Содержание к диссертации
Введение
1. Аналитический обзор и постановка задач исследования .12
1.1. Методы оценки уровня подготовки спортсменов .12
1.2. Математические методы принятия решений в медицине и спорте .29
1.3. Системы поддержки принятия решений спортивной педагогики и медицины 46
1.4. Цель и постановка задач исследования 49
2. Методы анализа данных и принятие решений по оценке уровня спортивной готовности, прогнозирования и ранней диагностики заболеваний спортсменов на основе нечетких гибридных моделей 50
2.1.Метод оценки и выбора информативных показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов 50
2.2. Метод оценки функционального резерва организма человека по величине энергетической сбалансированности его меридианных структур 60
2.3. Метод синтеза гибридных нечетких решающих правил оценки уровня спортивной готовности и состояния здоровья спортсменов 71
Выводы второго раздела 83
3. Синтез моделей принятия решений интеллектуальной системы по оценке уровня спортивной готовности и состояния здоровья спортсменов 84
3.1. Формирование пространства информативных признаков для оценки спортивной готовности, прогнозирования и ранней диагностики заболеваний спортсменов 84
3.2. Синтез решающих правил оценки уровня спортивной готовности ...101
3.3. Синтез решающих правил прогнозирования и диагностики ранних стадий заболеваний сердечно-сосудистой системы студентов, активно занимающихся физкультурой и спортом .105 Выводы третьего раздела 114
4. Разработка основных элементов интеллектуальной системы поддержки принятия решений и результаты экспериментальных исследований 115
4.1. Алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов 115
4.2. Структура интеллектуальной системы поддержки принятия решений 121
4.3. Результаты экспериментальной проверки прогностических и диагностических решающих правил .132
Выводы четвертого раздела .135
Заключение 136
Библиографический список
- Системы поддержки принятия решений спортивной педагогики и медицины
- Метод оценки функционального резерва организма человека по величине энергетической сбалансированности его меридианных структур
- Синтез решающих правил оценки уровня спортивной готовности
- Структура интеллектуальной системы поддержки принятия решений
Введение к работе
Актуальность темы. Несмотря на значительные успехи спортивной педагогики и спортивной медицины проблема оптимального контроля и управления в спорте остается далекой от своего решения. Это во многом связано с тем, что организм спортсмена отличается сложным соподчинением своих подсистем, высокой вариабельностью управляющих сигналов со стороны внутренних систем управления, случайностью и неопределенностью при взаимодействии с внешними факторами и т.д. В силу высокой надежности, устойчивости и адаптивности организм спортсмена обладает большим запасом противодействия к внешним возмущениям.
С другой стороны, бурный прогресс современного спорта, характеризующийся высокой напряженностью спортивных состязаний и плотностью результатов, достижением предельных нагрузок спортивных тренировок, возрастанием рисков срывов процессов адаптации, приводящих к появлению и развитию профессиональных заболеваний требует совершенствования методов и средств как спортивной педагогики, так и спортивной медицины, направленных одновременно на достижение высоких и высочайших спортивных результатов и на поддержание состояния здоровья на должных уровнях.
Такая постановка вопроса требует широкого использования информационных и интеллектуальных технологий, опирающихся на современный математический аппарат. Одной из важнейших составляющих процесса оптимального управления спортивной подготовкой спортсменов является решение задач оценки уровня и готовности спортсменов к достижению высоких спортивных результатов и выявления риска появления и развития заболеваний, сопровождающих различные виды спорта. Учитывая сказанное, разработка методов, моделей и алгоритма оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов на основе нечетких гибридных моделей является актуальной научно-практической задачей.
Степень разработанности темы исследования. В настоящее время достаточно хорошо разработана система контроля и управления процессами тренировки с переходами на соревновательный режим, теория и методика спортивной педагогики, клиническая часть травматологии и лечения спортсменов. Причем, если ранее предпочтение отдавалось разработке и исследованию роли отдельных показателей, характеризующих функциональное состояние и (или) функциональный резерв спортсменов в оценке уровня подготовленности спортсменов к соревновательной деятельности, то на современном этапе все большую популярность завоёвывает комплексный контроль.
