Informacja

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

Wyszukujesz frazę "Musialik, M." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Simple and non-invasive liver fibrosis stage prediction method
Autorzy:
Orczyk, T.
Pałys, M.
Porwik, P.
Musialik, J.
Błońska-Fajfrowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/333411.pdf
Data publikacji:
2011
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
zwłóknienie wątroby
wirusowe zapalenie wątroby typu C
przewidywanie etapu
liver fibrosis
hepatitis C
stage prediction
Opis:
In this paper a simple and non-expensive indirect fibrosis stage prediction method is described. Presented method is non-invasive and is based on the results of the generic blood tests. The method is based on a statistical analysis of wide range of blood tests results supported with the experience of hepatologists.
Źródło:
Journal of Medical Informatics & Technologies; 2011, 17; 227-231
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Classification techniques for non-invasive recognition of liver fibrosis stage
Autorzy:
Krawczyk, B.
Woźniak, M.
Orczyk, T.
Porwik, P.
Musialik, J.
Błońska-Fajfrowska, B.
Powiązania:
https://bibliotekanauki.pl/articles/332969.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:
uczenie maszynowe
systemy wielo-klasyfikatorów
informatyka medyczna
zwłóknienie wątroby
wirusowe zapalenie wątroby typu C
machine learning
multiple classifier systems
compound pattern recognition
medical informatics
liver fibrosis
hepatitis C
Opis:
Contemporary medicine should provide high quality diagnostic services while at the same time remaining as comfortable as possible for a patient. Therefore novel non-invasive disease recognition methods are becoming one of the key issues in the health services domain. Analysis of data from such examinations opens an interdisciplinary bridge between the medical research and artificial intelligence. The paper presents application of machine learning techniques to biomedical data coming from indirect examination method of the liver fibrosis stage. Presented approach is based on a common set of non-invasive blood test results. The performance of four different compound machine learning algorithms, namely Bagging, Boosting, Random Forest and Random Subspaces, is examined and grid search method is used to find the best setting of their parameters. Extensive experimental investigations, carried out on a dataset collected by authors, show that automatic methods achieve a satisfactory level of the fibrosis level recognition and may be used as a real-time medical decision support system for this task.
Źródło:
Journal of Medical Informatics & Technologies; 2012, 20; 121-127
1642-6037
Pojawia się w:
Journal of Medical Informatics & Technologies
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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