Dokument opracowany w Bibliotece Głównej Politechniki Śląskiej na podstawie informacji zawartych w opisie bibliograficznym rozprawy doktorskiej, stanowiącym Załącznik nr 1 do Zarządzenia Nr 44/09/10 Rektora Politechniki Śląskiej z dnia 25 maja 2009 r. w sprawie utworzenia Biblioteki Cyfrowej Politechniki Śląskiej
Autor rozprawy doktorskiej: mgr inż. Sebastian Porębski
Tytuł rozprawy doktorskiej w języku polskim:
Wspomaganie diagnozy medycznej na podstawie rozmytych reguł warunkowych
Tytuł rozprawy doktorskiej w języku angielskim:
Medical diagnosis support using fuzzy if-then rules
Promotor rozprawy doktorskiej: dr hab. inż. Ewa Straszecka, prof. w Pol. Śl. Jednostka prowadząca przewód doktorski:
Politechnika Śląska, Wydział Automatyki, Elektroniki i Informatyki
Słowa kluczowe:
wspomaganie diagnozy, wydobywanie reguł diagnostycznych, teoria zbiorów rozmytych, teoria Dempstera-Shafera
Streszczenie rozprawy doktorskiej w języku polskim:
Praca porusza temat wydobywania wiedzy z danych medycznych. Uwagę poświęca się nieprecyzyjności objawów oraz niepewności wiedzy medycznej występującej podczas diagnozy. Badania mają na celu zbadanie możliwości wykorzystania wydobytej wiedzy w zagadnieniach wspomagania diagnozy medycznej za pomocą reguł. Najefektywniejszym wykorzystaniem przeprowadzonych w rozprawie badań we wspomaganiu diagnozy medycznej jest dostarczenie elektronicznego systemu wspomagania diagnozy. W rozprawie, korzystając z danych medycznych w postaci tzw. danych benchmarkowych, weryfikuje się proponowane metody mające na celu udoskonalenie i ułatwienie procesu diagnozy na podstawie danych medycznych.
Na podstawie przeprowadzonych już badań, których wyniki są zawarte w opublikowanych przez autora pracach, teoria Dempstera-Shafera została wybrana jako metoda dostarczająca wygodnego mechanizmu wspomagania diagnozy tj. miary przekonania. Natomiast teoria zbiorów rozmytych oraz teoria możliwości są wykorzystane jako narzędzia przetwarzania informacji nieprecyzyjnej. Rozszerzenie teorii Dempstera-Shafera na rozmyte elementy ogniskowe pozwala wzbogacić mechanizm wnioskowania w obliczu niepewności o aspekt przetwarzania czynnika nieprecyzyjności.
Drugim, równie kluczowym, aspektem jest analiza sposobu wyodrębniania rozmytych reguł warunkowych z danych medycznych. Aby zapewnić zrozumiałość systemu wspomagania decyzji diagnostycznej i umożliwić przyszłą współpracę z ekspertem medycznym, koniecznym wydaje się aby sam mechanizm wydobywania reguł mógł zostać zinterpretowany i poddany krytyce. W pracy przedstawiono tok myślowy prowadzący do zaproponowania kolejnych algorytmów opartych na iteracyjnym wydobywaniu reguł diagnostycznych.
Dokument opracowany w Bibliotece Głównej Politechniki Śląskiej na podstawie informacji zawartych w opisie bibliograficznym rozprawy doktorskiej, stanowiącym Załącznik nr 1 do Zarządzenia Nr 44/09/10 Rektora Politechniki Śląskiej z dnia 25 maja 2009 r. w sprawie utworzenia Biblioteki Cyfrowej Politechniki Śląskiej
Streszczenie rozprawy doktorskiej w języku angielskim:
The work deals with knowledge extraction from medical data. Attention is paid to the symptom imprecision and the uncertainty of medical knowledge during the diagnosis. The research aims to examine the usability of extracted rules in the medical diagnosis support. The most effective use of methods presented in the thesis in diagnosis support is to provide an electronic diagnostic support system. Using benchmark medical data, the proposed methods are examined to improve and facilitate the diagnosis process.
Based on the research already done, the results of which are published by the author, the Dempster-Shafer theory is chosen as a method providing a convenient mechanism for diagnosis support, i.e. belief measure. The fuzzy set and possibility theories are used to process imprecise information. The extension of the Dempster-Shafer theory to fuzzy focal elements allows boosting the mechanism of uncertain diagnosis with consideration of symptom imprecision.
The second equally important aspect is the analysis of how to synthesize fuzzy if-then rules from medical data. To provide diagnosis support system readability and allow future cooperation with medical experts, it is necessary to design interpretable rule extraction method. The work presents a process of research and development of algorithms based on diagnostic rule extraction.