20.500.12556/DKUM-10010 HEVRISTIČNO GENERIRANJE MEDICINSKIH SIMULACIJSKIH SCENARIJEV Heuristic generation of medical simulation scenarios 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. Modern education in health care today can not exist without the use medical simulators, which are state of the art for efficient learning. Simulators use scenarios, which are designed by physician’s own experiences and presents a subjective approach by scenario design. In doctoral thesis machine learning methods for building scenarios from real data are presented. In particularly we introduce Bayesian probability networks as the primary tool for scenario design. We present a methodology CASGen (Computer Aided Scenario Generation) which uses Bayesian network (BN) and apply it of real study of emergency medicine, where 737 cases in prehospital resuscitation were collected. The results of CASGen are validated with the three phase model for ventricular fibrillation. We confirm the hypothesis of the research that BN are appropriate method for supporting scenario design. The application and use of CASGen was independently confirmed by experts from medical domain. medicinske simulacije simulatorji scenariji strojno učenje Bayesove verjetnostne mreže urgentna medicina medical simulations simulators scenarios machine learning bayesian probability networks emergency medicine true true false [M. Križmarić] Slovenski jezik Angleški jezik Doktorska disertacija 2009-03-24 08:03:07 2009-03-26 12:03:30 2022-04-11 15:55:24 2022-04-15 03:33:26 2009 0 Maribor 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 [004.94:61]:004.8(043.3) 244925440 URN:SI:UM:DK:KL04YYCE DR_Krizmaric_Miljenko_2009.pdf DR_Krizmaric_Miljenko_2009.pdf 1 D063988FC1DAD570B90A240E173557FF 3310e6e743076904542d390edc5d7ffbb080fa523d0121a86acd534975e01953 b20ff52d-7c02-11eb-bb7a-00155d0001ca 20.500.12556/dkum/85bc8341-0481-4ca3-821d-7d767e666813 https://dk.um.si/Dokument.php?lang=slv&id=7862 Fakulteta za elektrotehniko, računalništvo in informatiko 0 0 0