Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

A machine learning method for incomplete and imbalanced medical data

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F17%3A00484058" target="_blank" >RIV/67985556:_____/17:00484058 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21340/17:00313379

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    A machine learning method for incomplete and imbalanced medical data

  • Popis výsledku v původním jazyce

    Our research reported in this paper is twofold. In the first part of the paper we usenstandard statistical methods to analyze medical records of patients suffering myocardialninfarction from the third world Syria and a developed country - the Czech Republic.nOne of our goals is to find whether there are statistically significant differences betweennthe two countries. In the second part of the paper we present an idea how to deal withnincomplete and imbalanced data for tree-augmented naive Bayesian (TAN). All resultsnpresented in this paper are based on a real data about 603 patients from a hospital innthe Czech Republic and about 184 patients from two hospitals in Syria.

  • Název v anglickém jazyce

    A machine learning method for incomplete and imbalanced medical data

  • Popis výsledku anglicky

    Our research reported in this paper is twofold. In the first part of the paper we usenstandard statistical methods to analyze medical records of patients suffering myocardialninfarction from the third world Syria and a developed country - the Czech Republic.nOne of our goals is to find whether there are statistically significant differences betweennthe two countries. In the second part of the paper we present an idea how to deal withnincomplete and imbalanced data for tree-augmented naive Bayesian (TAN). All resultsnpresented in this paper are based on a real data about 603 patients from a hospital innthe Czech Republic and about 184 patients from two hospitals in Syria.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20205 - Automation and control systems

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA16-12010S" target="_blank" >GA16-12010S: Struktury podmíněné nezávislosti: kombinatorické a optimalizační metody</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2017

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 20th Czech-Japan Seminar on Data Analysis and Decision Making under Uncertainty, CZECH-JAPAN SEMINAR 2017

  • ISBN

    978-80-7464-932-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    188-195

  • Název nakladatele

    University of Ostrava

  • Místo vydání

    Ostrava

  • Místo konání akce

    Pardubice

  • Datum konání akce

    17. 9. 2017

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000418391500021