BIP

ITAM Zabrze Projekty Zastosowanie klasyfikatorów rozmytych




Sieć Badawcza Łukasiewicz - Instytut Techniki i Aparatury Medycznej

realizuje projekt dofinansowany z Narodowego Centrum Nauki pt.:

"Zastosowanie klasyfikatorów rozmytych działających na danych niepewnych, niepełnych i niezbalansowanych do predykcji zagrożenia pacjentki porodem przedwczesnym

w ramach konkursu OPUS 14

termin realizacji 23.07.2018 - 22.07.2021

kierownik projektu: prof. dr hab. inż. Jacek Łęski



PB nr 2017/27/B/ST6/01989

Komputerowo wspomagane monitorowanie ciąży i porodu stanowi ważny element współczesnej opieki zdrowotnej nad matką i jej nienarodzonym dzieckiem, jako że umożliwia wczesne rozpoznanie stanu zagrożenia płodu oraz podjęcie odpowiednich działań. Za jeden z powodów wystąpienia stanu zagrożenia w okresie płodowym, w tym ryzyka porodu klasyfikatoryprzedwczesnego, wymienia się brak prawidłowego zaopatrzenia płodu w tlen. Skutkiem niedotlenienia są zmiany naczynioworuchowe, do których należą między innymi charakterystyczne zmiany rytmu pracy serca płodu. Ilościowo rytm ten opisuje sygnał częstości uderzeń serca, który najczęściej pozyskiwany jest z użyciem kardiotokografii lub elektrokardiografii płodowej. W kardiotokografii sygnał częstości uderzeń serca wyznaczany jest z mechanicznej aktywności serca płodu za pomocą ultradźwiękowej metody dopplerowskiej. W przypadku elektrokardiografii płodowej, sygnał rytmu serca płodu pozyskuje się na podstawie rejestracji aktywności bioelektrycznej serca płodu: bezpośredniej (z główki płodu podczas porodu) oraz pośredniej (z powłok brzusznych matki). Zwiększenie dokładności obu technik pomiarowych było przedmiotem badań realizowanych w ramach projektu, w szczególności:

• Przedstawiono zaawansowane metody analizy pełnego sygnału z toru ultradźwiękowego dla bardziej precyzyjnego pomiaru okresowości w sygnale częstości uderzeń serca płodu, które zwiększają wiarygodność istotnych diagnostycznie parametrów opisu zmienności chwilowej sygnału rytmu serca płodu, uzyskiwanego podczas rutynowego badania kardiotokograficznego.

• Sformułowano metodę filtracji projekcyjnej bazującej na rozmytym grupowaniu punktów w przestrzeni stanów, którą dzięki wyższej skuteczności redukcji zakłóceń mięśniowych, można zastosować dla poprawy wartości diagnostycznej pośredniej elektrokardiografii płodowej.

• Opracowano oraz opublikowano, jako ogólnie dostępną, bazę bioelektrycznych sygnałów aktywności serca płodu rejestrowanych synchronicznie: pośrednio oraz bezpośrednio z główki płodu podczas porodu – jako sygnały referencyjne. Sygnałom towarzyszy informacja o wzorcowym położeniu załamków R. W ten sposób zapewniono społeczności naukowej dostęp do unikalnej bazy sygnałów, które wspomogą rozwój nowych metod analizy w ramach pośredniej elektrokardiografii płodowej.

Graficzna reprezentacja zarejestrowanych sygnałów częstości uderzeń serca płodu podlega interpretacji lekarza, którego zadaniem jest rozpoznanie oraz klasyfikacja wzorców w analizowanym sygnale. Ze względu na dużą złożoność kształtu krzywych, ich klasyczna, wzrokowa ocena jest bardzo trudna. Z tego powodu poszukiwane są skuteczne metody wspomagania decyzji diagnostycznych, w oparciu o automatyczną klasyfikację sygnałów zarejestrowanych w trakcie monitorowania. Wśród najbardziej skutecznych wyróżnia się procedury wykorzystujące możliwości inteligencji obliczeniowej, obejmującej szeroką klasę metod tworzenia modeli obliczeniowych poprzez uczenie się z danych. W praktycznych zastosowaniach systemów uczących się istotne jest, aby proces uczenia odbywał się bez bezpośredniego udziału człowieka. Ważne jest także zapewnienie odpowiedniego stopnia uogólniania, oznaczającego wysoką efektywność oceny danych wcześniej nieznanych (niewykorzystywanych podczas uczenia). W zastosowaniach medycznych kluczowa jest także interpretowalność, polegająca na możliwości zrozumienia zależności zachodzących pomiędzy analizowanym zbiorem parametrów, a ostatecznym wynikiem klasyfikacji. Na tej podstawie opracowano metodologie oraz struktury algorytmiczne metod analizy sygnałów biofizycznych płodu bazujące na statystycznej teorii uczenia oraz wnioskowaniu przybliżonym, których rezultaty zapisywane są w postaci interpretowalnych warunkowych reguł rozmytych, w tym:

• Sformułowano kompleksowe metody analizy sygnałów biomedycznych bazujące na nowych procedurach grupowania rozmytego, których celem jest automatyczne wyodrębnianie rozmytych reguł warunkowych na podstawie numerycznych danych pomiarowych dla potrzeb konstruowania lingwistycznie interpretowalnych klasyfikatorów regułowych o wysokiej zdolności uogólniania.

• Zaproponowano nowe metody projektowania klasyfikatorów rozmytych, w których minimalizowany jest wpływ dysproporcji między liczebnością analizowanych klas na efektywność klasyfikacji.

• Opracowano procedury upraszczania bazy reguł klasyfikatorów rozmytych bazujące na idei ε podobieństwa, inspirowanej uczeniem ε-nieczułym, których celem jest redukcja wymiarowości bazy reguł prowadząca do poprawy jakości oraz interpretowalności wyników automatycznej analizy biofizycznych sygnałów płodu.

• Określono nowe metody odpornego grupowania rozmytego, w tym algorytm grupowania danych nieprecyzyjnych, reprezentowanych za pomocą zbiorów rozmytych, pozwalające na zmniejszenie wpływu danych obcych na proces grupowania.

W ramach przeprowadzonych badań wykazano również, że włączenie parametrów ilościowych, typowych dla analizy rytmu serca płodu, do procesu automatycznej detekcji epizodów migotania przedsionków w sygnałach rytmu serca u osób dorosłych (za pomocą maszyny wektorów podtrzymujących) pozwala na istotną poprawę wiarygodności oceny ryzyka tej choroby.

Wykaz opublikowanych dotąd prac, wykonanych w ramach projektu:

1. Michal Jezewski, Robert Czabanski, Jacek Leski, Janusz Jezewski: “Fuzzy classifier based on clustering with pairs of epsylon-hyperballs and its application to support fetal state assessment”, Expert Systems with Applications, 2019, Vol. 118, 109-126. DOI: 10.1016/j.eswa.2018.09.030. (IF = 5.452), 140 p.

2. Jacek M. Leski, Robert Czabanski, Michal Jezewski, Janusz Jezewski: "Fuzzy Ordered c-Means Clustering and Least Angle Regression for Fuzzy Rule-Based Classifier: Study for Imbalanced Data", IEEE Transactions on Fuzzy Systems, 2020, Vol. 28(11), 2799-2813. DOI: 10.1109/TFUZZ.2019.2939989. (IF = 12.029), Citescore = 16.2, Top 10 percent in SCOPUS - Applied Mathematics, 200 p.

3. Pierpaolo D’Urso, Jacek Łęski: “Fuzzy clustering of fuzzy data based on robust loss functions and ordered weighted averaging”, Fuzzy Sets and Systems, 2020, Vol. 389, pp. 1-28. DOI: https://doi.org/10.1016/j.fss.2019.03.017. (IF = 3.343), 140 p.

4. Robert Czabanski, Krzysztof Horoba, Janusz Wrobel, Adam Matonia, Radek Martinek, Tomasz Kupka, Michal Jezewski, Radana Kahankova, Janusz Jezewski, Jacek Leski: “Detection of Atrial Fibrillation Episodes in Long-Term Heart Rhythm Signals Using a Support Vector Machine”, 2020, Sensors, 20, 765, 24 pages, DOI: 10.3390/s20030765. (IF = 3.576), 100 p.

5. Tomasz Kupka, Adam Matonia, Michal Jezewski, Krzysztof Horoba, Janusz Wrobel, Janusz Jezewski: “Coping with limitations of fetal monitoring instrumentation to improve heart rhythm variability assessment”, Biocybernetics and Biomedical Engineering, 2020, Vol. 40, 388-403, DOI: https://doi.org/10.1016/j.bbe.2019.12.005, 100p, (IF = 4.314), 100 p.

6. Marian P. Kotas, Adam Dyrek, Michal Piela, Jacek M. Łęski: “Clustering based multiple state–space projections”, Signal Processing, 2021, Vol. 178, no.107762. DOI: https://doi.org/10.1016/j.sigpro.2020.107762, IF = 4.662 za 2020), 140 p.

7. Tomasz Kupka, Adam Matonia, Michal Jezewski, Janusz Jezewski, Krzysztof Horoba, Janusz Wrobel, Robert Czabanski, Radek Martinek: „New Method for Beat-to-Beat Fetal Heart Rate Measurement Using Doppler Ultrasound Signal”, 2020, Sensors 2020, 20, 4079, 25 pages, DOI:10.3390/s20154079. (IF = 3.576), 100 p.

8. Adam Matonia, Janusz Jezewski, Tomasz Kupka, Michał Jezewski, Krzysztof Horoba, Janusz Wrobel, Robert Czabanski, Radana Kahankova: “Fetal electrocardiograms, direct and abdominal with reference heartbeat annotations”, Scientific Data, 2020, 7:200, 1-14, DOI: https://doi.org/10.1038/s41597-020-0538-z. (IF = 6.444), Citescore = 8.4, Top 10 percent in SCOPUS - Education, 140 p.

9. Michal Jezewski, Robert Czabanski, Jacek M. Leski, Adam Matonia, Radana Kahankova: „On e-insensitive distance based simplification of fuzzy rules for fetal distress assessment”, Expert Systems with Applications, 2021, Vol. 179, 115052, 19 pages. DOI: https://doi.org/10.1016/j.eswa.2021.115052, (IF = 6.954 za 2020), Citescore = 12.7, Top 10 percent in SCOPUS – General Engineering, 140 p.

10. Michał Jeżewski, Sebastian Porębski, Robert Czabański, Ewa Straszecka, Jacek Łęski: „Rozmyte reguły warunkowe i metody inteligencji obliczeniowej we wspomaganiu diagnozy medycznej”, Rozd. 5.5 w Monografii „Inżynieria Biomedyczna Podstawy i zastosowania”, red. Władysław Torbicz, „Tom 7 Informatyka w medycynie”, red.: Marek Kurzyński, Leon Bobrowski, Antoni Nowakowski, Jacek Rumiński, Akademicka Oficyna Wydawnicza EXIT, 2019, Warszawa, pp. 389-408.

11. Krzysztof Horoba, Robert Czabanski, Janusz Wrobel, Adam Matonia, Radek Martinek, Tomasz Kupka, Radana Kahankova, Jacek M. Leski, Slawomir Graczyk: „Recognition of Atrial Fibrilation Episodes in Heart Rate Variability Signals using a Machine Learning Approach”, 26th International Conference on Mixed Design of Integrated Circuits and Systems – MIXDES’2019, 27-29 June, Rzeszow, 2019, 419-424. DOI: 10.23919/MIXDES.2019.8787048.

