Методы формализации и компьютерного моделирования медицинских

Скачать презентацию Методы формализации  и компьютерного моделирования  медицинских Скачать презентацию Методы формализации и компьютерного моделирования медицинских

ЛЕКЦИЯ 5 Классификация статистических моделей.ppt

  • Количество слайдов: 15

>Методы формализации  и компьютерного моделирования  медицинских систем Методы формализации и компьютерного моделирования медицинских систем

>0≤p≤ 1 0≤p≤ 1

> Упрощенный пример диагностической таблицы     Диагнозы    Упрощенный пример диагностической таблицы Диагнозы Инфаркт Крупозная Тромбоэмболия Априорная миока пневм легочной вероятн Симптомы рда Перитонит ония артерии ость Боли в грудной клетке 0, 90 0, 05 0, 90 0, 50 0, 59 Боли в животе 0, 30 0, 95 0, 40 0, 01 0, 42 Повышение температуры тела 0, 95 0, 80 0, 90 0, 65 0, 83 Понижение температуры тела 0, 01 0, 90 0, 95 0, 10 0, 49 Лейкоцитоз 0, 95 0, 83 0, 92 0, 04 0, 69 Нарушение сердечного ритма 0, 92 0, 01 0, 05 0, 10 0, 27 Повышение артериального давления 0, 50 0, 03 0, 05 0, 02 0, 15 Снижение артериального давления 0, 10 0, 05 0, 78 0, 85 0, 45 Шум трения перикарда 0, 86 0, 97 0, 95 0, 01 0, 70 Изменение кардиограммы 0, 98 0, 17 0, 15 0, 60 0, 48 Бледность кожи 0, 98 0, 83 0, 78 0, 90 0, 87 Общая заторможенность 0, 08 0, 50 0, 30 0, 10 0, 25 Учащение пульса 0, 50 0, 96 0, 99 0, 94 0, 85 Учащение дыхания 0, 03 0, 07 0, 01 0, 05 0, 04 Угнетение рефлексов 0, 01 0, 02 0, 10 0, 83 0, 24 Напряжение брюшной стенки 0, 02 0, 80 0, 10 0, 04 0, 24 Вздутие живота 0, 20 0, 95 0, 13 0, 15 0, 36 Общая слабость, головокружение 0, 50 0, 88 0, 95 0, 80 0, 78 Расширение границ сердца 0, 10 0, 01 0, 06 Шум трения плевры 0, 10 0, 01 0, 95 0, 10 0, 29

>Информативность симптома Si относительно диагноза Dj равна   log 22 = 1 бит Информативность симптома Si относительно диагноза Dj равна log 22 = 1 бит

>Для расчета вероятности каждого из группы диагнозов при заданном составе клинических признаков применяется метод Для расчета вероятности каждого из группы диагнозов при заданном составе клинических признаков применяется метод Байеса

>   Формула Байеса Вероятность диагноза Dj , если известно,  что наблюдается Формула Байеса Вероятность диагноза Dj , если известно, что наблюдается симптом Si, равна:

>  Наблюдается некоторый симптомокомплекс: Перемножение условных вероятностей отдельных клинических признаков с целью получения Наблюдается некоторый симптомокомплекс: Перемножение условных вероятностей отдельных клинических признаков с целью получения условной вероятности всего симптомокомплекса допустимо при условии их независимости друг от друга

> Диагностика по методу Байеса      Вероятности диагнозов  Диагностика по методу Байеса Вероятности диагнозов есть - Тромбоэмболи 1 нет Инфаркт Крупозная я легочной Симптомы - 0 миокарда Перитонит пневмония артерии 0, 99 0, 00 0, 01 0, 00 Боли в грудной клетке 1 0, 1035 0, 00000375 0, 0005625 0, 00025 Боли в животе 0 Повышение температуры тела 0 Понижение температуры тела 0 Лейкоцитоз 0 Нарушение сердечного ритма 1 Повышение артериального давления 1

>Для дифференциальной диагностики (выбора одного из двух возможных диагнозов) при заданном составе клинических признаков Для дифференциальной диагностики (выбора одного из двух возможных диагнозов) при заданном составе клинических признаков применяется метод Вальда

>Пороги принятия решения A, B определяются через допустимые вероятности ошибок α, β  При Пороги принятия решения A, B определяются через допустимые вероятности ошибок α, β При α = β = 0, 05 A = 19, B = 1/19 = 0, 053

>Диагностический балл (в патах) симптома Si при дифференциальной диагностике равен: Диагностический балл (в патах) симптома Si при дифференциальной диагностике равен:

>Модифицированный метод   Вальда  Пороги принятия решения:   пат Модифицированный метод Вальда Пороги принятия решения: пат

>а 1   Объект (а 1, а 2) относится к классу D 1 а 1 Объект (а 1, а 2) относится к классу D 1 а 2

>Количество дискриминантных функций при дискриминантном анализе равно количеству классов (групп классификации). Каждая дискриминантная функция Количество дискриминантных функций при дискриминантном анализе равно количеству классов (групп классификации). Каждая дискриминантная функция соответствует своему классу. d 1 = a 0 + а 1 х 1+ а 2 х 2 + а 3 х 3 + … d 2 = b 0 + b 1 x 1 + b 2 x 2 + b 3 x 3 + … …………………….

>Решение о принадлежности объекта принимается в пользу того класса, величина дискриминантной функции которого максимальна Решение о принадлежности объекта принимается в пользу того класса, величина дискриминантной функции которого максимальна