MODELE PODOBIEŃSTWA W KOMUTEROWYCH SYSTEMACH DIAGNOSTYKI MEDYCZNEJ I ICH WPŁYW NA WIARYGODNOŚĆ ROZPOZNANIA. prof. dr hab. Andrzej Ameljańczyk

Podobne dokumenty
Komputerowa diagnoza medyczna tworzenie i interpretowanie. prof. dr hab. inż. Andrzej Walczak

WYKŁAD 11 OPTYMALIZACJA WIELOKRYTERIALNA

LABORATORIUM ELEKTRONIKI

Testowy dokument raz dwa trzy

Stan dotychczasowy. OCENA KLASYFIKACJI w diagnostyce. Metody 6/10/2013. Weryfikacja. Testowanie skuteczności metody uczenia Weryfikacja prosta

EKSPLOATACYJNE METODY ZWIĘKSZENIA TRWAŁOŚCI ROZJAZDÓW KOLEJOWYCH

Dobór zmiennych objaśniających do liniowego modelu ekonometrycznego

Graf skierowany. Graf zależności dla struktur drzewiastych rozgrywających parametrycznie

R 1. Układy regulacji napięcia. Pomiar napięcia stałego.


Techniki Optymalizacji: Stochastyczny spadek wzdłuż gradientu I

Opinia o pracy doktorskiej pt. Komputerowo wspomagana analiza przebiegów ph metrii i ph metrii z impedancją autorstwa mgr inż. Piotra Mateusza Tojzy

Prof. Stanisław Jankowski

Spis treści. Rozdział 1 Charakterystyka i klasyfikacja instrumentów finansowych. Ryzyko w działalności przedsiębiorstwa

Wprowadzenie do uczenia maszynowego

9. Praktyczna ocena jakości klasyfikacji

Informatyka w medycynie Punkt widzenia kardiologa

Sieci neuronowe model konekcjonistyczny

LABORATORIUM TECHNIKI CIEPLNEJ INSTYTUTU TECHNIKI CIEPLNEJ WYDZIAŁ INŻYNIERII ŚRODOWISKA I ENERGETYKI POLITECHNIKI ŚLĄSKIEJ

Spis treści 5. Spis treści. Część pierwsza Podstawy projektowania systemów organizacyjnych przedsiębiorstwa

Ocena siły oddziaływania procesów objaśniających dla modeli przestrzennych

Tom 6 Opis oprogramowania Część 8 Narzędzie do kontroli danych elementarnych, danych wynikowych oraz kontroli obmiaru do celów fakturowania

P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład III 2016/2017

Uwagi: LABORATORIUM WYTRZYMAŁOŚCI MATERIAŁÓW. Ćwiczenie nr 16 MECHANIKA PĘKANIA. ZNORMALIZOWANY POMIAR ODPORNOŚCI MATERIAŁÓW NA PĘKANIE.

ZWIĄZEK FUNKCJI OMEGA Z DOMINACJĄ STOCHASTYCZNĄ

Komputerowa analiza obrazów z endoskopu bezprzewodowego dla diagnostyki medycznej

AKADEMIA INWESTORA INDYWIDUALNEGO CZĘŚĆ II. AKCJE.

KIERUNKOWE EFEKTY KSZTAŁCENIA

ZAKRES PRZEDMIOTOWY PROGRAMU SZKOLENIOWEGO

Tom 6 Opis oprogramowania

KARTA PRAKTYKI... imię i nazwisko studenta numer albumu rok akademicki

Systemy uczące się wykład 2

NOMED-AF Rejestrator kamizelkowy

Algorytmy dla tekstów zdeniowanych przez samopodobie«

JAKOŚĆ DANYCH Z PERSPEKTYWY SYSTEMÓW WSPOMAGANIA DECYZJI KLINICZNYCH. Dr hab. inż. Szymon Wilk Politechnika Poznańska Instytut Informatyki

Zastosowania metod odkrywania wiedzy do diagnostyki maszyn i procesów

00502 Podstawy kinematyki D Część 2 Iloczyn wektorowy i skalarny. Wektorowy opis ruchu. Względność ruchu. Prędkość w ruchu prostoliniowym.

