Ανάπτυξη υπολογιστικών συστημάτων υποστήριξης ιατρικών αποφάσεων για τη διαχείριση του σακχαρώδους διαβήτη

Περίληψη

Στην παρούσα διατριβή εξετάζεται η ανάπτυξη υπολογιστικών συστημάτων υποστήριξης ιατρικών αποφάσεων για την πρόληψη, διάγνωση και θεραπεία του Σακχαρώδους Διαβήτη (ΣΔ).Στο πρώτο μέρος της διατριβής εξετάζεται η χρήση των συνόλων ταξινομητών, και ιδιαίτερα των συνόλων νευρωνικών δικτύων πρόσθιας τροφοδότησης, για την πρόβλεψη της εμφάνισης του ΣΔ σε γυναίκες της ινδιάνικης φυλής Πίμα και για την πρόβλεψη της εμφάνισης καρδιαγγειακών επιπλοκών σε βάθος πενταετίας σε ασθενείς με ΣΔ Τύπου 2. Οι ταξινομητές που εξετάζονται βασίζονται σε σύνολα νευρωνικών δικτύων εκπαιδευμένα με τη μέθοδο bagging, σύνολα νευρωνικών δικτύων πρόσθιας τροφοδότησης διαφορετικού αριθμού κρυμμένων νευρώνων και επιπέδων, ταξινομητές δυαδικής πανινδρόμησης, παραλλαγές Μπεϋζιανών δικτύων, και παραλλαγές των δένδρων απόφασης. Αποδεικνύεται ότι τα σύνολα νευρωνικών δικτύων που έχουν εκπαιδευτεί με τη μέθοδο bagging και τα σύνολα νευρωνικών δικτύων πρόσθιας τροφοδότησης επιτυγχάνουν τα καλύτερα αποτελέσματα ως προς την ...
περισσότερα

Περίληψη σε άλλη γλώσσα

In the present PhD thesis, the study and development of decision support systems for the prevention, diagnosis, and treatment of diabetes has been conducted.In the first part of the thesis, a comparative assessment of different machine learning and statistical methodologies towards the development of risk prediction models for the incidence and the evolution of Type 2 Diabetes Mellitus has been orchestrated. The use of ensembles of classifiers, and specifically ensembles of feed forward neural networks, for the prediction of Diabetes Mellitus for Pima Indian women and Cardiovascular Diseases for patients with Type 2 Diabetes Mellitus has been examined. Several classifiers have been developed, others follow the Bagging paradigm, others are ensembles of Feed-forward Neural Networks with different numbers of hidden neurons or layers, others follow the Binary Logistic Regression paradigm, others follow the Bayesian approach, and others are variations of Decision Trees. It has been shown th ...
περισσότερα
Πρέπει να είστε εγγεγραμένος χρήστης για έχετε πρόσβαση σε όλες τις υπηρεσίες του ΕΑΔΔ  Είσοδος /Εγγραφή

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/41493
ND
41493
Εναλλακτικός τίτλος
Development of clinical decision support systems for the management of diabetes mellitus
Συγγραφέας
Δαλακλείδη, Καλλιόπη του Βασίλειος
Ημερομηνία
2017
Ίδρυμα
Εθνικό Μετσόβιο Πολυτεχνείο (ΕΜΠ). Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών
Εξεταστική επιτροπή
Νικήτα Κωνσταντίνα
Σταφυλοπάτης Ανδρέας-Γεώργιος
Κουτσούρης Δημήτρης-Διονύσιος
Στάμου Γεώργιος
Ματσόπουλος Γεώργιος
Τσανάκας Παναγιώτης
Λυμπερόπουλος Δημήτρης
Επιστημονικό πεδίο
Μηχανική & Τεχνολογία
Επιστήμες Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού & Μηχανικού Η/Υ
Λέξεις-κλειδιά
Σακχαρώδης διαβήτης; Νευρωνικά δίκτυα; Σύνολα ταξινομητών; Αναγνώριση εικόνων τροφής; Μηχανές διανυσμάτων υποστήριξης; Ταξινομητής κ κοντινότερων γειτόνων; Γενετικός αλγόριθμος; Πολλαπλή ταξινόμηση
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
193 σ., εικ., πιν., σχημ., γραφ.

Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)