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”

Big Data, Biostatistics and Complexity Reduction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F18%3A00489389" target="_blank" >RIV/67985807:_____/18:00489389 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.24105/ejbi.2018.14.2.5" target="_blank" >http://dx.doi.org/10.24105/ejbi.2018.14.2.5</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.24105/ejbi.2018.14.2.5" target="_blank" >10.24105/ejbi.2018.14.2.5</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Big Data, Biostatistics and Complexity Reduction

  • Popis výsledku v původním jazyce

    The aim of this paper is to overview challenges and principles of Big Data analysis in biomedicine. Recent multivariate statistical approaches to complexity reduction represent a useful (and often irreplaceable) methodology allowing performing a reliable Big Data analysis. Attention is paid to principal component analysis, partial least squares, and variable selection based on maximizing conditional entropy. Some important problems as well as ideas of complexity reduction are illustrated on examples from biomedical research tasks. These include high-dimensional data in the form of facial images or gene expression measurements from a cardiovascular genetic study.

  • Název v anglickém jazyce

    Big Data, Biostatistics and Complexity Reduction

  • Popis výsledku anglicky

    The aim of this paper is to overview challenges and principles of Big Data analysis in biomedicine. Recent multivariate statistical approaches to complexity reduction represent a useful (and often irreplaceable) methodology allowing performing a reliable Big Data analysis. Attention is paid to principal component analysis, partial least squares, and variable selection based on maximizing conditional entropy. Some important problems as well as ideas of complexity reduction are illustrated on examples from biomedical research tasks. These include high-dimensional data in the form of facial images or gene expression measurements from a cardiovascular genetic study.

Klasifikace

  • Druh

    J<sub>ost</sub> - Ostatní články v recenzovaných periodicích

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/NV15-29835A" target="_blank" >NV15-29835A: Analýza funkční organizace epileptogenních sítí s využitím teorie grafů: význam pro předoperační diagnostiku pacientů s neokortikální epilepsií.</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2018

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    European Journal for Biomedical Informatics

  • ISSN

    1801-5603

  • e-ISSN

  • Svazek periodika

    14

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    9

  • Strana od-do

    24-32

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus