Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
140
konferencja
Status:
Autorzy: Dolecki Michał, Karczmarek Paweł, Gałka Łukasz, Plechawska-Wójcik Małgorzata, Kaczorowska Monika, Tokovarov Mikhail, Czerwiński Dariusz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 1 - 6
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: IEEE World Congress on Computational Intelligence 2022 ; IEEE International Conference on Fuzzy Systems (FUZZ-IEEE) 2022
Skrócona nazwa konferencji: IEEE WCCI 2022 ; FUZZ-IEEE 2022
URL serii konferencji: LINK
Termin konferencji: 18 lipca 2022 do 23 lipca 2022
Miasto konferencji: Padwa
Państwo konferencji: WŁOCHY
Publikacja OA: NIE
Abstrakty: angielski
Modern medicine has been increasingly using information technologies and computer systems to improve decision-making processes. Important examples of such activities are the collection, processing, and analysis of oculographic data. The correct interpretation of the measurement results plays a very important role here. Medical examinations based on eye-tracking allow for early detection of many diseases or disfunctions of human brain. Moreover, it can be seen that implementation of such methods improves human-computer interfaces. In this study, we propose an innovative solution based on ten approaches of anomaly detection with the use of fuzzy aggregation of their results. Also, our experiment is supported by the analysis of obtained anomaly scores by the specialists in the field of medicine. The results of the automatic and expert evaluation show high potential of our method. There are also some differences in the perception of the anomaly by machine learning techniques and experts’ judgement. Hence, in this paper we try to understand and explain them.