12. Adam Matonia, Tomasz Kupka, Krzysztof Horoba, Janusz Jezewski, Radek Martinek, Janusz Wrobel, Radana Kahankova, Robert Czabanski, Slawomir Graczyk: “New Possibilities for Fetal Monitoring using Unobtrusive Abdominal Electrocardiography”, 26th International Conference on Mixed Design of Integrated Circuits and Systems – MIXDES’2019, 27-29 June, Rzeszow, 2019, 413-418. DOI: 10.23919/MIXDES.2019.8787051.

13. Tomasz Kupka, Adam Matonia, Krzysztof Horoba, Janusz Wrobel: “Reconstruction of True Fetal Heart Rate Signals Obtained via Ultrasound Bedside Monitor in Relation to Fetal Electrocardiography”, Proceedings of Conference on Innovations in Biomedical Engineering- IiBE 2019, Zabrze, 9-10 October, 2019 In:, Innovations in Biomedical Engineering (eds. Gzik M., Paszenda Z., Pietka E., Tkacz E., Milewski K.) Advances in Intelligent Systems and Computing 2020. vol 1223, 351-360, Springer, Cham. DOI: https://link.springer.com/chapter/10.1007/978-3-030-52180-6_36,

14. Michal Jezewski, Robert Czabanski, Jacek M. Leski, Adam Matonia, Radek Martinek: „Combining e-similar Fuzzy Rules for Efficient Classification of Cardiotocographic Signals”, IEEE Proceedings of the 27th International Conference "Mixed Design of Integrated Circuits and Systems" MIXDES’2020, June 25-27, 2020, Łódź, Poland, 213-217, DOI: 10.23919/MIXDES49814.2020.9156069.

15. Robert Czabanski, Michal Jezewski, Jacek M. Leski, Tomasz Kupka, Radek Martinek: “Fuzzy Clustering with epsilon-Hyperballs Based Simplification of Fuzzy Rules to Support the Assessment of Fetal State”, The 20th IEEE International Conference on BioInformatics And BioEngineering BIBE’2020, Virtual Conference, October 26-28, 2020, Cincinnati OH, USA, 358-364,DOI: 10.1109/BIBE50027.2020.00065.


1.

Komputerowo wspomagane monitorowanie ciąży i porodu stanowi ważny element współczesnej opieki zdrowotnej nad matką i jej nienarodzonym dzieckiem, jako że umożliwia wczesne rozpoznanie stanu zagrożenia płodu oraz podjęcie odpowiednich działań. Za jeden z powodów wystąpienia stanu zagrożenia w okresie płodowym, w tym ryzyka porodu klasyfikatoryprzedwczesnego, wymienia się brak prawidłowego zaopatrzenia płodu w tlen. Skutkiem niedotlenienia są zmiany naczynioworuchowe, do których należą między innymi charakterystyczne zmiany rytmu pracy serca płodu. Ilościowo rytm ten opisuje sygnał częstości uderzeń serca, który najczęściej pozyskiwany jest z użyciem kardiotokografii lub elektrokardiografii płodowej. W kardiotokografii sygnał częstości uderzeń serca wyznaczany jest z mechanicznej aktywności serca płodu za pomocą ultradźwiękowej metody dopplerowskiej. W przypadku elektrokardiografii płodowej, sygnał rytmu serca płodu pozyskuje się na podstawie rejestracji aktywności bioelektrycznej serca płodu: bezpośredniej (z główki płodu podczas porodu) oraz pośredniej (z powłok brzusznych matki). Zwiększenie dokładności obu technik pomiarowych było przedmiotem badań realizowanych w ramach projektu, w szczególności:

  • Przedstawiono zaawansowane metody analizy pełnego sygnału z toru ultradźwiękowego dla bardziej precyzyjnego pomiaru okresowości w sygnale częstości uderzeń serca płodu, które zwiększają wiarygodność istotnych diagnostycznie parametrów opisu zmienności chwilowej sygnału rytmu serca płodu, uzyskiwanego podczas rutynowego badania kardiotokograficznego.
  • Sformułowano metodę filtracji projekcyjnej bazującej na rozmytym grupowaniu punktów w przestrzeni stanów, którą dzięki wyższej skuteczności redukcji zakłóceń mięśniowych, można zastosować dla poprawy wartości diagnostycznej pośredniej elektrokardiografii płodowej.
  • Opracowano oraz opublikowano, jako ogólnie dostępną, bazę bioelektrycznych sygnałów aktywności serca płodu rejestrowanych synchronicznie: pośrednio oraz bezpośrednio z główki płodu podczas porodu – jako sygnały referencyjne. Sygnałom towarzyszy informacja o wzorcowym położeniu załamków R. W ten sposób zapewniono społeczności naukowej dostęp do unikalnej bazy sygnałów, które wspomogą rozwój nowych metod analizy w ramach pośredniej elektrokardiografii płodowej.

Graficzna reprezentacja zarejestrowanych sygnałów częstości uderzeń serca płodu podlega interpretacji lekarza, którego zadaniem jest rozpoznanie oraz klasyfikacja wzorców w analizowanym sygnale. Ze względu na dużą złożoność kształtu krzywych, ich klasyczna, wzrokowa ocena jest bardzo trudna. Z tego powodu poszukiwane są skuteczne metody wspomagania decyzji diagnostycznych, w oparciu o automatyczną klasyfikację sygnałów zarejestrowanych w trakcie monitorowania. Wśród najbardziej skutecznych wyróżnia się procedury wykorzystujące możliwości inteligencji obliczeniowej, obejmującej szeroką klasę metod tworzenia modeli obliczeniowych poprzez uczenie się z danych. W praktycznych zastosowaniach systemów uczących się istotne jest, aby proces uczenia odbywał się bez bezpośredniego udziału człowieka. Ważne jest także zapewnienie odpowiedniego stopnia uogólniania, oznaczającego wysoką efektywność oceny danych wcześniej nieznanych (niewykorzystywanych podczas uczenia). W zastosowaniach medycznych kluczowa jest także interpretowalność, polegająca na możliwości zrozumienia zależności zachodzących pomiędzy analizowanym zbiorem parametrów, a ostatecznym wynikiem klasyfikacji. Na tej podstawie opracowano metodologie oraz struktury algorytmiczne metod analizy sygnałów biofizycznych płodu bazujące na statystycznej teorii uczenia oraz wnioskowaniu przybliżonym, których rezultaty zapisywane są w postaci interpretowalnych warunkowych reguł rozmytych, w tym:

· Sformułowano kompleksowe metody analizy sygnałów biomedycznych bazujące na nowych procedurach grupowania rozmytego, których celem jest automatyczne wyodrębnianie rozmytych reguł warunkowych na podstawie numerycznych danych pomiarowych dla potrzeb konstruowania lingwistycznie interpretowalnych klasyfikatorów regułowych o wysokiej zdolności uogólniania.

· Zaproponowano nowe metody projektowania klasyfikatorów rozmytych, w których minimalizowany jest wpływ dysproporcji między liczebnością analizowanych klas na efektywność klasyfikacji.

· Opracowano procedury upraszczania bazy reguł klasyfikatorów rozmytych bazujące na idei ε‑podobieństwa, inspirowanej uczeniem ε-nieczułym, których celem jest redukcja wymiarowości bazy reguł prowadząca do poprawy jakości oraz interpretowalności wyników automatycznej analizy biofizycznych sygnałów płodu.

· Określono nowe metody odpornego grupowania rozmytego, w tym algorytm grupowania danych nieprecyzyjnych, reprezentowanych za pomocą zbiorów rozmytych, pozwalające na zmniejszenie wpływu danych obcych na proces grupowania.

W ramach przeprowadzonych badań wykazano również, że włączenie parametrów ilościowych, typowych dla analizy rytmu serca płodu, do procesu automatycznej detekcji epizodów migotania przedsionków w sygnałach rytmu serca u osób dorosłych (za pomocą maszyny wektorów podtrzymujących) pozwala na istotną poprawę wiarygodności oceny ryzyka tej choroby.



Wykaz opublikowanych dotąd prac, wykonanych w ramach projektu:

1. Michal Jezewski, Robert Czabanski, Jacek Leski, Janusz Jezewski: “Fuzzy classifier based on clustering with pairs of epsylon-hyperballs and its application to support fetal state assessment”, Expert Systems with Applications, 2019, Vol. 118, 109-126.
(IF = 5.452), 140 p.

2. Jacek M. Leski, Robert Czabanski, Michal Jezewski, Janusz Jezewski: "Fuzzy Ordered c-Means Clustering and Least Angle Regression for Fuzzy Rule-Based Classifier: Study for Imbalanced Data", IEEE Transactions on Fuzzy Systems, 2020, Vol. 28(11), 2799-2813.
(IF = ), Citescore = 16.2, Top 10 percent in SCOPUS - Applied Mathematics, 200 p.

3. Pierpaolo D’Urso, Jacek Łęski: “Fuzzy clustering of fuzzy data based on robust loss functions and ordered weighted averaging”, Fuzzy Sets and Systems, 2020, Vol. 389, pp. 1-28.
DOI: https://doi.org/10.1016/j.fss.2019.03.017. (IF = 3.343), 140 p.

4. Robert Czabanski, Krzysztof Horoba, Janusz Wrobel, Adam Matonia, Radek Martinek, Tomasz Kupka, Michal Jezewski, Radana Kahankova, Janusz Jezewski, Jacek Leski: “Detection of Atrial Fibrillation Episodes in Long-Term Heart Rhythm Signals Using a Support Vector Machine”, 2020, Sensors, 20, 765, 24 pages, DOI: 10.3390/s20030765. (IF =  ), 100 p.

5. Tomasz Kupka, Adam Matonia, Michal Jezewski, Krzysztof Horoba, Janusz Wrobel, Janusz Jezewski: “Coping with limitations of fetal monitoring instrumentation to improve heart rhythm variability assessment”, Biocybernetics and Biomedical Engineering, 2020, Vol. 40, 388-403, DOI: https://doi.org/10.1016/j.bbe.2019.12.005, 100p, (IF =  ), 100 p.

6. Marian P. Kotas, Adam Dyrek, Michal Piela, Jacek M. Łęski: “Clustering based multiple state–space projections”, Signal Processing, 2021, Vol. 178, no.107762.
DOI: https://doi.org/10.1016/j.sigpro.2020.107762, IF = 4.662 za 2020), 140 p.

7. Tomasz Kupka, Adam Matonia, Michal Jezewski, Janusz Jezewski, Krzysztof Horoba, Janusz Wrobel, Robert Czabanski, Radek Martinek: „New Method for Beat-to-Beat Fetal Heart Rate Measurement Using Doppler Ultrasound Signal”, 2020, Sensors 2020, 20, 4079, 25 pages, DOI:10.3390/s20154079. (IF =  3.576), 100 p.

8. Adam Matonia, Janusz Jezewski, Tomasz Kupka, Michał Jezewski, Krzysztof Horoba, Janusz Wrobel, Robert Czabanski, Radana Kahankova: “Fetal electrocardiograms, direct and abdominal with reference heartbeat annotations”, Scientific Data, 2020, 7:200, 1-14, DOI: https://doi.org/10.1038/s41597-020-0538-z. (IF = ), Citescore = 8.4, Top 10 percent in SCOPUS - Education, 140 p.

