЫМ УРОВНЕМ ФИЗИЧЕСКОЙ АКТИВНОСТИ
Т.В. КОСОЛАПОВА, С.И. ЛОГИНОВ, М.Н. МАЛЬКОВ,
К.А. ШАМАНСКИЙ*
Физическая активность человека - это совокупность различных моделей поведения, определяемая как «движение тела при помощи мышечной силы, сопровождающееся расходом энергии» [4]которая при выполнении снижает риск развития гипертонической болезни, остеохондрозов, инсулиннезависимого диабета, ожирения, рака прямой кишки и целого ряда др. неинфекционных заболеваний. Одной из теорий, объясняющих закономерности изменения поведения является транстеоретическая модель Дж. Прохазки и соавт. (1983). В рамках этой теории предполагается, что субъекты изменяются благодаря их мотивационной готовности изменить свое физически низкоактивное поведение, которое в условиях Севера носит выраженный сезонный характер. Она во многом зависит не только и не столько от волевых усилий, сколько от степени адаптации человека к резким перепадам температуры и атмосферного давления, недостатку кислорода в тканях и дефициту ультрафиолета, геомагнитным возмущениям и др. неблагоприятным факторам, описанным ранее как синдром полярного напряжения [4]. Особенности организации и регуляции произвольных двигательных функций человека являются одной из важных проблем биофизики и физиологии нервно-мышечной системы (НМС). Вегетативное и нейромоторное регулирование НМС имеет ряд общих системных структурно-функциональных признаков. Существует интерес к изучению влияния симпатических и парасимпатических отделов вегетативной нервной системы (ВНС) на работу НМС у физически низкоактивных людей и у индивидов, регулярно тренирующихся с высокой интенсивностью физических нагрузок, динамического, статического и статодинамического характера.
Такой подход активно разрабатывается в лаборатории биокибернетики и биофизики сложных систем Сургутского госуни-верситета в рамках компартментно-кластерного подхода (ККП). Особое внимание уделяется биофизическим показателям мышц, находящихся в динамических и статических режимах функционирования, т.к. эти режимы наиболее часто встречаются в ходе кондиционных и оздоровительных тренировок. При этом проблема идентификации возможностей синергических взаимоотношений в работе, как отдельных мышц, так и иерархически организованных мышечных комплексов, обеспечивающих сложные движения, становится весьма актуальной. Для обеспечения
Сургутский государственный университет, б28400, г. Сургут, Энергетиков 14, СурГУ, (34б2)37бТ44, E-mail: ska@,ffk.surgu.ru
идентификации динамических процессов в виде математических моделей, диагностики статических режимов, в естествознании и др. науках, в частности, медицине и биологии, все большее распространение получают алгоритмы и программы. Целый класс задач требует не соблюдения определенных правил, а опыта. Наличие опыта предполагает решение задачи, даже если она встречается впервые. Врач, имеющий большой опыт, поставит правильный диагноз даже с искаженной симптоматикой заболевания, которое прежде ему не встречалось. По принципу нейросети основана работа самообучающихся нейросетевых программ, представляющая собой совокупность нейронов, связанных между собой. Нейроны и их взаимосвязь можно регулировать программно. В нейропрограмме работа нейрона схожа с биологическим нейроном, можно, изменяя настройку, получать другие параметры. Поведение нейросети зависит от весовых коэффициентов и функции возбуждения. К биологическому аналогу наиболее близка сигмоидальная функция. Нейронные сети могут решить любую задачу, имеющую теоретическое решение. На практике необходимо, чтобы задача обладала некоторыми признаками: большое число примеров, но отсутствие алгоритма, принципа; большой объем входной информации; избыточные и неполные данные, противоречия, неучтенные посторонние воздействия. НС хорошо подходят для решения задач классификации, оптимизации и прогнозирования. Нами был использован нейро-сетевой имитатор Multineuron 2.0.
Цель работы - изучение параметров вектора состояний организма человека по показателям опросника и вегетативного статуса, по данным показателей вариабельности сердечного ритма с использованием нейросетевых программ.
