عنوان فارسی مقاله:یک مدل مبتنی بر شباهت بیمار برای پیش بینی تشخیصی
چکیده
هدف: شبیه سازی استدلال بالینی پزشکان،بازیابی بیماران به صورت خودکار و پیش بینی تشخیص با بیماران مشابه و متفاوت.
مواد و روشها: ما یک پیش زمینه مبتنی بر شباهت مبتنی بر بیمار را برای پیش بینی تشخیصی پیشنهاد کردیم که از نظریه ساختار نقشه برداری درباره استدلال قیاس در روانشناسی الهام گرفته شده است. ، شباهت بيمار به عنوان شباهت بين مجموعههای تشخيصي دو بيمار و نه دوگانگي (عدم حضور / حضور فقط يك بيماري) توصيف میشود. مشکل طبقه بندی چند لایه با یکپارچه سازی ویژگیهای بالینی بیماران دو زوج در یک بردار و گرفتن بردار به عنوان ورودی و شباهت بیمار به عنوان یک خروجی، به یک مسئله رگرسیون تک ارزش تبدیل شده است. در مقایسه با روش k-NN متداول که فقط با توجه به نزدیکترین همسایگان، ما نه تنها از بیماران مشابه (قیاس مثبت) برای تولید فرضیههای تشخیصی استفاده میکنیم ، بلکه از بیماران بی تفاوت (قیاس منفی) برای رد فرضیههای تشخیصی استفاده میکنیم.
یافتهها: مدلهای مبتنی بر شباهت بیمار بهتر از روشهای مبتنی بر یک و همه در مقابل K-NN هستند. نمره F-1 پیش بینی مبتنی بر قیاس مثبت برابر با ۰٫۶۹۸ است، به طور قابل توجهی بالاتر از نمرات مقدمات از ۰٫۳۶۸ تا ۰٫۶۶۱٫ هنگامی که از روش قیاس منفی برای اصلاح نتایج پیش بینی قیاس مثبت استفاده میشود، به ۰٫۷۰۳ افزایش مییابد. عملکرد این روش برای دادههای بزرگتر امیدوار کننده است.
نتیجه گیری: مدل مبتنی بر شباهت بیمار پشتیبانی تصمیم گیری تشخیصی را ارائه میدهد که از روشهای قبلی دقیقتر، تعمیم پذیر تر و قابل تفسیر است و مبتنی بر دادههای ناهمگن و ناقص است. این مدل همچنین به عنوان یک برنامه جدید برای استفاده از دادههای بزرگ بالینی از طریق فناوری هوش مصنوعی عمل میکند(شباهت بیمار برای پیش بینی تشخیصی).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.