9. Michal Jezewski, Robert Czabanski, Jacek M. Leski, Adam Matonia, Radana Kahankova: „On e-insensitive distance based simplification of fuzzy rules for fetal distress assessment”, Expert Systems with Applications, 2021, Vol. 179, 115052, 19 pages.
DOI: https://doi.org/10.1016/j.eswa.2021.115052,  (IF = za 2020), Citescore = 12.7, Top 10 percent in SCOPUS – General Engineering, 140 p.

10. Michał Jeżewski, Sebastian Porębski, Robert Czabański, Ewa Straszecka, Jacek Łęski: „Rozmyte reguły warunkowe i metody inteligencji obliczeniowej we wspomaganiu diagnozy medycznej”, Rozd. 5.5 w Monografii „Inżynieria Biomedyczna Podstawy i zastosowania”, red. Władysław Torbicz, „Tom 7 Informatyka w medycynie”, red.: Marek Kurzyński, Leon Bobrowski, Antoni Nowakowski, Jacek Rumiński, Akademicka Oficyna Wydawnicza EXIT, 2019,  Warszawa, pp. 389-408.

11. Krzysztof Horoba, Robert Czabanski, Janusz Wrobel, Adam Matonia, Radek Martinek, Tomasz Kupka, Radana Kahankova, Jacek M. Leski, Slawomir Graczyk: „Recognition of Atrial Fibrilation Episodes in Heart Rate Variability Signals using a Machine Learning Approach”, 26th International Conference on Mixed Design of Integrated Circuits and Systems – MIXDES’2019, 27-29 June, Rzeszow, 2019, 419-424. DOI: 10.23919/MIXDES.2019.8787048.

12. Adam Matonia, Tomasz Kupka, Krzysztof Horoba, Janusz Jezewski, Radek Martinek, Janusz Wrobel, Radana Kahankova, Robert Czabanski, Slawomir Graczyk: “New Possibilities for Fetal Monitoring using Unobtrusive Abdominal Electrocardiography”, 26th International Conference on Mixed Design of Integrated Circuits and Systems – MIXDES’2019, 27-29 June, Rzeszow, 2019, 413-418. DOI: 10.23919/MIXDES.2019.8787051.

13. Tomasz Kupka, Adam Matonia, Krzysztof Horoba, Janusz Wrobel: “Reconstruction of True Fetal Heart Rate Signals Obtained via Ultrasound Bedside Monitor in Relation to Fetal Electrocardiography”, Proceedings of Conference on Innovations in Biomedical Engineering- IiBE 2019, Zabrze, 9-10 October, 2019 In:, Innovations in Biomedical Engineering (eds. Gzik M., Paszenda Z., Pietka E., Tkacz E., Milewski K.) Advances in Intelligent Systems and Computing 2020. vol 1223, 351-360, Springer, Cham.  DOI: https://link.springer.com/chapter/10.1007/978-3-030-52180-6_36,

14. Michal Jezewski, Robert Czabanski, Jacek M. Leski, Adam Matonia, Radek Martinek: „Combining e-similar Fuzzy Rules for Efficient Classification of Cardiotocographic Signals”, IEEE Proceedings of the 27th International Conference "Mixed Design of Integrated Circuits and Systems" MIXDES’2020, June 25-27, 2020, Łódź, Poland, 213-217, DOI: 10.23919/MIXDES49814.2020.9156069.

Robert Czabanski, Michal Jezewski, Jacek M. Leski, Tomasz Kupka, Radek Martinek: “Fuzzy Clustering with epsilon-Hyperballs Based Simplification of Fuzzy Rules to Support the Assessment of Fetal State”, The 20th IEEE International Conference on BioInformatics And BioEngineering BIBE’2020, Virtual Conference, October 26-28, 2020, Cincinnati OH, USA, 358-364,DOI: 10.1109/BIBE50027.2020.00065.
 
© 2010 - 2021 ŁUKASIEWICZ - ITAM
W ramach naszej witryny stosujemy pliki cookies. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Państwa urządzeniu końcowym. Możecie Państwo dokonać w każdym czasie zmiany ustawień dotyczących cookies w swojej przeglądarce.