分析多级诊断决策支持系统及其影响:一个案例研究

文摘

医学诊断可以执行自动地使用计算机系统或算法。这种系统通常称为诊断决策支持系统(DDSSs)或医疗诊断系统(mds)。一个叫做ML-DDSS dds的性能评估已经完成。方法是基于临床病例决议由医生然后用来评估ML-DDSS的行为。这种方法允许几个知名的计算值精度等指标,还记得,准确性,特异性,马修斯相关系数(MCC)。ML-DDSS的行为的分析,将揭示有趣的结果对系统的行为和医生参加了评估过程。全球结果表明ML-DDSS系统会有重大的实用程序用于医疗实践。MCC指标显示出改进的约30%相比,专家的意见,并对敏感系统返回比专家更好的结果。

1。介绍

在医疗实践中,“诊断”是一个系统性的方法来确定,基于证据,一组观察症状的根本原因,有几个似是而非的替代的解释,和/或减少的列表可能的诊断。

医学诊断可以执行自动地使用计算机系统或算法。这种系统通常称为诊断决策支持系统(DDSSs)或医疗诊断系统(mds),属于一般类别的临床决策支持系统(cds)。这些类型的系统的目的是指导医生通过系统的鉴别诊断过程。许多cds系统能够提供结果即使数据缺乏,也就是说,在不确定性下,最重要的是,他们并不局限在他们可以存储的信息量和设计计算结果在几秒钟。虽然以前的cds系统往往是高度专业化的,能够提供关于特定类型的鉴别诊断疾病,感染,或障碍,这也是他们的限制;他们经常不能考虑症状或观察外面的他们为了检查。然而,当前的计算能力和网上现成的医学知识的财富让它合理的创造更多广义知识库包含更广泛的医疗事实,因此提供机会创建小说cds系统提供诊断考虑更广泛的观察比传统的系统,甚至可能超越的专家医生。

众所周知,错误发生在诊断过程的几个阶段1- - - - - -3]。因此,dds的实现是一个重要的工具来支持医生处理广泛的诊断难题。然而,如果一个dds用于真正的医疗实践,如果医生将依靠它来指导自己的诊断,重要的是要确保系统的准确性也足够高。按照米勒et al。4),一个关键的领域相关的所有医疗诊断决策系统(MDDSs)验证,评估,和持续的质量保证,准确性是最重要的指标是评价(5,6]。

在本文中,我们提出一个多层次评价诊断决策支持系统(ML-DDSS)。ML-DDSS开发,目的是证明语义技术的应用(7)医学专家系统的创建。系统能够处理多级诊断并提供准确的结果的基础上评估表现。系统设计目标是提供诊断甚至在不利的条件下,例如,当可用的观测数量限制,因此ML-DDSS代表了一种高灵敏度的医疗诊断系统。这种分析侧重于系统提供的结果,这些结果的含义,比较的结果与专家临床诊断的病例。进行更深层次的评价系统的使用四个特定疾病(两个常见的和两个不常见),包含在ML-DDSS的知识库。

本文的其余部分组织如下。部分2概述了相关文献,关注医疗诊断系统的案例研究。节3ML-DDSS介绍,简要说明了系统的内部行为。部分4给出了主要结果评估的系统,这些都是讨论相比,结果提供的医生参与评估过程。结论和未来的工作进行了讨论5。

