由东旭汉进步研讨会的工作,讨论了基于特征值阈值控制高斯贝叶斯预测的敏感性

2019年3月21日

东旭汉开始他的讲座上周五3月15日的,对他的研究,他攻读博士学位期间,研究的背景信息。提及如何为医生设计的临床决策支持系统可以帮助患者的健康,并加快利用新的和现有的图像和数据,从学习诊断过程。该系统将能够提供预测的更高的精度对未来疾病和传染病,这将帮助医生,医院削减等待时间下来,安抚他们的诊断的病人。东旭移动到显示决策评分系统,以及如何将计算它给数据的例子。

该系统将依赖于功能的灵敏度输入/输出,由此,该系统将能够预测模式结局健康。他结合贝叶斯分类方法的公知的PCA(主分量分析)的方法。东旭解释如何减少尺寸可以帮助提高灵敏度。特别是,他表明,小特征向量对灵敏度的影响较小,因此可以降低的小本征向量的数目。他提供的阈值被用来切断的小特征向量可以在实践中减少的数量。与此,灵敏度的因素为模型继电器维数和特征值/载体和通过提高维数,这将因此提高灵敏度。

他反映了他所收集的数据,并通过去除小或大的附加价值,这将增加或减少的敏感性。结果可以在下面示出。作为实验数据集,他提供给我们,他的乳腺癌的2620个乳腺放射影像,良性和恶性。

Graph showing how designing a clinical decision support system for doctors could aid patient’s health and speed up the diagnosing process Graph showing how designing a clinical decision support system for doctors could aid patient’s health and speed up the diagnosing process

然后他通过参照减小大的值(蓝点)和小的值(橙色点),调整的实验数据相应地设置的精确度和灵敏度的联盟解释图表。

我们正在进行的工作的扬声器,东旭汉,让我们更好地了解他的研究,并通过控制灵敏度设计临床决策支持系统的进展。本次研讨会也给学生和员工有机会从“基于特征值阈值控制高斯贝叶斯预测的敏感性”,可能引入新的知识变成自己研究的讨论中受益。对于谁可能会考虑在计算或为那些谁可能有兴趣一般一个疗程的个体,这些讨论提供了一个深入了解当前学生的研究,并在那里将带领他们。

了解更多关于我们 在计算课程.