Analiza wybranych własności modeli pajęczynowych wzorców medycznych w procesie wspomagania diagnozowania medycznego
|
|
- Jacek Pawłowski
- 9 lat temu
- Przeglądów:
Transkrypt
1 BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH (2012) Analiza wybranych własności modeli pajęczynowych wzorców medycznych w procesie wspomagania diagnozowania medycznego P. DŁUGOSZ pdlugosz@wat.edu.pl Instytut Systemów Informatycznych Wydział Cybernetyki Wojskowej Akademii Technicznej ul. S. Kaliskiego 2, Warszawa W pracy przedstawiono możliwość zastosowania mechanizmów wnioskowania diagnostycznego wykorzystujących modele pajęczynowe zdefiniowane w wielokryterialnej przestrzeni danych medycznych pacjenta. Istotą rozpatrywanego problemu jest wyznaczenie wstępnej diagnozy medycznej w oparciu o stwierdzone symptomy chorobowe, czynniki ryzyka bądź otrzymane w wyniku dodatkowych badań parametry medyczne. Słowa kluczowe: matematyczny model obiektu, modelowanie pajęczynowe, optymalizacja wielokryterialna, wzorzec medyczny, model pajęczynowy stanu zdrowia pacjenta, dokładność modelu, diagnoza medyczna. 1. Wprowadzenie Mechanizm ustalania diagnozy medycznej może być realizowany bezpośrednio przez personel medyczny bądź z uwzględnieniem wspomagania komputerowego. Gwałtowny rozwój technologii informatycznych sprawił, że systemy informatyczne zaczęły pełnić istotną rolę również w medycznych procesach decyzyjnych. MYCIN, HELP, DXplain, MET, ACORN to tylko niektóre z typowych systemów diagnostycznych ułatwiających na co dzień pracę lekarzom. Istnieje wiele możliwych do przyjęcia koncepcji modelowania: sieci bayesowskie zbiory rozmyte zbiory przybliżone koncepcje wzorców modele wielokryterialne [1, 2]. W pracy przedstawiono możliwości wykorzystania koncepcji modelowania pajęczynowego w diagnozowaniu medycznym [4]. Diagnoza medyczna jest ustalana na podstawie porównań graficznych obrazów reprezentujących stan zdrowia pacjenta z obrazami wzorców chorobowych. W tym procesie można wyróżnić dwa główne etapy: 1) etap wstępnego kwalifikowania medycznego opierający się o stwierdzone symptomy chorobowe oraz czynniki ryzyka; 2) etap rozszerzonej kwalifikacji medycznej uwzględniający parametry wykonanych przez pacjenta badań medycznych. 2. Rozszerzony model opisowy jednostki chorobowej Formalnie matematyczny model jednostki chorobowej można zdefiniować następująco:,,, (2.1) gdzie:,,,, zbiór numerów symptomów chorobowych -tej jednostki chorobowej,,,,, zbiór numerów czynników ryzyka choroby -tej,,,,, zbiór numerów parametrów medycznych -tej jednostki chorobowej, liczba wszystkich rozpoznanych symptomów chorobowych dla -tej jednostki chorobowej, liczba wszystkich rozpoznanych czynników ryzyka dla -tej jednostki chorobowej, liczba wszystkich parametrów medycznych rozpoznanych dla -tej jednostki chorobowej. Przykładowo model matematyczny stanu zdrowia pacjenta, zdefiniowany na podstawie występujących symptomów chorobowych i czynników ryzyka, przyjmie postać pary [3]:,, (2.2) gdzie:, ;,, ; 11
2 P. Długosz, Analiza wybranych własności modeli pajęczynowych, stwierdzone u pacjenta symptomy chorobowe i czynniki chorobowe [3]. Kluczowe znaczenie na etapie wstępnego kwalifikowania medycznego ma skuteczność wywiadu lekarskiego z pacjentem. Produktem takiej rozmowy są zbiory rozpoznanych symptomów chorobowych oraz czynników ryzyka. Na tym etapie często ma się do czynienia z niepełnością zbiorów, czyli mogą one zawierać mniejszą liczbę przesłanek chorobowych niż wzorzec konkretnej choroby. Można wtedy mówić o stopniu dokładności danego modelu pajęczynowego obiektu (stanu zdrowia pacjenta). Zgodnie z definicją 2.1 w pracy [4] modelem M-dokładnym obiektu x nazywa się model uwzględniający tylko M spośród N najważniejszych cech obiektu. Próba stworzenia modelu opisowego stanu zdrowia pacjenta prowadzi do konstrukcji modelu pajęczynowego odnoszącego się do stwierdzonych symptomów chorobowych oraz modelu pajęczynowego w ujęciu czynników ryzyka. Ponadto wykonanie dodatkowych specjalistycznych badań pozwala na dopełnienie ich trzecim zawierającym wartości poszczególnych parametrów medycznych. Dla każdego modelu z osobna określa się jego dokładność. W rozpoznaniu choroby ważne jest określenie istotności konkretnego symptomu chorobowego, czynnika ryzyka lub parametru medycznego [2]. Owa istotność jest tu rozumiana jako wpływ danego elementu na wystąpienie konkretnej choroby. 0,10, (2.3) 0,10, (2.4) 0,10, (2.5) Przykładowo, ciężar gatunkowy dolegliwości kaszel w diagnostyce astmy oskrzelowej będzie dużo mniejszy niż ciężar parametrów medycznych otrzymanych w wyniku przeprowadzania badań radiologicznych. Symptomy Czynniki Parametry medyczne chorobowe ryzyka Biegunki lub zaparcia Wiek > 55 lat Wyniki badań histologicznych Ból i obrzęk Utrzymująca Immunohistochemiczne stawów się infekcja odczyny bakteryjna Zespół cieśni Obecność Badanie morfologiczne nadgarstka innych chorób dot. podskórnej tkanki przewlekłych tłuszczowej powłoki najczęściej brzusznej dolegliwości stawowe Białkomocz Parametry medyczne zazwyczaj wyraża się konkretną wartością, przedziałem ich wartości lub procentowo (jako np. odchylenie od założonej normy). W przypadku symptomów chorobowych i czynników mamy niestety do czynienia z subiektywną oceną lekarską. Ponadto trudno za pomocą reprezentacji liczbowej wyrazić kaszel lub ból gardła. Możliwe jest natomiast wyrażenie w sposób liczbowy nasilenia się danego objawu bądź czynnika ryzyka. Często wartości te dobierane są z przedziału [0;1] jako: opis intensywności występujących objawów (0 brak, 1 bardzo silne) opis wpływu czynnika na wystąpienie choroby (0 nieistotne, 1 pewne). 3. Wstępne rozpoznanie choroby Mechanizm ustalania diagnozy medycznej oparty jest o symptomy chorobowe, czynniki ryzyka oraz parametry medyczne. Przykładowe zbiory dla choroby skrobiawica przedstawia poniższa tabela. Rys. 1. Schemat diagnozowania pacjenta z wykorzystaniem modeli pajęczynowych Postawienie diagnozy, zarówno w przypadku posiadania podstawowego zbioru symptomów chorobowych i czynników ryzyka, jak i rozszerzonego zbioru uzupełnionego o parametry 12
3 BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH (2012) badań medycznych, odbywa się metodą porównawczą. Porównuje się modele pajęczynowe opisujące aktualny stan zdrowia pacjenta z modelami pajęczynowymi reprezentującymi wzorce jednostek chorobowych zdefiniowane przez grono specjalistów medycznych. Sam proces porównań może być bardzo złożony, skomplikowany i oparty o różne charakterystyki. Określenie [3] Modelem pajęczynowym dowolnego obiektu y nazywa się zbiór (3.1) gdzie: zbiór w postaci wieloboku o wierzchołkach,,, funkcja modelowania pajęczynowego przyporządkowująca każdemu elementowi zbiór, pewien zbiór wyznaczony na płaszczyźnie, np. w układzie współrzędnych biegunowych w następujący sposób:, 0, 0 2 } (3.2) Liczba 0 nazywana jest zakresem przestrzeni, natomiast para, to współrzędne punktu. Tworząc graficzną reprezentację modelu stanu zdrowia pacjenta, należy opracować trzy modele: 1) model pajęczynowy uwzględniający rozpoznane symptomy chorobowe; 2) model pajęczynowy uwzględniający czynniki ryzyka; 3) model pajęczynowy uwzględniający parametry medyczne uzyskane w wyniku specjalistycznych badań medycznych. Wierzchołki każdego z modeli nanoszone są na płaszczyznę z uwzględnieniem wartości poszczególnych cech (wartość ) oraz liczby ujętych cech istotnych (co wyznacza kąt obrotu między poszczególnymi osiami). 4. Opis przykładowej choroby Przewlekła białaczka limfocytowa (CLL) jest najczęstszym typem białaczki występującej u osób dorosłych. Stanowi ok % wszystkich postaci tej choroby. Choroba dotyka głównie osoby starsze powyżej 55 roku życia, najczęściej jednak mediana wieku zdiagnozowania choroby przypada na okres między 65 a 70 rokiem życia. Zagrożone są szczególnie osoby, które mają styczność z promieniowaniem jonizującym, są zawodowo narażone na benzen, stosowały chemioterapię w innych chorobach. Ponadto wpływ mają także czynniki obecne w środowisku, takie jak: palenie tytoniu, pestycydy, rozpuszczalniki organiczne, produkty przerobu ropy naftowej, a także choroby genetyczne lub choroby układu krwionośnego. CLL charakteryzuje się nagromadzeniem niedojrzałych czynnościowo krwinek białych (limfocytów) w szpiku, we krwi, w węzłach chłonnych, śledzionie i innych narządach. Na początku choroba przebiega bezobjawowo, a jej wykrycie jest przypadkowe w trakcie rutynowych badań. Typowymi objawami klinicznymi są: utrata masy ciała (ponad 10% masy ciała w ciągu 6 miesięcy), podwyższenie temperatury ciała bez cech infekcji osłabienie niebolesne powiększenie węzłów chłonnych ogólne uczucie pełności będące konsekwencją powiększenia śledziony i wątroby wzmożona potliwość. Po rozpoznaniu symptomów chorobowych często potwierdza się przypuszczenia dotyczące choroby, zlecając wykonanie specjalistycznych badań medycznych. W przypadku chorób nowotworowych są to np.: badania OB badania morfologiczne, gdzie szczególnie bierze się pod uwagę ilość leukocytów, limfocytów, monocytów, trombocytów, erytrocytów oraz żelaza badania cytologiczne, wykorzystując metodę złuszczania bądź aspiracyjną badania rozmazów krwi (analiza zawartości granulocytów w pobranej próbce krwi). Dla ułatwienia można założyć, że powyżej wskazane symptomy chorobowe, czynniki ryzyka oraz parametry medyczne stanowią zbiory w pełni identyfikujące konkretną jednostkę chorobową. Każda z takich cech opisywana jest wartością istotności oraz nasileniem lub procentowym odchyleniem od normy. Dla przykładowego wzorca jednostki chorobowej (przewlekłej białaczki limfocytowej) wartości poszczególnych cech zaprezentowano poniżej. Nie są to wartości sprecyzowane przez specjalistów i służą jedynie jako przykład: 13
4 P. Długosz, Analiza wybranych własności modeli pajęczynowych Objaw chorobowy Utrata masy ciała Podwyższenie temperatury ciała bez cech infekcji SYMPTOMY CHOROBOWE Istotność/wpływ Intensywność (%) ,5 60 Osłabienie 0,4 80 Niebolesne powiększenie węzłów chłonnych Powiększenie śledziony Powiększenie wątroby Wzmożona potliwość 1, ,6 35 CZYNNIKI RYZYKA Czynnik ryzyka Istotność/ wpływ (%) Intensywność (%) Wiek > 55 lat 1,4 100 Styczność z promieniowaniem 0,2 95 jonizującym Styczność z benzenem 0,5 95 Stosowanie chemioterapii 2,5 60 Palenie tytoniu 0,2 98 Styczność z pestycydami 0,6 85 Styczność z rozpuszczalnikami 0,3 90 organicznymi Choroby genetyczne 2 60 Przebyte chorobowy układu krwionośnego 2 75 Styczność z produktami przerobu ropy naftowej 0,3 85 PARAMETRY MEDYCZNE Parametr medyczny Istotność/ wpływ [0-10] Odchylenie od normy (%) Badanie OB 1,5 100 Liczba leukocytów 1,4 30 Liczba limfocytów 2 20 Liczba monocytów 1,5 40 Liczba trombocytów 0,4 60 Liczba erytrocytów 0,6 60 Ilość żelaza 0,4 90 Badanie cytologiczne 1 15 Badanie rozmazowe liczba neutrofili 0,6 25 Badanie rozmazowe liczba bazofili 0,6 25 A6 (1,7) A7 (0,21) A1 A5 (2,7) A2 (0,3) A3 A4 Rys. 2. Model pajęczynowy białaczki utworzony na podstawie symptomów chorobowych A9(1,5) A10(0,255) A1(1,4) A8(1,2) A2(0,19) A7(0,27) A3(0,475) A6(0,51) A5(0,196) A4(1,5) Rys. 3. Model pajęczynowy białaczki utworzony na podstawie czynników ryzyka 14
5 BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH (2012) A4 (0,9) A1(1,5) B4 (0,6) A10(1,5) A9(0,15) A8(0,15) A7(0,36) A2(0,42) A3(0,4) A4(0,6) A5(0,24) A6(0,36) D4 (0,4) P4 (0,3) C2 (0,2) A3 (0,7) P3 (0,4) B3 (0,2) B1,D1 D3 (0,5) C3 (0,3) A1 (0,2) D2 (0,7) A2,B2 (0,3) C2 (0,4) P1 (0,6) C1 (0,5) P2 (0,8) Rys. 4. Model pajęczynowy białaczki utworzony na podstawie parametrów medycznych Powyższe modele stanowią graficzną reprezentację jednostki chorobowej (przewlekła białaczka limfocytowa). Tak określona jednostka chorobowa stanowi podstawę porównań z modelem stanu zdrowia pacjenta. Zakłada się, iż modele pajęczynowe będą stanowiły kluczowy element repozytoriów medycznych wykorzystywany w procesach diagnozowania. Obszar możliwych porównań jest stosunkowo duży. W pracy tej skupiono się na dokonaniu porównań odległościowych pomiędzy punktami leżącymi na tych samych osiach w modelach pajęczynowych stanu zdrowia pacjenta oraz jednostek chorobowych. Poniżej przedstawiona jest tablica zawierająca wartości poszczególnych cech przykładowych czterech jednostek chorobowych oraz modelu stanu zdrowia badanego pacjenta. Poniższe wartości wyznaczają punkty wierzchołkowe modeli pajęczynowych. Przedstawione wartości zostały poddane procesowi normalizacji. Istotność Wzorzec 1 (A) Wzorzec 2 (B) Wzorzec 3 (C) Wzorzec 4 (D) (P) 3 0,2 0,4 0,5 0,4 0,6 1 0,3 0,3 0,4 0,1 0,8 2 0,7 0,2 0,3 0,5 0,4 4 0,9 0,6 0,2 0,4 0,3 Rys. 5. Model pajęczynowy stanu zdrowia pacjenta i przykładowych czterech jednostek chorobowych Porównując wartości przypisane pacjentowi i poszczególnym wzorcom, wyznacza się różnice odległości pomiędzy wierzchołkami znaj-dującymi się na tych samych osiach. Rezultatem jest poniższa macierz. Istotność Wz1 Wz2 Wz3 3 0,4 0,2 0,1 0,2 1 0,5 0,5 0,4 0,7 2 0,3 0,2 0,1 0,1 4 0,6 0,3 0,1 0,1 Wz4 Powyższa tablica nie uwzględnia jednak ciężaru gatunkowego poszczególnych cech. Uwzględniając ich istotność w procesie diagnozowania, otrzymuje się następujące wartości: Istotność Wz1 Wz2 Wz3 Wz4 3 1,2 0,6 0,3 0,6 1 0,5 0,5 0,4 0,7 2 0,6 1,0 0,2 0,2 4 2,4 1,2 0,4 0,4 Suma 4,7 2,4 1,3 1,9 Prawdopodobieństwo wystąpienia choroby reprezentowanej przez konkretny wzorzec jest tym większe, im mniejsza jest suma odległości jego wierzchołków od odpowiadających wierzchołków modelu stanu zdrowia pacjenta. Tym samym można mówić o pomiarze odległości pomiędzy poszczególnymi modelami pajęczynowymi. Dla podanego przykładu choroba nr 3 cechuje się największym prawdopodobieństwem wystąpienia. Natomiast wystąpienie choroby nr 1 jest najmniej prawdo- 15
6 P. Długosz, Analiza wybranych własności modeli pajęczynowych podobne ze względu na fakt, iż odległość w powyższym sensie jej modelu pajęczynowego od modelu pajęczynowego pacjenta jest największa. W ustaleniu odległości pomiędzy odpowiednimi wierzchołkami wzięto pod uwagę znaczenie odpowiednich cech (ich wpływ) na wystąpienie konkretnej choroby., (4.1) gdzie: suma ważona odległości wierzchołków modelu stanu zdrowia pacjenta od wierzchołków, modelu jednostki chorobowej, wartość i-tej cechy, waga i-tej cechy. Możliwe jest porównywanie ze sobą modeli na podstawie ważonej odległości wierzchołków przyjmując, z dużym uproszczeniem, że jest to odległość pomiędzy obrazami pajęczynowymi poszczególnych modeli. Nie zawsze jednak wyższa wartość pewnej cechy (symptomu chorobowego, czynnika ryzyka lub parametru medycznego) oznacza wyższe prawdopodobieństwo wystąpienia danej choroby. Jeśli wartość przykładowej cechy γ jest dużo większa od wartości tej cechy we wzorcu chorobowym, nie musi to oznaczać większego prawdopodobieństwa wystąpienia danej choroby. Model stanu zdrowia pacjenta u pacjenta choroby nr 2 jest bardziej prawdopodobne niż zachorowania na chorobę nr 1. Warto jednak uwzględnić istotny aspekt nasilenia się konkretnych objawów. Przyjmując, iż powyższy model przedstawia nasilenie się poszczególnych symptomów chorobowych, to racjonalnym podejściem jest założenie, iż to właśnie choroba nr 1 z racji dużo większego nasilenia się objawów jest tą bardziej prawdopodobną. Kompromisem dla obu podejść jest wprowadzenie dodatkowego współczynnika. Niech: wartości i-tej cechy w modelu stanu zdrowia pacjenta, wartość i-tej cechy w modelu jednostki chorobowej, współczynnik kierunku nasilenia się cech chorobowych. Jeżeli, to 1. Jeżeli, to 1. Jak można zauważyć, współczynnik wzrostu wartości cech przyjmuje wartość { 1} lub {1}. Uwzględniając współczynnik, w powyższym przykładzie otrzymujemy następującą macierz wartości: Istotność Wz1 Wz2 Wz3 Wz4 3 0,4 0,2 0,1 0,2 1 0,5 0,5 0,4 0,7 2 0,3 0,2 0,1 0,1 4 0,6 0,3 0,1 0,1 a po uwzględnieniu istotności poszczególnych cech Model jednostki chorobowej nr 2 Model jednostki chorobowej nr 1 Rys. 6. Przedstawienie problemu zawierania się poszczególnych modeli pajęczynowych Najbardziej zewnętrzna pajęczyna to model wykonany dla zobrazowania stanu zdrowia pacjenta. Odległość tego modelu od modelu jednostki chorobowej nr 2 jest mniejsza niż w przypadku odległości od jednostki chorobowej nr 1. Z punktu widzenia zaproponowanej wcześniej metody odległościowej wystąpienie Istotność Wz1 Wz2 Wz3 Wz4 3 1,2 0,6 0,3 0,6 1 0,5 0,5 0,4 0,7 2 0,6 1,0 0,2 0,2 4 2,4 1,2 0,4 0,4 Suma: 1,3 1,1 1,3 0,7 Całkowita odległość modelu pajęczynowego pacjenta od modeli pajęczynowych jednostek chorobowych pozwala wyznaczyć ranking prawdopodobieństw wystąpienia poszczególnych chorób. Jednostka chorobowa, dla której obliczona suma odległości jest największa, charakteryzuje się najwyższym prawdopodobieństwem wystąpienia. Analogicznie najmniejsza wartość równoznaczna jest z najniższym prawdopodobieństwem zachorowania na daną chorobę. 16
