1. Савельев, В. С. Панкреонекрозы / В. С. Савельев, М. И. Фили-монов, С. З. Бурневич. - М.: МИА, 2008. - 264 с.
2. Диагностика и лечение острого панкреатита / А. С. Ермолов [и др.]. - М.: Видар-М, 2013. - 382 с.
3. American College of Gastroenterology guideline: management of acute pancreatitis / S. Tenner [et al.] // Am. J. Gastroenterol. - 2013. - Vol. 108, № 9. - P. 1400-1415.
4. Rosenberg, A. Necrotizing pancreatitis: new definitions and a new era in surgical management / A. Rosenberg, E. A. Steensma, L. M. Napolitano // Surg. Infect. - 2015. - Vol. 16, № 1. - P. 1-13.
5. Criteria for the diagnosis and severity stratification of acute pancreatitis / M. Otsuki [et al.] // World J. Gastroenterol. - 2013. - Vol. 19, № 35. - P. 5798-5805.
6. A comparative evaluation of radiologic and clinical scoring systems in the early prediction of severity in acute pancreatitis / T. L. Bollen [et al.] // Am. J. Gastroenterol. - 2012. - Vol. 107, № 4. - P. 612-619.
7. Прогнозирование течения и исходов тяжелого острого панкреатита / П. И. Миронов [и др.] // Фундаментальные иссле-дования. - 2011. - № 10. - С. 319-323.
8. Prediction of severe acute pancreatitis at admission to hospital using artificial neural networks / B. Andersson [et al.] // Pancreatology. - 2011. - Vol. 11, № 3. - P. 328-335.
9. Identification of severe acute pancreatitis using an artificial neural network / R. Mofidi [et al.] // Surgery. - 2007. - Vol. 141. - P. 59-66.
10. Кобринский, Б. А. Системы поддержки принятия решений в здравоохранении и обучении / Б. А. Кобринский // Врач и информационные технологии. - 2010. - № 2. - С. 39-45.
11. Дюк, В. А. Информационные технологии в медико-биологических исследованиях / В. А. Дюк, В. Л. Эмануэль. - СПб.: Питер, 2003. - 528 c.
12. Симанков, В.С. Системный анализ и современные инфор-мационные технологии в медицинских системах поддержки принятия решений / В. С. Симанков, А. А. Халафян. - М.: Бином, 2009. - 362 с.
13. Greenes, R. A. Clinical decision support: the road ahead / R. A. Greenes. - Amsterdam; Boston: Elsevier, 2007. - 581 p.
14. Кобринский, Б. А. Медицинская информатика / Б. А. Коб-ринский, Т. В. Зарубина. - М.: Академия, 2009. - 192 с.
15. Андрейчиков, А. В. Интеллектуальные информационные системы / А. В. Андрейчиков, О. Н. Андрейчикова. - М.: Финансы и статистика, 2006. - 364 с.
16. Чубукова, И. А. Data Mining / И. А. Чубукова. - М.: БИНОМ, 2008. - 382 c.
17. Боровиков, В. П. Нейронные сети. Statistica Neural Networks: методология и технологии современного анализа данных / под ред. В. П. Боровикова. - М.: Горячая линия-Телеком, 2008. - 392 с.
18. Осовский, С. Нейронные сети для обработки инфор-мации: пер. с польск. / С. М. Осовский. - М.: Финансы и статистика, 2004. - 344 с.
19. Реброва, О. Ю. Нейросетевой алгоритм диагностики патогенетических подтипов ишемического инсульта / О. Ю. Реброва, М. Ю. Максимова, М. А. Пирадов // Ж. неврологии и психиатрии им. С. С. Корсакова. Инсульт (Приложение). - 2004. - № 12. - С. 23-28.
20. Боровиков, В. П. Прогнозирование в системе Statistica в среде Windows / В. П. Боровиков, Г. И. Ивченко. - М.: Финансы и статистика, 2006. - 368 с.
21. Applying data mining techniques in the development of a diagnostics questionnaire for GERD / N. Horowitz [et al.] // Dig. Dis. Sci. - 2007. - Vol. 52, № 8. - P. 1871-1878.
22. Prediction of successful weight reduction after bariatric surgery by data mining technologies / Y. C. Lee [et al.] // Obes. Surg. - 2007. - Vol. 17, № 9. - P. 1235-1241.
23. Bartosch-Härlid, A. Artificial neural networks in pancreatic disease / A. Bartosch-Härlid // Br. J. Surg. - 2008. - Vol. 95, № 7. - P. 817-826.
24. Grossi, E. International experience on the use of artificial neural networks in gastroenterology / E. Grossi // Dig. Liver Dis. - 2007. - Vol. 39, № 3. - P. 278-285.
25. Yoldas, O. Prediction of clinical outcomes using artificial neural networks for patients with acute biliary pancreatitis / O. Yoldas, M. Koc, N. Karakose // Pancreas. - 2008. - Vol. 36, № 1. - P. 90-92.
26. Литвин, А. А. Система поддержки принятия решений в прогнозировании и диагностике инфицированного панкрео-некроза / А. А. Литвин, О. Г. Жариков, В. А. Ковалев // Врач и информационные технологии. - 2012. - № 2. - С. 54-63.
27. Kazmierczak, S. C. Diagnostic accuracy of pancreatic enzymes evaluated by use of multivariate data analysis / S. C. Kazmierczak, P. G. Catrou, F. Van Lente // Clin. Chem. - 1993. - Vol. 39. - P. 1960-1965.
28. Outcome analysis of patients with acute pancreatitis by using an artificial neural network / M. T. Keogan [et al.] // Acad. Radiol. - 2002. - Vol. 9. - P. 410-419.
29. Predicting fatal outcome in the early phase of severe acute pancreatitis by using novel prognostic models / K. I. Halonen [et al.] // Pancreatology. - 2003. - Vol. 3. - P. 309-315.
30. Use of an artificial neural network to predict length of stay in acute pancreatitis / W. E. Pofahl [et al.] // Am. Surg. - 1998. - Vol. 64. - P. 868-872.
31. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis / H. Wan-dong [et al.] // Clinics. - 2013. - Vol. 68, № 1. - P. 27-31.
32. The use of intelligent database systems in acute pancreatitis - A systematic review / M. van den Heever [et al.] // Pancreatology. - 2014. - Vol. 14, № 1. - P. 9-16.
33. Drew, P. J. Artificial neural networks / P. J. Drew, J. R. T. Mon-son // Surgery. - 2000. - Vol. 127, № 1. - P. 3-11.
Послать статью по эл. почте 