Optymalizacja ciągła

Analiza i prognozowanie szeregów czasowych

ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia... w sprawie ramowego programu nauczania w zakresie psychoterapii. (Dz. U...r.)

I n f or ma cje og ól ne. Nazwa modułu Opieka nad chorym przewlekle w przypadku chorób psychicznych

K.4.3. PROFIL KSZTAŁCENIA praktyczny TYP PRZEDMIOTU FAKULTATYWNY DLA KIERUNKU Forma studiów

SYSTEMY POMIAROWO-DIAGNOSTYCZNE

Automatyzacja procesu kontroli danych z lotniczego skanowania laserowego

DiaSter - system zaawansowanej diagnostyki aparatury technologicznej, urządzeń pomiarowych i wykonawczych. Politechnika Warszawska

Szczególna i ogólna teoria względności (wybrane zagadnienia)

MIERNICTWO WIELKOŚCI ELEKTRYCZNYCH I NIEELEKTRYCZNYCH

Kinematyka odwrotna:

METODA ZDYSKONTOWANYCH SALD WOLNYCH PRZEPŁYWÓW PIENIĘŻNYCH

Recenzenci Stefan Mynarski, Waldemar Tarczyński. Redaktor Wydawnictwa Anna Grzybowska. Redaktor techniczny Barbara Łopusiewicz. Korektor Barbara Cibis

Sprawdzenia z zakresu Centralnych Warunków Walidacji i Centralnych Reguł Weryfikacji

WYDZIAŁ FIZYKI, MATEMATYKI I INFORMATYKI POLITECHNIKI KRAKOWSKIEJ Instytut Fizyki LABORATORIUM PODSTAW ELEKTROTECHNIKI, ELEKTRONIKI I MIERNICTWA

Laboratorium systemów wizualizacji informacji

10/15/2016. Reguła. Czułość PV(+) Bayesa. Swoistość PV(-)

SPIS TREŚCI. Przedmowa

Opinia o pracy doktorskiej pt. Damage Identification in Electrical Network for Structural Health Monitoring autorstwa mgr inż.

Modelowanie zmienności i dokładność oszacowania jakości węgla brunatnego w złożu Bełchatów (pole Bełchatów)

Program studiów podyplomowych

Próba określenia miary jakości informacji na gruncie teorii grafów dla potrzeb dydaktyki

ZAGADNIENIA NA EGZAMIN DYPLOMOWY DLA KIERUNKU PEDAGOGIKA STUDIA I STOPNIA Rok akademicki 2018/2019

INSTRUKCJA DO ĆWICZENIA

Statystyka - wprowadzenie

Co nas czeka w 2015 roku? MediComp Leszek Zając, grudzień 2014 r.

Dr hab. n. med. Beata Czarnecka, Prof. U.M. Uniwersytet Medyczny im. Karola Marcinkowskiego. w Poznaniu

Tradycyjne mierniki ryzyka

TEORETYCZNE PODSTAWY INFORMATYKI

1. Polska szkoła rehabilitacji. Ogólnoustrojowe konsekwencje bezruchu po urazach ośrodkowego układu nerwowego, udarach i urazach wielonarządowych

Bieżące informacje o firmie. Nr 1 Kwiecień 2011

Metodyka diagnozy i terapii pedagogicznej II Kod przedmiotu

Jak długo pacjenci w Polsce czekają na diagnozę i leczenie onkologiczne? II edycja badania co zmieniło wejście w życie pakietu onkologicznego?

Opis przedmiotu zamówienia wraz z wymaganiami technicznymi i zestawieniem parametrów

DOŚWIADCZENIA SAMORZĄDU SYSTEMU INFORMACYJNEGO E-ZDROWIE WOJEWÓDZTWA PODLASKIEGO W ZAKRESIE WDRAŻANIA PODLASKIEGO. Kraków, r.

