Properties of the Algorithm for Determining an Initial Medical Diagnosis Based on a Two-Criteria Similarity Model

• Autorzy: Ameljańczyk A.

Warianty tytułu

PL

Własności algorytmu wyznaczania wstępnej diagnozy medycznej w oparciu o dwukryterialny model podobieństwa

• Języki publikacji: EN

Abstrakty

EN

The paper presents analyses of properties of multicriteria decision support mechanisms in the nodes of clinical paths concerning initial diagnosis. The main object of analysis is the two-criteria initial diagnosis model and the developed on its basis a computer algorithm implementation of determining the set of diagnoses from which there is none more probable, and its ranking. A properties analysis of acquired multicriteria diagnoses in terms of distance from the so-called virtual (utopian) diagnosis in the diagnostic area of similarity.

PL

W pracy dokonano analizy własności wielokryterialnych mechanizmów wspomagania decyzyjnego w węzłach ścieżek klinicznych dotyczących diagnozowania wstępnego. Głównym obiektem analizy jest dwukryterialny model diagnozowania wstępnego oraz opracowana na jego podstawie komputerowa implementacja algorytmu wyznaczania zbioru diagnoz od których nie ma bardziej prawdopodobnych oraz jego ranking. Dokonano analizy własności uzyskanych diagnoz wielokryterialnych w aspekcie odległości od tzw. diagnozy wirtualnej (utopijnej) w diagnostycznej przestrzeni podobieństwa.

Słowa kluczowe

EN

disease symptoms; risk factors; initial diagnosis; diagnosis reliability; multicriteria optimization; Pareto set; similarity indicators; similarity relations

PL

symptomy chorobowe; czynniki ryzyka; wstępna diagnoza; wiarygodność diagnozy; otymalizacja wielokryterialna; zbiór Pareto; wskaźniki podobieństwa; relacje podobieństwa

• Wydawca: Institute of Computer and Information Systems, Faculty of Cybernetics, Military University of Technology
• Czasopismo: Biuletyn Instytutu Systemów Informatycznych
• Rocznik: 2011
• Tom: nr 8
• Strony: 9--16
• Opis fizyczny: Bibliogr. 37 poz.

Twórcy

autor

Ameljańczyk A.

