ответы на вопросы к экзамену по физике гуап. вопросы бакалавриат. Системный подход как методология разработки методов, алгоритмов и программнотехнических средств сбора, представления и анализа медикобиологической информации

Название	Системный подход как методология разработки методов, алгоритмов и программнотехнических средств сбора, представления и анализа медикобиологической информации
Анкор	ответы на вопросы к экзамену по физике гуап
Дата	11.10.2021
Размер	234.48 Kb.
Формат файла
Имя файла	вопросы бакалавриат.docx
Тип	Задача #245535

Вопросы для групп 2746, 2640 кв

Системный подход как методология разработки методов, алгоритмов и программно-технических средств сбора, представления и анализа медико-биологической информации

Системный подход – это методологическое направление в науке, основная задача которого состоит в разработке методов исследования и конструирования сложноорганизованных объектов – систем разных типов и классов. Он представляет собой определенный этап в развитии методов познания, методов исследования и конструирования, способов описания и объяснения природных или искусственно созданных объектов.

Сущность системного подхода сводится к тому, что деятельность любой части системы оказывает некоторое влияние на деятельность всех других ее частей.

Системный подход использует специальные методы анализа и синтеза.

Системный анализ – анализ проблем с позиций, системного подхода, помогающий связать между собой все известные факты и взаимосвязи, которые составляют существо анализируемой проблемы, и создать обобщенную модель, отображающую эту проблему с максимально возможной степенью полноты.

Системный синтез – синтез систем с позиций системного подхода, позволяющий на основании исходных данных (которые включают сведения о назначении системы, ее характеристиках и функциях), знании элементной базы и опыта проектирования подобных систем предложить обобщенную модель системы, отвечающую поставленным задачам с максимально возможной степенью соответствия при вводимых ограничениях на выбор характеристик ее компонентов

Системный подход как методология разработки методов и алгоритмов использует системный анализ. Целью системного анализа здесь является полная и всесторонняя проверка различных вариантов действий с точки зрения количественного и качественного сопоставления затраченных ресурсов с получаемым эффектом.

При разработке программно-технических средств сбора, представления и анализа информации используется системный анализ всего комплекса задач, подлежащих автоматизации, уже на этапе описания системы: ее целей и функций, состава и специфики информационных потоков, информационного состава задач и даже отдельных программных модулей.

При системном синтезе нужно знание особенностей организации биологических систем, сочетающих в едином контуре управления биологические и технические звенья. Эффективность подобных систем полностью определяется тем, насколько точно будут согласованы характеристики этих звеньев, обеспечена единая информационная среда, в которой происходит взаимодействие разнородных звеньев, и соблюден принцип адекватности при выборе средств воздействия.

Объективное требование системного подхода к разработке программных средств решения задач при автоматизации систем управления вызвало необходимость дифференциации специалистов-разработчиков, что проявилось в выделении в их составе системных аналитиков, системотехников, прикладных и системных программистов.

Системный аналитик, исходя из общих целей, назначения, технических характеристик, состава и описания требований пользователей к прикладным задачам и системе в целом, формулирует общие формальные требования к программному обеспечению системы.

Специалист-системотехник преобразует общие формальные требования в детальные спецификации на отдельные программы, участвует в разработке, определяет общую информационно-программную структуру проекта.

Прикладной программист преобразует спецификации в логическую структуру программных модулей, а затем и в программный код.

Системный программист обеспечивает сопряжение программных модулей с программной средой, в рамках которой предстоит функционировать прикладным программам (задачам).

Применение регрессионного анализа для проектирования систем оценки состояния организма.

В целом ряде случаев идентификации биологических объектов, рассматриваемых в качестве звеньев БТС, считается известным вид функциональной связи выходных и входных атрибутов моделируемого объекта. Тогда экспериментальные данные, полученные в результате исследования объекта, могут быть непосредственно использованы для задания его формального описания. В случае статических систем для отыскания математической модели в форме функциональной зависимости, “наилучшим” образом удовлетворяющей экспериментальным данным, может использоваться регрессионный анализ.

Для моделирования динамических систем, когда известным считается механизм процесса и дифференциальное уравнение, его описывающее, задача сводится к определению параметров данного уравнения. Статическая задача оценивания параметров модели сводится к выбору вида функциональной зависимости, описывающей экспериментальные данные, и ее аналитического описания, т.е. к подбору функции и определению ее параметров.

В регрессионном анализе для моделирования используются степенные, показательные, дробно-рациональные функции. Выбор вида функции может быть обусловлен известным характером исследуемого процесса, известными механизмами функционирования системы. Критерий “наилучшего” описания системы с помощью выбранной функциональной зависимости состоит в минимизации отклонений математической модели от экспериментальных данных.

