Preview

Вестник кибернетики

Расширенный поиск

МЕТОДЫ КЛАССИФИКАЦИИ В ЗАДАЧАХ ПРИНЯТИЯ РЕШЕНИЙ В МЕДИЦИНЕ

Аннотация

Приведены результаты сравнения методов классификации в медицинских задачах диагностики на примере исходов операции аортокоронарного шунтирования при остром инфаркте миокарда. Рассмотрены вероятности вариантов исхода операции при применении различных техник защиты миокарда: кровяной кардиоплегии или кардиоплегии с использованием Кустодиола (Custodiol). Сравниваются результаты моделирования, полученные с помощью таких методов классификации, как логистическая регрессия, деревья решений (decision tree), машина опорных векторов (support vector machine). В качестве сравниваемых критериев использованы: таблица сопряженности, площадь под ROC - кривой (Area Under Curve), точность, полнота, F-мера, коэффициент корреляции Метьюса (the Matthews correlation coefficient). В результате выявлено, что некоторые модели являются более предпочтительными для использования в качестве математического ядра при создании информационных систем поддержки принятия решения по выбору способа кардиоплегии.

Об авторах

В. С. Микшина
Сургутский государственный университет
Россия


С. И. Павлов
Сургутский государственный университет
Россия


Список литературы

1. Сердечно-сосудистые заболевания // Информ. бюл. 2015. №°317.

2. Вапник В. Н. Восстановление зависимостей по эмпирическим данным. М. : Наука, 1979.

3. Witten I. H., Frank E., Hall M. A. Data Mining: Practical Machine Learning Tools and Techniques. 3rd Edition. Morgan Kaufmann, 2011.

4. Микшина В. С. Павлов С. И. Математическое моделирование принятия решений при выборе способа кардиоплегии врачом-кардиохирургом // Перспективные направления развития отечественных информационных технологий : материалы II междунар. науч.-практич. конф., Севастополь, 13-17 сентября 2016 г. Севастопол. гос. ун-т ; Севастополь : СевГУ, 2016. С. 93-95.

5. Павлов С. И., Григоренко В. В., Микшина В. С. Mathematical modeling of the patient`s conditions in cardiology based on the use of factor analysis // Информационные инновационные технологии : междунар. науч.-практич. конф. Прага, 2017.

6. Павлов С. И., Микшина В. С., Григоренко В. В., Повидишь О. Б. Применение деревьев решений для выбора способа кардиоплегии при аортокоронарном шунтировании // Вестн. новых мед. технологий. 2017. Т. 24. № 2. С. 29-36.

7. Matthews B.W. Comparison of the predicted and observed secondary structure of T 4 phage lysozyme // Biochimica et Biophysica Acta (BBA). Protein Structure. 1975. № 405 (2). Р. 442-451.

8. Чазов Е. И. Болезни сердца и сосудов : рук. для врачей в 4 т. Т. 2. М. : Медицина, 1992. 448 с.

9. Quinlan J. R. Improved Use of Continuous Attributes in C4.5 // Journal of Artificial Intelligence Research. 1996. V. 4. Is. 1. January. P. 77-90.

10. Data Mining and Knowledge Discovery Handbook. Springer, 2013.


Рецензия

Для цитирования:


Микшина В.С., Павлов С.И. МЕТОДЫ КЛАССИФИКАЦИИ В ЗАДАЧАХ ПРИНЯТИЯ РЕШЕНИЙ В МЕДИЦИНЕ. Вестник кибернетики. 2017;(3 (27)):67-77.

For citation:


Mikshina V.S., Pavlov S.I. CLASSIFICATION METHODS IN PROBLEMS OF DECISION-MAKING IN MEDICINE. Proceedings in Cybernetics. 2017;(3 (27)):67-77.

Просмотров: 193


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1999-7604 (Online)