| Title: | Классификация синдромов вирусного гепатита на основе методов интеллектуального анализа данных |
| Other Titles: | Classification of viral hepatitis syndromes based on data mining methods |
| Authors: | Хидирова, Ч. М. |
| Keywords: | материалы конференций;интеллектуальный анализ данных;многокритериальное ранжирование;вирусный гепатит;data mining;mаnifоld ranking;viral hepatitis |
| Issue Date: | 2020 |
| Publisher: | БГУИР |
| Citation: | Хидирова, Ч. М. Классификация синдромов вирусного гепатита на основе методов интеллектуального анализа данных = Classification of viral hepatitis syndromes based on data mining methods / Ч. М. Хидирова // Медэлектроника – 2020. Средства медицинской электроники и новые медицинские технологии : сборник научных статей XII Международной научно-технической конференции, Минск, 10 декабря 2020 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2020. – С. 138–145. |
| Abstract: | В этой статье предлагается новый метод интеллектуального анализа данных, основанный на многокритериальном ранжировании (МР), для изучения взаимосвязи между синдромами и симптомами вирусного гепатита. Поскольку МР может использовать данные симптомов с экспертной дифференциацией и данные симптомов без экспертной дифференциации в задачу классификации синдромов, клиническая информация, используемая для моделирования признаков синдрома, значительно расширена, чтобы повысить точность классификации синдромов. Предложенный метод классификации синдромов может также избежать двух недостатков предыдущих методов: линейная связь клинических данных и взаимоисключающих симптомов между различными синдромами. Это может помочь более эффективно использовать скрытую связь между синдромами и симптомами. Улучшение точность классификации синдромов может быть достигнуто в соответствии с экспериментальными результатами и клиническими экспертами. |
| Alternative abstract: | In this paper, a novel data mining method based on manifold ranking (MR) is proposed to explore the relation between syndromes and symptoms for viral hepatitis. Since MR could take the symptom data with expert differentiation and the symptom data without expert differentiation into the task of syndrome classification, the clinical information used for modeling the syndrome features is greatly enlarged so as to improve the precise of syndrome classification. The proposed method of syndrome classification could also avoid two disadvantages in previous methods: linear relation of the clinical data and mutually exclusive symptoms among different syndromes. It could help exploit the latent relation between syndromes and symptoms more effectively. Better performance of syndrome classification is able to be achieved according to the experimental results and the clinical experts. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/41827 |
| Appears in Collections: | Медэлектроника - 2020
|