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

Bibliografia

• [1] M. Albin: Fuzzy sets and their applications to medical diagnosi’s. Berkeley, 1975.
• [2] M. Allan: Crash Course – wywiad i badania przedmiotowe. Elsevier Urban&Partner, Wrocław, 2005.
• [3] A. Ameljańczyk: Optymalizacja wielo-kryterialna w problemach sterowania i zarządzania. Ossolineum, 1984.
• [4] A. Ameljańczyk: Analiza specyfiki Komputerowych Systemów Wspomagania Decyzji Medycznych w kontekście modelowania i algorytmizacji procesów decyzyjnych. I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”. Warszawa, 2009.
• [5] A. Ameljańczyk: Matematyczny model przestrzeni życia w komputerowym systemie wspomagania decyzji medycznych. I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”. Warszawa 2009.
• [6] A. Ameljańczyk: O pewnej koncepcji modelowania repozytorium medycznego. POIG.01.03.01-00-145/08/2009. WAT, Warszawa 2009.
• [7] A. Ameljańczyk: Analiza wpływu przyjętej koncepcji modelowania systemu wspomagania decyzji medycznych na sposób generowania ścieżek klinicznych. Biuletyn Instytutu Systemów Informatycznych, Nr 4, 1-8 (2009).
• [8] A. Ameljańczyk: Matematyczne aspekty modelowania pajęczynowego obiektów. Biuletyn Instytutu Systemów Informatycznych, Nr 4, 9-16 (2009).
• [9] A. Ameljańczyk: Modelowanie wzorców medycznych w przestrzeni pajęczynowej. VII Konferencja Naukowa „Modelowanie Cybernetyczne Systemów Biologicznych”. MCSB2010, Kraków, 2010.
• [10] A. Ameljańczyk: Matematyczny model wspomagania diagnozowania medycznego na podstawie symptomów chorobowych i czynników ryzyka. VII Konferencja Naukowa „Modelowanie Cybernetyczne Systemów Biologicznych”. MCSB2010, Kraków, 2010.
• [11] A. Ameljańczyk, P. Długosz, M. Strawa: Komputerowa implementacja algorytmu wyznaczania wstępnej diagnozy medycznej. VII Konferencja Naukowa „Modelowanie Cybernetyczne Systemów Biologicznych”. MCSB2010, Kraków, 2010.
• [12] A. Ameljańczyk: Wielokryterialne mechanizmy wspomagania podejmowania decyzji klinicznych w modelu repozytorium w oparciu o wzorce. POIG.01.03.01-00-145/08/2009. WAT, Warszawa, 2009.
• [13] A. Ameljańczyk: Model formalny informatycznego komponentu wspomagania decyzyjnego ustalenia wstępnej diagnozy medycznej. POIG.01.03.01-00-145/08/2009. WAT, Warszawa, 2010.
• [14] ANSI HL7, http://www.hl7.org.
• [15] H. L. C. Beynon i inni: Interpretacja danych klinicznych w pytaniach i opisach przypadków. Elsevier Urban&Partner, Wrocław, 2007.
• [16] J. Błaszczykowski, K. Krawiec, R. Słowiński, J. Stefanowski, Sz. Wilk: Wspomaganie decyzji i komunikacji w systemach telemedycznych. Poznań, 2006.
• [17] P. Długosz: Konceja modułu wspomagania decyzji klinicznych w modelu repozytorium z wykorzystaniem metod teorii zbiorów przybliżonych. POIG.01.03.01-00-145/08/2009. WAT, Warszawa, 2009.
• [18] R. Douglas Collins: Algorytmy interpretacji objawów klinicznych. Medipage, Warszawa, 2010.
• [19] F. Kokot: Diagnostyka różnicowa objawów chorobowych.WL PZWL, Warszawa, 2007.
• [20] F. Kokot, S. Kokot: Badania laboratoryjne - zakres norm i interpretacja. WL PZWL, Warszawa, 2002.
• [21] J. Makal: System ekspertowy do wspomagania diagnozy łagodnego przerostu prostaty. Pomiary Automatyka i Robotyka, 7-8 (2004).
• [22] Medyczne Systemy Ekspertowe, http://www.computer.privateweb.at/judith/links3.htm.
• [23] A. Oniśko i inni: HEPAR I HEPAR II - komputerowe systemy wspomagania diagnozowania chorób wątroby. XII Konferencja Biocybernetyki i Inżynierii Biomedycznej. Warszawa, 2001.
• [24] Z. Pawlak: Rough Sets. International Journal of Computer and Information Sciences, vol. 11, 341-356 (1965).
• [25] Z. Pawlak: Systemy informacyjne – podstawy teoretyczne. WNT, Warszawa, 1983.
• [26] Resultmaker: Workflow patterns of the Online Consultant. Version 1.1, Kopenhaga, 2006.
• [27] E. Sanchez: Inverses of fuzzy relations. Application to possibility distributions and medical diagnosis. Proc. IEEE Conf. Decision and Control, USA, 1977.
• [28] E. Sanchez: Medical diagnosis and composite fuzzy relations. Advances in fuzzy sets theory and applications. North-Holland, 1979.
• [29] W. Siegenthaler: Rozpoznanie różnicowe w medycynie wewnętrznej. Tom 1-2, Medipage, Warszawa, 2009.
• [30] P. Smets: Medical diagnosis fuzzy sets and degrees of belief. Fuzzy sets and Systems. Vol. 5, 1981.
• [31] M. Strawa: Koncepcja modułu wspomagania podejmowania decyzji klinicznych w modelu repozytorium z wykorzystaniem metod sieci bayesowskich. POIG.01.03.01-00-145/08/2009. WAT, Warszawa, 2009.
• [32] Ścieżki kliniczne jako dynamiczne środowisko dostępu do informacji medycznej pacjenta. Wersja 0.8 Zintegrowany System Informacji Medycznej o Pacjencie. Bielsko-Biała, Kraków, 2008.
• [33] The Merck Manual. Objawy kliniczne. Elsevier Urban&Partner, Wrocław, 2010.
• [34] H. Wechsler: Applications of fuzzy logic to medical diagnosis. Proc. Symp. on Multiple - Valned Logic, Logan 1975.
• [35] Workflow patterns of the Online Consultant. Version 1.1, 2006.
• [36] P. L. Yu, G. Leitmann: Compromise solutions, domination structures and Salukwadze’s solution. JOTA, vol.13, 1974.