POLECAMY
Autor:
Format:
ibuk
Podstawy niemal każdej postawionej diagnozy i dalszego leczenia określają˛ statystycznie opracowane wyniki badań medycznych. W związku z tym bardzo ważne jest zbudowanie skutecznych narzędzi, które stanowiłyby wsparcie tego procesu. Dzięki metodom analizy danych, w szczególności analizy statystycznej, można wykryć prawidłowości i współzależności, które wcześniej nie zostały odnotowane i tym samym poprawić jakość diagnozy. Istotna˛ role˛ w systemach diagnostyki medycznej pełnia˛ również moduły odpowiadające za eksploracje˛ danych. Przeprowadzając analizę danych medycznych, należy najpierw zidentyfikować najważniejsze atrybuty do oceny stanu pacjenta, a następnie, stosując wybrane metody, sprawdzić zależności pomiędzy wartościami różnych atrybutów oraz pomiędzy wartościami atrybutów i klasyfikacją pacjentów. Analiza danych medycznych jest zatem jednym z najważniejszych elementów wpływających na poziom nowoczesnej opieki medycznej, a jej komputerowe wsparcie pełni w tej analizie kluczową rolę.
Rok wydania | 2018 |
---|---|
Liczba stron | 148 |
Kategoria | Inne |
Wydawca | Akademicka Oficyna Wydawnicza EXIT Andrzej Lang |
ISBN-13 | 978-83-7837-588-3 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
1. Wstęp | |
1.1. Wyzwania i problemy związane z komputerową automatyzacją analizy danych medycznych | |
1.2. Problematyka opracowania | |
2. Metody statystyczne w analizie danych medycznych | |
2.1. Wprowadzenie | |
2.2. Typy danych | |
2.3. Analiza opisowa | |
2.4. Analiza rozkładu cechy | |
2.5. Analiza korelacyjna | |
2.6. Problematyka wyboru testu statystycznego dla zadanego problemu medycznego | |
2.7. Ocena istotności statystycznej | |
2.8. Statystyczna analiza danych - badania eksperymentalne | |
3. Techniki nadzorowanego i nienadzorowanego uczenia maszynowego w klasyfikacji danych medycznych | |
3.1. Wprowadzenie | |
3.2. Uczenie nadzorowane | |
3.3. Uczenie nienadzorowane | |
3.4. Algorytmy klasyfikacyjne | |
3.5. Ocena poprawności algorytmu klasyfikacyjnego | |
3.6. Proces walidacji algorytmu klasyfikacyjnego | |
3.7. Homogeniczne i heterogeniczne fuzje klasyfikatorów | |
3.8. Algorytmy grupowania | |
3.9. Problematyka wyboru grupy algorytmów uczących się - badania eksperymentalne | |
4. Selekcja Cech | |
4.1. Wprowadzenie | |
4.2. Klasyfikacja metod automatycznej selekcji cech | |
4.3. Algorytmy przeszukiwania zbioru cech | |
4.4. Ocena poprawności algorytmu selekcji cech | |
4.5. Charakterystyka wybranych metod automatycznej selekcji cech | |
4.6. Selekcja cech w procesie oceny skuteczności terapii | |
4.7. Zastosowanie automatycznej selekcji cech w analizie danych biomedycznych | |
4.8. Automatyczna selekcja cech o mniejszej informatywności | |
5. Aspekty rozszerzające problematykę klasyfikacji danych medycznych | |
5.1. Wprowadzenie | |
5.2. Klasyfikacja niezbalansowanych zbiorów danych | |
5.3. Klasyfikacja wieloetykietowa | |
Bibliografia | |
Spis rysunków | |
Spis tablic | |