Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Porębska, Małgorzata" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    Demokracja, liberalizm a doktryna Kościoła katolickiego w myśli Michaela Novaka
    Autorzy:
    Kaute-Porębska, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/666673.pdf
    Data publikacji:
    2007
    Wydawca:
    Wydawnictwo Uniwersytetu Śląskiego
    Opis:
    W artykule Demokracja, liberalizm a doktryna Kościoła katolickiego w myśli Michaela Novaka Autorka podejmuje ważny z punktu widzenia potrzeb przełomu stuleci namysł nad szeroko pojętymi relacjami między demokracją liberalną i społecznym nauczaniem Kościoła, opierając się na przemyśleniach Michaela Novaka.
    Źródło:
    Studia Politicae Universitatis Silesiensis; 2007, 3
    1895-3492
    2353-9747
    Pojawia się w:
    Studia Politicae Universitatis Silesiensis
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Parkinson’s disease diagnostics using AI and natural language knowledge transfer
    Autorzy:
    Chronowski, Maurycy
    Kłaczyński, Maciej
    Dec-Ćwiek, Małgorzata
    Porębska, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/27313815.pdf
    Data publikacji:
    2024
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    Parkinson’s disease
    digital diagnostics
    artificial intelligence
    speech processing
    Opis:
    With global life expectancy rising every year, ageing-associated diseases are becoming an increasingly important problem. Very often, successful treatment relies on early diagnosis. In this work, the issue of Parkinson's disease (PD) diagnostics is tackled. It is particularly important, as there are no certain antemortem methods of diagnosing PD - meaning that the presence of the disease can only be confirmed after the patient's death. In our work, we propose a non-invasive approach for classification of raw speech recordings for PD recognition using deep learning models. The core of the method is an audio classifier using knowledge transfer from a pretrained natural language model, namely wav2vec 2.0. The model was tested on a group of 38 PD patients and 10 healthy persons above the age of 50. A dataset of speech recordings acquired using a smartphone recorder was constructed and the recordings were labelled as PD/non-PD with the severity of the disease additionally rated using Hoehn-Yahr scale. We then benchmarked the classification performance against baseline methods. Additionally, we show an assessment of human-level performance with neurology professionals.
    Źródło:
    Diagnostyka; 2024, 25, 1; art. no. 2024103
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Speech and tremor tester - monitoring of neurodegenerative diseases using smartphone technology
    Tester mowy i drżenia - monitorowanie przebiegu chorób neurodegeneracyjnych z wykorzystaniem smartfona
    Autorzy:
    Chronowski, Maurycy
    Kłaczyński, Maciej
    Dec-Ćwiek, Małgorzata
    Porębska, Karolina
    Sawczyńska, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/328555.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    Parkinson’s disease
    speech analysis
    hand tremor
    smartphone
    diagnostics
    machine learning
    choroba Parkinsona
    analiza mowy
    drżenie
    smartfon
    diagnostyka
    uczenie maszynowe
    Opis:
    One of the most frequently diagnosed neurodegenerative disorders, along with Alzheimer’s disease, is Parkinson’s disease. It is a slowly progressing disease of the central nervous system that affects parts of the brain which are responsible for one’s motor functions. Despite the frequency of its occurrence among the elderly population, there has not yet been established a universal approach towards its certain diagnostics ante mortem. The study presents a pilot experiment regarding the assessment of the usefulness of simultaneous processing and analysis of speech signal and hand tremor accelerations for patient’s screening and monitoring of the progress in healing, using the data acquired with a mid-range Android smartphone. During the study, a mobile device of this kind was used to record the patients of the Department of Neurology, University Hospital of the Jagiellonian University in Kraków and a control group of healthy persons over the age of 50. The samples were then analysed and an attempt towards classification was made using statistical methods and machine learning techniques (PCA, SVM, LDA). It was shown that even for a limited population, the classifier reaches about 85% accuracy. Another topic discussed in the study is the possibility of implementing a fully automated mobile system for the monitoring of the disease’s progression. Propositions of further research were also drawn.
    Jednym z najczęściej diagnozowanych zaburzeń neurodegeneracyjnych, obok choroby Alzheimera, jest choroba Parkinsona. To wolno postępująca choroba zwyrodnieniowa ośrodkowego układu nerwowego, która zajmuje obszary mózgu odpowiedzialne za motorykę. Pomimo powszechności choroby wśród osób starszych, do tej pory nie została opisana uniwersalna metoda jej pewnego zdiagnozowania. Praca przedstawia pilotażowe badanie dotyczące określenia przydatności i możliwości wykorzystania metod jednoczesnego przetwarzania i analizy sygnału mowy oraz sygnału przyspieszenia drgań kończyny górnej w kontekście badań przesiewowych lub obiektywnego monitorowania postępu leczenia chorób neurodegeneracyjnych, z wykorzystaniem danych pozyskanych za pomocą średniej klasy smartfonu z systemem Android. W ramach badania wykonano za pomocą urządzenia mobilnego nagrania pacjentów Oddziału Neurologii Szpitala Uniwersyteckiego w Krakowie ze zdiagnozowaną chorobą Parkinsona oraz osób zdrowych powyżej 50 roku życia. Próbki poddano analizie i wstępnej klasyfikacji z wykorzystaniem metod statystycznych oraz technik uczenia maszynowego (PCA, SVM, LDA). Pokazano, że skuteczność klasyfikacji już dla niewielkiej populacji sięga około 85%. W pracy omówiono również możliwość implementacji w pełni automatycznego systemu mobilnego monitorowania przebiegu choroby, a także przedstawiono propozycję dalszych badań w tym kierunku.
    Źródło:
    Diagnostyka; 2020, 21, 2; 31-39
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies