Μηχανική μάθηση στην καρδιολογία

Γάκη, Μαρία

dc.contributor.advisor	Nikolaou, Grigoris
dc.contributor.author	Γάκη, Μαρία
dc.date.accessioned	2023-04-03T09:21:43Z
dc.date.available	2023-04-03T09:21:43Z
dc.date.issued	2023-03
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4145
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-3984
dc.description.abstract	Η μηχανική μάθηση αποτελεί έναν ερευνητικό τομέα ο οποίος αναπτύσσεται διαρκώς σύμφωνα με την τεχνολογική εξέλιξη και διεισδύει γρήγορα σε πολλούς τομείς της υγειονομικής περίθαλψης, τόσο στη διάγνωση και την πρόγνωση ασθενειών όσο και την εύρεση νέων φαρμάκων. Η μηχανική μάθηση προσφέρει μεθόδους, τεχνικές και εργαλεία που μπορούν να συμβάλουν στην επίλυση ποικίλων διαγνωστικών και προγνωστικών προβλημάτων στον τομέα της ιατρικής. Στόχος της συγκεκριμένης εργασίας είναι η ανίχνευση της καρδιακής αρρυθμίας στον ασθενή μέσω μηχανικής μάθησης. Για να επιτευχθεί, αναπτύχθηκαν διάφορα μοντέλα μηχανικής μάθησης με επίβλεψη που χρησιμοποιούνται σε προβλήματα ταξινόμησης. Τα μοντέλα αξιολογήθηκαν βάσει της απόδοσής τους, ώστε να βρεθεί εκείνο που έχει τη βέλτιστη ακρίβεια. Χρησιμοποιήθηκε η βάση δεδομένων του Πανεπιστημίου Chapman και του Λαϊκού Νοσοκομείου Shaoxing, η οποία περιέχει τα αποτελέσματα των σημάτων που προήλθαν από ηλεκτροκαρδιογραφήματα, αφού έχει αφαιρεθεί ο θόρυβος των σημάτων.	el
dc.format.extent	61	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	Καρδιολογία	el
dc.subject	Καρδιακή αρρυθμία	el
dc.subject	Ταξινόμηση	el
dc.subject	Ηλεκτροκαρδιογράφημα	el
dc.subject	Μηχανική μάθηση	el
dc.title	Μηχανική μάθηση στην καρδιολογία	el
dc.title.alternative	Machine learning in cardiology	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	Machine learning is a research area, which is developing continuously in line with technological evolution and is rapidly influencing many areas of healthcare, including diagnosis and prognosis of diseases as well as developing new drugs. Machine learning offers methods, techniques and tools that can help solve a variety of diagnostic and prognostic problems in the field of Medicine. The aim of this research is to detect cardiac arrhythmia in the patient through machine learning. To achieve this, several supervised machine learning models used in classification problems were developed. The models were evaluated based on their performance in order to find the one that has the optimal accuracy. The database of Chapman University and Shaoxing people's Hospital was used, which contains the results of signals that came from electrocardiograms, after denoising them.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Gaki_18389192.pdf
Μέγεθος:: 2.173Mb
Τύπος:: PDF
Περιγραφή:: Διπλωματική Εργασία

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές