dc.contributor.author | Røislien, Jo | |
dc.contributor.author | Langaas, Mette | |
dc.date.accessioned | 2023-03-31T13:05:23Z | |
dc.date.available | 2023-03-31T13:05:23Z | |
dc.date.created | 2023-01-06T13:23:11Z | |
dc.date.issued | 2022 | |
dc.identifier.citation | Røislien, J., & Langaas, M. (2022). Klynger. Tidsskrift for Den norske legeforening, 142 (18). | en_US |
dc.identifier.issn | 0029-2001 | |
dc.identifier.uri | https://hdl.handle.net/11250/3061516 | |
dc.description.abstract | Ikke alle datasett har forklaringsvariabler og utfall. Allikevel kan det finnes sammenhenger i dataene som er nyttige å avdekke.
På 2010-tallet arbeidet Intervensjonssenteret på Rikshospitalet med å utvikle en dataalgoritme som automatisk kunne finne tumorer i et radiologisk bilde. Resultatet av dataalgoritmen var en todimensjonal geometrisk form: omrisset av en tumor. Om algoritmen fungerte eller ikke, ble fastslått ved å sammenligne omrisset fra den automatiske metoden med omriss laget manuelt av fire erfarne radiologer. En geometrisk form er matematikk, men den er ikke et tall, og å sammenligne omriss av tumorer krevde en annen kvantitativ tilnærming enn tradisjonelle statistiske metoder. | en_US |
dc.language.iso | nob | en_US |
dc.rights | Navngivelse 4.0 Internasjonal | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/deed.no | * |
dc.title | Klynger | en_US |
dc.type | Journal article | en_US |
dc.description.version | publishedVersion | en_US |
dc.rights.holder | The authors | en_US |
dc.subject.nsi | VDP::Matematikk og Naturvitenskap: 400 | en_US |
dc.source.volume | 142 | en_US |
dc.source.journal | Tidsskrift for Den norske legeforening | en_US |
dc.source.issue | 18 | en_US |
dc.identifier.doi | 10.4045/tidsskr.22.0703 | |
dc.identifier.cristin | 2102089 | |
cristin.ispublished | true | |
cristin.fulltext | original | |
cristin.qualitycode | 1 | |