Метод и нечеткие модели оценки функциональных состояний оперативной памяти

Цель исследования – повышение качества оценки функциональных состояний оперативной памяти путем разработки метода синтеза нечетких решающих правил.
Методы. Для контроля состояния различных блоков оперативной памяти выбран набор методик: оценка времени реакции; поиск сигнала в шуме; «опознание»; полное воспроизведение; определение отсутствующей цифры; объем памяти. Для синтеза решающих правил дополнительно использовались методики оценки таких свойств внимания, как переключаемость, концентрированность и устойчивость, для реализации которых применен прибор контроля свойств функции внимания и памяти. Для выбора адекватного математического аппарата исследований проведен разведочный анализ структуры обрабатываемых данных, по которому установлено, что выбранные классы состояний оперативной памяти имеют нечеткую природу с неопределенными границами их пересечений. С учетом этого в качестве математического аппарата исследований выбрана методология синтеза гибридных нечетких решающих правил, которая была модифицирована путем разработки нового метода нечеткой оценки функционального состояния оперативной памяти по характеристикам её свойств.
Результаты. В ходе проведенных исследований синтезированы модели для оценки таких характеристик функционального состояния, как уровни утомления, психоэмоционального напряжения и функционального состояния оперативной памяти по методике полного воспроизведения. Полученные модели могут быть использованы для синтеза решающих правил прогнозирования, ранней и дифференциальной диагностики функционального состояния, оценки качества работы оператора человеко-машинных систем и состояния здоровья оперативной памяти.
Заключение. В работе предложен метод синтеза нечетких решающих правил для оценки функционального состояния оперативной памяти по характеристикам её свойств с использованием методик, полученных по результатам микроструктурного анализа. Получены нечеткие решающие правила для оценки уровня утомления, психоэмоционального напряжения и функционального состояния оперативной памяти по методике полного воспроизведения. В ходе экспертного оценивания и математического моделирования показано, что уверенность в правильной оценке уровня функционального состояния превышает величину 0,95.

1. Величковский Б. Б. Когнитивные эффекты умственного утомления // Вестник Московского университета. Серия 14: Психология. 2019. № 1. С. 108–122. https://doi.org/10.11621/vsp.2019.01.108

2. Поиск ассоциации полиморфизма I/D гена АСЕ с самооценкой работоспособности, памяти и состоянием сердечно-сосудистой системы у представителей профессионального сообщества лидеров / А. В. Власов, Е. В. Богданенко, Л. П., Кузьмина, А. А. Ёлов // Медицина труда и промышленная экология. 2024. Т. 64, № 2. С. 91–98. https://doi.org/10.31089/1026-9428-2024-64-2-91-98

3. Особенности проявления соматических и когнитивных нарушений у лиц юношеского возраста, перенесших COVID-19 / Л. А. Варич, Я. И. Брюханов, А. В. Серый, А. В. Солодухин // Вестник психофизиологии. 2022. № 4. С. 92–99. https://doi.org/10.34985/f0194-0574-8740-f

4. Факторная структура функционального состояния у лиц юношеского возраста в период пандемии COVID-19 / А. В. Солодухин, А. В. Серый, Л. А. Варич, Я. И. Брюханов // Сибирский психологический журнал. 2023. № 89. С. 152–163. https://doi.org/10.17223/17267080/89/9

5. Анализ когнитивных функций и нейрофизиологических процессов при адаптации человека к условиям Арктики / Е. П. Муртазина, И. И. Коробейникова, Л. В. Поскотинова, Н. А. Каратыгин, С. С. Перцов // Российский медико-биологический вестник имени академика И. П. Павлова. 2023. Т. 31, № 2. С. 293–304. https://doi.org/10.17816/PAVLOVJ109581

6. Метод синтеза математических моделей прогнозирования и ранней диагностики нарушений когнитивных функций / Н. А. Кореневский, С. Н. Родионова, А. В. Поляков, Т. Н. Говорухина // Системный анализ и управление в биомедицинских системах. 2019. Т. 18, № 4. С. 85–92. https://doi.org/10.25987/VSTU.2020.18.4.011

7. Малкова А. А., Пустовалова А. Д., Борисова Е. А. Оценка когнитивных функций у пациентов с артериальной гипотонией // Пермский медицинский журнал. 2022. Т. 39, № 4. С. 19–25. https://doi.org/10.17816/pmj39419%25

8. Игнатова Ю. П., Макарова И. И., Страхов К. А. Когнитивные вызванные потенциалы: Р300 в нейрофизиологии и клинической практике // Крымский журнал экспериментальной и клинической медицины. 2022. Т. 12, № 4. С. 80–91. https://doi.org/10.29039/2224-6444-2022-12-4-80-91

9. Мурик С. Э. Оценка функционального состояния организма человека: в 2 ч. Иркутск: Издательство Иркутского государственного университета, 2013. Ч. 1. 159 с.

10. Математические модели прогнозирования и ранней диагностики заболеваний нервной системы, провоцируемых комбинированным воздействием разнородных факторов риска / Т. Н. Говорухина, М. А. Мясоедова, И. Ю. Григоров, А. В. Поляков // Системный анализ и управление в биомедицинских системах. 2019. Т. 18, № 2. С. 110–116. https://doi.org/10.25987/VSTU.2019.18.2.022

11. Брумштейн Ю. М., Молимонов Д. А. Модели, методы, технические средства управления рисками проектирования, создания и эксплуатации сложных человеко-машинных систем с учетом психофизиологических характеристик людей-операторов // Прикаспийский журнал: управление и высокие технологии. 2019. № 3 (47). С. 143–162.

12. Матель В. А., Шишлянникова О. А. Система «человек – машина» и анализ и влияние факторов среды на производительность и здоровье работников // Российский экономический вестник. 2023. Т. 6, № 2. С. 58–63.

13. Брумштейн Ю. М., Молимонов Д. А. Математические модели и методы решения задач информационного обеспечения, управления и оценки качества работы операторов в сложных человеко-машинных системах // Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2019. № 3. С. 73–89. https://doi.org/10.24143/2072-9502-2019-3-73-89

14. Кореневский Н. А., Шуткин А. Н., Горбатенко С. А., Серебровский В. И. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий: монография. Старый Оскол: ТНТ, 2020. 472 с.

15. Зинченко В. П., Леонова А. Б., Стрелков Ю. К. Психометрика утомления. М.: Изд-во Моск. ун-та, 1977. 109 с.

16. Метод синтеза математических моделей прогнозирования и ранней диагностики нарушений когнитивных функций / Н. А. Кореневский, А. В. Поляков, С. Н. Родионова, Т. Н. Говорухина // Системный анализ и управление в биотехнических системах. 2019. Т. 18, № 4. С. 85–92. https://doi.org/10.25987/VSTU.2020.18.4.011

17. An expert system for assessment of the state of cognitive functions using a fuzzy hybrid knowledge base / N. A. Korenevskiy, S. N. Rodionova, V. V. Aksenov, N. L. Korzhuk // Biomedical Engineering. 2021. Vol. 55, N 4. P. 263–268

18. Кореневский Н. А., Родионова С. Н., Хрипина И. И. Методология синтеза гибридных нечетких решающих правил для медицинских интеллектуальных систем поддержки притяни решений: монография. Старый Оскол: ТНТ; 2019. 472 с.

19. Метод комплексной оценки уровня информативности классификационных признаков в условиях нечеткой структуры данных / Н. А. Кореневский, В. В. Аксенов, С. Н. Родионова, С. Н. Гонтарев, Л. П. Лазурина, Р. И. Сафронов // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2022. № 3. С. 80–96. https://doi.org/10.21869/2223-1536-2022-12-3-80-96

20. Prediction of operators cognitive degradation and impairment using hybrid fuzzy modelling / N. A. Korenevskiy, Riad Taha Al-Kasasbeh, Fawaz Al-Shawawreh, Tareq Ahram, S. N. Rodionova, S. Mahdi, S. A. Filist, M. Namazov, A. Shaqadan, M. Ilyash // Theoretical Issues in Ergonomics Science. 2022. N 24(2). Р. 1–26. https://doi.org/10.1080/1463922X.2022.2086645

21. Булгакова О. С. Динамика некоторых свойств мышления и образной и слуховой видов памяти в фоне и после функциональной нагрузки // Мир науки. Педагогика и психология. 2023. Т. 11, № 6. С. 1–13.

22. Апробация методики оценки психофизиологического состояния оператора при виртуализации рабочего информационного пространства / И. В. Тарасова, М. С. Никитенко, О. А. Трубникова, И. Н. Кухарева, Д. С. Куприянова, А. С. Соснина, О. Л. Барбараш // Фундаментальная и клиническая медицина. 2021. Т. 6, № 2. С. 66–74. https://doi.org/10.23946/2500-0764-2021-6-2-66-74

23. Лисова Н. А., Черенева Е. А., Шилов С. Н. Взаимосвязь уровня нейрометаболизма со степенью когнитивного дефицита у пожилых людей // Психология. Психофизиология. 2022. Т. 15, № 4. С. 84–93.