Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: diagnostyka chorób centralnego układu nerwowego (CUN)

Sortuj według:

Ogranicz wyniki do:

Metody analizy kognitywnej w medycznych systemach informacyjnych typu DSS

Ogiela L.D.

Computer Science

2005

Vol. 7

105-114

W pracy wykazano, że metody sztucznej inteligencji, a w szczególnosci mechanizmy lingwistyczne semantycznego wnioskowania znaczeniowego są możliwe do wykorzystania przy tworzeniu inteligentnych systemów informacyjnych, a także umożliwiają prowadzenie wnikliwej analizy znaczeniowej w prezentowanych systemach informacyjnych typu DSS. W pracy zostały przedstawione informatyczne mechanizmy opisu znaczeniowego obiektów na wybranych przykładach analizy obrazów rdzenia kręgowego. Procedury takiego wnioskowania semantycznego oparte są o model rezonansu kognitywnego i zostały zaaplikowane do zadania znaczeniowej interpretacji wybranego rodzaju zobrazowań diagnostycznych centralnego układu nerwowego jako modułu inteligentnej analizy w systemach informacyjnych. Prezentowana w pracy aplikacja ma charakter badawczy i służy opracowaniu skutecznych metod wykrywania poszukiwanych zmian na pewnym zbiorze danych pochodzących z badań magnetycznorezonansowych struktur rdzenia kręgowego.

This paper demonstrates that AI methods, in particular linguistic mechanisms of semantic meaning reasoning can be applied to the development of intelligent IT systems. They enable also conducting an in-depth meaning analysis in the presented DDS information systems. This paper presents also IT mechanisms of object meaning description on selected examples of spinal cord image analysis. The procedures for such semantic reasoning are based on the model of cognitive resonance. They have been applied to the task of meaning interpretation of a selected type of central nervous system diagnostic images, as an intelligent analysis module in IT systems. The application presented in this paper is of research character and it serves the preparation of efficient lesion detection methods applied to a dataset originating from magnetic and resonance examinations of the spinal cord structures.