Generation of Synthetic Medical Data by MDR-Analysis

Скорочена інформація про документ
dc.contributor.authorSazonova, Kateryna
dc.contributor.authorNosovets, Olena
dc.contributor.authorBabenko, Vitalii
dc.contributor.authorAverianova, Olga
dc.date.accessioned2022-05-03T10:49:05Z
dc.date.available2022-05-03T10:49:05Z
dc.date.issued2021-02
dc.description.abstractenPurpose: The purpose of this article is to outline an algorithm for generating synthetic medical data in order to augment small samples of data. Methods: To achieve the research goal, methods such as: correlation analysis (to identify significant variables and the relationships between them), MDR analysis (to build logical chains of relationships between medical data), and regression analysis (to model medical data variables to use this to generate synthetic data) were used. Results: A database of heart failure patients that is publicly available was used to test the developed algorithm for generating synthetic medical data in action; as a result, statistical relationships between data were found and used to build linear regression models. Discussion: The proposed algorithm allows, with a few simple, yet important actions, to perform the generation of medical data, which makes it possible to obtain large data sets that can be used to implement machine learning methods in any tasks related to medicine.uk
dc.description.abstractukМета: Метою даної статті є викладення алгоритму генерації синтетичних медичних даних для того, щоб доповнити маленькі вибірки даних. Методи: Для досягнення мети дослідження були використані такі методи, як: кореляційний аналіз (для виявлення значимих змінних та взаємозв’язків між ними), MDR-аналіз (для побудови логічних ланцюгів зв’язку між медичними даними) та регресійний аналіз (для моделювання змінних медичних даних, щоб використати це для генерації синтетичних даних). Результати: Була використана база даних пацієнтів з серцевою недостатністю, яка доступна у відкритому доступі, щоб перевірити розроблений алгоритм генерації синтетичних медичних даних у дій; в результаті були знайдені статистичні взаємозв’язки між даними, які використовувались для побудови моделей лінійної регресії. Обговорення: Запропонований алгоритм дозволяє за допомогою декількох простих, але в той час важливих дій виконати генерацію медичних даних, що дає можливість отримати великі масиви даних, які можна використовувати для реалізації методів машинного навчання у будь-яких задачах пов’язаних з медициною.uk
dc.format.pagerangePp. 31-36uk
dc.identifier.citationGeneration of Synthetic Medical Data by MDR-Analysis / Kateryna Sazonova, Olena Nosovets, Vitalii Babenko, Olga Averianova // Proceedings of the National Aviation University. – 2021. – Vol. 87, N. 2. – Pp. 31-36.uk
dc.identifier.doihttps://doi.org/10.18372/2306-1472.87.15719
dc.identifier.issn2306-1472
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/47108
dc.language.isoenuk
dc.publisherNational Aviation University Київuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceProceedings of the National Aviation University. 2021. N2(87)uk
dc.subjectsynthetic datauk
dc.subjectsynthetic datauk
dc.subjectcommunication directionuk
dc.subjectMDR-analysisuk
dc.subjectdata generationuk
dc.subjectcorrelationuk
dc.subjectentropyuk
dc.subjectMDR aналізuk
dc.subjectнаправленість зв’язкуuk
dc.subjectкореляціяuk
dc.subjectентропіяuk
dc.subjectсинтетичні даніuk
dc.subjectенерація данихuk
dc.subject.udc621.396.4(045)uk
dc.titleGeneration of Synthetic Medical Data by MDR-Analysisuk
dc.title.alternativeГенерація синтетичних медичних даних за допомогою MDR-аналізуuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Generation.pdf
Розмір:
747.37 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (БМК)