Modyfikacja zastosowania teorii zbiorów przybliżonych w medycynie w celu ograniczenia błędów przypadkowych

• Autorzy: Podraza W.

Warianty tytułu

EN

The method of reduction of rough sets theory results misinterpretation in medicine

• Języki publikacji: PL

Abstrakty

PL

Niniejsza praca przedstawia teoretyczne możliwości zastosowania teorii zbiorów przybliżobych w medycynie. Pokazuje, że nieprawidłowa klasyfikacja 1 obiektu (np. błąd przypadkowy) może zaburzyć cały system. Proponuje modyfikacje teorii zbiorów przybliżonych w celu uniknięcia błędnej interpretacji wniosków oraz podaje algorytm postępowania.

EN

The paper presents theoretical implementation of rough sets theory in medicine. it demonstrates, than improper classification of 1 object (for instance because of an accidental error) may results in destroying of all system. It proposes rough sets theory modification to avoid the results misinterpretation and presents the algorithm of procedure.

Słowa kluczowe

PL

teoria zbiorów przybliżonych; błąd medyczny

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2000
• Tom: R. 46, nr 8
• Strony: 5--7
• Opis fizyczny: Bibliogr. 11 poz., tab., wzory

Twórcy

autor

Podraza W.

• Zakład Fizyki Medycznej, Pomorska Akademia Medyczna w Szczecinie

Bibliografia

• [1] M. Boryczka, R. Słowiński: Derivation of Optimal Decision Algorithms from Decision Tables Using Rough Sets. Bulletin of the Polish Academy of Sciences, Technical Sciences 1988, nr 36.
• [2] A. Ohrn, S. Vinterbo, P. Szymański. J. Komorowski: Modelling Cardiac Patient Set Residuals Using Rough Sets. Proceedings of American Medical Informatics Association Annual Fall Symp., 1997 (Philadelphia PA).
• [3] Z. Pawlak: Rough Sets. International Journal of Computer Information Sciences 1982, nr 11.
• [4] Z. Pawlak: Rough Classification. International Journal of Man-Machine Studies 1984, nr 20.
• [5] Z. Pawlak: Decision Tables and Decision Algorithms. Bulletin of the Polish Academy of Sciences, Technical Sciences 1985, nr 33.
• [6] W. Podraza, H. Podraza: Childhood Leukaemia Relapse Risk Factors. A Rough Sets Approach. Medical Informatics 1999, nr 24 (2).
• [7] A. Skowron: Extracting Laws from Decision Tables: A Rough Set Approach. Computational Intelligence 1995, nr 11 (2).
• [8] J. Stefanowski, K. Słowiński: Rough Sets as a Tool for Studying Attribute Dependencies in the Urinary Stones Treatment Data Set. W: T.Y. Lin, N. Cercone eds.: Rough Sets and Data Mining. Analysis for Imprecise Data. Kluwer Academic Publishers, Boston/London/Dordrecht 1997.
• [9] S. Tsumoto, H. Tanaka: Incremental Learning of Probabilistic Rules from Clinical Databases Based on Rough Set Theory. Proceedings of American Medical Informatics Association Annual Fall Symposium, 1997 (Philadelphia PA).
• [10] A. Wakulicz Deja, P. Paszek: Diagnose Progressive Encephalopathy Applying the Rough Set Theory. International Journal of Medical Informatics, 1997, nr 46 (2).
• [11] Y.Y. Yao, S.K.M. Wong, T.Y. Lin: A Review of Rough Set Models. W: T Y. Lin, N. Cercone eds.: Rough Sets and Data Mining. Analysis for Imprecise Data: Kluwer Academic Publishers, Boston/London/Dordrecht 1997.