Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання
Досліджуються методи штучного інтелекту для автоматичного виявлення погіршення стану пацієнта, використовуючи дані від спостережень пацієнтів у реальному часі. Метою є розробка системи для розрахунку рівня ризику здоров'ю пацієнта. Експертні оцінки, закладені у правила нечіткої логіки, порівнюю...
Збережено в:
| Дата: | 2017 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2017
|
| Назва видання: | Штучний інтелект |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/162356 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання / О.А. Хорозов // Штучний інтелект. — 2017. — № 3-4. — С. 211-217. — Бібліогр.: 5 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-162356 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-1623562020-01-08T01:25:45Z Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання Хорозов, О.А. Прикладні інтелектуальні технології та системи Досліджуються методи штучного інтелекту для автоматичного виявлення погіршення стану пацієнта, використовуючи дані від спостережень пацієнтів у реальному часі. Метою є розробка системи для розрахунку рівня ризику здоров'ю пацієнта. Експертні оцінки, закладені у правила нечіткої логіки, порівнюються з поточними значеннями показників для оцінки ризику захворювання. Визначено клас «нормального» фізіологічного стану для формування моделі машинного навчання. Суттєве відхилення значення показників від норми ідентифікується як «аномальний» клас для подальшої діагностики причин погіршення стану пацієнта. The methods of artificial intelligence for automatically detecting the deterioration of the patient's condition are studied, using data from patient observations in real time. The goal is to develop a system for calculating risk level of the patient's health. Expert assessments contained in the rules of fuzzy logic are compared with the current values of the indicators for assessing the risk of the disease. A class of "normal" physiological state for the formation of a model of machine learning is defined. The significant values deviation from the norm is identified as "abnormal" class for further diagnosis of deterioration causes of the patient's condition. 2017 Article Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання / О.А. Хорозов // Штучний інтелект. — 2017. — № 3-4. — С. 211-217. — Бібліогр.: 5 назв. — укр. 1561-5359 http://dspace.nbuv.gov.ua/handle/123456789/162356 004.891; 614.88 uk Штучний інтелект Інститут проблем штучного інтелекту МОН України та НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Ukrainian |
| topic |
Прикладні інтелектуальні технології та системи Прикладні інтелектуальні технології та системи |
| spellingShingle |
Прикладні інтелектуальні технології та системи Прикладні інтелектуальні технології та системи Хорозов, О.А. Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання Штучний інтелект |
| description |
Досліджуються методи штучного інтелекту для автоматичного виявлення погіршення стану пацієнта, використовуючи дані від спостережень пацієнтів у реальному часі. Метою є розробка системи для розрахунку рівня ризику здоров'ю пацієнта. Експертні оцінки, закладені у правила нечіткої логіки, порівнюються з поточними значеннями показників для оцінки ризику захворювання. Визначено клас «нормального» фізіологічного стану для формування моделі машинного навчання. Суттєве відхилення значення показників від норми ідентифікується як «аномальний» клас для подальшої діагностики причин погіршення стану пацієнта. |
| format |
Article |
| author |
Хорозов, О.А. |
| author_facet |
Хорозов, О.А. |
| author_sort |
Хорозов, О.А. |
| title |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_short |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_full |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_fullStr |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_full_unstemmed |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_sort |
моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| publishDate |
2017 |
| topic_facet |
Прикладні інтелектуальні технології та системи |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/162356 |
| citation_txt |
Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання / О.А. Хорозов // Штучний інтелект. — 2017. — № 3-4. — С. 211-217. — Бібліогр.: 5 назв. — укр. |
| series |
Штучний інтелект |
| work_keys_str_mv |
AT horozovoa monítoringpacíêntívzvikoristannâmmetodívnečítkoílogíkiímašinnogonavčannâ |
| first_indexed |
2023-10-18T22:08:53Z |
| last_indexed |
2023-10-18T22:08:53Z |
| _version_ |
1796154754298019840 |