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, Zawadka Magdalena, Smołka Jakub, Skublewska-Paszkowska Maria, Łukasik Edyta, Powroźnik Paweł, Gawda Piotr, Czerwiński Dariusz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 1 - 9
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 września 2022
Miasto konferencji: Padwa
Państwo konferencji: WŁOCHY
Publikacja OA: NIE
Abstrakty: angielski
Modern information technologies allow for the collection, processing, and data analysis. A very important role of these systems can be observed in the analysis of medical records, particularly in the analysis of motion capture data. Detection and interpretation of data collected from movement recording devices enables for a fast diagnosis, e.g. disease or misfunction. Moreover, it can be assistive in the introduction of appropriate treatment or rehabilitation. Anomaly detection methods play a key role in the evaluation of this type of medical research results. In this study, we introduce an innovative approach based on the aggregation of the results of eleven anomaly detection classifiers outcomes with the fuzzy Choquet integral. Furthermore, the results of numerical experiments are confronted with the assessments of the experts in medical field. The results show the great potential of our method in supporting the decision-making process based on the motion capture data analysis. Moreover, we have caught the differences between the expert's understanding of anomaly and the anomalies in data found by the modern machine learning methods.