Feature Selection Methods in Image-Based Screening for the Detection of Hashimoto’s Thyroiditis in First-Contact Hospitals

Zbigniew Omiotek; Andrzej Burda

doi:10.56583/br.618

Data publikacji : 2016-07-15

Tom 14 Nr 2 (2016)

Metody selekcji cech w badaniach przesiewowych, realizowanych w szpitalach pierwszego kontaktu w kierunku wykrywania choroby Hashimoto

Zbigniew Omiotek

Andrzej Burda

DOI: https://doi.org/10.56583/br.618

Abstrakt

W pracy porównano wyniki redukcji wymiaru przestrzeni cech dla obrazów USG tarczycy, uzyskane za pomocą heurystycznej identyfikacji zmiennych zakłócających (HINoV), testowania istotności współczynników korelacji oraz metody wskaźników pojemności informacyjnej Hellwiga. Najlepsze efekty uzyskano za pomocą metody Hellwiga, która pozwoliła wybrać tylko 3 cechy z pełnego zbioru liczącego 283 cech dyskryminacyjnych. W porównaniu z innymi, zredukowanym zbiorami danych, które wykorzystywane były w badaniach, klasyfikatory zbudowane na podstawie tych trzech cech mają największą wrażliwość (0,82) oraz specyficzność (0,83) klasyfikacji. Badania wykazały, że metoda Hellwiga może być stosowana jako skuteczny sposób zmniejszania wymiaru danych w klasyfikacji obrazów USG tarczycy, mającej na celu rozpoznawanie choroby Hashimoto.

Słowa kluczowe:

selekcja cech, klasyfikacja obrazów, HINoV, korelacja Spearmana, metoda Hellwiga, tarczyca, choroba Hashimoto

Inne teksty tego samego autora

Jarosław Bielak, Andrzej Burda, Mieczysław Kowerski, Krzysztof Pancerz, Modelowanie i prognozowanie wypłat gotówki w banku , Barometr Regionalny. Analizy i Prognozy : Tom 13 Nr 4 (2015)
Krzysztof Pancerz, Andrzej Burda, Piotr Grochowalski, Wiesław Paja, Ontologiczny generator testów wiedzy z tekstów na przykładzie wiedzy o geografii Polski , Barometr Regionalny. Analizy i Prognozy : Tom 19 Nr 1 (2023)
Andrzej Burda, Krzysztof Pancerz, Klasteryzacja i wizualizacja wzorców bankructwa przy użyciu samoorganizujących się map Kohonena , Barometr Regionalny. Analizy i Prognozy : Tom 12 Nr 3 (2014)
Andrzej Burda, Zdzisław Hippe, Metodyka prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (19) (2010)
Andrzej Burda, Paweł Cudek, Zdzisław Hippe, ProfileSEEKER — system informatyczny wczesnego ostrzegania małych i średnich przedsiębiorstw przed bankructwem , Barometr Regionalny. Analizy i Prognozy : Nr 3 (29) (2012)
Andrzej Burda, Wielokryterialna ocena modeli prognozowania stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw , Barometr Regionalny. Analizy i Prognozy : Nr 1 (15) (2009)
Zbigniew Omiotek, System transmisji obrazu ruchomego przez Internet jako hierarchiczny system złożony , Barometr Regionalny. Analizy i Prognozy : Nr 4 (22) (2010)
Andrzej Burda, Barbara Kuczmowska, Analiza jakości predykcji stanu ekonomiczno-finansowego małych i średnich przedsiębiorstw przy pomocy zespołów sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 2 (12) (2008)
Zbigniew Omiotek, Badanie samopodobieństwa obrazów metodą analizy fraktalnej , Barometr Regionalny. Analizy i Prognozy : Nr 1 (23) (2011)
Andrzej Burda, Prognozowanie kondycji przedsiębiorstw z wykorzystaniem sztucznych sieci neuronowych , Barometr Regionalny. Analizy i Prognozy : Nr 6 (2006)

1 2 > >>

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF

Zasady cytowania

Omiotek, Z., & Burda, A. (2016). Metody selekcji cech w badaniach przesiewowych, realizowanych w szpitalach pierwszego kontaktu w kierunku wykrywania choroby Hashimoto. Barometr Regionalny. Analizy I Prognozy, 14(2), 187–196. https://doi.org/10.56583/br.618

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Breiman, L. 1996. “Bagging Predictors.” Machine Learning no. 24 (2):123–140. doi: 10.1023/A:1018054314350. DOI: https://doi.org/10.1007/BF00058655

Breiman, L. 2001. “Random Forests.” Machine Learning no. 45 (1):5–32. doi: 10.1023/A:1010933404324. DOI: https://doi.org/10.1023/A:1010933404324

Breiman, L., J.H. Friedman, R.A. Olshen, and C.J. Stone. 1984. Classification and Regression Trees, The Wadsworth Statistics/Probability Series. Belmont, Calif.: Wadsworth International Group.

