Εφαρμογές μηχανικής μάθησης σε ιατρικά δεδομένα

Ζάνι, Πύρρο

dc.contributor.advisor	Nikolaou, Grigoris
dc.contributor.author	Ζάνι, Πύρρο
dc.date.accessioned	2023-04-03T07:19:34Z
dc.date.available	2023-04-03T07:19:34Z
dc.date.issued	2023-03
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4138
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-3977
dc.description.abstract	Ο σκοπός της διπλωματικής αυτής εργασίας είναι να γίνει αντιληπτό από τον αναγνώστη το πως μπορεί να εφαρμοστεί η Μηχανική Μάθηση και ποιοι μέθοδοι χρησιμοποιούνται στα τωρινά προβλήματα που αφορούν την επιστήμη της ιατρικής. Αρχικά, παρουσιάζονται η έννοια της Μηχανικής Μάθησης και θεωρητικά η διαδικασία εφαρμογής αυτής ανά βήμα. Έπειτα, παρουσιάζονται διαφορετικά παραδείγματα εφαρμογής της Μηχανικής Μάθησης σε διάφορους τομείς της ιατρικής, με την μέθοδο που αντιμετωπίστηκαν και την επίδοση που παρουσίασαν. Τέλος, με την βοήθεια της γλώσσας προγραμματισμού Python, πρακτικά έγινε η εφαρμογή της Μηχανικής Μάθησης για δύο διαφορετικά σύνολα πραγματικών δεδομένων όπου το πρώτο αφορά ασθενείς εγκεφαλικών επεισοδίων και το δεύτερο σύνολο αφορά δεδομένα καρδιοτοκογραφίας εγκύων γυναικών. Στο πρώτο σύνολο εξετάστηκε αν η Μηχανική Μάθηση είναι ικανή να προβλέψει καταστάσεις ασθενών με εγκεφαλικό επεισόδιο, ενώ στο δεύτερο σύνολο αν αυτή είναι ικανή να προβλέψει την κατάσταση της καρδιακής λειτουργίας του εμβρύου.	el
dc.format.extent	82	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el	*
dc.subject	Μηχανική μάθηση	el
dc.subject	Κατηγοριοποίηση	el
dc.subject	Ανομοιογενή δεδομένα	el
dc.subject	Ιατρικά δεδομένα	el
dc.title	Εφαρμογές μηχανικής μάθησης σε ιατρικά δεδομένα	el
dc.title.alternative	Machine learning applications in medical data	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	This thesis aims to provide the reader with an understanding of how Machine Learning can be applied and which methods are used in today's problems related to the science of medicine. Firstly, the concept of Machine Learning and how it is applied step by step are presented theoretically. Then, various examples of application of Machine Learning in different areas of medicine are introduced, including the method they were dealt with and how they performed. Finally, by using the Python programming language, the application of Machine Learning was practically done for two different real-world datasets where the first one is for stroke patients and the second dataset is for cardiotocography data of pregnant women. In the first set it was investigated whether Machine Learning is capable of predicting the situations of stroke patients, while in the second set whether it is capable of predicting the Fetal Heart Rate condition.	el

Files in this item

Name:: Zani_71446021.pdf
Size:: 2.774Mb
Format:: PDF

View/Open

This item appears in the following Collection(s)

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Show simple item record

Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές