Webes felületű orvosi kódolástámogató rendszer BSc önálló laboratórium Sárándi István Konzulens: Héja Gergely 2011 tavasz

A problémáról

Célkitűzés  Orvosok segítése diagnózisok kódolásában webes felületen  manuálisan sok időt igényel  BNO = Betegségek Nemzetközi Osztályozása  Célja  statisztika  finanszírozás  Hierarchikus kódrendszer  21 főcsoport (pl. daganatok)  Kb. 10 ezer kód (pl. C3840)

Felhasználási séma Kódoló rendszer fibrillatio auricula paroxysmalis 1.a felhasználó (pl. orvos) begépeli a diagnózist 2.a rendszer visszaad egy tipplistát 3.a felhasználó megnézi a talált kódok leírását és dönt 4.(a felhasználó visszajelzést küld a rendszernek, hogy végül mit választott)

Minták  Rendelkezésre állnak szakértők által kódolt, tisztított minták (diagnózis–kód párok)  ~3000 darabos magyar (BNO-10)  ez alapján működne a szolgáltatás  ~ darabos német (BNO-9)  a módszerek jobb kiértékelésére

Módszerek

Lehetséges megközelítések Pl.: Strictura ureteris hydronephrosis nélkül  Szintaktikai  természetesnyelv-feldolgozás  nincs sok elemeznivaló  Szemantikus  kifejezések jelentései közötti kapcsolatok leírása  tárgyterületi ontológiák szükségesek  Tárgyfüggetlen osztályozó módszerek

Osztályozás  Módszerek  Vektortér  Bayes-modell  Neurális háló  (Szupportvektor-gép)  Keverékek  Az osztályok a BNO-kódoknak felelnek meg  több ezer osztály!  Mind vektorokat igényelnek bementként, de nekünk sztringjeink vannak!

Vektorosítás  Szóhalmaz-modell (bag-of-words)  dokumentumosztályozásban népszerű  pl. spam szűrés  erős absztrakció  sorrend  szóhasonlóságok (pl. morfológia, szinonimák)

Vektorosítás fibrillatio aricula paroxysmalis  implementációs megjegyzés  tároljuk csak az előforduló szavak indexét! 000…010…010…010…000 fibrillatio auricula paroxysmalis urosepsis sok ezer dimenzió!

Vektortér 

 Előnyei  nagyon egyszerű implementáció  Hátrányai  lassú  nem veszi figyelembe a szavak fontosságát  ~43%  előfeldolgozás  IDF súlyozás  ~52%

Vektortér IDF súlyozással 

Bayes-modell 

Naiv Bayes-osztályozó 

 Előnyei:  egyszerű implementáció  szilárd elméleti háttér  Hátránya:  naiv feltételezés  gyenge eredmény (~50%)

Neurális modell  Elemi perceptron (neuron)  súlyozott összeg +eltolás  nemlinearitás  a súlyok tanítása  MLP: multi-layer perceptron  rétegesen + ×w 1 ×w 2 ×w 3 b

Neurális modell  Tanítása ciklusokban  Súlymódosítás: „legmeredekebb lejtő”  Tesztelés  ha a hibamérték „növekedésnek indul”, leállás  fordulópont detektálása  hiba-visszaterjesztés (backpropagation)

Neurális modell  Osztályozás:  kimenet = osztály relevanciója  logisztikus függvény 0..1 a kimeneten  több ezer kimenet!

Neurális modell  Előnyei:  futáskor gyors  csak a nem zérus bemenetek esetén történik szorzás  rejtett réteg növeli a számítási komplexitást, de nem javít sokat a megoldás minőségén  jó eredmények (~52%)  Hátrányai  tanítása lassú  bonyolultabb implementáció

Kevert modellek  Különböző osztályozók eredménylistáit súlyozva egyesítjük  Elgondolás:  a hibásak eltérnek  súlyozott összegzéssel feljöhet a helyes

Eredménykeverés KódBizonyosság B0,27 C0,26 A0,25 D0,11 E KódBizonyosság D0,28 A0,25 B0,17 E0,16 C0,14 KódBizonyosság A0,25 B0,22 C0,20 D0,195 E0,135 0,5

Kevert modellek  súlyozás  konstans  kapuzó rendszer határozza meg  bemenetfüggő  klaszterezés  tippelt szakértelem  tippelt osztálycsoport  struktúra kell  használjuk ki a BNO kódhierarchiát!  21 szakértő osztályozó a főcsoportokhoz

Konstans súlyú keverés  optimális súlyozást keresünk (w, 1-w)  brute-force  lépegessünk kis lépésekben w=0..1  a tesztmintán mérjük a jóságát  definiálni kell valamilyen mértéket  végül a két osztályozót az egész tanítómintával megtanítjuk

Konstans súlyú keverés  Előnyei:  egyszerű  legjobb eredmények  Hátrányai:  több osztályozó esetén a brute-force módszer nem megfelelő  súlyoptimalizáló rendszer kell

MOE tanítása Kapuzó osztályozó Címkéző kód főcs. diagnózis szűrés szakértő

MOE használata Kapuzó osztályozó listák összevonása szakértő szakértők becsléseinek súlyozása az adott főcsoport becsült relevanciájával × × × × diagnózis kódlisták relevanciával max v sum

MOE  Előnyei:  neurális szakértők esetén gyorsabb és jobb eredmények, mint a lapos neurális modell esetén! (~55%)  egyszerű implementáció  Hátrányai:  ?

Szakértelembecslés  tanítás  tanítóhalmazzal tanítjuk a szakértőket (még nem tudjuk, hogy minek a szakértői lesznek)  kapuzó hálót tanítunk  az egyes szakértők mennyire ügyesek az adott tesztbemenetnél  használata  MOE-hoz hasonlóan

Szakértelembecslés  Előnyei:  jobb eredmény, mint külön-külön  sok szakértővel is hatékony  Hátrányai:  nem valószínű szignifikáns összefüggés  a kapuzó ilyen esetben két dolgot tanul:  általánosan mennyire nehéz a bemenet (felesleges)  általánosan mennyire jók az osztályozók (egyszerűbben is kiszámolható)

Implementáció

Alapvető felépítés Osztályozó szerver WebszerverBöngésző Egyéb kliens- program TCP, XML HTTP, XHTML

Osztályozó szerver  Különböző parancssori paraméterezések  train config.xml trainingdata.rep classif.dat  osztályozó felépítésének (típus, részei, paraméterek) beolvasása XML fájlból  tanítás  kapott tanított osztályozó szerializálása fájlba  serve classif.dat 5555  a megadott porton TCP sockettel figyel  a beérkező diagnózisokat a megadott fájlból betöltött osztályozóval kódolja

Konfiguráció MLP bagofwords counter

Konfiguráció MLP bagofwords counter

Konfiguráció Hierarchic

Konfiguráció Interval ICD10.def

Csomagok

Framework

Classifier

Classifier Adapter

Validation

Neuralnetwork

Vector

Parallel  többmagos gépen sok minden gyorsítható  tesztelés  neurális háló  vektortér

Köszönöm a figyelmet!