<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://dk.um.si/IzpisGradiva.php?id=10010"><dc:title>HEVRISTIČNO GENERIRANJE MEDICINSKIH SIMULACIJSKIH SCENARIJEV</dc:title><dc:creator>Križmarić,	Miljenko	(Avtor)
	</dc:creator><dc:creator>Kokol,	Peter	(Mentor)
	</dc:creator><dc:creator>GRMEC,	ŠTEFEK	(Komentor)
	</dc:creator><dc:subject>medicinske simulacije</dc:subject><dc:subject>simulatorji</dc:subject><dc:subject>scenariji</dc:subject><dc:subject>strojno učenje</dc:subject><dc:subject>Bayesove verjetnostne mreže</dc:subject><dc:subject>urgentna medicina</dc:subject><dc:description>Sodobno izobraževanje zdravstvenih delavcev zahteva uporabo medicinskih simulatorjev, saj medicina postaja zahtevna in kompleksna. Simulatorji potrebujejo scenarije, ki jih izdelujejo zdravniki, vendar je tak pristop subjektiven, ker ima vsak zdravnik svoje lastne izkušnje. Scenarije lahko izboljšamo z uporabo metod strojnega učenja. V doktorskem delu raziščemo in uporabimo Bayesove verjetnostne mreže kot računalniško podprto orodje za izdelavo scenarijev. Predstavimo metodologijo CasGEN, ki jo uporabimo na realnem primeru večje podatkovne zbirke s področja urgentne medicine - 737 primerov predbolnišničnega oživljanja.  Rezultate validiramo s pomočjo trifaznega modela zastoja srca pri prekatni fibrilaciji. V doktorskem delu potrdimo ustreznost metodologije CASGen na podlagi študije, ki so jo pozitivno ocenili eksperti s področja medicine. Na tak način potrdimo hipotezo raziskovalnega dela, da je predstavljena metodologija CASGen uporabno orodje za generiranje medicinskih scenarijev.</dc:description><dc:publisher>[M. Križmarić]</dc:publisher><dc:date>2009</dc:date><dc:date>2009-03-24 08:03:07</dc:date><dc:type>Doktorska disertacija</dc:type><dc:identifier>10010</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>