Ευφυής ιατρική διάγνωση με προηγμένα ασαφή σύνολα, σύνθεση ασαφούς σχέσης, τελεστές συσσωμάτωσης και μέτρα ομοιότητας
Intelligent Medical Diagnosis with advanced fuzzy sets, composite fuzzy relation, aggregation operators and similarity measures
Λέξεις-κλειδιά
Ευφυής ιατρική διάγνωση ; Ασαφή σύνολα ; Διαισθητικά ασαφή σύνολα ; Πυθαγόρεια ασαφή σύνολα ; Φερμάτεια ασαφή σύνολα ; q-ROFSs ; Σύνθεση ασαφούς σχέσης ; Τελεστές συσσωμάτωσης ; Μέτρα ομοιότηταςΠερίληψη
Η ιατρική διάγνωση είναι η διαδικασία κατά την οποία ένας εμπειρογνώμονας διατίθεται να βρει από ποια ασθένεια μπορεί να πάσχει ένας εξεταζόμενος ανάλογα με τα συμπτώματα που εμφανίζει. Ωστόσο, το ευρύ φάσμα της ιατρικής περικλείεται από ένα περιβάλλον ασάφειας, αβεβαιότητας και έλλειψης ιατρικής γνώσης, στοιχεία τα οποία επηρεάζουν αρνητικά τη διαδικασία διάγνωσης άρα και την κρίση ενός ιατρού. Στόχος της εργασίας είναι να προτείνει και να εφαρμόσει την ασαφή λογική ως υποβοήθηση στο παραπάνω πρόβλημα, μιας και η ίδια μπορεί να διαχειριστεί οποιαδήποτε πληροφορία μέσα σε ένα αβέβαιο και ασαφές περιβάλλον. Η ασαφής λογική λαμβάνει υπόψη την ασάφεια χρησιμοποιώντας τον βαθμό συμμετοχής, ενώ η προέκταση τής ασαφούς λογικής (τα προηγμένα ασαφή σύνολα) προσαρμόζεται καλύτερα στα δεδομένα της πληροφορίας με τις επιπλέον παραμέτρους: τον βαθμό μη συμμετοχής και τον βαθμό απροσδιοριστίας. Η καινοτομία της εργασίας αυτής είναι η χρήση των τελεστών συσσωμάτωσης οι οποίοι συνεισφέρουν στην αποδοτικότερη εκτίμηση και αξιολόγηση των αποτελεσμάτων αφού συνδυάζουν πολλαπλές πηγές πληροφορίας. Η μέθοδος του Sanchez, οι τελεστές συσσωμάτωσης, και τα μέτρα ομοιότητας εφαρμόστηκαν σε ιατρικά δεδομένα προκειμένου να γίνει η ταξινόμηση τεσσάρων ασθενών – με τα συμπτώματα: θερμοκρασία, πονοκέφαλος, πόνος στο στομάχι, βήχας και πόνος στο στήθος – στις ασθένειες: ιογενής πυρετός, πυρετός ελονοσίας, τυφοειδής πυρετός, στομαχικά προβλήματα και προβλήματα στο στήθος. Το αποτέλεσμα της διάγνωσης διαφέρει από μέθοδο σε μέθοδο. Συμπερασματικά, τα προηγμένα ασαφή σύνολα με τη χρήση των τελεστών συσσωμάτωσης εμφάνισαν πιο αξιόπιστα αποτελέσματα, λόγω της δεύτερης γνώμης που εμπεριέχεται στα ιατρικά δεδομένα και λόγω της σχετικής ομοιότητας που έχουν σχετικά με προηγούμενες μελέτες. Η παρούσα εργασία αποτελεί συμπληρωματική έρευνα της δημοσίευσης: «Intelligent Medical Diagnosis Reasoning Using Composite Fuzzy Relation, Aggregation Operators and Similarity Measure of q-Rung Orthopair Fuzzy Sets» των Anastasios Dounis και Angelos Stefopoulos του περιοδικού Applied Sciences του MDPI.
Περίληψη
Medical diagnosis is the process in which an expert intends to find out what is the disease a person may be suffering from, based on the symptoms he/she is experiencing. However, the wide spectrum of medicine is surrounded by an environment of ambiguity, uncertainty and lack of medical knowledge, elements that negatively affect the diagnostic process and, thus, the doctor’s judgment. The aim of this work, is to suggest and apply the fuzzy logic as a solution to the above problem, since it can handle any information in an uncertain and ambiguous environment. Fuzzy logic takes into account the ambiguity using the degree of membership, while the extension of fuzzy logic (advanced fuzzy sets) is better adapted to the information data with the additional parameters: the degree of non-membership and the degree of indeterminacy. The originality of this paper is the use of aggregation operators which contribute to more efficient estimation and evaluation of results, since they combine multiple sources of information. Sanchez's method, aggregation operators, and similarity measures were applied to medical data in order to classify four patients - with symptoms: temperature, headache, stomach pain, cough, and chest pain - into the diseases: viral fever, malaria fever, typhoid fever, stomach problems, and chest problems. The result of the diagnosis varies from method to method. In conclusion, the advanced fuzzy sets using the aggregation operators showed more reliable results due to the second opinion contained in the medical data, as well as due to their relative similarity with previous studies. This work is a supplementary study of the publication: «Intelligent Medical Diagnosis Reasoning Using Composite Fuzzy Relation, Aggregation Operators and Similarity Measure of q-Rung Orthopair Fuzzy Sets» by Anastasios Dounis and Angelos Stefopoulos of MDPI’s Journal: Applied Sciences.
Αριθμός σελίδων
82Σχολή
Σχολή ΜηχανικώνΑκαδημαϊκό Τμήμα
Τμήμα Μηχανικών ΒιοϊατρικήςΓλώσσα
ΕλληνικάΣυλλογή
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές