< Terug naar vorige pagina
Onderzoeker
Celine Vens
- Trefwoorden:Sociale gezondheidswetenschappen
- Disciplines:Laboratoriumgeneeskunde, Palliatieve zorg en zorg rond het levenseinde, Regeneratieve geneeskunde, Andere basiswetenschappen, Andere gezondheidswetenschappen, Verpleegkunde, Andere paramedische wetenschappen, Andere translationele wetenschappen, Andere medische en gezondheidswetenschappen
Affiliaties
- Maatschappelijke Gezondheidszorg en Eerstelijnszorg, Campus Kulak Kortrijk (Departement)
Lid
Vanaf1 okt 2014 → Heden
Projecten
1 - 10 of 14 results
- PhD-onderzoeker in verklaarbare machine learning en survival-analyseVanaf1 okt 2020 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- Leren uit tijd-tot-gebeurtenis interacties: slimme alarmen in een ziekenhuis settingVanaf1 jan 2020 → HedenFinanciering: FWO Onderzoeksproject
- Verklaarbare AI en automatisch leren toegepast op overlevingsanalyseVanaf1 dec 2019 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- Machine learning van computationele constructiegrammatica'sVanaf1 okt 2019 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- Machinaal leerplatform voor een verbeterde beoordeling en risicostratificatie van de cardiovasculaire gezondheidVanaf9 sep 2019 → HedenFinanciering: FWO Strategische Onderzoeksbeurs
- Machine learning toegepast op Intensieve GeneeskundeVanaf16 okt 2018 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- Ontwikkelen van predictieve modellen voor kritisch zieke patiënten met acute nierschadeVanaf1 okt 2018 → HedenFinanciering: BOF - Geconcert. Onderzoeksacties vanaf 1994
- Vergelijking tussen machine learning en statistiek voor medische toepassingenVanaf1 okt 2018 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- Aanbevelingssystemen voor gepersonaliseerde toepassingenVanaf25 sep 2018 → HedenFinanciering: Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
- MED-ENS: Opwaarderen van machine learning ensembles om medische uitdagingen aan te pakkenVanaf1 jan 2018 → HedenFinanciering: FWO Onderzoeksproject
Publicaties
1 - 10 of 51 results
- Multi-Stakeholder News Recommendation using Hypergraph Learning(2021)
Auteurs: Alireza Gharahighehi, Celine Vens, Konstantinos Pliakos
Pagina's: 531 - 535Aantal pagina's: 5 - Extended Bayesian Personalized Ranking based on Consumption Behavior(2021)
Auteurs: Alireza Gharahighehi, Celine Vens
Pagina's: 152 - 164 - Combining instance and feature neighbours for extreme multi-label classification(2020)
Auteurs: Len Feremans, Boris Cule, Celine Vens, Bart Goethals
Pagina's: 215 - 231Aantal pagina's: 17 - Drug-target interaction prediction with tree-ensemble learning and output space reconstruction(2020)
Auteurs: Konstantinos Pliakos, Celine Vens
Aantal pagina's: 11 - Network inference with ensembles of bi-clustering trees(2019)
Auteurs: Konstantinos Pliakos, Celine Vens
Aantal pagina's: 12 - Mining biomedical networks exploiting structure and background information(2019)
Auteurs: Konstantinos Pliakos, Celine Vens
- Machine learning for discovering missing or wrong protein function annotations: A comparison using updated benchmark datasets(2019)
Auteurs: Felipe Kenji Nakano, Mathias Lietaert, Celine Vens
Aantal pagina's: 32 - Integrating machine learning into item response theory for addressing the cold start problem in adaptive learning systems(2019)
Auteurs: Konstantinos Pliakos, Seang-Hwane Joo, Jung Yeon Park, Frederik Cornillie, Celine Vens, Wim Van Den Noortgate
Pagina's: 91 - 103 - Stratification of amyotrophic lateral sclerosis patients: a crowdsourcing approach(2019)
Auteurs: Robert Kueffner, Neta Zach, Maya Bronfeld, Raquel Norel, Nazem Atassi, Venkat Balagurusamy, Barbara Di Camillo, Adriano Chio, Merit Cudkowicz, Donna Dillenberger, et al.
Aantal pagina's: 14 - Mining Features for Biomedical Data using Clustering Tree Ensembles(2018)
Auteurs: Konstantinos Pliakos, Celine Vens
Pagina's: 40 - 48