सैद्धांतिक और कम्प्यूटेशनल विज्ञान जर्नल
खुला एक्सेस

अमूर्त

चिकित्सा निदान प्रणाली में वर्गीकरण और सहायता के लिए सहायता केंद्र मशीन विधि

ज़ेफ़ेंग वांग, लॉरेंट पेरोडी, हुआ काओ और सैमुअल बौडेट

उद्देश्य: निदान और रोग का निदान करने में मदद के लिए एक नई कृत्रिम बुद्धिमान विधि 'सहायता केंद्र मशीनें' (SCM) एक चिकित्सा प्रणाली में लागू की जाती है। तरीके डेटा प्रोसेसिंग में, SCM मशीन लर्निंग के दौरान प्रत्येक वर्ग के सच्चे केंद्रों की तलाश करता है। चिकित्सा प्रणाली में आवेदन के लिए, यह इन केंद्रों को स्वास्थ्य-स्थिति मॉडल के रूप में बनाता है और सभी स्वास्थ्य रिकॉर्ड को एक मानचित्र में बदल देता है। सभी मॉडल, जैसे गैर रोग और रोग, इस मानचित्र में लेबल किए गए हैं। इस प्रकार, रोगी के स्वास्थ्य रिकॉर्ड के विकास की निगरानी मानचित्र से की जा सकती है। हाल के रिकॉर्ड डेटा से केंद्रों तक की दूरियों के विकास के आधार पर, सिस्टम स्वस्थ विकास की प्रवृत्ति का अनुमान लगाता है और भविष्य में संभावित स्थिति का पूर्वानुमान करता है। परिणाम: SCM का परीक्षण 'विस्कॉन्सिन ब्रेस्ट कैंसर डेटा' पर किया गया प्रशिक्षण के लिए चार सौ पचास यादृच्छिक डेटा चयन के परीक्षण परिणामों के आधार पर, SCM ने बेहतर प्रदर्शन दिखाया है, जिसके स्तन कैंसर के सही पता लगाने के अनुपात 91.4% से 95.6% तक भिन्न थे, जो डेटा के 10% और मशीन लर्निंग के लिए उपयोग किए गए डेटा के 90% के अनुरूप थे। ये अनुपात SVM और LDA की तुलना में 1% से 5% तक बढ़े हैं। इसके अलावा, SCM परिणामों के सही पता लगाने के अनुपात का विचरण SVM और LDA की तुलना में 0.8% से 3.0% तक कम हो गया है। भले ही प्रशिक्षण के लिए केवल 10% डेटा था, अनुपात केवल 3 प्रमुख घटकों के साथ 87% के आसपास रहा। जब सिस्टम ने प्रशिक्षण के लिए 50% डेटा का उपयोग किया और अन्य का परीक्षण किया, तो अनुपात का मतलब 93
% था इसके अलावा, यदि कोई नई स्थिति (लक्षण / रोग) उत्पन्न होती है, तो चिकित्सक इसे देख सकता है और एससीएम के मौजूदा मानचित्रों के अनुसार इसका विश्लेषण कर सकता है।