| Περίληψη: | Καθώς τα τελευταία χρόνια παρατηρείται αύξηση του προσδόκιμου ορίου ζωής, έχει δημιουργηθεί η ανάγκη για την ανάπτυξη συστημάτων παρακολούθησης της υγείας των ηλικιωμένων με μη παρεμβατικό τρόπο και την ανάλυση κλινικών δεδομένων με στόχο την έγκαιρη αναγνώριση ασθενειών και παρέμβαση των ιατρών. Στόχος αυτής της διπλωματικής εργασίας είναι η δημιουργία ενός μοντέλου πρόβλεψης κλινικού προφίλ ηλικιωμένων από δεδομένα πολλαπλών αισθητήρων.
Η μέθοδος που αναπτύχθηκε περιλαμβάνει τη μοντελοποίηση του προβλήματος σύμφωνα με τη μέθοδο της Μάθησης Πολλαπλών Στιγμιοτύπων (Multiple Instance Learning - MIL), κατά την οποία ο στόχος (κλινική παράμετρος) δεν αντιστοιχίζεται σε ένα στιγμιότυπο, αλλά σε ένα σύνολο από αυτά (bag), καθώς συμβαίνει να μην είναι διαθέσιμες οι τιμές των κλινικών παραμέτρων για κάθε χρονικό στιγμιότυπο του συνόλου δεδομένων. Ως προεπεξεργαστικό βήμα, για τη μείωση της διαστατικότητας, εφαρμόστηκε ο αλγόριθμος ReliefF-MI (παραλλαγή του ReliefF για το MIL framework) για επιλογή ενός μικρότερου συνόλου χαρακτηριστικών και την απόκτηση μιας διαίσθησης για τα features που συμβάλλουν στην καλύτερη ακρίβεια πρόβλεψης. Επίσης, για να αντιμετωπιστεί το σύνηθες φαινόμενο της άνισης κατανομής κλάσεων σε ιατρικά δεδομένα, χρησιμοποιήθηκε ο αλγόριθμος υπερδειγματοληψίας BagSMOTE (παραλλαγή του SMOTE για το MIL framework). Τέλος, για το βήμα της πρόβλεψης των κλινικών παραμέτρων χρησιμοποιήθηκαν διάφοροι αλγόριθμοι Multiple Instance Learning (MILES, MI-ELM, κ.ά).
Το σύνολο δεδομένων που χρησιμοποιήθηκε για την εκτίμηση της προτεινόμενης μεθόδου περιλαμβάνει ως στόχους κλινικές παραμέτρους που προέρχονται από διάφορους τομείς (νοητικός, ψυχολογικός, διατροφικός κ.ά.) και συνδέονται με το ιατρικό σύνδρομο της Ευθραυστότητας (Frailty). H Ευθραυστότητα συνδέεται με την τρίτη ηλικία με πολλαπλές αιτίες και χαρακτηρίζεται από μειωμένη αντοχή και μειωμένη φυσιολογική λειτουργία του οργανισμού, με σοβαρές επιπτώσεις όπως επιδείνωση της κινητικότητας, ευπάθεια, νοσηλεία ή ακόμα και θνησιμότητα. Τα χαρακτηριστικά (features) από τα οποία αποτελείται το σύνολο δεδομένων εξάγονται από δεδομένα που συλλέγονται από διάφορες πηγές, όπως ένα γιλέκο για την παρακολούθηση της φυσιολογικής και κινητικής λειτουργίας του ατόμου, ένα δυναμόμετρο για τη μέτρηση της δύναμής του, συνδυασμένο με ένα παιχνίδι για κινητές συσκευές και τέλος από το GPS ενός κινητού τηλεφώνου για την παρακολούθηση των δραστηριοτήτων εξωτερικού χώρου.
|
|---|
