Выбор математического аппарата для оценки эффективности полученных результатов и оценка качества работы математических моделей прогнозирования инфаркта миокарда в реабилитационном периоде

Для оценки эффективности полученных результатов используем ROC- кривые (ROC - Receiver operating characteristic), которые, являясь графиком, позволяют дать оценку качеству модели по разделению двух классов.

Для оценки качества модели с гетерогенными классификаторами по прогнозированию ИМ в реабилитационном периоде согласно структуре (рисунок 4.2) нами в поликлиниках города Курска было отобрано 230 больных, перенесших острый ИМ. Выбор объема обучающей и контрольной выборок осуществлялся по рекомендациям [62]. Используя получаемые

различные показатели, характеризующие риск появления ПИМ, как шкалы для построения гистограмм распределения классов ω₀и щ = со_им, были определены классификационные пороги, позволившие решать задачу ROC- анализа.

В качестве прототипа для гетерогенного классификатора была выбрана шкала ASCORE [95]. В таблице 4.3 приведены показатели качества прогнозирования ПИМ на контрольной выборке в модели гетерогенного классификатора с использованием всего гетерогенного пространства ИП, которые сопоставляются с аналогичными результатами, полученными на шкале ASCORE.

Таблица 4.3 - Экспериментальные данные по прогнозированию ПИМ на контрольной выборке гетерогенным классификатором, построенным с использованием всего гетерогенного пространства информативных признаков, и по шкале ASCORE

Для построения ROC-кривых воспользуемся гистограммами гетерогенных классификаторов, пример одной из которых представлен на рисунке 4.18.

Задаемся диапазоном изменения КУ_Пор - показателя на выходе гетерогенного классификатора, выше которого неизвестный образец будет относиться к классу ω₁. После этого, выбрав подходящий шаг изменения КУПор. будем определять показатели качества гетерогенного классификатора.

Таким образов, в данном случае ROC-кривая для каждого гетерогенного классификатора это функциональная зависимость показателей качества классификации ДЧ и ДС от КУПор. Учитывая характер

аппроксимации гистограмм H_ωoи H_ω1, представленных на рисунке 4.18, шаг изменения КУ_Пор выбран 0,05, а динамический диапазон 0,5...0,8.

Рисунок 4.18 - Типовая гистограмма распределения классов ω₀и ω₁по

величине Ky_ω1

В таблицах 4.4...4.8 приведены результаты ROC-анализа для построенных гетерогенных классификаторов.

Таблица 4.4 - Результаты ROC - анализа для гетерогенного классификатора, построенного по всему пространству информативных признаков

Таблица 4.5 - Результаты ROC - анализа для гетерогенного

классификатора, построенного по пространству информативных признаков без учета виртуальных потоков

Таблица 4.6 - Результаты ROC - анализа для гетерогенного

классификатора, построенного по гетерогенному пространству информативных признаков с исключением виртуальных потоков и биоимпедансных исследований

Таблица 4.7 - Результаты ROC - анализа для гетерогенного классификатора, построенного по гетерогенному пространству информативных признаков с исключением виртуальных потоков, биоимпедансных исследований и анализа психоэмоционального напряжения

Таблица 4.8 - Результаты ROC - анализа для гетерогенного

классификатора, построенного по гетерогенному пространству информативных признаков с исключением виртуальных потоков, биоимпедансных исследований, анализа психоэмоционального напряжения и показателей перекисного окисления липидов и антиокислительной активности

Анализ результатов использования всех шести составляющих пространства информативных признаков, предложенных в работе в финальном решающем правиле, показывает, что при этом обеспечивается

наиболее высокое качество классификации хотя и требуется дополнительное время и средства.

Рисунок 4.19 иллюстрирует сравнительные характеристики гетерогенных классификаторов на ROC-плоскости.

Рисунок 4.19 - ROC-кривые шести гетерогенных классификаторов

Так, по признакам, полученным без применения сложных специальных технических средств и методов, путем стандартного обследования пациента, возможного в рядовой поликлинике, получаем сводные показатели качества, приведенные в таблице 4.8.

Анализ полученных результатов показывает удовлетворительное совпадение результатов экспертного оценивания и проверки качества работы, синтезированных гетерогенных классификаторов на контрольной выборке по показателям ДЧ и ДС. Таким образом, результаты проверки на контрольной выборке эффективности работы правил прогнозирования ПИМ в период реабилитации на основании комплексного учета информативных признаков показывают приемлемое для практики качество решения поставленных в

работе целей и решаемых задач.

В ходе обобщений полученных результатов наблюдений нами были проанализированы различные показатели, характеризующие состояние исследуемой категории больных без применения разработанных методов и средств и с их применением (работа с использованием интеллектуальной системы поддержки принятия решений врача-кардиолога).

4.5