ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

Нейросетевой анализ взаимодействия механизмов постурального контроля при введении искусственой обратной связи

Читать

Горшков О.Г., Старченко И.Б., Слива А.С. Нейросетевой анализ взаимодействия механизмов постурального контроля при введении искусственой обратной связи // Прикаспийский журнал:  управление и высокие технологии. — 2016. — №2. — Стр. 25-36.

Горшков О.Г. - преподаватель, Донецкий национальный медицинский университет, 83003, ДНР, г. Донецк, пр. Ильича, 16, olgor22@yahoo.com

Старченко И.Б. - доктор технических наук, профессор, Южный федеральный университет, 347922, Российская Федерация, г. Таганрог, ул. Шевченко, 2, star@fep.tti.sfedu.ru

Слива А.С. - аспирант, Южный федеральный университет, 347922, Российская Федерация, г. Таганрог, ул. Шевченко, 2, stabilan@orbritm.com.ru

В исследовании системы регуляции движений человека ключевое место принадлежит изучению поддержания им вертикальной позы. Большой вклад в изучении механизмов регуляции вертикальной позы человека внесли J.J. Collins и C.J. De Luca. Ими была предложена методика оценки фрактальных свойств стабилограмм - stabilogram diffusion analysis (SDA). Эта методика позволила выделить два механизма постурального контроля (ПК) - «открытая петля» и «закрытая петля». В данной работе исследовалось взаимодействие этих механизмов ПК в антеропостериорном и медиолатеральном направлениях при искусственном усилении контроля за счет введения искусственной обратной связи (ИОС). Для оценки (выявления) статистической значимости влияния механизмов ПК на улучшение постурального баланса (ПБ) была построена логистическая регрессионная модель прогнозирования с интегральной оценкой постурального движения (ПД). Чтобы определить, как взаимодействуют между собой механизмы ПК в условиях искусственного улучшения ПБ, была построена нейросетевая модель, оценивающая ПД в вариантах с ИОС и без нее. В результате нейросетевого анализа была получена нейросетевая модель, описывающая взаимодействие компонент, которые усиливают ПК за счет введения ИОС. Чувствительность модели на обучающем множестве составила - 88,2 % при 95 % доверительном интервале (ДИ) для интервала значений 80,5-94,2 %; специфичность - 88,9 % при 95 % ДИ для интервала 81,0-94,8 %. Полученный результат может быть использован при создании устройств (оборудования) для улучшения ПБ в реабилитационных целях.

Ключевые слова: фрактальный анализ, показатель Херста, «открытая петля», «закрытая петля», искусственная обратная связь, анализ стабилограмм, нейросетевой анализ, логистическая регрессионная модель, постуральное движение, постуральный баланс, SDA алгоритм, fractal analys