Скачать электронную версию статьи (в свободном доступе).
Проанализированы возможности методов машинного распознавания Fine Gaussian SVM, Fine KNN, Ensemble Bagget Trees, Ensemble Subspace KNN на предмет дифференциальной диагностики артрита, остеомиелита и метастатических поражений по данным полифазной остеосцинтиграфии. Показано, что на основе компьютерного анализа данных возможно повысить точность диагностики до уровня свыше 90%. Представлены статистические данные по количественным показателям полифазной остеосцинтиграфии, позволяющим уточнять диагноз при экспертном ("ручном") методе анализа данных.
Ключевые слова: остеосцинтиграфия, распознавание образов, машинное обучение, артрит, метастазы, остеомиелит
The paper analyzes the possibilities of machine learning techniques: Fine Gaussian SVM, Fine KNN, Ensemble Bagget Trees, Ensemble Subspace KNN for the differential diagnosis of arthritis, osteomyelitis, and metastatic lesions by data polyphase bone scintigraphy. It is shown that on the basis of computer data analysis is possible to improve the diagnostic accuracy over the 90%. Presented statistical data quantitative indicators of polyphase bone scintiography, that allow specify the diagnosis with an expert ("manual") method of data analysis.
Key words: bone scintigraphy, pattern classification, machine learning, arthritis, metastasis, osteomyelitis