Журнал теоретических и вычислительных наук

Журнал теоретических и вычислительных наук
Открытый доступ

ISSN: 2376-130X

Абстрактный

Центр поддержки Машинный метод классификации и помощи в медицинской диагностической системе

Зефэн Ван, Лоран Пейроди, Хуа Цао и Самюэль Буде

Цели: Новый метод искусственного интеллекта «Машины центра поддержки» (SCM) для помощи в диагностике и прогнозировании применяется к медицинской системе. Методы При обработке данных SCM ищет истинные центры каждого класса во время машинного обучения. Для применения в медицинской системе он делает эти центры моделями ситуаций со здоровьем и переводит все медицинские записи в карту. Все модели, как не заболевания, так и заболевания, помечены на этой карте. Таким образом, эволюцию медицинских записей пациента можно контролировать с помощью карты. На основе эволюции расстояний от последних данных записи до центров система оценивает тенденцию здоровой эволюции и прогнозирует вероятную ситуацию в будущем. Результаты: SCM был протестирован на «Данные о раке молочной железы в Висконсине» и сравнен с методами LDA и SVM. Было обнаружено двадцать центров, которые определяют здоровую карту. На основании результатов тестирования четырехсот пятидесяти случайных выборок данных для обучения, SCM показал лучшую производительность, чьи средние значения правильных коэффициентов обнаружения рака молочной железы варьировались от 91,4% до 95,6%, что соответствовало 10% данных и 90% данных, используемых для машинного обучения. Эти коэффициенты увеличились на 1% до 5%, чем у SVM и LDA. Кроме того, дисперсия правильных коэффициентов обнаружения результатов SCM снизилась на 0,8% до 3,0% по сравнению с SVM и LDA. Даже если для обучения было всего 10% данных, коэффициент оставался около 87% всего с 3 главными компонентами. Когда система использовала 50% данных для обучения и тестировала остальные, среднее значение коэффициента составило 93%, а наилучшее — 95%.
Выводы: SCM успешно построила систему диагностики/прогноза заболеваний и разработала здоровую карту. Она могла отображать медицинскую карту на 2D или 3D карте, что позволяет врачу присваивать интерпретацию. Кроме того, если возникает новая ситуация (симптом/заболевание), практикующий врач может визуализировать ее и проанализировать в соответствии с имеющимися картами СКМ.

Отказ от ответственности: Этот тезис был переведен с использованием инструментов искусственного интеллекта и еще не прошел рецензирование или проверку.
Top