Wyniki 1-10 spośród 18 dla zapytania: authorDesc:"Liliana BYCZKOWSKA-LIPIŃSKA"

Parallel computations of transient processes in the electric circuits in cluster systems

Czytaj za darmo! »

A parallel process of computation of transient processes in the electric circuits is based on a diakoptic theory of the portioning of the circuit into the sub-circuits, that are computed independent of each other, in the fixed time intervals. Every process is defined by the complexity of computation. This complexity is changed in the time of process of computations. These properties are utilized[...]

Mathematical Models of Transformers for Electromagnetic Transient Processes Simulation

Czytaj za darmo! »

The paper is devoted to the analysis of power transformers mathematical models intended for electromagnetic transient processes research. Different approaches for power transformers mathematical modeling are considered. In the paper mathematical model intended for simulation of three-phase three-legged transformer transient processes is described and results of its simulation is presented. Stre[...]

Image signal metadata analysis in diagnosis of Alzheimer’s disease

Czytaj za darmo! »

The paper presents the possibility of using the methods of multimedia databases and imaging data analysis in the diagnosis of Alzheimer's disease. The aim of this study was to investigate for the statistical analysis of the available data, especially signal data. In the study, the relationships between test results obtained in different forms have been examined. The correlations between the external metadata for DICOM objects and signal selected metadata extracted from images have been explored. Streszczenie. W pracy przedstawione zostały możliwości zastosowania metod multimedialnych baz danych oraz analizy danych obrazowych w diagnostyce choroby Alzheimera. Celem przeprowadzonych badań było zbadanie pod kątem analizy statystycznej dostępnych danych, przede wszystkim danych sygnałowych. W ramach badań sprawdzone zostały zależności pomiędzy wynikami badań pozyskiwanych w różnych formach. Zbadane zostały zależności korelacyjne pomiędzy metadanymi zewnętrznymi dla obiektów DICOM a wyłuskanymi z obrazów wybranymi metadanymi sygnałowymi. (Analiza danych obrazowych w diagnozowaniu medycznym choroby Alzheimera). Słowa kluczowe: systemy informatyczne w medycynie, obrazowanie medyczne, systemy diagnostyczne, analiza danych Keywords: computer medical systems, medical imaging, diagnostic systems, data analysis Introduction Technological capabilities in the field of medical imaging contribute to the increasing use of image analysis in diagnostic medical systems. The image data can come from a number of tomographic studies, including ultrasonography (USG), computed tomography (CT) and magnetic resonance imaging (MRI). Medical imaging is one of the key sources of information for health professionals, which is largely due to the fact that the accuracy of the conclusions drawn by the physicians from this form of presentation of the data is very high in comparison with other forms (verbal description and numerical data) [1]. Therefore, the implementa[...]

Multimedia NoSQL database solutions in the medical imaging data analysis

Czytaj za darmo! »

Technological capabilities of medical imaging contributes to the increasing use of image analysis in diagnostic medical systems. Medical imaging is one of the key sources of information to medical staff. Therefore, the implementation of functions associated with the medical imaging in computer systems for medical diagnosis is desirable, or even necessary. Relational databases are the dominant technology for data storage. However, the substantial growth of multimedia data indicates other solutions, primarily to enable faster data access and scalability of the system, even if it means a temporary, partial lack of consistency. This approach has gained general name of NoSQL solutions. In the study a system for rheumatologic medical data analysis for the presence of children in juvenile idiopathic arthritis was designed. The proposed solution is based on non-relational data storage in conjunction with a relational database. Streszczenie. Możliwości technologiczne w zakresie obrazowania medycznego przyczyniają się do coraz szerszego stosowania analizy obrazów w diagnostycznych systemach medycznych. Obrazowanie medyczne jest obecnie jednym z kluczowych źródeł informacji dla personelu medycznego. W związku z powyższym implementacja funkcji związanych z obrazowaniem medycznym w komputerowych systemach diagnostyki medycznej jest wskazana, a nawet konieczna. Rozwiązania relacyjne stanowią dominującą technologię w zakresie przechowywania danych. Jednakże stały i znaczny przyrost danych multimedialnych powoduje, że w wybranych zastosowaniach wskazane byłyby inne rozwiązania, przede wszystkim umożliwiające niezwykle szybki dostęp do danych i skalowalność systemu, nawet kosztem chwilowego, częściowego braku ich spójności. Takie podejście zyskało ogólną nazwę rozwiązań NoSQL. W ramach przeprowadzonych badań zaprojektowany został system analizy reumatologicznych danych medycznych pod kątem występowania u dzieci młodzieńczego idiopatycznego zapalenia stawów. Z[...]

