MétaCan
Menu
Retour à la cohorte
Enregistrement W2492698696 · doi:10.5539/cis.v9n3p26

Chest-Pain Consultation System Based on Fuzzy Semantic Rules

2016· article· en· W2492698696 sur OpenAlexvenueno aff
Baydaa Al-Hamadani

Notice bibliographique

RevueComputer and Information Science · 2016
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesZarqa UniversityUniversity of Jordan
Mots-clésComputer scienceOntologyFuzzy logicDomain (mathematical analysis)Chest painReliability (semiconductor)Stage (stratigraphy)Artificial intelligenceMedicineSurgery

Résumé

récupéré en direct d'OpenAlex

<p>Chest pain is considered to be one of the most important prognoses to diagnose several heart and chest diseases. This domain of knowledge suffers from vague information especially when non specialist people interact with it. This paper presents a consultation system to be used by patients with chest pain or discomfort in order to diagnose the cause of the pain and provide suitable recommendations. The system consists of two subsystems. Determining the caused of the pain is the first stage based on the fuzzy concepts and fuzzy OWL to deal with vague information. Depending on the result of the first stage, the second stage provides recommendations to be accomplished by the patient to save their lives according to SWRL and Ontology engineering. The system has been tested using 55 patients to validate its sensitivity and specificity. The results were compared with the specialists’ opinion and the results emphasized the efficiency and the reliability of the system.</p>

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,070
Tête enseignante GPT0,393
Écart entre enseignants0,323 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer and Information ScienceMême sujetArtificial Intelligence in HealthcareTravaux en français237 207