Vyhledávání

Za celou dobu, po kterou se rozvíjejí metody analýzy a klasifikace dat, dostala tato disciplina mnohá jména. Tyto různé názvy ani tak nesouvisí s vlastní podstatou tohoto způsobu práce s daty, jako spíše s účelem zpracování. Asi nejobecnější název zní „rozpoznávání obrazů“, v angličtině „pattern recognition“. Ve skutečnosti ale nejde o žádné obrazy ve smyslu děl Leonarda da Vinci či jiných velikánů výtvarného umění (jak by bylo možné vyvozovat z českého překladu), nýbrž o pouhý matematický popis vlastností reálného objektu, jehož stav chceme hodnotit, nějakým abstraktním způsobem – např. vektorem hodnot, grafem, apod.

Interaktivní slovníček kódů MKN (ICD10) spolu s názvy klasifikací pomůže při zařazování studií do archivu. K dispozici je ve slovníku i výběr radiologické klasifikace dle Daehnert et. al. Klasifikace je v anglickém jazyce. Do vyhledávacího okénka napište kousek řetězce (např. fract) a chvilku počkejte, v zápětí se vám objeví seznam nalezených klasifikací - slovník pracuje v režimu našeptávače.

Prvním cílem této publikace je ukázat studentům matematické biologie a dalším čtenářům analýzu a zpracování dat z pohledu teorie lineárních systémů, které zde vystupují jednak v roli generátorů dat a dále také v roli prostředků pro analýzu a zpracování dat. Druhým cílem je pak ukázat, jak lze efektivně řešit vybrané úlohy z této oblasti pomocí výpočetních nástrojů v prostředí MATLAB.

Výukové materiály zpřístupněné formou interaktivní osnovy jsou věnovány principům základních metod analýzy medicínských dat s ohledem na specifika datových souborů a výpočtů z oblasti neurovědního výzkumu. Důraz je kladen především na správnou aplikaci těchto metod v praxi a na interpretaci dosažených výsledků. Výukové materiály sestávají z přednášek, detailních manuálů pro analýzu dat pomocí české a anglické verze softwaru STATISTICA, datového souboru použitého k ukázkám analýzy dat v přednáškách a manuálech, dvou sad simulovaných souborů trojrozměrných obrazů mozku sloužících pro interaktivní ukázky problémů a specifik analýzy rozsáhlých obrazových dat a dvou e-learningových sad teoretických i praktických otázek a příkladů. Tyto výukové materiály mohou být přínosné nejen pro studenty doktorských studijních programů Neurovědy, Neurologie, Radiologie-zobrazovací metody a Psychiatrie, pro něž je předmět primárně určen, ale i pro studenty dalších medicínských programů nebo i pro informatiky či matematiky a další akademické pracovníky, kteří se při své vědecké činnosti setkávají s analýzou medicínských a rozsáhlých obrazových dat. Vytvořené materiály mohou studentům a akademickým pracovníkům rovněž sloužit jako referenční příručka při přípravě jejich vlastních doktorských či habilitačních prací i při další vědecké činnosti. Příprava výukových materiálů byla finančně podporována prostředky projektu FRVŠ č. 942/2013 „Inovace materiálů pro interaktivní výuku a samostudium předmětu Analýza dat pro Neurovědy“.
 

Sbírka příkladů “Lineární a adaptivní zpracování dat: řešené úlohy v MATLABu” vznikla jako studijní opora k předmětu Lineární a adaptivní zpracování dat (Bi0440). Náplní sbírky jsou příklady, které ukazují použití metod z oblasti digitálního zpracování a analýzy signálů, jejichž cílem je zvýrazňování signálu v šumu nebo transformace naměřených dat tak, aby mohly být objeveny jejich zdánlivě skryté vlastnosti. Sbírku tvoří rozřešené sady skriptů a funkcí v MATLABu, které má student za úkol doplnit podle pokynů v komentářích a dokument se správnými výsledky a objasněním výpočtů.

Data mining (DM; dolování z dat nebo vytěžování dat) je široce používanou metodikou pro práci s rozsáhlými datovými soubory, často však provázenou nepochopením nebo s přehnaným očekáváním. Výjimkou není ani klinický výzkum pracující s rozsáhlými a heterogenními soubory dat. DM obecně využívá metod, které jsou dostupné i v běžných statistických nástrojích, nicméně nabízí jednotlivé postupy v souvislostech a vazbách, které ve formě standardizované komplexní metodiky pokrývají všechny fáze zpracování dat od sběru až po interpretaci. Ve skutečnosti jde tedy o metodický koncept zahrnující velkou šíři metod a způsobů práce. Celý systém je podřízen jedinému cíli, nalézt v datech zajímavé, netriviálně skryté, ale potenciálně užitečné informace. Hovoříme-li o dolování z dat, máme tedy na mysli spíše než speciální statistické metody jejich tvůrčí skloubení. Tato koncepce byla využita i při přípravě výukového kurzu „Zavedení technologie data miningu a analýzy dat genových expresních map do výuky“ dostupného v rámci e-learningového portálu Lékařské fakulty Masarykovy univerzity