ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА МЕДИКО-БИОЛОГИЧЕСКИХ ДАННЫХ В ДЕТСКОЙ ЛЕЙКОЗОЛОГИИ
Аннотация
Рассматриваются две информационные технологии, реализованные в виде соответствующих программных комплексов и предназначенные для анализа многомерных медико-биологических данных: первая – система анализа данных, реализующая комплекс разнообразных статистических и нейросетевых методов на основных стадиях обработки данных; вторая – система классификации групп риска пациентов на основе гибридной нечеткой классификационной модели, обеспечивающей построение нескольких подмножеств Парето-оптимальных компактных и хорошо интерпретируемых классифицирующих правил.
Об авторах
И. Э. Том
Объединенный институт проблем информатики НАН Беларуси
Беларусь
Беларусь
О. В. Красько
Объединенный институт проблем информатики НАН Беларуси
Беларусь
Беларусь
Н. А. Новоселова
Объединенный институт проблем информатики НАН Беларуси
Беларусь
Беларусь
Список литературы
1. Технология анализа медицинских данных статистическими и нейросетевыми методами / И.Э. Том [и др.] // Искусственный интеллект. – 2004. – № 2. – С. 398–402.
2. Новоселова, Н.А. Предварительный отбор информативных признаков для улучшения точности предсказания с помощью нейронной сети / Н.А. Новоселова // Искусственный интеллект. – 2004. – № 2. – С. 150–154.
3. Development of the information analytical system for childhood oncohematology /
4. I.E. Tom [et al.] // Annual Proceedings of Medical Science. – 2005. – Vol. 50, suppl. 2. – P. 43–45.
5. Development of the computer-based system for prognostic risk factors analysis to select adequate therapy of childhood acute leukemias (ISTC Project B-522) // UIIP NASB [Electronic resource]. – 2004. – Mode of access: http://itk1.bas-net.by/b522/pr_result.htm. – Date of access: 01.08.2008.
6. UC Irvine Machine Learning Repository // University of California, Irvine, CA [Electronic resource]. – 2007. – Mode of access: http://itk1.bas-net.by/b522/pr_result.htm. – Date of access: 01.08.2008.
7. Новоселова, Н.А. Нечеткое нейросетевое моделирование для получения интерпретируемого набора классифицирующих правил / Н.А. Новоселова, И.Э. Том, О.В. Красько //
8. Искусственный интеллект. – 2006. – № 2. – С. 211–214.
9. Новоселова, Н.А. Построение нечеткой нейросетевой модели для решения задач классификации / Н.А. Новоселова // Информатика. – 2006. – № 3. – C. 5–14.
10. Новоселова, Н.А. Построение нечеткой модели классификации с использованием многокритериального генетического алгоритма / Н.А. Новоселова // Искусственный интел-лект. – 2006. – № 3. – С. 613–622.
11. Elomaa, T. General and efficient multisplitting of numerical attributes / T. Elomaa, J. Rousu // Machine Learning. – September, 1999. – Vol. 36, № 3. – P. 201 244.
12. Guan, S.U. Class decomposition for GA-based classifier agents – A Pittapproach /
13. S. U. Guan, F. Zhu // IEEE Trans. on Systems, Man and Cybernetics, Part B: Cybernetics. – February 2004. – Vol. 34, №1. – P. 381–392.
14. Ishibuchi, H. Multi-objective evolutionary design of fuzzy rule-based systems / H. Ishibuchi, T. Yamamoto // Proc. of International Conference on Systems, Man and Cybernetics (IEEE SMC 2004), The Hague, The Netherlands, October 10-13, 2004. – The Hague, 2004 – Vol. 3. –
15. P. 2362– 2367.
16. Pena-Reyes, C.A. A fuzzy-genetic approach to breast cancer diagnosis / C.A. Pena-Reyes, M. Sipper // Artificial Intelligence in Medicine. – 1999. – Vol. 17. – P. 131–155.
Рецензия
Для цитирования:
Том И.Э., Красько О.В., Новоселова Н.А. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ АНАЛИЗА МЕДИКО-БИОЛОГИЧЕСКИХ ДАННЫХ В ДЕТСКОЙ ЛЕЙКОЗОЛОГИИ. Информатика. 2008;(3(19)):125-132.
Просмотров: 502
Послать статью по эл. почте 