计算机化决策支持系统和模糊逻辑规则用于早期诊断农药引起的疾病
Nikolay Aleexevich Korenevskiy1, Riad Taha Al-Kasasbeh2, Ashraf Shaqadan3
1Faculty of Biomedical Engineering, South-West State Technical University, Kursk, Russia.
Critical reviews in biomedical engineering
|November 29, 2024
概括
这项研究引入了一个模糊的数学模型,集成反射学和人工智能,以预测农药相关的神经系统疾病农业工人. 该模型达到超过85%的准确性,提高了早期诊断和医疗护理.
科学领域:
- 综合医学是一个整体的医学.
- 医疗保健中的人工智能
- 职业健康 职业健康 职业健康 职业健康
背景情况:
- 现代反射学往往与当前的科学理解不一致,可能会影响诊断的准确性.
- 农业工业工人接触农药与重大健康问题有关,包括神经系统疾病.
- 人们对古老的反射诊断越来越感兴趣,但缺乏理论基础阻碍了广泛采用.
研究的目的:
- 开发一种预测分类模型,用于早期检测暴露在农药中的工人的神经系统疾病.
- 提高农业工业综合体工人的医疗护理质量.
- 通过模糊的数学模型将反射诊断与人工智能集成在一起.
主要方法:
- 在混合模糊决策规则中利用反射诊断数据.
- 开发了结合医学诊断和人工智能的预测分类模型.
- 专注于识别神经系统疾病的早期迹象,特别是与酸盐农药暴露有关的疾病.
主要成果:
- 开发的模糊数学模型在预测神经系统疾病方面表现出超过85%的准确性.
- 该模型生成了用于早期预测这些疾病的决策规则.
- 该方法旨在弥合传统反射学和现代医学诊断之间的差距.
结论:
- 拟议的模型为接触农药的农业工业工人提供了有价值的医疗保健工具.
- 它通过提供数据驱动,AI集成的方法来增强反射诊断的潜力.
- 该模型支持神经系统疾病的早期预测,改善职业健康结果.