Eksploracja Danych. wykład 4. Sebastian Zając. 10 maja 2017 WMP.SNŚ UKSW. Sebastian Zając (WMP.SNŚ UKSW) Eksploracja Danych 10 maja / 18

Matematyka ubezpieczeń majątkowych r.

DIAGNOSTYKA. 1. Diagnozowanie podzespołów i zespołów pojazdów samochodowych. Uczeń:

WIELOCZUJNIKOWE NADZOROWANIE STANU NARZĘDZI

1. Metoda tabel semantycznych

Tester elementów elektronicznych MK-168

PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA WYDZIALE LEKARSKIM I ROK AKADEMICKI 2012/2013 PRZEWODNIK DYDAKTYCZNY

Analiza ośrodków propagacji i transmisji komunikatów w systemie dodatkowego ostrzegania kierowców na niestrzeżonych przejazdach kolejowych

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład II 2017/2018

Tytuł: Kontrola glukometrów

Leczenie w domu pacjenta - praca w Zespole Leczenia Środowiskowego

Egzamin / zaliczenie na ocenę*

Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner

BADANIE WYBRANYCH PROCESÓW REALIZOWANYCH W SZPITALACH NA STYKU Z SYSTEMAMI E-ZDROWIA

Makroekonomia 1 Wykład 8: Wprowadzenie do modelu ISLM: krzywa LM oraz krzywa IS

I n f or ma cje og ól ne Nazwa modułu Opieka nad chorym przewlekle w przypadku: Chorób krwi. jednolite magisterskie I stopnia II stopnia X

Zjazd I sesja wyjazdowa trening interpersonalny 57 h. Zjazd II sesja wyjazdowa trening intrapsychiczny 58 h

Choroby wewnętrzne - diabetologia Kod przedmiotu

Tester miernik elementów elektronicznych RLC i półprzewodnikowych

POLITECHNIKA CZĘSTOCHOWSKA Wydział Inżynierii Mechanicznej i Informatyki Instytut Informatyki Teoretycznej i Stosowanej

WYKORZYSTANIE OPISU ZMIENNOŚCI OBCIĄŻENIA W MODELOWANIU BILANSU ENERGII DLA SEKCJI WYTWARZANIE I ZAOPATRYWANIE W ENERGIĘ ELEKTRYCZNĄ

Tematy prac dyplomowych w Katedrze Awioniki i Sterowania Studia I stopnia (inżynierskie)

Rozciąganie i ściskanie prętów projektowanie 3

ROCZNIKI 2010 GEOMATYKI. Metodyka i technologia budowy geoserwera tematycznego jako komponentu INSPIRE. Tom VIII Zeszyt 3(39) Warszawa

POLITECHNIKA OPOLSKA Wydział Elektrotechniki i Automatyki

Wartość stawki jednostkowej w PLN. Opis i definicja wskaźnika rozliczającego stawkę jednostkową. Sposób weryfikacji wykonania usługi

Transkrypt:

MODELE PODOBIEŃSTWA W KOMUTEOWYCH SYSTEMACH DIAGNOSTYKI MEDYCZNEJ I ICH WPŁYW NA WIAYGODNOŚĆ OZPOZNANIA pr. r hab. Anrzej Aeljańczyk

ZAKES PEZENTACJI 2. OGÓLNY SCHEMAT POCEDUY DIAGNOZOWANIA I TEAPII 2. KOMPUTEOWE SYSTEMY WSPOMAGANIA DIAGNOSTYKI MEDYCZNEJ 3. MODELE BADANIA PODOBIEŃSTWA 4. MODELE BINANE A MODELE SKALOWANE 5. SYNTEZA MODELI PODOBIEŃSTWA 6. WSKAŹNIKI JAKOŚCI OZPOZNANIA 7. BADANIA SYMULACYJNE WIAYGODNOŚCI OZPOZNANIA 8. WNIOSKI KOŃCOWE

