Visual analysis techniques for medical diagnosis support

• Autorzy: Rzeźniczak T.

Warianty tytułu

PL

Techniki analizy wizualnej dla wsparcia diagnostyki medycznej

• Języki publikacji: EN

Abstrakty

EN

Taking into account vast amount of data available for general practitioners, medical diagnostic procedure can be treated as a complex analytical task. A doctor has to analyze the patient’s symptoms, medical test results, and medical knowledge, correlate everything and decide on the diagnosis. In order to do this more effectively, dedicated analytical tools and techniques can be used. The paper elaborates on the application of Map of Attributes (MoA) visualization technique for analysis of a patient’s health and disease pattern recognition. Various modes of using MoA are proposed and discussed. Furthermore, an application of diseases ranking preparation methods in visual filtering of diseases is presented. The methods use flexible similarity indices in conjunction with a graphical presentation of the Pareto model and Multidimensional Scaling model. Their goal is to allow physicians to narrow the space of detailed analysis in an interactive visual manner.

PL

Biorąc pod uwagę ilość danych dostępnych dla lekarzy, diagnostyka medyczna może być traktowana jako złożone zadanie analityczne. Lekarz musi przeanalizować symptomy pacjenta, wyniki jego badań oraz wiedzę medyczną, a następnie skorelować wszystko i zdecydować o diagnozie. W celu przeprowadzenia tego efektywnie, można zastosować dedykowane narzędzia i techniki analityczne. Artykuł omawia zastosowanie techniki wizualizacji Mapa Atrybutów – MoA (ang. Maps of Attributes) do analizy stanu zdrowia pacjenta oraz rozpoznawania wzorców jednostek chorobowych. W artykule przedstawione i przedyskutowane zostały różne możliwe tryby użycia MoA. Ponadto, zaprezentowane jest zastosowanie metod budowy rankingu jednostek chorobowych do wizualnego filtrowania chorób. Metody te wykorzystują elastyczne indeksy podobieństwa w połączeniu z graficzną prezentacją modelu Pareto oraz modelu MDS (ang. Multidimensional Scaling). Ich celem jest umożliwienie lekarzowi zawężania przestrzeni szczegółowej analizy w sposób wizualny i interaktywny.

Słowa kluczowe

EN

data analysis; data visualization; medical decision support

PL

analiza danych; wizualizacja danych; wspomaganie decyzji medycznych

• Wydawca: Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology
• Czasopismo: Computer Science and Mathematical Modelling
• Rocznik: 2015
• Tom: No. 2
• Strony: 33--41
• Opis fizyczny: Bibliogr. 21 poz., wykr.

Twórcy

autor

Rzeźniczak T.

• Military University of Technology, Faculty of Cybernetics, Institute of Computer and Information Systems, Kaliskiego Str. 2, 00-908 Warsaw, Poland

Bibliografia

• [1] Ameljańczyk A., “Matematyczny model wspomagania diagnozowania medycznego na podstawie symptomów chorobowych i czynników ryzyka”, Bio-Algorithms and Med-Systems, Supplement No. 1, Vol. 6, No. 12, 33 (2010).
• [2] Ameljańczyk A., “Wielokryterialne mechanizmy wspomagania podejmowania decyzji medycznych w modelu repozytorium w oparciu o wzorce”, Biuletyn Instytutu Systemów Informatycznych, Nr 5, 1–6 (2010).
• [3] Ameljańczyk A., “Multicriteria similarity models for medical diagnostic support algorithms”, Bio-Algorithms and Med-Systems , 9(1), 1–7 (2013).
• [4] Ameljańczyk A., “Teoretyczne aspekty badania podobieństwa obiektów w problematyce rozpoznawania wzorców”, w: Problemy modelowania i projektowania opartych na wiedzy systemów informatycznych na potrzeby bezpieczeństwa narodowego, pod redakcją naukową Tadeusza Nowickiego, Zbigniewa Tarapaty, Wojskowa Akademia Techniczna, Warszawa, 9–22 (2014).
• [5] Attneave F., “Symmetry, information, and memory for patterns”, The American Journal of Psychology, 209–222 (1955).
• [6] Daylight, Chemical Information System Inc., http://www.daylight.com/dayhtml/doc/theory/theory.finger.html, accessed November 2015.
• [7] Disease and Conditions, Mayo Clinic, http://www.mayoclinic.org/diseasesconditions, accessed November 2015.
• [8] Doniger G.M., Foxe J.J., Schroeder C.E., Murray M.M., Higgins B.A., Javitt D.C., “Visual perceptual learning in human object recognition areas: a repetition priming study using high-density electrical mapping”, NeuroImage, 13(2), 305–313 (2001).
• [9] French R. S., “Identification of dot patterns from memory as a function of complexity”, 22-26 (1954). Journal of Experimental Psychology, 47(1), 22-26 (1954).
• [10] Groenen F., Patrick J., Velden M., Multidimensional scaling, John Wiley & Sons Ltd., 2005.
• [11] Groopman J.E., Prichard M. J., How doctors think, Vol. 82, Boston: Houghton Mifflin, 2007.
• [12] Kruskal J.B., “Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis”, Psychometrika, 29(1), 1–27 (1964).
• [13] Madetoja E., Ruotsalainen H., Monkkonen V.M., Hamalainen J., Deb K., “Visualizing multi-dimensional Paretooptimal fronts with a 3D virtual reality system”, in: Proceedings of the International Multiconference on Computer Science and Information Technology, IMCSIT 2008, Wisła, Poland, 20–22 October 2008, 907–913, IEEE 2008.
• [14] Rudowski R., Informatyka medyczna, Wydawnicto Naukowe PWN, 2003.
• [15] Rzeźniczak T., “Implementation aspects of data visualization based on map of attributes”, Journal of Theoretical and Applied Computer Science, Vol. 6(4), 24–36 (2012).
• [16] Rzeźniczak T., “Applying the Concept of Figural Goodness for Automatic Design of Dataset Visualization”, Biuletyn Instytutu Systemów Informatycznych, Nr 11, 23–31 (2013).
• [17] Rzeźniczak T., “Evolutionary algorithms for Map of Attributes optimization”, Computer Science and Mathematical Modelling, No. 1, X–X (2015).
• [18] van Tuijl H.F., “Perceptual interpretation of complex line patterns”, Journal of Experimental Psychology: Human Perception and Performance, 6(2), 197-221 (1980).
• [19] Tversky A., “Features of Similarity”, Psychological Review, American Psychological Association, Vol. 84, 4, 327−352 (1977).
• [20] Tversky A., Gati I., “Studies of similarity”, Cognition and categorization 1, 79–98 (1978).
• [21] Wulff H.R., Racjonalna diagnoza i leczenie, Aktis, 2006.