Оптимізація Байєсівських мереж для діагностики захворювань щитоподібної залози шляхом експертної дискретизації даних

Abstract

У роботі досліджено застосування дискретних Байєсівських мереж для діагностики станів щитоподібної залози (гіпотиреоз, гіпертиреоз, норма). Продемонстровано, що стандартні методи автоматичної дискретизації неперервних клінічних показників (рівнів гормонів TSH, T3, T4) призводять до значної втрати діагностичної точності. Порівняно ефективність автоматичного квантильного розбиття та запропонованого гібридного підходу, який поєднує медичні референтні інтервали з алгоритмічною оптимізацією порогів.

This paper investigates the application of discrete Bayesian Networks for diagnosing thyroid gland conditions (hypothyroidism, hyperthyroidism, normal). It is demonstrated that standard methods of automatic discretization for continuous clinical indicators (TSH, T3, T4 hormone levels) lead to a significant loss of diagnostic accuracy. The efficiency of automatic quantile binning is compared with the proposed hybrid approach, which combines medical reference intervals with algorithmic threshold optimization. The proposed method improved classification accuracy from 82% to 84.63%.