Application of Inference Methodsand Caching for Real-time MedicalDiagnosis using BN2O Networks
Authors
Aggerholm, Jens Engholm ; Mathisen, Casper Skov
Term
4. term
Education
Publication year
2020
Submitted on
2020-06-11
Pages
53
Abstract
This thesis investigates how inference methods in graphical models can support clinical decision making that requires real-time updates as clinicians ask patients questions. We focus on BN2O networks with noisy-OR and implement both exact and approximate algorithms. For exact inference we use Quickscore and propose two caching strategies tailored to active diagnosis, where probabilities must be updated on the fly. For approximate inference we apply variational methods that provide upper and lower bounds on likelihoods and posterior probabilities, and we assess their practicality during questioning and for final diagnosis. We also introduce an entropy-based criterion for selecting the next question and evaluate it on artificial patient cases. Our results show that both caching strategies yield significant speedups for exact inference in active diagnosis settings, while the entropy-based questioning approach is promising in some cases but currently too time-consuming for slightly larger cases.
Denne afhandling undersøger, hvordan inferensmetoder i grafiske modeller kan anvendes i kliniske beslutningsstøttesystemer, der skal opdatere diagnoser i realtid, mens der stilles spørgsmål til en patient. Vi fokuserer på BN2O-netværk med noisy-OR og implementerer både nøjagtige og approksimerede algoritmer. Som nøjagtig metode anvender vi Quickscore og foreslår to cache-strategier, der er målrettet aktiv diagnose, hvor sandsynligheder løbende skal opdateres. Som approksimerede metoder anvender vi variationelle teknikker, der giver øvre og nedre grænser for likelihoods og posterior-sandsynligheder, hvilket vurderes med henblik på anvendelighed under både spørgeprocessen og i den endelige diagnose. Derudover præsenterer vi et entropibaseret kriterium til valg af næste spørgsmål og evaluerer det på kunstige patientcases. Resultaterne viser, at begge cache-strategier giver en markant hastighedsforbedring for nøjagtig inferens i en aktiv diagnosekontekst, mens den entropibaserede spørgemetode er lovende i visse tilfælde, men i øjeblikket er for tidskrævende ved lidt større cases.
[This apstract has been generated with the help of AI directly from the project full text]
Keywords