Feature Selection and Classification Techniques in the Assessment of the State for Large Power Transformers DOI:10.15199/48.2015.01.39

Czytaj za darmo! »

The use of automatic feature selection and state classification of power transformer has been proposed in this research. The experimental studies were carried out on real data. Feature selection was performed using the CFS, InfoGain and ReliefF methods. The classification was carried out using C4.5, k-NN, SMO and AdaBoost algorithms. Experimental studies have proved that the automatic classification allows to obtain results comparable to the classification carried out by experts - regardless of the method the number of cases correctly classified was above 90%. Streszczenie. W ramach niniejszej pracy zaproponowane zostało zastosowanie selekcji cech i automatycznej klasyfikacji stanu transformatora energetycznego. Badania przeprowadzone zostały na rzeczywistych danych. Selekcję cech przeprowadzono z zastosowaniem metod CFS InfoGain i ReliefF. Proces klasyfikacji przeprowadzony został za pomocą algorytmów C4.5, k-NN, SMO i AdaBoost. Badania eksperymentalne wykazały, że automatyczna klasyfikacja danych pozwala na uzyskanie rezultatów porównywalnych do klasyfikacji przeprowadzonej przez ekspertów - niezależnie od zastosowanej metody liczba przypadków zaklasyfikowanych poprawnie wyniosła powyżej 90%. (Techniki selekcji cech i automatycznej klasyfikacji w procesie oceny stanu transformatora energetycznego). Słowa kluczowe: eksploracyjna analiza danych, selekcja cech, klasyfikacja, transformator energetyczny Keywords: data mining analysis, feature selection, classification, large power transformer Introduction The failure of power transformer causes the sequence of events within the device. These events are in turn associated with a number of the signals collected from the measuring devices. As a result we obtain a considerable amount of measurement data that need to be analyzed in order to assess the type, location and degree of abnormal operation of the transformer. Most of the interpretative analysis is performed based on the knowledge of e[...]

Classification of Medical Data Derived from Diagnostic Devices Using Ensembles of Classifiers DOI:10.15199/48.2015.12.36

Czytaj za darmo! »

The use of ensemble of classifiers for classification of medical data derived from diagnostic devices has been proposed in this research. The experimental studies were carried out on three datasets concerning different medical problems: arrhythmia, breast cancer and coronary artery disease using SPECT images. The comparison of single classification algorithms (kNN- IBk, C4.5 - J48, Naïve Bayes, Random Tree and SMO) with bagging, boosting and majority voting using all single classifiers was performed. Experimental studies have proved that hybrid classifiers outperformed single classification in all cases in terms of accuracy, precision, sensitivity and root squared mean error, regardless of the dataset. Streszczenie. W ramach niniejszej pracy zaproponowane zostało zastosowanie komitetów klasyfikatorów w procesie klasyfikacji danych pochodzących z urządzeń medycznych. Badania eksperymentalne zostały przeprowadzone na trzech zbiorach danych dotyczących różnych problemów medycznych: arytmii, nowotworu piersi oraz choroby wieńcowej. Przeprowadzono porównanie pojedynczych technik klasyfikacji (kNNIBk, C4.5 - J48, Naïve Bayes, Random Tree oraz SMO) z metodami hybrydowymi (bagging, boosting oraz głosowanie większościowe). Badania eksperymentalne wykazały skuteczność klasyfikacji z zastosowaniem komitetów klasyfikatorów - w wszystkich badanych przypadkach rezultaty klasyfikacji hybrydowej były lepsze od wyników najlepszego pojedynczego klasyfikatora biorąc pod uwagę dokładność, precyzję, czułość oraz błąd średniokwadratowy. (Zastosowanie Komitetów Klasyfikatorów w Procesie Klasyfikacji Danych Pozyskanych za Pomocą Urządzeń Diagnostyki Medycznej). Słowa kluczowe: eksploracyjna analiza danych, klasyfikacja, komitety klasyfikatorów, dane medyczne Keywords: data mining analysis, classification, ensemble classifiers, medical data Introduction Medical devices are instruments or machines that are used to diagnosis, monitor, treat, or prevent dis[...]

