Εξόρυξη ιατρικής γνώσης από μεγάλα δεδομένα για την πρόβλεψη ανάπτυξης στεφανιαίας νόσου

Υπάρχει έντονο ενδιαφέρον για την εξερεύνηση των μεγάλων δεδομένων όσο αφορά την ανάπτυξη της στεφανιαίας νόσου (CHD). Παρατηρείται ότι συγκεκριμένες μέθοδοι πρόβλεψης αυτής της ασθένειας έχουν την τάση να χρησιμοποιούνται περισσότερο. Η διακύμανση της στεφανιαίας θνησιμότητας, που προκαλείται από τ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Μαριέττου, Σαβίνα
Άλλοι συγγραφείς: Mariettou, Savina
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15562
Περιγραφή
Περίληψη:Υπάρχει έντονο ενδιαφέρον για την εξερεύνηση των μεγάλων δεδομένων όσο αφορά την ανάπτυξη της στεφανιαίας νόσου (CHD). Παρατηρείται ότι συγκεκριμένες μέθοδοι πρόβλεψης αυτής της ασθένειας έχουν την τάση να χρησιμοποιούνται περισσότερο. Η διακύμανση της στεφανιαίας θνησιμότητας, που προκαλείται από τη στένωση των στεφανιαίων αρτηριών είναι σημαντική, οδηγεί σε ανισορροπία μεταξύ των λειτουργι-κών αναγκών της καρδιάς και της ικανότητας των στεφανιαίων αρτηριών να τροφοδο-τούν αίμα και οξυγόνο. Λόγω της πολυπλοκότητας του καρδιαγγειακού συστήματος, των διάφορων υπαρχό-ντων παραγόντων καθώς και των σχετικών ερευνών, είναι δύσκολο να αναπτυχθούν προβλέψιμες μέθοδοι για τη διάγνωση, την πρόληψη και τη θεραπεία καρδιαγγειακών παθήσεων. Για τον λόγο αυτό, ο απώτερος σκοπός της παρούσας διπλωματικής είναι να δημιουργηθεί ένα έμπειρο σύστημα Τεχνητής Νοημοσύνης, με την βοήθεια ευ-φυών αλγορίθμων εξόρυξης γνώσης, το οποίο να προβλέπει την ανάπτυξης στεφανιαί-ας νόσου. Η συγγραφή αυτής της διπλωματικής βασίζεται στη θεωρητική προσέγγιση της φυσιο-λογίας της καρδιάς, ακολουθούμενη από τη μελέτη αλλά και την ανάλυση της στεφα-νιαίας νόσου. Περιλαμβάνει τη συσχέτιση της πληροφορικής στον τομέα της υγείας, μέσω της τεχνητής νοημοσύνης. Μεταξύ άλλων, αυτή η έρευνα βασίζεται σε ιατρική βάση δεδομένων, με πραγματικές μετρήσεις από την Framingham Heart Study. Επι-προσθέτως, τα βασικά στοιχεία που παρέχονται από τη βάση δεδομένων έχουν υπο-βληθεί σε διάφορες τεχνικές προ επεξεργασίας, προκειμένου να δώσουν τα καλύτερα δυνατά αποτελέσματα. Χρησιμοποιώντας εργαλεία Τεχνητής Νοημοσύνης, δημιουργήσαμε τρία ευφυή συ-στήματα που προβλέπουν την ανάπτυξη της στεφανιαίας νόσου. Παρουσιάζεται μια σύγκριση των αποτελεσμάτων αυτών των τριών συστημάτων. Συγκεκριμένα, το πιο έξυπνο σύστημα προβλέπει σε μεγάλο βαθμό, βάσει καθιερωμένων μέτρων απόδο-σης, την ανάπτυξη στεφανιαίας νόσου. Το παρόν σύντομο σημείωμα μας επέτρεψε να παρέχουμε μια επισκόπηση της στεφανιαίας νόσου, η οποία είναι η πιο κοινή αιτία θα-νάτου παγκοσμίως. Εν κατακλείδι, καταλήγουμε στα συμπεράσματα που προκύπτουν από αυτό το πόνημα.