Eksploracja medycznych regułowych baz wiedzy

• Autorzy: Nowak-Brzezińska A. , Rybotycki T.

Warianty tytułu

EN

Exploration of medical rule-based knowledge bases

• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest eksploracja (grupowanie i wizualizacja) medycznych regułowych baz wiedzy. W artykule opisano narzędzie CluVis, zaimplementowane przez autorów, pozwalające analizować (grupować przy użyciu hierarchicznej analizy skupień) reguły i wizualizować (przy użyciu tzw. map prostokątów) ich skupienia. W ramach eksperymentów przeanalizowano wpływ miar podobieństwa wewnątrz- i międzygrupowego, metod wizualizacji, a także miary jakości skupień na wyniki eksploracji (wykrycie tendencji, nietypowości w danych).

EN

In this work the topic of applying clustering as a knowledge extraction method from real-world medical data is discussed. The authors propose hierarchical clustering method and visualization techniques for knowledge base representation in the context of medical knowledge bases for which data mining methods are success-fully employed and may resolve different problems. What is more, the authors analyze the impact of different clustering parameters on the result of searching through such structure.

Słowa kluczowe

PL

medyczne regułowe bazy wiedzy; analiza skupień; wizualizacja; miary jakości grupowania

EN

medical rule-based knowledge bases; cluster analysis; visualization; validity index

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2016
• Tom: Vol. 37, nr 1
• Strony: 149--162
• Opis fizyczny: Bibliogr. 14 poz.

Twórcy

autor

Nowak-Brzezińska A.

• Silesian University, Institute of Computer Science, ul. Będzińska 39, 41-200 Sosnowiec, Poland

autor

Rybotycki T.

Bibliografia

• 1. Bazan J.G., Szczuka M.S., Wroblewski J.: A new version of rough set exploration sys-tem. Rough Sets and Current Trends in Computing, Springer-Verlag, Berlin 2002, s. 397÷404.
• 2. Dunn J.C.: Well separated clusters and optimal fuzzy partitions. Journal of Cybernetica, Vol. 4, 1974, s. 95÷104.
• 3. Gower J.C.: A general coefficient of similarity and some of its properties. Biometrics, Vol. 27, International Biometric Society, Washington 1971, s. 857÷871.
• 4. Morzy T.: Eksploracja danych. Metody i algorytmy. Wydawnictwo Naukowe PWN, Warszawa 2013.
• 5. Nowak-Brzezińska A., Jach T.: Wnioskowanie w systemach z wiedzą niepewną. Studia Informatica, Wydawnictwo Politechniki Śląskiej, Gliwice 2011.
• 6. Rybotycki T.: Wizualizacja struktur hierarchicznych dla regułowych baz wiedzy. Sos-nowiec 2015.
• 7. Shneiderman B.: Tree visualization with tree-maps: 2-d space-filling approach. Trans-actions on Graphics (TOG), Association for Computing Machinery, New York 1992.
• 8. Wetzel K.: Pebbles – using circular treemaps to visualize disk usage. 2004.
• 9. Nowak-Brzezińska A., Xięski T.: Exploratory clustering and visualization. 18th Interna-tional Conference in Knowledge Based and Intelligent Information and Engineering Systems, KES 2014, Gdynia, Poland 2014, s. 1082÷1091
• 10. Han J., Kamber M., Pei J.: Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers Inc., 2011.
• 11. Kovács F., Legány C., Babos A.: Cluster Validity Measurement Techniques. AIKED’06 Proceedings of the 5th WSEAS International Conference on Artificial Intel-ligence, Knowledge Engineering and Data Bases, ISBN:111-2222-33-9, 2006, s. 388÷393.
• 12. Nowak-Brzezińska A., Rybotycki T.: Visualization of medical rule-based knowledge bases. Journal of Medical Informatics & Technologies, Vol. 24, 2015, s. 91÷98.
• 13. Treptow A.: Medyczna strefa Schengen nadzieją dla szpitali. Puls Biznesu, nr 123, 2012.
• 14. Stanisz A.: Przystępny kurs statystyki z zastosowaniem Statistica PL na przykładach z medycyny. Tom 1-3, Statsoft Polska, Kraków 2006.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.