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 "disease prediction" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    An explainable AI approach to agrotechnical monitoring and crop diseases prediction in Dnipro region of Ukraine
    Autorzy:
    Laktionov, Ivan
    Diachenko, Grigorii
    Rutkowska, Danuta
    Kisiel-Dorohinicki, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/23944837.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    IoT
    ANFIS
    explainable AI
    agrotechnical monitoring
    disease prediction
    crop
    Opis:
    The proliferation of computer-oriented and information digitalisation technologies has become a hallmark across various sectors in today’s rapidly evolving environment. Among these, agriculture emerges as a pivotal sector in need of seamless incorporation of highperformance information technologies to address the pressing needs of national economies worldwide. The aim of the present article is to substantiate scientific and applied approaches to improving the efficiency of computer-oriented agrotechnical monitoring systems by developing an intelligent software component for predicting the probability of occurrence of corn diseases during the full cycle of its cultivation. The object of research is non-stationary processes of intelligent transformation and predictive analytics of soil and climatic data, which are factors of the occurrence and development of diseases in corn. The subject of the research is methods and explainable AI models of intelligent predictive analysis of measurement data on the soil and climatic condition of agricultural enterprises specialised in growing corn. The main scientific and practical effect of the research results is the development of IoT technologies for agrotechnical monitoring through the development of a computer-oriented model based on the ANFIS technique and the synthesis of structural and algorithmic provision for identifying and predicting the probability of occurrence of corn diseases during the full cycle of its cultivation.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 4; 247--272
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Performance evaluation of machine learning models to predict heart
    Autorzy:
    Khan, AttackMajid
    Husnain, Ghassan
    Ahmad, Waqas
    Shaukat, Zain
    Jan, Latif
    Haq, Ihtisham Ul
    Ishtiaq, Atif
    Powiązania:
    https://bibliotekanauki.pl/articles/3147618.pdf
    Data publikacji:
    2023
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Instytut Informatyki Technicznej
    Tematy:
    cardiovascular disease
    machine learning
    heart attack
    prediction
    Opis:
    Coronary Artery Disease is the type of cardiovascular disease (CVD) that happens when the blood vessels which stream the blood toward the heart, either become tapered or blocked. Of this, the heart is incapable to push sufficient blood to encounter its requirements. This would lead to angina (chest pain). CVDs are the leading cause of mortality worldwide. According to WHO, in the year 2019 17.9 million people deceased from CVD. Machine Learning is a type of artificial intelligence that uses algorithms to help analyse large datasets more efficiently. It can be used in medical research to help process large amounts of data quickly, such as patient records or medical images. By using Machine Learning techniques and methods, scientists can automate the analysis of complex and large datasets to gain deeper insights into the data. Machine Learning is a type of technology that helps with gathering data and understanding patterns. Recently, researchers in the healthcare industry have been using Machine Learning techniques to assist with diagnosing heart-related diseases. This means that the professionals involved in the diagnosis process can use Machine Learning to help them figure out what is wrong with a patient and provide appropriate treatment. This paper evaluates different machine learning models performances. The Supervised Learning algorithms are used commonly in Machine Learning which means that the training is done using labelled data, belonging to a particular classification. Such classification methods like Random Forest, Decision Tree, K-Nearest Neighbour, XGBoost algorithm, Naïve Bayes, and Support Vector Machine will be used to assess the cardiovascular disease by Machine Learning.
    Źródło:
    Machine Graphics & Vision; 2023, 32, 1; 99--114
    1230-0535
    2720-250X
    Pojawia się w:
    Machine Graphics & Vision
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Endothelial progenitor cell dysfunction: is it best fitted for risk stratification in pulmonary disease?
    Autorzy:
    Berezin, Alexander E.
    Berezin, Alexander A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1065183.pdf
    Data publikacji:
    2019
    Wydawca:
    Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
    Tematy:
    cardiovascular risk
    endothelial dysfunction
    endothelial precursors
    prediction
    prognosis
    pulmonary disease
    Opis:
    Endothelial progenitor cell (EPC) dysfunction is defined as weak function and lowered number of endothelial precursors with pro-angiogenic phenotypes that are imbedded in vascular integrity maintenance, angiogenesis, and vascular reparation. There is large body of evidence that deficiency of EPC number in peripheral blood is considered as a marker of endothelial dysfunction, which is established risk factor and player in pathogenesis of cardiovascular disease. Moreover, recent clinical studies have shown that circulating EPCs had demonstrated vascular protection in several vascular diseases including pulmonary hypertension. However, the role of EPCs in pathogenesis chronic obstructive pulmonary disease bronchial asthma, emphysema appeared to be uncertain. The short communication is dedicated the controversies in abilities of EPCs to have tissue protective and play a pivotal role in nature evolution of pulmonary disease.
    Źródło:
    World Scientific News; 2019, 120, 2; 286-290
    2392-2192
    Pojawia się w:
    World Scientific News
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The prediction of myocardial infarction consequences as a result of vectorcardiography research using 'Decision trees' data mining algorithm
    Prognozirovanie izkhodov infarcta miokarda po rezul'tatam vektorkardiograficheskogo issledovanija pri pomoshhi algoritma data mining 'Derevo reshenijj'
    Autorzy:
    Musayeva, E.
    Belaya, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/792335.pdf
    Data publikacji:
    2012
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    vectorcardiography
    decision tree
    data mining
    myocardial infarction
    coronary heart disease
    algorithm
    prediction
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2012, 12, 4
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cardiometabolic risk prediction in patients with non-alcoholic fatty liver disease combined with subclinical hypothyroidism
    Przewidywanie ryzyka kardiometabolicznego u pacjentów z niealkoholową stłuszczeniową chorobą wątroby w połączeniu z subkliniczną niedoczynnością tarczycy
    Autorzy:
    Kolesnikova, Olena
    Vуsotska, Olena
    Potapenko, Anna
    Radchenko, Anastasia
    Trunova, Anna I.
    Virstyuk, Nataliya
    Vasylevska-Skupa, Liudmyla
    Kalizhanova, Aliya
    Mukanova, Nazerka
    Powiązania:
    https://bibliotekanauki.pl/articles/27315426.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    cardiometabolic risk
    non-alcoholic fatty liver disease
    subclinical hypothyroidism
    prediction
    binary regression logistic analysis
    validation of prognostic models
    ryzyko kardiometaboliczne
    niealkoholowe stłuszczenie wątroby
    subkliniczna niedoczynność tarczycy
    rokowanie
    binarna analiza regresji logistycznej
    walidacja modeli prognostycznych
    Opis:
    One of the most common diseases of our time is non-alcoholic fatty liver disease (NAFLD). Recently published research results indicate that patients with NAFLD along with traditional risk factors for cardiovascular diseases (CVD) have "new"risk factors such as endothelial dysfunction (ED), carotid intima-media thickness (CIMT), an increase in the CRP level, as well as risk factors combined into the Framingham scale. It is also knownthat combination of NAFLD with subclinical hypothyroidism (SH) forms an abnormal metabolic phenotype, which is associated with cardiometabolicrisk factors. The study of cardiometabolic predictors and vascular markers in patients with NAFLD in combination with SH willprovide an opportunityto improve the strategy of cardiovascular events prevention in such comorbid patients.
    Niealkoholowe stłuszczenie wątroby (NAFLD) jest jedną z najczęstszych chorób naszych czasów. Ostatnio opublikowane wyniki badań sugerują, że pacjenci z NAFLD, wraz z tradycyjnymi czynnikami ryzyka chorób sercowo-naczyniowych (CVD), mają "nowe" czynniki ryzyka, takie jak dysfunkcja śródbłonka (ED), grubość błony wewnętrznej i środkowej tętnicy szyjnej (CIMT), podwyższony poziom CRP i czynniki ryzyka połączone w skali Framingham. Wiadomo również, że połączenie NAFLD z subkliniczną niedoczynnością tarczycy (SH) tworzy nieprawidłowy fenotyp metaboliczny związany z czynnikami ryzyka kardiometabolicznego. Badanie predyktorów kardiometabolicznych i markerów naczyniowych u pacjentów z NAFLDw połączeniu z SH pozwoli na ulepszenie strategii zapobiegania zdarzeniom sercowo-naczyniowym u takich współistniejących pacjentów.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 2; 64--68
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    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