7 BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH (2012) Dla powyższego przykładu otrzymano następujący ranking: choroba nr 3 choroba nr 4 choroba nr 2 choroba nr 1. Dla ustalenia poprawnej diagnozy medycznej analiza przeprowadzona w zaprezentowanym przykładzie powinna uwzględniać zarówno stwierdzone symptomy chorobowe, czynniki ryzyka jak i uzyskane parametry badań medycznych. Rezultatem takiej analizy powinno być otrzymanie trzech rankingów: ranking możliwych chorób wynikających ze stwierdzonych symptomów chorobowych ranking możliwych chorób wynikających ze stwierdzonych czynników ryzyka ranking możliwych chorób wynikających z uzyskanych parametrów medycznych. Subiektywnej ocenie lekarskiej należy oddać to, który z otrzymanych rankingów będzie stanowił najwyższą wartość w procesie diagnozowania medycznego. Z medycznego punktu widzenia ranking powstały w wyniku analizy parametrów medycznych posiada najwyższą wagę w procesie diagnozowania. 5. Podsumowanie Przedstawione w tym artykule rozważania dotyczą możliwości wykorzystania modeli pajęczynowych w diagnostyce medycznej. Graficzna prezentacja stanu zdrowia pacjenta oraz jednostek chorobowych pozwala na przeprowadzenie analizy jakościowej modelowanych obiektów. Przedstawione w artykule obiekty opisane zostały zbiorami symptomów chorobowych, czynników ryzyka i parametrów medycznych. Duża liczność powyższych zbiorów nie utrudnia w znaczący sposób interpretacji graficznej, która stanowi podstawę do implementacji systemu wspomagającego pracę personelu medycznego na gruncie diagnostyki medycznej. Niewątpliwie dużą zaletą przestrzeni pajęczynowych jest możliwość stworzenia wielokryterialnego modelu w przestrzeni dwuwymiarowej. Jako typowe narzędzie analityczne pozwala na badanie zależności pomiędzy modelowanymi obiektami z uwzględnieniem różnego rodzaju charakterystyk. Dużą część artykułu poświęcono metodzie analizy wzajemnej odległości modeli pajęczynowych. Jest ona jedną z wielu metod interpretacji zależności pomiędzy tymi graficznymi reprezentacjami obiektów. Pomocna w procesie ustalania diagnozy medycznej może być także analiza charakterystyk powierzchniowych (wspólne obszary poszczególnych modeli pajęczynowych). 6. Bibliografia [1] A. Ameljańczyk, Optymalizacja wielokryterialna w problemach sterowania i zarządzania, Ossolineum, Wrocław, [2] A. Ameljańczyk, Multiple optimization (in Polish), WAT, Warszawa [3] A. Ameljańczyk, Wielokryterialne mechanizmy wspomagania podejmowania decyzji medycznych w modelu repozytorium w oparciu o wzorce, Biuletyn Instytutu Systemów Informatycznych, Nr 5, str. 1 6 (2010). [4] A. Ameljańczyk, Matematyczne aspekty modelowania pajęczynowego obiektów, Biuletyn Instytutu Systemów Informatycznych, Nr 4, str (2009). [5] R.S. Porter, J.L. Kaplan, B.P. Homeier, The Merc Manual. Objawy kliniczne. Praktyczny przewodnik diagnostyki i terapii, Elsevier Urban & Partner, Wrocław, 2010 (wyd. 1 polskie). [6] K. Wysocka-Dubielecka, Kogo dotyka białaczka grupy ryzyka, artykuł na portalu abcbiałaczka.pl ( ) [7] Autor nieznany, Przewlekła białaczka limfocytowa przebieg, rokowania, terapia, artykuł z portalu biomedical.pl ( ). [8] J. Gutenbaum, Modelowanie matematyczne systemów, PWN, [9] W. Duch, Rewolucja informatyczna w medycynie, /98kardiol.pdf. [10] R. Słowiński, Metodyka konstrukcji komputerowych systemów wspomagania decyzji w oparciu o wiedzę odkrytą z danych, Przegląd techniczny, Nr 25 (2005). [11] E. Straszecka, Wspomaganie diagnozy medycznej z zastosowaniem miar pewności i precyzyjności, praca naukowa dla Ministerstwa Nauki i Informatyzacji w Warszawie. [12] J. Makal, Medical Diagnosis as the result of multiparameter indirect measurement, IV Międzynarodowa Konferencja dot. Pomiarów, Smolenice Castle, Słowacja,
8 P. Długosz, Analiza wybranych własności modeli pajęczynowych The analysis of selected properties of medical patterns cobweb models in the medical diagnosis support process P. DŁUGOSZ This article demonstrates opportunities of using so-called cobweb modelling method in the process of early medical diagnosis. The paper shows how to create n-dimension cobweb model of patient health or disease pattern. This model is based on symptoms of disease, risk factors and medical data. The article contains a description of a method to analyze the probability of the occurrence of some diseases. As a result, cobweb modelling can be used for creating a medical decision support system. Keywords: n-dimensional cobweb model of the patient health or disease pattern, clinical decision support. 18
BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH
WOJSKOWA AKADEMIA TECHNICZNA BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH WARSZAWA NR 10/2012 BIULETYN INSTYTUTU SYSTEMÓW INFORMATYCZNYCH KOLEGIUM REDAKCYJNE prof. dr hab. inż. Andrzej Ameljańczyk dr hab.