Современная комплексная оценка уровня тренированности спортсменов включает: спортивно-педагогические методы оценки внешних параметров движения; функциональные и физиологические методы исследования деятельности отдельных анатомо-физиологических систем организма; лабораторные и биохимические методы исследования (Павлов С.Е, Павлова Т.Н., Харре Д.).
Для реализации комплексного контроля и управления уровнем спортивной подготовки используются современные технологии, реализуемые различными средствами, включая: тренажерно-диагностические комплексы для оценки и мониторинга состояния спортсменов; экспертные системы для планирования тренировочного процесса; автоматизированные системы для контроля и управления тренировочным процессом спортсменов; компьютерные программы для решения задач моделирования и прогнозирования в спорте и др.
Анализ существующих методов, методик и средств их информационной поддержки позволяет сделать вывод, что в них недостаточно внимания уделяется оценке и выбору состава и структуры используемых информативных показателей и адекватного математического аппарата, соответствующего структуре обрабатываемых данных для различных видов спорта, этапов тренировки, соревновательной деятельности и оценки состояния здоровья спортсменов, что значительно снижает потенциальные возможности современных информационных и интеллектуальных технологий при решении выбранных в работе задач.
Проведенные нами исследования показали, что решаемые в работе задачи относятся к классу плохоформализуемых с сильно пересекающимися и нечетко определяемыми структурами данных. В этих условиях в соответствии с рекомендациями зарубежных и отечественных ученых (Л.Заде, Е.Шортлиф, А.Устинов, Н.Кореневский и др.) целесообразно использовать теорию нечеткой логики принятия решений с технологией синтеза гибридных решающих правил, которые несмотря на свои широкие возможности в спортивной педагогике и медицине не нашли пока еще своего должного применения.
С учетом актуальности и степени разработанности темы исследования сформулирована цель и определены задачи исследования.
Цель работы: повышение качества принятия решений в задачах оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов за счет использования методов теории измерения латентных переменных, группового учета аргументов и синтеза гибридных нечетких решающих правил, реализуемых с использованием информационно-интеллектуальных технологий.
Для достижения поставленной цели решены следующие задачи:
- проведена оценка структуры исследуемых данных и выбран
адекватный математический аппарат исследования;
предложен метод оценки и выбора информативных показателей, используемых для определения уровня спортивной готовности и состояния здоровья спортсменов;
разработан метод оценки функционального резерва организма по величине энергетической сбалансированности меридианных структур;
- разработан метод синтеза гибридных нечетких правил оценки уровня
спортивной готовности, прогнозирования и ранней диагностики
профессиональных заболеваний спортсменов;
изучена структура данных, характеризующих уровень спортивной подготовки спортсменов многопрофильного ВУЗа и состояние их здоровья, получена система соответствующих гибридных нечетких решающих правил;
предложены алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов и структура интеллектуальной системы поддержки принятия решений для спортивных педагогов и врачей;
экспериментальная апробация предложенных методов, моделей и алгоритма на репрезентативных контрольных выборках.