2。国家的艺术

许多案例研究的医疗诊断系统已经在文献中报道。第一个著名的以计算机为基础的临床咨询系统是霉菌素(8)设计函数作为传染病诊断和治疗选择的援助,重点一个初始菌血症。随后,其他研究人员开发医疗诊断系统,如INTERNIST-I [9],DXplain [10),伊莎贝尔(11),《伊利亚特》(12],MDX [13],DiagnosisPro [14],DiagnosMD [15]。这些后者医疗诊断系统探索多重和复杂的诊断生成各种不同的医学领域。例如,INTERNIST-I和伊利亚特是内科的计算机辅助诊断系统;DXplain提供医疗诊断知识库,通过全国计算机通讯网络;伊莎贝尔是一个最近的基于web的临床决策支持系统设计显示正确的诊断复杂的医学成人的案件;MDX实验医学诊断系统,目前诊断综合征称为胆汁淤积;DiagnosisPro是一个基于web的医疗诊断系统,提供了11000种疾病诊断的可能性和30000年调查结果;最后DiagnosisMD尝试医学诊断相结合的一组数据(症状、体征、测试结果异常,处方数据,等等)一起,性别和年龄的病人,提供的列表可能利用人工智能技术来改进诊断疾病。在大多数上述医疗诊断系统中,不同的测试应用为了测量精度和灵敏度等标准(更不用说只有两个);然而,研究结果表明,生成的诊断是不够可靠的临床应用。 The MYCYN therapy recommendations met Stanford experts’ standards of acceptable practice only 90.9% of the time, with some variation noted both among individual experts and between Stanford experts and others. INTERNIST-I presented specific deficiencies that needed to be overcome, such as the program’s inability to reason anatomically or temporally, explain its reasoning process, and its failure to construct differential diagnoses spanning multiple problem areas. Among the more successful, Isabel suggested correct diagnosis in 48 of 50 cases (96%) with a response time of 2-3 seconds. Moreover, Isabel suggested the correct diagnosis in almost all complex cases involved, particularly with key finding entry. Conversely, tests carried out on Iliad revealed that medical students made fewer diagnostic errors than the automated system and more conclusively confirmed their diagnostic hypotheses when they were tested in their trained domain. However, there is not any information about multilevel diagnosis capabilities of this system.

精度测量之外,其他的研究测量验收,性能,和评估使用的医疗诊断系统。在[16)结果表明,医生接受这些增强病人管理功能的应用程序,但倾向于反对应用程序中,他们认为一个侵犯他们的管理角色。在[17)控制临床试验评估的影响以计算机为基础的临床决策支持系统(cds)医生性能和系统总结了病人的结果。在[18)进行的一项研究检查如何诊断决策支持系统提供的信息,不同的临床病例诊断困难,影响医生的诊断性能。在上述研究中,结果强调关于信用违约掉期的使用两个不同的方面:(1)医生的诊断性能可以强烈影响的质量信息和相关类型的情况下,和(2)需要人形互动功能的信用违约掉期来提高验收和使用。在[19一个绩效评估是四个计算机诊断系统之间进行的。这个评估是对一组105年诊断上具有挑战性的临床病例总结涉及实际病人十临床医生。评价结果提供一个概要文件的这些计算机程序的优点和局限性。局限性,医生指出,很难识别系统提供的相关信息和过滤无关信息。另一项研究评估诊断系统的性能是描述20.),作者分析了谷歌作为辅助诊断手段工具的使用。研究结果表明,谷歌有能力找到一个正确的诊断在15(58%,95%置信区间38%至77%)的情况下26个评价。在[21),作者研究了诊断系统提供的有效信息如何影响医生的诊断性能。分析了样本67内科医师使用QMR决策支持系统帮助他们现有的临床病例的诊断过程。研究结果表明,医生诊断性能明显高于()简单的临床病例,在这些情况下,QMR可以提供高质量的信息。

在过去的年里,其他作品接近医疗诊断和治疗系统的开发利用计算智能技术(22]。这些包括组合技术,如neurofuzzy方法(23]从一组训练数据,获得模糊规则的应用遗传算法(气)规则选择(24),或遗传算法与模糊聚类技术的统一25]。然而,一些系统解决多级诊断的问题。这些人当中,阿多尼斯的方法(26)提出了一种多级诊断问题的部分解决方案基于描述逻辑的使用,有趣的结果,但诊断过程的一些局限性,如不能执行正常的诊断,因为修改完成执行多级诊断。SEDELO方法(27是类似于阿多尼斯,它提供了基于描述逻辑的解决方案,但特别强调测量时间效率,以及解决上述阿多尼斯的局限性。

从这些可以看出相关作品,仍缺乏系统和评估提供多级诊断决策支持系统。在这个工作我们提供一个评价案例研究的应用最近创建了多级诊断系统,ML-DDSS,特别关注的影响评估结果来自潜在用户的角度(医生)以及系统本身的设计。

3所示。ML-DDSS

ML-DDSS的主要目的是演示应用程序的语义技术的专家系统应用于医学诊断的过程。正如前面详细描述(28]ML-DDSS是使用一个知识库,开发的主要实体诊断过程包括发现(症状)和诊断测试。使用这样的临床实体与其他各种医学知识共享基地和本体(29日- - - - - -31日]。然而,此外,ML-DDSS系统考虑额外的临床特征,如病人的药物政权为了计算诊断替代品可以丢弃,因为,例如,药物相互作用[32]。而其他数据元素,如临床历史肯定是相关的诊断模型,这三个items-findings(症状和体征),执行测试,药物被认为是特别相关的准确诊断(33]。已经系统的内部行为解释和讨论27,33,34]。

3.1。多级

能够处理多级诊断ML-DDSS最有趣的方面之一。多级诊断的概念出现当一种疾病可以被认为是另一种疾病的诊断元素(作为发现)。为了澄清这一点,数字1和2比较简单的DCM与多级DCM(诊断标准模型)。图2图的情况下疾病的诊断标准可以包括其他疾病的组合,以及额外的发现和诊断结果。

作为一个具体的例子,图3显示了一个减少(但现实)的多级表示模型的普通感冒,喉炎是普通感冒的诊断指标,但又有自己的诊断观察如喉咙痛、咳嗽、失音。

在图3的,我们有一个多级表示疾病的最大深度水平在哪里,因为我们从0级的主要疾病(感冒)和我们去一层深度喉炎。

在本文中,我们评估的系统诊断的基础理论假设,从医学的角度看,一种疾病(容器)可以包含另一种疾病(内容)诊断标准(或包含该内容的研究结果表明,等效)。在这种情况下,存在一定程度的不确定性是否发现是礼物,,因此,有必要建立一个机制,允许通过的结果另一个疾病的诊断疾病。因此,多级诊断是这项研究的主要特征之一,因为它反映了疾病的本质及其相关结果。能够创建模型和系统可以解决这个问题是非常重要的为了能够开发准确的诊断系统。当前模型和系统设计这一目标作为首要目标。

3.2。灵敏度

高灵敏度是指系统返回结果的能力,即使输入的数量至少()。高灵敏度系统匹配输入参数的识别所有可能的解决方案,即使这些解决方案有一个非常低的概率。这些特点在临床的设置是有优势的,在实践中,并非所有的数据是可用的诊断系统,不过必须做出处理决定;然而,这样的系统有一些明显的缺点。特别是低数量的输入,或者如果这些输入诊断特异性较低(如发烧、头痛等等),输出的数量,系统将生成可以很大,因此决定正确的诊断价值不大。这个缺点,然而,可以使用一些技巧,解决最常见的概率分类结果(35]。

3.3。评价方法

方法用来评估系统是基于解决方案的临床情况下,用医生的诊断为金标准。图4显示了一个评估过程的图形化表示。

在图4,一套评价临床病例是由ML-DDSS研发人员。一般的格式和内容的情况下是由下面的具体案例。

一个50多岁的男子来到医疗中心是衰弱的症状,腹泻,恶心和呕吐。患者还患有白癜风,低血糖。病人体重在过去的几周。在医疗中心血压测量完成,给因低血压。诊断测试并显示血液中钠的含量下降,氯,碳酸氢盐和钾的增加。最后,激素的分析表明,有一个赤字在醛固酮和皮质醇基底的水平。

一旦创建了病例,他们是由一个专家验证(医生),确保正确病例代表谁。病例验证后,研究人员分配临床病例使用随机过程(基于随机对照试验原则)的一组评估人员(医生),他们提供了一个为每一个临床病例诊断,和时间达到这一诊断。这些结果首先验证,以确保提供的疾病的诊断评估系统的知识库。这个验证是必需的,因为ML-DDSS的知识库包含的样本只有24可以诊断疾病。一旦验证过程完成后,提供的诊断评估和诊断ML-DDSS系统提供的是提供给一组裁判。这些裁判负责验证诊断,将每一个标记为正确的或不正确的。最后一步就是分析和生成的评估结果,这是做应用精度,召回(灵敏度),准确性,特异性和MCC(马修斯相关系数(36,37])。这些数据可以应用在四组合数据:(1)的结果验证了裁判1 (R1),(2)结果验证了裁判2 (R2),(3)结果验证由裁判(十字路口),(4)结果验证了裁判之一(联盟)。

不同指标的计算是基于所提供的系统/评估结果和仲裁过程使用规定混淆矩阵表1。

这些指标的计算使用以下公式:(我) 。(2) 。(3) 。(iv) 。(v) 。

4所示。评价结果

二十个临床病例生成的评估。评价过程5评估员和2裁判。每一个临床病例被分配到三个评估。所以,总之,评估的参数(我)临床病例:20(2)评估员:5(3)评估者每箱数量:3(iv)例是评估员:12(v)裁判:2。

完整的结果从评价可以在网上找到38]。N / A值的表被解释为不适用。在某些情况下,有疾病的诊断的评估员和ML-DDSS系统,因此没有计算参数。

4.1。整个知识库的结果

图5总结了结果,显示值获得整个系统,与五个评估相比(匿名的EX-NNNN图列)。鉴于最受限系统的计算是计算值时仲裁的十字路口,我们使用这些作为代表值。

当精度作为传统的质量指标,系统执行类似于最好的专家。然而,结果有很大的不同,加固需要使用额外的评价指标。当看着MCC,另一个价值,试图总结整体质量,系统之间有30%的差异和专家。虽然全球的质量是衡量,世纪挑战帐户集团考虑准确性和特异性之间的平衡,这是更糟糕的是专家的系统。

虽然专家们能够提供尽可能多的诊断他们认为合适的,他们的敏感性低于自动化系统。然而,专家们表现好于系统的特异性指标。然而,考虑到系统中的结果都接近95%,更容易执行统计比执行统计好。这就解释了专家在特异性略有优势,而灵敏度指标的一个重要缺点。

这些结果表明,该系统将是有益的支持工具专家,系统可以显示诊断和专家可以确认它们。例如,这将是类似于一对专家在一个最高的灵敏度和其他特异性最高;比一个孤独的组合可能会产生更好的诊断专家。最后,专家比的精度低得多的系统。数学上,这是由于商TN(真阴性)/ TP(真阳性)是更大的比系统的专家,这在实践中因为TP的数量更大的系统通过高灵敏度的值(如图所示)。这意想不到的后果,积极预测从系统更有可能是正确的。

来确定观察到的差异具有统计学意义(✓),表2显示应用的结果以及指标。陪审员之间的差异和系统精度、准确性,特异性不显著(✗)。

支持的结论是小系统的置信区间,表明足够的数据已经收集准确执行评估。很难提取精度的信息给专家和系统之间的宽间隔和重叠。然而,它是可能从MCC和回忆中提取一些结论指标,即使专家广泛的置信区间,因为他们并没有重叠。更多的专家或诊断病例为了缩小这些有用的间隔;但数据是有用的足够的目前的形式得出几个结论。

4.2。结果常见疾病

更频繁的疾病时,系统可以执行以及专家,在某些情况下,有100%的准确度流感(图所示6)。然而,对于胃肠炎(图7未能提供),专家诊断在某些情况下,如灵敏度不达到100%。这可能是由于罕见的病例,正如一些专家错过了相同的情况。建模也可能是错误的;只有三个症状为胃肠炎的诊断规则,缺乏证据是特别敏感的症状。

评估中也有重要的区别,尤其是对MCC和精度指标,这表明医生评估小组的不同级别的熟悉这些疾病。这些interevaluator差异是一致的最常见的疾病之一,在最好的专家流感案例匹配最好的肠胃炎。然而,他们全球的结果不匹配,这表明,这些专家在诊断不太常见的疾病。

的特异性指标的焦点是分析常见疾病;预计高灵敏度,因为这些疾病几乎总是被认为是在一个专家的鉴别诊断。通常更可取有很高的特异性,为了迅速开始考虑其他选项的情况下常见的疾病不匹配。在这里,系统有令人惊奇的好结果,显示专家可能会偏向overdiagnosing这些常见疾病。

4.3。结果不太常见的疾病

正如预测的那样,少了很多相关专家在罕见疾病的情况下,专家往往超过,或underdiagnose疾病,通过戏剧性的敏感性(召回)和特异性差异,根据专家和疾病。这种行为的结果对肺炎(图所示8)和肾盂肾炎(图9)。针对这两种疾病,有一个专家的诊断系统密切匹配。

可以解释这些结果作为“利基”知识的象征,细分可以准确诊断疾病的专家在比其他专家。此外,系统的整体行为非常类似于为每个疾病最好的专家,使其与一个专家小组涵盖所有学科。

这些罕见疾病的特异性和精度一般高,因为他们通常需要更多的症状诊断,但令人惊讶的是专家不排名远高于系统(用于诊断疾病只有一个匹配的症状)。这些疾病的更有趣的度量是敏感性,因为他们很容易被忽视。在这种情况下,专家系统显示出明显的优势。

有必要的话,这些结果是基于疾病的例子。有时,罕见疾病的特点是:有一个或两个研究结果显示真正的诊断,这意味着如果你知道这个特定的发现,它变得更容易准确的诊断,但如果缺乏观察,那么它更难以诊断。

5。结论和未来的工作

医疗诊断系统的创建是一个问题,研究了自1960年代初。使用了一些技巧和技术在这一领域,包括知识表示工具和算法执行诊断。大多数的方法都是基于建立专家系统获取知识的一组医生为了创建一个临床决策支持系统。

虽然多级诊断是一个著名的方法在医学领域,很少有这种方法计算方法特别关注。在本文中,我们提供一个分析的结果提供了一个dds系统,特别关注的指标估计总系统的准确性。

全球结果表明dds系统如何将医学实践的重要工具使用时。MCC度量相比显示出改进的约30%的专家。对灵敏度也是有趣的注意,系统返回比专家更好的结果。已经说过,结果证实,专家系统是一个很好的同伴,系统可以显示诊断和专家可以确认它们。

进行更详细的分析使用四个疾病中包含ML-DDSS的知识库。流感和肠胃炎、选为常见疾病和肺炎和肾盂肾炎选定代表不太常见的疾病。几个有趣的结果揭示了这些疾病的分析,包括外表的“利基”专家评审。这些个人的结果,因此,可以用来放在一起定制诊断团队;每个疾病回报的分析非常有价值的信息如何精通一个特定的医生诊断是一个特定的疾病。根据这些信息,就可以创建合作团队根据他们的个人能力诊断的一组疾病。

