Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики

Представлены результаты классификации интерференционных картин глаз больных горизонтальным косоглазием с использованием аппарата нечеткой логики. Установлено, что для точного разделения интерференционных картин глаз на группы наиболее информативными являются углы между диагоналями интерференционного...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Кибернетика и вычислительная техника
Datum:	2011
Hauptverfasser:	Кочина, М.Л., Калиманов, В.Г.
Format:	Artikel
Sprache:	Russisch
Veröffentlicht:	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України 2011
Schlagworte:	Медицинская и биологическая кибернетика
Online Zugang:	https://nasplib.isofts.kiev.ua/handle/123456789/45695
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики / М.Л. Кочина, В.Г. Калиманов // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 97-107. — Бібліогр.: 18 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860084058312146944
author	Кочина, М.Л. Калиманов, В.Г.
author_facet	Кочина, М.Л. Калиманов, В.Г.
citation_txt	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики / М.Л. Кочина, В.Г. Калиманов // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 97-107. — Бібліогр.: 18 назв. — рос.
collection	DSpace DC
container_title	Кибернетика и вычислительная техника
description	Представлены результаты классификации интерференционных картин глаз больных горизонтальным косоглазием с использованием аппарата нечеткой логики. Установлено, что для точного разделения интерференционных картин глаз на группы наиболее информативными являются углы между диагоналями интерференционного ромба и длины отрезков горизонтальной диагонали. Для классификации параметров интерференционных картин глаз больных горизонтальным косоглазием целесообразно использовать двухступенчатый алгоритм. На первой ступени разделение на кластеры следует проводить по углам между диагоналями интерференционного ромба, на второй — с использованием значений длин отрезков горизонтальной диагонали.
first_indexed	2025-12-07T17:18:24Z
format	Article
fulltext	97 УДК 577.4 + 577.1.001.5 (07) М.Л. Кочина, В.Г. Калиманов КЛАССИФИКАЦИЯ ПОРАЖЕНИЙ ГЛАЗОДВИГАТЕЛЬНЫХ МЫШЦ С ИСПОЛЬЗОВАНИЕМ АППАРАТА НЕЧЕТКОЙ ЛОГИКИ Представлены результаты классификации интерференционных картин глаз больных горизонтальным косоглазием с использованием аппарата нечеткой логики. Установлено, что для точного разделения интерференционных картин глаз на группы наиболее информативными являются углы между диагоналями интерференционного ромба и длины отрезков горизонтальной диагонали. Для классификации параметров интерференционных картин глаз больных горизонтальным косоглазием целесообразно использовать двухступенчатый алгоритм. На первой ступени разделение на кластеры следует проводить по углам между диагоналями интерференционного ромба, на второй — с использованием значений длин отрезков горизонтальной диагонали. Введение. Косоглазие — достаточно распространенное заболевание в детском возрасте. Ежегодно в Украине специалисты выявляют косоглазие в среднем у 50 тысяч детей. Это не только косметический недостаток, но и серьезное заболевание, которое ведет к нарушению зрительного восприятия. Косоглазие встречается по данным разных авторов от 0,5 % до 2 % детей [1–3]. Пути лечения косоглазия различные, поскольку зависят от причин, его вы- звавших. Одним из них является хирургическое лечение, направленное на устранение структурной и структурно-функциональной патологии глазодви- гательных мышц (ГДМ) [4–8]. Вид операции зачастую корректируется хирур- гом уже непосредственно на операционном столе, так как при такой операции необходимо учитывать особенности расположения ГДМ у конкретного челове- ка. К сожалению, такой подход к хирургическому лечению косоглазия порож- дает ряд проблем, обусловленных невозможностью оценить интраоперационно состояние всех ГДМ, так как это привело бы к значительной травме глаза и на- рушению его питания. Кроме того, одинаковые отклонения глазного яблока от нормального положения могут быть обус- ловлены самыми разными структурными и структурно-функциональными на- рушениями ГДМ, например, отклонения глаза по горизонтали могут быть свя- заны с аномалиями прикрепления мышц вертикального действия, а по верти- кали — горизонтального [9, 10]. В настоящее время практически единственным объективным методом диагностики структурных и структурно-функциональных нарушений ГДМ яв- ляется поляризационно-оптический метод, основанный на исследовании опти- ческой анизотропии роговицы глаза в поляризованном свете [11–13]. Роговица живого глаза оптически анизотропна, что обусловлено ее составом, строением и приложенными к ней усилиями со стороны глазодвигательных мышц и внут- риглазного давления. Форма интерференционной картины, наблюдаемой на роговице живого глаза в поляризованном свете, во многом зависит от силы действия и места прикрепления прямых ГДМ к склере. Исследуя геометри- ческие параметры интерференционной картины, можно определить, какая из мышц вызывает косоглазие, и разработать тактику хирургического лечения.  М.Л. Кочина, В.Г. Калиманов, 2011 ISSN 0452-9910. Кибернетика и вычисл. техника. 2011. Вып. 166 98 При разработке методов дифференциальной диагностики поражений ГДМ с использованием поляризационно-оптического метода были попытки исполь- зовать разные параметры интерференционных картин глаз [14]. Как показали результаты многолетних исследований [13], более надежными показателями для диагностики патологии ГДМ являются отрезки диагоналей интерференци- онного ромба и углы между ними. Цель настоящей публикации — разработка метода классификации поражений глазодвигательных мышц при горизонтальном косоглазии. Для разработки модели использовались описанные выше информативные параметры 150-ти интерференционных картин глаз детей с горизонтальным ко- соглазием. Материалы и методы. Для разработки метода классификации интерфе- ренционных картин глаз пациентов с горизонтальным косоглазием мы исполь- зовали алгоритм нечетких с-средних. Предварительные исследования поз- волили выделить показатели интерференционных картин, по которым проис- ходит разделение на кластеры с минимальной ошибкой. С этой целью были исследованы длины отрезков диагоналей интерференционного ромба (OK,OH,OP,OR) и углы между этими отрезками (Ф1,Ф2,Ф3,Ф4) (рис. 1). Установлено, что оптимальное разделение на кластеры осуществляется по уг- лам Ф1 и Ф2. OK OH OR Ф1 OP Ф2 Ф3 Ф4 Рис. 1. Схема интерференционного ромба нормального глаза Для того чтобы в дальнейшем была возможность разделить испытуемых в соответствии с результатами кластеризации, использовалась система нечеткого вывода Мамдани [15, 16], для которой входными переменными являлись углы Ф1 и Ф2, а выходными — номера групп, полученные при кластеризации. Ре- зультаты проведенной нечеткой кластеризации используются в качестве базы знаний для системы нечеткого вывода. Для синтеза нечетких правил на основании результатов кластеризации центру каждого кластера было поставлено в соответствие одно нечеткое прави- ло [16] вида если ,~ ixx = то ,~ iyy = где нечеткие термы ix~ — »,~«около ix iy~ — »,~«около iy тогда для полученных кластеров правила базы знаний будут соот- ветствовать системе нечетких логических уравнений. 99 Для аппроксимации многомерной функции принадлежности каждого не- четкого кластера функциями принадлежности термов входных и выходных пе- ременных использовалась гауссова функция принадлежности            > = < =µ −− −− ,, ,,1 ,, )( 2 2 2 2 1 2 2 )( 2 )( bxe bx bxe x c bx c bx t где )(xtµ — функция принадлежности переменной x терму t ; b — параметр функции принадлежности, соответствующий координате максимума (в данном случае координата центра кластера); 21,cc — параметры сжатия– растяжения функции принадлежности. Поиск оптимальных параметров функ- ций принадлежности проводился по методу наименьших квадратов отдельно для левой и правой ветвей ее графика. Для построения модели использовался пакет программ Scilab, сопостави- мый по возможностям и интерфейсу с пакетом MATLAB [17, 18]. Для решения задачи нечеткой кластеризации на основе алгоритма нечетких с-средних использовался Fuzzy Clustering and Data Analysis Toolbox. Результаты и их обсуждение. Для более точной классификации парамет- ров интерференционных картин глаз больных горизонтальным косоглазием мы использовали двухступенчатый алгоритм. На первой ступени разделение на кластеры проводилось по углам Ф1 и Ф2, на второй использованы значения длин отрезков горизонтальной диагонали интерференционного ромба. В результате внутри каждого кластера получено по два подкластера. Такой подход позволяет повысить точность определения вида поражения глазодвига- тельного аппарата и улучшить качество диагностического процесса. В табл. 1 приведены координаты центров полученных кластеров. При пост- роении моделей для кластеризации использовались параметры 133 интер- ференционных картин глаз, для проверки полученных моделей — 17 глаз. Объем первого кластера составил 75 (56 %) глаз, второго — 58 (44 %). Как показала проверка, кластеризация интерференционных картин по углам Ф1 и Ф2 осуществляется без ошибок. Таблица 1 Показатели интерференционных картин, град № кластера Объем кластера Ф1 Ф2 1 75 (56 %) 78,3 101,9 2 58 (44 %) 89,2 90,4 100 Для полученных кластеров правила базы знаний соответствуют системе нечетких логических уравнений:      µ∧µ=µ µ∧µ=µ ),()()( ),()()( 2Ф21Ф1К2 2Ф21Ф1К1 xxX xxX ббб aaа где )(),( К2К1 XX ба µµ — степень выполнения правил нечеткой базы знаний для входного вектора углов )(),(),,( 2Ф21Ф121 xxxxX aa µµ= и )(),( 2Ф21Ф1 xx бб µµ — функции принадлежности значения показателя нечеткому терму базы знаний. На рис. 2 показаны графики функций принадлежности для нечетких термов базы знаний. К1( )а Xµ 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 а 0 0,5 1 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 б 0 0,5 1 К2 ( )б Xµ Рис. 2. Функции принадлежности для правил, соответствующих полученным кластерам (а — первый кластер; б — второй) Для аппроксимации многомерной функции принадлежности каждого не- четкого кластера функциями принадлежности термов входных и выходных пе- ременных были рассчитаны их оптимизированные параметры (табл. 2). Для оценки адекватности разработанной модели классификации использо- вался следующий подход: из обучающей выборки извлекалась одна строка, соответствующая набору показателей конкретной интерференционной карти- ны, и синтезировалась модель. По ней вычислялся номер группы, к которой от- носится выбранный набор показателей. Такая операция проводилась для каж- дой строки в выборке. Проверка показала, что все интерференционные картины были правильно классифицированы с использованием разработанных функций принадлежности. 101 Таблица 2 Функция Параметр b Параметр 1c Параметр 2c a Ф1µ 90,4 16,71 5,24 a Ф2µ 101,9 4,99 18,54 б Ф1µ 78,3 17,09 4,65 б Ф2µ 89,2 5,14 20,07 а К1µ 1,0770 0,0789 0,4878 б К2µ 1,9630 0,4915 0,0381 На рис. 3 представлены схемы интерференционных ромбов, соответст- вующие первому (а) и второму (б) кластерам. Полученная форма интерферен- ционной картины, соответствующей первому кластеру (рис. 3, а), свидетельсту- ет о том, что горизонтальное отклонение глаза обусловлено смещением места прикрепления верхней прямой мышцы от соответствующего меридиана в сто- рону внутренней прямой мышцы. Как показали клинические наблюдения, при таком расположении мышц наблюдается сходящееся косоглазие [9,10]. Форма интерференционной картины, построенной