Научная новизна исследований. В диссертации получены следующие результаты, характеризующиеся научной новизной:
- метод оценки и выбора информативных показателей,
характеризующих уровень спортивной готовности и состояние здоровья
спортсменов, отличающийся комбинированным использованием теории
измерения латентных переменных с моделью Г.Раша и методов группового
учения аргументов, позволяющий учитывать латентную природу
исследуемых показателей и сложные структуры их взаимосвязей;
- метод оценки функционального резерва организма по величине
энергетической сбалансированности его меридианных структур
отличающийся тем, что в качестве информативных признаков используется
величина электрического сопротивления главных акупунктурных точек
меридиан, а нагрузочная проба создается за счет дозированной физической
нагрузки и (или) искусственного энергетического разбаланса меридиан с
фиксацией времени и уровня восстановления номинального электрического
сопротивления, позволяющий исследовать величину функционального
резерва организма в целом и его подсистем с достаточной для практики
точностью;
метод синтеза гибридных нечетких решающих правил оценки уровня спортивной готовности и состояния здоровья спортсменов, отличающийся учётом внешних параметров движения, антропометрических характеристик, функциональных и физиологических показателей, индивидуальных, экологических и социальных факторов, причем частные математические модели агрегируются в финальные правила с учетом структуры признакового пространства исследуемых классов состояний, позволяющий синтезировать финальные нечеткие математические модели, обеспечивающие требуемые качество и оперативность принятия решений;
коллектив гибридных нечетких моделей оценки уровня спортивной подготовки студентов многопрофильного ВУЗа, прогнозирования и ранней диагностики заболеваний сердечно-сосудистой системы, вызванных комплексным воздействием индивидуальных и спортивных факторов риска, позволяющий обеспечивать уверенность в принимаемых решениях на уровне 0,85;
алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов, отличающийся учетом разбаланса текущих и эталонных состояний спортсмена и различных типов факторов риска, по величине которых принимаются решения о корректирующих
педагогических и (или) лечебных воздействиях, что позволяет обеспечивать выбор рациональной технологии подготовки спортсменов с учетом требуемых уровней подготовки и видов спортивной деятельности.
Теоретическая и практическая значимость работы состоит в том, что разработаны методы оценки информативности показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов, оценки функционального резерва организма по величине энергетической сбалансированности его меридианных структур, синтеза гибридных нечетких правил и алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов.
При использовании предложенных методов получены нечеткие математические модели оценки уровня спортивной подготовки и оценки состояния здоровья студентов многопрофильного ВУЗа, занимающихся различными видами спорта.
Полученные математические модели и алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов составили основу системы поддержки принятия решений спортивных педагогов и врачей, использование которых позволяет повысить качество подготовки спортсменов при сохранении их здоровья.
Работа выполнена в рамках прикладных научных исследований в соответствии с Федеральной целевой программой «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы» и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».
Результаты работ внедрены в учебном процессе Юго-Западного государственного университета при подготовке магистров направления 12.04.04 «Биотехнические системы и технологии» и используются в медицинской практике медсанчасти НИИЦ ФГУП «18 ЦНИИ» МО РФ (г. Курск).
Методология и методы исследований. Для решения поставленных в работе задач использовались методы синтеза биотехнических систем, системного анализа, теории проектирования сложных информационных систем, теории распознавания образов, теории нечетких множеств, теории измерения латентных переменных, теории уверенности, прикладной математической статистики, экспертного оценивания. При разработке интеллектуальной системы в качестве инструментария использовалась среда Matlab 7.10 (R210а) со встроенным пакетом FuzzyLogicToolbox, диалоговый пакет RUMM 2020.
В результате проведенных экспериментальных и теоретических исследований на защиту выносятся следующие научные положения:
1. Метод оценки информативности показателей, характеризующих уровень спортивной готовности и состояния здоровья спортсменов, основанный на использовании модели Г.Раша и метода группового учёта аргументов, позволяет минимизировать пространство признаков для решения исследуемого класса задач для выбранного уровня подготовки и вида спорта
с учетом индивидуальных особенностей подготовки и состояния здоровья спортсмена.
-
Методы оценки функционального резерва организма и синтеза гибридных нечетких решающих правил позволяют получать математические модели оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов для различных видов спорта с требуемым качеством принятия решений.
-
Апробация математических моделей оценки уровня спортивной подготовки спортсменов многопрофильного ВУЗа, прогнозирования и ранней диагностики заболеваний сердечно-сосудистой системы с учетом индивидуальных факторов риска показала, что уверенность в принимаемых решениях превышает величину 0,85;
-
Алгоритм оценки и управления уровнем спортивной подготовки и состоянием здоровья спортсменов обеспечивает функционирование интеллектуальной системы поддержки принятия решений спортивных педагогов и врачей, использование которой позволяет повысить качество подготовки спортсменов при сохранении их здоровья.
Степень достоверности и апробации результатов. Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость концепциям системного анализа и теории синтеза биотехнических систем, а также аналогичным результатам, полученным другими исследователями. Методы, модели и алгоритм нечеткой оценки уровня спортивной готовности, прогнозирования и ранней диагностики профессиональных заболеваний спортсменов построены на теории распознавания образов и нечеткой логике принятия решений и согласуются с ранее опубликованными экспериментальными данными по теме диссертации.
Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на международных и Всероссийских конференциях и конгрессе: Современные тенденции развития науки и технологий (г. Белгород, 2015); Медико-экологические информационные технологии (г. Курск, 2013–2016); Биотехнические, медицинские и экологические системы и комплексы (Биомедсистемы – 2015) (г. Рязань, 2015); Актуальные проблемы энергосбережения и энергоэффективности (г.Тамбов, 2015); XII Международном конгрессе «Кардиостим» (г. Санкт-Петербург, 2016); Современные научные знания: теория, методология, практика (г.Смоленск, 2016).
Публикации. Основные результаты диссертационного исследования отражены в 15 научных работах, из них 7 статей в ведущих рецензируемых научных журналах.
Структура и объем диссертации. Диссертация состоит из введения, четырех разделов, заключения и библиографического списка, включающего 129 отечественных и 34 зарубежных наименований. Работа изложена на 157 страницах машинописного текста, содержит 30 рисунков и 8 таблиц.
Системы поддержки принятия решений спортивной педагогики и медицины
В графическом варианте показатель ПАРС рисуется в виде «лестницы состояний», на которой ПАРС в интервале 1-3 относят к физиологической норме (зеленый цвет), ПАРС в интервале 4-5 соответствует донозологическому состоянию (желтый цвет), ПАРС в интервале 6-7 соответствует преморбидному состоянию (желтый цвет), ПАРС от 8 до 10 соответствует срыву адаптации (красный цвет).
Анализ литературы, посвященный вариабельности сердечного ритма позволяет сделать вывод о том, что эта группа показателей позволяет оценивать общее состояние человека, выявлять адаптационные возможности организма, анализировать психоэмоциональное состояние. Показатели ВСР находят свое широкое применение в терапевтической практике, педагогической и спортивной медицине, в донозологических исследованиях [9, 10,11, 12, 13].
Значительное число методов и методик профессионального отбора спортсменов, оценки их готовности к спортивной работе, диагностики функциональных состояний и ряда других задач спортивной педагогики и медицины, решается с использованием адекватных или специфических физиологических проб [88, 97].
Физиологические пробы (упражнения) рекомендуется выбирать таким образом, чтобы имитационные движения были наиболее специфичными для исследуемого вида спорта с учетом их единства с внешней средой. В качестве проб может быть выбрана и сама спортивная работа [88].
В России находят применение одномоментные, двухмоментные и трехмоментные функциональные пробы среди которых наиболее популярными являются пробы Мартинэ Кушелевского, Летунова, Картмана, Руфье, индекс Робенсона, Гарвардский степ-тест, «Президентские состязания» и др. [97]. Пробу Мартинэ-Кушелевского обычно применяют для неподготовленных спортсменов, позволяя судить о состоянии их кардиоресператорной системы.
В ходе выполнения пробы сидя измеряется ЧСС и АД (САД и ДАД), затем выполняются 20 глубоких приседаний с вытянутыми руками в течение 30 секунд. Далее в положении сидя в течение 5 минут на каждой минуте определяют восстановление значений измеряемых параметров. Причем за первые 10 секунд каждой минуты определяют восстановление ЧСС, а за оставшееся время - восстановление АД.
Качественная оценка состояния дается по следующему алгоритму.
Если АД и ЧСС восстанавливаются в течение 4-х минут, состояние оценивается как хорошее, если в течение 5-ти минут - удовлетворительное. Если в течение 5 минут АД и ИСС не восстанавливаются - состояние считается неудовлетворительным.