SCHEMAT POCEDUY DIAGNOZOWANIA I TEAPII WYNIKI BADAŃ SPECJALISTYCZNYCH SYMPTOMY CHOOBOWE POCEDUA DIAGNOZOWANIA OCENA WIAYGODNOŚCI DIAGNOZY N BADANIA SPECJALISTYCZNE CZYNNIKI YZYKA OZPOZNANIE CHOOBY P 3 DANE MEDYCZNE WYBÓ TEAPII OCENA SKUTKÓW TEAPII N MODYFIKACJA TEAPII P KONIEC POCEDUY

PODZIAŁ KOMPUTEOWYCH SYSTEMÓW WSPOMAGANIA DIAGNOSTYKI MEDYCZNEJ 4. SYSTEMY EKSPECKIE OLA EKSPETÓW W BUDOWIE WZOCÓW J.CH. ALGOYTMY OZPOZNAWANIA WZOCÓW BADANIE PODOBIEŃSTWA DANYCH MEDYCZNYCH ( STANU ZDOWIA PACJENTA) DO WZOCA JEDNOSTKI CHOOBOWEJ 2. SYSTEMY UCZĄCE SIĘ UCZENIE MASZYNOWE (DANE TENINGOWE I TESTOWE) OLA DANYCH TENINGOWYCH BADANIE PODOBIEŃSTWA DANYCH MEDYCZNYCH (STANU ZDOWIA PACJENTA) DO DANYCH MEDYCZNYCH INNYCH PACJENTÓW ALGOYTMY KLASYFIKUJĄCE (KLASYFIKATOY) 3. SYSTEMY MIESZANE (HYBYDOWE) UCZENIE MASZYNOWE (DANE TENINGOWE I TESTOWE) AUTOMATYCZNE GENEOWANIE WZOCÓW J.CH. ALGOYTMY OZPOZNAWANIA WZOCÓW

MODELE PODOBIEŃSTWA 5 A. PODZIAŁ WG. KYTEIUM TVESKY EGO a) - STOPNIOWE b) 2 - STOPNIOWE c) 3 - STOPNIOWE B. PODZIAŁ WG. SKALOWALNOŚCI CECH a) BINANE b) SKALOWANE C. PODZIAŁ ZE WZGLĘDU NA SPOSÓB IMPLEMENTACJI a) METYCZNE b) GAFICZNE c) OZMYTE itp. D. WIELOKYTEIALNOŚĆ (WIELODZIEDZINOWOŚĆ WIELOASPEKTOWOŚĆ) PODOBIEŃSTWA (SYNTEZA (FUZJA) MODELI PODOBIEŃSTWA - METAKLASYFIKATOY) a) JEDNOKYTEIALNE b) WIELOKYTEIALNE

POBLEM OKEŚLANIA PODOBIEŃSTWA MODEL PODOBIEŃSTWA TVESKY EGO A B. ) ( B A ( B) A ( A) B 2. 3. UPOSZCZONE WAIANTY MODELU TVESKY EGO. (MODEL JEDNOSTOPNIOWY) a ) ( ) ( B A B A P 2. 3. ) ( ) ( ) ( A B B A B A P ) ( ) ( ) ( B A B A B A P (MODELE DWUSTOPNIOWE) ) ( ) ( ) ( ) ( B A A B B A B A P MPT 6

POBLEM OKEŚLANIA PODOBIEŃSTWA MODEL WIELOKYTEIALNY (UOGÓLNIENIE MODELU TVESKY EGO) IDEA: p( A B) p (( A B) p2( A B) p3( A B)) p ( A B) ( A B) a 3 p2( A B) ( B A) p3( A B) ( A B) in in 7 ZAGADNIENIE OZPOZNANIA WZOCÓW ZW ( p ) - zbiór wzrców (jenstek chrbwych) N p( ) - pbieństw baaneg biektu A wzrca N p( ) Y - przestrzeń pbieństwa ( N 2) Y Y - relacja pbieństwa (preerencji )

SPECYFIKA MODELI PODOBIEŃSTWA W DIAGNOSTYCE MEDYCZNEJ STAN ZDOWIA PACJENTA WZOZEC CHOOBOWY A B. MODELE JEDNOSTOPNIOWE p( A B) a 2. MODELE DWUSTOPNIOWE p( A B) a p( B A) in 8 3. POBLEM CHOÓB WSPÓŁISTNIEJĄCYCH p( A B)?

