kth.se
Publikationer
Vänta ...
Enkel sökning
Avancerad sökning -
Forskningspublikationer
Avancerad sökning -
Studentuppsatser
Statistik
English
Svenska
Norsk
Hoppa till innehåll
Ändra sökning
Sök
Sök
Endast dokument med fulltext i DiVA
Referera
Exportera
BibTex
CSL-JSON
CSV 1
CSV 2
CSV 3
CSV 4
CSV 5
CSV all metadata
CSV all metadata version 2
RIS
Mods
MARC-XML
ETDMS
Länk till posten
Permanent länk
https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-315316
Direktlänk
http://kth.diva-portal.org/smash/record.jsf?pid=diva2:1679938
Referera
Referensformat
apa
ieee
modern-language-association-8th-edition
vancouver
Annat format
apa
ieee
modern-language-association-8th-edition
vancouver
Annat format
Fler format
Språk
de-DE
en-GB
en-US
fi-FI
nn-NO
nn-NB
sv-SE
Annat språk
de-DE
en-GB
en-US
fi-FI
nn-NO
nn-NB
sv-SE
Annat språk
Fler språk
Utmatningsformat
html
text
asciidoc
rtf
html
text
asciidoc
rtf
Skapa
Stäng
Deep Learning for Continuous Time Series of Clinical Waveform Data: Development of a clinical decision support system for predicting mortality in Covid-19 patients
Danker, Carolin
KTH, Skolan för kemi, bioteknologi och hälsa (CBH).
2022 (Engelska)
Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hp
Studentuppsats (Examensarbete)
Alternativ titel
Djupinlärning för kontinuerlig klinisk vågformsdata : Utveckling av ett verktyg för kliniskt beslutsfattande gällande prognoser av dödlighet bland Covid-19 patienter (Svenska)
Ort, förlag, år, upplaga, sidor
2022. , s. 69
Serie
TRITA-CBH-GRU ; 2022:090
Nyckelord [en]
Deep Learning, Mortality Prediction, Time Series Data, Waveform Data, Covid-19
Nationell ämneskategori
Medicinteknik
Identifikatorer
URN:
urn:nbn:se:kth:diva-315316
OAI: oai:DiVA.org:kth-315316
DiVA, id:
diva2:1679938
Externt samarbete
Karolinska Institute
Ämne / kurs
Medicinsk teknik
Utbildningsprogram
Civilingenjörsexamen - Medicinsk teknik
Handledare
Vinuesa, Ricardo, Associate Professor
KTH, Skolan för teknikvetenskap (SCI), Teknisk mekanik, Strömningsmekanik och Teknisk Akustik.
Herlenius, Eric, Professor
Karolinska Institute.
Examinatorer
Larsson, Matilda, Professor
KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem.
Tillgänglig från:
2022-08-19
Skapad:
2022-07-02
Senast uppdaterad:
2022-08-19
Bibliografiskt granskad
Open Access i DiVA
Masterthesis_Carolin_Danker
(4683 kB)
470 nedladdningar
Filinformation
Filnamn
FULLTEXT01.pdf
Filstorlek
4683 kB
Checksumma
SHA-512
0fe261d657197bcaee041c8371cb166af191a120b6f662747ee92902813e8f7824809cad58434b9af631415d7362adab8a416a6c78f49cb966d3eb535485965f
Typ
fulltext
Mimetyp
application/pdf
Av organisationen
Skolan för kemi, bioteknologi och hälsa (CBH)
I ämnet
Medicinteknik
Sök vidare utanför DiVA
Google
Google Scholar
Totalt: 471 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.
urn-nbn
Altmetricpoäng
urn-nbn
Totalt: 204 träffar
Referera
Exportera
BibTex
CSL-JSON
CSV 1
CSV 2
CSV 3
CSV 4
CSV 5
CSV all metadata
CSV all metadata version 2
RIS
Mods
MARC-XML
ETDMS
Länk till posten
Permanent länk
https://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-315316
Direktlänk
http://kth.diva-portal.org/smash/record.jsf?pid=diva2:1679938
Referera
Referensformat
apa
ieee
modern-language-association-8th-edition
vancouver
Annat format
apa
ieee
modern-language-association-8th-edition
vancouver
Annat format
Fler format
Språk
de-DE
en-GB
en-US
fi-FI
nn-NO
nn-NB
sv-SE
Annat språk
de-DE
en-GB
en-US
fi-FI
nn-NO
nn-NB
sv-SE
Annat språk
Fler språk
Utmatningsformat
html
text
asciidoc
rtf
html
text
asciidoc
rtf
Skapa
Stäng
v. 2.47.0
|
WCAG
|
KTH Bibliotek
|
DiVA support
|
Registrera i DiVA
|
Spikning av avhandling
|
SwePub
DiVA
Logotyp