Количественная оценка рассчитывается как показатель качества реакции ПКР: ПКР = ПДі ПДо , (1.8) ЧСС-ЧССо где ПДо - пульсовое давление в покое (ммрт.ст.); ПД1 - пульсовое давление на первой минуте восстановления (мм рт.ст.); ЧССо - частота сердечных сокращений в покое (уд./мин.); ЧСС1 - на первой минуте восстановления; ПД = САД - ДАД. В норме ПКР от 0,5 до 1,0 условных единиц. Для спортсменов высоких разрядов часто используется трехмоментная комбинированная проба Летунова. Проба состоит из трех последовательных нагрузок с интервалами отдыха. Первая нагрузка разминочная - 20 приседаний. Вторая нагрузка - бег на месте с максимальной интенсивностью в течение 15 сек. (нагрузка на скорость). Третья нагрузка - бег на месте в течение трех минут в темпе 180 шагов в минуту (нагрузка на выносливость).
После первой нагрузки время отдыха составляет 2 минуты, после второй нагрузки - 4 минуты, после третьей - 5 минут.
Во время отдыха измеряют ЧСС и АД. Оценка типа реакции спортсмена в пробе Летунова носит качественный характер с выделением нормативного (хорошо тренированные спортсмены), гипертонического, гипотонического, дистонического и ступенчатого (недостаточная функциональная готовность спортсмена) типа реакций.
Проба Руфье для оценки готовности сердечно-сосудистой системы к физическим нагрузкам основана на использовании данных об изменении только ЧСС.
Эта проба реализуется следующим образом. Испытуемый лежит в течение 5 минут с измерением ЧСС за 15 секунд (ЧСС1). Далее в течение 45 секунд выполняется 30 приседаний, после которых испытуемый вновь ложится и в течение первых 15 секунд измеряется ЧСС2. После минуты восстановления лежа в течение 15 секунд измеряется ЧСС3 .
Метод оценки функционального резерва организма человека по величине энергетической сбалансированности его меридианных структур
В идеальном случае гистограмма распределения значимости критериев должна быть близка к равномерному закону распределения [7, 76, 77]. Это означает, что представленный набор информативных признаков (индикаторов) с одинаковой точностью позволяет оценить исследуемое состояние спортсменов на всем диапазоне изменения значимости информативных признаков (индикаторов).
Средняя значимость информативных признаков (индикаторов) не должна отличаться от среднего уровня интегрального показателя более чем на 0,5 логит [76, 77]. Если это условие выполняется, то можно сделать вывод о том, что система информативных признаков (индикаторов) соответствует измеряемой латентной переменной и набор используемых информативных признаков (индикаторов) является эффективным для целей измерения обобщенной латентной переменной.
Используя теорию измерения латентных переменных с моделью Г.Раша, можно не только получить число, обозначающее информативность того или иного признака, но и дать развернутое описание ряда качественных свойств: способность дифференцировать шкалы принимаемых решений (уверенность в прогнозе, диагнозе); способность признака дифференцировать исследуемую латентную переменную в противоположность ожидаемой ситуации; определять признаки со сверхвысокой и сверхнизкой дискриминирующей способностью, признаки с «неупорядоченной» классификацией и т.д. Такая гибкость анализа системы информативных признаков на основе модели Г.Раша позволяет рекомендовать ее как один из основных механизмов проведения разведочного анализа при решении общих задач синтеза моделей вычисления латентной переменной прогностических и диагностических решающих правил.
По результатам обработки данных пакетом RUMM 2020 может быть определена функциональная связь между латентной переменной L и выбранным набором индикаторных переменных Sj L=fL(Sj), (1.25) где fL - вид функциональной зависимости L от Sj.
Одним из эффективных механизмов решения классификационных задач в условиях плохой формализации является отображение многомерных данных в двумерные пространства с целью изучения структуры данных. Далее под известную структуру данных подбирается соответствующая прогностическая или классификационная модель [2,3,4,5,7,71,153,154,155]. В работах [14,51,58,146] описан метод отображения, который позволяет совмещать процедуры отображения с процедурами принятия решений.
