1998 | OriginalPaper | Buchkapitel
Automatisierte Regelgenerierung zum Erkennen von Mustern aus Merkmalen zyto- und histopathologischer Präparate zur prognostischen Einschätzung bei Brustkrebs
verfasst von : K. Gärtner, R. Schulze, S. Fuchs, F. Theissig, V. Dimmer, G. Haroske, K.-D. Kunze, W. Meyer
Erschienen in: Mustererkennung 1998
Verlag: Springer Berlin Heidelberg
Enthalten in: Professional Book Archive
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Infolge der Komplexität der Problemstellung ist die Formulierung von Entscheidungsregeln für ein Expertensystem zur Brustkrebsprognose aus histologischen und zytologischen Fallstudien sehr schwierig.Zur Unterstützung dieses Prozesses wird hier ein neuronales Fuzzy-System untersucht. Um Muster in Form von unscharfen Regeln aus Datenmengen zu extrahieren, ist die Vorgabe der linguistischen Terme der ausgewählten Variablen durch einen Fachmann notwendig. In den Prozeß wird auch Expertenwissen eingebracht, jedoch nicht unter dem Zwang Entscheidungsregeln formulieren zu müssen, also in angemessener Form und mit Experimentiermöglichkeiten.Zur Bewertung der erzeugten Regeln werden die Prognoseergebnisse verglichen, die einerseits mit von Experten formulierten Regeln und andererseits mit generierten Regeln des neuronalen Fuzzy-Systems erzielt werden. Die mit dem System erzeugten Regeln zeigen bezüglich der Fehlerrate ein deutlich besseres Entscheidungsverhalten als die Expertenregeln. Eine Optimierung für unsymmetrische Kosten steht noch aus.