Probabilistic graphical model supporting early diagnosis of autism spectrum disorder

• Autorzy: Szczygieł J. , Oniśko A. , Świderska J. , Krysiewicz E. , Sienkiewicz J.

Warianty tytułu

PL

Probabilistyczny model wspierający wczesne diagnozowanie autyzmu

• Języki publikacji: EN

Abstrakty

EN

Bayesian networks are recognized as a suitable tool for modelling diagnostic problems. The power of this modelling is that it can combine knowledge coming from different sources. For example, in case of medical domain, the expert knowledge can be merged along with the medical data. This paper presents a Bayesian network model for early diagnosis of autism. The model was built based on the medical literature and then was revised by two domain experts. Our tool is dedicated to parents that can perform an early diagnosis of their child before visiting a specialist.

PL

Sieci bayesowskie są często używanym narzędziem w rozwiązywaniu problemów diagnostycznych. Jedną z zalet tego narzędzia jest mozliwość łączenia wiedzy pochodzącej z różnych źródeł. Na przykład, wiedza ekspertów może być połączona z danymi. W naszym artykule prezentujemy model sieci bayesowskiej wspomagający wczesne diagnozowanie autyzmu. Model został zbudowany w oparciu o literaturę medyczną, a następnie zweryfikowany przez ekspertów. Narzędzie, które stworzyliśmy jest dedykowane rodzicom, którzy mogą dokonać wstępnej diagnozy zanim skontaktują się ze specjalistą.

Słowa kluczowe

PL

sieci bayesowskie; diagnozowanie medyczne; autyzm

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Advances in Computer Science Research
• Rocznik: 2014
• Tom: Nr 11
• Strony: 151--164
• Opis fizyczny: Bibliogr. 14 poz., rys.

Twórcy

autor

Szczygieł J.

• Faculty of Computer Science, Bialystok University of Technology, Białystok, Poland

autor

Oniśko A.

• Faculty of Computer Science, Bialystok University of Technology, Białystok, Poland

autor

Świderska J.

• Fundacja Oswoić Świat, Białystok

autor

Krysiewicz E.

• Fundacja Oswoić Świat, Białystok

autor

Sienkiewicz J.

• Towarzystwo Przyjaciół Dzieci, Oddział Białystok

Bibliografia

• [1] S. Andreassen, M. Woldbye, B. Falck, and S. K. Andersen. MUNIN – A causal probabilistic network for interpretation of electromyographic findings. In J. McDermott, editor, Proceedings of the Tenth International Joint Conference on Artificial Intelligence, pages 366–372, Los Altos, CA, 1987. Morgan Kaufmann Publishers.
• [2] I.A. Beinlich, H.J. Suermondt, R.M. Chavez, and G.F. Cooper. The ALARM monitoring system: A case study with two probabilistic inference techniques for belief networks. In Proceedings of the Second European Conference on Artificial Intelligence in Medical Care, pages 247–256, London, 1989.
• [3] Gregory F. Cooper. NESTOR: A Computer-based Medical Diagnostic Aid that Integrates Causal and Probabilistic Knowledge. PhD thesis, Stanford University, Computer Science Department, 1984.
• [4] F. J. Díez, J. Mira, E. Iturralde, and S. Zubillaga. DIAVAL, a Bayesian expert system for echocardiography. Artificial Intelligence in Medicine, 10:59–73, 1997.
• [5] E. Fombonne. Epidemiological trends in rates of autism. Molecular Psychiatry, 7:S4–S6, 2002.
• [6] G. Anthony Gorry. Computer-assisted clinical decision-making. Methods of Information in Medicine, 12:45–51, 1973.
• [7] Max Henrion. Some practical issues in constructing belief networks. In L.N. Kanal, T.S. Levitt, and J.F. Lemmer, editors, Uncertainty in Artificial Intelligence 3, pages 161–173. Elsevier Science Publishers B.V., North Holland, 1989.
• [8] Developmental Disabilities Monitoring Network Surveillance Year 2010 Principal Investigators, Centers for Disease Control, and Prevention (CDC). Prevalence of autism spectrum disorder among children aged 8 years - autism and developmental disabilities monitoring network, 11 sites, United States, 2010. MMWR Surveill Summ, 63(2):1–21, 2014.
• [9] R. S. Ledley and L. B. Lusted. Reasoning foundations of medical diagnosis. Science, 130(3366):9–21, July 1959.
• [10] Peter J. F. Lucas, Linda van der Gaag, and Ameen Abu-Hanna. Bayesian networks in biomedicine and health-care. Artificial Intelligence in Medicine, 30:201–214, 2004.
• [11] Decision Systems Laboratory University of Pittsburgh. GeNIe and SMILE software available at https://dslpitt.org/genie/.
• [12] K. G. Olesen, U. Kjaerulff, F. Jensen, F. V. Jensen, B. Falck, S. Andreassen, and S. K. Andersen. A MUNIN network for the median nerve — a case study on loops. Applied Artificial Intelligence, 3:384–403, 1989.
• [13] Justyna Pawlowska. Probabilistic graphical model for diagnosis of autism (in Polish). Master’s thesis, Faculty of Computer Science, Bialystok University of Technology, Bialystok, Poland, July 2014.
• [14] Judea Pearl. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers, Inc., San Mateo, CA, 1988.