МЕТОД ДЕРЕВ РІШЕНЬ У КОМП’ЮТЕРНІЙ ДІАГНОСТИЦІ

Автор(и)

DOI:

https://doi.org/10.31891/2307-5732-2023-329-6-266-273

Ключові слова:

комп’ютерна діагностика, база даних, прийняття рішень, дерево рішень, ентропійно-інформаційний аналіз

Анотація

В роботі розглянуто питання прийняття рішень за допомогою дерев класифікації  під час діагностики травм. Проведений аналіз використання методів роботи з архівними базами даних, накопичених у лікарнях у вигляді паперових картотек. Показано, що після комп’ютеризації даних пацієнтів для кращої класифікації і орієнтації по пацієнтам доцільно впроваджувати систему дерева рішень. Зазначений підхід дозволить визначити пацієнтів з однаковою хворобою, діагнозом чи симптомом. Після створення алгоритму дерева рішень необхідно здійснювати підбор програми, яка б задовільнила алфавіт ознак вхідних даних. Наведено приклад використання розробленого дерева рішень для визначення закритого перелому. Запропоновані рішення дозволять вирішувати складні завдання та приймати рішення, пов'язані з проєктуванням, розробкою та управлінням програмними та апаратними системами комп’ютерної діагностики у медичній та інших сферах, пов’язаних з обробкою та класифікацією персоналій баз даних за визначеними параметрами, а також в умовах невизначеності.

В процесі побудування дерева рішень для виведення норми і патології під час комп’ютерної діагностики закритого перелому запропоновано замість двопараметрового значення вводити трипараметрове. В такому разі кількість ознак різко збільшується, але при цьому й зростає можливість появи помилки першого і другого роду. Аналіз інформативності ознак показує, що найбільш інформативною незалежною змінною (ознакою образу) є зміна форми,  одразу за нею – показник міри болю, і лише потім набряк і крепітація. Якщо в такій самій послідовності проводити класифікацію, тоді ентропійно-інформаційний аналіз дозволяє ранжувати ознаки образу за їх інформативністю. Задля подолання специфічності, при якій 92,3 % з діагностованих пацієнтів, віднесених класифікатором до категорії «патологія», насправді є хворими, та 7,7 % навпаки, є здоровими, – необхідно більш ретельно розглядати незалежні атрибути.

Завантаження

Опубліковано

31.12.2023