Characteristic features of the classification process in terms of medical diagnosis (Ukr)

Для підсистеми підтримки прийняття рішень у складі експертних систем різного призначення актуальною задачею є можливість формування рангів стосовно отриманих результатів. Цю можливість можна реалізувати, якщо використовувати результати попередньої класифікації об’єктів. У цій роботі розглядається варіант реалізації процедури класифікації об’єктів із ранжуванням у контексті медичного діагностування захворювань. В якості базового задіяно метод класифікації з використанням лінійних дискримінантних функцій. Показано, що двома базовими операціями класифікації в цьому випадку є сформування лінійних дискримінантних функцій векторно-матричним помножувачем та вибірка максимальної з них максимізатором типу “1 з N”. Враховуючи те, що ранжування результатів класифікації виконується після застосування до лінійних дискримінантних функцій механізму конкуренції через максимізатор, у роботі розглянуто варіанти реалізації такої функції максимізатора. В результаті особливий інтерес з точки зору часових та апаратних витрат становить альтернативний метод числового сортування із застосуванням швидкісної операції декремента паралельно до всіх елементів числового масиву. Це, у свою чергу, дозволяє для формування рангів елементів задіяти швидкісну операцію інкремента. Обидві ці операції декремента/інкремента можна ефективно реалізувати на реверсивних лічильниках, що збільшить регулярність структури класифікатора. Отже, для цього класичну структуру класифікатора необхідно доповнити ранжувальником після максимізатора. Результати імітаційного моделювання підтвердили слушність процесу медичного діагностування з ранжуванням визначених діагнозів захворювань. Важливо підкреслити, що актуальність ранжування результатів класифікації об’єктів під час медичного діагностування захворювань полягає в тому, що існує можливість розглядати не тільки діагноз з найбільшим рангом, але й найближчі до нього. Все це свідчить про наочність та зручність такого процесу медичного діагностування.

Authors

Publication Details

Journal
Scientific Works of Vinnytsia National Technical University
Published
2025-01-01
DOI
https://doi.org/10.31649/2307-5376-2025-1-80-85
Primary Topic
Healthcare Systems and Public Health
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Characteristic features of the classification process in terms of medical diagnosis (Ukr)

Tetiana Martyniuk, A. V. Kozhemiako, D. O. Katashynskyi, І. V. Bulyga
Scientific Works of Vinnytsia National Technical University
Healthcare Systems and Public Health
article

Characteristic features of the classification process in terms of medical diagnosis (Ukr)

Tetiana Martyniuk, A. V. Kozhemiako, D. O. Katashynskyi, І. V. Bulyga
article en

Abstract

Для підсистеми підтримки прийняття рішень у складі експертних систем різного призначення актуальною задачею є можливість формування рангів стосовно отриманих результатів. Цю можливість можна реалізувати, якщо використовувати результати попередньої класифікації об’єктів. У цій роботі розглядається варіант реалізації процедури класифікації об’єктів із ранжуванням у контексті медичного діагностування захворювань. В якості базового задіяно метод класифікації з використанням лінійних дискримінантних функцій. Показано, що двома базовими операціями класифікації в цьому випадку є сформування лінійних дискримінантних функцій векторно-матричним помножувачем та вибірка максимальної з них максимізатором типу “1 з N”. Враховуючи те, що ранжування результатів класифікації виконується після застосування до лінійних дискримінантних функцій механізму конкуренції через максимізатор, у роботі розглянуто варіанти реалізації такої функції максимізатора. В результаті особливий інтерес з точки зору часових та апаратних витрат становить альтернативний метод числового сортування із застосуванням швидкісної операції декремента паралельно до всіх елементів числового масиву. Це, у свою чергу, дозволяє для формування рангів елементів задіяти швидкісну операцію інкремента. Обидві ці операції декремента/інкремента можна ефективно реалізувати на реверсивних лічильниках, що збільшить регулярність структури класифікатора. Отже, для цього класичну структуру класифікатора необхідно доповнити ранжувальником після максимізатора. Результати імітаційного моделювання підтвердили слушність процесу медичного діагностування з ранжуванням визначених діагнозів захворювань. Важливо підкреслити, що актуальність ранжування результатів класифікації об’єктів під час медичного діагностування захворювань полягає в тому, що існує можливість розглядати не тільки діагноз з найбільшим рангом, але й найближчі до нього. Все це свідчить про наочність та зручність такого процесу медичного діагностування.

Scientific Works of Vinnytsia National Technical University(1)
Openalex Percentile: Top 91%
Healthcare Systems and Public Health
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.