Upload
julio
View
44
Download
0
Embed Size (px)
DESCRIPTION
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 - PowerPoint PPT Presentation
Citation preview
UNIVERSITATEA DE MEDICINA SI UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor BabeFARMACIE “Victor Babeş”ş” TIMISOARA TIMISOARA
DISCIPLINA DEDISCIPLINA DE INFORMATICA MEDICALAINFORMATICA MEDICALA
www.medinfo.umft.ro/dimwww.medinfo.umft.ro/dim
CURSUL 11CURSUL 11
Decizia medicalăDecizia medicală asistată de calculatorasistată de calculator
II
1. Decizia medicală1. Decizia medicală
1.1. Direcţii1.1. Direcţii
a)a) Stabilirea diagnosticuluiStabilirea diagnosticuluib)b) Alegerea investigaţiilorAlegerea investigaţiilorc)c) Optimizarea tratamentuluiOptimizarea tratamentuluid)d) Decizii managerialeDecizii manageriale
a) Stabilirea diagnosticuluia) Stabilirea diagnosticului
• IstoricIstoric
b) Alegerea investigaţiilorb) Alegerea investigaţiilor
• Investigatii scumpe sau invaziveInvestigatii scumpe sau invazive
c) Optimizarea tratamentuluic) Optimizarea tratamentuluia)a) Tratamentul tumorilor prin radiatiiTratamentul tumorilor prin radiatii
b)b) Tratament medicamentosTratament medicamentos
d) Decizii managerialed) Decizii manageriale
Planificarea si utilizarea Planificarea si utilizarea resurselor, optimizariresurselor, optimizari
1.2. Clasificarea metodelor:1.2. Clasificarea metodelor:dupa modul de reprezentare a cunostintelordupa modul de reprezentare a cunostintelor
a) logice - a) logice - simbolic 1/0 (da/nu)simbolic 1/0 (da/nu)
b) statistice - b) statistice - probabilitatiprobabilitati
c) euristice - c) euristice - propozitiipropozitii
1.3. Principiul metodelor de 1.3. Principiul metodelor de diagnostic asistatdiagnostic asistat
2. Metode logice2. Metode logice2.1. Principii constructive:2.1. Principii constructive:
-Logica bivalentă ( DA / NU)-Logica bivalentă ( DA / NU)-BC: baza de cunostin-BC: baza de cunostinţţe = e =
matricea B/S: boli/simptome matricea B/S: boli/simptome -date: vectorul de stare al -date: vectorul de stare al
pacientului (PAC)pacientului (PAC)
SchemăSchemăS1 S2S3 ...... Scor
B1 1 0 1 2/8B2 0 1 1 3/6.… .................................................PAC 0 1 0
BC
2.2. Tipuri de metode logice
După construcţia vectorului PAC:A) Tabele de simptomeTabele de simptome
alegere simptome din meniuB) ArboriArbori de decizie
succesiune de întrebări cu răspuns Da/Nu evitarea întrebărilor inutile implicarea pacientilor
2.3. Dezavantajele metodelor 2.3. Dezavantajele metodelor logicelogice
nu tin cont de “importanta” unor simptome
nu pot cuantifica intensitatea simptomelor
AVANTAJ: nu tin cont de “prevalenta” unor
afectiuni
3. Metode statistice3. Metode statistice
regula lui Bayes pattern recognition
3.A. Regula lui Bayes3.A. Regula lui Bayes
a) Baza Cun.: a) Baza Cun.: probabilităţile:probabilităţile:
fiecărei boli în populaţie: p(B+) fiecărui simptom în fiecare
boală: p(S+/B+)
b) Tabel b) Tabel pt calculul p(B+/S+) pt calculul p(B+/S+) (pentru fiecare pereche Boală/Simptom)(pentru fiecare pereche Boală/Simptom)
S+ S -B+ a b L1
B - c d L2
C1 C2 N
c) Probabilitatec) Probabilitate
necondiţionată: P(B+) = L1/N
condiţionată: P(S+/B-) = c/L2
d) Regula lui Bayesd) Regula lui Bayes
P(B/S) = P(S/B) x P(B)
P(S)
e) Aplicaţiee) Aplicaţie
P(S/B) = a/L1
P(B) = L1/NP(S) = C1/N => P(B/S) = a/C1
f) Pentru mai multe simptomef) Pentru mai multe simptome
evenimente compuse: “sau” - suma prob. “şi” - produs prob.
trebuie verificat dacă sunt independente :testul 2
3.B. Pattern recognition3.B. Pattern recognition
3.1 Noţiunea de pattern3.1 Noţiunea de pattern
Operaţiunea de recunoaştereDefiniţie pattern:
Ansamblu de atribute specifice care permit clasificarea unui obiect
Puterea de discriminare a atributelor
3.2. Variante de pattern recognition3.2. Variante de pattern recognition
a) M. Clasificăriia) 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 grupăriib) Metoda grupării (clustering)(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 c) Sisteme de învăţare (inteligenta artificiala)(inteligenta artificiala)
supervizată – m. clasificării nesupervizată – m. grupării
3.3. Construcţia unui pattern 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
3.4. Sinteza unui clasificator3.4. Sinteza unui clasificator
Funcţia de decizieFuncţia de decizie reguli geometrice reguli statistice reguli sintactice
SfârşitSfârşit