для второго кластера, сходна с нор- мальной (см. рис. 1), однако для кластеризации были отобраны показатели с отклонением глаз от ортофорического положения по горизонтали. В этом слу- чае можно предполагать наличие чисто функциональных нарушений ГДМ (усиление или ослабление соответствующих мышц горизонтального действия). Ф2 Ф1 а Ф2 Ф1 б Рис. 3. Схемы интерференционных ромбов первого (а) и второго (б) кластеров Для проведения более точной диагностики состояния ГДМ был осуществ- лен второй этап кластеризации. Для этих целей использовались отрезки горизонтальной диагонали (OK, OH) интерференционного ромба (см. рис. 1). В результате кластеризации в каждом из полученных ранее кластеров выделено по два подкластера. 102 Правило, по которому определялся номер подкластера, состояло в следую- щем. Если значение выходной переменной больше порога в 1,5, то показатель относится ко второй подгруппе, если меньше — к первой. Для разделения испытуемых согласно результатам кластеризации, использовалась система нечеткого вывода Мамдани, для которой входными переменными выступали отрезки ОН и ОК, а выходными — номера групп, по- лученные при кластеризации. Для данных подкластеров правила базы знаний соответствуют системе нечетких логических уравнений:              µ∧µ=µ µ∧µ=µ µ∧µ=µ µ∧µ=µ µ∧µ=µ ),()()( ),()()( ),()()( ),()()( ),()()( 2OK51ОН55K 2OK41ОН44K 2OK31ОН33K 2OK21ОН22K 2OK11ОН11K xxX xxX xxX xxX xxX ба ба ба ба ба где )(),(),(),(),( 5K4K3K2K1K XXXXX µµµµµ — степень выполнения правил нечеткой базы знаний для входного вектора отрезков ),,( 21 xxX = ),( 1ОН xаµ )( 2OK xбµ — функции принадлежности значения длины отрезка горизонталь- ной диагонали интерференционного ромба нечеткому терму базы знаний. В результате расчетов получены параметры оптимизированных функций принадлежности показателей интерференционных картин, отнесенных к пер- вому и второму подкластерам первого (табл. 3) и второго (табл. 4) кластера. Координаты центров подкластеров первого кластера представлены в табл. 5. Ошибка разделения первого кластера на подкластеры, определяемая по описанной выше методике, составляет 7 %. При объеме кластера 75 глаз к первому подкластеру отнесено 27 (36 %) глаз, ко второму — 48 (64 %). На рис. 4 представлены схемы интерференционных картин, построенные для первого (а) и второго (б) подкластеров первого кластера. Полученные результаты распределения интерференционных картин глаз на подкластеры указывают, что в первом кластере основной причиной косоглазия является смещение места прикрепления верхней прямой мышцы от вертикального меридиана в сторону внутренней прямой мышцы, а не дисбаланс действия го- ризонтальных мышц (о котором свидетельствует разница в длинах отрезков го- ризонтальной диагонали). Хотя в первом подкластере может иметь место еще и гиперфункция внутренней прямой мышцы, о чем свидетельствует значительная разница в длинах отрезков горизонтальной диагонали. Для второго подкластера (рис. 4, б) основной причиной отклонения глаза от ортофорического положения в сторону носа можно считать смещение места прикрепления верхней прямой мышцы, поскольку различия в длинах отрезков горизонтальной диагонали незначительные. 103 Таблица 3 Функция Параметр b Параметр 1c Параметр 2c а ОН1µ 0,4219 0,0048 0,0145 а ОН2µ 0,4056 0,0054 0,0164 а ОН3µ 0,4454 0,0074 0,0118 а ОН4µ 0,4555 0,0140 0,0963 а ОН5µ 0,4635 0,0094 0,0109 б OK1µ 0,3922 0,0082 0,0088 б OK2µ 0,3561 0,0109 0,0129 б OK3µ 0,3717 0,0076 0,0111 б OK4µ 0,4239 0,0188 0,0469 б OK5µ 0,3401 0,0177 0,0147 1Kµ 1,9999 0,2812 0,0002 2Kµ 1,9999 0,2789 0,0002 3Kµ 1,9999 0,2812 0,0002 4Kµ 1,0000 0,0002 0,2426 5Kµ 1,9999 0,2789 0,0003 Таблица 4 Функция Параметр b Параметр 1c Параметр 2c а ОН1µ 0,4125 0,0059 0,0178 а ОН2µ 0,4191 0,0067 0,0171 а ОН3µ 0,4655 0,0141 0,0118 а ОН4µ 0,3952 0,0331 0,0198 а ОН5µ 0,4789 0,0189 0,0592 б OK1µ 0,3409 0,0111 0,0135 б OK2µ 0,4236 0,0106 0,0132 б OK3µ 0,4387 0,0123 0,0213 б OK4µ 0,3897 0,0072 0,0079 б OK5µ 0,3844 0,0199 0,0086 1Kµ 1,9999 0,2653 0,0002 2Kµ 1,9999 0,2653 0,0002 3Kµ 1,0000 0,0002 0,2449 4Kµ 1,9999 0,2653 0,0002 5Kµ 1,0000 0,0002 0,2449 104 Таблица 5 Показатели интерференционных картин, у.