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji
Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki
Komputerowa diagnoza medyczna tworzenie i interpretowanie. prof. dr hab. inż. Andrzej Walczak
Komputerowa diagnoza medyczna tworzenie i interpretowanie prof. dr hab. inż. Andrzej Walczak Agenda 1. Po co budujemy komputerowe wspomaganie diagnostyki medycznej? 2. Wymagania na IT wdrażane w medycynie
CZĘŚĆ SZCZEGÓŁOWA NAJCZĘSTSZE NOWOTWORY OBJAWY, ROZPOZNAWANIE I LECZENIE
CZĘŚĆ SZCZEGÓŁOWA ROZDZIA 4 NAJCZĘSTSZE NOWOTWORY OBJAWY, ROZPOZNAWANIE I LECZENIE Arkadiusz Jeziorski W Polsce do lekarzy onkologów zgłasza się rocznie ponad 130 tysięcy nowych pacjentów; około 80 tysięcy
Fundusze Europejskie dla rozwoju innowacyjnej gospodarki
Fundusze Europejskie dla rozwoju innowacyjnej gospodarki WOJSKOWA AKADEMIA TECHNICZNA 2010-12-17 Modelowanie repozytorium i analiza efektywności informacyjnej wytycznych i ścieżek klinicznych w służbie
ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ĆWICZENIE 4 WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH Cel ćwiczenia: - zapoznanie z podstawowymi metodami wyznaczania optymalizowanych procedur diagnozowania (m. in. z metodą skuteczności
ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI
Wstęp ZASTOSOWANIE PROGRAMOWANIA LINIOWEGO W ZAGADNIENIACH WSPOMAGANIA PROCESU PODEJMOWANIA DECYZJI Problem podejmowania decyzji jest jednym z zagadnień sterowania nadrzędnego. Proces podejmowania decyzji
ZAPROSZENIE NA BADANIA PROFILAKTYCZNE WYKONYWANE W RAMACH PODSTAWOWEJ OPIEKI ZDROWOTNEJ ( )
ZAPROSZENIE NA BADANIA PROFILAKTYCZNE WYKONYWANE W RAMACH PODSTAWOWEJ OPIEKI ZDROWOTNEJ (2015-08-03) PROFILAKTYKA CHORÓB UKŁADU KRĄŻENIA ADRESACI - Osoby zadeklarowane do lekarza POZ, w wieku 35, 40, 45,
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Przykłady opóźnień w rozpoznaniu chorób nowotworowych u dzieci i młodzieży Analiza przyczyn i konsekwencji
PROGRAM POPRAWY WCZESNEGO WYKRYWANIA I DIAGNOZOWANIA NOWOTWORÓW U DZIECI W PIĘCIU WOJEWÓDZTWACH POLSKI Przykłady opóźnień w rozpoznaniu chorób nowotworowych u dzieci i młodzieży Analiza przyczyn i konsekwencji
WYZNACZANIE OPTYMALIZOWANYCH PROCEDUR DIAGNOSTYCZNO-OBSŁUGOWYCH
ZAKŁAD EKSPLOATACJI SYSTEMÓW ELEKTRONICZNYCH INSTYTUT SYSTEMÓW ELEKTRONICZNYCH WYDZIAŁ ELEKTRONIKI WOJSKOWA AKADEMIA TECHNICZNA ---------------------------------------------------------------------------------------------------------------
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory
Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl
Aktywność fosfatazy alkalicznej w neutrofilach u pacjentów z przewlekłą białaczką szpikową
Aktywność fosfatazy alkalicznej w neutrofilach u pacjentów z przewlekłą białaczką szpikową Radosław Charkiewicz praca magisterska Zakład Diagnostyki Hematologicznej Uniwersytet Medyczny w Białymstoku Przewlekła
Diagnostyka i leczenie nowotworów nerki, pęcherza moczowego i gruczołu krokowego. Zarys Projektu
Diagnostyka i leczenie nowotworów nerki, pęcherza moczowego i gruczołu krokowego Zarys Projektu Dr n. med. Roman Sosnowski Klinika Nowotworów Układu Moczowego, Centrum Onkologii Projekt współfinansowany
Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski
Systemy ekspertowe i ich zastosowania Katarzyna Karp Marek Grabowski Plan prezentacji Wstęp Własności systemów ekspertowych Rodzaje baz wiedzy Metody reprezentacji wiedzy Metody wnioskowania Języki do
Weryfikacja hipotez statystycznych. KG (CC) Statystyka 26 V / 1
Weryfikacja hipotez statystycznych KG (CC) Statystyka 26 V 2009 1 / 1 Sformułowanie problemu Weryfikacja hipotez statystycznych jest drugą (po estymacji) metodą uogólniania wyników uzyskanych w próbie
ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 25 kwietnia 2006 r. w sprawie wymagań dla kandydata na dawcę komórek, tkanek lub narządu
Dz.U.06.79.556 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 25 kwietnia 2006 r. w sprawie wymagań dla kandydata na dawcę komórek, tkanek lub narządu Na podstawie art. 12 ust. 6 ustawy z dnia 1 lipca 2005
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Jeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
MAM HAKA NA CHŁONIAKA
MAM HAKA NA CHŁONIAKA CHARAKTERYSTYKA OGÓLNA Chłoniaki są to choroby nowotworowe, w których następuje nieprawidłowy wzrost komórek układu limfatycznego (chłonnego). Podobnie jak inne nowotwory, chłoniaki
i uczestnika programu o udzieleniu i otrzymaniu danego świadczenia.
Załącznik nr 19 Zestawienie stawek jednostkowych dla Ogólnopolskiego programu nowotworów głowy i szyi Stawki jednostkowe określone poniżej dotyczą świadczeń zdrowotnych, które będą udzielane w ramach wdrażania
Rysunek. Układ limfatyczny.
Informacja dotyczy rodzaju chłoniaka nieziarniczego zwanego chłoniakiem z małych limfocytów B. Warto również przeczytać informacje na temat przewlekłej białaczki limfocytowej (CLL), która jest podobnym
WCZESNE OBJAWY CHOROBY NOWOTWOROWEJ U DZIECI
WCZESNE OBJAWY CHOROBY NOWOTWOROWEJ U DZIECI Elżbieta Adamkiewicz-Drożyńska Katedra i Klinika Pediatrii, Hematologii i Onkologii Początki choroby nowotworowej u dzieci Kumulacja wielu zmian genetycznych
NON-HODGKIN S LYMPHOMA
NON-HODGKIN S LYMPHOMA Klinika Hematologii, Nowotworów Krwi i Transplantacji Szpiku We Wrocławiu Aleksandra Bogucka-Fedorczuk DEFINICJA Chłoniaki Non-Hodgkin (NHL) to heterogeniczna grupa nowotworów charakteryzująca
PLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB
PLATFORMA DO PRZETWARZANIA ZDJĘĆ TOMOGRAFII KOMPUTEROWEJ MÓZGU ORAZ ZDJĘĆ MAMMOGRAFICZNYCH WSPOMAGAJĄCA DIAGNOZOWANIE CHORÓB Międzynarodowa Konferencja Naukowa Studentów Uczelni Medycznych. Kraków, 2009
WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH
Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Biopsja: (odpowiednie podkreślić) 2. zmiany patologicznej w obrębie skóry lub tkanki podskórnej: a. cienkoigłowa, b. gruboigłowa, c.
Informacja dla pacjenta o proponowanej procedurze medycznej oraz oświadczenie o wyrażeniu świadomej zgody na wykonanie biopsji I. Nazwa proponowanej procedury medycznej (zabiegu, badania) 1. węzła chłonnego:
RAPORT ZBIORCZY z diagnozy Matematyka PP
RAPORT ZBIORCZY z diagnozy Matematyka PP przeprowadzonej w klasach drugich szkół ponadgimnazjalnych Analiza statystyczna Wskaźnik Wartość wskaźnika Wyjaśnienie Liczba uczniów Liczba uczniów, którzy przystąpili
Ocena rozprawy na stopień doktora nauk medycznych lekarz Małgorzaty Marii Skuzy
Dr hab. n. med. Elżbieta Jurkiewicz, prof. nadzw. Warszawa, 6 lipca 2016 Kierownik Zakładu Diagnostyki Obrazowej Instytut Pomnik-Centrum Zdrowia Dziecka w Warszawie Ocena rozprawy na stopień doktora nauk
Co to jest termografia?
