计算机系统在医学目前增长最快的地区之一,在医院的临床和研究与开发(R&D)。病人管理等系统的重要性是稳步增长,在治疗和诊断中发挥着越来越重要的作用。智能系统成为这样的核心系统,他们提供更快速、精确的病人管理、辅助诊断和改进的结果。此外,智能系统对卫生保健系统通过提高准确性和更具成本效益的解决方案。

最初,奇异的方法被使用,但越来越走向杂交,尤其是人工智能技术。当前重点是氢化模型(定量/定性)和混合智能算法(模糊逻辑、神经网络和neurofuzzy系统)应用到生物医学应用程序中。这个特殊问题的目的是促进研究和发展最好的工作领域的混合智能系统生物医学应用。

一篇论文在这个特殊的问题地址医学模式识别的改进的直觉模糊熵。改进的非概率熵方法支持医生检查初步诊断的工作。另一篇论文是关于高维分类模式使用模糊逻辑区分网络。的技术是基于自适应网络模糊逻辑连接词结合生成的类边界的区分函数集。另一个不同的论文调查的使用智能动态MRI (DMRI)系统自动鼻腔肿瘤检测。的动态MRI是诊断鼻腔肿瘤近年来的主要工具。计划的系统检测和提高肿瘤区域DMRI自动通过使用演算法,支持向量机,Bayes-Gaussian分类器。

另一个ICU患者识别提出了一种新颖的技术需要使用血液动力学特性。该系统可以分类的病人和他们的类型ICU需要基于血流动力学特征,如心率和血压。进一步的分析都是基于初始测量圆准则等,估计误差标准,庞加莱图偏差和自主响应延迟标准。所有的功能是利用对病人使用模糊系统进行分类。有一篇论文,探讨影响最初的随机神经网络的重量训练模型的准确性。髋部骨折的数据被用来生成一个模型来预测病人状态使用神经网络模型。神经网络的初始权重已经使用遗传算法优化。结果表明,初始化过程有很大影响训练模型的准确性。另一篇论文地址使用神经网络进行宠物数量分析和分割;不同的图像被用来训练神经网络分类肿瘤PET图像数据。 The developed classifier shows that the system has a high accuracy such that a single tumour pixel can be detected and classified accurately.

Maysam Abbod
Jiann-Shing Shieh
Hak-KeungLam