CC BY
46
Статья
Для проверки эффективности разработанных методов и средств по результатам разведочных исследований, сформирована база данных и тестов, включающая: средний экзаменационный балл; индекс функциональных изменений (ИФИ); характеристики селективности, переключаемости внимания; воспроизводимости числового ряда;
восстановления пропущенной цифры; результаты теста Люшера; характеристики «агрессии» и
«опоры» по тесту «Несуществующее животное»;
значения коэффициентов уверенности приобретения заболеваний ССС и ЖКТ;
наличие /отсутствие заболеваний ССС и ЖКТ.
По итогам исследований сформированы наборы валидных тестов, рекомендованных в качестве нагрузочных (табл. 1).
Информация по указанным характеристикам состояния испытуемого регистрировалась в течение 5 лет по окончании учебного года и в момент поступления в вуз у студентов различных специальностей, и формировался коэффициент правильности выбора специальности - Кпвс. Считаем, что студент правильно выбрал специальность, если он: работает в том же направлении после окончания вуза - 8 баллов, во время учебы - 9 баллов,
агрессия по мере обучения значимо не увеличивается - 6 баллов,
психические характеристики не ухудшаются более чем на 10% -
5 баллов, учеба не ухудшается - 7 баллов.
Численное значение баллов получено в результате опроса экспертов. На этапе обучения, отслеживая студента по указанным позициям, рассчитывают средневзвешенный показатель А, по которому оценивается Кпвс.
Г 0-"неправильный выбор", если А < 0,384 Ктс = \ 0,5-"возможно правильный", если 0,384 < А < 0,62
[ 1-"правлиьный выбор", если А > 0,62
где 1 5 , где К - количество баллов по ьму пункту.
А = —У К 35 Ь !
Для получения эталонов функциональных связей между характеристиками абитуриента методом самоорганизационного моделирования были идентифицированы функции регрессионные связи между указанными факторами по разным направлениям обучения на уровне статистической значимости р>0,95. Частоты встречаемости структур указанных связей представлены в табл. 2 (Неуказанные структуры имели частоту встречаемости <0,05).
В табл. 2: Ъ и У - характеристики факторного пространства X, А0, А1, С, Э - параметры зависимостей.
Идентифицированные для каждого случая прогноза (успешности обучения, правильности выбора специальности и физиологических потерь) функциональные связи между регистрируемыми характеристиками рассматриваются в качестве «эталонов» в процессе классификации «образа» абитуриента. На основе результатов исследования предлагается следующий алгоритм оценки физиологических затрат и правильности выбора образовательной траектории. У абитуриента регистрируются сопротивления БАТ и рассчитываются коэффициенты уверенности в приобретении заболеваний ЖКТ и ССС без «привязки» к выбираемой специальности. Если испытуемый отказывается от тестирования, то ему дают диагностическое заключение его принадлежности к группе риска приобретения заболеваний ССС и ЖКТ. Иначе в ходе тестирования регистрируются показатели, указанные ранее. Затем идет расчет коэффициентов 1 и 2 рода для оценки физиологических затрат при обучении и правильности выбора специальности. Классификационный коэффициент 2 рода - это обратная величина от суммы квадратов коэффициента вариации (Эк) и среднего значения (Мк) квадратов относительных отклонений величин, применяемых для расчета (5).
Полученные решающие правила выглядят следующим образом: абитуриент относится к тому классу («неблагоприятный прогноз», «удовлетворительное обучение», «хорошая успеваемость» - в случае прогноза качества обучения; «нет заболеваний», «заболевание ЖКТ», «заболевание ССС» - в случае прогноза возможности приобретения заболеваний; «экономическое», «строительное», приборостроительное», «машиностроительное», «юридическое» - в случае прогноза правильности выбора специ-
альности), для которого значение рассчитанного классификационного коэффициента по формуле (5) максимально. Классификационные коэффициенты второго рода служат дополнительным критерием в спорном случае. На основании выполненных расчетов для абитуриента формируется рекомендательное заключение.
