Абстрактный
Одна из основных проблем в области медицины сегодня заключается в том, как использовать огромное количество данных, которые генерирует эта область. Для этого требуются подходы, способные открывать знания, полезные для принятия решений в области медицины. Временные ряды — это типы данных, которые распространены в медицинской сфере и требуют специальных методов и инструментов анализа, особенно если информация, представляющая интерес для специалистов, сосредоточена в определенных областях временных рядов, известных как события.
Это исследование следовало шагам, указанным в так называемом процессе обнаружения знаний в базах данных (KDD) для обнаружения знаний из медицинских временных рядов, полученных из стабилометрических (396 серий) и электроэнцефалографических (200) электронных медицинских карт (EHR) пациентов. Представление, предлагаемое в статье, основано на опыте, накопленном в рамках проекта VIIP.
Обнаружение знаний в медицинских временных рядах имеет ряд трудностей и последствий, которые подчеркнуты иллюстрацией применения нескольких методов, охватывающих весь процесс KDD, посредством двух тематических исследований.
Эта статья иллюстрирует применение различных методов обнаружения знаний для целей классификации в вышеуказанных областях. Точность этого приложения для двух классов, рассматриваемых в каждом случае, составляет 99,86% и 98,11% для диагностики эпилепсии в области электроэнцефалографии (ЭЭГ) и 99,4% и 99,1% для классификации спортивных талантов раннего возраста в области стабилометрии. Методы KDD дают лучшие результаты, чем другие традиционные методы классификации на основе нейронных сетей.
ПОЛНЫЙ ТЕКСТ: http://dx.doi.org/10.1016/j.csbj.2016.05.002
