Resumen

En los últimos años, las ontologías se utilizan ampliamente en diversos ámbitos, como la anotación de historias clínicas, la representación y el intercambio de conocimientos médicos, la gestión de directrices clínicas y la toma de decisiones médicas. Para implementar la cooperación entre aplicaciones inteligentes basadas en ontologías biomédicas, es crucial establecer correspondencias entre los conceptos biomédicos heterogéneos de diferentes ontologías, lo que se denomina matching de ontologías biomédicas. Aunque los algoritmos evolutivos (EAs) son una de las metodologías más avanzadas para emparejar las ontologías heterogéneas, el enorme consumo de memoria, el largo tiempo de ejecución y la mejora del sesgo de las soluciones les impiden emparejar eficientemente las ontologías biomédicas. Para superar estas deficiencias, proponemos un Algoritmo CoEvolutivo compacto para emparejar eficientemente las ontologías biomédicas. En particular, un EA compacto con estrategia de búsqueda local es capaz de ahorrar el consumo de memoria y el tiempo de ejecución, y tres subenjambres con diferentes objetivos óptimos pueden ayudarse mutuamente para evitar la mejora del sesgo de la solución. En el experimento, se utilizan dos casos de prueba famosos proporcionados por la Iniciativa de Evaluación de Alineación de Ontología (OAEI 2017), es decir, la pista de anatomía y la pista biomédica grande, para probar el rendimiento de nuestro enfoque. Los resultados experimentales muestran la eficacia de nuestra propuesta.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:mejora del sesgo, ontología biomédica, anotación de historias clínicas, concepto biomédico heterogéneo, diferentes objetivos óptimos, representación del conocimiento médico, algoritmo coevolutivo compacto, enorme consumo de memoria, gestión de directrices clínicas, iniciativa de evaluación de la alineación
• Keywords:bias improvement, biomedical ontology, medical record annotation, heterogeneous biomedical concept, different optimal objectives, medical knowledge representation, compact coevolutionary algorithm, huge memory consumption, clinical guidelines management, alignment evaluation initiative