1 / 32

CURSUL 11

UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babe ş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA www.medinfo.umft.ro/dim. CURSUL 11. Decizia medicală asistată de calculator I. 1. Decizia medicală 1.1. Direcţii. Stabilirea diagnosticului Alegerea investigaţiilor Optimizarea tratamentului

julio
Download Presentation

CURSUL 11

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARADISCIPLINA DEINFORMATICA MEDICALAwww.medinfo.umft.ro/dim

  2. CURSUL 11

  3. Decizia medicalăasistată de calculatorI

  4. 1. Decizia medicală1.1. Direcţii • Stabilirea diagnosticului • Alegerea investigaţiilor • Optimizarea tratamentului • Decizii manageriale

  5. a) Stabilirea diagnosticului • Istoric

  6. b) Alegerea investigaţiilor • Investigatii scumpe sau invazive

  7. c) Optimizarea tratamentului • Tratamentul tumorilor prin radiatii • Tratament medicamentos

  8. d) Decizii manageriale • Planificarea si utilizarea resurselor, optimizari

  9. 1.2. Clasificarea metodelor:dupa modul de reprezentare a cunostintelora) logice - simbolic 1/0 (da/nu) b) statistice - probabilitati c) euristice - propozitii

  10. 1.3. Principiul metodelor de diagnostic asistat

  11. 2. Metode logice2.1. Principii constructive:-Logica bivalentă ( DA / NU) -BC: baza de cunostinţe = matricea B/S: boli/simptome -date: vectorul de stare al pacientului (PAC)

  12. Schemă S1 S2 S3 ...... Scor B1 1 0 1 2/8 B2 0 1 1 3/6 .… .... ............................................. PAC0 1 0 BC

  13. 2.2. Tipuri de metode logice • După construcţia vectorului PAC: • A) Tabele de simptome • alegere simptome din meniu • B) Arbori de decizie • succesiune de întrebări cu răspuns Da/Nu • evitarea întrebărilor inutile • implicarea pacientilor

  14. 2.3. Dezavantajele metodelor logice • nu tin cont de “importanta” unor simptome • nu pot cuantifica intensitatea simptomelor • AVANTAJ: • nu tin cont de “prevalenta” unor afectiuni

  15. 3. Metode statistice • regula lui Bayes • pattern recognition

  16. 3.A. Regula lui Bayesa) Baza Cun.: probabilităţile: • fiecărei boli în populaţie: p(B+) • fiecărui simptom în fiecare boală: p(S+/B+)

  17. b) Tabel pt calculul p(B+/S+) (pentru fiecare pereche Boală/Simptom) S+ S - B+ a b L1 B - c d L2 C1 C2 N

  18. c) Probabilitate • necondiţionată: P(B+) = L1/N • condiţionată: P(S+/B-) = c/L2

  19. d) Regula lui Bayes P(S/B) x P(B) P(B/S) = P(S)

  20. e) Aplicaţie P(S/B) = a/L1 P(B) = L1/N P(S) = C1/N => P(B/S) = a/C1

  21. f) Pentru mai multe simptome • evenimente compuse: • “sau” - suma prob. • “şi” - produs prob. • trebuie verificat dacă sunt independente :testul c2

  22. 3.B. Pattern recognition

  23. 3.1 Noţiunea de pattern • Operaţiunea de recunoaştere • Definiţie pattern: Ansamblu de atribute specifice care permit clasificarea unui obiect • Puterea de discriminare a atributelor

  24. 3.2. Variante de pattern recognitiona) M. Clasificării • se împart obiectele pe diferite clase • se selecteaza N atribute cu putere de discriminare • se reprezintă obiectele în spaţiul N-dimensional • se separă clasele Baza de cun.: Reprezentarea claselor intr-un spatiu N-dimensional corespunzator clasificarii • problema: cărei clase îi aparţine un nou obiect? • avantaj: similaritatea cu cazul real

  25. b) Metoda grupării(clustering) • se dau multe obiecte neclasificate • se reprezintă în diverse spatii multi-dimensionale • se analizeaza daca apar grupari de puncte (clustere) • problema: se pot grupa în clase? • avantaj: relevă proprietăţi noi (existenta unor clase sau sub-clase)

  26. c) Sisteme de învăţare (inteligenta artificiala) • supervizată – m. clasificării • nesupervizată – m. grupării

  27. 3.3. Construcţia unui pattern • a) EXTRAGEREA ATRIBUTELOR • delimitarea claselor • definiţia funcţiei de proiectie • Metode vectoriale • analiza componentelor principale • analiza discriminantă • Metode structurale • ierarhizarea atributelor în categorii

  28. 3.4. Sinteza unui clasificator • Funcţia de decizie • reguli geometrice • reguli statistice • reguli sintactice

  29. Sfârşit

More Related