Riforgiato, Elisa
(2021)
Le ontologie: la rappresentazione semantica dell’informazione e la loro applicazione in campo biomedico.
[Laurea], Università di Bologna, Corso di Studio in
Ingegneria biomedica [L-DM270] - Cesena
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (2MB)
|
Abstract
Lo scopo di questa tesi è analizzare il linguaggio semantico delle ontologie e valutare la loro applicazione pratica in ambito biomedico. La sua realizzazione si basa su una selezione di fonti bibliografiche di vario genere (libri, articoli, report, webinar) che tiene conto anche di risultati pubblicati nell’anno in corso. Tra i settori di ricerca biomedici che attualmente muovono interesse verso il modo di rappresentare l’informazione delle ontologie, questa tesi si è focalizzata su due: il machine learning e la prioritizzazione genetica. Gli studi analizzati risalgono tutti agli ultimi tre anni (2019-2021) e sebbene mostrino risultati promettenti, suggeriscono anche la necessità di ulteriori sforzi da parte della ricerca per una maggiore validazione dei risultati.
Abstract
Lo scopo di questa tesi è analizzare il linguaggio semantico delle ontologie e valutare la loro applicazione pratica in ambito biomedico. La sua realizzazione si basa su una selezione di fonti bibliografiche di vario genere (libri, articoli, report, webinar) che tiene conto anche di risultati pubblicati nell’anno in corso. Tra i settori di ricerca biomedici che attualmente muovono interesse verso il modo di rappresentare l’informazione delle ontologie, questa tesi si è focalizzata su due: il machine learning e la prioritizzazione genetica. Gli studi analizzati risalgono tutti agli ultimi tre anni (2019-2021) e sebbene mostrino risultati promettenti, suggeriscono anche la necessità di ulteriori sforzi da parte della ricerca per una maggiore validazione dei risultati.
Tipologia del documento
Tesi di laurea
(Laurea)
Autore della tesi
Riforgiato, Elisa
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
web semantico,ontologie biomediche,machine learning,prioritizzazione genetica
Data di discussione della Tesi
23 Luglio 2021
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Riforgiato, Elisa
Relatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
web semantico,ontologie biomediche,machine learning,prioritizzazione genetica
Data di discussione della Tesi
23 Luglio 2021
URI
Statistica sui download
Gestione del documento: