| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 2 / 2
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Simulacije tehnologije invazivnega hemodinamičnega monitoringa med splošno anestezijo
Nejc Rednjak, 2010, diplomsko delo

Opis: V diplomskem delu smo raziskali možnost uporabe simulacij na področju invazivnega hemodinamskega monitoringa med splošno anestezijo. Namen diplomske naloge, je opisati tehnologije invazivnega monitoringa, ki se uporabljajo na simulatorju. Simulacije so temeljile na realnih zapletih. Simulacije so za študente bistvenega pomena pri pridobivanju znanja in izkušenj na področju monitoringa. Opisali smo splošno anestezijo, predstavili biomedicinsko tehnologijo in pomen simulacij v procesu izobraževanja. Rezultati kažejo, da je mogoče na simulatorju predstaviti le manjši del invazivnega hemodinamskega monitoringa. Omogoča nam le prikaz, arterijskega krvnega tlaka (ABP) in osrednjega venskega tlaka (OVT) na simulacijskem monitorju. Fizično na simulatorju ni mogoče nastavljati centralnih katetrov niti arterijske kanile. Zato predlagamo uporabo realne opreme, ki jo improvizirano uporabimo na simulatorju.
Ključne besede: hemodinamski, monitoring, simulacije, anestezija, simulator, izobraževanje.
Objavljeno: 05.10.2010; Ogledov: 1857; Prenosov: 810
.pdf Celotno besedilo (11,22 MB)

2.
UGOTAVLJANJE GENSKIH PREDIKTORJEV S POMOČJO INTELIGENTNIH SISTEMOV
Nejc Rednjak, 2015, magistrsko delo

Opis: Pri strojnem učenju (angl. Machine Learning) gre za pridobivanje znanja na podlagi izkušenj. Ne gre za učenje na pamet, ampak za iskanje pravil v učnih podatkih. Najbolj znane metode strojnega učenja so odločitvena drevesa (DT), metoda podpornih vektorjev (SVM) in nevronske mreže (NN). Metode strojnega učenja so nam v pomoč pri ugotavljanju genskih prediktorjev. Algoritmi strojnega učenja imajo prav tako pomembno vlogo pri diagnosticiranju rakavih obolenj. V magistrskem delu smo opisali najbolj znane metode strojnega učenja in jih preizkusili na podatkovni bazi AP_Colon_Kidney. Uporabili smo podatkovno bazo iz spletne zbirke GEMLeR, ki vsebuje podatke o genski ekspresiji za več kot 2000 vzorcev tumorjev. Raziskali smo tudi, kateri geni so najbolj izraženi v primeru rakavega obolenja debelega črevesa in ledvic.
Ključne besede: strojno učenje, odločitvena drevesa, nevronske mreže, metoda podpornih vektorjev, gen, podatkovna baza.
Objavljeno: 24.09.2015; Ogledov: 848; Prenosov: 79
.pdf Celotno besedilo (1,75 MB)

Iskanje izvedeno v 0.07 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici