Recherche de cas médicaux multimodaux à l’aide d’arbres de décision

Resume Nous proposons dans cet article un systeme de raisonnement a base de cas pour la recherche de dossiers patients similaires a un cas donne en requete. Nous nous interessons a des dossiers patients constitues de plusieurs images accompagnees d’informations contextuelles (telles que l’âge, le sexe et les antecedents medicaux du patient). Plusieurs sources d’informations (parfois incompletes) sont en effet generalement necessaires pour diagnostiquer une pathologie. Nous proposons un outil de recherche base sur les arbres de decision, qui sont bien adaptes pour traiter de l’information heterogene et incomplete. Pour prendre en compte des images dans ce systeme, nous leur associons une signature definie a partir de leur contenu numerique. La methode est evaluee sur une base de retinopathies diabetiques classifiees. Sur cette base de donnees, les resultats sont interessants : la precision atteint 79,5 % pour une fenetre de retrouvaille de cinq cas, doublant pratiquement les resultats obtenus en n’utilisant que le contenu numerique d’une image.

[1]  C. Roux,et al.  Use of a JPEG-2000 Wavelet Compression Scheme for Content-Based Ophtalmologic Retinal Images Retrieval. , 2005, 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference.

[2]  Matthew D. Davis,et al.  Proposed international clinical diabetic retinopathy and diabetic macular edema disease severity scales. , 2003, Ophthalmology.

[3]  Michael W. Marcellin,et al.  JPEG2000 - image compression fundamentals, standards and practice , 2002, The Kluwer International Series in Engineering and Computer Science.

[4]  Marcel Worring,et al.  Content-Based Image Retrieval at the End of the Early Years , 2000, IEEE Trans. Pattern Anal. Mach. Intell..

[5]  Agnar Aamodt,et al.  Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches , 1994, AI Commun..

[6]  Leo Breiman,et al.  Classification and Regression Trees , 1984 .

[7]  Gwénolé Quellec,et al.  Detection of lesions in retina photographs based on the wavelet transform , 2006, 2006 International Conference of the IEEE Engineering in Medicine and Biology Society.

[8]  Thomas G. Dietterich An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting, and Randomization , 2000, Machine Learning.

[9]  T. Teng,et al.  Progress towards automated diabetic ocular screening: A review of image analysis and intelligent systems for diabetic retinopathy , 2006, Medical and Biological Engineering and Computing.

[10]  Leo Breiman,et al.  Random Forests , 2001, Machine Learning.

[11]  Isabelle Bichindaritz,et al.  Case-based reasoning in the health sciences: What's next? , 2006, Artif. Intell. Medicine.

[12]  Tony R. Martinez,et al.  Improved Heterogeneous Distance Functions , 1996, J. Artif. Intell. Res..

[13]  J. Ross Quinlan,et al.  C4.5: Programs for Machine Learning , 1992 .

[14]  James C. Bezdek,et al.  Fuzzy mathematics in pattern classification , 1973 .

[15]  Aiko M. Hormann,et al.  Programs for Machine Learning. Part I , 1962, Inf. Control..