MODELE BINANE A MODELE SKALOWALNE W DIAGNOSTYCE MEDYCZNEJ MODEL BINANY (PZYKŁAD): bserwacja: 0 0 S 4 6 S 3 9 MODEL SKALOWALNY (PZYKŁAD): bserwacja: 7 8 2 0 0 0 0 0 w s k S 3 0 s k s k

MODELE BINANE A MODELE SKALOWALNE c. MODEL SKALOWALNY A MODEL BINANY (PZYKŁAD) 2 3 4 5 7 0 0 3 0 8 0 2 0 0 0 0 3 0 0 9 0 0 2 0 0 0 0 9 0 0 5 0 7 0 5 0 0 0 0 0 0 3 0 0 0 0 0 0 8 8 0 9 0 0 0 0 0 0 3 0 WSZYSTKIE OBSEWACJE SĄ TAK SAMO PODOBNE DO JEDNOSTKI CHOOBOWEJ N

MODELE BINANE A MODELE SKALOWALNE c. MODEL SKALOWALNY (PZYKŁAD) w k s S 3 2 0 0 0 0 0 0 4 2 0 28 0 50 3 4 0 2 0 59 5 0 33 s k s 2 0 k

WIELOSTOPNIOWE MODELE PODOBIEŃSTWA W DIAGNOSTYCE MEDYCZNEJ ) MODEL JEDNOSTOPNIOWY 2) MODEL DWUSTOPNIOWY p k k a k... 5 p k...5 k k k A.) 2... 5 a 2 A.2) 2 5...

JEDNOSTOPNIOWY MODEL OZPOZNAWANIA WZOCÓW MEDYCZNYCH - PZYKŁAD 3 S S - uprszczny el stanu zrwia pacjenta X w s; s S w r; r s * - wzrzec chrby w aspekcie syptów r * - wzrzec chrby w aspekcie czynników ryzyka s - ległść stanu zrwia pacjenta wzrca chrby 2 S * * r w aspekcie syptów - ległść stanu zrwia pacjenta wzrca chrby w aspekcie czynników ryzyka

JEDNOSTOPNIOWY MODEL c. PZYKŁAD M S S s S * M r * 2 2 M S S S M ZYKŁAD 2 M s S s s w k k k M r r r w l l l 2 4

DWUKYTEIALNA PZESTZEŃ PODOBIEŃSTWA 5 M O M ZADANIE WYZNACZENIA DIAGNOZY WSTĘPNEJ 2 M O wstępne szacwanie zbiru żliwych iagnz (M repzytriu) - wukryterialna cena stpnia pbieństwa stanu zrwia pacjenta brazu chrby MO -(uprszczenie zapisu) -el preerencji wniskwania iagnstycznych (relacja inwania) ) el Paret 2) el hierarchiczny (2) 3) el hierarchiczny (2) 4) el pesyisty / ptyisty 5) el klektywny (knsyliu)

WYZNACZANIE ZBIOU CHOÓB OD KTÓYCH NIE MA BADZIEJ PAWDOPODOBNYCH Y M 2 M 2 - braz cenwy (ległściwy) zbiru ptencjalnych iagnz Y N 6 * y 5 7 Y 0 2 2 8 8 3 7 6 4 3 5 9 4 M N ys.2. Wyznaczanie zbiru chrób których nie a barziej prawpbnych M M 6 - jest barziej prawpbna niż

ZBIÓ PAETO I JEGO ANKING 7 Kwiecień 2009 M N M nie istnieje że M 6 8 9 4 4 Y Y M N N N M * * y y y 2 * - braz chrby wirtualnej (najbarziej prawpbnej) - punkt utpijny y y 2 2 in in * * M M M p p y q N M * FUNKCJA ANKINGOWA 7

