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

Michael Green

Forskningsoutput: AvhandlingDoktorsavhandling (sammanläggning)

106 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
  • Beräkningsbiologi och biologisk fysik - Genomgår omorganisation
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