Зависимость значений одного ряда от значений других рядов можно выразить в линейной форме уравнением регрессии:

где результирующий параметр, представленный вектором наблюдений y, легко получить исходя из матрицы наблюдений X, образованной значениями xij. Значения aj вектора коэффициентов регрессии – a могут быть вычислены следующим образом:

а об их достоверности можно судить, зная, что принадлежит распределению Стьюдента с m – n степенями свободы величина

где zjj – диагональные элементы матрицы Z  (XX)-1, m – число значений в каждом ряду, n – число рядов.

Оценить полученное уравнение регрессии можно по величине показателя детерминации:

зная, что

принадлежит распределению Фишера F(n, m – n).

Условия патентоспособности промышленного образца

1. В качестве промышленного образца охраняется художественно-конструкторское решение изделия промышленного или кустарно-ремесленного производства, определяющее его внешний вид.
Промышленному образцу предоставляется правовая охрана, если по своим существенным признакам он является новым и оригинальным.
К существенным признакам промышленного образца относятся признаки, определяющие эстетические и (или) эргономические особенности внешнего вида изделия, в частности форма, конфигурация, орнамент и сочетание цветов.
2. Промышленный образец является новым, если совокупность его существенных признаков, нашедших отражение на изображениях изделия и приведенных в перечне существенных признаков промышленного образца, не известна из сведений, ставших общедоступными в мире до даты приоритета промышленного образца.
При установлении новизны промышленного образца также учитываются при условии их более раннего приоритета все поданные в Российской Федерации другими лицами заявки на промышленные образцы, с документами которых вправе ознакомиться любое лицо в соответствии с пунктом 2 статьи 1394 настоящего Кодекса, и запатентованные в Российской Федерации промышленные образцы. Новым — изделие визуально оценивается на предмет известности совокупности перечисленных в законе признаков из сведений, доступных в мире на дату подачи заявки.
3. Промышленный образец является оригинальным, если его существенные признаки обусловлены творческим характером особенностей изделия. Оригинальным — особенности внешнего вида изделия, обусловившие признаки, являются результатом творческой деятельности, что подразумевает недопустимость копирования чужих идей, индивидуальность образца.

Для установления свойства оригинальности выявляется общедоступный аналог решения, обладающий сходными функциями, сопоставляются идентичные и отличительные признаки с целью недопущения регистрации образца, сходного до степени смешения с иными решениями.
4. Раскрытие информации, относящейся к промышленному образцу, автором промышленного образца, заявителем или любым лицом, получившим от них прямо или косвенно эту информацию, в результате чего сведения о сущности промышленного образца стали общедоступными, не является обстоятельством, препятствующим признанию патентоспособности промышленного образца, при условии, что заявка на выдачу патента на промышленный образец подана в федеральный орган исполнительной власти по интеллектуальной собственности в течение шести месяцев со дня раскрытия информации.

5. Не предоставляется правовая охрана в качестве промышленного образца:
1) решениям, обусловленным исключительно технической функцией изделия;
2) объектам архитектуры (кроме малых архитектурных форм), промышленным, гидротехническим и другим стационарным сооружениям;
3) объектам неустойчивой формы из жидких, газообразных, сыпучих или им подобных веществ.

Особенности биологического объекта и экспериментальных данных о его свойствах и состоянии.

Биообъект и полученные от него данные имеет ряд особенностей как объект медикобиологических исследований.

1)Любая биологическая система сложна, включает множество разнообразных подсистем с многообразными и подвижными связями и функциями, что приводит к большому количеству возможных состояний.

2)При изучении биологической системы нужно учитывать комплексом множества изменяющихся факторов, воздействующих на систему, причем точный учет самих факторов и результатов их воздействия в реальных условиях не возможен.

3)Состояние биологической системы описывается набором физиологических процессов и медикобиологическими показателями. Состояние равновесия системы (норма) может обеспечиваться при разных величинах определяющих параметров. Между параметрами нелинейная связь.

4)Получение точных математических зависимостей между параметрами, физиологическими процессами и мед-био. показателями, затруднено, так как нет адекватного мат. аппарата

4)Для биосистем характерна качественная неоднородность, проявляющаяся в том, что в рамках одной и той же функциональной системы совместно и слаженно работают разнородные подсистемы с разными постоянными времени, с качественно различными управляющими сигналами (химическими, физическими, информационными).

5)Большое число параметров, описывающих биологическую систему, затрудняет возможность одновременно зафиксировать их, т.е получить представление о мгновенном состоянии системы. Можно говорить лишь о вероятности этого состояния.

6)Отсутствие количественных характеристик состояния и функций биологической системы приводит к тому, что результат внешних управляющих воздействий на нее не может быть предсказан однозначно.

7)Неоднозначность реакции на один и тот же набор сигналов внешней среды или смежных иерархических уровней указывает также на нестационарность самих биосистем.

8)Разного рода патологические явления в тех или иных подсистемах, могут рефлекторно влиять через высшие уровни управления системой на функции высших уровней, и, как следствие, нарушать самые различные процессы в биосистеме, что затрудняет интерпретацию получаемых результатов.

