一个集成的模糊神经网络模型用于使用双层次的语言信息选择手术方法

科学领域:

• 决策科学 决策科学
• 手术创新 在外科创新.
• 医疗信息学 医疗信息学

背景情况:

• 选择最有效的外科手术方法对于优化重大手术中患者健康结果至关重要.
• 现有的多标准决策技术是必不可少的,但可以加强处理复杂,不确定的信息.
• 人们认识到在外科决策中需要灵活的方法来表示和处理模糊的语言信息.

研究的目的:

• 开发新的决策模型,利用双层次语言信息来选择最佳的外科手术方法.
• 引入一个灵活的框架来表达和汇总不确定的信息在手术决策.
• 通过先进的计算方法,通过确定最有益的外科手术策略来增强患者的健康.

主要方法:

• 开发一个双层次的语言术语来表示不确定性和模糊性.
• 引入基于语言术语集的Aczel-Alsina规范的聚合运算符.
• 创建两个新的决策模型:WASPAS方法和双层次语言神经网络,其中包括Aczel-Alsina聚合运算符.

主要成果:

• 根据专家获得的信息,拟议的模型被应用来选择最有效的外科手术方法.
• 进行了灵敏度分析,以评估模型在手术决策环境中的稳定性.
• 通过与现有的决策方法进行比较,证实了新型模型的有效性和效率.

结论:

• 开发的双层次语言决策模型为选择最佳外科手术方法提供了一种优越的方法.
• 这些模型有效地管理不确定性和模糊性,从而改善了患者健康的优化.
• 该研究验证了这些新型计算技术在复杂的外科决定场景中的实用性和效率.