Informacja

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

Wyszukujesz frazę "Osowska, Małgorzata Maria" wg kryterium: Autor


Wyświetlanie 1-3 z 3
Tytuł:
Walka z demonem, psychiczna cukrzyca, dziecięca bezsilność. Język, autonarracja i przezwyciężanie kryzysów psychicznych
Fighting a demon, mental diabetes, helplessness of a child. Language, self-narrative, and overcoming mental health crises
Autorzy:
Osowska, Małgorzata Maria
Powiązania:
https://bibliotekanauki.pl/articles/36087350.pdf
Data publikacji:
2024
Wydawca:
Towarzystwo Kultury Języka
Tematy:
analiza narracyjna
zdrowie psychiczne
kryzys psychiczny
autonarracja
dyskurs publiczny
narrative analysis
mental health
mental health crisis
self-narrative
public discourse
Opis:
Artykuł dotyczy narracji osób publicznych na temat ich doświadczania kryzysu psychicznego. Celem była analiza narracyjna opowieści o przeżyciach i roli bohaterów w relacji z chorobą. Wyniki analizy pokazały, że oboje dokonują rewolucji i naruszają swoimi wypowiedziami społeczne tabu, narażając się na krytykę ze strony otoczenia zawodowego, a także rzeszy obserwatorów, followersów, fanów. W swoich narracjach dążą do zmiany archetypicznych wyobrażeń społecznych  o osobach chorych, udowadniając, że mogą one profesjonalnie pełnić szereg funkcji  zawodowych i społecznych. Oboje szukają różnych sposobów przybliżenia odbiorcom swoich doświadczeń, odwołując się do poczucia wyobcowania, uwikłania, niezawinionego cierpienia. Kryzys zdrowia psychicznego jest ciemną siłą i elementem inwazyjnym wobec zdrowej tożsamości narratora. Przede wszystkim jednak bohaterów łączą trudności w znalezieniu poręcznego języka mówienia o kryzysie psychicznym – języka, który nie byłby uwięziony między nomenklaturą medyczną a wyrażeniami potocznymi utrwalającymi krzywdzące stereotypy.
The article examines the narratives of public figures about their experience of mental crisis. The goal was to apply narrative analysis to the stories of the subjects’ experiences and roles in relation to the disease. The results of the analysis have shown that in their statements both people make a revolution and transgress social taboos, exposing themselves to criticism from their professional environment, as well as from a multitude of observers, followers, fans. In their narratives, they strive to change the society’s archetypal perceptions of sick people, proving that they can adequately perform a range of professional and social functions. Both seek different ways to bring audiences closer to their experiences, appealing to feelings of alienation, entanglement, and undeserved suffering. Mental health crisis is a dark force and an invasive element against the narrator’s healthy identity. However, above all, subjects are also bound together by the difficulty of finding a handy language for talking about mental health crisis – a language that is not trapped between medical nomenclature and colloquial expressions perpetuating hurtful stereotypes.
Źródło:
Poradnik Językowy; 2024, 814, 5; 75-89
0551-5343
Pojawia się w:
Poradnik Językowy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-feature ensemble system in the renal tumour classification task
Autorzy:
Osowska-Kurczab, Aleksandra Maria
Markiewicz, Tomasz
Dziekiewicz, Miroslaw
Lorent, Malgorzata
Powiązania:
https://bibliotekanauki.pl/articles/2128157.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
medical imaging
renal cell carcinoma
convolutional neural networks
textural features
support vector machine
computer vision
deep learning
technika deep learning
obrazowanie medyczne
rak nerkowokomórkowy
konwolucyjne sieci neuronowe
cechy tekstury
maszyna wektorów nośnych
wizja komputerowa
głęboka nauka
Opis:
Recently, the analysis of medical imaging is gaining substantial research interest, due to advancements in the computer vision field. Automation of medical image analysis can significantly improve the diagnosis process and lead to better prioritization of patients waiting for medical consultation. This research is dedicated to building a multi-feature ensemble model which associates two independent methods of image description: textural features and deep learning. Different algorithms of classification were applied to single-phase computed tomography images containing 8 subtypes of renal neoplastic lesions. The final ensemble includes a textural description combined with a support vector machine and various configurations of Convolutional Neural Networks. Results of experimental tests have proved that such a model can achieve 93.6% of weighted F1-score (tested in 10-fold cross validation mode). Improvement of performance of the best individual predictor totalled 3.5 percentage points.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; e136749, 1--8
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-feature ensemble system in the renal tumour classification task
Autorzy:
Osowska-Kurczab, Aleksandra Maria
Markiewicz, Tomasz
Dziekiewicz, Miroslaw
Lorent, Malgorzata
Powiązania:
https://bibliotekanauki.pl/articles/2173572.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
medical imaging
renal cell carcinoma
convolutional neural networks
textural features
support vector machine
computer vision
deep learning
technika deep learning
obrazowanie medyczne
rak nerkowokomórkowy
konwolucyjne sieci neuronowe
cechy tekstury
maszyna wektorów nośnych
wizja komputerowa
głęboka nauka
Opis:
Recently, the analysis of medical imaging is gaining substantial research interest, due to advancements in the computer vision field. Automation of medical image analysis can significantly improve the diagnosis process and lead to better prioritization of patients waiting for medical consultation. This research is dedicated to building a multi-feature ensemble model which associates two independent methods of image description: textural features and deep learning. Different algorithms of classification were applied to single-phase computed tomography images containing 8 subtypes of renal neoplastic lesions. The final ensemble includes a textural description combined with a support vector machine and various configurations of Convolutional Neural Networks. Results of experimental tests have proved that such a model can achieve 93.6% of weighted F1-score (tested in 10-fold cross validation mode). Improvement of performance of the best individual predictor totalled 3.5 percentage points.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 3; art. no. e136749
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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