9)Индивидуальный разброс измеряемых медико-биологических показателей, внутригрупповая изменчивость обусловливают фиксирование и априорное ограничение группы исследуемых объектов, а учет генетических эффектов вызывает введение возрастных групп для исследований одних и тех же проявлений.

10)Изменчивость и индивидуальность параметров приводят к широкому использованию методов математической статистики (биометрии). Для получения достоверных результатов требуется собирать и обрабатывать статистический материал по разнообразным характеристикам биологического объекта.

11)Исследование биологических систем целесообразно производить в условиях их реального существования, без ограничения.

12)Большие трудности возникают при измерении параметров, внутренней среды биологических систем без нарушения их целостности, без внесения искажений в измеряемый параметр из-за нарушения физиологичности эксперимента.

13) Сложность измерений связана также со сравнительно малыми абсолютными значениями измеряемых величин (спектр лежит в области инфранизких частот) при больших уровнях шумов, как вследствие работы других подсистем, так и из-за помех внешней среды;

Применение дискриминантного анализа для проектирования систем диагностики и распознавания.

Предмет дискриминантного анализа: интерпретация отличий для сгруппированных наблюдений, описываемых одновременно несколькими параметрами. Для i-объекта k-ой группы можно выразить совокупность параметров x₁, x₂.. как каноническую дискриминантную функцию

. u_j – коэффициенты канонической дискриминантной функции.

Используется с целью диагностики и распознавания или для выяснения, насколько надежна классификация, основанная на априорном группировании некоторой совокупности наблюдений. О доле вклада отдельных переменных можно судить по величине стандартизированных коэффициентов дискриминантной функции, у них примерно тот же смысл, что у u, но они вычисляются применительно к стандартизированным данным (математическое ожидание = 0 и D=1) и оказываются сопоставимыми. Зависимость между отдельными переменными и дискриминант функцией выражаются с помощью полных структурных коэффициентов или структурных коэффициентов внутригруппового уровня зависимости. Нетривиально значимость дискриминантной функции оценивается выражающей остаточную дискриминацию Λ-статистикой Уилкса. О том, сколь существенно различие классов без учета их когезивности судят по величине критерия Рао, в основе которого представления о взаимной удаленности критериев Махаланобиса.

На практике отнесение объекта к тому или иному классу объектов не всегда имеет одинаковые последствия, например, диагноз врача — онколога или экономический прогноз. Потому нередко задается априорная вероятность события — Р_а, которая должна быть учтена. Относя объект к классу часто используют простые классифицирующие функции

, где

— среднее значение j (m) параметра k класса, N, q — число классов, N — сумма объектов, и считают объект принадлежащим классу с максимальным значением h. Об эффективности распознавания судят по индексу надежности распознавания (отношения успешных узнаваний к общему числу объектов). Узнавание для одних объектов может быть лучше, чем для других, и вероятность правильного предсказания при случайном отнесении объекта к некоторому классу может быть не такой, как при отнесении к другому классу, поэтому необходимой для практических приложений является β—статистика ошибок классификации.

Патентный поиск

Патентный поиск – это процедура выборки в соответствии с запросом документов по заданным признакам из базы патентных данных, причем, осуществляется поиск по материалам, которые отвечают только темам или предметам запроса. Основными методами поисковых исследований служат информационно-поисковая система, специальные компьютерные программы, а также обработка документов ручным способом.

Цели и задачи патентного поиска

Методологически цели поисковых операций можно разделить на основные и дополнительные.

Основные: проверка уникальности и новизны заявляемого решения; проведение поиска в смежных областях; нахождение других областей или способов применения изобретения;

поиск наиболее близких по технической сути или использованию изобретений для выбора аналогов и прототипов.

Информация патентных источников является уникальной базой классифицированных технических достижений и представляет огромную ценность при бизнес–планировании. Изучение большого объема патентных документов дает возможность ознакомиться с результатами новейших изобретений и инноваций и решать следующие задачи:

Дополнительные: определить потенциальных конкурентов; найти действующие патенты в данной области, зарегистрированные другими лицами, составить заявку так, чтобы не нарушать их прав; поиск возможных лицензиатов патента; получить информацию по состоянию разработок и развитию рынка в данной области.

Патентный поиск относится к трудоемким и сложным исследованиям, но проведение его необходимо не только при оформлении заявок, но при использовании новых разработок с целью избежания штрафов за нарушение чужих прав.

Критерии патентоспособности

Главными критериями для выдачи охраны являются:

Полезность – пригодность для применения в промышленных объемах

Новизна – отсутствие в соответствующем уровне техники

Неочевидность, иметь изобретательский уровень (критерий для изобретений)

Оригинальность (критерий для промышленных образцов)

Материалы для проведения патентного поиска

Для четкого формулирования запросов в поиске необходимо подготовить рабочий вариант формулы и описания изобретения, провести предварительные исследования рынка на предмет схожих решений, а также изучить основные публикации в области применения результатов изобретения. Используемые сведения и документы зависят от вида проводимого поиска.

Условно можно выделить следующие виды поискового анализа:

предметный – сформулированная техническая задача ставится как предмет поиска, глубина поиска ограничивается выбором рубрик патентной классификации и временным промежутком
именной, фирменный – дополняет предметный вид, используется в случаях, когда известны имена авторов, названия организаций или есть данные о патентовладельцах
нумерационный поиск – по номеру патента находятся полные данные по объекту промышленной собственности
поиск аналогов на сходные изобретения, зарегистрированные в разных странах

Основные источники медико-биологических данных.

Все биологически активные процессы, происходящие в человеческом организме, сопровождаются выработкой различных сигналов - электромагнитных, звуковых, механических. Сигналами в медицине могут быть также сведения о состоянии человека - например, его росте, массе тела, составе крови и других биологических жидкостей, сигналами являются объективные и субъективные признаки заболеваний - жалобы больного, лихорадка, желтуха, результаты физикальных исследований. Источниками этих сигналов являются внутренние системы человека. Наиболее часто снимают показатели сердечно сосудистой, нервной, опорно-двигательной, пищеварительной систем.

Медико-биологические данные, могут быть систематизированы в следующие группы:

1. Количественные данные - параметры; их можно охарактеризовать дискретными величинами: рост пациента, концентрация в крови форменных элементов и биологически активных веществ.

2. Качественные данные - признаки; они не поддаются точной оценке, хотя и могут быть ранжированы. К таким данным относятся, например, цвет кожных покровов,

3. Статические картины органов человека или всего его тела; они отображают картину пациента человека, различных участков патологически измененных тканей, чаще всего с помощью средств лучевой диагностики - рентгенологической, радионуклидной, ультразвуковой, магнитно-резонансной;

4. Динамические картины органов человека; они получаются при непрерывной регистрации (на мониторе или жестком диске компьютера) движущихся органов, например, сердца, легких, при изучении быстроменяющихся картин прохождения по организму рентгеноконтрастных или радионуклидных веществ (при рентгенологическом исследовании пищеварительного тракта, радионуклидном исследовании сердца).

5. Динамические данные физиологических функций: электрокардиограмма, электроэнцефалограмма, кривые, зарегистрированные при прохождении радиоактивного вещества по организму и др.

Модели фармакокинетики и биокинетический закон накопления и вывода веществ.

Так как при построении модели нельзя учесть все факторы, то при рассмотрении фармакокинетической модели обычно не рассматривают локальные механизмы уменьшения или увеличения концентрации препарата. Единица системы — камера (часть системы, в кот распределение препарата можно считать равномерным). Существуют однокамерные, двухкамерные и многокамерные модели.

Однокамерные: пациенту введен препарат, весь организм представлен в виде одной камеры, окружающая среда — в виде другой, количество препарата постепенно убывает ввиду процесса элиминации (совокупность процессов, способствующих уменьшению концентрации препарата в организме). Препарат выводится со скоростью

. Несмотря на то, что препарат может проникать в обе стороны, его количество в камерах не уравнивается из-за неравенства констант скорости перемещения вещества в противоположных уравнениях. Важные параметры процесса — период полувыведения препарата и клиренс, равный объему тест—ткани, освобождающемуся от препарата за единицу времени.

Модель с подкамерой: лекарственные препараты часто вводят не сразу в кровь, а в другие ткани, поэтому вводят подкамеру. Процесс описывается система из 4х уравнений. В этом случае концентр препарата в основной камере в некоторый момент времени достигает макс. значения, а затем начинает уменьшаться. Время достижения максимальной концентрации не зависит от дозы введенного препарата, а определяется константами введения и выведения.

Многокамерные: для их построения требуется система из диффуров. Концентрация в каждом из органов зависит от 1) v (скорость) всасывания препарата из места введения в кровь, если нет введения в кровеносное русло 2) v транспорта из крови в орган 3) v обратного процесса (из органа в кровь) 4) v выведения выделит системой. Каждый орган представлен в виде блоков — камер. Все процессы условно делятся на быстрые (несколько минут), средние (несколько часов) и медленные (несколько суток). Чтобы уследить за всеми процессами, можно заменить переменные в составе уравнений быстрых процессов начальными значениями, а медленных — стационарными и сократить таким образом число переменных.

Модель непрерывного введения: При введении препарата часто необходимо знать временной характер, т.к. если доза недостаточная или он быстро разрушается — нет лечебного эффекта. Частая задача: поддержание постоянной концентрации, непрерывное введение (капельница). При введении со скоростью v его количество М изменяется:

. Концентрация вещества с возрастает и при t->∞ асимптотически приближается к постоянному значению концентрации. Чтобы быстрее достигнуть желаемого эффекта в начальный момент времени вводится нагрузочная доза, а затем непрерывно вводится препарат (делается укол и ставится капельница).