В соответствии с этим методом двумерное отображающее пространство Ф=YiY2 определяется как декартово произведение двух отображающих функций:
Yi=i(А, Х) и Y2=2(B, X), (1.26)
где і и 2 - функции отображения многомерных объектов в двумерное пространство Ф; А и В - векторы настраиваемых параметров; Х ={хь…, хп} -векторы объектов многомерного пространства информативных признаков.
На объектах обучающей выборки в пространстве Ф в полуавтоматическом режиме с привлечением экспертов предметной области формируются границы разделения альтернативных классов a t и г из условия минимального числа ошибок классификации в виде уравнения Gr =Fr(Yi Y2).
При переходе к нечеткой классификации в двумерном отображающем пространстве четкий вывод метода диалогового конструирования двумерных классификационных пространств трансформируется в нечеткое решение путем определения функций принадлежности ю (Dp) к классу со с базовой переменной, определяемой как расстояние D от отображения в Ф исследуемого объекта до двумерных границ класса а е, описываемых уравнением вида G= Fr(YbY2). Уверенность в сое, полученную при диалоговом конструировании двумерных классификационных пространств, определяют соотношением UGD= (D) (1.27) Метод группового учета аргументов [8,44,45,46,47,53,106] характеризуется использованием моделей структурно-параметрической идентификации, представленных полиномами Колмогорова-Габора: пг тп где z - переменная (из множеств Х или Y) (в классе (=1,…, L);Ai0 -свободный член для модели отклика z в классе cot на множестве Х или Y; Alj0 - весовой коэффициент слагаемого і для отклика функции zl в классе (Dt на множестве Х илиY; pjij - степень аргумента j в терме с номером і для модели отклика функции отклика zi в классе cot на множествах Х илиY; пг число рядов селекции (термов полинома); mr - число переменных z.
В ходе процесса обучения для каждого из исследуемых классов состояний сое в пространстве информативных признаков с использованием обучающих алгоритмов МГУА получаются наборы моделей взаимосвязей между различными информативными признаками. Эти модели являются частыми случаями моделей (1.28). xjg=j(X ,A ), (1.29) где х - признак с номером j, рассчитанный по объектам обучающей выборки класса сое; Хк1- вектор группы признаков с номером к пространства информативных признаков, причем признак с номером j не входит в группу k; Fj - функция связи Xj с Хке; Аи - вектор настраиваемых параметров.
Синтез решающих правил оценки уровня спортивной готовности
Функциональный резерв человека является важным показателем, характеризующим готовность спортсменов к участию в соревнованиях, оценки качества работы оператора в человеко-машинных системах, защищенность организма от возникновения различных заболеваний и др. [9,18,28,61,62,63,129].
Существует достаточно большое разнообразие методов оценки функционального резерва организма человека, среди которых определенное место занимают методы, основанные на оценке энергетической сбалансированности его меридианных структур и (или) энергетического состояния биологически активных точек (БАТ), «связанных» с исследуемыми состояниями организма [74,75,84,121].
В зависимости от видов спорта и типов решаемых задач, спортивных педагогов и врачей могут интересовать как состояния отдельных органов и систем, так и организма в целом.
Механизм оценки состояния отдельных органов и систем по энергетическим характеристикам БАТ, «связанных» с этими органами и системами, достаточно хорошо отработан [56, 57, 59, 66, 82, 93, 94, 130, 131, 132, 133,134,135,136,144,145,147].
Считается, что организм здорового человека сбалансирован энергетически по всем энергетически сильным (с высокой интенсивностью циркуляции энергии) ян и энергетически слабым (с заниженной интенсивностью циркуляции энергии) инь меридианам [74,93]. Ухудшение состояния здоровья или функционального состояния (утомление, психоэмоциональное напряжение и др.) приводят к разбалансу отдельных БАТ и (или) меридианных структур в целом [56,59,74,82,84,93,94]. Энергетическое состояние отдельных БАТ, меридиан и меридианной системы в целом оценивают различными способами: по величине падения напряжения; сопротивления; проводимости; интенсивности инфракрасного излучения. Работами [56,59,66,93] было показано, что при достаточно простой технической реализации приемлемая точность измерений обеспечивается при оценке сопротивления элементов меридиан на переменном токе частотой 1 кГц при силе тока 2-5 мкА.
