UNIVERSITATEA DE MEDICINA SI FARMACIE Victor Babe TIMISOARA
UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor Babeş” TIMISOARA DISCIPLINA DE INFORMATICA MEDICALA www. medinfo. umft. ro/dim
CURSUL 11
Decizia medicală asistată de calculator I
1. Decizia medicală 1. 1. Direcţii a) b) c) d) Stabilirea diagnosticului Alegerea investigaţiilor Optimizarea tratamentului Decizii manageriale
a) Stabilirea diagnosticului • Istoric
b) Alegerea investigaţiilor • Investigatii scumpe sau invazive
c) Optimizarea tratamentului a) Tratamentul tumorilor prin radiatii b) Tratament medicamentos
d) Decizii manageriale § Planificarea si utilizarea resurselor, optimizari
1. 2. Clasificarea metodelor: dupa modul de reprezentare a cunostintelor a) logice - simbolic 1/0 (da/nu) b) statistice - probabilitati c) euristice - propozitii
1. 3. Principiul metodelor de diagnostic asistat
2. Metode logice 2. 1. Principii constructive: -Logica bivalentă ( DA / NU) -BC: baza de cunostinţe = matricea B/S: boli/simptome -date: vectorul de stare al pacientului (PAC)
Schemă S 1 S 2 S 3 10 1 1 . . . Scor B 1 2/8 B 2 3/6 BC. …. . . PAC 0 1 0
2. 2. Tipuri de metode logice § După construcţia vectorului PAC: § A) Tabele de simptome alegere simptome din meniu § B) Arbori de decizie l succesiune de întrebări cu răspuns Da/Nu l evitarea întrebărilor inutile l implicarea pacientilor l
2. 3. Dezavantajele metodelor logice nu tin cont de “importanta” unor simptome l nu pot cuantifica intensitatea simptomelor l § AVANTAJ: l nu tin cont de “prevalenta” unor afectiuni
3. Metode statistice § regula lui Bayes § pattern recognition
3. A. Regula lui Bayes a) Baza Cun. : probabilităţile: § fiecărei boli în populaţie: p(B+) § fiecărui simptom în fiecare boală: p(S+/B+)
b) Tabel pt calculul p(B+/S+) (pentru fiecare pereche Boală/Simptom) S+ B+ a B- c C 1 Sb L 1 d L 2 C 2 N
c) Probabilitate § necondiţionată: P(B+) = L 1/N § condiţionată: P(S+/B-) = c/L 2
d) Regula lui Bayes P(B/S) = P(S/B) x P(B) P(S)
e) Aplicaţie P(S/B) = a/L 1 P(B) = L 1/N P(S) = C 1/N => P(B/S) = a/C 1
f) Pentru mai multe simptome § evenimente compuse: “sau” - suma prob. l “şi” - produs prob. l § trebuie verificat dacă sunt independente : testul c 2
3. B. Pattern recognition
3. 1 Noţiunea de pattern § Operaţiunea de recunoaştere § Definiţie pattern: Ansamblu de atribute specifice care permit clasificarea unui obiect § Puterea de discriminare a atributelor
3. 2. Variante de pattern recognition a) 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
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)
c) Sisteme de învăţare (inteligenta artificiala) § § supervizată – m. clasificării nesupervizată – m. grupării
3. 3. Construcţia unui pattern § a) EXTRAGEREA ATRIBUTELOR l l delimitarea claselor definiţia funcţiei de proiectie § Metode vectoriale l l analiza componentelor principale analiza discriminantă § Metode structurale l ierarhizarea atributelor în categorii
3. 4. Sinteza unui clasificator § Funcţia de decizie l reguli geometrice l reguli statistice l reguli sintactice
Sfârşit
- Slides: 32