未来的研究将集中在个人的分析疾病构成知识库来提高系统的质量。这种分析将提供有价值的信息,允许修改系统的推理规则来提高其准确性。

引用

1. j·卡尔拉,“医疗事故:一个概念,简介”临床生物化学,37卷,不。12日,第1051 - 1043页,2004年。视图:出版商的网站|谷歌学术搜索
2. j·卡尔拉,“医疗事故:影响临床实验室和其他关键领域,“临床生物化学,37卷,不。12日,第1062 - 1052页,2004年。视图:出版商的网站|谷歌学术搜索
3. e·s·伯纳和m . l . Graber”过分自信是医学诊断错误的一个原因,“美国医学杂志,卷121,不。5,S2-S23, 2008页。视图:出版商的网站|谷歌学术搜索
4. r·a·米勒·h·e·荡漾Jr .)和j·d·迈尔斯”Internist-I,实验计算机诊断为普通内科医学顾问,“《新英格兰医学杂志》上,卷307,不。8,468 - 476年,1982页。视图:谷歌学术搜索
5. j . a .不要“测量诊断系统的准确性,科学,卷240,不。4857年,第1293 - 1285页,1988年。视图:谷歌学术搜索
6. j . Huguet m . j . Castineiras x Fuentes-Arderiu,诊断准确性评价使用ROC曲线分析,“斯堪的纳维亚的临床和实验室调查杂志》上,53卷,不。7,693 - 699年,1993页。视图:谷歌学术搜索
7. t·伯纳斯·李,j·亨德,o·斯莱虽然“语义web,”科学美国人,卷284,不。5,34-43,2001页。视图:出版商的网站|谷歌学术搜索
8. v . l . Yua b . g . Buchananb e·h·Shortliffe et al .,“评估性能的计算机顾问”计算机程序在生物医学,9卷,不。1,第102 - 95页,1979。视图:谷歌学术搜索
9. r·a·米勒·h·e·荡漾,j·d·迈尔斯”Internist-I,实验计算机诊断为普通内科医学顾问,“《新英格兰医学杂志》上,卷307,不。8,468 - 476年,1982页。视图:谷歌学术搜索
10. g . o . Barnett j·j·西米诺j·a··赫普和e . p .霍夫尔”DXplain:知识获取和项目评价的经验,“程序的年度研讨会上计算机在医疗中的应用,没有。4、150 - 154年,1987页。视图:谷歌学术搜索
11. m . l . Graber和a·马修”性能的一个基于web的内科医师,临床诊断支持系统”普通内科医学杂志》上补充1卷。23日,37-40,2008页。视图:出版商的网站|谷歌学术搜索
12. m·j·林肯,c·w·特纳,p . j . Haug et al .,“伊利亚特训练提高医学生诊断技能,”医疗系统杂志,15卷,不。1,第110 - 93页,1991。视图:出版商的网站|谷歌学术搜索
13. 史密斯和j·s·米塔尔,b•钱德拉塞卡兰,“MDX-A医疗诊断系统的概述,程序的年度研讨会上计算机在医疗中的应用,没有。17日,34-46,1979页。视图:谷歌学术搜索
14. a·阿伦森”DiagnosisPro:最终的鉴别诊断助理”,美国医学协会杂志》上,卷277,不。5,426年,页1997。视图:谷歌学术搜索
15. DiagnosMD“软件DiagnosMD,”2012年,http://www.diagnosmd.com/index.php。视图:谷歌学术搜索
16. r . l .教和e·h·Shortliffe”,医生的态度关于计算机的分析临床咨询系统,”计算机和生物医学研究,14卷,不。6,542 - 558年,1981页。视图:出版商的网站|谷歌学术搜索
17. d·l·亨特,r·b·海恩斯s e·汉娜和k·史密斯,”影响医生的临床决策支持系统基于计算机的性能和病人结果:系统回顾,“美国医学协会杂志》上,卷280,不。15日,第1346 - 1339页,1998年。视图:出版商的网站|谷歌学术搜索
18. e . s . Berner r s Maisiak c·g·柯布和o·d·陶顿”的影响医生的诊断性能,决策支持系统”美国医学协会杂志》上》第六卷,没有。5,420 - 427年,1999页。视图:谷歌学术搜索
19. e . s .伯纳·g·d·韦伯斯特,a . a . Shugerman et al .,“四个计算机诊断系统的性能,”《新英格兰医学杂志》上,卷330,不。25日,第1796 - 1792页,1994年。视图:出版商的网站|谷歌学术搜索
20. h . Tang和j·h·k·Ng,”Google的diagnosis-use Google作为辅助诊断手段:基于互联网的研究,“英国医学杂志,卷333,不。7579年,第1145 - 1143页,2006年。视图:出版商的网站|谷歌学术搜索
21. e . s . Berner r s Maisiak c·g·柯布和o·d·陶顿”的影响医生的诊断性能,决策支持系统”美国医学协会杂志》上》第六卷,没有。5,420 - 427年,1999页。视图:谷歌学术搜索
