Full metadata record
| DC pole | Hodnota | Jazyk |
|---|---|---|
| dc.contributor.author | Včelák, Petr | - |
| dc.contributor.author | Kryl, Martin | - |
| dc.contributor.author | Klečková, Jana | - |
| dc.date.accessioned | 2019-11-18T11:00:25Z | - |
| dc.date.available | 2019-11-18T11:00:25Z | - |
| dc.date.issued | 2018 | - |
| dc.identifier.citation | VČELÁK, P., KRYL, M., KLEČKOVÁ, J. SPARQL Query-Builder for Medical Temporal Data. In: 2018 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics. Beijing: IEEE, 2018. s. 1-5. ISBN 978-1-5386-7604-2. | en |
| dc.identifier.isbn | 978-1-5386-7604-2 | - |
| dc.identifier.uri | 2-s2.0-85062848904 | - |
| dc.identifier.uri | http://hdl.handle.net/11025/35937 | - |
| dc.description.abstract | Technologie sémantického webu a metodika propojených dat jsou široce používané v různých oblastech. Léčba pacienta je proces, kde se temporální data běžně vyskytují. Lékařské zprávy, vyšetření zobrazovacích metod nebo laboratorní výsledky během léčby vznikají a všechny obsahují informaci o datu a času události. Příprava dat pro analýzů je často náročná. Používáme temporální medicínská data uložená v RDF a přístupná prostřednictvím SPARQL Endpointu. Pro analýzu lékaři je nutné transformovat data z RDF to tabulkového procesoru. Naším cílem je vytvořit generátor ve SPARQL, který bude generovat dotazy typu SELECT. Každý dotaz umožní získat potřebnou množinu dat pro následující analýzu ze SPARQL Endpointu s dostupnými daty. Generátor by se měl sám konfigurovat v případě předem známých ontologií, konceptů, časových značek/timepointů, atributů, příslušnosti ke konceptu, omezení oboru hodnot, anotací a RDF slovníků. Příspěvek popisuje prototyp webově orientované aplikace SPARQL generátoru. Hlavní výhodou je jednoduché uživatelské rozhraní, kde může vytvářet komplexní dotazy s množstvím atributů a timepointů i uživatel zcela bez znalosti SPARQL. Přímé použití a vyhodnocení na SPARQL Endpointu je možné. Výsledná tabulková data lze použít pro následnou analýzu běžnými nástroji. | cs |
| dc.format | 5 s. | cs |
| dc.format.mimetype | application/pdf | - |
| dc.language.iso | en | en |
| dc.publisher | IEEE | en |
| dc.relation.ispartofseries | 2018 11th International Congress on Image and Signal Processing, BioMedical Engineering and Informatics | en |
| dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
| dc.rights | © IEEE | en |
| dc.subject | temporální data | cs |
| dc.subject | medicínská data | cs |
| dc.subject | ontologie | cs |
| dc.subject | OWL | cs |
| dc.subject | SPARQL | cs |
| dc.title | SPARQL Query-Builder for Medical Temporal Data | en |
| dc.title.alternative | Generátor dotazů ve SPARQL pro medicínská temporální data | cs |
| dc.type | konferenční příspěvek | cs |
| dc.type | conferenceObject | en |
| dc.rights.access | restrictedAccess | en |
| dc.type.version | publishedVersion | en |
| dc.description.abstract-translated | Semantic Web technologies and Linked Data approach are widely used in different areas. Patient therapy and treatment are the processes where temporal data naturally occurs. During the treatment there can exist data like clinical reports, imaging examinations or laboratory results and all of them contain information about date and time of the event. Preparing data for analysis is often a hard task. We work with temporal medical data stored in the RDF store with SPARQL Endpoint support. To meet physicians requirements, it is necessary to transform the temporal data from RDF into a spreadsheet for their analysis. Our goal is to make SPARQL builder that can produce SELECT queries. Each query allows required subset of temporal medical data selection using SPARQL Endpoint for follow-up analysis. The builder should auto-configure itself when ontologies, concepts, timepoints, attributes, domain/range constraints, annotations and RDF vocabularies are known. This paper describes a prototype web-oriented application of SPARQL query builder. The main advantage is a simple user interface where even a user without knowledge of SPARQL can make a complex queries that support a multiple attributes selection with different timepoints. A direct use of SPARQL Endpoint is possible. The result tabular data could be then used for analysis by common tools | en |
| dc.subject.translated | temporal data | en |
| dc.subject.translated | medical data | en |
| dc.subject.translated | ontolog | en |
| dc.subject.translated | OWL | en |
| dc.subject.translated | SPARQL | en |
| dc.identifier.doi | 10.1109/CISP-BMEI.2018.8633266 | - |
| dc.type.status | Peer-reviewed | en |
| dc.identifier.document-number | 462163500242 | - |
| dc.identifier.obd | 43924612 | - |
| dc.project.ID | LO1506/PUNTIS - Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost | cs |
| Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KIV) OBD | |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| Včelák P207.pdf | 966,75 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/35937Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.