通过基于2TLIVq-ROFS的多属性小组决策来提高乳腺癌治疗选择
Muhammad Waheed Rasheed1, Abid Mahboob1, Anfal Nabeel Mustafa2
1Department of Mathematics, Division of Science and Technology, University of Education, Lahore, Pakistan.
Frontiers in artificial intelligence
|June 18, 2024
概括
本研究引入了一种新的模糊集合理论方法,用于多属性组决策 (MAGDM),以优化乳腺癌治疗选择. 新模型有效地处理复杂的医疗决策中的不确定性和主观性.
科学领域:
- 模糊的集合理论 模糊的集合理论
- 决策分析 决策分析
- 医疗信息学 医疗信息学
背景情况:
- 乳腺癌治疗选择是复杂的,涉及多个标准和专家意见.
- 现有的决策模型可能会与临床数据固有的不确定性和主观性作斗争.
研究的目的:
- 为乳腺癌治疗选择制定先进的多属性组决策 (MAGDM) 框架.
- 为处理不确定的和语言信息,引入2个双元的语言间隔值的q-rung orthopair模糊集 (2TLIVq-ROFS).
主要方法:
- 介绍了2TLIVq-ROFS概念,结合了区间值的q-rung orthopair模糊集和2元组语言术语.
- 新型聚合运营商的发展:2TLIVq-ROF加权平均 (2TLIVq-ROFWA) 和2TLIVq-ROF加权几何 (2TLIVq-ROFWJ).
- 扩展2TLIVq-ROF信息的多属性边界近似区域比较 (MABAC) 方法.
主要成果:
- 一个案例研究表明选择最佳的乳腺癌治疗方法,使用拟议的MAGDM模型.
- 验证模型在复杂决策中管理不准确性和主观性的能力.
- 引入新的聚合运营商和针对模糊决策的扩展MABAC方法.
结论:
- 提出的基于2TLIVq-ROFS的MAGDM模型为乳腺癌治疗选择提供了一种有效的方法.
- 该模型通过容纳定量和定性不确定的信息来提高决策质量.
- 这项研究为在医疗决策支持系统中应用先进的模糊集合理论开辟了新的途径.
关键词:
2TLIVq-ROFS的第二个部分.2TLIVq-ROFWA的运营商2TLIVq-ROFWJ 运营商的情况在MABAC方法中,使用MABAC方法.马格德姆 (MAGDM) 是一个伟大的艺术家.乳腺癌的治疗选择选择乳腺癌的治疗选择更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
249
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