В работах [55,56,57,59] показывается, что при синтезе прогностических и диагностических решающих правил для оценки состояния здоровья, функционального состояния и адаптационных резервов человека, включая спортсменов, следует учитывать особенности энергоинформационного обмена между внутренними структурами организма и БАТ, включая точки, образующие меридианные структуры.
Анализ работ отечественных и зарубежных ученых показал, что практически все БАТ, представляющие интерес для решения задач, поставленных в данной работе, имеют связь с несколькими органами и (или) системами, которые в многочисленных справочниках по рефлексодиагностике и рефлексотерапии описываются на уровне органов, синдромов, симптомов и диагнозов [55,57,59,74,93].
Учитывая множественность связей единичных меридианных и внемеридианных БАТ с различными органами, подсистемами и системами обеспечить точную оценку состояния организма человека по энергетической реакции одной биологически активной точки весьма сложно.
Ситуация осложняется еще и тем, что энергетическое состояние БАТ зависит от энергетического состояния меридиана, к которому она принадлежит, от состояния «сопряженно работающих» меридиан, от времени суток и ряда других существенных факторов.
С целью повышения качества оценки функционального состояния и состояния здоровья человека на кафедре биомедицинской инженерии Юго Западного государственного университете (БМИ ЮЗГУ) был разработан метод поиска таких групп БАТ, одновременная реакция которых уточняет искомый диагноз, исключая другие составляющие, меняющие энергетическое состояние точек, вошедших в эту группу.
В работах [55,56,59] подробно описаны метод и алгоритм поиска таких групп БАТ, называемых диагностически значимыми точками [ДЗТ] на основе анализа так называемых двоичных таблиц связей (ДТС) между анализируемыми точками и списками «выводимых» на них ситуаций. Здесь под ситуациями понимается полный список симптомов, синдромов и диагнозов, указываемых в справочниках по рефлексодиагностике и рефлексотерапии, например в [57].
Работами в области рефлексодиагностики, проводимыми на кафедре БМИ ЮЗГУ [56,59,66,73] было показано, что для прогнозирования и диагностики заболеваний, включая профессиональные заболевания спортсменов, целесообразно использовать комбинированные правила логического вывода с определением меры доверия к принимаемым решениям в соответствии с формулой ЕСЛИ [V(YjДЗТ)RjRпор], ТО {КУ (q+1)=КУcDe (q)+o)e (Rj+i)[l-КУ (q)]} (2.6) ИНАЧЕ (КУcoe=0).
В этом выражении Yj - имя БАТ с номером j, имеющих связь с прогнозом (диагнозом, состоянием) й)е; Я3 - величина относительного отклонения сопротивления БАТ Yj от его номинального значения с учетом времени суток в процентах; Rпор - пороговое значение отклонения сопротивления "БАТ от своего номинального значения, после которого энергетическое состояние точки считается не номинальным; V - квактор общности; cot - имя класса с номером ; q - номер итерации в расчете величины коэффициента уверенности в прогнозе (диагнозе, состоянии) сэе -КУае; й Д +і)-функция принадлежности к классу сое с базовой переменной (Rj+i) для всех точек, используемых в решающих правилах (не обязательно только ДЗТ); КУсое (1) = (Ri).
Функции принадлежности (Rj) и Rпор определяются экспертами и уточняются в ходе проверки на репрезентативных обучающих и контрольных выборках в соответствии с методиками, достаточно полно представленными в работах [56,59].
В работах [107,111,127] показано, что модификации выражения (2.6) могут быть использованы для классификации таких важных для спорта функциональных состояний как активация, утомление и психоэмоциональное напряжение и для количественной оценки их уровня.
