MTA-SZTE Research Group on Artificial Intelligence
SZTE Publicatio Repozitórium - SZTE - Repository of PublicationsNot a member yet
32192 research outputs found
Sort by
From impact to restoration: Biodegradable polylactic acid microplastics in microalgal-bacterial granular sludge systems
Full text linkA home office hatása az észlelt stresszre, a szorongás és depresszió szintjére, valamint a szubjektív alvásminőségre a Covid–19-járvány ideje alatt [The effect of home office on perceived stress, anxiety and depsession levels, and subjective sleep quality during the Covid-19 pandemic]
Full text linkA Power Query alkalmazása mezőgazdasági adatok kezelésére
No full textAbsztrakt: Tanulmányunkban bemutatjuk, hogy hogyan segíti a Power Query a mezőgazdasági adatok előkészítését: ismerteti az eszköz ETL-funkcióit (adatok kinyerése, átalakítása, betöltése), kiemeli a heterogén források (parcellák, hozamok, szenzorok, műholdak, meteorológia) összehangolásának, a térbeli és időbeli konzisztencia biztosításának, valamint a hiányok és anomáliák kezelésének jelentőségét, bemutatja a reprodukálhatóságot támogató lépésalapú transzformációkat és M-kód exportálást, gyakorlati példán keresztül szemlélteti a CSV-források feldolgozásának fő lépéseit.
Abstract: In our study, we present how Power Query helps the preparation of agricultural data: it describes the tool's ETL functions (data extraction, transformation, loading), highlights the importance of harmonising heterogeneous sources (parcels, yields, sensors, satellites, meteorology), ensuring spatial and temporal consistency, and managing gaps and anomalies, introducing step-based transformations and M-code export that support reproducibility, with a practical example demonstrating the main steps for processing CSV sources
A mesterséges intelligencia szerepe a korai fázisú onkológiai klinikai vizsgálatok tervezésében és megvalósíthatóságában [The role of artificial intelligence in the design and feasibility of early-phase oncology clinical trials]
Full text linkAz onkológiai klinikai vizsgálatok kiemelt szerepet töltenek be az új terápiás lehetőségek fejlesztésében, ezek megvalósítása azonban rendkívül költség- és időigényes folyamat. A mesterséges intelligencia új távlatokat nyithat a klinikai vizsgálatok tervezésében és végrehajtásában, különösen a korai fázisokban, amelyeknél a biztonságosság, a dózistervezés és a betegbevonás hatékonysága kulcsfontosságú. A közlemény célja a mesterséges intelligencia alkalmazási lehetőségeinek feltárása a korai fázisú onkológiai vizsgálatok különböző szakaszaiban, beleértve a biostatisztikai tervezést, a betegek toborzását, valamint a minőségbiztosítás szempontjait is. Esettanulmányok és irodalmi példák alapján megállapítható, hogy a mesterséges intelligencia képes segíteni a protokollok pontosabb tervezését, lerövidítheti a toborzási időt, valamint javíthatja a prediktív hatékonyságot a dózistervezés és a betegkiválasztás terén, ezáltal csökkentve a nemkívánatos események számát. Ugyanakkor a szabályozási, etikai és adatvédelmi kihívások továbbra is jelentős akadályt képeznek a mesterséges intelligencia széles körű elterjedése előtt. A mesterséges intelligencia integrálása a klinikai vizsgálatokba nem csupán technológiai, hanem stratégiai szintű modernizációt is igényel mind az ipari szereplők, mind a hatóságok részéről. A mesterséges intelligencia megbízható, validált alkalmazása jelentős előrelépést jelenthet a klinikai vizsgálatok terén, különösen a korai klinikai fázisok sikerességének növelésében. Orv Hetil. 2025; 166(47): 1857–1868. | Oncology clinical trials play a pivotal role in the development of new therapeutic options; however, their implemen-
tation remains an extremely costly and time-consuming process. Artificial intelligence can open new horizons in the
design and conduct of clinical trials, particularly in early phases, where safety, dose planning, and patient recruitment
efficiency are critical. This paper aims to explore the potential applications of artificial intelligence in various stages of
early-phase oncology trials, including biostatistical design, patient enrollment, and quality assurance aspects. Based
on case studies and examples from the literature, it can be concluded that artificial intelligence can assist with precise
protocol design, shorten recruitment timelines, and improve predictive performance in dose planning and patient
selection, thereby reducing the number of adverse events. At the same time, regulatory, ethical, and data protection
challenges remain significant barriers to the widespread adoption of artificial intelligence. Integrating artificial intel-
ligence into clinical trials requires not only technological but also strategic-level modernization, from the industrial
companies and authorities as well. The reliable and validated application of artificial intelligence could represent a
major advancement in clinical research, particularly in increasing the success rate of early-phase trials
Jogforrások - elméleti zavarok és nyitva maradó kérdések
No full textA jogforrások felvázolása minden jogterületen a jogi gondolkodás és a jogi beszéd kereteit adja. Jogforrásokról lehet elvontan beszélni, lehet őket típusok szintjén elemezni, vagy konkrét szabályozások szempontjából is. A mai magyar jogi beszédben azonban a jogforrásokra vonatkozó általánosabb elképzelések, elméletek (jogforrástanok) több tekintetben fogalmi zavarokkal terheltek, hiányosak, és így a jogalkotás vagy jogképződés valóságát sok tekintetben nem képesek leírni, megragadni. A tanulmány néhány fontosabb problémára kíván rámutatni
A dynamic isotope effect in the nucleophilic substitution reaction between F- and CD3I
Full text linkThe influence of quantum mechanics on the dynamics of chemical reactions is unknown for many processes in chemistry. Chemical reaction dynamics are often well described by quasiclassical motion of the atoms on quantum mechanical Born-Oppenheimer potential energy surfaces. Here we present a dynamic isotope effect in a nucleophilic substitution reaction experiment that can only be explained by quasiclassical trajectory simulations for reactants containing deuterium atoms, but not when hydrogen atoms are involved. The calculated energy- and angle-differential cross sections are compared to experimental crossed-beam velocity map imaging data, which show significantly more forward scattering for hydrogenated compared to deuterated reactants. Quantum scattering calculations in reduced dimensions explain this by an increased reaction probability for large total angular momentum, a feature that is not captured in the quasiclassical approach. © 2025. The Author(s)