Benutzer: Gast  Login
Originaltitel:
Data Mining Methods for Medical Diagnosis 
Originaluntertitel:
Test Selection, Subgroup Discovery, and Contrained Clustering 
Übersetzter Titel:
Data Mining Methoden zur Medizinischen Diagnose 
Übersetzter Untertitel:
Test Selection, Subgroup Discovery, and Contrained Clustering 
Jahr:
2012 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Kramer, Stefan (Prof. Dr.) 
Gutachter:
Kramer, Stefan (Prof. Dr.); Puppe, Frank (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik; INF Informationswesen, Bibliotheks-, Dokumentations-, Archiv-, Museumswesen 
Stichworte:
Data Mining, Medical Diagnosis, Test Selection, Subgroup Discovery, Contrained Clustering, Breast Cancer, Alzheimers, PET scans, 
Übersetzte Stichworte:
Data Mining, Test Selection, Subgroup Discovery, Contrained Clustering, Brustkrebs, Alzheimer, PET scans, Diagnose 
Schlagworte (SWD):
Data Mining; Brustkrebs; Alzheimerkrankheit; Diagnose 
TU-Systematik:
MED 230d; DAT 450d; DAT 703d 
Kurzfassung:
We introduce new techniques for medical data mining for the improved diagnosis in two medical domains. For the domain of breast cancer diagnosis, we propose two approaches to test selection, to enable the selection of an optimal imaging modalty, one based on information maximization and one on subgroup discovery. For the domain of Alzheimer’s disease we focus on the correlation of image and non-image data. We start with clustering PET scans of patients to form groups sharing similar features i...    »
 
Übersetzte Kurzfassung:
Wir präsentieren neue Techniken für medizinisches Data Mining (Test Selection, Subgroup Discovery und Constrained Clustering), um die Diagnose in zwei Domänen, Brustkrebs und Alzheimer, zu verbessern. Im Bereich Brustkrebsdiagnose stellen wir zwei Methoden zur Test Selection vor. Eine basiert auf der Maximierung von Information, die zweite auf der Entdeckung von Untergruppen von Patienten, die denselben optimalen Test haben. Im Bereich Alzheimer untersuchen wir die Korrelation von Bilddaten und...    »
 
Mündliche Prüfung:
21.05.2012 
Dateigröße:
4863914 bytes 
Seiten:
146 
Letzte Änderung:
21.08.2017