Co to jest termografia? Słowo Termografia Pochodzi od dwóch słów "termo" czyli ciepło i "grafia" rysować, opisywać więc termografia to opisywanie przy pomocy temperatury zmian zachodzących w naszym organiźmie
SYLABUS DOTYCZY CYKLU KSZTAŁCENIA
SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2015-2021 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu Kod przedmiotu/ modułu* Wydział (nazwa jednostki prowadzącej kierunek) Nazwa jednostki
Wytyczne postępowania dla lekarzy POZ i lekarzy medycyny pracy w zakresie raka nerki, pęcherza moczowego i prostaty 2011
Wytyczne postępowania dla lekarzy POZ i lekarzy medycyny pracy w zakresie raka nerki, pęcherza moczowego i prostaty 2011 Wytyczne postępowania dla lekarzy POZ i lekarzy medycyny pracy w zakresie raka nerki,
Poniżej prezentuję treść własnego wystąpienia w ramach spotkania okrągłego stołu. Główne punkty wystąpienia:
Kwalifikacja do leczenia osteoporozy i kosztoefektywność leczenia osteoporozy w Polsce, polska wersja FRAX konferencja okrągłego stołu podczas IV Środkowo Europejskiego Kongresu Osteoporozy i Osteoartrozy
Baza dla predykcji medycznej
1 rof. Danuta Makowiec Instytut Fizyki Teoretycznej i Astrofizyki UG Kontakt: pok. 353 tel.: 58 523 2466 e-mail danuta.makowiec at gmail.com http://www.fizdm.strony.ug.edu.pl/me/biostatystyka.html Reguła
Elementy modelowania matematycznego
Elementy modelowania matematycznego Modelowanie algorytmów klasyfikujących. Podejście probabilistyczne. Naiwny klasyfikator bayesowski. Modelowanie danych metodą najbliższych sąsiadów. Jakub Wróblewski
PAMIĘTAJ O ZDROWIU! ZBADAJ SIĘ
PAMIĘTAJ O ZDROWIU! ZBADAJ SIĘ Przewodnik po programach profilaktycznych finansowanych przez NFZ Lepiej zapobiegać niż leczyć Program profilaktyki chorób układu krążenia Choroby układu krążenia są główną
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt
Matematyka - Statystyka matematyczna Mathematical statistics 2, 2, 0, 0, 0
Nazwa przedmiotu: Kierunek: Matematyka - Statystyka matematyczna Mathematical statistics Inżynieria materiałowa Materials Engineering Rodzaj przedmiotu: Poziom studiów: forma studiów: obowiązkowy studia
DRUGA OPINIA MEDYCZNA INTER PARTNER ASSISTANCE
DRUGA OPINIA MEDYCZNA INTER PARTNER ASSISTANCE DLACZEGO DRUGA OPINIA MEDYCZNA? Coraz częściej pacjenci oraz ich rodziny poszukują informacji o przyczynach chorób oraz sposobach ich leczenia w różnych źródłach.
RAPORT z diagnozy umiejętności matematycznych
RAPORT z diagnozy umiejętności matematycznych przeprowadzonej w klasach pierwszych szkół ponadgimnazjalnych 1 Analiza statystyczna Wskaźnik Liczba uczniów Liczba punktów Łatwość zestawu Wyjaśnienie Liczba
Algorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Ćwiczenia nr 7. TEMATYKA: Krzywe Bézier a
TEMATYKA: Krzywe Bézier a Ćwiczenia nr 7 DEFINICJE: Interpolacja: przybliżanie funkcji za pomocą innej funkcji, zwykle wielomianu, tak aby były sobie równe w zadanych punktach. Poniżej przykład interpolacji
SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY
SIGMA KWADRAT CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY Weryfikacja hipotez statystycznych Statystyka i demografia PROJEKT DOFINANSOWANY ZE ŚRODKÓW NARODOWEGO BANKU POLSKIEGO URZĄD STATYSTYCZNY
Minister van Sociale Zaken en Volksgezondheid
http://www.maggiedeblock.be/2005/11/18/resolutie-inzake-de-klinischebiologie/ Minister van Sociale Zaken en Volksgezondheid Obecna Minister Zdrowia Maggy de Block wraz z Yolande Avontroodt, i Hilde Dierickx
Testowanie hipotez statystycznych.
Statystyka Wykład 10 Wrocław, 22 grudnia 2011 Testowanie hipotez statystycznych Definicja. Hipotezą statystyczną nazywamy stwierdzenie dotyczące parametrów populacji. Definicja. Dwie komplementarne w problemie
PROPOZYCJA WYKORZYSTANIA KONCEPCJI SZPITALA DOMOWEGO W ORGANIZACJI ŚWIADCZEŃ ZDROWOTNYCH. TEL. 509 088 528; pawel.podsiadlo@outlook.
PROPOZYCJA WYKORZYSTANIA KONCEPCJI SZPITALA DOMOWEGO W ORGANIZACJI ŚWIADCZEŃ ZDROWOTNYCH. TEL. 509 088 528; pawel.podsiadlo@outlook.com KONCEPCJA SZPITALA DOMOWEGO Analiza chorób przewlekłych w Unii Europejskiej.
PLATFORMA DIALOGU DLA ONKOHEMATOLOGII Model kompleksowej i koordynowanej opieki onkohematologicznej Wyniki badania ankietowego
PLATFORMA DIALOGU DLA ONKOHEMATOLOGII Model kompleksowej i koordynowanej opieki onkohematologicznej Wyniki badania ankietowego Warszawa, 24 kwietnia 2018 r. Cancer Care: Assuring quality to improve survival,
RAPORT ZBIORCZY z diagnozy umiejętności matematycznych
RAPORT ZBIORCZY z diagnozy umiejętności matematycznych przeprowadzonej w klasach szóstych szkół podstawowych Analiza statystyczna Wskaźnik Wartość wskaźnika Wyjaśnienie Liczba uczniów Liczba uczniów, którzy
10/15/2016. Reguła. Czułość PV(+) Bayesa. Swoistość PV(-)
A=symptom B= choroba Czułość Swoistość A ~ A ~ Reguła Bayesa ~ B ~ A) PV(+) PV(-) 1 / 2016_10_13 PV ( ) A PV ( ) A A ~ ~ sensitivity * PV ( ) sensitivity * (1 specificity)(1- ) specificity *(1- ) specificity
Informacja prasowa. Ruszył drugi cykl spotkań edukacyjnych dla chorych na szpiczaka mnogiego
Informacja prasowa Ruszył drugi cykl spotkań edukacyjnych dla chorych na szpiczaka mnogiego Warszawa, 28 października Chorzy na szpiczaka mnogiego w Polsce oraz ich bliscy mają możliwość uczestniczenia
Wnioskowanie bayesowskie
Wnioskowanie bayesowskie W podejściu klasycznym wnioskowanie statystyczne oparte jest wyłącznie na podstawie pobranej próby losowej. Możemy np. estymować punktowo lub przedziałowo nieznane parametry rozkładów,
LUBELSKA PRÓBA PRZED MATURĄ 09 MARCA Kartoteka testu. Maksymalna liczba punktów. Nr zad. Matematyka dla klasy 3 poziom podstawowy
Matematyka dla klasy poziom podstawowy LUBELSKA PRÓBA PRZED MATURĄ 09 MARCA 06 Kartoteka testu Nr zad Wymaganie ogólne. II. Wykorzystanie i interpretowanie reprezentacji.. II. Wykorzystanie i interpretowanie
CZY UCZNIOWIE POWINNI OBAWIAĆ SIĘ NOWEGO SPOSOBU OCENIANIA PRAC EGZAMINACYJNYCH?
