Bejelentkezés
 Fórum
 
 
Hallgatói adatlap
 Nyomtatási kép
Személyes adatok
név Szekér Szabolcs
intézmény neve Pannon Egyetem
doktori iskola PE Informatikai Tudományok Doktori Iskola
Témavezetés
témavezető Fogarassyné Vathy Ágnes
vezetés módja egyéni
fokozat PhD
a képzés kezdete 2018/01
abszolutóriumot szerzett (év, hónap) 2022/01
a doktori cselekmény befejezésének határideje (év, hónap) 2024/01
Közlemények
2023

Szekér Szabolcs, Fogarassy György, Vathy-Fogarassy Ágnes: A general text mining method to extract echocardiography measurement results from echocardiography documents, ARTIFICIAL INTELLIGENCE IN MEDICINE 143: 102584
dokumentum típusa: Folyóiratcikk/Szakcikk
nyelv: angol
URL 
2021

Szekér Szabolcs, Vathy-Fogarassy Ágnes: Optimized Weighted Nearest Neighbours Matching Algorithm for Control Group Selection, ALGORITHMS 14: (12) p. 356.
dokumentum típusa: Folyóiratcikk/Szakcikk
független idéző közlemények száma: 1
nyelv: angol
URL 
2020

Szekér Szabolcs, Vathy-Fogarassy Ágnes: Weighted nearest neighbours-based control group selection method for observational studies, PLOS ONE 15: (7) e0236531
dokumentum típusa: Folyóiratcikk/Szakcikk
független idéző közlemények száma: 6
nyelv: angol
URL 
2020

Vathy-Fogarassy Ágnes, Szekér Szabolcs, Szolár Balázs, Fogarassy György: The Efficiency of Different Distance Metrics for Keyword-Based Search in Medical Documents, STUDIES IN HEALTH TECHNOLOGY AND INFORMATICS 271: pp. 232-239.
dokumentum típusa: Folyóiratcikk/Szakcikk
független idéző közlemények száma: 1
nyelv: angol
URL 
2019

Szekér Szabolcs, Vathy-Fogarassy Agnes: How Can the Similarity of the Case and Control Groups be Measured in Case-Control Studies?, In: Levente, Kovács; Carlos, M. Travieso-González (szerk.) Proceedings of IEEE International Work Conference on Bioinspired Intelligence IWOBI 2019, IEEE (2019) pp. 33-40.
dokumentum típusa: Könyvrészlet/Konferenciaközlemény
nyelv: angol
URL 
2019

Szekér S, Fogarassy G, Machalik K, Vathy-Fogarassy Á: Application of Named Entity Recognition Methods to Extract Information from Echocardiography Reports., STUDIES IN HEALTH TECHNOLOGY AND INFORMATICS 260: pp. 41-48.
dokumentum típusa: Folyóiratcikk/Szakcikk
nyelv: angol
URL 
2019

Szabolcs Szekér, Ágnes Vathy-Fogarassy: Application of Text Mining Methods on Unstructured Hungarian Echocardiogram Documents, In: Vassányi, István (szerk.) Proceedings of the Pannonian Conference on Advances in Information Technology (PCIT'2019), University of Pannonia, Faculty of Information Technology (2019) pp. 187-193.
dokumentum típusa: Könyvrészlet/Konferenciaközlemény
nyelv: angol
2019

Szekér Szabolcs, Dr. Fogarassyné dr. Vathy Ágnes: Application of Text Mining Methods on Unstructured Hungarian Echocardiogram Documents,
dokumentum típusa:
nyelv: angol
2018

Szabolcs Szekér, Ágnes Vathy-Fogarassy: Measuring the similarity of two cohorts in the n-dimensional space, In: The 11th Conference of PhD Students in Computer Science, (2018) pp. 151-154.
dokumentum típusa: Konferenciacikk/Előadás vagy poszter cikke
nyelv: angol
2017

Szekér Szabolcs, Ágnes Vathy-Fogarassy: Novel k Nearest Neighbour-based Control Group Selection Methods, In: Fülöp, Attila; Iványi, Péter (szerk.) 13th Miklós Iványi International PhD & DLA Symposium - Abstract Book : Architectural, Engineering and Information Sciences, Pollack Press (2017) p. 124.
dokumentum típusa:
nyelv: angol
a legjelentősebbnek tartott közleményekre kapott független hivatkozások száma:
Tudománymetriai adatok
Tudományos közlemény- és idézőlista mycite adattárban
a 10 válogatott közlemény közé kiválasztható közleményeinek száma:
 
összes tudományos és felsőoktatási közleményének száma:
 
kiválasztható monográfiák és szakkönyvek:
 
monográfiák és szakkönyvek száma melyben fejezetet/részt írt:
 
összes tudományos közleményének és alkotásainak független idézettségi száma:
 


2024. IV. 17.
ODT ülés
Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).

 
Minden jog fenntartva © 2007, Országos Doktori Tanács - a doktori adatbázis nyilvántartási száma az adatvédelmi biztosnál: 02003/0001. Program verzió: 2.2358 ( 2017. X. 31. )