Improving diagnosis of acute coronary syndromes in an emergency setting: A machine learning approach

Michael Green

    Forskningsoutput: AvhandlingDoktorsavhandling (sammanläggning)

    131 Nedladdningar (Pure)

    Sammanfattning

    Popular Abstract in Swedish
    Akut koronart syndrom (AKS) är den största folkdödaren i väst idag. Trots välutbildade läkare och bra diagnostiska verktyg så är det forfarande svårt att ställa en diagnos tidigt på sjukhusens akutavdelningar. I den här avhandlingen undersöker vi möjligheter att i ett tidigt skede förutsäga AKS med hjälp av maskininlärning. Främst användes logistiska regressionsmodeller och kommitteer av artificiella neurala nätverk (ANN). Jämförelser med expertläkare genomfördes kontinuerligt som en kvalitetskontroll. Vi utvecklade även praktiska patientbaserade förklaringsmodeller för ett ANNs beslutsprocess.
    Originalspråkengelska
    KvalifikationDoktor
    Tilldelande institution
    Handledare
    • Ohlsson, Mattias, handledare
    • Edenbrandt, Lars, handledare
    Tilldelningsdatum2008 juni 18
    ISBN (tryckt)978-91-628-7434-6
    StatusPublished - 2008

    Bibliografisk information

    Defence details

    Date: 2008-06-18
    Time: 10:15
    Place: Lecture hall F, Department of Theoretical Physics, Sölvegatan 14A, SE-223 62 Lund, Sweden

    External reviewer(s)

    Name: Lisboa, Paulo
    Title: Professor
    Affiliation: Liverpool John Moores University, Liverpool, England

    ---

    Ämnesklassifikation (UKÄ)

    • Biofysik

    Fingeravtryck

    Utforska forskningsämnen för ”Improving diagnosis of acute coronary syndromes in an emergency setting: A machine learning approach”. Tillsammans bildar de ett unikt fingeravtryck.

    Citera det här