Aktualne problemy dydaktyki przedmiotów przyrodniczych CZY UCZNIOWIE POWINNI OBAWIAĆ SIĘ NOWEGO SPOSOBU OCENIANIA PRAC EGZAMINACYJNYCH? Marta Jaksender, Robert Zakrzewski*, Anna Wypych-Stasiewicz Uniwersytet
ZBYT PÓŹNE WYKRYWANIE RAKA NERKI ROLA LEKARZA PIERWSZEGO KONTAKTU
ZBYT PÓŹNE WYKRYWANIE RAKA NERKI ROLA LEKARZA PIERWSZEGO KONTAKTU 14 czerwca 2012 r dr n. med. Piotr Tomczak Klinika Onkologii U.M. Poznań Epidemiologia raka nerki RCC stanowi 2 3% nowotworów złośliwych
Statystyki: miary opisujące rozkład! np. : średnia, frakcja (procent), odchylenie standardowe, wariancja, mediana itd.
Wnioskowanie statystyczne obejmujące metody pozwalające na uogólnianie wyników z próby na nieznane wartości parametrów oraz szacowanie błędów tego uogólnienia. Przewidujemy nieznaną wartości parametru
WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Regina B.Podlasin Wojewódzki Szpital Zakaźny w Warszawie
Regina B.Podlasin Wojewódzki Szpital Zakaźny w Warszawie http://www.ptnaids.pl/ Gorączka, zapalenie gardła, powiększenie węzłów chłonnych Zakażenie wirusem Epsteina-Barr (EBV) = mononukleoza zakaźna Zakażenie
Klasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Systemy ekspertowe - wiedza niepewna
Instytut Informatyki Uniwersytetu Śląskiego lab 8 Rozpatrzmy następujący przykład: Miażdżyca powoduje często zwężenie tętnic wieńcowych. Prowadzi to zazwyczaj do zmniejszenia przepływu krwi w tych naczyniach,
Propensity Score Matching
Zajęcia 2 Plan dzisiejszych zajęć 1 Doświadczenia Idealne doświadczenie Nie-idealne doświadczenia 2 Idealne doświadczenie Nie-idealne doświadczenia Plan idealnego doświadczenia (eksperymentu) Plan doświadczenia
Agnieszka Nowak Brzezińska Wykład III
Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe
Młodzieńcze Idiopatyczne Zapalenie Stawów
www.printo.it/pediatric-rheumatology/pl/intro Młodzieńcze Idiopatyczne Zapalenie Stawów Wersja 2016 2. RÓŻNE POSTACI MIZS 2.1 Czy istnieją różne postaci tej choroby? Istnieje kilka postaci MIZS. Różnią
MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH
MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.
Agnieszka Nowak Brzezińska Wykład III
Agnieszka Nowak Brzezińska Wykład III Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną niezależność zmiennych niezależnych (tu naiwność) Bardziej opisowe
Klinice lub Oddziale Chorób Wewnętrznych. LEKARSKI Jednolite studia magisterskie Ogólnoakademicki Stacjonarne / niestacjonarne
SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2018-2024 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu Kod przedmiotu/ modułu* Choroby wewnętrzne P-ChW/P Wydział (nazwa jednostki prowadzącej
Metody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Walczymy z rakiem buuu rakiem! Pod honorowym patronatem Rzecznika Praw Dziecka
Walczymy z rakiem buuu rakiem! Pod honorowym patronatem Rzecznika Praw Dziecka Drodzy Rodzice! W ostatnich latach wyleczalność nowotworów u dzieci i młodzieży wzrosła aż do 70-80%, a w przypadku ostrej
Ocena jakości badania mikroskopowego szpiku kostnego:
Ocena jakości badania mikroskopowego szpiku kostnego: Raz w roku (zimą) wysyłane są barwione preparaty mikroskopowe szpiku i krwi obwodowej. Materiał pochodzi od jednego pacjenta. Do preparatów dołączony
Wektory, układ współrzędnych
Wektory, układ współrzędnych Wielkości występujące w przyrodzie możemy podzielić na: Skalarne, to jest takie wielkości, które potrafimy opisać przy pomocy jednej liczby (skalara), np. masa, czy temperatura.
Koszty POChP w Polsce
Koszty POChP w Polsce Październik 2016 Główne wnioski Przeprowadzone analizy dotyczą kosztów bezpośrednich i pośrednich generowanych przez przewlekłą obturacyjną chorobę płuc. Analiza obejmuje koszty związane
Skale i wskaźniki jakości leczenia w OIT
Skale i wskaźniki jakości leczenia w OIT Katarzyna Rutkowska Szpital Kliniczny Nr 1 w Zabrzu Wyniki leczenia (clinical outcome) śmiertelność (survival) sprawność funkcjonowania (functional outcome) jakość
Statystyka opisowa. Wykład I. Elementy statystyki opisowej
Statystyka opisowa. Wykład I. e-mail:e.kozlovski@pollub.pl Spis treści Elementy statystyku opisowej 1 Elementy statystyku opisowej 2 3 Elementy statystyku opisowej Definicja Statystyka jest to nauka o
Tabela Nr 1. Rozliczenie środków finansowych z Wojewódzkiego Programu Profilaktyki Gruźlicy Płuc i Nowotworów Układu Oddechowego
Informacja dla Zarządu Województwa Łódzkiego na temat realizacji w 2004 roku Wojewódzkiego Programu Profilaktyki Gruźlicy Płuc i Nowotworów Układu Oddechowego Wojewódzki Program Profilaktyki Gruźlicy Płuc
Zastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych
Konferencja Systemy Czasu Rzeczywistego 2012 Kraków, 10-12 września 2012 Zastosowanie rozmytych map kognitywnych do badania scenariuszy rozwoju jednostek naukowo-dydaktycznych Piotr Szwed AGH University
Pakiet onkologiczny. w podstawowej opiece zdrowotnej
Pakiet onkologiczny w podstawowej opiece zdrowotnej Agnieszka Jankowska-Zduńczyk Specjalista medycyny rodzinnej Konsultant krajowy w dziedzinie medycyny rodzinnej Profilaktyka chorób nowotworowych Pakiet
Dr n. med. Tomasz Kluz
(1) Nazwa przedmiotu Nowoczesne Techniki Diagnostyczne () Nazwa jednostki prowadzącej przedmiot Wydział Medyczny Instytut Położnictwa i Ratownictwa Medycznego Katedra: Położnictwa (3) Kod przedmiotu -
Czy naprawdę 70% decyzji lekarskich opartych jest na wynikach badań? Michał Milczarek ALAB laboratoria. PTDL Lublin
