Expert fuzzy systems for evaluation ofintensity of reactive edema of soft tissues in patients with diabetes

• Autorzy: Shkilniak Liudmyla , Wójcik Waldemar , Pavlov Sergii , Vlasenko Oleg , Kanishyna Tetiana , Khomyuk Irina , Bezverkhyi Oleh , Dembitska Sofia , Mamyrbayev Orken , Iskakova Aigul

Identyfikatory

DOI

10.35784/iapgos.3037

Warianty tytułu

PL

Eksperckiesystemyrozmytedo oceny intensywności reaktywnegoobrzęku tkanek miękkich u pacjentów z cukrzycą

• Języki publikacji: EN

Abstrakty

EN

The paper analyzes the main areas of application of mathematical methods inmedical diagnostics, formulates principles of diagnostics basedon fuzzy logic; developed mathematical models and algorithms that formalize the process of making diagnostic decisions based on fuzzy logic with quantitative and qualitative parameters of thepatient's condition; developed mathematicalmodels of membership function. Mathematical modelsand algorithms have been developed that formalize the process of making diagnostic decisions based on fuzzy logic with quantitative and qualitative parameters of the patient's condition; developed mathematical models of membership functions, formalizing the representation of quantitative and qualitative parameters of the patient's condition in the form of fuzzy sets, used in models and algorithms for diagnosis and finding a diagnosis of assessing the intensity of reactive postoperative edema in patients of all study groups. An expert system was implemented for solving the problems of medical diagnosis based on fuzzy logic when assessing the intensity of reactive swelling of soft tissues, which develops in the postoperative period in patientsof all study groups against the background of diabetes.The paper analyzes the main areas of application of mathematical methods in medical diagnostics, formulates the principles of diagnostics based on fuzzy logic.

PL

W pracy analizowane są główne kierunki zastosowania metod matematycznych w diagnostyce medycznej, formułowane są zasady diagnostyki opartej na logice rozmytej; opracowywane są modele matematyczne i algorytmy formalizujące proces podejmowania decyzji diagnostycznych w oparciuo logikę rozmytą z ilościowymi i jakościowymi parametrami stanu pacjenta; opracowywane są modele matematyczne funkcji przynależności. Opracowano modele matematyczne i algorytmy formalizujące proces podejmowania decyzji diagnostycznych w oparciu o logikę rozmytą z ilościowymi i jakościowymi parametrami stanu pacjenta; opracowano modele matematyczne funkcji przynależności formalizujące reprezentację ilościowych i jakościowych parametrów stanu pacjenta w postaci zbiorów rozmytych wykorzystywanych w modelach i algorytmach diagnozowania i znajdowania rozpoznania nasilenia reaktywnego obrzęku pooperacyjnego u pacjentów wszystkich grup badawczych. Wdrożono system ekspercki do rozwiązywania problemów diagnostyki medycznej oparty na logice rozmytej w ocenie nasilenia reaktywnego obrzęku tkanek miękkich, który rozwija się w okresie pooperacyjnymu pacjentów wszystkich grup badawczych z cukrzycą. W artykule przeanalizowano cechy zastosowania metod matematycznych w diagnostyce medycznej, sformułowano zasady diagnostyki opartej na logice rozmytej.

Słowa kluczowe

EN

information expert system; control; method of fuzzy sets; medical diagnostics; diabetes; dentistry

PL

informacyjny system ekspercki; sterowanie; metoda zbiorów rozmytych; diagnostyka medyczna; cukrzyca; stomatologia

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2022
• Tom: T. 12, nr 3
• Strony: 59--63
• Opis fizyczny: Bibliogr. 14 poz., tab., wykr.

