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”

Heart attack mortality prediction: an application of machine learning methods

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00332898" target="_blank" >RIV/68407700:21340/19:00332898 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.3906/elk-1811-4" target="_blank" >https://doi.org/10.3906/elk-1811-4</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3906/elk-1811-4" target="_blank" >10.3906/elk-1811-4</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Heart attack mortality prediction: an application of machine learning methods

  • Popis výsledku v původním jazyce

    The heart is an important organ in the human body, and Acute Myocardial Infarction (AMI) is the leading 5 cause of death in most countries. Researchers are diverting a lot of data analysis work to assist doctors in predicting 6 the heart problem. An analysis of the data related to dierent health problems and its functions can help in predicting 7 with a degree of certainty the wellness of this organ. Our research reported in this paper is twofold. In the rst part 8 of the paper, we compare dierent predictive models of hospital mortality for patients with AMI. All results presented 9 in this part are based on real data of about 603 patients from a hospital in Czechia and about 184 patients from two 10 hospitals in Syria. Although the learned models may be specic to the data, we also draw more general conclusions 11 that we believe are generally valid. In the second part of the paper, because the data is incomplete and imbalanced 12 we develop the Chow-Liu and tree-augmented naive Bayesian (TAN) to deal with that data in better conditions, and 13 measure the quality of these algorithms with other algorithms.

  • Název v anglickém jazyce

    Heart attack mortality prediction: an application of machine learning methods

  • Popis výsledku anglicky

    The heart is an important organ in the human body, and Acute Myocardial Infarction (AMI) is the leading 5 cause of death in most countries. Researchers are diverting a lot of data analysis work to assist doctors in predicting 6 the heart problem. An analysis of the data related to dierent health problems and its functions can help in predicting 7 with a degree of certainty the wellness of this organ. Our research reported in this paper is twofold. In the rst part 8 of the paper, we compare dierent predictive models of hospital mortality for patients with AMI. All results presented 9 in this part are based on real data of about 603 patients from a hospital in Czechia and about 184 patients from two 10 hospitals in Syria. Although the learned models may be specic to the data, we also draw more general conclusions 11 that we believe are generally valid. In the second part of the paper, because the data is incomplete and imbalanced 12 we develop the Chow-Liu and tree-augmented naive Bayesian (TAN) to deal with that data in better conditions, and 13 measure the quality of these algorithms with other algorithms.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • 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

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Turkish Journal of Electrical Engineering & Computer Sciences

  • ISSN

    1300-0632

  • e-ISSN

    1303-6203

  • Svazek periodika

    27

  • Číslo periodika v rámci svazku

    6

  • Stát vydavatele periodika

    TR - Turecká republika

  • Počet stran výsledku

    12

  • Strana od-do

    4378-4389

  • Kód UT WoS článku

    000506165400025

  • EID výsledku v databázi Scopus

    2-s2.0-85076636366