Carmone Jr, F.J., A. Kara, and S. Maxwell. 1999. “HINoV: A New Model to Improve Market Segment Definition by Identifying Noisy Variables.” Journal of Marketing Research no. 36 (4):501–509. doi: 10.2307/3152003. DOI: https://doi.org/10.1177/002224379903600408

Enas, G.G., and S.C. Choi. 1986. “Choice of the Smoothing Parameter and Efficiency of K-Nearest Neighbor Classification.” Computers & Mathematics with Applications-Part A no. 12 (2):235–244. doi: 10.1016/0898–1221(86)90076–3. DOI: https://doi.org/10.1016/0898-1221(86)90076-3

Fisher, R.A. 1936. “The Use of Multiple Measurements in Taxonomic Problems.” Annals of Eugenics no. 7 (2):179–188. doi: 10.1111/j.1469–1809.1936.tb02137.x. DOI: https://doi.org/10.1111/j.1469-1809.1936.tb02137.x

Freund, Y., and R.E. Schapire. 1997. “A Decision-Theoretic Generalization of on-Line Learning and an Application to Boosting.” Journal of Computer and System Sciences no. 55 (1):119–139. doi: 10.1006/jcss.1997.1504. DOI: https://doi.org/10.1006/jcss.1997.1504

Haralick, R.M. 1979. “Statistical and Structural Approaches to Texture.” Proceedings of the IEEE no. 67 (5):786–804. doi: 10.1109/Proc.1979.11328. DOI: https://doi.org/10.1109/PROC.1979.11328

Haralick, R.M., Shanmuga.K, and I. Dinstein. 1973. “Textural Features for Image Classification.” IEEE Transactions on Systems Man and Cybernetics no. Smc3 (6):610–621. doi: 10.1109/Tsmc.1973.4309314. DOI: https://doi.org/10.1109/TSMC.1973.4309314

Hellwig, Z. 1968. “On the Optimal Choice of Predictors.” In Toward a System of Quantitative Indicators of Components of Human Resources Development, edited by Z. Gostkowski. Paryż: UNESCO.

Hothorn, T., and B. Lausen. 2005. “Bundling Classifiers by Bagging Trees.” Computational Statistics & Data Analysis no. 49 (4):1068–1078. doi: 10.1016/j.csda.2004.06.019. DOI: https://doi.org/10.1016/j.csda.2004.06.019

Hu, Y., and T.J. Dennis. 1994. “Textured Image Segmentation by Context Enhanced Clustering.” IEE Proceedings-Vision Image and Signal Processing no. 141 (6):413–421. doi: 10.1049/ip-vis:19941548. DOI: https://doi.org/10.1049/ip-vis:19941548

Koronacki, J., and J. Ćwik. 2005. Statystyczne systemy uczące się. Warszawa: Wydawnictwa Naukowo-Techniczne.

Lerski, R.A., K. Straughan, L.R. Schad, D. Boyce, S. Bluml, and I. Zuna. 1993. “MR Image Texture Analysis — an Approach to Tissue Characterization.” Magnetic Resonance Imaging no. 11 (6):873–887. doi: 10.1016/0730–725x(93)90205-R. DOI: https://doi.org/10.1016/0730-725X(93)90205-R

Liao, S.H., P.H. Chu, and P.Y. Hsiao. 2012. “Data Mining Techniques and Applications — A Decade Review from 2000 to 2011.” Expert Systems with Applications no. 39 (12):11303–11311. doi: 10.1016/j.eswa.2012.02.063. DOI: https://doi.org/10.1016/j.eswa.2012.02.063

Ligęza, A. 2006. Logical Foundations for Rule-Based Systems, Studies in Computational Intelligence. Berlin – New York: Springer. DOI: https://doi.org/10.1007/3-540-32446-1

Omiotek, Z., A. Burda, and W. Wójcik. 2013. “The Use of Decision Tree Induction and Artificial Neural Networks for Automatic Diagnosis of Hashimoto’s Disease.” Expert Systems with Applications no. 40 (16):6684–6689. doi: 10.1016/j.eswa.2013.03.022. DOI: https://doi.org/10.1016/j.eswa.2013.03.022

Omiotek, Z., A. Burda, and W. Wójcik. 2015. “Application of Selected Classification Methods for Detection of Hashimoto’s Thyroiditis on the Basis of Ultrasound Images.” In Computational Intelligence, Medicine and Biology: Selected Links, edited by K. Pancerz and E. Zaitseva, 23–37. Cham u.a.: Springer. DOI: https://doi.org/10.1007/978-3-319-16844-9_2

Omiotek, Z., and W. Wójcik. 2014. “Zastosowanie metody Hellwiga do redukcji wymiaru przestrzeni cech obrazów USG tarczycy.” Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska (3):14–17. DOI: https://doi.org/10.5604/20830157.1121333

Tadeusiewicz, R. 1993. Sieci neuronowe. 2nd ed., Problemy Współczesnej Nauki i Techniki Informatyka. Warszawa: Akademicka Oficyna Wydawnicza RM.

Walesiak, M. 2005. “Problemy selekcji i ważenia zmiennych w zagadnieniu klasyfikacji.” Prace Naukowe AE we Wrocławiu. Taksonomia 12 (1076):106–118.

Walesiak, M., and E. Gatnar. eds. 2009. Statystyczna analiza danych z wykorzystaniem programu R. Warszawa: Wydawnictwo Naukowe PWN.

Zbigniew Omiotek

br@akademiazamojska.edu.pl

Afiliacja:

Politechnika Lubelska Polska

Andrzej Burda

br@akademiazamojska.edu.pl

Afiliacja:

Wyższa Szkoła Zarządzania i Administracji w Zamościu Polska