Modelowanie i optymalizacja procedur detekcji zagrożeń epidemiologicznych

• Autorzy: Ameljańczyk Andrzej
• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono ogólny model procedury rozpoznawania zagrożeń epidemiologicznych oparty na wielokryterialnej ocenie podobieństwa zagrożeń do wzorców zawartych w repozytorium. Zdefiniowano ogólną przestrzeń detekcji podobieństwa, w której sformułowano zadanie optymalizacji rozpoznawania wzorców. Przedstawiono przykład algorytmu wspomagania procesu wyznaczania wstępnego rozpoznania oparty na stwierdzonych objawach zagrożenia i występujących czynnikach ryzyka. Przedstawiony algorytm pozwala wyznaczać zbiór zagrożeń od których nie ma bardziej prawdopodobnych oraz jego ranking.

Słowa kluczowe

PL

podobieństwo; wskaźniki podobieństwa; relacje podobieństwa; patogeny; modele zagrożeń epidemiologicznych; wzorzec zagrożenia epidemiologicznego; algorytmy detekcji zagrożeń

EN

similarity; similarity indicators; similarity relations; pathogens; threat detection; epidemiological system; detection algorithm

• Wydawca: Centrum Rzeczoznawstwa Budowlanego Sp. z o.o.
• Czasopismo: Inżynieria Bezpieczeństwa Obiektów Antropogenicznych
• Rocznik: 2019
• Tom: Nr 1-2
• Strony: 17--27
• Opis fizyczny: Bibliogr. 20 poz., wykr., rys.

Twórcy

autor

Ameljańczyk Andrzej

• Wojskowa Akademia Techniczna, Warszawa

Bibliografia

• 1) M. Allan, Crash Course – wywiad i badania przedmiotowe, Elsevier Urban&Partner, Wrocław, 2005.
• 2) R.M. Anderson and R.M. May. – “Directly transmitted infectious diseases: control by vaccination”. Science, 215:1053-1060, 1982.
• 3) R.M. Anderson and R.M. May editors. – ”Infectious Diseases of Humans: Dynamics and Control”, Oxford University Press, Oxford, 1991
• 4) A. Ameljańczyk – „Optymalizacja wielokryterialna w problemach sterowania i zarządzania”, Ossolineum, 1984.
• 5) A. Ameljańczyk – „Matematyczny model przestrzeni życia w komputerowym systemie wspomagania decyzji medycznych”, I Krajowa Konferencja „Systemy Komputerowe i Teleinformatyczne w Służbie Zdrowia”, Warszawa 2009.
• 6) A. Ameljańczyk – „Matematyczny model wspomagania diagnozowania medycznego na podstawie symptomów chorobowych i czynników ryzyka”, VII Konferencja Naukowa Modelowanie Cybernetyczne Systemów Biologicznych, MCSB2010, Kraków, 2010.
• 7) A. Ameljańczyk, P. Długosz, M. Strawa, – „Komputerowa implementacja algorytmu wyznaczania wstępnej diagnozy medycznej”, VII Konferencja Naukowa Modelowanie Cybernetyczne Systemów Biologicznych, MCSB2010, Kraków, 2010.
• 8) H.L.C. Beynon i inni, – „Interpretacja danych klinicznych w pytaniach i opisach przypadków”, Elsevier Urban&Partner, Wrocław, 2007.
• 9) R. Douglas Collins, – „Algorytmy interpretacji objawów klinicznych”, Medipage, Warszawa, 2010.
• 10) W.O. Kermack and A.G. McKendrick. Contributions to the mathematical theory of epidemics, Proc. R. Soc. Lond. A, 115:700{721, 1927.
• 11) F. Kokot – „Diagnostyka różnicowa objawów chorobowych,”, WLPZWL, Warszawa, 2007.
• 12) F. Kokot, S. Kokot – „Badania laboratoryjne – zakres norm i interpretacja”, WL PZWL, Warszawa, 2002.
• 13) J.D. Murray – Mathematical biology. II. Spatial models, Springer-Verlag, Berlin, Heidelberg, New York, 2001.
• 14) Z. Pawlak, Rough Sets, International Journal of Computer and Information Sciences, vol. 11, 341-356 (1965).
• 15) E. Sanchez, „Medical diagnosis and composite fuzzy relations”, Advances in fuzzy sets theory and applications, North--Holland, 1979.
• 16) W. Siegenthaler, Rozpoznanie różnicowe w medycynie wewnętrznej, Tom 1-2, Medipage, Warszawa, 2009.
• 17) P. Smets, „Medical diagnosis fuzzy sets and degrees of belief”, Fuzzy sets and Systems, vol. 5, 1981.
• 18) The Merck Manual, Objawy kliniczne, Elsevier Urban&Partner, Wrocław, 2010.
• 19) H. Wechsler, „Applications of fuzzy logic to medical diagnosis”, Proc. Symp. on Multiple – Valned Logic, Logan 1975.
• 20) P.L. Yu, G. Leitmann, Compromise solutions, domination structures and Salukwadze’s solution, JOTA, vol.13, 1974.