ДЕТАЛІЗАЦІЯ РОЗПІЗНАВАЛЬНИХ АЛГОРИТМІВ У ДІАГНОСТИЦІ ПАЦІЄНТІВ ТА ОЦІНКА ЇЇ РЕЗУЛЬТАТИВНОСТІ
DOI:
https://doi.org/10.20535/1970.63(1).2022.260650Ключові слова:
діагностика пацієнтів, комплекси ознак, розпізнавальні алгоритми, валідність рішень, використання резервівАнотація
Розглядаються питання деталізації алгоритмів розпізнавання, з метою підвищення валідності їх рішень у діагностиці пацієнтів на прикладі обробки даних нефрології. Мається на увазі навчання алгоритмів із учителем. Пропонуються процедури деталізації комплексів клінічних ознак та критеріїв порівняння таких комплексів у прийнятті рішень. Мається на увазі поділ цих об'єктів на елементи, вилучення для них додаткових відомостей з апріорних та поточних даних та їх врахування у алгоритмах.
Дослідження в роботі були зосереджені на розробці програмного інструментарію виявлення та оцінки додаткових резервів та можливостей підвищення якості рішень розпізнавальних процедур за рахунок вилучення додаткових корисних відомостей з апріорних та поточних даних щодо їх використання у процесі деталізації процедур прийняття рішень. На конкретному алгоритмі були проаналізовані різні підходи до такої деталізації та дослідження її результативності.
Така деталізація може бути побудована на основі використання досвіду клінічної практики спостереження пацієнтів та їх діагностики у вигляді навчальних вибірок симптомокомплексів та (або) сигналів, що спостерігалися в клінічних випадках з достовірно підтвердженими діагнозами у відповідних базах даних.
Деталізація зазначених алгоритмічних процедур може призвести до виникнення багатоваріантності можливих рішень по-різному деталізованих алгоритмів та вимагати застосування додаткових процедур формування узагальнюючого висновку за результатами їхнього консиліуму.
Порядок і результати деталізації демонструються в середовищі MatLab на двох модифікаціях запропонованого алгоритму.
Розкрито склад апріорних даних пацієнтів у демонстраційних прикладах та відомостей на етапі навчання. Запропоновано дві модифікації алгоритму щодо його деталізації та програмні процедури статистичної оцінки результативності деталізації досліджуваних алгоритмів. Описано деталізацію алгоритмів за допомогою введення вагів в критерій прийняття рішень з урахуванням розкиду значень клінічних ознак.
Посилання
A. Genkin, New informational technology of medical data analysis (OMIS software package). Sankt-Peterburg: Politekhnika, 1999.
V. Djuk, V. Jemanujel', Information technology in biomedical studies. Sankt-Peterburg: Politekhnika, 2003.
M. Antomonov, “Mathematical processing and analysis of biomedical data,” 2006.
V. I. Vasil'ev, Recognition systems. Reference book. Kiev: Naukova dumka, 1983.
O. P. Mincer, Y. V. Voronenko, V. V. Vlasov, Information technology in health and practical medicine: Educ. textbook. Kyiv: Vyshcha shkola, 2003, p.350.
J. Anderson, R. S. Michalski, J. G. Carbonell, T. M. Mitchell, and S. Amarel, Machine learning. an artificial intelligence approach. Los Altos, CA: Morgan Kaufmann, 1983.
I. H. Witten and E. Frank, Data mining.practical machine learning tools and techniques. 2nd ed. Amsterdam: Elsevier, 2005.
J. Saez-Rodriguez, M. M. Rinschen, J. Floege, and R. Kramann, “Big science and big data in nephrology,” Kidney International, vol. 95, no. 6, pp. 1326–1337, 2019.
O. Niel and P. Bastard, “Artificial Intelligence in nephrology: Core concepts, clinical applications, and Perspectives,” American Journal of Kidney Diseases, vol. 74, no. 6, pp. 803–810, 2019.
J. M. Anderson, J. Anderson, E. R. Bareiss, and R. S. Michalski, Machine learning: An artificial intelligence approach. Palo Alto, CA: Kaufmann, 1986.
A. P. Shulyak & A. D. Shachykov, “Criteria and Procedures for Estimating the Informativity and Feature Selection in Biomedical Signals for their Recognition”, RADAP, no. 66, pp. 79-86, 2016. doi:10.20535/RADAP.2016.66.79-86
A. P. Shulyak, & A. D. Shachykov, “Analysis of the biomedical signals' structure in the problem of recognition”, in 2014 IEEE 34th International Scientific Conference on Electronics and Nanotechnology (ELNANO), 2014. doi:10.1109/elnano.2014.6873982
A. P. Shulyak, & A. D. Shachykov, “Decomposition of biomedical signals on mutually orthogonal components in the diagnosis of diseases”, in 2014 IEEE 34th International Scientific Conference on Electronics and Nanotechnology (ELNANO), 2014. doi:10.1109/elnano.2014.6873914
A. P. Shulyak, & A. D. Shachykov, (2015) “Working off the analysis principles of cyclic biomedical signals’ structure for their detection, recognition and classification”, Bull. Kyiv Polytech. Inst. Ser. Instrum. Mak., is. 49(1), pp. 169-179, 2015. doi: 10.20535/1970.49(1).2015.47101
A. P. Shulyak, & A. D. Shachykov, “About the impact of informative features selection in the mutually orthogonal decompositions of biomedical signals for their recognition”, in 2016 IEEE 36th International Conference on Electronics and Nanotechnology (ELNANO), 2016. doi:10.1109/elnano.2016.7493054
A. D. Shachikov, V. Shelofast, and A. P. Shulyak, “Modification of selection procedures cyclic characteristics of biomedical signals for their recognition”, Bull. Kyiv Polytech. Inst. Ser. Instrum. Mak., no. 53(1), pp. 103–109, 2017. doi:10.20535/1970.53(1).2017.106810
A. D. Shachykov and A. P. Shulyak, “Features of the use of the form characteristics of biomedical signals during their recognition”, Bull. Kyiv Polytech. Inst. Ser. Instrum. Mak., no. 51(1), pp. 131–139, 2016. doi: 10.20535/1970.51(1).2016.78217
H. Porieva, K. Bahdasariants, & T. Saurova, “Detection of respiratory diseases using BISPECTRAL analysis method”, in 2020 IEEE 40th International Conference on Electronics and Nanotechnology (ELNANO), 2020. https://doi.org/10.1109/elnano50318.2020.9088838
I. D. Mandel, Cluster analysis. Moscow: Finance and Statistics, 1988. (in Russian).
A. Kotov and N. Krasilnikov. (2006) Data clustering.
B. Duran, P. Odell, Cluster analysis. Moscow: Statistics, 1977.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 CC BY 4.0
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Авторське право на публікацію залишається за авторами.
Автори можуть використовувати власні матеріали в інших публікаціях за умови посилання на збірник наукових праць "Вісник Київського політехнічного інституту. Серія ПРИЛАДОБУДУВАННЯ" як на перше місце видання та на Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» як на видавця.
Автори публікують свої статті в збірнику на умовах ліцензії Creative Commons:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY 4.0, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на динаміці цитування опублікованої роботи.
Видавець (КПІ ім. Ігоря Сікорського) має право за будь-якого використання цього видання зазначати своє ім'я або вимагати такого зазначення.
Редакційна колегія залишає за собою право розміщувати опубліковані в збірнику статті в різних інформаційних базах для надання відкритого доступу до матеріалів з метою популяризації наукових досліджень та підвищення цитованості авторів.