Результаты верификации разработанных методик на контрольной выборке приведены в табл. 3 (в % указана эффективность полученных решающих правил). По прогнозу успеваемости эффективности методик составили для классов: «неблагоприятный прогноз» - полученные по первому способу синтеза -74±5%, по второму способу -72±8%; «удовлетворительное обучение» - соответственно 81±9% и 76±10%; «хорошая успеваемость» соответственно 72±8% и 71±6%. Т.К. разными способами получены эффективности одного порядка, можно сделать вывод об адекватности методик синтеза решающих правил и результатов диагностики соответствующих состояний по ним.
Совместное применение характеристик БАТ, результатов тестирования психических особенностей, соматических характеристик и интеллектуальных параметров (средний экзаменационный балл) позволяет прогнозировать возможность возникновения в процессе обучения заболеваний и оценить правильность выбора специальности, успешность обучения по предлагаемым методам и алгоритмам. Полученные прогнозы позволяют правильно выбрать специальность или своевременно изменить выбор.
Литература
1. Кореневский Н.А. и др. // Известия Курск.ГТУ.- 2002г.-№9.- С.70-75
2. Ершов Д.А. и др. // Активизация творческого, научного потенциала первокурсников: Тез. докл. Всерос. научно-практ. конф.- Екатеринбург: ГОУ УГТУ - УПИ, 2002.- С.79-85.
3. Кореневский Н.А. Синтез моделей взаимодействия внутренних органов с проекционными зонами и их использование в рефлексодиагностике и рефлексотерапии.- Курск, 2005.- 224 с.
УДК 615.84
ВЛИЯНИЕ ПРОМЫШЛЕННЫХ ЭЛЕКТРОМАГНИТНЫХ ПОЛЕЙ НА БИООБЪЕКТЫ НА ПРИМЕРЕ г. КУРСКА
И.А. АВИЛОВА*, М.П. ПОПОВ*, Л.В. СТАРОДУБЦЕВА*
Развитие цивилизации привело к появлению промышленных технологий, связанных с использованием мощных электромагнитных полей (ЭМП), что усилило воздействие ЭМП на живые организмы. ЭМП вносят вклад в загрязнение окружающей среды. Превышение параметров ЭМП по сравнению с фоновыми, к которым живые организмы адаптировались в процессе развития, плохо влияет на живые системы. Биоэффекты ЭМ-полей определяются их биотропными параметрами: интенсивностью, частотой, формой сигнала, локализацией, экспозицией и др.
Известно влияние индустриальных ЭМП на возникновение и развитие ряда заболеваний центральной нервной (в т.ч. головной мозг), иммунной, эндокринной, выделительной, пищеварительной систем. Результатом воздействия ЭМП является нарушение обмена белков, жиров, углеводов и др. биоактивных веществ, что влечет распад макромолекул высокополимерных веществ, ведя к изменениям в организме. Доказано возникновение гипертонии у лиц, длительно подвергшихся ЭМИ радиодиапазона,
* 305040, г.Курск, ул. 50 лет Октября, д.94, КГТУ
Таблица 3
Верификация решающих правил оценки физиологических затрат и правильности выбора специальности (% эффективности)
Возможность приобретения заболеваний По классификационным коэффициентам правильности выбора специальности
По классификационным коэффициентам По коэффициентам уверенности
Нет ССС ЖКТ нет ССС ЖКТ Неправильно Возможно, правильно Правильно
1 р. 2 р. 1 р. 2 р. 1 р. 2 р. 1 р. 2 р. 1 р. 2 р. 1 р. 2 р.
80±10 73±12 64±5 70±10 70±10 73±9 79±8 70±6 82±10 77±12 73±12 80±3 74±9 77±12 77±8
И.А. Авилова, М.П. Попов, Л.В. Стародубцева
замедление предсердной и желудочковой проводимости, нарушение в свертывающей системе и в клеточном составе крови.
Мало изучены генетические эффекты воздействия на соматические и генеративные клетки. Не исключается возможность отдаленных эффектов воздействия ЭМП на генетический аппарат генеративных клеток. Выявлено также влияние на сперматоген-ную функцию, угнетение функций яичников и эмбриотропное воздействие ЭМП, выражающееся в росте числа мертворожде-ний, выкидышей, аномалий у потомства. Отечественные и зарубежные исследователи высказывают предположение об онкоген-ном действии ЭМП. Интенсивное загрязнение окружающей среды антропогенными факторами (в т.ч. и ЭМП), насыщение производственной среды химическими веществами обуславливает необходимость разработки системы биотического мониторинга. Генетические эффекты ЭМП, крайневысокочастотного излучения, тяжелых металлов, одновременное воздействие факторов проявляется в синергизме и усилении кластогенных свойств и представляет опасность для человека.
Основным объектом исследований явились жители г. Курска. В черте города были исследованы пять районов: Северозападный - с мощным источником излучения - телецентром; центральная часть города - с различными управленческими организациями, имеющими средства сотовой связи, радиостанции (скорой помощи, милиции, такси и т.д.), телетрансляторы, антенные системы которых работают в диапазоне 60-900 МГц. Промышленный район, содержащий ряд крупных предприятий, на которых используются технологические средства, имеющие источники радиоизлучения (индукционная термическая обработка металла, закалка, ковка, штамповка, плавка, сварка и т.д.), работающие в диапазоне 60 кГц и в диапазоне 3-300 МГц; район сельскохозяйственной академии и Сеймский район.
Анализ уровня электромагнитного излучения проводился расчетным путем и с помощью приборов ПЗ-16, ПЗ-20.
При выборе точек измерений руководствовались положениями: измерения уровней ЭМП радиочастот велись в ближней зоне расположения источников радиоизлучений, как наиболее опасной зоне по уровню ВЧ-излучений; площадки для измерений выбирались оптимальными с точки зрения распространения радиоволн - отсутствие углов закрытия на рельефе местности, экранирующих строений и строений, способствующих переотра-жению радиоволн и т.д.; измерения велись на площадках, где возможно пребывание людей; теоретический расчет напряженности ЭМП источников (с учетом данных Госсвязьнадзора) определялся по формуле, предложенной ак. Б.А.Введенским:
2,18-4рБ■ А • А2
Е -
г2 -X
(1)
где Е - напряженность поля горизонтально поляризованных радиоволн, мВ/м; Р - мощность на выходе передатчика, кВт; Э -коэффициент усиления передающей антенны (для турникетной антенны коэффициент усиления приблизительно равен числу этажей: для трехэтажной антенны Э=3, для шестиэтажной Э=6, и т.п.); Ь и Ь2 - соответственно высота передающей антенны и высота приемной антенны; X - длина несущей волны передатчика, м; г - расстояние между передающей и приемной антеннами.
Для анализа нами исследовалось влияние ЭМП на рост онкозаболеваний для чего использовали материал глубиной 10 лет (12376 историй болезни), предоставленный онкологическим диспансером г.Курска. В качестве экспериментальной среды использовались электронная таблица Ехее1 97. В таблицу вносились данные: пол, год рождения, прописки, улица, дом, диагноз, год постановки на учет, стадия заболевания и примечание, включающее справочные данные, например, служба в армии (род войск), травмы. Для установления связи онкоаболеваний людей с источниками ЭМИ город был разбит на сегменты, в которых рассчитывалась плотность онкозаболеваний, при этом плотность определялась в сегментах, содержащих источники ЭМИ и в сегментах, без таковых. С учетом особенностей решаемой задачи (относительно мест расположения источников ЭМИ) город был разбит на сегменты с размерами 1 км х 1 км (в соответствии с картой города). В сегментах города были выделены три группы данных: медицинские, полученные в результате статистического анализа историй болезни, демографические - полученные в итоге демографических исследований и экологические - полученные расчетно-экспериментальными методами, а также при дозиметрических исследованиях. Для каждой группы данных была по-
строена матрица, координаты элементов которой соответствуют координатам сегментов, на которые был разбит план города, а значение самого элемента - абсолютному значению медицинского, демографического или экологического фактора, полученного в данном сегменте. Для оценки интенсивности онкозаболеваний в сегменте была построена еще одна матрица - модель интенсивности онкозаболеваний, элементы которой получены как результат отношения абсолютного числа онкозаболеваний в сегменте к числу жителей, проживающих в нем. Такая модель имеет открытую структуру и позволяет учитывать дополнительные демографические факторы, оказывающие влияние на интенсивность онкозаболеваний: средний возраст населения, род занятий, инфраструктуру, а также ввести поправку на другие (не ЭМИ) биотропные факторы. Полученная модель исследована корреляционным методом. С этой целью из матрицы, отражающей интенсивность ЭМИ, была получена выборка, элементами которой являлись смежные сегменты с высоким уровнем этого фактора, а затем определяли пирсоновский коэффициент корреляции между этими элементами и элементами матрицы интенсивности онкозаболеваний. Затем из матрицы интенсивности онкозаболеваний выбирались смежные сегменты с высоким уровнем интенсивности и определяли пирсоновский коэффициент корреляции между значением интенсивности в выбранных сегментах и элементами матрицы экологических данных. В результате корреляционного анализа этих данных в черте города Курска было выделено пять районов (метасегментов), шестой район был взят в сельской местности (Обоянский район Курской области). Три района имели превышение уровней ЭМИ над фоновым (Центральный, район телецентра, Северо-Западный). В качестве контрольных в черте города были взяты два района - «чистый» - район СХА, в котором не было обнаружено биотропных факторов электромагнитной природы, Сеймский, где не было превышения интенсивности ЭМП над фоновым, но отмечен высокий уровень онкозаболеваний, что связано с установлением высокого содержания солей свинца, известных своей канцерогенностью).
В результате статистических исследований было получено
6 временных рядов, использованных для построения прогностических моделей. Для построения статистических моделей использовался факторный анализ, методы линейной и нелинейной регрессий общего вида, универсальные пакеты программного обеспечения ЕхееЬ-97 и MatCad 2000, а также прикладное программное обеспечение, разработанное на кафедре биомедицинской инженерии Курского ГТУ. Накоплено большое число фактов, говорящих о несоответствии отклика экосистем на неблагоприятные экологические воздействия тем моделям, которые построены на основании лабораторных экспериментов. Т.к. одним из факторов, приводящих к загрязнению экосистем и к увеличению риска онкозаболеваний, является ЭМИ, связанное с интенсивным использованием в хозяйственной деятельности источников ЭМП, механизмы и закономерности воздействия которого до конца еще неизвестны, то статистические данные о результате такого воздействия, отражающие интенсивность онкозаболеваний в конкретном ареале, представляют собой довольно короткую последовательность (в данном случае процесс исследовался в «окне» протяженностью 11 лет), поэтому использование аппарата статистического моделирования и прогнозирования в этом случае сложно. В данной работе использовалась программа факторного анализа komponew. рае, разработанная на кафедре биомедицинской инженерии Курского ГТУ. В качестве исходного материала для построения прогностических моделей использованы данные табл. 1 и рис. 1.
Из анализируемого временного ряда надо выделить тренд, сезонные и циклические компоненты. Т.к. . используем короткие выборки, то интерес для построения модели представляет только тренд. Результаты факторного анализа и поведение временных рядов на исследуемом временном отрезке показывают, что наиболее подходящими моделями тренда будет либо линейная модель, либо логистическая модель. Для определения параметров линейной модели 7=а+Ы используем линейный регрессионный анализ. Логистическая модель описывает тренд 8-бразной кривой, являющейся решением т.н. логистического уравнения (2):
(2)
ЖО _ ск - О Ж к ’
где О - интенсивность онкологических заболеваний; г - постоянная скорости роста; к - ограничивающий фактор.
И.А. Авилова, М.П. Попов, Л.В. Стародубцева
Таблица 1
Интенсивность онкологических заболеваний по метасегментам
Сег- мент 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998
№ 1 10 16 16 17 23 21 26 26 23 21 19
№ 2 26 32 32 47 48 53 67 75 59 77 78
№ 3 26 48 38 42 55 40 80 76 61 79 86
№ 4 54 49 46 61 54 62 79 87 73 88 79
№ 5 57 70 70 89 78 69 106 105 69 105 106
№ 6 3 1 2 3 0 0 10 1 3 0
88 г 89 г 90 г 91 г 92 г 93 г 94 г 95 г 96 г 97 г 98 г
Рис. 1. Временные ряды, отражающих интенсивность онкозаболеваний
Решение логистического уравнения имеет вид
к
G = -
l + e а-1'
(3)
(4)
где а= Ъ(к О) и О 1
Логистическая модель тренда соответствует процессам с постепенно возрастающими темпами роста в начальной стадии и постепенно затухающими темпами роста в конце. Необходимость таких моделей обусловлена невозможностью многих биологических процессов длительное время развиваться с постоянными темпами роста. Рост числа онкозаболеваний обуславливается двумя факторами: ростом населения в данном сегменте; коллизиями, приводящими к появлению хромосомных аберраций. Т.к.мы имеем дело с короткими выборками, то лаг, связанный с коллизией, может привести к тому, что этой коллизии не будет на данном интервале, а проявится лишь в виде ограничения роста интенсивности онкозаболеваний, обусловленного исчерпанием ресурсов хромосомных аберраций, вызванных этой коллизией. Анализ результатов моделирования позволяет утверждать, что модели описывают квазистационарные процессы с квазипериодом, близким к 2, 7...3-летним циклом, который не зависит от конкретного сегмента, что соответствует периодам солнечной активности. Хотя «ошибки» моделирования тренда ~одинаковы как для линейной, так и для нелинейной логистической модели, логистическая модель ведет к кластеризации сегментов по виду биотропных факторов. Интенсивность онкозаболеваний в ьм метасегменте м.б. представлена зависимостью (5):
К .................... (5)
F,(t) = -
- + A, sin(5,4n + ф,),
1 + ехр(а, - г£)
где 1=1, 2..параметры Кі, аі, Гі, Аі, фі определяются в результате решения задачи нелинейной регрессии общего вида для каждого і-го сегмента. Уравнение (5) отражает моногармониче-скую модель, а частота входящей в нее гармоники очень близка к предельной найквистовской. Остальные параметры модели определялись с помощью процедуры нелинейной регрессии общего вида, доступной в пакете MathCad 2000. В целях оценки эффективности ввода в модель более низких гармонических составляющих была построена полигармоническая модель
F (t) =
K bL • 5,4
:---+ XI в sin— п+jij'
1+expo, - rt) j=i ^ J
JN.
(6)
где параметры Кі аі Гі определяются в результате решения задачи нелинейной регрессии общего вида для каждого і-го метасегмента, на основании данных частоты онкозаболеваний (рис. 1) параметры ру и уу определяются в результате решения задачи линейной регрессии общего вида для каждого і-го метасегмента. Параметр N в (6) определяет число слагаемых, входящих в линейную регрессионную модель общего вида:
N4^ М/2,7+1 (7)
где М - число элементов временной последовательности; 2,7 - приближенное значение периода наибольшей гармоники солнечной активности для выбранной частоты дискретизации.
Для построения полигармонической модели использовалась линейная регрессия общего вида, доступная в пакете MathCad 2000. В модели (6) использовались две дополнительные гармоники, с частотой, соответствующей 11-летнему циклу солнечной активности и ее второй гармоники. Результаты математического моделирования, показывают, что введение в модель низкочастотных гармоник не ведет к снижению ошибки моделирования, а даже увеличивает ее для ряда метасегментов, но использование полигармонической модели позволяет определить начальное приближение для полигармо-нической модели и тем самым повысить ее точность. При изучении частоты возникновения хромосомных аберраций в модельном эксперименте с животными использовались непрерывное, прерывистое и модулированное ЭМИ. Выбор режима воздействия и частоты модуляции основан на учете практики исследований, свидетельствующей о выраженном ингибирующем действии как прерывистого ЭМИ СВЧ-диапазона, так и амплитудно-модулированного (АМ) на делящиеся клетки, и с учетом спектра частот теле- и радиопередатчика, сотовой связи и промышленного производства, то есть диапазон исследуемых частот был сужен. Мы исследовали воздействия ЭМП с частотами 460, 550 и 900 МГц на генетический материал. Регистрировались структурные повреждения хромосом в клетках костного мозга млекопитающих на стадии метафазы. Выбор животных основан на том, что мышь и крыса активно используются в лабораторных исследованиях, их генетика хорошо изучена, а их геном близок по структуре к генному человека. Животные разбиты на группы по 6 шт. Для 1-5 групп животных в качестве источника ЭМИ использовали установку HEWLETT PACKARD с частотным диапазоном от 0 до 1000 МГц и разными режимами генерации. Облучали по 8 часов с 9 утра до 17 вечера в течение 10 суток.
Таблица 2
Хромосомные аберрации в клетках костного мозга
Режим Кол-во исследован. метафаз Кол-во клеток с аберрациями % аберраций ± m Обнаруженные аберрации
фрагмен- ты -о ле і ё s g с Дицен- трики Кольце- вые
Оди- ноч- ные р- е С К
Непрерыв.460 МГц 500 10 2,0±0,32 9 1
Прерывис.460 МГц 500 13 2,6±0,41 5 6 2
460 МГц,.мод. 8 Гц 500 15 3,0±0,36 10 4 1
550 МГц,.мод. 8 Гц 500 13 2,6±0,21 8 4 1
900 МГц,.мод. 8 Гц 500 16 3,2±0,38 8 5 2 1
10 дн. Теле- р-р 500 10 2,0±0,32 4 5 1
20 дн. Теле-р-р 500 14 2,8±0,36 9 7 1
30 дн. Теле-р-р 500 20 4,0±0,45 11 5 2 1 1
Контроль 500 8 1,6±0,62 8
Группы 6-8 находились на территории, прилегающей к району телецентра, и исследовались на предмет накопления мутаций от времени воздействия ЭМ фактора.. Группа 6 - 10 дней, 7 - 20 дней, 8 - 30 дней. Животные размещены в деревянной коробке, не содержащей металлического крепежа. Животным вводили колхицин и забивали методом церквильной дислокации, а из костного мозга стандартным методом готовили препараты хромосом. На окрашенных азур-эозином по Романовскому препаратах анализировали цитогенетические нарушения. Контролем была группа интактных животных. От каждой мыши просматривали не менее 100 метафаз (500 метафаз на вариант).
