國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

多維度值資料方體於藥物交互作用不良反應之偵測 = Detecting A...

國立高雄大學資訊工程學系碩士班

多維度值資料方體於藥物交互作用不良反應之偵測 = Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology
作者:	杜治緯,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2012[民101]
面頁冊數:	55面圖，表格 : 30公分;
標題:	藥物不良反應
標題:	Adverse drug reactions
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/39462027467420217858
附註:	參考書目：面44-47
附註:	內容為英文
摘要註:	藥物不良反應，是指在服用正常的劑量下，身體發生一些不舒服或有害的副作用，嚴重時可能導致死亡。因此，在許多國家都已成立藥物不良反應通報系統，盡量收集所有的藥物不良反應事件。隨著時間的累積，報告的數量大幅度的成長，使得無法以人工的方式分析資料。雖然在過去幾年，已有許多研究利用統計或資料探勘的方法來檢測可疑的藥物不良反應，但絕大部分的檢測方式都是非常耗費時間，或者無法檢測藥物交互作用造成的不良反應。在本論文研究中，我們提出一種具多維度值的列聯方體，可提供多維度、快速和線上的藥物交互作用檢測。我們使用美國FDA的AERS數據庫進行一系列的實驗，其結果顯示基於多維度值方體的方法比現行的ABCM-MS方法有更好的效能表現。 Adverse Drug Reactions (ADRs) are uncomfortable or harmful side effects yielded by normal drug doses of usage. Indeed, some serious reactions may even lead to death. Many countries thus have set up ADR reporting systems to collect as possible all ADR events. As time passes, the number of reports grows dramatically, making manual analysis of these data impossible. Although in the past years, many statistical or data mining approaches have been proposed to detect suspected ADRs, most of them are very time-consuming and/or unable to detect ADRs caused by drug interactions. In this thesis, we propose the concept of multivalued dimension contingency (MDC) Cube to facilitate multidimensional, fast and online detection of adverse drug interactions. Experiments conducted on the FDA AERS data set show that our MDC cube-based method is significantly faster than the state-of-the-art ABCM-MS method.

多維度值資料方體於藥物交互作用不良反應之偵測 = Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology
杜, 治緯

多維度值資料方體於藥物交互作用不良反應之偵測 = Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology / 杜治緯撰 - [高雄市] : 撰者, 2012[民101]. - 55面 ; 圖，表格 ; 30公分.
參考書目：面44-47內容為英文.
藥物不良反應Adverse drug reactions

多維度值資料方體於藥物交互作用不良反應之偵測 = Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology
LDR:03055nam0a2200289 450 001 346193
005 20170214092727.0
009 346193
010 0 $b 精裝
010 0 $b 平裝
100 $a 20170214d2012 k y0chiy05 e
101 1 $a eng $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 多維度值資料方體於藥物交互作用不良反應之偵測 $d Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology $z eng $f 杜治緯撰
210 $a [高雄市] $c 撰者 $d 2012[民101]
215 0 $a 55面 $c 圖，表格 $d 30公分
300 $a 參考書目：面44-47
300 $a 內容為英文
314 $a 指導教授：林文揚教授
328 $a 碩士論文--國立高雄大學資訊工程學系碩士班
330 $a 藥物不良反應，是指在服用正常的劑量下，身體發生一些不舒服或有害的副作用，嚴重時可能導致死亡。因此，在許多國家都已成立藥物不良反應通報系統，盡量收集所有的藥物不良反應事件。隨著時間的累積，報告的數量大幅度的成長，使得無法以人工的方式分析資料。雖然在過去幾年，已有許多研究利用統計或資料探勘的方法來檢測可疑的藥物不良反應，但絕大部分的檢測方式都是非常耗費時間，或者無法檢測藥物交互作用造成的不良反應。在本論文研究中，我們提出一種具多維度值的列聯方體，可提供多維度、快速和線上的藥物交互作用檢測。我們使用美國FDA的AERS數據庫進行一系列的實驗，其結果顯示基於多維度值方體的方法比現行的ABCM-MS方法有更好的效能表現。 Adverse Drug Reactions (ADRs) are uncomfortable or harmful side effects yielded by normal drug doses of usage. Indeed, some serious reactions may even lead to death. Many countries thus have set up ADR reporting systems to collect as possible all ADR events. As time passes, the number of reports grows dramatically, making manual analysis of these data impossible. Although in the past years, many statistical or data mining approaches have been proposed to detect suspected ADRs, most of them are very time-consuming and/or unable to detect ADRs caused by drug interactions. In this thesis, we propose the concept of multivalued dimension contingency (MDC) Cube to facilitate multidimensional, fast and online detection of adverse drug interactions. Experiments conducted on the FDA AERS data set show that our MDC cube-based method is significantly faster than the state-of-the-art ABCM-MS method.
510 1 $a Detecting Adverse Drug Interactions with Multivalued Dimension Cube Technology $z eng
610 0 $a 藥物不良反應 $a 藥物交互作用 $a 多重值維度 $a 藥物監控 $a 資料方體 $a 資料探勘
610 1 $a Adverse drug reactions $a Drug interaction $a Multivalued dimension $a Pharmacovigilance $a Data cube $a Data mining
681 $a 008M/0019 $b 464103 4432 $v 2007年版
700 1 $a 杜 $b 治緯 $4 撰 $3 576407
712 0 2 $a 國立高雄大學 $b 資訊工程學系碩士班 $3 353878
801 0 $a tw $b NUK $c 20121107 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/39462027467420217858