1 resultado para Biological Markers -- blood
em Universidad Politécnica de Madrid
Filtro por publicador
- Aberdeen University (5)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (9)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (3)
- Aquatic Commons (4)
- ArchiMeD - Elektronische Publikationen der Universität Mainz - Alemanha (3)
- Archivo Digital para la Docencia y la Investigación - Repositorio Institucional de la Universidad del País Vasco (3)
- Aston University Research Archive (16)
- B-Digital - Universidade Fernando Pessoa - Portugal (1)
- Biblioteca de Teses e Dissertações da USP (4)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (32)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (20)
- Biblioteca Digital de Teses e Dissertações Eletrônicas da UERJ (4)
- Bioline International (4)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (53)
- Brock University, Canada (9)
- CaltechTHESIS (2)
- CentAUR: Central Archive University of Reading - UK (28)
- Chinese Academy of Sciences Institutional Repositories Grid Portal (10)
- Cochin University of Science & Technology (CUSAT), India (1)
- CORA - Cork Open Research Archive - University College Cork - Ireland (6)
- Deakin Research Online - Australia (37)
- DI-fusion - The institutional repository of Université Libre de Bruxelles (7)
- Digital Commons at Florida International University (6)
- DigitalCommons@The Texas Medical Center (13)
- Duke University (4)
- eResearch Archive - Queensland Department of Agriculture; Fisheries and Forestry (3)
- Glasgow Theses Service (5)
- Helda - Digital Repository of University of Helsinki (18)
- Indian Institute of Science - Bangalore - Índia (4)
- INSTITUTO DE PESQUISAS ENERGÉTICAS E NUCLEARES (IPEN) - Repositório Digital da Produção Técnico Científica - BibliotecaTerezine Arantes Ferra (13)
- Lume - Repositório Digital da Universidade Federal do Rio Grande do Sul (1)
- National Center for Biotechnology Information - NCBI (60)
- Plymouth Marine Science Electronic Archive (PlyMSEA) (10)
- Publishing Network for Geoscientific & Environmental Data (10)
- QSpace: Queen's University - Canada (1)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (68)
- Queensland University of Technology - ePrints Archive (264)
- Repositório Alice (Acesso Livre à Informação Científica da Embrapa / Repository Open Access to Scientific Information from Embrapa) (1)
- Repositório Científico da Universidade de Évora - Portugal (1)
- Repositório Digital da UNIVERSIDADE DA MADEIRA - Portugal (1)
- Repositório do Centro Hospitalar de Lisboa Central, EPE - Centro Hospitalar de Lisboa Central, EPE, Portugal (2)
- Repositório Institucional da Universidade de Aveiro - Portugal (2)
- Repositório Institucional da Universidade de Brasília (1)
- Repositório Institucional da Universidade Federal de São Paulo - UNIFESP (1)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (102)
- Research Open Access Repository of the University of East London. (1)
- RUN (Repositório da Universidade Nova de Lisboa) - FCT (Faculdade de Cienecias e Technologia), Universidade Nova de Lisboa (UNL), Portugal (2)
- SAPIENTIA - Universidade do Algarve - Portugal (1)
- Universidad del Rosario, Colombia (5)
- Universidad Politécnica de Madrid (1)
- Universidade de Lisboa - Repositório Aberto (2)
- Universidade Estadual Paulista "Júlio de Mesquita Filho" (UNESP) (2)
- Universidade Federal do Pará (3)
- Universidade Federal do Rio Grande do Norte (UFRN) (2)
- Universita di Parma (3)
- Universitat de Girona, Spain (2)
- Universitätsbibliothek Kassel, Universität Kassel, Germany (1)
- Université de Lausanne, Switzerland (19)
- Université de Montréal (2)
- Université de Montréal, Canada (7)
- Université Laval Mémoires et thèses électroniques (1)
- University of Michigan (2)
- University of Queensland eSpace - Australia (25)
- University of Washington (1)
Resumo:
Automatic blood glucose classification may help specialists to provide a better interpretation of blood glucose data, downloaded directly from patients glucose meter and will contribute in the development of decision support systems for gestational diabetes. This paper presents an automatic blood glucose classifier for gestational diabetes that compares 6 different feature selection methods for two machine learning algorithms: neural networks and decision trees. Three searching algorithms, Greedy, Best First and Genetic, were combined with two different evaluators, CSF and Wrapper, for the feature selection. The study has been made with 6080 blood glucose measurements from 25 patients. Decision trees with a feature set selected with the Wrapper evaluator and the Best first search algorithm obtained the best accuracy: 95.92%.