[论文解读] Diagnosis of Coronary Artery Disease Using Artificial Intelligence Based Decision Support System

Noor Akhmad Setiawan, Venkatachalam, Paruvachi Ammasai+1 more|arXiv (Cornell University)|Jul 6, 2020

Rough Sets and Fuzzy Logic参考文献 12被引用 51

一句话总结

一个基于粗糠集理论提取规则、通过离散化属性模糊化并在UCI和医院数据上验证的冠状动脉疾病诊断模糊决策支持系统，据称在某些临床方法上具有更高的性能。

ABSTRACT

This research is about the development a fuzzy decision support system for the diagnosis of coronary artery disease based on evidence. The coronary artery disease data sets taken from University California Irvine (UCI) are used. The knowledge base of fuzzy decision support system is taken by using rules extraction method based on Rough Set Theory. The rules then are selected and fuzzified based on information from discretization of numerical attributes. Fuzzy rules weight is proposed using the information from support of extracted rules. UCI heart disease data sets collected from U.S., Switzerland and Hungary, data from Ipoh Specialist Hospital Malaysia are used to verify the proposed system. The results show that the system is able to give the percentage of coronary artery blocking better than cardiologists and angiography. The results of the proposed system were verified and validated by three expert cardiologists and are considered to be more efficient and useful.

研究动机与目标

• 推动开发用于冠状动脉疾病（CAD）诊断的基于AI的决策支持工具。
• 开发使用粗糙集理论提取规则的模糊决策支持系统（FDSS）。
• 对数值属性进行离散化并将提取的规则模糊化，以实现概率推理。
• 基于它们的支持度为模糊规则分配权重，以反映其重要性。
• 在包括UCI数据和医院数据在内的多个CAD数据集上验证系统，并由专家心脏病学家评审。

提出的方法

• 构建用于CAD诊断的模糊决策支持系统。
• 从CAD数据集中使用粗糙集理论提取规则。
• 对数值属性进行离散化并模糊化规则。
• 根据提取支持为模糊规则加权。
• 在UCI数据集和Ipoh Specialist Hospital的数据集上进行验证，并获得专家意见。

实验结果

研究问题

• RQ1 使用粗糠集-derived规则的模糊决策支持系统是否能够准确诊断冠状动脉疾病？
• RQ2 带权重的模糊规则是否比传统方法提升诊断决策质量？
• RQ3 所提出的系统在UCI CAD数据集和真实世界医院数据上的表现如何？
• RQ4 专家心脏病学家的验证是否与系统输出一致？

主要发现

• 该系统提供冠状动脉阻塞的百分比评估。
• 三位专家心脏病学家的验证支持该方法。
• 所提出的系统被描述为更高效且有助于诊断。
• 数据集包括来自美国、瑞士和匈牙利的UCI数据，以及Ipoh Hospital的数据。
• 在某些方面，结果被声称优于传统方法，如心脏病学家诊断和血管造影。