A valószínűségi modell az orvosi diagnosztika
Oroszországban és külföldön felhalmozott jelentős tapasztalattal rendelkezik a fejlesztése és alkalmazása a számítástechnikai és matematikai módszerek problémák megoldására az elméleti és gyakorlati orvostudomány. A kezdeti szakaszban a munka ezen a területen létrehozására összpontosít a módszerek és modellek, hogy vizsgálja meg alaposan a kóros folyamatok egyes szervek és szervrendszerek.
A modern fejlettsége számítástechnika lehetővé teszi, hogy hozzon létre egy új generációs információs termékek - elosztott automatizált egészségügyi információs technológia, mely megalapozott orvosi döntések alapján a klinikai jellemzői uralkodó helyzet minden egyes szakaszában a beteg.
Csökkentve a diagnózis idején számának csökkentésével a diagnosztikai vizsgálatok, amelyek az alacsony megbízhatósága a diagnózis. A használat alapú rendszerek valószínűségi diagnosztikai módszerek, így csökkentve a számos diagnosztikai problémák jelentősen csökkenti a diagnózis idején, ezért az átvitt adatok mennyiségéről nem rovására objektivitását és megbízhatóságát diagnózist.
Ebben a tanulmányban egy valószínűségi modell távdiagnózisra rendszert, amely alapján a felhasználó bejelentkezik lehet rendelni egy számos állam megfelelő lehetséges betegség. Államokat jellemző valószínűségek és egy teljes esemény csoportnak. A folyamat során a diagnosztizálására beteg kedvezményt diagnosztikai kérdések és válaszok függően valószínűsége a betegség változik. Kérdések a kedvezmény mindaddig, amíg az egyik a valószínűségek államok (a betegség vagy annak hiánya betegség) nem haladja meg a küszöbértéket a felhasználó által megadott a rendszerben.
Minden ellenőrző mátrix jellemzi a feltételes valószínűségek P, amelynek oszlopai megfelelnek az állapotoknak, és a vonalak - a vizsgálati feladat végeredménye. Az eredmény általában - ez az esemény kaphattak választ - tünete a csoport választ, egyesült egy bizonyos funkciót. A sejtek a mátrix tartalmazza - a valószínűsége, hogy lesz egy tünete a betegség.
Valószínűségi értékek által meghatározott orvosi szakértők, akik a jogot, hogy módosítsa azokat. Példa tünet skálával értékelésére a valószínűsége egy adott betegség táblázatban mutatjuk be.
Teljes mértékben bízik a diagnózis
Egyértelmű diagnózis eltérése
Annak a valószínűsége nagyon nagy
Annak a valószínűsége nagyon kicsi
Ahelyett, nem
Inkább nem, mint igen
Ismerve a feltételes valószínűségek a valószínűsége, hogy befogadó államok és egyes eredmény felhasználásával Bayes-tétel, ki tudjuk számítani a feltételes valószínűsége, hogy a jelenléte a betegség diagnózisa tárgy, feltéve, hogy a következő utáni átvett csekk j-edik kimenetelét. Ezek a valószínűségek eleve valószínűsége, hogy egy állam a kiválasztási és magatartása a következő diagnosztikai tesztet.
Ha a beteg kezdetben ismeretlen, ésszerű azt feltételezni, hogy a kezdeti valószínűségek államok egyenlő.
Az index alapján maximális átlagos adatok a korábban kiválasztott rendszer a leginkább informatív csekket. Az ábra javasolt chart, hogy kiválassza a leginkább informatív vizsgálat. Bemutatjuk a következő fogalmakat: - a priori entrópia, amely jellemzi az állam a diagnosztikai rendszer ellenőrzés megkezdése előtt a k; - Átlagos utólagos entrópia állapotban van, miután a feltételes teszt k.
Az a priori entrópia, mielőtt a K vizsgálat a következőképpen számítjuk ki:
Entrópia függővé ellenőrzését k a következőképpen számítjuk ki:
Ebben az esetben - a feltételes entrópia, jellemző változásai diagnosztizált beteg rendszer a bizonytalanság állapotában esetében ellenőrzésének befejezésekor k kimenetelét.
Végzett egyetlen teszt - kapnak egy kérdés és a lehetséges válaszok. Response beteg egy speciális eljárással van kialakítva a végeredményt.
Ezután, a kiválasztott sor ellenőrző mátrix feltételes valószínűségek megfelelő szimptóma.
Szerint a Bayes képlet versengő hipotézisek számítjuk új valószínűségi eloszlás - egy lehetséges diagnózis a beteg.
Az ellenőrzés kizárja a listából. A ciklus ismétlődik, amíg a valószínűsége valamely betegség nem haladja meg egy előre meghatározott küszöbértéket, vagy a teljes lista kimerül tünet-ellenőrzéseket. Könyvvizsgálat alapján arra a következtetésre jut, hogy a legvalószínűbb betegség. Szoftver alkalmazása az algoritmus végrehajtott Borland C ++ Bilder.
A javasolt valószínűségi modell betegségek diagnosztizálására, és az algoritmus az irányított keresés a diagnosztikai ellenőrzések számának csökkentése feltett kérdésekre. Ez ahhoz vezet, hogy hatékony felhasználását a rendelkezésre álló erőforrások csökkentésével munkaerőköltségek egészségügyi dolgozók, a hangerő továbbított információ az adatcsatornán és a terhelés a jelenlegi orvosi diagnosztikai eszközök, miközben a nagy megbízhatóság és az objektivitás munkájának diagnosztizálására a rendszer.