Santrauka
Tyrime vertinamas neigiamų reikšmių neturintis matricų faktorizavimas ir Gauso mišinių modeliai minkštajai inkstų akmenų klasifikacijai pagal FTIR spektrinius duomenis. Klinikinis tikslas – tiksliau nustatyti akmenų sudėtį, kuri svarbi gydymui ir pasikartojimo prevencijai.
Autoriai
Aistis Raudys, Aušra Šubonienė, Arūnas Želvys
Kas vertinta tyrime
Darbas sutelktas į retas arba mišrias akmenų sudėtis, kur duomenų trūkumas riboja neuroninių tinklų metodus. Vertinama, ar NMF gali pateikti naudingą mažesnio matmens reprezentaciją, o GMM – išreikšti neapibrėžtumą per tikimybinius klasių priskyrimus.
Pagrindinės išvados
NMF ir GMM derinys suteikia praktišką būdą analizuoti akmenų sudėtį tada, kai pavyzdžių nedaug. Metodas pasiekia prasmingą atitikimą su etaloninėmis žymomis ir kartu išsaugo tikimybinį požiūrį į dviprasmius atvejus.
Tai ypač aktualu medicininiuose duomenų rinkiniuose, kuriuose retos klasės yra kliniškai svarbios, bet prastai reprezentuojamos mokymo duomenyse.
Kodėl tai svarbu
Medicininiai AI metodai dažnai turi veikti su mažais, nesubalansuotais ir triukšmingais duomenų rinkiniais. Šis tyrimas rodo, kad interpretuojami statistiniai metodai tokiose sąlygose gali išlikti naudingi, ypač kai neapibrėžtumas yra klinikinio sprendimo dalis.