Bài viết Sử dụng mạng nơron min - max mờ trong chẩn đoán bệnh ung thư trình bày ứng dụng mô hình FMN cải tiến học bán giám sát kết hợp với việc sử dụng các thông tin bổ trợ cho phép giải quyết đồng thời cả hai vấn đề giảm số lượng hyper box và khả dụng cho các tập dữ liệu mà 100% số lượng mẫu chưa được gán nhãn. Mô hình sử dụng được gọi là SCFMM-D (Semi-clustering and Fuzzy Min Max neural network in Diagnosis). | Tuyển tập Hội nghị Khoa học thường niên năm 2018. ISBN 978-604-82-2548-3 SỬ DỤNG MẠNG NƠRON MIN - MAX MỜ TRONG CHẨN ĐOÁN BỆNH UNG THƯ Trần Thị Ngân Trần Mạnh Tuấn Khoa Công nghệ thông tin Trường Đại học Thủy lợi email ttngan@ 1. GIỚI THIỆU thông qua hàm thuộc mờ. Tuy nhiên độ chính xác phân loại mẫu trong một số trường hợp Thời gian gần đây ung thư là một trong các còn hạn chế. Do đó để nâng cao khả năng bệnh phổ biến nhất trên thế giới. Các bệnh ứng dụng của FMN nhiều tác giả đã đề xuất viện trở lên quá tải với số lượng bệnh nhân các cải tiến FMN với mục tiêu nâng cao độ lớn và cơ sở vật chất còn hạn chế. Hơn nữa chính xác phân loại mẫu của nó. nếu phát hiện ung thư sớm thì việc điều trị sẽ Trong bài báo này chúng tôi ứng dụng mô hiệu quả và chi phí thấp hơn nhiều. Quá trình hình FMN cải tiến học bán giám sát kết hợp chẩn đoán bệnh thủ công có một số nhược với việc sử dụng các thông tin bổ trợ cho điểm. Thứ nhất với số lượng lớn các bệnh phép giải quyết đồng thời cả hai vấn đề giảm nhân thường các bác sĩ phải làm việc nhiều số lượng hyper box và khả dụng cho các tập và quá tải. Thứ hai các bác sĩ đặc biệt với dữ liệu mà 100 số lượng mẫu chưa được những người có nhiều kinh nghiệm còn hạn gán nhãn. Mô hình sử dụng được gọi là chế trong khi kinh phí để tra lương cho các SCFMM-D Semi-clustering and Fuzzy Min bác sĩ còn hạn chế. Thứ ba quá trình này mất Max neural network in Diagnosis . nhiều thời gian của bệnh viện và sự chờ đợi Trong các phần tiếp theo chúng tôi cấu của các bệnh nhân đến khám và điều trị. Vì truc như sau phần 2 trình bày chi tiết về vậy một hệ thống hỗ trợ quyết định có thể tự phương pháp SFCMN phần 3 trình bày về động đưa ra các chẩn đoán các bệnh nhân. Nó các kết quả thực nghiệm phần 4 là kết luận. còn có giá trị hơn nữa khi hệ thống hỗ trợ ra quyết định có thể cung cấp các kết quả chính 2. PHƯƠNG PHÁP SFCMN xác nâng cao chất lượng chăm sóc và giảm thời gian khám và điều trị của bệnh nhân. D là tập dữ liệu vào của thuật toán học Tự động
