Savatteri, Giuseppe
(2020)
Enviromental factors influencing heart diseases.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria informatica [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore.
(
Contatta l'autore)
Abstract
È importante individuare strategie e meccanismi per sfruttare le opportunità offerte dalla digitalizzazione in ambito sanitario delle attività e dalla gestione dei Big Data per migliorare efficienza, monitoraggio, prevenzione e cura delle patologie. possibilità di applicazione della medicina di precisione, refertazione in anatomia patologica e automazione della raccolta dati.
Il lavoro di tesi è incentrato sulle problematiche legate alle malattie cardio-cerebrovascolari e la loro correlazione con il territorio con cui i soggetti interagiscono.
È stato realizzato un nuovo sistema di monitoraggio del territorio che possa individuare possibili legami tra la composizione del territorio, in termini di opere pubbliche e private, e lo stato di salute delle persone.
Un apposito insieme di dati viene fornito al modello di modello di machine learning, basato sulle reti neurali e provvederà ad operare nell'estrazione di possibili correlazioni tra la tipologia di edifici e la percentuale di soggetti a rischio cardiovascolare.
Abstract
È importante individuare strategie e meccanismi per sfruttare le opportunità offerte dalla digitalizzazione in ambito sanitario delle attività e dalla gestione dei Big Data per migliorare efficienza, monitoraggio, prevenzione e cura delle patologie. possibilità di applicazione della medicina di precisione, refertazione in anatomia patologica e automazione della raccolta dati.
Il lavoro di tesi è incentrato sulle problematiche legate alle malattie cardio-cerebrovascolari e la loro correlazione con il territorio con cui i soggetti interagiscono.
È stato realizzato un nuovo sistema di monitoraggio del territorio che possa individuare possibili legami tra la composizione del territorio, in termini di opere pubbliche e private, e lo stato di salute delle persone.
Un apposito insieme di dati viene fornito al modello di modello di machine learning, basato sulle reti neurali e provvederà ad operare nell'estrazione di possibili correlazioni tra la tipologia di edifici e la percentuale di soggetti a rischio cardiovascolare.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Savatteri, Giuseppe
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
machine learning,neural network,heart disease,envroment affect heart disease,prediction
Data di discussione della Tesi
12 Marzo 2020
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Savatteri, Giuseppe
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
machine learning,neural network,heart disease,envroment affect heart disease,prediction
Data di discussione della Tesi
12 Marzo 2020
URI
Gestione del documento: