Decision Support System for Diagnosis and Treatment of Hearing Disorders: The Case of Tinnitus

160 Pages·2017·4.178 MB·English

by  Katarzyna A. Tarnowska, Zbigniew W. Ras, Pawel J. Jastreboff (auth.)

Studies in Computational Intelligence 685
Katarzyna A. Tarnowska
Zbigniew W. Ras
Pawel J. Jastreboff
Decision Support
System for
Diagnosis and
Treatment of
Hearing Disorders
The Case of Tinnitus
Studies in Computational Intelligence
Volume 685
Series editor
Janusz Kacprzyk, Polish Academy of Sciences, Warsaw, Poland
e-mail: [email protected]
About this Series
The series “Studies in Computational Intelligence” (SCI) publishes new develop-
mentsandadvancesinthevariousareasofcomputationalintelligence—quicklyand
with a high quality. The intent is to cover the theory, applications, and design
methods of computational intelligence, as embedded in the fields of engineering,
computer science, physics and life sciences, as well as the methodologies behind
them. The series contains monographs, lecture notes and edited volumes in
computational intelligence spanning the areas of neural networks, connectionist
systems, genetic algorithms, evolutionary computation, artificial intelligence,
cellular automata, self-organizing systems, soft computing, fuzzy systems, and
hybrid intelligent systems. Of particular value to both the contributors and the
readership are the short publication timeframe and the worldwide distribution,
which enable both wide and rapid dissemination of research output.
More information about this series at http://www.springer.com/series/7092
Katarzyna A. Tarnowska
Zbigniew W. Ras Pawel J. Jastreboff
(cid:129)
Decision Support System
for Diagnosis and Treatment
of Hearing Disorders
The Case of Tinnitus
123
Katarzyna A.Tarnowska Pawel J.Jastreboff
Department ofComputer Science Department ofOtolaryngology
University of NorthCarolina atCharlotte EmoryUniversity Schoolof Medicine
Charlotte, NC Atlanta, GA
USA USA
Zbigniew W.Ras
Department ofComputer Science
University of NorthCarolina atCharlotte
Charlotte, NC
USA
ISSN 1860-949X ISSN 1860-9503 (electronic)
Studies in Computational Intelligence
ISBN978-3-319-51462-8 ISBN978-3-319-51463-5 (eBook)
DOI 10.1007/978-3-319-51463-5
LibraryofCongressControlNumber:2016960713
©SpringerInternationalPublishingAG2017
Thisworkissubjecttocopyright.AllrightsarereservedbythePublisher,whetherthewholeorpart
of the material is concerned, specifically the rights of translation, reprinting, reuse of illustrations,
recitation, broadcasting, reproduction on microfilms or in any other physical way, and transmission
orinformationstorageandretrieval,electronicadaptation,computersoftware,orbysimilarordissimilar
methodologynowknownorhereafterdeveloped.
The use of general descriptive names, registered names, trademarks, service marks, etc. in this
publicationdoesnotimply,evenintheabsenceofaspecificstatement,thatsuchnamesareexemptfrom
therelevantprotectivelawsandregulationsandthereforefreeforgeneraluse.
The publisher, the authors and the editors are safe to assume that the advice and information in this
book are believed to be true and accurate at the date of publication. Neither the publisher nor the
authorsortheeditorsgiveawarranty,expressorimplied,withrespecttothematerialcontainedhereinor
foranyerrorsoromissionsthatmayhavebeenmade.
Printedonacid-freepaper
ThisSpringerimprintispublishedbySpringerNature
TheregisteredcompanyisSpringerInternationalPublishingAG
Theregisteredcompanyaddressis:Gewerbestrasse11,6330Cham,Switzerland
Preface
This book describes RECTIN (Recommender System for Tinnitus)—system
supporting a physician in tinnitus patients’ diagnosis and treatment. The work
verifies a hypothesis about a possibility of building such a system for the specific
needs of medical facility following treatment protocol of Tinnitus Retraining
Therapy. It examines possibility of using information technology, in particular
methodsofdataminingandmachinelearning,inthefieldofmedicineandpractical
applications of recommendation systems in the field.
The book introduces the topic of tinnitus as a problem area, shows the basic
concepts of Recommender Systems (RS), its current state of the art and their
real-world applications in different areas, focusing on Health RS. It proposes
knowledge discovery approach for decision support system development and pre-
sents theoretical concepts and algorithms for rule-based systems, including: deci-
sion tables, classification rules, action rules extraction and meta actions. Empirical
partincludes:descriptionofarawdatasetoftinnituspatientsandvisits,providedby
Dr. P. Jastreboff from Emory University School of Medicine in Atlanta, applied
data preprocessing techniques and results from experiments on classification and
action rules extraction from the cleansed dataset.
Charlotte, USA Katarzyna A. Tarnowska
May 2016 Zbigniew W. Ras
Pawel J. Jastreboff
v
Contents
1 Introduction... .... .... ..... .... .... .... .... .... ..... .... 1
1.1 Objective .... .... ..... .... .... .... .... .... ..... .... 1
1.2 Organization of this Book. .... .... .... .... .... ..... .... 2
2 Tinnitus Treatment as a Problem Area.. .... .... .... ..... .... 5
2.1 Tinnitus . .... .... ..... .... .... .... .... .... ..... .... 5
2.1.1 Problem Description .. .... .... .... .... ..... .... 5
2.1.2 Medical Background.. .... .... .... .... ..... .... 6
2.2 Tinnitus Retraining Therapy... .... .... .... .... ..... .... 7
2.2.1 Neurophysiological Model.. .... .... .... ..... .... 7
2.2.2 Habituation ..... .... .... .... .... .... ..... .... 9
2.3 Treatment Protocol. ..... .... .... .... .... .... ..... .... 10
2.3.1 Patient Categories .... .... .... .... .... ..... .... 11
2.4 Motivation for RS Project. .... .... .... .... .... ..... .... 13
2.4.1 Treatment Results .... .... .... .... .... ..... .... 13
2.4.2 Patient Dataset... .... .... .... .... .... ..... .... 14
2.4.3 Problems with Human Approach. .... .... ..... .... 14
3 Recommender Solutions Overview.. .... .... .... .... ..... .... 17
3.1 Recommender Systems Concept.... .... .... .... ..... .... 17
3.1.1 Health Recommender Systems .. .... .... ..... .... 18
3.2 Collaborative Recommendation .... .... .... .... ..... .... 19
3.2.1 Simple Example . .... .... .... .... .... ..... .... 20
3.2.2 Example Applications . .... .... .... .... ..... .... 21
3.3 Content-Based Recommendation ... .... .... .... ..... .... 23
3.3.1 High-Level Architecture ... .... .... .... ..... .... 23
3.3.2 Content Representation and Recommender
Techniques ..... .... .... .... .... .... ..... .... 24
3.3.3 Example Applications . .... .... .... .... ..... .... 25
vii
viii Contents
3.4 Knowledge-Based Recommendation. .... .... .... ..... .... 28
3.4.1 Knowledge Representation and Reasoning . ..... .... 28
3.4.2 Example Applications . .... .... .... .... ..... .... 29
3.5 Hybrid Recommender Systems. .... .... .... .... ..... .... 31
3.5.1 Example Applications . .... .... .... .... ..... .... 31
3.6 Discussion ... .... ..... .... .... .... .... .... ..... .... 32
4 Knowledge Discovery Approach for Recommendation.. ..... .... 35
4.1 Basic Concepts.... ..... .... .... .... .... .... ..... .... 35
4.1.1 Information Systems .. .... .... .... .... ..... .... 36
4.1.2 Decision Tables.. .... .... .... .... .... ..... .... 36
4.1.3 Reducts... ..... .... .... .... .... .... ..... .... 38
4.2 Decision Rules .... ..... .... .... .... .... .... ..... .... 39
4.3 Classification Rules. ..... .... .... .... .... .... ..... .... 40
4.4 Action Rules.. .... ..... .... .... .... .... .... ..... .... 40
4.4.1 Definitions. ..... .... .... .... .... .... ..... .... 41
4.4.2 Algorithms. ..... .... .... .... .... .... ..... .... 42
4.5 Meta Actions . .... ..... .... .... .... .... .... ..... .... 47
4.5.1 Definition . ..... .... .... .... .... .... ..... .... 47
4.5.2 Discovery Methods ... .... .... .... .... ..... .... 48
4.6 Advanced Clustering Techniques ... .... .... .... ..... .... 48
4.7 Conclusion ... .... ..... .... .... .... .... .... ..... .... 51
5 RECTIN System Design . ..... .... .... .... .... .... ..... .... 53
5.1 System Analysis... ..... .... .... .... .... .... ..... .... 53
5.2 System Architecture ..... .... .... .... .... .... ..... .... 54
5.2.1 Knowledge Base. .... .... .... .... .... ..... .... 55
5.2.2 Classification Module . .... .... .... .... ..... .... 55
5.2.3 Action Rules Module . .... .... .... .... ..... .... 56
5.3 Knowledge Engineering .. .... .... .... .... .... ..... .... 56
5.3.1 Raw Data . ..... .... .... .... .... .... ..... .... 57
5.3.2 Data Preprocessing ... .... .... .... .... ..... .... 60
5.4 Summary .... .... ..... .... .... .... .... .... ..... .... 61
6 Experiment 1: Classifiers ..... .... .... .... .... .... ..... .... 63
6.1 Initial Feature Development ... .... .... .... .... ..... .... 63
6.1.1 Tinnitus Background.. .... .... .... .... ..... .... 64
6.1.2 Temporal Features for Tinnitus Induction .. ..... .... 65
6.2 Preliminary Experiments.. .... .... .... .... .... ..... .... 66
6.2.1 Assumptions .... .... .... .... .... .... ..... .... 66
6.2.2 Feature Selection. .... .... .... .... .... ..... .... 67
6.2.3 Results.... ..... .... .... .... .... .... ..... .... 68
6.2.4 Discussion. ..... .... .... .... .... .... ..... .... 70
Contents ix
6.3 Second Experimental Setup ... .... .... .... .... ..... .... 71
6.3.1 Pharmacology Data Analysis.... .... .... ..... .... 71
6.3.2 Pivotal Features Development... .... .... ..... .... 72
6.3.3 Experiment Results ... .... .... .... .... ..... .... 74
6.4 One-Patient-One-Tuple Experiment . .... .... .... ..... .... 74
6.5 Summary of Classification Experiments .. .... .... ..... .... 77
6.5.1 Final Classifier Choice .... .... .... .... ..... .... 78
7 Experiment 2: Diagnostic Rules.... .... .... .... .... ..... .... 79
7.1 Methodology.. .... ..... .... .... .... .... .... ..... .... 79
7.1.1 Data Source..... .... .... .... .... .... ..... .... 81
7.1.2 Attributes.. ..... .... .... .... .... .... ..... .... 86
7.1.3 Tasks Definition . .... .... .... .... .... ..... .... 89
7.2 Results .. .... .... ..... .... .... .... .... .... ..... .... 90
7.2.1 Interview ) Category. .... .... .... .... ..... .... 91
7.2.2 Audiology ) Category.... .... .... .... ..... .... 91
7.2.3 Demographics ) Category. .... .... .... ..... .... 92
7.2.4 Pharmacology ) Category . .... .... .... ..... .... 94
7.2.5 Age ) Diseases . .... .... .... .... .... ..... .... 94
7.2.6 Pharmacology ) Tinnitus.. .... .... .... ..... .... 95
7.2.7 Comprehensive Decision Rules.. .... .... ..... .... 96
7.3 Conclusions .. .... ..... .... .... .... .... .... ..... .... 97
8 Experiment 3: Treatment Rules.... .... .... .... .... ..... .... 99
8.1 Methodology.. .... ..... .... .... .... .... .... ..... .... 99
8.1.1 Task Definition .. .... .... .... .... .... ..... .... 101
8.1.2 Decision Attribute Analysis. .... .... .... ..... .... 102
8.1.3 Temporal Feature Development.. .... .... ..... .... 103
8.1.4 Imputation of Missing Features.. .... .... ..... .... 103
8.1.5 Experimental Setup with New Attributes... ..... .... 105
8.2 Results .. .... .... ..... .... .... .... .... .... ..... .... 107
8.2.1 Treatment Protocol ... .... .... .... .... ..... .... 107
8.2.2 Instrument Fitting .... .... .... .... .... ..... .... 109
8.2.3 Treatment Personalized for Tinnitus Induction ... .... 110
8.2.4 Treatment Personalized for Medical Condition ... .... 113
8.3 Meta Actions Discovery Experiment .... .... .... ..... .... 115
8.3.1 Output.... ..... .... .... .... .... .... ..... .... 115
8.4 Discussion ... .... ..... .... .... .... .... .... ..... .... 117
8.4.1 Advantages ..... .... .... .... .... .... ..... .... 117
8.4.2 Flaws. .... ..... .... .... .... .... .... ..... .... 118
8.4.3 Algorithm Reexamined .... .... .... .... ..... .... 118
x Contents
9 Experiment 4: Treatment Rules Enhancement .... .... ..... .... 121
9.1 Methodology.. .... ..... .... .... .... .... .... ..... .... 121
9.1.1 New Temporal Feature Development . .... ..... .... 121
9.1.2 Experimental Setup... .... .... .... .... ..... .... 126
9.2 Results .. .... .... ..... .... .... .... .... .... ..... .... 128
9.2.1 Instrument Fitting .... .... .... .... .... ..... .... 128
9.2.2 Treatment Protocol ... .... .... .... .... ..... .... 130
9.2.3 Treatment Personalized for Demographics.. ..... .... 130
9.2.4 Treatment Personalized for Tinnitus Background . .... 131
9.2.5 Treatment Personalized for Medical Condition ... .... 132
9.2.6 Meta Actions.... .... .... .... .... .... ..... .... 133
9.3 Summary of Experiments on Rules Extraction. .... ..... .... 134
10 RECTIN Implementation ..... .... .... .... .... .... ..... .... 137
10.1 Application... .... ..... .... .... .... .... .... ..... .... 137
10.2 Transactional Database... .... .... .... .... .... ..... .... 138
10.3 Classification Module.... .... .... .... .... .... ..... .... 139
10.4 Rule Engine .. .... ..... .... .... .... .... .... ..... .... 142
10.4.1 Rete Algorithm for Rule Execution... .... ..... .... 145
10.5 Conclusion ... .... ..... .... .... .... .... .... ..... .... 147
11 Final Conclusions and Future Work .... .... .... .... ..... .... 149
11.1 Objective Verification.... .... .... .... .... .... ..... .... 149
11.2 Further Work . .... ..... .... .... .... .... .... ..... .... 150
Appendix A: Tinnitus Initial Interview Form. .... .... .... ..... .... 153
Appendix B: Tinnitus Follow-up Interview Form.. .... .... ..... .... 155
Appendix C: Tinnitus Handicap Inventory... .... .... .... ..... .... 157
References.... .... .... .... ..... .... .... .... .... .... ..... .... 159