22. w·赵h . Yanxiang股份,j .回族“智能分布式医学诊断和治疗系统的模型基于移动代理和本体”学报》第八届国际会议在亚太地区的高性能计算(HPC 05)2005年12月,页582 - 587。视图:出版商的网站|谷歌学术搜索
23. d . Nauck和r·克鲁斯“从数据去噪方法学习模糊分类规则,”模糊集和系统,卷89,不。3、277 - 288年,1997页。视图:谷歌学术搜索
24. h . Ishibuchi t中岛美嘉t .日本村田公司,“绩效评估的模糊分类器系统的多维模式分类问题,“IEEE系统,人,控制论B卷,29号5,601 - 618年,1999页。视图:出版商的网站|谷歌学术搜索
25. m . Setnes和r . Babuska“模糊关系由模糊聚类分类器训练,”IEEE系统,人,控制论B卷,29号5,619 - 625年,1999页。视图:出版商的网站|谷歌学术搜索
26. A . Rodriguez-Gonzalez。Garcia-Crespo r . Colomo-Palacios j·e·l . Gayo j . m . Gomez-Berbis和g . Alor-Hernandez”自动诊断通过本体和逻辑描述:阿多尼斯的方法,”决策支持系统技术的国际期刊,3卷,不。1,21-39,2011页。视图:谷歌学术搜索
27. a . Rodriguez-Gonzalez j . e . Labra-Gayo r . Colomo-Palacios m·a·梅耶j . m . Gomez-Berbis和a . Garcia-Crespo”SeDeLo:使用语义和描述逻辑支持辅助临床诊断,”医疗系统杂志,36卷,不。4、2471 - 2481年,2012页。视图:出版商的网站|谷歌学术搜索
28. a . Rodriguez-Gonzalez g . Hernandez-Chan r . Colomo-Palacios et al .,“对本体支持语义诊断决策支持系统,启用“目前的生物信息学,7卷,不。3、234 - 245年,2012页。视图:谷歌学术搜索
29. 诉Bertaud-Gounot、r . Duvauferrier和a . Burgun“本体和医疗诊断,”健康和社会保健信息学,37卷,不。1,22-32,2012页。视图:谷歌学术搜索
30. a . Burgun o . Bodenreider, c . Jacquelinet”问题在疾病的分类与本体实例,”研究卫生技术和信息卷,116年,第700 - 695页,2005年。视图:谷歌学术搜索
31. l . Peelen m·c·a·克莱因s Schlobach n . f . De Keizer和n . Peek”操作疾病定义使用本体论建模,分析差异”学报11日人工智能在医学会议(艾梅' 07)2007年7月,页297 - 302。视图:谷歌学术搜索
32. a . Rodriguez-Gonzalez a·加西亚-克雷斯波,r . Colomo-Palacios j·m·戈麦斯——Berbis和e . Jimenez-Domingo”使用本体在药物处方:sem方法,”国际信息和决策科学杂志》上,1卷,不。4、15页,2011年。视图:出版商的网站|谷歌学术搜索
33. 一个。Garcia-Crespo, a·罗德里格斯m . Mencke j . m . Gomez-Berbis和r . Colomo-Palacios”ODDIN:类型鉴别诊断基于逻辑推理和概率细化,”专家系统与应用程序,37卷,不。3、2621 - 2628年,2010页。视图:出版商的网站|谷歌学术搜索
34. A . Rodriguez-Gonzalez。Garcia-Crespo r . Colomo-Palacios j·e·l . Gayo j . m . Gomez-Berbis和g . Alor-Hernandez”自动诊断通过本体和逻辑描述:阿多尼斯的方法,”决策支持系统技术的国际期刊,3卷,不。1,21-39,2011页。视图:出版商的网站|谷歌学术搜索
35. h . c .袜Jr .)“概率论诊断测试的使用:一个文学批评研究的介绍,“内科医学年鉴,卷104,不。1、60 - 66、1986页。视图:谷歌学术搜索
36. b·w·马修斯,”预测的比较和观察T4噬菌体溶菌酶的二级结构,”Biochimica et Biophysica学报,卷405,不。2、442 - 451年,1975页。视图:谷歌学术搜索
37. p . Baldi椰子饼,y Chauvin, c·a·f·安德森和h·尼尔森,”评估的准确性预测算法分类:概述,“生物信息学,16卷,不。5,412 - 424年,2000页。视图:谷歌学术搜索
38. a . Rodriguez-Gonzalez“完整的博士论文评价的结果,”2012年,http://nadir.uc3m.es/alejandro/pubs/evmds/fullresults.pdf。视图:谷歌学术搜索

版权

版权©2012 Alejandro Rodriguez-Gonzalez等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。