Niniejsza praca prezentuje koncepcje opisu matematycznego szeregu złożonych problemów występujących w praktyce lekarskiej, wyniki badań i eksperymenty numeryczne oraz podsumowuje doświadczenia, zdobyte w czasie kilkuletniej współpracy autora z placówkami klinicznymi Akademii Medycznej w Białymstoku. Autor miał przyjemność uczestniczyć w projektach, wykonywanych wspólnie z lekarzami klinicystami, które były poświęcone wykorzystaniu nowoczesnych metod przetwarzania danych i modelowaniu skomplikowanych procesów biomedycznych. Wypada w tym miejscu z satysfakcją podkreślić rosnące zainteresowanie środowiska lekarskiego metodami sztucznej inteligencji, używanymi w celu poprawy jakości diagnostyki medycznej i oceny stanu zdrowia pacjenta, co w konsekwencji przyczynia się do lepszego zrozumienia skomplikowanych zjawisk zachodzących w organizmie człowieka.
Spis treści:1. WSTĘP
1.1. Charakterystyka sygnałów i procesów biomedycznych
1.2. Cel pracy i główne rezultaty
2. METODY MODELOWANIA I IDENTYFIKACJI PROCESÓW I SYGNAŁÓW BIOMEDYCZNYCH
2.1. Zadanie modelowania systemu dynamicznego
2.2. Modelowanie procesów biomedycznych
3. SZTUCZNE SIECI NEURONOWE W ZAGADNIENIACH OPISU PROCESÓW I SYSTEMÓW BIOMEDYCZNYCH
3.1. Cechy danych eksperymentalnych, charakteryzujących procesy i systemy biomedyczne
3.2. Wstępne przetwarzanie danych biomedycznych
3.3. Struktury sieci neuronowych w problemach klasyfikacji i predykcji danych biomedycznych
3.4. Sieci neuronowe o logice rozmytej
3.5. Ocena właściwości sieci neuronowych stosowanych w problemach modelowania procesów biomedycznych
3.6. Podsumowanie
4. OCENA STANU CHORYCH W INTENSYWNYM NADZORZE NEUROCHIRURGICZNYM NA PODSTAWIE PRZETWARZANIA SYGNAŁU CIŚNIENIA WEWNĄTRZCZASZKOWEGO
4.1. Charakterystyka sygnału ciśnienia wewnątrzczaszkowego (ICP)
4.2. Klasyczne metody modelowania i analizy ciśnienia wewnątrzczaszkowego
4.3. Predykcja wartości średniej ICP za pomocą sieci neuronowych
4.4. Zastosowanie sieci neuronowych do oceny stanu pacjentów w intensywnym nadzorze neurochirurgicznym
4.5. Hierarchiczny neuronowy klasyfikator sygnału ICP
4.6. Klasyfikacja stanu pacjenta za pomocą reguł neuro-rozmytych
5. KLASYFIKACJA ZDOLNOŚCI ZAPŁADNIAJĄCYCH NASIENIA LUDZKIEGO
5.1. Metody oceny zdolności zapladniających nasienia
5.2. Skomputeryzowane systemy wspomagania analizy i klasyfikacji nasienia
5.3. Ocena zdolności zapladniających nasienia za pomocą neuronowych klasyfikatorów krzywych absorbancji
5.4. Neuronowe klasyfikatory parametrów kinematycznych nasienia
6. DIAGNOSTYKA CHORÓB NEUROOKULISTYCZNYCH NA PODSTAWIE WZROKOWYCH POTENCJAŁÓW WYWOŁANYCH
6.1. Metoda wzrokowych potencjałów wywołanych (VER)
6.2. Sieci neuronowe w przetwarzaniu danych i wspomaganiu diagnostyki okulistycznej
6.3. Jednopoziomowe neuronowe klasyfikatory sygnałów VEP
6.4. Modularne klasyfikatory sygnałów VER
6.5. Podsumowanie
7. PODSUMOWANIE I WNIOSKI
8. LITERATURA
