Určenie miery rizika rakoviny pankreasu pomocou fuzzy prístupov

Abstract

Táto práca sa zaoberá aplikáciou prístupov fuzzy logiky na zlepšenie diagnostickej presnosti rizika rakoviny pankreasu. Rakovina pankreasu, známa svojou neskorou diagnózou a zlou prognózou, si vyžaduje vývoj sofistikovanejších diagnostických techník. Integráciou rizikových faktorov z anamnézy pacientov a lekárskych testov do fuzzy modelu sa táto práca snaží riešiť neistoty spojené s včasnou symptomatológiou rakoviny. Práca prezentuje návrh, implementáciu a testovanie modelu založeného na fuzzy logike, ktorý odhaduje riziko rakoviny pankreasu so zvýšenou senzitivitou a špecifickosťou v porovnaní s tradičnými metódami. Zistenia zdôrazňujú potenciál fuzzy systémov pri zvyšovaní prediktívnej presnosti lekárskej diagnostiky a zdôrazňujú dôležitosť výpočtových modelov pri včasnej detekcii komplexných ochorení, ako je rakovina pankreasu.

This thesis investigates the application of fuzzy logic approaches to improve the diagnostic accuracy of pancreatic cancer risk. Pancreatic cancer, notorious for its late diagnosis and poor prognosis, necessitates the development of more sophisticated diagnostic techniques. By integrating risk factors from patient histories and medical tests into a fuzzy model, this work seeks to address the uncertainties inherent in early cancer symptomatology. The thesis presents the design, implementation, and testing of a fuzzy logic-based model that estimates pancreatic cancer risk with increased sensitivity and specificity, compared to traditional methods. The findings highlight the potential of fuzzy systems in enhancing the predictive accuracy of medical diagnostics and underscore the importance of computational models in the early detection of complex diseases like pancreatic cancer.