Twórcy

autor

Shkilniak Liudmyla

• National Pirogov Memorial Medical University, Vinnytsya, Ukraine

• https://orcid.org/0000-0002-4925-7734

autor

Wójcik Waldemar

• Lublin University of Technology, Lublin, Poland

• https://orcid.org/0000-0002-6473-9627

autor

Pavlov Sergii

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0002-0051-5560

autor

Vlasenko Oleg

• National Pirogov Memorial Medical University, Vinnytsya, Ukraine

• https://orcid.org/0000-0001-8759-630X

autor

Kanishyna Tetiana

• National Pirogov Memorial Medical University, Vinnytsya, Ukraine

• https://orcid.org/0000-0001-9922-5960

autor

Khomyuk Irina

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0002-2516-2968

autor

Bezverkhyi Oleh

• Vinnitsa State Pedagogical University named after M. Kotsiubynskyi, Vinnytsia, Ukraine

• https://orcid.org/0000-0001-9322-2646

autor

Dembitska Sofia

• Vinnytsia National Technical University, Vinnytsia, Ukraine

• https://orcid.org/0000-0002-2005-6744

autor

Mamyrbayev Orken

• Al Farabi Kazakh National University, Institute of Information and Computer Technologies, Almaty, Kazakhstan

• https://orcid.org/0000-0001-8318-3794

autor

Iskakova Aigul

• Kazakh National Research Technical University, Almaty, Kazakhstan

• https://orcid.org/0000-0001-8043-819X

Bibliografia

• [1] Abdikerimova G. B. et al.: The analysis of textural images on the basis of orthogonal transformations. Journal of Theoretical and Applied Information Technologythis link is disabled 97(1), 2019, 15–22.
• [2] Arakeri G. et al.: A randomized clinical trial to compare the efficacy of submucosal Aprotinin injection and intravenous Dexamethasone in reducing pain and swelling after third molar surgery: A prospective study. Journal of Maxillofacial and Oral Surgery 12(1), 2013, 71–75.
• [3] Azarova A., Zhytkevych O.: Mathematical methods of identification of ukrainian enterprises competitiveness level by fuzzy logic using. Economic Annals-XXI 9–10(2), 2013, 59–62.
• [4] Clinical guidelines for the management of pulpal diseases, approved by Decree 15 of the Council of Public Association “Russian Dental Association”. Dated August 2, 2018.
• [5] Nizhynska-Astapenko Z. et al.: Information medical fuzzy-expert system for the assessment of the diabetic ketoacidosis severity on the base of the blood gases indices. Proc. SPIE 12126, 2021, 1212626.
• [6] Rotshtein A.: Design and Tuning of Fussy IF – THEN Vuly for Medical Didicol Diagnosis. Fuzzy and Neuro-Fuzzy Systems in Medicine. CRC-Press, 1998, 235–295.
• [7] Serkova V. K. et al.: Medical expert system for assessment of coronary heart disease destabilization based on the analysis of the level of soluble vascular adhesion molecules. Proc. SPIE 10445, 2017, 104453O.
• [8] Taubayev G. et al.: Machine learning algorithms and classification of textures. Journal of Theoretical and Applied Information Technologythis 98(23), 2020, 3854–3866.
• [9] Vasilevskyi O. et al.: Method of evaluating the level of confidence based on metrological risks for determining the coverage factor in the concept of uncertainty. Proc. SPIE 10808, 2018, 108082C.
• [10] Vassilenko V. et al.: Automated features analysis of patients with spinal diseases using medical thermal images. Proc. SPIE 11456, 2020, 114560L.
• [11] Vavilova T. P. et al.: Dental pulp responsiveness. Moscow State University of Medicine and Dentistry, 2017.
• [12] Volgin M. A. et al.: Сomparative analysis of IL-1. COX-2 and type II collagenase gene expression profile in acute inflammed pulps. Endodontics today 4, 2016, 16–20.
• [13] Wójcik W. et al.: Information Technology in Medical Diagnostics II. Taylor & Francis Group. CRC Press, Balkema Book. London 2019.
• [14] Wójcik W. et al.: Information Technology in Medical Diagnostics. CRC Press. 2017.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).