Journal of Theoretical & Computational Science
Offener Zugang

Abstrakt

Support Center Maschinelle Methode zur Klassifizierung und Hilfe im medizinischen Diagnosesystem

Zefeng Wang, Laurent Peyrodie, Hua Cao und Samuel Boudet

Ziele: Eine neue künstliche Intelligenzmethode „Support Center Machines“ (SCM) zur Unterstützung von Diagnose und Prognose wird auf ein medizinisches System angewendet. Methoden Bei der Datenverarbeitung sucht SCM während des maschinellen Lernens nach den wahren Zentren jeder Klasse. Zur Anwendung im medizinischen System macht es diese Zentren zu Gesundheitssituationsmodellen und übersetzt alle Gesundheitsakten in eine Karte. Alle Modelle, wie Krankheiten und Nicht-Krankheiten, werden in dieser Karte beschriftet. Somit kann die Entwicklung der Gesundheitsakten der Patienten mit der Karte überwacht werden. Auf der Grundlage der Entwicklung der Distanzen zwischen den aktuellen Aktendaten und den Zentren schätzt das System die Tendenz der gesunden Entwicklung und prognostiziert die wahrscheinliche Situation in der Zukunft. Ergebnisse: SCM wurde anhand von „Wisconsin Breast Cancer Data“ getestet und mit LDA- und SVM-Methoden verglichen. Es wurden zwanzig Zentren gefunden, die die gesunde Karte definieren. Basierend auf den Testergebnissen von 450 zufällig ausgewählten Daten für das Training hat SCM eine bessere Leistung gezeigt, dessen Mittelwerte der korrekten Erkennungsraten von Brustkrebs zwischen 91,4 % und 95,6 % variierten, was 10 % bzw. 90 % der für das maschinelle Lernen verwendeten Daten entsprach. Diese Raten sind um 1 % bis 5 % höher als bei SVM und LDA. Darüber hinaus ist die Varianz der korrekten Erkennungsraten der SCM-Ergebnisse im Vergleich zu SVM und LDA um 0,8 % bis 3,0 % gesunken. Selbst wenn nur 10 % der Daten für das Training zur Verfügung standen, blieb die Rate mit nur 3 Hauptkomponenten bei etwa 87 %. Als das System 50 % der Daten für das Training verwendete und die anderen testete, lag der Mittelwert der Raten bei 93 % und der beste Wert bei 95 %.
Schlussfolgerungen: SCM hat erfolgreich ein Krankheitsdiagnose-/Prognosesystem erstellt und eine Gesundheitskarte ausgearbeitet. Es kann die Gesundheitsakte auf einer 2D- oder 3D-Karte anzeigen, was dem Kliniker eine geeignete Interpretation ermöglicht. Darüber hinaus kann der Arzt bei Auftreten einer neuen Situation (Symptom/Krankheit) diese visualisieren und anhand vorhandener SCM-Karten analysieren.