Ασαφής υπολογιστική και πολυκριτήρια λήψη απόφασης σε προβλήματα ιατρικής διάγνωσης με αβέβαια δεδομένα
Fuzzy computing and multi-criteria decision making in medical diagnosis problems with uncertain data
Λέξεις-κλειδιά
Αναπαράσταση ιατρικής γνώσης ; Βασική αβέβαιη πληροφορία (BUI) ; Ασύνδετα ασαφή σύνολα q βαθμίδας (q-ROFS) ; Διαστημότιμα ; Τελεστές συσσωμάτωσης ; Πολυκριτήρια ομαδική λήψη απόφασης (MCGDM) ; Ιατρική διάγνωση ; Μέτρα ομοιότητας ; Συνάρτηση αντίστροφου score ; Ανεύρυσμα κοιλιακής αορτής (ΑΚΑ) ; Ασαφές σύστημαΠερίληψη
Η παρούσα εργασία χωρίζεται σε δύο μέρη, με το πρώτο να είναι το θέμα της ακριβούς ιατρικής διάγνωσης, η οποία σχετίζεται με την αναγνώριση ασθενειών βάσει των συμπτωμάτων του ασθενούς ενώ συχνά παρεμποδίζεται από αβεβαιότητα στη ερμηνεία των δεδομένων και την διαδικασία καταγραφής τους. Οι προηγμένες θεωρίες ασαφών συνόλων έχουν αναδειχθεί ως ισχυρά εργαλεία για την αντιμετώπιση αυτών των προκλήσεων. Στην παρούσα εργασία παρουσιάζονται νέες μαθηματικές προσεγγίσεις για τη διαχείριση της αβεβαιότητας στην ιατρική διάγνωση, αξιοποιώντας τα ασύνδετα ασαφή σύνολα q βαθμίδας (q-rung orthopair fuzzy sets, q-ROFS) και τα διαστημότιμα ασύνδετα ασαφή σύνολα q βαθμίδας (interval-valued q-rung orthopair fuzzy sets, IVq-ROFS). Οι προτεινόμενες μεθοδολογίες περιλαμβάνουν τρεις τελεστές συσσωμάτωσης: τον τελεστή q-ROF σταθμισμένου μέσου όρου (q-ROF weighted averaging, q-ROFWA), τον q-ROF σταθμισμένο γεωμετρικό τελεστή (q-ROF weighted geometric, q-ROFWG) και τον τελεστή q-ROF σταθμισμένου ουδέτερου μέσου όρου (q-ROF weighted neutrality averaging, q-ROFWNA), που ενισχύουν τη διαδικασία λήψης αποφάσεων υπό αβεβαιότητα. Οι τελεστές αυτοί συνδυάζονται με μεθόδους ταξινόμησης, όπως το μέτρο ομοιότητας, η συνάρτηση score και η συνάρτηση αντίστροφου score, με στόχο τη βελτίωση της ακρίβειας στην αναγνώριση ασθενειών. Επιπλέον, πραγματοποιείται ανάλυση ευαισθησίας για τη διερεύνηση της επίδρασης των μεταβαλλόμενων τιμών q-rung, επεκτείνοντας τη μελέτη πέρα από τη συνήθη μέγιστη τιμή του q=3. Παράλληλα, η μέθοδος της Βασικής Αβέβαιης Πληροφορίας (Basic Uncertain Information, BUI) αξιοποιείται για την προσομοίωση των απόψεων των ειδικών, ενώ οι τελεστές συσσωμάτωσης εφαρμόζονται για τη συνένωση αυτών των απόψεων σε ένα συλλογικό πλαίσιο λήψης αποφάσεων. Τα αποτελέσματα της εργασίας προσφέρουν μια ολοκληρωμένη σύγκριση των προτεινόμενων μεθοδολογιών, αναδεικνύοντας τόσο τα πλεονεκτήματα όσο και τους περιορισμούς τους στη διάγνωση ασθενειών σε ένα ασαφές περιβάλλον.
Στο δεύτερο μέρος, σχεδιάστηκε και αναπτύχθηκε ένα σύστημα ασαφούς λογικής για την εκτίμηση της διαμέτρου της κοιλιακής αορτής με στόχο την πρόληψη ανευρύσματος της. Το σύστημα αξιοποιεί την ασάφεια καθώς είναι βασισμένο στη χρήση ασαφών κανόνων και συναρτήσεων συμμετοχής για την ασαφοποίηση των εισόδων και την αποασαφοποίηση της εξόδου. Η τελική ανάλυση των αποτελεσμάτων συγκρίνοντας τα με αποτελέσματα προηγούμενων υλοποιήσεων ανέδειξε τόσο τις δυνατότητες του συστήματος όσο και τους περιορισμούς του.
Στοιχεία της έρευνας που πραγματοποιήθηκε για την παρούσα εργασία χρησιμοποιήθηκαν στη δημοσίευση: “Medical Diagnosis Based on Multi-Attribute Group Decision-Making Using Extension Fuzzy Sets, Aggregation Operators and Basic Uncertainty Information Granule”, των Anastasios Dounis, Ioannis Palaiothodoros και Anna Panagiotou στο περιοδικό Computer Modeling in Science and Engineering, 2025;142(1) :759-811 [1]
Περίληψη
This study is divided into two parts. The first part focuses on the topic of accurate medical diagnosis, which involves the identification of diseases based on patient symptoms, but is often hindered by uncertainties in data interpretation and retrieval. Advanced fuzzy set theories have emerged as effective tools to address these challenges. In this work, new mathematical approaches for handling uncertainty in medical diagnosis are introduced using q-rung orthopair fuzzy sets (q-ROFS) and interval-valued q-rung orthopair fuzzy sets (IVq-ROFS). Three aggregation operators are proposed in our methodologies: the q-ROF weighted averaging (q-ROFWA), the q-ROF weighted geometric (q-ROFWG), and the q-ROF weighted neutrality averaging (qROFWNA), which enhance decision-making under uncertainty. These operators are paired with ranking methods such as the similarity measure, score function, and inverse score function to improve the accuracy of disease identification. Additionally, the impact of varying q-rung values is explored through a sensitivity analysis, extending the analysis beyond the typical maximum value of 3. The Basic Uncertain Information (BUI) method is employed to simulate expert opinions, and aggregation operators are used to combine these opinions in a group decision making context. Our results provide a comprehensive comparison of methodologies, highlighting their strengths and limitations in diagnosing diseases based on a fuzzy environment.
In the second part, a fuzzy logic system was designed and developed for estimating the diameter of the abdominal aorta, aiming at aneurysm prevention. The system leverages uncertainty, as it is based on the use of fuzzy rules and membership functions to fuzzify inputs and defuzzify the output. The final analysis of the results, comparing them with previous implementations, highlighted both the system’s potential and its limitations.
Elements of the research conducted for this study were used in the publication: “Medical Diagnosis Based on Multi-Attribute Group Decision-Making Using Extension Fuzzy Sets, Aggregation Operators, and Basic Uncertainty Information Granule” by Anastasios Dounis, Ioannis Palaiothodoros, and Anna Panagiotou in the journal Computer Modeling in Science and Engineering, 2025;142(1):759-811 [1].
Αριθμός σελίδων
84Σχολή
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