е. № подкластера Объем подкластера OK OH 1 27 (36 %) 0,47 0,40 2 48 (64 %) 0,41 0,39 Координаты центров полученных подкластеров второго кластера представ- лены в табл. 6. Ф2 Ф1 OK OH а Ф2 Ф1 OK OH б Рис. 4. Схемы интерференционных картин первого (а) и второго (б) подкластеров первого кластера Таблица 6 Показатели, у.е. № подкластера Объем подкластера OK OH 1 19 ( 33%) 0,44 0,43 2 39 (67%) 0,43 0,37 Объем второго кластера 58, ошибка разделения на подкластеры, опреде- ляемая по описанной выше методике, составила 12 %, ко второму подкластеру отнесено 39 (67 %) глаз, к первому — 19 (33 %). Второй кластер, в отличие от первого, сформирован интерференционными картинами, на которых углы между диагоналями ромба прямые, что указывает на отсутствие существенных дислокаций глазодвигательных мышц от линий их действия. На рис. 5 представлены схемы интерференционных кар- тин, построенные для первого (а) и второго (б) подкластеров второго кластера. Первый подкластер второго кластера (рис. 5, а) образовали симметричные интерференционные картины. Такая форма картин свидетельствует о прикреплении глазодвигательных мышц в области соответствующих мери- дианов [4]. Горизонтальное отклонение глазного яблока от ортофорического положения в этом случае может быть связано с чисто функциональными нарушениями ГДМ. Ко второму подкластеру второго кластера (рис. 5, б) 105 отнесены картины с более выраженной асимметрией отрезков горизонтальной диагонали. Такой вид интерференционной картины характерен для горизон- тального косоглазия, обусловленного дисбалансом действия горизонтальных прямых мышц или смещением места их прикрепления вдоль линии действия. Обычно в таких случаях внутреннюю прямую мышцу хирургически смещают вдоль линии ее действия дальше от лимба, что позволяет создать нормальный баланс действия ГДМ и восстановить ортофорическое положение глаза. Ф1 Ф2 OK OH а б Ф1 Ф2 OK OH Рис. 5. Схемы интерференционных картин первого (а) и второго (б) подкластеров второго кластера Таким образом, интерференционные картины глаз, отнесенные ко второму кластеру, принадлежат пациентам с более простыми формами поражения ГДМ, которые хорошо поддаются коррекции. Первый кластер образован интерферен- ционными картинами пациентов, отклонение глаз которых по горизонтали обу- словлено аномалиями прикрепления верхней прямой мышцы, что с точки зре- ния хирургического лечения представляет значительную сложность [4, 5, 8]. Предложенные модели позволяют не только классифицировать новых пациен- тов в соответствующие группы в зависимости от параметров интерференцион- ных картин, но и провести дифференциальную диагностику поражений ГДМ. Модели построены для горизонтального косоглазия, однако данный методиче- ский подход может использоваться для разных вариантов отклонения глаз, что позволит получить новую информацию о причинах косоглазия и разработать эффективные методы его лечения. Как было описано выше, для классификации интерференционных картин глаз больных горизонтальным косоглазием использовался двухступенчатый ал- горитм. На первой ступени разделение на кластеры проведено по углам Ф1 и Ф2, на второй использованы значения длин отрезков горизонтальной диагона- ли интерференционного ромба OK и OH. В результате внутри каждого кластера получено по два подкластера. Такой подход позволяет более точно разделить интерференционные картины на соответствующие группы и установить при- чину появления косоглазия. Обобщенная структурная схема получения моделей для разделения испы- туемых на соответствующие группы представлена на рис. 6. 