Prihlásenie

Modely rozhodovania pri urcovaní diagnóz v medicíne sú metodológiou, ktorá je používaná pri tvorbe systémov na podporu rozhodovania lekárov. V tejto práci sa zaoberáme modelmi tvorenými rozhodovacími pravidlami, ktoré zohladnujú reláciu dominancie a poradie preferencie dát. Pre tvorbu takýchto pravidiel a klasifikáciu nimi tvorených modelov rozhodovania sme zvolili metódu VC-DRSA, ktorá je založená na premenlivej konzistencii relácie dominancie. Dalej prezentujeme najnovší prístup umožnujúci odstránenie údajov obsahujúcich chyby technického alebo klinického charakteru. Tieto môžu viest k tvorbe chybných pravidiel a v dôsledku toho, k zlým rozhodnutiam nášho modelu. Pre tento prístup sme navrhli nové miery neistoty, ktoré sme overovali na skutocných prípadoch. Výsledky experimentov ukázali, že navrhované riešenie prináša výrazné zlepšenie kvality rozhodovacích pravidiel a zvýšenie celkovej úspešnosti klasifikácie nimi tvorených modelov. Klúcové slová: miera neistoty, miera nekonzistencie, aproximácie množín založené na relácie dominancie, poradová klasifikácia, VC-DRSA, TIPStoC Kanik, Tomasz: Modely rozhodovania pri urcovaní diagnóz v medicíne [Dizertacná práca] - Žilinská Univerzita v Žiline. Fakulta riadenia a informatiky. Katedra matematických metód. - Vedúci: doc. RNDr. Štefan Peško, CSc. - Žilina: FRI ŽU v Žiline, 2014. - 100 s.

Model-based medical decision support is a methodology used for construction of medical decision support systems. This thesis considers model created by decision rules, which take into account the dominance principle and the data order preference. The method VC-DRSA which deals with variable consistency of dominance principle is used to create decision rules and to classify decision models based on that rules. In addition we present the latest approach which allows to remove instances which contains technical or clinical type errors, what leads to create wrong decision rule and to make wrong decision based on that rules. We improved that approach by new uncertainty measures and we tested them on a real cases. The experiments result show that the proposed innovation provides the significant improvement in the quality of creating decision rules and increases the overall accuracy of a rule-based classification models. Key words: uncertainty measure, inconsistency measure, Dominance-based Rough Set Approach, ordinal classification, VC-DRSA, TIPStoC Kanik, Tomasz: Model-based medical decision support [Dissertation thesis] - University of Žilina. Faculty of Management Science and Informatics. Department of Mathematical Methods. - Tutor: doc. RNDr. Štefan Peško, CSc. - Žilina: FMSI University of Žilina, 2014. - 100 s.