Объект и методы исследования. В исследованиях приняли участие 143 студентов различных факультетов Сургутского университета в возрасте 19±1,8 года, в т.ч. б3,3% женщин. Испытуемые были распределены на 4 группы; 1-ю группу (70 чел.) составили студенты, освобожденные от занятий физкультурой по состоянию здоровья; 2-ю (21 чел.) образовали студенты специальной медицинской группы, занимающиеся по академической программе; студенты, относящиеся к основной группе здоровья (34 человека) составили 3-ю группу участников; в 4-ю группу вошли студенты факультета физкультуры, регулярно занимающиеся спортом (28 чел.). Стадии мотивационной готовности к занятиям физическим упражнениям изучали с помощью модифицированного опросника С. И. Логинова [4]. Вегетативный статус оценивали методом вариационной пульсометрии по Р.М. Баевскому [3]. Рассчитывали показатели активности симпатической (СИМ), парасимпатической (ПАР) нервной системы, индекс напряжения Баевского (ИБН), уровень насыщения гемоглобина кислородом (SPO2). Измерение показателей ВНС велось с помощью пульоксиметра «Элокс» на базе ЭВМ АТХ.
Результаты. Исследования выявили крайне низкую физическую активность студентов независимо от пола, которая при умеренной интенсивности составляет немногим более б0 минут, а при высокой интенсивности (при ЧСС 130-1б3 ударов за 1 мин) -3-4 мин. Каждый 3-й юноша и 2-я девушка ведут низкоактивный образ жизни и нуждаются в коррекции поведения; 33% юношей и бб% девушек были на стадиях мотивационной готовности к изменению поведения и вели низкоактивный образ жизни.
Параметры ВСОЧ
Рис. 1. Результаты настройки сети мультинейрон при сравнении групп испытуемых (1 группа - студенты, освобожденные от занятий физкультурой по состоянию здоровья; 4 группа - студенты-спортсмены). Здесь и далее Ъ - весовые коэффициенты значимости
Результаты настройки нейросети для сравнения групп испытуемых с разным уровнем физической активности представлены в рис. 1-3. На рис.1 показано сравнение показателей двух
групп: освобожденных от занятий по физкультуре и студентов факультета физической культуры, регулярно занимающихся спортом. Наиболее значимые показатели Х: 1, 7, 18, 19, 38. Менее значимые показатели Х: 3, 5, 8, 13, 24, 29, 31. На рис.2 представлено сравнение показателей двух групп: освобожденных от занятий по физкультуре и студентов 3-й группы. Наиболее значимые показатели Х: 21, 24, 26, 28. Менее значимые показатели Х: 2, 7, 15, 30. На рис.3 представлено сравнение показателей трех групп: спецмедгруппе, студентов основной группы здоровья и студентов, регулярно занимающихся спортом. Наиболее значимые показатели Х: 2, 7, 11, 25, 31, 32, 38. Менее значимые показатели Х: 3, 5, 8, 13, 24, 29, 31, 33, 38.
Рис. 2. Результаты настройки сети мультинейрон при сравнении групп испытуемых (1 группа - студенты, освобожденные от занятий физкультурой по состоянию здоровья; 3 группа - основная). Здесь и далее Ъ - весовые коэффициенты значимости
1^|
0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0
) Ьм IJulUllbJbUi У
ххххххххххххххххххххххххххххх
Параметры ВСОЧ
Рис. 3. Результаты настройки сети мультинейрон при сравнении групп испытуемых (2 группа - студенты спецмедгруппы; 3 группа - основная; 4 группа - студенты-спортсмены). Здесь и далее Z - весовые коэффициенты значимости
Задача исследования в том, чтобы сравнить значимость показателей ТТМ опросника с показателями ВСОЧ (по данным анализа вариабельности сердечного ритма). Были выбраны параметры, характеризующие баланс принятия решения, процесс изменения поведения, самоэффективность, всего 38 параметров. Ниже приводим их наименование и краткую характеристику.
Xi - пол; X2 — возраст; X3 - PROS - сумма всех аргументов за регулярные занятия физическими упражнениями; X4- CONS -все аргументы против регулярных занятий физическими упражнениями; X5 - DB - баланс принятия решения; X6 - CONS_RA повышение степени осознания - Consciousness Raising (поиск и изучение новых фактов, идей, форм поддержки здорового поведения); X7 - SELF_LIB самоосвобождение - Self-Liberation (создание устойчивого обязательства перед самим собой - «да, я буду изменяться»); Xs - DRAM_RE облегчение - Dramatic Relief (преодоление отрицательных эмоций, таких как чувство опасности, беспокойства и тревожности, которые обычно сопровождают здоровьеразрушающие жизненные технологии); X9 - ENV_RE переоценка окружающей среды - Environmental Re-evaluation (понимание отрицательного воздействия нездоровых форм поведения и вредных привычек и положительного воздействия здорового поведения в ближайшей социальной и физической среде) (В 30 + В 33 + В 34 + В 37) / на 4 ; X10 - HELF_REL помощь и взаимопомощь - Helping Relationships (поиск и использование различных форм социальной поддержки изменяющегося поведения, связанного со здоровьем); Xn - ST_CONTR контроль стимулов внутренней и внешней среды - Stimulus Control (удаление или сознательное избегание напоминаний о прежнем нездоровом поведении и добавление напоминаний о здоровом поведении); X12 - CO_COND выработка новых условных рефлексов -Counter Conditioning (познание и замена нездоровых форм поведения альтернативными формами, связанными со здоровьем и здоровым образом жизни); X13 - SOC_LIB социальное освобожде-
ние - Social Liberation (понимание того, что социальные нормы совершенствуются в направлении поддержи изменений поведения, связанного со здоровым образом жизни); X14 - SELF_RE самопереоценка - Self Re-evaluation (выращивание понимания, что изменение поведения является важной составной частью своего развития как личности; X15 - REINF_MAN подкрепление успехов и достижений - Reinforcement Management (увеличение награды и поощрения за позитивное здоровое поведение и уменьшение награды и самопоощрения за нездоровое поведение) или обучение поощрением. Переход от стадии к стадии обеспечивается путем совершенствования указанных переменных в рамках этих стратегий. При этом когнитивные стратегии используются чаще на начальных стадиях изменения поведения, а поведенческие процессы - на более поздних стадиях. Исследования разнообразных форм поведения, связанного со здоровьем, уточнили процессы изменения, которые преимущественно используются на каждой стадии, чтобы облегчить сам процесс изменения. Например, индивидуумы, находящиеся на стадии неосознанности, используют чаще элементы «повышение степени осознания», «облегчение» и «переоценка окружающей среды».
На стадии осознания чаще применяется «самоизменение», на стадии подготовки - «самоосвобождение», на стадии действия и поддержания - «подкрепление успехов и достижений», «выработка новых условных рефлексов», «взаимопомощь» и «контроль стимулов», с тем чтобы активно действовать и поддерживать наступившие изменения; Xi6 - SELF_MTE; X17 - SELF_RR ; Xis -SELF_EFF - самоэффективность - это показатель степени уверенности человека в том, что он может изменить свое поведение и добиться результата. Человеку можно объяснить, что в результате ряда действий он может достичь прогнозируемого результата, но его очень трудно убедить в том, что он действительно сможет это сделать и что это ему по силам. Люди боятся угрожающих ситуаций и избегают их, если они не уверены. Вот поэтому коррекция низкой физической активности, может оказаться неэффективной из-за того, что используемые стратегии не соответствуют стадии, на которой находятся участники.
Исследования, проведенные за последние годы, показали, что самоэффективность увеличивается от стадии к стадии для широкого диапазона форм поведения, в т.ч. и поведения, связанного с занятиями физкультурой; X19 - SIM индекс активности СИМ ВНС вычислялся по формуле: СИМ = 4 Амо / П20% , где Амо -значение амплитуды моды гистограммы распределения кардиоинтервалов (КИ); П20% ед. - число поддиапазонов гистограммы, содержащих число КИ, превышающих 20% от значения Амо; X20 -PAR Индекс активности ПАР отдела ВНС, характеризует степень отклонения зарегистрированного распределения КИ от гауссовского закона распределения. Чем больше отклонений от гауссовского распределения, характеризующегося плавным убыванием числа КИ влево и вправо относительно моды распределения, тем сильнее активность вагусного влияния на регуляцию ритма сердца и тем выше показатель ПАР; X21 - RR - длина кардиоинтервала; X22 - SPO2 - уровень насыщения кислородом крови; X23
- SDNN - стандартного отклонения всех NN-интервалов - квадратный корень дисперсии
£ (Щ - NNV )2
где NN - значение ьго интервала, NN - среднее по NN
всей записи, N - число интервалов. Т.к. дисперсия является математическим эквивалентом общей мощности спектра, то SDNN отражает все периодические составляющие вариабельности за время записи. Сокращение длительности записи ведет к тому, что SDNN позволяет оценивать только коротковолновые колебания ритма. Для того чтобы избежать искажения результатов, анализируют вариабельность по 5-минутной или по 24часовой записи; Х24 - RMSSD, мс - квадратный корень среднего значения квадратов разностей длительностей последовательных NN интервалов.
£(.NNJ+I -N.)2
-1)
где NN1 - значение ьго интервала, N - число сегментов; Х25
- NN50 - число NN интервалов, отличающихся от соседних более чем на 50 мс.
NN,0
= Z[(N.+> - Ш- )0]
где NNi - значение i-го интервала, N - число интервалов; X26 - HRVind - HRV triangular index - отношение совокупности плотности распределения к максимуму плотности распределения, т.е. отношение общего числа NN - интервалов к количеству интервалов с наиболее часто встречающейся длительностью (амплитуда моды); X27 - TINN (триангулярная интерполяция гистограммы NN- интервалов, «индекс Святого Георга»), (мс) -ширина основания треугольника, величина основания которого (b) вычисляется по формуле: 2 А/h, где h- количество интервалов с наиболее часто встречающейся длительностью (амплитуда моды), А - площадь всей гистограммы, т.е общее количество всех интервалов R-R, связанные с артефактами и экстрасистолами, которые на гистограмме образуют дополнительные пики и купола, f при оценке ВСР классическими статистическими показателями и индексами Р.М. Баевского артефакты и экстрасистолы существенно искажают действительную картину.
Величина основания гистограммы косвенно отражает вариабельность ритма: чем шире основание, тем больше вариабельность; чем оно уже, тем регулярнее ритм. Отечественными авторами предложено вычислять параметры ширины основного общего купола гистограммы, которые рассчитываются на пересечении уровней 1 и , % от общего количества интервалов и , и 10 % от амплитуды моды с контуром гистограммы. Такой расчет также позволяет исключить артефактные интервалы R-R; X28 -Moda, Мода (мс) - наиболее часто встречаемое значение среди всех NN-интервалов (пик Мо гистограммы); X29 - Amo (амплитуда моды), (мс) - доля кардиоинтервалов, соответствующая значению моды; X30 - DX (вариационный размах), (%) - разность между длительностью наибольшего и наименьшего R-R интервалов; X31 - HR (Heat rate), число ударов за 1 мин - ЧСС.
HR =1000.60 M
где М - либо среднее, либо мода или медиана NN-интервалов; X32 - Total - суммарное число частот; X33 - VLF (мс2)
- спектральная мощность очень низких частот до 0,04 Гц; X34 -LF спектральная мощность низких частот 0,04 Гц - 0,15 Гц; X35 -HF (мс2) спектральная мощность высоких частот 0,15-0,4 Гц; X36
- LF norm; nu (н.е.) нормализованная спектральная мощность низких частот LF norm= (LF/(Total power - VLF)*100%; X37 - HF norm; nu (н.е.) нормализованная спектральная мощность высоких частот HF norm= (HF/( Total power - VLF))*100%; X38 - LF/HF отношение низкочастотной к высокочастотной составляющей.
Заключение. Использование нейросетевых технологий для анализа и обработки мультипараметрических опытных данных позволяет выявить закономерности, лежащие в основе изменения поведения человека с учетом мотивационной готовности и состояния вегетативного статуса человека.
Литература
1. Системный анализ, управление и обработка информации в биологии и медицине. Ч. 6. Системный анализ и управление гомеостазом организма в норме и при патологии в аспекте ком-партментно-кластерного подхода. / Под ред. А. А. Хадарцева, В.М. Еськова.- Самара: Офорт (гриф РАН), 2005.- 196 с.
2. Еськов В.М и др. // Системный анализ и управление в биомедицинских системах.- 2005.- № 2.- С. 47-52.
3. Еськов В. М. Компартментно-кластерный подход в исследованиях биологических динамических систем (БДС). Монография.- Ч.1. Межклеточные взаимодействия в нейрогенераторных и биомеханических кластерах.- Самара, 2003.- 198 с.
4. Логинов С.И. Физическая активность: методы оценки и коррекции.- Сургут: Изд-во СурГУ, 2005.- 340 с.
THE SYSTEM ANALYSIS OF PARAMETERS THE VECTOR OF HUMAN STATE OF ORGANISM WITH THE VARIOUS LEVEL OF PHYSICAL ACTIVITY
K.A. SHAMANSKYI, S.I. LOGINOV, T.V. KOSOLAPOVA,
M.N. MAL’KOV
Summary
The Possibilities of use of neurocomputing technologies in evaluation of physical activity in students in the urbanized Sibirian
North, with the account constructs transtheoretical models and the vegetative status are considered.
Key words: neurocomputing technologies, vegetative status
УДК 616.831
СРАВНИТЕЛЬНАЯ ХАРАКТЕРИСТИКА САМОЭФФЕКТИВНОСТИ ИЗМЕНЕНИЯ ФИЗИЧЕСКИ НИЗКОАКТИВНОГО ПОВЕДЕНИЯ И ВЕГЕТАТИВНОГО СТАТУСА СТУДЕНТОВ ЮГРЫ В РАМКАХ СТОХАСТИКИ И ТЕОРИИ ХАОСА
В.А. ВИШНЕВСКИЙ, Е.В. ЖИВОДЕРОВ, С.И. ЛОГИНОВ,
М.Н. МАЛЬКОВ, К.А. ШАМАНСКИЙ1
Физическая активность (ФА) снижает риск возникновения гипертонии, рака толстой кишки, инсулиннезависимого диабета, остеопороза, депрессивных состояний [1, 2] и отражает в значительной степени функциональное состояние организма человека (ФСО). Однако большинство горожан ведут сидячий образ жизни. При этом неясно, что определяет физически низкоактивное поведение - своеобразный вегетативный статус организма или недостаточно развитая потребность и мотив быть активным.
ФА представляет собой не просто совокупность двигательных действий человека, организованных и направленных на развитие физических качеств и достижение совершенства, но и рассматривается как форма поведения, связанная со здоровьем. Модель Дж. Прохазки и соавт. (1983) была специально разработана как некая объяснительная теория целенаправленного изменения поведения. Сначала она использовалась для описания степени мотивационной готовности к изменению поведения среди представителей разных возрастных групп с потенциальным риском возникновения различных заболеваний вследствие курения, избыточного веса и психоэмоционального напряжения [3]. Затем она стала активно применяться для изучения и стимулирования ФА людей [4-5]. Модель оказалась полезной для понимания процесса намеренного изменения поведения людей, т.к. учитывала эмпирически выявленные познавательные и поведенческие акты, связанные с процессом изменения [6].
Модель содержит 4 конструкта: стадии изменения мотивационной готовности, процессы изменения поведения, баланс принятия решения и оценка самоэффективности поведения -степени уверенности в собственной возможности изменения своего поведения. Помимо факторов материального благополучия, условий проживания, семейного положения и т.д. в условиях Севера ситуация выбора может быть усугублена ещё и жёсткими климатогеографическими особенностями данного региона (резкие перепады температуры и атмосферного давления, недостаток кислорода в тканях и дефицит ультрафиолета, геомагнитные возмущения и другие неблагоприятные факторы, описанные ранее как синдром полярного напряжения) [8].
Важную роль в приспособлении организма к условиям внешней среды играют показатели активности пара- (ПАР) и симпатического (СИМ) отделов вегетативной нервной системы (ВНС). Степень активности ВНС определяется по реакции сердечно- сосудистой системы. Изменения показателей ритма сердца при стрессе наступают раньше, чем появляются гормональные и биохимические сдвиги, т.к. реакция нервной системы опережает действие гуморальных факторов. Это позволяет использовать эти показатели для идентификации ФСО людей.
Цель работы - исследование взаимосвязи самоэффективности и вегетативного статуса студентов в условиях урбанизированного Севера с позиций стохастики и теории хаоса.
Методы. Обследовано 300 студентов сургутского университета в возрасте 19±1,8 года, из них 68% девушки. Первую группу (200 чел.) составили лица, относящиеся к основной группе здоровья. Во 2-ю группу (100 чел.) вошли студенты специальной медицинской группы (СМГ). Самоэффективность по отношению к занятиям физупражнениями изучали с помощью опросника С.И. Логинова (2005). Вегетативный статус - методом вариационной пульсометрии по Р. М. Баевскому. Рассчиты-
i-1
1 Сургутский государственный университет, г. Сургут
