Μοντελοποίηση συμπεριφοράς βιοϊατρικών δεδομένων
Περίληψη
Αυτή η διατριβή είναι αφιερωμένη στην ανάπτυξη τεχνητών νευρωνικών δικτύων (ANN) και μπεϋζιανών νευρωνικών δικτύων (Bayesian Networks), δεδομένου ότι μπορούν να χρησιμοποιηθούν σε περιοχές κλινικής διάγνωσης ως κατάλληλοι ταξινομητές όπου οι μαθηματικές προϋποθέσεις των παραμέτρων που περιγράφουν τα αντικείμενα που δεν ικανοποιούνται επαρκώς. Οι αλγόριθμοι και οι στατιστικοί δείκτες που αναφέρονται και υλοποιούνται σε αυτή τη διδακτορική διατριβή είναι πρωτοπόροι στο τομέα της ιατρικής πληροφορικής για την εξαγωγή συμπερασμάτων σε διάφορες ασθένειες (οξεία σκωληκοειδίτιδα) και σε ιατρικά πειράματα (ίσχαιμος περίδεσης) με σκοπό την βελτίωση και την γρηγορότερη αντιμετώπιση των ιατρικών παθήσεων. Στην παρούσα διατριβή επιχειρείται η εισαγωγή των νευρωνικών δικτύων RBF και MLP όπως και μπεϋζιανών ταξινομητών όπως ο Naïve Bayes στην έρευνα του κατάγματος ισχίου με σκοπό την προσαρμοστικότητα ενός νέου παράγοντα στον ελληνικό πληθυσμό. Η ασαφής λογική και τα μπεϋζιανά δίκτυα εφαρμόζονται σ ...
περισσότερα
Περίληψη σε άλλη γλώσσα
This thesis is devoted to the development of Artificial Neural Networks (ANN) and Bayesian Networks (Bayesian Networks), since they can be used in clinical diagnostic areas as suitable classifiers where the mathematical requirements of the parameters that describe the objects are not adequately met. The algorithms and statistical indicators mentioned and implemented in this PhD thesis are pioneers in the field of medical informatics to draw conclusions on various diseases (acute appendicitis) and medical experiments (haemostatic tapes) in order to improve and expedite the treatment of Medical conditions. This thesis attempts the introduction of neural networks RBF and MLP as well as Bayesian classifiers such as Naïve Bayes in hip fracture Bayesian networks are applied to patients with depression in order to find the appropriate model for the fastest diagnosis of the disease. In a set of psychiatric patients, pre-treatment methods are used to enhance the effectiveness of mechanical lear ...
περισσότερα
Κατεβάστε τη διατριβή σε μορφή PDF (6.57 MB)
(Η υπηρεσία είναι διαθέσιμη μετά από δωρεάν εγγραφή)
|
Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.
|
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
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.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.