Czy naprawdę 70% decyzji lekarskich opartych jest na wynikach badań? Michał Milczarek ALAB laboratoria PTDL Lublin 7.12.2017 Skąd się wzięło takie przekonanie? u 1996 Mayo Clinic Wiemy, że choć laboratoria
Testowanie hipotez statystycznych. Wnioskowanie statystyczne
Testowanie hipotez statystycznych Wnioskowanie statystyczne Hipoteza statystyczna to dowolne przypuszczenie co do rozkładu populacji generalnej (jego postaci funkcyjnej lub wartości parametrów). Hipotezy
Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller
Systemowe zarządzanie jakością. Koncepcja systemu, ocena systemu, wspomaganie decyzji. Piotr Miller Podejmowanie decyzji na podstawie faktów to jedna z ośmiu zasad zarządzania jakością wymienionych w normie
Programowanie celowe #1
Programowanie celowe #1 Problem programowania celowego (PC) jest przykładem problemu programowania matematycznego nieliniowego, który można skutecznie zlinearyzować, tzn. zapisać (i rozwiązać) jako problem
Uchwała Nr 136/16 Rady Gminy Celestynów z dnia 9 marca 2016 roku
Uchwała Nr 136/16 Rady Gminy Celestynów z dnia 9 marca 2016 roku w sprawie przyjęcia Gminnego Programu Profilaktyki Chorób Układu Oddechowego na 2016 rok Na podstawie art. 18 ust.1 w związku z art.7 ust.1
SZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA WYKŁAD 10. WNIOSKOWANIE W LOGICE ROZMYTEJ Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska WNIOSKOWANIE W LOGICE DWUWARTOŚCIOWEJ W logice
Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Wykład 2: Tworzenie danych
Wykład 2: Tworzenie danych Plan: Statystyka opisowa a wnioskowanie statystyczne Badania obserwacyjne a eksperyment Planowanie eksperymentu, randomizacja Próbkowanie z populacji Rozkłady próbkowe Wstępna/opisowa
Modelowanie podobieństwa diagnostycznych wzorców medycznych w przestrzeni pajęczynowej
Bi u l e t y n WAT Vo l. LX, r 4, 2011 Modelowanie podobieństwa diagnostycznych wzorców medycznych w przestrzeni pajęczynowej Andrzej Ameljańczyk Wojskowa Akademia Techniczna, Wydział Cybernetyki, 00-908
Choroby wewnętrzne - gastroenterologia Kod przedmiotu
Choroby wewnętrzne - gastroenterologia - opis przedmiotu Informacje ogólne Nazwa przedmiotu Choroby wewnętrzne - gastroenterologia Kod przedmiotu 12.0-WL-Lek-ChW-G Wydział Wydział Lekarski i Nauk o Zdrowiu
ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH
Małgorzata Szerszunowicz Uniwersytet Ekonomiczny w Katowicach ANALIZA ZDOLNOŚCI PROCESU O ZALEŻNYCH CHARAKTERYSTYKACH Wprowadzenie Statystyczna kontrola jakości ma na celu doskonalenie procesu produkcyjnego
Standard leczenia, jakiego oczekują pacjenci z przewlekłą białaczką limfocytową. Aleksandra Rudnicka rzecznik PKPO
Standard leczenia, jakiego oczekują pacjenci z przewlekłą białaczką limfocytową Aleksandra Rudnicka rzecznik PKPO Wspólny głos ponad 100 tysięcy pacjentów onkologicznych! 45 organizacje wspólnie działają
Data Mining Wykład 5. Indukcja drzew decyzyjnych - Indeks Gini & Zysk informacyjny. Indeks Gini. Indeks Gini - Przykład
Data Mining Wykład 5 Indukcja drzew decyzyjnych - Indeks Gini & Zysk informacyjny Indeks Gini Popularnym kryterium podziału, stosowanym w wielu produktach komercyjnych, jest indeks Gini Algorytm SPRINT
Priorytetyzacja przypadków testowych za pomocą macierzy
Priorytetyzacja przypadków testowych za pomocą macierzy W niniejszym artykule przedstawiony został problem przyporządkowania priorytetów do przypadków testowych przed rozpoczęciem testów oprogramowania.
Diagnostyka parazytoz jak sprawdzić z kim mamy do czynienia?
https://www. Diagnostyka parazytoz jak sprawdzić z kim mamy do czynienia? Autor: Anna Bartosik Data: 24 kwietnia 2019 W poprzedniej części naszego kompendium wiedzy o pasożytach świń odpowiedzieliśmy na
P6_TA-PROV(2005)0329 Ochrona zdrowia i bezpieczeństwo pracy: narażenie pracowników na promieniowanie optyczne ***II
P6_TA-PROV(2005)0329 Ochrona zdrowia i bezpieczeństwo pracy: narażenie pracowników na promieniowanie optyczne ***II Rezolucja legislacyjna Parlamentu Europejskiego w sprawie wspólnego stanowiska Rady mającego
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA
METODY CHEMOMETRYCZNE W IDENTYFIKACJI ŹRÓDEŁ POCHODZENIA AMFETAMINY Waldemar S. Krawczyk Centralne Laboratorium Kryminalistyczne Komendy Głównej Policji, Warszawa (praca obroniona na Wydziale Chemii Uniwersytetu
Programy przesiewowe w onkologii. Badam się więc mam pewność
Programy przesiewowe w onkologii Badam się więc mam pewność Badanie przesiewowe zorganizowane przeprowadzenie testu medycznego lub wywiadu u osób, które nie zgłaszają się po pomoc kwalifikowaną w związku
Funkcja liniowa - podsumowanie
Funkcja liniowa - podsumowanie 1. Funkcja - wprowadzenie Założenie wyjściowe: Rozpatrywana będzie funkcja opisana w dwuwymiarowym układzie współrzędnych X. Oś X nazywana jest osią odciętych (oś zmiennych
HCV. Rola samorządów w profilaktyce i diagnostyce
Opis projektu HCV. Rola samorządów i diagnostyce Projekt cyklu debat edukacyjnych z interesariuszami systemu ochrony zdrowia w obszarze profilaktyki wzwc DOBRE PROGRAMY ZDROWOTNE.PL Kraków 2015 HCV. Rola
CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ. E. ZIÓŁKOWSKI 1 Wydział Odlewnictwa AGH, ul. Reymonta 23, Kraków
36/3 Archives of Foundry, Year 004, Volume 4, 3 Archiwum Odlewnictwa, Rok 004, Rocznik 4, Nr 3 PAN Katowice PL ISSN 64-5308 CHARAKTERYSTYKA I ZASTOSOWANIA ALGORYTMÓW OPTYMALIZACJI ROZMYTEJ E. ZIÓŁKOWSKI