106 Разделение испытуемых на кластеры Модель {ОК, ОН} → {K1,K2} Синтез модели Синтез модели Нечеткая кластеризация Нечеткая кластеризация Разделение испытуемых на подкластеры ОК1 ОН1 1 ОК2 ОН2 1 ОКn ОНn 1 … … Кластер 2 Ф11 Ф21 Ф12 Ф22 Ф1n Ф2n … … Ф11 Ф21 1 Ф12 Ф22 1 Ф1n Ф2n 1 … … Получение решающих правил и синтез моделей Кластер 1 Ф11 Ф21 Ф12 Ф22 Ф1n Ф2n … … Кластер 2 ОК1 ОН1 Ф11 Ф21 ОК2 ОН2 Ф12 Ф22 ОКn ОНn Ф1n Ф2n … … … … Получение решающих правил и синтез моделей Ф11 Ф21 2 Ф12 Ф22 2 Ф1n Ф2n 2 … … Параметры ОК1 ОН1 Ф11 Ф21 ОК2 ОН2 Ф12 Ф22 ОКn ОНn Ф1n Ф2n … … … … Модель {Ф1, Ф} → {K1,K2} Кластер 1 Разделение испытуемых на подкластеры Кластер 2 Модель {ОК, ОН} → {K1,K2} Подкластер 1 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … Подкластер 2 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … Кластер 1 ОК1 ОН1 Ф11 Ф21 ОК2 ОН2 Ф12 Ф22 ОКn ОНn Ф1n Ф2n … … … … Подкластер 1 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … ОК1 ОН1 2 ОК2 ОН2 2 ОКn ОНn 2 … … Подкластер 2 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … Подкластер 1 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … Подкластер 2 ОК1 ОН1 ОК2 ОН2 ОКn ОНn … … Рис. 6. Структурная схема получения моделей для классификации интерференционных картин при горизонтальном косоглазии Выводы. Для точного разделения интерференционных картин глаз больных горизонтальным косоглазием на группы наиболее информативными являются углы между диагоналями интерференционного ромба и длины отрезков горизонтальной диагонали. Для классификации параметров интерфе- 107 ренционных картин глаз больных горизонтальным косоглазием целесообразно использовать двухступенчатый алгоритм. В результате нечеткой кластеризации 150 интерференционных картин глаз больных горизонтальным косоглазием показано, что отклонения глаз в 56 % случаев обусловлены смещением места прикрепления верхней прямой мышцы от линии действия, из них в 36 % случаев наблюдается дисбаланс дей- ствия горизонтальных мышц. При нормальном прикреплении верхней прямой мышцы дисбаланс действия горизонтальных мышц наблюдается в 67 % случаев. Кластеризация по углам Ф1 и Ф2 осуществляется без ошибок, ошибка разделения первого кластера на подкластеры по значениям отрезков го- ризонтальной диагонали OK и OH составляет 7 %, второго — 12 %. 1. Костенко О.А. Исправлять косоглазие желательно до шести лет. — http://www. beautyinfo.com.ua/m0c3i904.html. 2. Косоглазие. — http://www.vision-ua.com/patient/kosoglazz.php. 3. О косоглазии у детей. — http://www. kindereducation. сom/zdorov 26. html. 4. Аветисов Э.С. Содружественное косоглазие. — М.: Медицина, 1977. — 312 с. 5. Ковалевский Е.И., Гусева М.Р., Грязнов М.И., Холмский А.А. Научно-практический ана- лиз результатов хирургического этапа лечения детей с врожденным косоглазием // Оф- тальмол. журн. — 1979. — № 5. — С. 272–275. 6. Рыков С.А., Сенякина А.С. Виды косоглазия, их классификация, особенности диагности- ки и лечения. — http://www.miroft.org.ua/origunalarts/169.html. 7. Сердюченко В.И., Дегтярева Н.М. Клиника и лечение атипичного аккомодационного со- дружественного сходящегося косоглазия с эксцессом конвергенции // Офтальмол. журн. — 1991. — № 1. — С. 16–20. 8. Cердюченко В.И. Результаты хирургического лечения врожденного косоглазия у детей, страдающих детским церебральным параличом // Проблеми еколологічної та медичної генетики та клінічної імунології. — Луганськ, 2003. — Вип. 4 (50). — С. 359–364. 9. Кочина М.Л., Калиманов В.Г. Исследование и моделирование поляризационно-опти- ческих свойств роговицы глаза при различных состояниях экстраокулярных мышц // Бионика интеллекта. — 2008. — № 2(69). — С. 132–137. 10. Босенко Т.О. Дiагностика асиметрiї зовнiшнiх м'язiв ока у поляризованому свiтлi при рiзних видах спiвдружньої косоокостi: Автореф. дис. … канд. мед. наук. — Одеса, 1994. — 16 с. 11. Пеньков М.А., Кочина М.Л. Интерференционный метод в диагностике косоглазия // Оф- тальмол. журн. — 1979. — № 8. — С. 497–498. 12. Пеньков М.А., Алтухер Г.М., Кочина М.Л. Расчет изохром и изоклин роговой оболочки глаза // Биофизика. — 1982. — 28, вып. 2. — С. 313–316. 13. Пеньков М.А., Кочина М.Л., Уткин Ю.А. Анализ интерференционных изохром роговой оболочки глаза и выделение диагностических признаков // Проблемы бионики. — 1983. — Вып. 30. — С. 22–28. 14. Водовозов A.M., Ковылин В.Б. Использование поляризационно-онгического метода для диагностики состояния глазодвигательных мышц при вертикальной девиации // Оф- тальмол. журн. — 1990. — № 4. — С. 201–204. 15. Babuska R. Fuzzy Modeling for Control. — Boston: Kluwer Academ. Publ., 1998. — 288 p. 16. Yager R., Fiiev D. Essentials of Fuzzy Modeling and Control. — John Wiley & Sons, 1984. 17. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH./БХВ-Пе- тербург. — СПб., 2005. — 736 с. 18. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. — М.: Горячая линия–Телеком, 2007. — 288 с. Харьковская медицинская академия последипломного образования, Харьковский национальный медицинский университет Получено 31.10.2011
id	nasplib_isofts_kiev_ua-123456789-45695
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	0452-9910
language	Russian
last_indexed	2025-12-07T17:18:24Z
publishDate	2011
publisher	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України
record_format	dspace
spelling	Кочина, М.Л. Калиманов, В.Г. 2013-06-17T19:08:07Z 2013-06-17T19:08:07Z 2011 Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики / М.Л. Кочина, В.Г. Калиманов // Кибернетика и вычисл. техника. — 2011. — Вип. 166. — С. 97-107. — Бібліогр.: 18 назв. — рос. 0452-9910 https://nasplib.isofts.kiev.ua/handle/123456789/45695 577.4 + 577.1.001.5 (07) Представлены результаты классификации интерференционных картин глаз больных горизонтальным косоглазием с использованием аппарата нечеткой логики. Установлено, что для точного разделения интерференционных картин глаз на группы наиболее информативными являются углы между диагоналями интерференционного ромба и длины отрезков горизонтальной диагонали. Для классификации параметров интерференционных картин глаз больных горизонтальным косоглазием целесообразно использовать двухступенчатый алгоритм. На первой ступени разделение на кластеры следует проводить по углам между диагоналями интерференционного ромба, на второй — с использованием значений длин отрезков горизонтальной диагонали. ru Міжнародний науково-навчальний центр інформаційних технологій і систем НАН України та МОН України Кибернетика и вычислительная техника Медицинская и биологическая кибернетика Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики Article published earlier
spellingShingle	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики Кочина, М.Л. Калиманов, В.Г. Медицинская и биологическая кибернетика
title	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
title_full	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
title_fullStr	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
title_full_unstemmed	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
title_short	Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
title_sort	классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики
topic	Медицинская и биологическая кибернетика
topic_facet	Медицинская и биологическая кибернетика
url	https://nasplib.isofts.kiev.ua/handle/123456789/45695
work_keys_str_mv	AT kočinaml klassifikaciâporaženiiglazodvigatelʹnyhmyšcsispolʹzovaniemapparatanečetkoilogiki AT kalimanovvg klassifikaciâporaženiiglazodvigatelʹnyhmyšcsispolʹzovaniemapparatanečetkoilogiki

Классификация поражений глазодвигательных мышц с использованием аппарата нечеткой логики

Institution

Ähnliche Einträge