Les diatomées : histoire naturelle, préparation, classification & description des principales espèces. avec une Introduction à l'étude des diatomées. et un Exposé de la classification des diatomées. 2, 2 / par Le Dr J. Pelletan ; par M. J. Deby ; par M. Paul Petit

Comprend : Introduction à l'étude des diatomées ; Exposé de la classification des diatomées

Les diatomées : histoire naturelle, préparation, classification & description des principales espèces. avec une Introduction à l'étude des diatomées. et un Exposé de la classification des diatomées. 1 / par Le Dr J. Pelletan ; par M. J. Deby ; par M. Paul Petit

Comprend : Introduction à l'étude des diatomées ; Exposé de la classification des diatomées

Les diatomées : histoire naturelle, préparation, classification & description des principales espèces. avec une Introduction à l'étude des diatomées. et un Exposé de la classification des diatomées. 2, 1 / par Le Dr J. Pelletan ; par M. J. Deby ; par M. Paul Petit

Comprend : Introduction à l'étude des diatomées ; Exposé de la classification des diatomées

AWSum-Combining Classification with Knowledge Aquisition

Many classifiers achieve high levels of accuracy but have limited applicability in real world situations because they do not lead to a greater understanding or insight into the^way features influence the classification. In areas such as health informatics a classifier that clearly identifies the influences on classification can be used to direct research and formulate interventions. This research investigates the practical applications of Automated Weighted Sum, (AWSum), a classifier that provides accuracy comparable to other techniques whilst providing insight into the data. This is achieved by calculating a weight for each feature value that represents its influence on the class value. The merits of this approach in classification and insight are evaluated on a Cystic Fibrosis and Diabetes datasets with positive results.

Active learning methods for remote sensing image classification

In this paper, we propose two active learning algorithms for semiautomatic definition of training samples in remote sensing image classification. Based on predefined heuristics, the classifier ranks the unlabeled pixels and automatically chooses those that are considered the most valuable for its improvement. Once the pixels have been selected, the analyst labels them manually and the process is iterated. Starting with a small and nonoptimal training set, the model itself builds the optimal set of samples which minimizes the classification error. We have applied the proposed algorithms to a variety of remote sensing data, including very high resolution and hyperspectral images, using support vector machines. Experimental results confirm the consistency of the methods. The required number of training samples can be reduced to 10% using the methods proposed, reaching the same level of accuracy as larger data sets. A comparison with a state-of-the-art active learning method, margin sampling, is provided, highlighting advantages of the methods proposed. The effect of spatial resolution and separability of the classes on the quality of the selection of pixels is also discussed.

Minimal data requirements for a continuous monitoring of the quality of care using the DRG classification.

The DRG classification provides a useful tool for the evaluation of hospital care. Indicators such as readmissions and mortality rates adjusted for the hospital Casemix could be adopted in Switzerland at the price of minor additions to the hospital discharge record. The additional information required to build patients histories and to identify the deaths occurring after hospital discharge is detailed.

Pollution bactérienne autour des installations d'élevages intensifs d'animaux de rente

Les élevages intensifs d'animaux de rente, en particulier ceux de bovins et de porcins sont nombreux en France et sont concentrés dans certaines régions (Bretagne, Normandie, Massif central, Alpes, Pyrénées). Au total, on dénombre environ 20 millions de bovins répartis dans 280 000 exploitations et 25 millions de porcs répartis dans 30 000 exploitations. Ceci représente en moyenne 70 vaches/exploitation et 830 porcs/exploitation. De telles densités d'animaux réunis sur des surfaces de taille minimale, génèrent d'énormes quantités de déchets organiques, notamment de matières fécales qui contiennent une grande diversité de bactéries, pouvant parfois être pathogènes pour l'humain. Une partie de ces bactéries sont des bactéries gram négatif (entérobactéries) dont les parois contiennent des endotoxines (1). Ces endotoxines sont connues pour causer des problèmes respiratoires ou des problèmes toxiques (ODTS) (2), lorsqu'elles sont inhalées (Cole, Todd, Wing ; 2000). Jusqu'à présent, plusieurs études se sont attachées à évaluer l'exposition à ces bioaérosols (3) à l'intérieur des élevages d'animaux (vaches, chevaux, porcs, poules) et ont démontré la présence d'importantes concentrations de bactéries et d'endotoxines aéroportées. Cependant, très peu d'études ont estimé la dispersion de ces bioaérosols à l'extérieur des installations d'élevages. En 2008, une étude américaine avait caractérisé les bactéries aéroportées retrouvées dans,et autour, d'une douzaine d'exploitations porcines. Cette étude avait été discutée dans le cadre d'une note d'actualité scientifique précédente (BVS 9). Aujourd'hui, ces mêmes auteurs nous livrent des résultats concernant l'exposition aux endotoxines dans et autour de ces mêmes élevages de porcs (Ko et al., 2010). Une autre équipe de recherche chinoise a estimé la dispersion d'Escherichia coli dans l'environnement immédiat d'exploitations porcines (Yuan, Chai, Miao ; 2010). Cette bactérie, appelée aussi coliforme, fait partie de la flore intestinale normale de tous les animaux à sang chaud (mammifères et oiseaux). Sa mise en évidence dans certains milieux,notamment l'eau, est utilisée comme indicateur de contamination fécale. Finalement, une autre étude vient de paraître concernant les concentrations en endotoxines au cours de l'année, à proximité de stabulations ouvertes de vaches laitières (Dungan, Leytem, Bjorneberg ; 2010). Ce sont ces trois articles qui sont analysés ci-dessous. [Auteure]

Intrinsically photosensitive retinal ganglion cells: classification, function and clinical implications.

PURPOSE OF REVIEW: The discovery of a new class of intrinsically photosensitive retinal ganglion cells (ipRGCs) revealed their superior role for various nonvisual biological functions, including the pupil light reflex, and circadian photoentrainment. RECENT FINDINGS: Recent works have identified and characterized several anatomically and functionally distinct ipRGC subtypes and have added strong new evidence for the accessory role of ipRGCs in the visual system in humans. SUMMARY: This review summarizes current concepts related to ipRGC morphology, central connections and behavioural functions and highlights recent studies having clinical relevance to ipRGCs. Clinical implications of the melanopsin system are widespread, particularly as related to chronobiology.

Department of Commerce, Iowa Medical Classification Center FY2007

These Facts sheets have been developed to provide a multitude of information about executive branch agencies/departments on a single sheet of paper. The Facts provides general information, contact information, workforce data, leave & benefits information, and affirmative action data. This is the most recent update of information for the fiscal year 2007.

Department of Commerce, Iowa Medical Classification Center FY2008

These Facts sheets have been developed to provide a multitude of information about executive branch agencies/departments on a single sheet of paper. The Facts provides general information, contact information, workforce data, leave & benefits information, and affirmative action data. This is the most recent update of information for the fiscal year 2007.