Биокинетический закон накопления и вывода веществ для концентрации:

Особенности механических свойств биологических тканей и жидкостей. Изучение механических свойств биотканей. Допущения, вводимые в биомеханические характеристики тканей при моделировании биологических объектов.

Под механическими свойствами биологических тканей понимают две их разновидности. Одна связана с процессами биологической подвижности: сокращение мышц животных, рост клеток, движение хромосом в клетках при их делении и др. Эти процессы обусловлены химическими процессами и энергетически обеспечиваются АТФ. Условно указанную группу называют активными механическими свойствами биологических систем. Другая разновидность — пассивные механические свойства биологических тел. Рассмотрим этот вопрос применительно к биологическим тканям.

Как технический объект биологическая ткань — композиционный материал, он образован объемным сочетанием химически разнородных компонентов. Механические свойства биологической ткани отличаются от механических свойств каждого компонента, взятого в отдельности. Методы определения механических свойств биологических тканей аналогичны методам определения этих свойств у технических материалов.

Особенности механического поведения биотканей

1. Большинство биологических тканей анизотропно, т.е. их физические, в том числе и механические, свойства неодинаковы в разных направлениях, что обусловлено неоднородным строением.

2. Почти для всех биотканей характерны следующие временные эффекты при деформировании: а) при постоянной величине деформации в биотканях со временем происходит спад механического напряжения; б) при постоянной нагрузке (механическом напряжении) величина деформации со временем увеличивается — это явление называют ползучестью (крипом);

в) при циклическом нагружении биотканей в них возникают колебания механических напряжений и деформаций, при этом деформация е всегда отстает по фазе от механического напряжения;

Внешние силы, действующие на образец, совершают работу по его деформированию. Энергия, затраченная на деформацию образца, во-первых, частично запасается в объеме деформированной среды в виде потенциальной энергии деформации и, во-вторых, необратимо расходуется на преодоление сил внутреннего трения, переходя в конечном итоге в теплоту.

Если при деформации реализуется только первый случай, то материал образца является упругой средой и при снятии нагрузки вся запасенная в нем потенциальная энергия деформации переходит в работу по восстановлению его прежних размеров и формы.

Если реализуется только второй случай, т.е. происходит лишь необратимое рассеивание энергии в образце, то среда называется вязкой и все деформации в такой среде необратимы (неупруги).

Если же в разной степени реализуются оба случая, то среда называется вязкоупругой.

Механические свойства биологических тканей

Рассмотрим важнейшие механические свойства биологических тканей, благодаря которым осуществляются разнообразные механические явления

- такие, как функционирование опорно-двигательного аппарата, процессы деформаций тканей и клеток, распространение волн упругой деформации, сокращения и расслабление мышц, движение жидких и газообразных биологических сред. Среди этих свойств выделяют:

- упругость - способность тел возобновлять размеры (форму или объем) после снятие нагрузок;

- жесткость - способность материала противодействовать внешней нагрузкой; эластичность - способность материала изменять размеры под действием внешних нагрузок;

- прочность - способность тел противодействовать разрушению под действием внешних сил;

- пластичность - способность тел хранить (полностью или частично) изменение размеров после снятия нагрузок;

- хрупкость - способность материала разрушаться без образования заметных остаточных деформаций;

- вязкость - динамическое свойство, которое характеризует способность тела противодействовать изменению его формы при действии тангенциальных напряжений;

- текучесть - динамическое свойство среды, которое характеризует

способность отдельных его слоев перемещаться с некоторой скоростью в пространстве относительно других слоев этой среды

Костная ткань. Кость — основной материал опорно-двигательного аппарата. ²/₃ массы костной ткани составляет минеральное вещество кости. В остальном кость состоит из органического материала, главным образом коллагена (обладающий высокой эластичностью). Ее механические свойства зависят от многих факторов, в том числе от возраста, индивидуальных условий роста организма и, конечно, от участка организма.

Композиционное строение кости придает ей нужные механические свойства: твердость, упругость и прочность. Зависимость

для компактной костной ткани имеет характерный вид, показанный на рис. а,

а) б)

т.е. подобна аналогичной зависимости для твердого тела;

Примерный вид кривых ползучести компактной костной ткани приведен на рис. б). Участок 0А соответствует быстрой деформации, АВ — ползучести. В момент t_vсоответствующий точке В, нагрузка была снята. ВС соответствует быстрой деформации сокращения, CD — обратной ползучести. В результате даже за длительный период образец кости не восстанавливает своих прежних размеров, сохраняется некоторая остаточная деформация e_ост.

Схематично можно заключить, что минеральное содержимое кости обеспечивает быструю деформацию, а полимерная часть (коллаген) определяет ползучесть.

Кожа. Она состоит из волокон коллагена и эластина. Эластин растягивается очень сильно (как резина). Коллаген может растягиваться до 10%

Из сказанного ясно, что кожа является вязкоупругим материалом с высокоэластическими свойствами, она хорошо растягивается и удлиняется.

Мышцы. В состав мышц входит соединительная ткань, состоящая из волокон коллагена и эластина. Поэтому механические свойства мышц подобны механическим свойствам полимеров.

Гладкие мышцы могут значительно растягиваться без особого напряжения, что способствует увеличению объема полых органов, например мочевого пузыря.

Изучение механических свойств биологических тканей необходимо как для выяснения допустимых неразрушающих деформаций этих тканей, так и для совершенствования методов лечения травм, средств защиты человека от неблагоприятных силовых воздействий, протезирования органов и тканей, создания новых материалов, близких по свойствам к биотканям.

Биологические ткани принято делить на жидкие (кровь, лимфа, слизистые жидкости, синовиальная жидкость и т.д.), мягкие и твердые. К мягким относятся ткани, для которых упругие (обратимые) деформации могут составлять десятки и сотни процентов, — кожа, мышечная ткань, ткани легкого и мозга, стенки кровеносных сосудов, дыхательных путей и некоторые другие, к твердым — кость и зубы. Промежуточное положение занимают сухожилие и суставной хрящ. Для определенности сухожилие отнесем к мягким тканям, а хрящ — к твердым.

Моделирование биологических систем - процесс создания моделей биологических систем с характерными им свойствами. Объектом моделирования может стать любая биологическая система. Биологическое моделирование является важной задачей системной и математической биологии. Вычислительные системы биологии нацелены на развитие и использование эффективных алгоритмов, структур данных, визуализации и средств коммуникации для компьютерного моделирования биологических систем. Это предполагает использование компьютерного симулирования биологических систем, включая как клеточные подсистемы (например, сети метаболитов и ферментов, которые содержат обмен веществ, сигнальные пути и генные регуляторные сети), так и анализ и визуализацию сложных соединений этих клеточных процессов. Искусственная жизнь или виртуальная эволюция пытается понять эволюционные процессы с помощью компьютерного моделирования простых форм жизни.

Способы представления медико-биологической информации

Все виды медицинской информации можно разделить на четыре основные группы:

1.Алфавитно-цифровая информация. Данная категория медицинской информации образована документами (анамнез; показатели организма, которые можно представить в цифровой форме).

2. Визуально-графическая:

Серошкальная визуально-графическая информация. К этой категории медицинской информации относятся: рентгенологические изображения, эхограммы, эхокардиограммы, сцинтиграммы, томограммы.

Цветная визуально-графическая информация. К данной категории относятся цветные медицинские изображения: участков кожи и видимых слизистых оболочек пациента, эндоскопические изображения (внутренние структуры глаз, слизистые оболочки желудочно-кишечного тракта, слизистые оболочки гортани, носа, отоскопические изображения и др., артроскопические и лапараскопические изображения), микроскопические изображения (мазки крови, цитологические и гистологические срезы, биомикроскопия и др.), изображения, генерируемые диагностическим оборудованием допплеровское картирование, (цветное электрокардиограммы, другие электрофизиологические данные и др.).

Динамическая визуально-графическая информация. Примерами подобной информации являются походка пациента, мимика или судороги, сухожильные рефлексы, реакция зрачка на свет, генерируемое диагностическим оборудованием динамическое изображение.

3.Звуковая информация. Звуковая информация включает речь (пациента с неврологической или психической патологией), усиленные электронным способом естественные звуки человеческого организма (тоны сердца) и звуковые сигналы, генерируемые медицинским оборудованием (допплеровские сигналы кровотока при эхокардиографии).

4.Комбинированные виды информации. Основным комбинированным видом информации в работе БРС является сочетание динамической визуальной информации со звуковой. Однако, вполне возможно использование сочетания вывода визуальной и алфавитно-цифровой информации.

Методы функциональной идентификации технических и биологических звеньев БТС.

Идентификация — нахождение эквивалентной системы некоторого заданного класса входным и выходным данным. Функциональная идентификация позволяет описать поведение объекта путем обработки результатов его тестирования, т.е. воздействия на него с помощью стимула и регистрации вызванной реакции. Для функциональной идентификации необходимо наличие эксперимент данных о поведении системы при различных входных воздействиях. Объект представляется в виде “черного ящика”, а целью исследования чаще всего является определение его передаточных характеристик без учета внутренних характеристик. Причем вид тестирующего воздействия и его параметры определяют вид получаемой передаточной характеристики. Реализуется с помощью воздействия сигналами: синусоидальное, ступенчатое импульсное или шумовое воздействие.

Обработка реакций, вызванных воздействием, с помощью преобразования Фурье позволяет найти частотную характеристику, далее передаточную функцию объекта и перейти к описанию объекта с помощью дифференциальных уравнений. Для звеньев БТС основная цель функциональной идентификации — это отыскание функционального преобразования, устанавливающего зависимость между наблюдаемыми выходными реакциями и входным воздействием. Эта зависимость — математическая модель объекта. Методы идентификации передаточной функции системы удобны, так как эти функции чаще используются при анализе и синтезе систем. Существует ряд методов для определения передаточной функции по известной частотной характеристике. Наиболее простым и наглядным методом является графоаналитический метод идентификации Боде. Метод основан на представлении искомой передаточной функции в виде произведения передаточных функций элементарных звеньев, имеющих известные частотные характеристики, аппроксимирующие частотную характеристику исследуемого объекта. Полюсы передаточной функции являются отрицательными, так как частотная характеристика может быть измерена только у устойчивых систем. В рассматриваемой области выражения для АЧХ и ФЧХ системы можно рассматривать как алгебраическую сумму соответствующих выражений для характеристик элементарных звеньев. Метод идентификации системы с помощью частотных диаграмм Боде основан на том, что график частотной характеристики системы, представленный в логарифмическом масштабе, аппроксимируют кусочно-линейной ломанной (т.е. суммой прямых), участки которой соответствуют графикам (асимптотам) частотных характеристик элементарных звеньев. Тогда передаточную функцию системы можно представить в виде произведения передаточных функций звеньев, графики частотных характеристик которых использованы для аппроксимации частотной характеристики системы.

Идентификация в данном случае сводится к определению вида и параметров передаточной функции, которой соответствует переходная функция, аппроксимирующая графическую запись реакции объекта. Такой подход используется для приближенной идентификации систем первого и второго порядков и апериодических систем высшего порядка.

Пример: Звено первого порядка. Передаточная функция записана в виде

, импульсная переходная функция

. При замене оператора Лапласа на jω переходная функция будет иметь вид

, а передаточная функция системы

. С помощью графического анализа можно получить значения статического коэффициента передачи К и постоянной времени T. Величину постоянной времени можно получить на основаниианализа записи переходной функции как отрезок времени, за который график переходной функции достигает 63% своей установившейся величины. Для t=T или с помощью дифференцирования.

Т.о, постоянную времени звена первого порядка можно определить по точке на оси времени, соответствующей пересечению двух прямых. Первая прямая – касательная, проведенная к графику переходной ф-ии на начальном участке, вторая соответствует установившемуся значению коэффициента передачи.

Импульсная переходная функция используется ввиду необходимости экстраполяции кривой в области малых времен, так как из-за конечных параметров тест сигнала график импульсной переходной функции не начинается с величины K/T. Аналогично случаю переходной функции, постоянная времени звена первого порядка может быть найдена по уровню 0,37 K T или с помощью метода касательной в области малых времен.

Пример. Апериодическое звено второго порядка.

Передаточное звено:

. График переходной ф-ии записывается как сумма экспонент:

. Для идентификации системы необходимо аппроксимировать запись ее переходной функции экспоненциальными зависимостями и затем определить параметры экспонент T₁ и T₂:

Пример. Колебательное затухающее звено второго порядка. Передаточная функция

, где 0<ξ<1. График переходной ф-ии можно аппроксимировать выражением

. ω_соб, ξ определяются графически по виду аппроксимирующего процесса или по известной зависимости δ=f(ξ)

Пример. Апериодические функции высокого порядка. Для их идентификации может быть использован метод обобщенной передаточной функции. Согласно этому методу передаточная функция с n различными постоянными времени может быть аппроксимирована передаточной функцией n - ого порядка с обобщенной постоянной времени T_ОБ.Для определения обобщенной постоянной времени и порядка передаточной ф-ии используются нормированные графики и нормограммы.

