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:
| Опубліковано в: : | Штучний інтелект |
|---|---|
| Дата: | 2017 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2017
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.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| _version_ | 1862622988533235712 |
|---|---|
| author | Хорозов, О.А. |
| author_facet | Хорозов, О.А. |
| 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. |
| collection | DSpace DC |
| container_title | 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.
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.
|
| first_indexed | 2025-12-07T13:28:44Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-162356 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Ukrainian |
| last_indexed | 2025-12-07T13:28:44Z |
| publishDate | 2017 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Хорозов, О.А. 2020-01-07T11:47:41Z 2020-01-07T11:47:41Z 2017 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 https://nasplib.isofts.kiev.ua/handle/123456789/162356 004.891; 614.88 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. uk Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Прикладні інтелектуальні технології та системи Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання Monitoring patients using fuzzy logic and machine learning methods Article published earlier |
| spellingShingle | Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання Хорозов, О.А. Прикладні інтелектуальні технології та системи |
| title | Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_alt | Monitoring patients using fuzzy logic and machine learning methods |
| 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_short | Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| title_sort | моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання |
| topic | Прикладні інтелектуальні технології та системи |
| topic_facet | Прикладні інтелектуальні технології та системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/162356 |
| work_keys_str_mv | AT horozovoa monítoringpacíêntívzvikoristannâmmetodívnečítkoílogíkiímašinnogonavčannâ AT horozovoa monitoringpatientsusingfuzzylogicandmachinelearningmethods |