Υποστήριξη αποφάσεων για ιατρικές εφαρμογές με τεχνικές νευρωνικών δικτύων, στατιστικής ανάλυσης δεδομένων και γενετικών αλγορίθμων

Περίληψη

Στα πλαίσια της παρούσας διατριβής επιτυγχάνεται η ανάπτυξη υπολογιστικών αλγορίθμων για τη διάγνωση και την πρόγνωση ασθενειών, με σκοπό να αποτελέσουν ένα χρήσιμο εργαλείο για τους ιατρούς. Επιπρόσθετα, εφαρμόζονται διάφορες τεχνικές περικοπής των προγνωστικών παραγόντων, όπως η Ανάλυση Κύριων Συνιστωσών και η Μερική Παλινδρόμηση Ελαχίστων Τετραγώνων έτσι ώστε να παραμείνει μόνο η χρήσιμη πληροφορία. Οι παραπάνω μέθοδοι εφαρμόζονται για πρώτη φορά –σύμφωνα με τη βιβλιογραφία- στο παιδικό άσθμα και στον μη-μικροκυτταρικό καρκίνο των πνευμόνων.Η διαδικασία της πρόβλεψης είναι από τους τομείς όπου τα "έξυπνα" συστήματα βρίσκουν εφαρμογή. Συγκεκριμένα, η πρόβλεψη είναι μια προσπάθεια ακριβούς πρόβλεψης της εξέλιξης ή της έκβασης μιας συγκεκριμένης κατάστασης, χρησιμοποιώντας ως πληροφορία εισόδου ένα πεπερασμένο σύνολο μεταβλητών που περιγράφουν την κατάσταση. Στην ιατρική, η έγκυρη και αποτελεσματική ερμηνεία των ιατρικών δεδομένων καθώς και η σωστή και έγκαιρη διάγνωση σε συνδυασμό με ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the context of this dissertation the development of computational algorithms for the diagnosis and prognosis of diseases is achieved, in order to provide a useful tool for physicians. Additionally, different pruning techniques of the prognostic factors are investigated, such as Principal Component Analysis and Partial Least Squares Regression in order to keep only the useful information. This is the first time -according to the literature- that these methods are applied in childhood asthma and non-small cell lung cancer.Prediction is one of the most interesting areas where intelligent systems are utilized. In particular, prediction is an attempt to accurately forecast the evolution or outcome of a specific situation, using as input information a concrete set of variables that describe this situation. In medicine, the valid and effective interpretation of medical data, the correct and early diagnosis along with a documented prognostic evaluation of the clinical data are very importan ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/34710
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/34710
ND
34710
Εναλλακτικός τίτλος
Decision support for medical applications with neural network techniques, statistical data analysis and genetic algorithms
Συγγραφέας
Χατζημιχαήλ, Ελένη (Πατρώνυμο: Αθανάσιος)
Ημερομηνία
2014
Ίδρυμα
Δημοκρίτειο Πανεπιστήμιο Θράκης (ΔΠΘ). Σχολή Πολυτεχνική. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τηλεπικοινωνιών και Διαστημικής
Εξεταστική επιτροπή
Ρήγας Αλέξανδρος
Παπασχοινόπουλος Γαρύφαλλος
Σεργιάδης Γεώργιος
Καράκος Αλέξανδρος
Παύλος Γεώργιος
Καρακίτσος Πέτρος
Παρασκάκης Εμμανουήλ
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και ΤεχνολογίαΒιοϊατρική Μηχανική
Λέξεις-κλειδιά
Διάγνωση; Πρόβλεψη; Άσθμα; Μη-μικροκυτταρικός καρκίνος των πνευμόνων; Τεχνικές μείωσης διαστάσεων; Τεχνητά νευρωνικά δίκτυα; Γενετικοί αλγόριθμοι; Μηχανές διανυσματικής υποστήριξης
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
133 σ., πιν., σχημ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)