Case based reasoning applied to medical diagnosis using multi-class classifier: a preliminary study

• Viveros-Melo, D. ^[1] ; Ortega-Adarme, M. ^[1] ; Blanco Valencia, X. ^[2] ; Castro-Ospina, A. E. ^[5] ; Murillo Rendón, S. ^[3] ; Peluffo-Ordóñez, D. H. ^[4]
  1. [1] Universidad de Nariño

     Universidad de Nariño

     Colombia

     
  2. [2] Universidad de Salamanca

     Universidad de Salamanca

     Salamanca, España

     
  3. [3] Universidad Autonoma de Manizales

     Universidad Autonoma de Manizales

     Colombia

     
  4. [4] Universidad Técnica del Norte

     Universidad Técnica del Norte

     San Miguel De Ibarra, Ecuador

     
  5. [5] Tecnológico Metropolitano, Medellín - Colombia

  Mostrar afiliaciones +
• Localización: Enfoque UTE: Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE, ISSN-e 1390-6542, Vol. 8, Nº. 1, 2017, págs. 232-243
• Idioma: inglés
• DOI: 10.29019/enfoqueute.v8n1.141
• Títulos paralelos:
  • Razonamiento basado en casos aplicado al diagnóstico médico utilizando clasificadores multi-clase: un estudio preliminar
• Enlaces
  • Texto completo
• Resumen
  • español

    CBR ha demostrado ser apropiado para trabajar con datos de dominios poco estructurados o situaciones donde es difícil la adquisición de conocimiento, como es el caso del diagnóstico médico, donde es posible identificar enfermedades como: cáncer, predicción de epilepsia y diagnóstico de apendicitis. Algunas de las tendencias que se pueden desarrollar para CBR en la ciencia de la salud están orientadas a reducir el número de características en datos de gran dimensión. Una contribución importante puede ser la estimación de probabilidades de pertenencia a cada clase para los nuevos casos. Con el fin de representar adecuadamente la base de datos y evitar los inconvenientes causados por la alta dimensión, ruido y redundancia de los mimos, en este trabajo, se utiliza varios algoritmos en la etapa de pre-procesamiento para realizar una selección de variables y reducción de dimensiones. Además, se realiza una comparación del rendimiento de algunos clasificadores multi-clase representativos para identificar el más eficaz e incluirlo en un esquema CBR. En particular, se emplean cuatro técnicas de clasificación y dos técnicas de reducción para hacer un estudio comparativo de clasificadores multi-clase sobre CBR.

  • English

    Case-based reasoning (CBR) is a process used for computer processing that tries to mimic the behavior of a human expert in making decisions regarding a subject and learn from the experience of past cases. CBR has demonstrated to be appropriate for working with unstructured domains data or difficult knowledge acquisition situations, such as medical diagnosis, where it is possible to identify diseases such as: cancer diagnosis, epilepsy prediction and appendicitis diagnosis. Some of the trends that may be developed for CBR in the health science are oriented to reduce the number of features in highly dimensional data. An important contribution may be the estimation of probabilities of belonging to each class for new cases. In this paper, in order to adequately represent the database and to avoid the inconveniences caused by the high dimensionality, noise and redundancy, a number of algorithms are used in the preprocessing stage for performing both variable selection and dimension reduction procedures. Also, a comparison of the performance of some representative multi-class classifiers is carried out to identify the most effective one to include within a CBR scheme. Particularly, four classification techniques and two reduction techniques are employed to make a comparative study of multi-class classifiers on CBR.

• Referencias bibliográficas
  • Aamodt, A., & Plaza, E. (1994). Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI communications...
  • Begum, S., Ahmed, M. U., Funk, P., Xiong, N., & Folke, M. (2011). Case-based reasoning systems in the health sciences: a survey of recent...
  • Belkin, M. (2003). Problems of learning on manifolds. The University of Chicago.
  • Bhatia, S., Praveen , P., & Pillai, G. (2008). SVM based decision support system for heart disease classification with integer-coded genetic...
  • Bichindaritz, I. &. (1996). Temporal knowledge representation and organization for case-based reasoning.
  • Bichindaritz, I., & Conlon, E. (1996). Temporal knowledge representation and organization for case-based reasoning. Temporal Representation...
  • Bichindaritz, I., & Marling, C. (2006). Case-based reasoning in the health sciences: What's next? Artificial intelligence in medicine,...
  • Gierl, L., Bull, M., & Schmidt, R. (1998). CBR in Medicine. En Case-Based Reasoning Technology (págs. 273-297). pringer Berlin Heidelberg.
  • Herrero, J. M. (2007). Una aproximación multimodal al diagnostico temporal mediante razonamiento basado en casos y razonamiento basado en...
  • Jenal, Gonzales, M., Alejo, S. M., & Ramos López, R. (2006). Sistema CBR para presentación de entrenamientos físicos personalizados en...
  • Kolodner, J. (1983). Maintaining organization in a dynamic long‐term memory. Cognitive science 7, 243-280.
  • Kwiatkowska, M., & Atkins, M. (2004). Case representation and retrieval in the diagnosis and treatment of obstructive sleep apnea: a semio-fuzzy...
  • Lozano, L., & Fernández, J. (2008). Razonamiento basado en casos: Una visión general.
  • Montani, S. (2008). Exploring new roles for case-based reasoning in heterogeneous AI systems for medical decision support. Applied Intelligence...
  • Phuong, Hoang, N., Prasad, N., Hung, D. H., & Drake, J. (2001). pproach to combining case based reasoning with rule based reasoning for...
  • Sheather, S. (2004). Density estimation. Statistical Science 19, 588-597.
  • Sundar, C., Chitradevi, M., & G. , G. (2012). Classification of cardiotocogram data using neural network based machine learning technique....
  • Trendowicz, A., & Jeffery, R. (2014). Software project effort estimation: Foundations and best practice guidelines for success. Springer.
  • Wang, Hsien-Tseng, & Tansel, A. U. (2013). MedCase: a template medical case store for case-based reasoning in medical decision support....