Структура интеллектуальной системы поддержки принятия решений
Все сигнальные и сочувственные точки доступны для измерения. Индекс напряжения ИН по Р.Баевскому определяется с использованием гистограммы распределения значений R-R интервалов электрокардиограммы по формуле [12,13]: АМ ИН 2ХМ0 где М0 – мода, определяемая числом наиболее часто встречающихся R-R интервалов; АМ0 – амплитуда моды, определяемая как доля R-R интервалов, соответствующих значению моды; Х – вариационный размах, вычисляемый как разность между длительностью наибольшего и наименьшего R-R интервалов.
В рекомендациях по использованию ИН в спортивной медицине предлагается следующее правило принятия решений. Если ИН колеблется в пределах 80-90, то это соответствует нормальному режиму функционирования сердечно-сосудистой системы (ССС). Значения ИН в интервале 100-120 соответствуют перенапряжению в работе ССС Спектральный относительный индекс SI определяется отношением [101] SI = LF , (3.2) HF где LF – низкочастотная составляющая ритма сердца, основная спектральная мощность, которой приходится на диапазон частот 0,04,…,0,15 Гц; HF – высокочастотная составляющая ритма сердца, основная спектральная мощность которой лежит в диапазоне 0,15, …, 0,4 Гц. Индекс SI характеризует баланс влияния на работу сердца парасимпатического и симпатического отделов. Считается, что у нормально функционирующей сердечно-сосудистой системы (ССС) SI 2,5.
Незначительное увеличение SI свидетельствует о появлении напряжения в работе ССС. Величина SI 10,0 свидетельствует о критическом напряжении ССС, которое может приводить к появлению и развитию психосоматических заболеваний.
С учетом опыта исследований, проводимых на кафедре биомедицинской инженерии ЮЗГУ, уровень психоэмоционального напряжения определяется выражением [68,121,144,147]: YРН=fН(YРHL)=fL(YPT, YPB, ИН, SI), (3.3) где YPT – уровень психоэмоционального напряжения, определяемый по шкалам субъективных компьютерных тестов оценки ситуативной и личной тревожности [122]; YPB – уровень психоэмоционального напряжения, определяемый по показателям внимания (переключаемость, концентри-рованность, устойчивость) [65,68]; ИН – индекс напряжения; SI – спектральный относительный индекс; YРHL – уровень психоэмоционального напряжения, определяемый с использованием модели Г.Раша в логитах.
Подробно методика расчета YPH по формуле (3.3) приведена в работе [111]. При отсутствии аппаратуры для определения ИН и SI уровень психоэмоционального напряжения может быть определен с использованием параметров электрических характеристик БАТ, «связанных» с психоэмоциональной сферой по формуле: YPH=fH(YPT, YPB,YPБ), (3.4) где YPБ – уровень психоэмоционального напряжения, определяемый по величине относительного отклонения БАТ, связанных с психоэмоциональной сферой от своих номинальных значений. Методика расчета YPH по формуле 3.4 подробно описана в работе [68].
В работах [111,122] показано, что уровень психоэмоционального напряжения может быть оценен по одной из составляющих выражений (3.3) и (3.4), но при этом уменьшается уровень доверия к полученной величине YPH.
Решение о допустимом уровне доверия принимают эксперты исходя из роли психоэмоционального напряжения в финальной целевой функции. Оценка уровня утомления производится с использованием модели вида: YUF=fU(YUFF)=fU(YUБ,YUВ, YUТ), (3.5) где YUБ – уровень утомления, рассчитанный по величинам электри-ческих сопротивлений БАТ, реакция которых связана с процессом утомления; YUВ – уровень утомления, рассчитанный по показателям внимания; YUТ – уровень утомления, рассчитанный по субъективным тестам; YUFF – уровень утомления в логитах, начитанный по модели Г.Раша.
Подробно методики расчета YUF приведены в работах [48,111,113,126]. Аналогично расчетам YPH, YUF может быть определен по составляющим формулы (3.5) с «потерей» точности измерений. Исследуемый контингент студентов, занимающихся физкультурой и спортом, наиболее часто получает (или уже болеет) заболевания сердечнососудистой системы.