MétaCan
Menu
Retour à la cohorte
Enregistrement W2137347599 · doi:10.1109/nafips.2004.1337360

Intelligent medical diagnosis system using the fuzzy and neural networks

2004· article· en· W2137347599 sur OpenAlexaff
Yasue Mitsukura, Kayoko Miyata, Kensuke Mitsukura, Minoru Fukumi, Norio Akamatsu, Witold Pedrycz

Notice bibliographique

RevueIEEE Annual Meeting of the Fuzzy Information, 2004. Processing NAFIPS '04. · 2004
Typearticle
Langueen
DomaineEngineering
ThématiqueMedical Imaging and Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésArtificial neural networkAsynergyComputer scienceVentricleArtificial intelligenceFuzzy inference systemPhonocardiogramBackpropagationFuzzy logicPattern recognition (psychology)Adaptive neuro fuzzy inference systemData miningComputer visionFuzzy control systemCardiologyMedicineHeart failure

Résumé

récupéré en direct d'OpenAlex

Various imaging diagnostic technologies are studied and used in practical. It is necessary to develop the automatic diagnosing processing system for detecting the internal organ. In Japan, cardiac disease is one of the most common cause of death. Therefore, it is necessary to measure cardiac function quantitatively and evaluate the motions of continuous cardiac muscle. Moreover, we propose the developing the system to detect the asynergy in the left ventricle. The processing images are X-ray photograms of the left ventricle by cardiac catheterization. In this paper, we propose the detection system of the asynergy in the left ventricle by using neural networks and the fuzzy inference. Furthermore, in order to show the effectiveness of the proposed method, we show the simulation example by using the real data.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,736

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,235
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Annual Meeting of the Fuzzy Information, 2004. Processing NAFIPS '04.Même sujetMedical Imaging and AnalysisTravaux en français237 207