При анализе контрольной группы в делящихся клетках костного мозга мышей обнаружены одиночные фрагменты (табл. 2, рис. 2). Частота аберрантных клеток в контроле составляет 1,6±0,26%, величина близкая к значениям спонтанных частот аберраций, обнаруженных и другими авторами. 56,7% всех АХ -одиночные фрагменты, парные фрагменты -31,5%, полиплоидные - 9%, кольцевые хромосомы -1,8%, дицентрик - (0,9%). В группе 1 под непрерывным воздействием ЭМИ при частоте 460 МГц, обнаружен недостоверный рост ХА. В группе 2 под прерывистым воздействием ЭМИ при частоте 460 МГц, обнаружено хоть и большее в сравнении с группой 1, но недостоверное увеличение ХА. В группах 3-5 - подвергавшихся синусоидально
5.4
И.А. Авилова, М.П. Попов, Л.В. Стародубцева
модулированному излучению (несущие частоты были различны -460, 550 и 900 МГц, модулирующая - 8 Гц) статистически достоверного роста ХА не было. Нельзя сделать вывод о генотоксич-ности несущей частоты 460, 550 или 900 МГц. Хотя при воздействии ЭМП 900 МГц и частотой модуляции 8 Гц ХА в 2 раза превысили контрольные данные. В группах 6, 7 на территории, прилегающей к телецентру, в течение в 10 и 20 дней в зоне воздействия ЭМИ с разными характеристиками (форма сигнала, модуляция, плотность потока мощности) и спектрами частот обнаружен статистически недостоверный рост частот аберрантных клеток от 2,0 до 2,8%. В группе 8, бывшей на территории, прилегающей к телецентру в тех же условиях, но подвергавшейся ЭМИ в течение 30 дней, был статистически достоверный рост частоты аберраций в сравнении с контролем. АХ=4±1,1%.
4 ч
3.5- —
3 - —
2.5- —
2 - —
1,51 -
0,50 -I—
&
§■
ВС
Рис. 2 Хромосомные аберрации в клетках костного мозга
Полученные данные свидетельствуют, что ЭМП является мощным физическим раздражителем, который вызывает статистически достоверный рост частоты хромосомных аберраций, особенно при увеличении времени воздействия. Для изучения изменений в кровеносной системе под действием ЭМП, исследовали соотношение белков в сыворотке крови крыс. Изменение соотношения белков сыворотки крови способно привести к нарушениям гомеостаза вообще, предполагалось, что анализ даст представление о нарушениях в кровеносной системе людей в неблагополучных в ЭМ отношении районы. Уровень сывороточных белков определяли методом микроэлектрофореза.
При воздействии ЭМП идет снижение общего белка крови, альбуминов и рост уровня глобулинов сыворотки крови за счет у-глобулинов (табл. 3, рис. 3). Изменения у-глобулинов при действии ЭМП вблизи телетранслятора составили 15%. Сдвиги белковых фракций в крови под действием ЭМП идут из-за изменений функций клеток, участвующих в синтезе сывороточных белков.
Таблица 3
Белковый спектр сыворотки крови при разных режимах облучения
Режим генерации Общий белок , г/л Альбу- мины г/л Г лобулины
а, г/л в, г/л У, г/л
Непрерыв. 56,1 ±1,1 23,52±1,0 5,0±1,2 12,32±1,1 15,12±1,2
Прерыв. 55,4±1,2 22,41 ±0,9 3,82±0,9 13,65±1,3 15,95±1,3
460 МГц, син.мод. 8Гц 57,3±0,8 25,65±1,7 3,42±0,8 12,54±0,9 15,39±1,2
550 МГц, син.мод. 8Гц 56,2±1,3 24,08±1,3 4,48 ±1,1 10,62±1,1 16,81 ±1,4
900 МГц, син.мод. 8Гц 55,5±0,9 22,55±1,9 4,4±1,1 11,57±1,2 17,05±1,5
Телеретр-р 52,9±1,6 21,32±1,7 3, 12±1, 0 9,88±0,9 17,68±1,5
Контроль 58,3±1,1 29,00±1,1 5,22±0,3 10,44±0,4 14,50±1,1
Видимо, включается цепь адаптации, звеном которой является рост глобулиновых фракций, особенно у-глобулинов, которые, учитывая значение глобулинов в процессах иммунитета, усиливают защитные силы организма.
60 50 40 30 20 10
0 .......
