Journal des sciences théoriques et computationnelles
Libre accès

Abstrait

Méthode de machine de centre de support pour la classification et l'aide dans le système de diagnostic médical

Zefeng Wang, Laurent Peyrodie, Hua Cao et Samuel Boudet

Objectifs : Une nouvelle méthode d'intelligence artificielle 'Support Center Machines' (SCM) pour aider au diagnostic et au pronostic est appliquée à un système médical. Méthodes Dans le traitement des données, SCM recherche les vrais centres de chaque classe pendant l'apprentissage automatique. Pour une application dans le système médical, il fait de ces centres des modèles de situation de santé et traduit tous les dossiers de santé en une carte. Tous les modèles, comme les non-maladies et les maladies, sont étiquetés sur cette carte. Ainsi, l'évolution des dossiers de santé des patients peut être supervisée avec la carte. Sur la base de l'évolution des distances entre les données des dossiers récents et les centres, le système estime la tendance de l'évolution saine et prévoit la situation probable dans le futur. Résultats : SCM a été testé sur 'Wisconsin Breast Cancer Data' et comparé aux méthodes LDA et SVM. Vingt centres ont été trouvés pour définir la carte saine. Français Sur la base des résultats des tests de quatre cent cinquante données sélectionnées au hasard pour l'entraînement, SCM a montré une meilleure performance, dont les moyennes de ratios de détection correcte du cancer du sein variaient de 91,4 % à 95,6 %, ce qui correspondait à 10 % des données et 90 % des données utilisées pour faire l'apprentissage automatique. Ces ratios ont augmenté de 1 % à 5 % par rapport à SVM et LDA. De plus, la variance des ratios de détection correcte des résultats SCM a diminué de 0,8 % à 3,0 %, par rapport à SVM et LDA. Même s'il n'y avait que 10 % de données pour l'entraînement, le ratio est resté autour de 87 % avec seulement 3 composantes principales. Lorsque le système a utilisé 50 % des données pour l'entraînement et a testé les autres, la moyenne du ratio était de 93 % et le meilleur était de 95 %.
Conclusions : SCM a réussi à construire un système de diagnostic/pronostic de maladie et à établir une carte saine. Il pourrait afficher le dossier médical sur une carte 2D ou 3D, ce qui permet au clinicien de s'approprier l'interprétation. De plus, si une nouvelle situation (symptôme/maladie) survient, le praticien peut la visualiser et l’analyser selon les cartes SCM existantes.