High-performance information technology for processing large datasets and biomedical images to improve the accuracy of computer-aided decision support systems
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Poplavskyi Oleksandr , Pavlov Sergiy , Denysiuk Valerii , Belinska Svitlana , Shvarts Iryna V., Akimova Olga , Kornilenko Oleksandr , Tarczyńska Marta , Gawęda Krzysztof , Kozbakova Ainur, Smolarz Andrzej |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 1 - 7 |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2024 |
| Skrócona nazwa konferencji: | SPIE-IEEE-PSP 2024 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 27 czerwca 2024 do 29 czerwca 2024 |
| Miasto konferencji: | Lublin |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | NIE |
| Abstrakty: | angielski |
| Modern biomedical engineering is characterized by the rapid growth of data volumes that require processing and analysis to support clinical decision-making. Information technology plays a key role in ensuring the high-performance processing of these large datasets, contributing to the increased accuracy and speed of clinical diagnoses, as well as more effective subsequent patient treatment. This article aims to review current approaches and technologies used for biomedical data processing and to rethink the approach to using big data in decision support systems. Special attention is given to machine learning methods that enhance data analysis efficiency. The data processing approach proposed in this article allows for an 10-12% increase in the accuracy of spinal pathology classification, confirming its feasibility in medical practice. |
