UNIVERSITATEA DE MEDICINA SI

FARMACIE Victor Babe TIMISOARA

DISCIPLINA DE
INFORMATICA MEDICALA
www.medinfo.umft.ro/dim

CURSUL 11

Decizia medical
asistat de calculator
I

1. Decizia medical
1.1. Direcii

a)
b)
c)
d)

Stabilirea diagnosticului
Alegerea investigaiilor
Optimizarea tratamentului
Decizii manageriale

a) Stabilirea diagnosticului
Istoric

b) Alegerea investigaiilor
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

1.3. Principiul metodelor de

diagnostic asistat

2. Metode logice
2.1. Principii constructive:
-Logica bivalent ( DA / NU)
-BC: baza de cunostine =
matricea B/S: boli/simptome
-date: vectorul de stare al
pacientului (PAC)

Schem
S1 S2 S3 ......
1 0
1
0
1
1

Scor
B1
2/8
B2
3/6
BC
.
....
.............................................
PAC 0
1
0

2.2. Tipuri de metode logice

Dup construcia vectorului PAC:
A) Tabele de simptome
alegere simptome din meniu
B) Arbori de decizie
succesiune de ntrebri cu rspuns Da/Nu
evitarea ntrebrilor inutile
implicarea pacientilor

2.3. Dezavantajele metodelor

logice
nu tin cont de importanta unor
simptome
nu pot cuantifica intensitatea
simptomelor

AVANTAJ:

nu tin cont de prevalenta unor

afectiuni

3. Metode statistice
regula lui Bayes
pattern recognition

3.A. Regula lui Bayes

a) Baza Cun.: probabilitile:

fiecrei boli n populaie: p(B+)

fiecrui simptom n fiecare
boal: p(S+/B+)

b) Tabel pt calculul p(B+/S+)

(pentru fiecare pereche Boal/Simptom)

S+
B+ a
B- c
C1

Sb
L1
d
L2
C2 N

c) Probabilitate
necondiionat: P(B+) = L1/N
condiionat: P(S+/B-) = c/L2

d) Regula lui Bayes

P(B/S) =

P(S/B) x P(B)
P(S)

e) Aplicaie
P(S/B) = a/L1
P(B) = L1/N
P(S) = C1/N
=> P(B/S) = a/C1

f) Pentru mai multe simptome

evenimente compuse:
sau - suma prob.
i - produs prob.

trebuie verificat dac sunt

independente :testul 2

3.B. Pattern recognition

3.1 Noiunea de pattern

Operaiunea de recunoatere
Definiie pattern:
Ansamblu de atribute specifice care
permit clasificarea unui obiect
Puterea de discriminare a atributelor

3.2. Variante de pattern recognition

a) M. Clasificrii
se mpart obiectele pe diferite clase
se selecteaza N atribute cu putere de discriminare
se reprezint obiectele n spaiul N-dimensional
se separ clasele

Baza de cun.: Reprezentarea claselor intr-un spatiu N-dimensional

corespunzator clasificarii
problema: crei clase i aparine un nou obiect?
avantaj: similaritatea cu cazul real

b) Metoda gruprii (clustering)

se dau multe obiecte neclasificate

se reprezint n diverse spatii multi-dimensionale
se analizeaza daca apar grupari de puncte (clustere)
problema: se pot grupa n clase?
avantaj: relev proprieti noi (existenta unor clase sau sub-clase)

c) Sisteme de nvare
(inteligenta artificiala)
supervizat m. clasificrii
nesupervizat m. gruprii

3.3. Construcia unui pattern

a) EXTRAGEREA ATRIBUTELOR

delimitarea claselor
definiia funciei de proiectie

Metode vectoriale

analiza componentelor principale

analiza discriminant

Metode structurale

ierarhizarea atributelor n categorii

3.4. Sinteza unui clasificator

Funcia de decizie
reguli geometrice
reguli statistice
reguli sintactice

Sfrit