NFP313011BWH2

Informácie o Operačnom programe Integrovaná infraštruktúra 2014 – 2020 nájdete na www.opii.gov.sk.

ITMS-2014+: NFP313010BWH2

Operačný program: 311000 – Operačný program Integrovaná infraštruktúra

Prioritná os: 313010 – Podpora výskumu, vývoja a inovácií

Cieľ: 31301031 – Zvýšenie výskumnej aktivity prostredníctvom zlepšenia koordinácie a konsolidácie VaV potenciálu výskumných inštitúcií

Prijímateľ:Trnavská univerzita v Trnave
Sídlo prijímateľa:Hornopotočná 23, 918 43 Trnava
Partneri:Matematický ústav SAV, v. v. i.
MERCHANT, s.r.o.
Miesto realizácie projektu:Matematický ústav SAV
(pobočky Bratislava, Košice, Banská Bystrica)
Trnava (TRUNI Trnava)
Šaľa (MERCHANT, s.r.o)
Názov projektu:InoCHF – Výskum a vývoj v oblasti inovatívnych technológií v manažmente pacientov s CHF
Kód výzvy:OPII-VA/DP/2021/9.3-01
Celkové oprávnené
výdavky projektu:		1 695 449,- €
Požadovaná výška NFP:1 490 642,29 €
(508 570,72 € – pre MÚ SAV, v. v. i.)
Kód žiadosti o NFP:NFP313010BWH2
Stručný popis projektu:Hlavným cieľom projektu je výskum v oblasti telemedicínskych systémov, technológií a služieb pre pacientov s chronickým zlyhaním srdca (CHF). Účelom taktozvoleného cieľa je zvýšenie kvality života pacientov prostredníctvom predikcie nepriaznivej zmeny zdravotného stavu pacienta, zlepšenia dostupnosti a kvality poskytovanej zdravotnej starostlivosti zameranej na zníženie mortality pacientov, počtu opakovaných rehospitalizácii a dĺžky pobytu v nemocnici. Matematický ústav, v. v. i. sa podieľa na úlohe prostredníctvom aktivity: Míľnik 4: Vytvorenie predikčného modelu zhoršovania stavu pacientov pomocou telemedicínsky sledovaných parametrov a heterogénnych zdravotných údajov Popis míľnika: Vytvorenie predikčného modelu vývoja stavu pacientov je založené na inteligentnej analýze heterogénnych zdravotníckych a biomedicínskych informácií o zdravotnom stave pacienta. Predpokladá vytvorenie metodológie objektívneho kontinuálneho posudzovania zdravotného stavu pacienta v domácom prostredí s využitím telemedicínskych technológií. Aktivita: 2H4 Výskum a vývoj predikčných modelov zmeny zdravotného stavu pacientov s CHF (nezávislý výskum a vývoj) (MÚ SAV, v. v. i.) Aktivita: 2H5 Výskum a vývoj predikčných modelov zmeny zdravotného stavu pacientov s CHF – BA (nezávislý výskum a vývoj) (MÚ SAV, v. v. i.) Termín dosiahnutia míľnika: 03/2022 – 11/2023

Zoznam publikácií

  • K. Čunderlíková: About the Lp space of intuitionistic fuzzy observables, Notes on Intuitionistic Fuzzy Sets, Volume 29, Number 2, 2023, pp 90-98, DOI: 10.7546/nifs.2023.29.2.90-98.
    link: https://www.researchgate.net/publication/372117505_About_the_Lp_space_of_intuitionistic_fuzzy_observables
  • O. Krídlo, D. López-Rodríguez, L. Antoni, P. Eliaš, S. Krajči, M. Ojeda-Aciego: Connecting concept lattices with bonds induced by external information, Information Sciences 648 (2023), 12pp, DOI: 10.1016/j.ins.2023.119498.
  • M. Hospodár, V. Olejár: The cut operation in subclasses of convex languages, Theoretical Computer Science 969 (2023), 20pp, DOI: 10.1016/j.tcs.2023.114050.
  • M. Hospodár, J. Jirásek, G. Jirásková, J. Šebej: Operational Complexity: NFA-to-DFA Trade-Off, DCFS 2023, pp. 79–93, DOI: 10.1007/978-3-031-34326-1_6.
  • Z. Jiao, I. Jadlovská, T. Li: Combined effects of nonlinear diffusion and gradient-dependent flux limitation on a chemotaxis–haptotaxis model, Zeitschrift für angewandte Mathematik und Physik, Volume 75, article number 4, (2024), 19pp, DOI: 10.1007/s00033-023-02134-2.
  • Z. Jiao, I. Jadlovská, T. Li: Finite-time blow-up and boundedness in a quasilinear attraction–repulsion chemotaxis system with nonlinear signal productions, Nonlinear Analysis: Real World Applications, Volume 77 (2024), 15pp, DOI: 10.1016/j.nonrwa.2023.104023.
  • F.I. Agu, J. Mačutek, G. Szucs: A Simple Estimation of Parameters for Discrete Distributions from the Schröter Family, Statistika Statistics and Economy Journal, 103(2), 2023, pp 246-251.
    link: https://www.researchgate.net/publication/371634756
  • O. Šuch, R. Fabricius: Bridging performance gap between minimal and maximal SVM models, Transactions on Machine Learning Research (March/2023), 15pp.
    link: https://openreview.net/forum?id=SM1BkjGePI
  • R. Fabricius, O. Šuch, P. Tarábek: Deep Neural Network Ensembles Using Class-vs-Class Weighting, IEEE Access, Volume 11, 13pp.
    link: https://ieeexplore.ieee.org/document/10190625
  • J. Palenčár, R. Palenčár, M. Chytil, G. Wimmer Jr, G. Wimmer, V. Witkovský: ISO Linear Calibration and Measurement Uncertainty of the Result Obtained With the Calibrated Instrument, MEASUREMENT SCIENCE REVIEW 22, (2022), No. 6, pp 293–307, DOI: 10.2478/msr-2022-0037.
  • R. Halaš, R. Mesiar, J. Pócs: On the number of aggregation functions on finite chains asageneralization of Dedekind numbers, Fuzzy Sets and Systems 466 (2023), 108441. DOI: 10.1016/j.fss.2022.11.012
  • I. Odrobina: Clinical predictive modeling of heart failure: domain description, models‘ characteristics and literature review, Review, submitted to MDPI Diagnostics.
    link: [pdf]