Search academic texts

Information × Registration Number 2124U009242, Article popup.category Опубліковано, Стаття Title FUZZY MODEL FOR INTELLECTUALIZING MEDICAL KNOWLEDGE popup.author Маляр М. М.Маляр-Газда Н. М.Шаркаді М. М.Malyar M. M.Malyar-Gazda N. M.Sharkadi M. M. popup.publication 27-06-2024 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/305850 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Дослідження присвячено розробці гнучкого математичного апарату для інтелектуалізації знань у медичній сфері. Як правило, людське мислення базується на неточних, наближених даних, аналіз яких дозволяє формувати чіткі рішення. У випадках коли не існує точної математичної моделі об’єкта, або модель складна для реалізації доцільно використовувати апарат нечіткої логіки. Стаття направлена на розширення діапазону знань дослідників, які працюють в області медичної діагностики. Мета роботи – підвищення якості відображення предметної області медичної сфери на основі побудови нечітких баз знань типу-2 з інтервальними функціями належності. Метод. Описано підхід формалізації знань фахівця медичної галузі за допомогою нечітких множин другого порядку, який дозволяє враховувати невизначеність і нечіткість, яка властива медичним даним, а також вирішувати проблему інтерпретації отриманих результатів. Результати. Розроблений підхід реалізовано на конкретній проблемі з якою стикається лікар-анестезіолог при допуску пацієнта до елективного (планового) оперативного втручання. Висновки. Проведені експериментальні дослідження показали, що представлена нечітка модель типу-2 з інтервальними функціями належності дозволяє адекватно відображати вхідні медичні змінні якісного характеру та враховувати, як знання фахівця з медичної практики, так і дослідні медико-біологічні дані. Отримані результати мають важливе практичне значення для лікарів-практиків, особливо анестезіологів, оскільки дозволяють покращити оцінку стану пацієнта, зменшити кількість помилок та надати індивідуальні рекомендації. Це дослідження сприяє розвитку інтелектуальних систем, здатних позитивно впливати на клінічну практику та покращувати результати лікування пацієнтів у сфері медичної діагностики. popup.nrat_date 2026-02-25 Close