Η μηχανική μάθηση στην ιατρική ακριβείας

Η χρήση του διαδικτύου των πραγμάτων (IoT - Internet of T hings) σε συνδυασμό με τα ηλεκτρονικά δεδομένα υγείας (EHR - Electronic Health Records) και την ανάπτυξη του τομέα της μηχανικής μάθησης θα μπορούσαν να βοηθήσουν την επιστήμη της Ιατρικής να παρέχει περισσότερο ακριβή και εξατομικευμένα αποτ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Παππάς, Βασίλης
Άλλοι συγγραφείς: Pappas, Vasilis
Γλώσσα:Greek
Έκδοση: 2022
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/24195
id nemertes-10889-24195
record_format dspace
spelling nemertes-10889-241952022-12-16T04:37:19Z Η μηχανική μάθηση στην ιατρική ακριβείας Machine learning in precision medicine Παππάς, Βασίλης Pappas, Vasilis Μηχανική μάθηση Ηλεκτρονικά δεδομένα υγείας Βιοδείκτες Δέντρα απόφασης Machine learning Electronic health records Biomarkers Decision trees LIME SHAP Η χρήση του διαδικτύου των πραγμάτων (IoT - Internet of T hings) σε συνδυασμό με τα ηλεκτρονικά δεδομένα υγείας (EHR - Electronic Health Records) και την ανάπτυξη του τομέα της μηχανικής μάθησης θα μπορούσαν να βοηθήσουν την επιστήμη της Ιατρικής να παρέχει περισσότερο ακριβή και εξατομικευμένα αποτελέσματα. Στόχος της διπλωματικής είναι η παρουσίαση μεθόδων επιβλεπόμενης μάθησης (όπως decision trees, random f orests, extreme gradient boosting trees) καθώς και τεχνικές ερμηνευσιμότητας των αποτελεσμάτων των μεθόδων αυτών. Οι μέθοδοι αυτές εφαρμόζονται σε πραγματικά δεδομένα ασθενών ηλικίας άνω των 50, που πάσχουν από καταθλιπτικά σύνδρομα ή μορφές άνοιας, προκειμένου να βρεθεί βέλτιστη λύση στον σχεδιασμό ερωτηματολογιών μικρότερου πλήθους λημμάτων. The use of the internet of things (IoT - Internet of Things) in combination with electronic health data (EHR - Electronic Health Records) and the development of the field of machine learning could help the science of Medicine provide more accurate and personalized results. The aim of the diploma is the presentation of supervised learning methods (such as decision trees, random forests, extreme gradient boosting trees) as well as interpretability techniques of the results of these methods. These methods are applied to real data of patients over the age of 50, suffering from depressive syndromes or types of dementia, in order to find an optimal solution in the design of smaller questionnaires lemmas. 2022-12-15T12:14:43Z 2022-12-15T12:14:43Z 2022-12-07 https://hdl.handle.net/10889/24195 el application/pdf
institution UPatras
collection Nemertes
language Greek
topic Μηχανική μάθηση
Ηλεκτρονικά δεδομένα υγείας
Βιοδείκτες
Δέντρα απόφασης
Machine learning
Electronic health records
Biomarkers
Decision trees
LIME
SHAP
spellingShingle Μηχανική μάθηση
Ηλεκτρονικά δεδομένα υγείας
Βιοδείκτες
Δέντρα απόφασης
Machine learning
Electronic health records
Biomarkers
Decision trees
LIME
SHAP
Παππάς, Βασίλης
Η μηχανική μάθηση στην ιατρική ακριβείας
description Η χρήση του διαδικτύου των πραγμάτων (IoT - Internet of T hings) σε συνδυασμό με τα ηλεκτρονικά δεδομένα υγείας (EHR - Electronic Health Records) και την ανάπτυξη του τομέα της μηχανικής μάθησης θα μπορούσαν να βοηθήσουν την επιστήμη της Ιατρικής να παρέχει περισσότερο ακριβή και εξατομικευμένα αποτελέσματα. Στόχος της διπλωματικής είναι η παρουσίαση μεθόδων επιβλεπόμενης μάθησης (όπως decision trees, random f orests, extreme gradient boosting trees) καθώς και τεχνικές ερμηνευσιμότητας των αποτελεσμάτων των μεθόδων αυτών. Οι μέθοδοι αυτές εφαρμόζονται σε πραγματικά δεδομένα ασθενών ηλικίας άνω των 50, που πάσχουν από καταθλιπτικά σύνδρομα ή μορφές άνοιας, προκειμένου να βρεθεί βέλτιστη λύση στον σχεδιασμό ερωτηματολογιών μικρότερου πλήθους λημμάτων.
author2 Pappas, Vasilis
author_facet Pappas, Vasilis
Παππάς, Βασίλης
author Παππάς, Βασίλης
author_sort Παππάς, Βασίλης
title Η μηχανική μάθηση στην ιατρική ακριβείας
title_short Η μηχανική μάθηση στην ιατρική ακριβείας
title_full Η μηχανική μάθηση στην ιατρική ακριβείας
title_fullStr Η μηχανική μάθηση στην ιατρική ακριβείας
title_full_unstemmed Η μηχανική μάθηση στην ιατρική ακριβείας
title_sort η μηχανική μάθηση στην ιατρική ακριβείας
publishDate 2022
url https://hdl.handle.net/10889/24195
work_keys_str_mv AT pappasbasilēs ēmēchanikēmathēsēstēniatrikēakribeias
AT pappasbasilēs machinelearninginprecisionmedicine
_version_ 1771297304631836672