WYBANE CHAAKTEYSTYKI JAKOŚCIOWE POCESÓW DIAGNOZOWANIA. INFOMACYJNOŚĆ WYNIKÓW BADAŃ 2. NIEJEDNOZNACZNOŚĆ DIAGNOZY 3. WYAZISTOŚĆ DIAGNOZY 4. WAŻLIWOŚĆ DIAGNOZY NA ZMIANY WYNIKÓW BADAŃ 5. WIAYGODNOŚĆ DIAGNOZY SYNTETYCZNY WSKAŹNIK JAKOŚCI POCESU DIAGNOZOWANIA 6. BŁĄD KLASYFIKACJI 7. CZUŁOŚĆ I SWOISTOŚĆ POCESU DIAGNOZOWANIA 8 8 Kwiecień 2009

INFOMACYJNOŚĆ WYNIKÓW BADAŃ PACJENTA 9. W zakresie stwierznych syptów gzie i S w sk i i S s k S 2. W zakresie stwierznych czynników ryzyka gzie i w l r 0 M 0 is a a M i r i i l s s k X r X X l X

INFOMACYJNOŚĆ WYNIKÓW BADAŃ PACJENTA 2. NIEJEDNOZNACZNOŚĆ DIAGNOZY PACJENTA (STOPIEŃ NIEJEDNOZNACZNOŚCI) gzie Y N n y Y N Y FN y - zbiór brazów chrób których nie a barziej prawpbnych 3. WYAZISTOŚĆ DIAGNOZY PACJENTA (STOPIEŃ WYAZISTOŚCI) s Y N M X 20 4. WAŻLIWOŚĆ POCESU DIAGNOZOWANIA NA ZMIANY (BŁĘDY) WYNIKÓW BADAŃ i s i D D k

WIAYGODNOŚĆ DIAGNOZY PACJENTA X (STOPIEŃ WIAYGODNOŚCI - WSKAŻNIK GLOBALNY ) KALIBACJA I WALIDACJA 2 () wiarygnść wątpliwa 2 * y wiarygnść ujena bszar puszczalnej wiarygnści * y 2 () 2 M q 0 0 y y p w * * p

WIAYGODNOŚĆ DIAGNOZY PACJENTA X c.. w M M i s i r W jaki spsób wiarygnść uzyskanej iagnzy zależy zbiru repzytriu M raz inracyjnści wyników baań?. Wiarygnść iagnzy jest niealejącą unkcją licznści zbiru M 2. Wiarygnść iagnzy jest niealejącą unkcją inracyjnści wyników baań 22 3. Inne własnści unkcji

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL JEDNOSTOPNIOWY ) 2) 3) 4) 23

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL JEDNOSTOPNIOWY ) Analiza elu jenstpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 50 chrób w repzytriu) Nr jenstki chrbwej Wartść Wartść 2 3 069 30 093 0742 40 087 0804 35 0754 0982 7 088 0784 6 0826 0978 24 2) Analiza elu jenstpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 00 chrób w repzytriu) Nr jenstki chrbwej Wartść Wartść 2 88 078 0685 3 069 35 0754 0982 84 0926 056

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL JEDNOSTOPNIOWY 3) Analiza elu jenstpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 200 chrób w repzytriu) Nr jenstki chrbwej Wartść 84 0926 056 77 045 058 Wartść 2 25 4) Analiza elu jenstpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 300 chrób w repzytriu) Nr jenstki chrbwej Wartść 26 0438 268 0984 0296 262 0892 0554 77 045 058 278 0928 0349 Wartść 2

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL DWUSTOPNIOWY ) 2) 3) 4) 26

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL DWUSTOPNIOWY ) Analiza elu wustpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 50 chrób w repzytriu) Nr jenstki chrbwej Wartść 3 06 30 0695 000 40 0634 025 35 063 0938 7 0430 027 6 0338 0774 Wartść 2 27 2) Analiza elu wustpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 00 chrób w repzytriu) Nr jenstki chrbwej Wartść 88 0448 0227 76 046 0455 9 020 0589 84 0696 0 Wartść 2

