This HTML5 document contains 25 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
n9http://linked.opendata.cz/resource/domain/vavai/cep/soutez/
n8http://linked.opendata.cz/resource/domain/vavai/cep/kategorie/
dctermshttp://purl.org/dc/terms/
n2http://linked.opendata.cz/resource/domain/vavai/cep/projekt/MSM/
n4http://linked.opendata.cz/resource/domain/vavai/cep/aktivita/
n6http://linked.opendata.cz/resource/domain/vavai/cep/smlouva/522/
n3http://linked.opendata.cz/ontology/domain/vavai/
n7http://linked.opendata.cz/resource/domain/vavai/cep/obor/
n13http://linked.opendata.cz/resource/domain/vavai/cep/druh-souteze/
n11http://linked.opendata.cz/resource/domain/vavai/cep/faze/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
n12http://linked.opendata.cz/resource/domain/vavai/cep/typ/
n10http://linked.opendata.cz/resource/domain/vavai/cep/poskytovatel/
xsdhhttp://www.w3.org/2001/XMLSchema#

Statements

Subject Item
n2:2C06019
rdf:type
n3:Projekt
dcterms:description
The goal of the project is design and implementation of new methods for knowledge acquisition from multimodal medical databases (by this we understand data of different nature) and their interpretation for control and diagnoses making in health care. Particularly in medicine, we come across numerical data, texts, static images and signals. The methods will be based on non-trivial multidimensional statistical models. Therefore, within the framework of the project we have to investigate both the methods of constructing new models and their theoretical properties. For this, we shall also investigate their theoretical foundations combining probability theory, mathematical statistics and artificial intelligence. In order to be able to utilize the models inpractice we shall design algorithms adapted to real world problems from medical practice. Finally, experimental software systems for verification of proposed methods will be designed and realized. Cílem projektu je návrh a implementace nových metod pro dobývání znalostí z multimodalitních zdravotnických databází a jejich interpretaci pro potřeby řízení a diagnostiky ve zdravotnictví. V rámci projektu budeme navrhovat a ověřovat nové postupy pro vytváření znalostních modelů využitelných pro podporu rozhodování. Postupy budou založeny na využití netriviálních vícerozměrných statistických modelů, a proto se budeme zabývat jejich nezbytnými teoretickými základy vycházejícími z teorie pravděpodobnosti, matematické statistiky a umělé inteligence. Pro praktické využití modelů budeme též navrhovat algoritmické řešení reálných úloh přizpůsobených požadavkům lékařské praxe a vytvářet experimentální programová řešení, na kterých budou navrhované metody ověřovány.
dcterms:title
(Medical) Knowledge Acquisition and Modelling Získávání a modelování (lékařských) znalostí
n3:cislo-smlouvy
n6:2011-31
n3:druh-souteze
n13:VS
n3:faze
n11:54203571
n3:hlavni-obor
n7:IN
n3:vedlejsi-obor
n7:FQ
n3:id-aktivity
n4:2C
n3:id-souteze
n9:SMSM2006002C1
n3:kategorie
n8:1
n3:klicova-slova
získávání znalostí, modelování znalostí, mnohodimenzionální modely, samoučící postupy, medicinské rozhodování, umělé inteligence, rozpoznávání obrazů a textů, kompozicionální modely.
n3:konec-reseni
2011-10-31+01:00
n3:pocet-koordinujicich-prijemcu
0
n3:poskytovatel
n10:MSM
n3:start-reseni
2006-07-01+01:00
n3:statni-podpora
37500
n3:typProjektu
n12:P
n3:uznane-naklady
50000
n3:pocet-prijemcu
1
n3:pocet-spoluprijemcu
1
n3:pocet-vysledku
161
n3:pocet-vysledku-zverejnovanych
161