| Περίληψη: | Η παρούσα διπλωματική εργασία μελετά την αξία των αισθητήρων στην κατηγοριοποίηση του frailty status με τη χρήση σύγχρονων αλγορίθμων μηχανικής μάθησης στα πλαίσια του Ευρωπαικού προγράμματος FrailSafe Project.
Αρχικά γίνεται μια σύντομη παρουσίαση του συνδρόμου της ευθραυστότητας και του γήρατος και επισημαίνονται οι διαφορές τους από Ιατρική σκοπιά. Αναπτύσσεται η Επιδημιολογία, η Κλινική Εικόνα καθώς και η πρόληψη που προτείνει η επιστήμη της Ιατρικής για το σύνδρομο της ευθραυστότητας. Σκοπός αυτής της αναφοράς είναι να αποκτήσουμε μια καλύτερη αίσθηση του τι σημαίνει ευθραυστότητα.
Έπειτα παρουσιάζονται οι εφαρμογές και η θεωρία του Machine Learning. Αρχικά γίνεται αναφορά στα είδη του Machine Learning με βασικό διαχωρισμό το Supervised και Unsupervised Learning και στη συνέχεια παρουσιάζεται η περιγραφή και το μαθηματικό υπόβαθρο των μοντέλων που επιλέχθηκαν να χρησιμοποιηθούν στην υλοποίηση. Ακόμα ένα σημαντικό σημείο του παρουσιάζεται είναι οι διάφορες τεχνικές για να γίνει Multiclass classification το οποίο μας ενδιαφέρει στη παρούσα διπλωματική.
Τέλος, περιγράφεται η διαδικασία με την οποία συλλέχθηκαν, επεξεργάστηκαν και εν τέλει χρησιμοποιήθηκαν τα δεδομένα. Ακόμα παρουσιάζεται η υλοποίηση που έγινε και οι δοκιμές των μοντέλων που περιγράφηκαν στο θεωρητικό κομμάτι. Στη συνέχεια παρουσιάζεται η πειραματική διαδικασία και τα αποτελέσματα αυτών καθώς και τα συμπεράσματα που προέκυψαν από αυτά τα αποτελέσματα σχετικά με το ποιος αισθητήρας είχε την καλύτερη απόδοση.
|
|---|
