Νοήμονες μέθοδοι ανάλυσης ιατρικών δεδομένων εφαρμογές σε προβλήματα διάγνωσης νευρολογίας
Αντικείμενο μελέτης της συγκεκριμένης διπλωματικής εργασίας είναι το πρόβλημα διάγνωσης της πολυνευροπάθειας βάσει του οποίου αναλύονται συγκεκριμένα ιατρικά δεδομένα, με απώτερο σκοπό την εξόρυξη γνώσης εξ αυτών. Ο ακριβής καθορισμός μιας μορφής πολυνευροπάθειας, αποτελεί το πιο σημαντικό και δυσ...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/20744 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Αντικείμενο μελέτης της συγκεκριμένης διπλωματικής εργασίας είναι το πρόβλημα διάγνωσης της πολυνευροπάθειας βάσει του οποίου αναλύονται συγκεκριμένα ιατρικά δεδομένα, με απώτερο σκοπό την εξόρυξη γνώσης εξ αυτών.
Ο ακριβής καθορισμός μιας μορφής πολυνευροπάθειας, αποτελεί το πιο σημαντικό και δυσκολότερο μέρος της θεραπείας του πάσχοντα ασθενή. Οι κυριότεροι λόγοι περιπλοκότητας της διάγνωσης, οφείλονται στην ποικιλότητα των προσβεβλημένων περιφερικών νεύρων.
Παρόλα αυτά, μια ομάδα ερευνητών και ιατρών, από το τμήμα Νευρολογίας του Πανεπιστημίου της Βασιλείας και του αντίστοιχου τμήματος (Hans Berger) του Πανεπιστημίου της Ίενας στη Γερμανία κατάφερε να δημιουργήσει ένα μοντέλο κατηγοριοποίησης 4 τύπων πολυνευροπάθειας με ποσοστό ακρίβειας (79,78%). Το συγκεκριμένο μοντέλο βασίστηκε σε ένα πρότυπο υπερηχοτομογραφίας (UPSS), που προέκυψε από τις συγκρίσεις 28 ιατρικών ελέγχων σε ένα δείγμα 61 ασθενών με οξεία ή υποξεία νευροπάθεια.
Όπως προαναφέρθηκε, σκοπός της συγκεκριμένης εργασίας είναι η ανάπτυξη ενός απλού και κατανοητού μοντέλου κατηγοριοποίησης συγκεκριμένων περιπτώσεων πολυνευροπάθειας βάσει μια συγκεκριμένης Βάσης Δεδομένων και χρησιμοποιώντας τεχνικές υπολογιστικής νοημοσύνης. Η χρησιμοποιούμενη Βάση Δεδομένων αποτελείται από 32 ιατρικές παρατηρήσεις (32 μεταβλητές) 350 πιθανών ασθενών, ενώ, για την ανάπτυξη των αντίστοιχων μοντέλων ταξινόμησης, χρησιμοποιήθηκαν τα δένδρα κατηγοριοποίησης.
Ολοκληρώνοντας τη συγκεκριμένη εργασία συμπεραίνουμε πως τα μοντέλα J48(136,5) και J48(183,6), που προέκυψαν από την πειραματική διαδικασία, είναι ικανά και αξιόπιστα να συμβάλλουν στη διαδικασία της διάγνωσης του προβλήματος της πολυνευροπάθειας στην καθημερινή ρουτίνα. Πιο συγκεκριμένα, τα μοντέλα J48(136,5) και J48(183,6) ταξινομούν με ικανοποιητικά υψηλό ποσοστό ακρίβειας (83,82%/80,32%) τους τύπους διάγνωσης: υγιής, β)CIPD/CIAP, γ)GBS, δ) Axonal other) και ε)Vasculitis. Τέλος, παρουσιάζουμε εναλλακτικές προτάσεις ανακατασκευής της πρωταρχικής βάσης PNP(350,32) για την επίλυση των προβλημάτων αμεροληψίας και την εκ νέου διεξαγωγή πειραμάτων. |
|---|