Modelo, basado en computación con palabras y mapas cognitivos difusos competitivos, para la representación de las interrelaciones entre síntomas, signos y enfermedades cardiovasculares

Autores/as

  • Salah Hasan Saleh Universidad de las Ciencias Informáticas (UCI)
  • Maikel Yelandi Leyva Vázquez Universidad Internacional del Ecuador (UIDE)
  • Juan Pedro Febles Rodríguez Universidad de las Ciencias Informáticas (UCI)
  • Fawaz Saleem Mohsen Servicio de referencia nacional de cardiopatía y embarazo

DOI:

https://doi.org/10.53591/iti.v6i6.89

Palabras clave:

computación con palabras, diagnóstico médico, granularidad, mapas cognitivos difusos

Resumen

Los mapas cognitivos difusos han recibido una creciente atención para la representación del conocimiento causal. Son de especial utilidad en el diagnóstico médico. El trabajo despliega una propuesta para el modelado de las interrelaciones entre síntomas, signos y  enfermedades cardiovasculares, basado en mapas cognitivos difusos competitivos, utilizando el paradigma de computación con palabras, con el objetivo de proporcionar modelos causales que sean fácilmente comprensibles. Para ello, se propone el uso del modelo de representación lingüístico basado en 2-tuplas lingüísticas en los mapas cognitivos difusos competitivos, lo cual permite realizar los procesos de computación con palabras, sin pérdida de información. Como  resultado  del  trabajo  se  obtiene  un nuevo modelo de mapa cognitivo difuso, denominado mapa cognitivo difuso competitivo lingüístico (LCFCM por sus siglas en inglés). La principal ventaja del modelo propuesto para el diagnóstico médico basado en mapas cognitivos difusos es que permite aumentar la interpretabilidad de los modelos causales. Finalmente, se presenta un estudio de caso del modelo propuesto y el análisis estático de dicho modelo con el objetivo de determinar los síntomas y signos más importantes en el mapa obtenido así como recomendaciones de trabajos futuros.

Citas

Kosko B. Fuzzy cognitive maps. lnternational Journal of Man-Machine Studies. 1986 ;24(1):65-75.

Leyva-Vázquez M, Karina Pérez-Teruel, Febles-Estrada A, Gulín-González J. Técnicas para la representación del conocimiento causal. Un estudio de caso en Informática Médica. ACIMED. 2013 ;24(1).

Axelrod RM. Structure of decision: The cognitive maps of political elites: Princeton University Press Princeton, NJ; 1976.

Zadeh LA. Fuzzy sets. lnformation and Control. 1965;8(3):338-53.

Herrera F. An overview on the 2-tuple linguistic model for computing with words in decision making: Extensions, applications and challenges. lnformation Sciences. 2012;207:1-18.

Herrero JMJ. Una aproximación multimodal al diagnostico temporal mediante razonamiento basado en casos y razonamiento basado en modelos. Aplicaciones en la medicina: Universidad de Murcia; 2007.

Georgopoulos VC, Malandraki GA, Stylios CD. A fuzzy cognitive map approach to differential diagnosis of specific language impairment. Artificial intelligence in Medicine. 2003;29(3):261- 78.

lnnocent PR, John RJ. Computer aided fuzzy medical diagnosis. lnformation Sciences. 2004;162(2):81-104.

Ping CW. A Methodology for Constructing Causal Knowledge Model from Fuzzy Cognitive Map to Bayesian BeliefNetwork [ PhD Thesis]: Chonnam National University. Doctoral Thesis; 2009.

Papageorgiou El. Leaming Algorithms for Fuzzy Cognitive Maps---A Review Study. Systems, Man, and Cybemetics, Part C: Applications and Reviews, IEEE Transactions on. 2011;PP(99):1-14.

Kosko B. Fuzzy engineering. Prentice- Hall, Inc.; 1997.

Zhi-Qiang UU. Causation, bayesian networks, and cognitive maps. ACTA AUTOMATICA SINICA. 2001;27(4):552-66.

Salmeron JL. Modelling grey uncertainty with Fuzzy Grey Cognitive Maps. Expert Systems with Applications. 2010;37(12):7581-8.

Papageorgiou E, Stylios C, Groumpos P. lntroducing lnterval Analysis in Fuzzy Cognitive Map Framework Advances in Artificial Intell igence. In: Antoniou G, Potamias G, Spyropoulos C, Plexousakis D, editors. Lecture Notes in Computer Science. 3955: Springer Berlín / Heidelberg; 2006. p. 571-5.

lakovidis DK, Papageorgiou E. lntuitionistic Fuzzy Cognitive Maps for Medica! Decision Making. lnformation Technology in Bio med ic ine, IEEE Transactions on. 2011 ; 15(1):100- 7.

Stylios, Georgopoulos VC, Malandraki GA, Chouliara S. Fuzzy cognitive map architectures for medical decision support systems. Applied Soft Computing. 2008;8(3):1243-51.

Iglesias A, Castillo MDd, Serrano JI, Oliva J. Connectionist Models of Decision Making. In: Jao CS, editor. Decision Support Systems: INTECH; 2010.

Stylios CS, Georgopoulos VC, editors. Fuzzy Cognitive Maps for Medical Decision Support; A paradigm from obstetrics. Engineering in Medicine and Biology Society (EMBC), 2010 Annual lntemational Conference of the IEEE; 2010 Aug. 31 2010-Sept. 4 2010.

Leyva-Vázquez M. Modelo de Ayuda a la Toma de Decisiones Basado en Mapas Cognitivos Difusos. La Habana: UCI. Doctor en Ciencias Técnicas; 2013.

Yusuf S, Reddy S, Óunpuu S, Anand S. Global burden of cardiovascular diseases part 1: general considerations, the epidemiologic transition, risk factors, and impact of urbanization. Circulation. 2001; 104(22):2746-53.

Terucl KP, Vázquez ML, Estévez ME. Computación con palabras en la toma decisiones mediante mapas cognitivos difusos. 2014. 2014;8(2).

Herrera F, Alonso S, Chiclana F, Herrera-Viedma E. Computing with words in decision making: foundations, trends and prospects. Fuzzy Optimization and Decision Making. 2009;8(4):337-64.

Pércz-Tcrucl K, Leyva-Vázquez M, Espinilla M, Estrada-Sentí V. Computación con palabras en la toma de decisiones mediante mapas cognitivos difusos. Revista Cubana de Ciencias Informáticas. 2014;8(2):19-34.

Espinilla M. Nuevos Modelos de Evaluación con Información Lingüistica. SCHOOL= Universidad de Jaén, YEAR= 2009. 2009.

Descargas

Publicado

2014-11-30

Número

Sección

Artículos

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.