使用间隔类型-2模糊神经网络检测胎儿健康状况
Rahib Abiyev1, John Bush Idoko2, Hamit Altıparmak2
1Applied Artificial Intelligence Research Centre, Department of Computer Engineering, Near East University, Nicosia 99138, Turkey.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
鉴于不确定的数据,诊断胎儿健康状况具有挑战性. 一种新型的2型模糊神经系统 (T2-FNN) 通过心脏图谱数据有效检测胎儿健康状况.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 人工智能的人工智能
- 模糊逻辑系统 模糊逻辑系统
背景情况:
- 胎儿健康诊断是复杂的,通常依赖于可变的输入因素和专家解释,导致潜在的诊断错误.
- 疾病诊断的不确定性源于模糊的医疗状况和不完整的患者数据,需要先进的决策方法.
- 模糊逻辑为开发能够处理医疗数据固有的模糊性和不准确性的诊断系统提供了一个强大的框架.
研究的目的:
- 提出和设计一种2型模糊神经系统 (T2-FNN),用于增强胎儿健康状况检测.
- 解决诊断不确定性和专家在胎儿健康评估中的分歧所带来的挑战.
- 利用心脏病学数据进行准确可靠的胎儿监测.
主要方法:
- 开发2型模糊神经系统 (T2-FNN),包括其结构和设计算法.
- 用心电图 (CTG) 数据,包括胎儿心率和子宫收缩,用于系统实施.
- 使用测量统计数据对各种模型进行实证测试和比较,以验证系统性能.
主要成果:
- 拟议的T2-FNN系统在检测胎儿健康状况方面表现出有效性.
- 对比分析证实了T2-FNN系统对现有模型的优越性.
- 该系统成功处理心脏图解数据,为胎儿健康提供宝贵的见解.
结论:
- 2型模糊神经系统 (T2-FNN) 是诊断胎儿健康状况的可行和有效方法.
- T2-FNN系统可以集成到临床信息系统中,以改善胎儿健康监测.
- 这项研究强调了模糊逻辑在克服产科诊断不确定性的潜力.