Непр. 460 МГц 900 МГц Контроль
460 МГц мод мод
□ Общий белок □ -глобулин
Рис. 3. Содержание общего белка и у-глобулина в сыворотке крови
Литература
1. Авилова Ии др.// Мат-лы науч.-техн. конф. «Медико-экол. информ. технол. 2001».- Курск: КГТУ, 2001.- С. 58.
2. Кореневский Н., Авилова И. // Мат-лы межд. НТК «Проб-мы регион. экологии».- Израиль, Тель-Авив, 1999.- С. 28-31.
О кафедре «Биомедицинская инженерия»
Ныне во всем мире идет подъем биомедицинской науки. Этот феномен относится к качественному скачку, как результату накопленных знаний о природе, функциях и назначении живого на земле. Обобщаются знания, накопленные в биологии, биофизике, биохимии, математике, информатике, медицине, экологии и других, далеких друг от друга областей знаний, и все это происходит на базе новых информационных технологий.
Кафедра биомедицинской инженерии Курского ГТУ работой в данном направлении начала заниматься с 1995 г. Первые научно-технические результаты получены в области разработки методов и средств медицинской диагностики, разработан комплекс приборов на основе нейронных сетей, перестраивающихся для решения диагностических задач, предложены методы построения диалоговых систем распознавания и созданы опытные образцы, которые с успехом демонстрировались на международных выставках во Франции, Бельгии, Чехословакии и др. странах мира. Еще одним направлением была разработка методов и средств контроля основных параметров психических свойств человека на основе функционально-ориентированного подхода. Это решило ряд задач диагностики и коррекции состояния здоровья при нервно-психических заболеваниях, оценки функциональных состояний операторов, включенных в контур управления систем «человек - машина» и эргономичности этих систем. Данные о динамике функциональных состояний стали базой для рекомендаций, повышающих надежность деятельности операторов, предупреждающих их заболеваемость и травматизм.
Обобщение работ в области автоматизации медицинской и психологической диагностики позволили разработать принципы проектирования многофункциональных интерактивных систем, решающих задачи диагностики и управления состоянием здоровья человека и качеством лечебного процесса, обеспечивающих: определение состояния здоровья по показателям статуса человека с учетом структурно-функциональных зависимостей в организме; учет индивидуальных особенностей человека и динамики изменения признаков, характеризующих его состояние; выбор оптимальной тактики на этапе диагностики и лечебнооздоровительных процедур; учет сочетанных патологий и наследственных, вплоть до космобиологических воздействий; прогнозирование изменений состояния здоровья; управление качеством лечебно-диагностического процесса.
Предлагаемые интерактивные системы способны без перестройки своей структуры решать задачи диагностики (управления состоянием окружающей среды, включая ее техногенные составляющие после обучения и настройки). В плане донозологической диагностики учеными кафедры предложены методы, основанные на спектральном анализе медленных волн, и методы, использующие нечеткие модели в разнородном признаковом пространстве. Президиум Международной академии наук экологии, безопасности человека и природы в 1996 году принял решении об открытии на базе кафедры своего регионального отделения. Это консолидировало силы администрации, природоохранных органов, предприятий, ученых и общественных организаций на решение задач экологической защиты природы в масштабе региона.
Исследования сотрудников кафедры в области медикоэкологических информационных технологий нашли свое отражение более чем в 500 научных трудах, среди которых более 40 изобретений и патентов, 11 монографий и 14 учебных пособия; защищено более 50 кандидатских и 2 докторские диссертации. Активное участие принимают студенты, обучающиеся по направлениям «Биомедицинская инженерия» и «Приборостроение и оптотехника», ученые и аспиранты кафедры «Биомедицинская инженерия». Начиная с 1998 г. в университете проводятся ежегодные международные научно-технические конференции по проблемам медико-экологических информационных технологий.
Зав. кафедрой биомедицинской инженерии КГТУ, доктор технических наук, профессор, академик МАНЭБ, академии информатизации образования, академии метрологии, Президент регионального отделения МАНЭБ Н. А. Кореневский