Механические свойства хряща. Исследование жесткости и прочности хряща. Функции хряща при динамических нагрузках
Метод наименьших квадратов для линейной и нелинейной моделей
Синтез системы управления одномерным сосредоточенным объектом.
Механические свойства мышц. Модели поперечно-полосатых мышц.
Критерии оценки адекватности модели
Расчет надежности восстанавливаемых резервированных систем.
Строение и функционирование сосудистой системы. Микроциркуляция. Экспериментальные исследования кровотока. Модели сосудистой кровеносных сосудов
Множественная корреляция. Регрессия
Базы данных пациентов.
Строение и функционирование опорно-двигательного аппарата Моделирование структур опорно-двигательного аппарата.
Критерий хи-квадрат
Системы поддержки принятия решений для медицины.
Строение уха и его структур. Особенности строения и функционирования структур наружного, среднего и внутреннего уха в норме и патологии. Моделирование уха и его структур.
Определение биотехнической системы (БТС). Основные виды БТС по их назначению. Роль БТС.
Информационные системы диагностики и лечения.
Статические расчетные схемы органов и структур человеческого организма.
Основные этапы проектирования биотехнических систем (БТС). Обобщённая схема алгоритма проектирования (БТС).
Информационные технологии в подготовке и переподготовке кадров для медицинских учреждений.
Классификация диагностических методов исследования в медицине.
Аппаратная, алгоритмическая, аналитическая, программная и методическая составляющие биотехнической системы (БТС), их взаимосвязь и особенности проектирования.
Международные стандарты информационных технологий в медицине.
Регистрация низкочастотных электрических полей организма.
Биотехнические системы (БТС) диагностического назначения. Их основные элементы. Пример БТС терапевтического назначения со структурной схемой и видами связей.
Когнитивные технологии в медицине.
Электрокардиография. Диагностическое значение, съем электрокардиограммы.
Биотехнические системы (БТС) для замещения утраченных функций организма. Их основные элементы. Пример БТС для замещения утраченных функций организма со структурной схемой и видами связей.
Семантическая и прагматическая меры информации.
Механокардиографические методы диагностики сердечно-сосудистой системы.
Физические величины биологического объекта, регистрируемые аппаратной частью биотехнической системы (БТС), их классификация и примеры. Назначение входных и выходных преобразователей в БТС (датчиков и актуаторов). Способы и устройства преобразования изменения биофизических величин в электрические сигналы.
Технологии защиты информации.
Лечебное применение постоянного и импульсного электрического тока.
Роль аналого-цифрового преобразования (АЦП) в биотехнических системах (БТС) диагностического назначения. Основные параметры АЦП, требующие учёта при проектировании БТС
Структурная схема системы передачи данных.
Методы ультразвуковой терапии.
Основные блоки, узлы и элементы биотехнических систем. Построение структурной схемы (блок-схемы) устройства по принципиальной схеме и наоборот. Последовательное и параллельное соединение блоков.
Производительность вычислительных сетей.
Механические свойства материалов
Делители напряжения и тока: линейный частотно-независимый и частотно-зависимый делители напряжения, нелинейный частотно-независимый делитель напряжения. Их коэффициенты передачи по напряжению, АЧХ, ФЧХ.
Коммутация и мультиплексирование.
Электрические свойства материалов
Полевой транзисторы, его их основные параметры. Три вида включения в схеме усилительных каскадов на основе полевого транзистора, их основные параметры и схемы включения.
Асинхронная и синхронная передачи.
Стойкость материалов к различным воздействиям
Операционный усилитель (ОУ), его основные параметры. Структурная и принципиальная схемы ОУ.
Маркерный метод доступа к разделяемой среде. Технологии Token Ring, FDDI.
Применение твердых проводниковых материалов в медико-биологической практике
Виды частотных пассивных и активных фильтров, Общий вид передаточной функции 2 порядка и основные параметры. Пример принципиальной схемы фильтра низких частот.
Стандарты на проектирование информационной системы.
Применение диэлектрических материалов в медико-биологической практике
Принципиальные схемы перестраиваемых полосовых и режекторных фильтров с использованием операционного усилителя. Их передаточные функции, АЧХ и ФЧХ.
Методы обследования и изучения предметной области функционирования информационной системы
Шовные материалы
Схемы генераторов периодических прямоугольных и треугольных колебаний с использованием операционного усилителя на интеграторе и компараторе с гистерезисом.
Разработка технического задания на разработку информационной системы.
Искусственная кожа
Какова роль моделей в научном познании? Классификация моделей.
Методологии и технологии структурного проектирования. IDEF-технология.
Эндопротезы кровеносных сосудов
Охарактеризуйте основные виды эксперимента. Какие элементы включает методика экспериментальной работы?
Нотации BPMN.
Классификация математических моделей
В чем состоят преимущества и каковы недостатки дробного факторного эксперимента?
Концепция RAD.
Этапы математического моделирования
Как построить доверительный интервал для математического ожидания измеряемой величины? Как построить доверительный интервал для дисперсии измеряемой величины?
Концептуальная, инфологическая и физическая модели данных.
Методы аппроксимации
Каким образом в Российской Федерации организована защита прав на результаты интеллектуальной деятельности и средства индивидуализации?
Основные принципы ООП (инкапсуляция, наследование, полиморфизм).
Методы решения нелинейных уравнений
Назовите условия патентоспособности полезной модели. Назовите условия патентоспособности промышленного образца.
Процессы и потоки. Многопоточность. Синхронизация.

Решение систем линейных уравнений
Как может распорядиться патентообладатель исключительным правом на изобретение, полезную модель или промышленный образец?
Объектно-ориентированное программирование.
Классификация методов оптимизации
Как может быть организовано внедрение научных разработок в производство в условиях научно-исследовательских подразделений высших учебных заведений?
Логическое программирование.
Система компьютерной алгебры Mathcad
Диаграмма Парето
Типовые классы обобщенных функций в программах.
Понятие архитектуры вычислительных систем
SWOT анализ
Потоковые классы записи и чтения.
Основные принципы построения вычислительных систем
Квалиметрия
Массивы. Операции с массивами.
Периферийные устройства
Обзор существующих подходов к классификации затрат на качество