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA WYBANE WYNIKI EKSPEYMENTÓW SYMULACYJNYCH MODEL DWUSTOPNIOWY 3) Analiza elu wustpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 200 chrób w repzytriu) Nr jenstki chrbwej Wartść 77 0 002 Wartść 2 28 4) Analiza elu wustpniweg w wariancie ziennej liczby chrób w repzytriu(wykres przestawia wartści la 300 chrób w repzytriu) Nr jenstki chrbwej Wartść 268 0928 0 77 00 0266 278 0773 0072 Wartść 2

SYMULACYJNA METODA BADANIA CHAAKTEYSTYK JAKOŚCIOWYCH POCESU DIAGNOZOWANIA ZESTAWIENIE WYNIKÓW EKSPEYMENTÓW SYMULACYJNYCH DLA MODELU JEDNOSTOPNIOWEGO I DWUSTOPNIOWEGO WSPÓŁCZYNNIK WIAYGODNOŚCI 2 08 06 04 02 29 0 0 50 00 50 200 250 300 350 Współczynnik wiarygnści - el jenstpniwy Współczynnik wiarygnści - el wustpniwy

WNIOSKI KOŃCOWE 30 KOMPUTEOWE SYSTEMY WSPOMAGANIA DIAGNOSTYKI MEDYCZNEJ ( DEZYDEATY I OCZEKIWANIA APLIKACYJNE ) A. MOŻLIWOŚĆ OKEŚLANIA DODATKOWYCH CHAAKTEYSTYK POCESU DIAGNOZOWANIA TAKICH JAK: STOPIEŃ INFOMACYJNOŚCI WYNIKÓW BADAŃ STOPIEŃ NIEJEDNOZNACZNOŚCI OZPOZNANIA STOPIEŃ WYAZISTOŚCI OZPOZNANIA STOPIEŃ WIAYGODNOŚCI OZPOZNANIA WSKAŹNIK WAŻLIWOŚCI NA ZMIANY WYNIKÓW BADAŃ BŁĄD OZPOZNANIA ( KLASYFIKACJI) CZUŁOŚĆ I SWOISTOŚĆ OZPOZNANIA

WNIOSKI KOŃCOWE c.. B. SPECYFIKA STOSOWANYCH MODELI PODOBIEŃSTWA ) MODELE BINANE A MODELE SKALOWALNE - INFOMACYJNOŚĆ WYNIKÓW BADAŃ (BAK MOŻLIWOŚCI OKEŚLENIA) - NIEJEDNOZNACZNOŚĆ OZPOZNANIA (WZOST) - WAŻLIWOŚĆ DIAGNOZY NA ZMIANY WYNIKÓW BADAŃ (SPADEK) - WIAYGODNOŚĆ OZPOZNANIA (SPADEK) 3 2) MODELE JEDNO I WIELOSTOPNIOWE - NIEJEDNOZNACZNOŚĆ OZPOZNANIA (WZOST) - WAŻLIWOŚĆ DIAGNOZY NA ZMIANY WYNIKÓW BADAŃ (SPADEK) - WIAYGODNOŚĆ OZPOZNANIA (SPADEK)

WNIOSKI KOŃCOWE c. 3) MODELE JEDNOASPEKTOWE I WIELOASPEKTOWE - NIEJEDNOZNACZNOŚĆ OZPOZNANIA (WZOST) - WAŻLIWOŚĆ DIAGNOZY NA ZMIANY WYNIKÓW BADAŃ (SPADEK) - WIAYGODNOŚĆ OZPOZNANIA (SPADEK) - OLA SYNTEZY (FUZJI) MODELI DZIEDZINOWYCH (ASPEKTOWYCH) SPECYFIKA DIAGNOSTYKI MEDYCZNEJ : SKALOWALNE WIELOASPEKTOWE MODELE PODOBIEŃSTWA DWUSTOPNIOWEGO 32