| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Datizraces procesa definēšana medicīnas datu analīzei |
| Nosaukums angļu valodā |
Definition of Data Mining Process for Analysis of Medical Data |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dr. sc. ing. Inese Poļaka |
| Recenzents |
Dr. sc. ing. Aleksandrs Vališevskis |
| Anotācija |
RĪGAS TEHNISKĀ UNIVERSITĀTE
DATORZINĀTNES UN INFORMĀCIJAS TEHNOLOĢIJAS FAKULTĀTE
Informācijas tehnoloģijas institūts
DATIZRACES PROCESA DEFINĒŠANA MEDICĪNAS DATU ANALĪZEI
Mārcis Turks
Anotācija
Bakalaura darba mērķis ir definēt datu ieguves procesu medicīnas datu analīzei, nosakot konkrētus soļus, metodes un iespējamos rezultātus.
Tiek apzināta medicīnas centros ukrājamo datu daba, to nepilnības un trūkumi, un ietekmējošie faktori. Darba gaitā tiek noteiktas nepieciešamās metodes, lai novērstu nepilnības un veiktu datu „tīrīšanu”.
Tiek noteikti pirmapstrādes soļi un tie tiek veikti uz reāla piemēra, kurš ir iegūts Nepālas klīniskajā universitātē par sēnīšu saslimšanām ar 100 ierakstiem, kur katram ir 16 dažādi atribūti.
Tiek definētas klasifikācijas uzdevumu iespējas, tās tiek realizētas ar klasifikācijas koku uz iegūtā reālā piemēra, tiek iegūti rezultāti un veikta rezultātu analīze.
Nosaka asociatīvo likumu iespējas, veic dotā reālā piemēra apstrādi ar asociatīvajiem likumiem, kuru rezultātā iegūst 718 asociatīvos likumus.
Definē klasterizācijas uzdevuma iespējas, veido klasterus un cenšas iegūt datu grupas, kuras varētu būt noderīgas. Visi rezultāti tiek prezentēti oftalmoloģijas rezidentiem, kuri nosaka iegūto datu noderību
Pēc analīzes veikšanas izveido rekomendācijas ar, kuru palīdzību ārsti varētu uzlabot savu darba kvalitāti. Izdara secinājumus par paveikto.
Darba apjoms - 63 lpp., 32 attēli un 5 pielikumi. |
| Atslēgas vārdi |
Datizrace, Klasifikācija, Klasterizācija, Asociatīvie likumi. |
| Atslēgas vārdi angļu valodā |
Data mining, Classification, Clusterization, Associative rules. |
| Valoda |
lv |
| Gads |
2016 |
| Darba augšupielādes datums un laiks |
10.06.2016 12:51:01 |