Fuzzy Classification of Medical Data Derived from Diagnostic Devices DOI:10.15199/48.2016.12.22

Czytaj za darmo! »

The research described in this paper concerns fuzzy classification of medical datasets obtained from diagnostic devices. Experimental studies were performed with use of fuzzy c-means algorithm. It was shown that despite the low accuracy of the results, fuzzy classification reduce the risks associated with the loss of internal relationships in the characteristics of the data, and thus increases the chances of finding the pathological cases, as well as taking preventive actions or therapy. Streszczenie. W ramach niniejszej pracy przeprowadzona została klasyfikacja rozmyta w odniesieniu do medycznych zbiorów danych pozyskanych z urządzeń diagnostycznych. Zastosowana została rozmyta metoda k-średnich. Badania wykazały, że pomimo niskiej dokładności rezultatów, klasyfikacja rozmyta zmniejsza ryzyko związane z utratą wewnętrznych zależności w charakterystyce danych, a tym samym zwiększa szanse na stwierdzenie ryzyka patologii i tym samym szybsze podjęcie działań zapobiegawczych lub terapeutycznych (Rozmyta klasyfikacja danych medycznych pozyskanych za pomocą urządzeń diagnostyki medycznej). Słowa kluczowe: eksploracyjna analiza danych, klasyfikacja rozmyta, rozmyta metoda k-średnich, dane medyczne Keywords: fuzzy classification, data mining, fuzzy c-means algorithm, medical data Introduction Classification techniques enable automated analysis and diagnostic process of data. It is an extremely important and difficult issue as regards to medical cases, due to the need to achieve the highest rates of accuracy for the results of classification. Numerous research studies have been undertaken to point the most accurate classification method. Nevertheless, there is no universal approach that could be successfully applied to a variety of scientific, industrial or medical problems [1]. For this reason, there is a constant need for further research. The main difficulty, that emerges in automated diagnosis arise from a degree of ambiguity and uncert[...]

Instance Selection Techniques in Reduction of Data Streams Derived from Medical Devices DOI:10.15199/48.2017.12.29

Czytaj za darmo! »

The development of health technologies and the capabilities of diagnostic equipment make the process of medical analysis extremely challenging due to the multidimensional large datasets. Automated knowledge extraction from such huge datasets and the medical diagnosis based on the data analysis is a highly complex issue. This is primarily due to the limitations imposed by the performance of computer systems as well as the methodological problems inherent in multidimensional data analysis. It is called the curse of dimensionality [1, 2, 3, 4]. Reduction of large data sets can be performed by reduction of the number of analyzed parameters (dimensions) or by reduction of the number of analyzed cases. The dimensionality reduction can be accomplished through statistical methods, primarily Principal Component Analysis (PCA) [5, 6] or using feature selection techniques [7, 8]. The reduction of a dataset cardinality can be achieved by sampling, grouping or instance selection methods. Data sampling involves retrieving certain elements of a collection according to the specified distribution of these elements. Data sampling techniques are used to reduce the amount of data and to approximate data characteristics by performing summarizations [9, 10]. We can distinguished two kinds of data sampling: fandom and focused [8]. Random sampling techniques assume equal probability of occurrence for each element of the input stream in the target sample. They build a good solution for large datasets, but may be less efficient for medical data sampling, where anomalies detection is crucial for diagnostics. Medical data analysis may refer to the form of time series, i.e. measurements performed at specified time intervals (ECG signals, heart rate measurements, automated ambulatory blood pressure measurements). The process of medical data streams analysis usually focuses on the following tasks:  anomaly detection in data stream, i.e. classi[...]

 Strona 1  Następna strona »