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

 
Το τεκμήριο παρέχεται από τον φορέα :

Αποθετήριο :
Εθνικό Αρχείο Διδακτορικών Διατριβών
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2014 (EL)

Decision support for medical applications with neural network techniques, statistical data analysis and genetic algorithms
Υποστήριξη αποφάσεων για ιατρικές εφαρμογές με τεχνικές νευρωνικών δικτύων, στατιστικής ανάλυσης δεδομένων και γενετικών αλγορίθμων

Χατζημιχαήλ, Ελένη
Chatzimichail, Eleni

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 important parameters for a better management of the disease.Prediction is a very difficult task because the expert human can hardly process the huge amount of data. The prediction accuracy is of major importance in the case of the asthma disease. The early identification of patients at risk for asthma persistence beyond the age of five may lead to better treatment opportunities and disease long term outcomes. The long-term solution to the asthma epidemic is believed to be prevention, and not treatment of the established disease. The most cases of asthma begin during the first years of life and thus the early determination which of the young children will have asthma later in their life is an important priority for public health.The same happens in the case of non-small cell lung cancer. The progress of survival of patients with non-small cell lung cancer is small despite the huge advances in oncology over the past decade. The group of patients with early lung cancer shows much better survival rates compared to that of advanced non-small cell lung cancer. Therefore, it is very important to find new biomarkers that will determine the prognosis of these patients.
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 μια τεκμηριωμένη αξιολόγηση της πρόγνωσης των κλινικών δεδομένων αποτελούν σημαντικές παραμέτρους για την έκβαση της νόσου.Η πρόβλεψη είναι μια δύσκολη διαδικασία καθώς ο ειδικός πρέπει να διαχειριστεί μία τεράστια ποσότητα δεδομένων. Η ακρίβεια της πρόβλεψης είναι ιδιαίτερης σημασίας στην περίπτωση της νόσου του άσθματος. Ο έγκαιρος εντοπισμός των ατόμων που διατρέχουν κίνδυνο για εμμονή του άσθματος πέρα από την ηλικία των πέντε ετών μπορεί να οδηγήσει σε καλύτερες ευκαιρίες θεραπείας και καλύτερα αποτελέσματα της νόσου στην ενήλικη ζωή. Η μακροπρόθεσμη λύση για την επιδημία του άσθματος θεωρείται η πρόληψη και όχι η θεραπεία. Οι περισσότερες περιπτώσεις άσθματος ξεκινούν κατά τα πρώτα χρόνια της ζωής, έτσι ο έγκαιρος εντοπισμός των μικρών παιδιών που διατρέχουν υψηλό κίνδυνο να συνεχίσουν να έχουν συμπτώματα του άσθματος και κατά την παιδική τους ηλικία είναι μια σημαντική προτεραιότητα για τη δημόσια υγεία.Το ίδιο ισχύει και στην περίπτωση του μη-μικροκυτταρικού καρκίνου των πνευμόνων. Η πρόοδος σε επίπεδο επιβίωσης των ασθενών με μη-μικροκυτταρικό καρκίνο των πνευμόνων είναι μικρή παρά τις τεράστιες εξελίξεις στον τομέα της ογκολογίας κατά την τελευταία δεκαετία. Η ομάδα των ασθενών με πρώιμο καρκίνο των πνευμόνων παρουσιάζει πολύ καλύτερα ποσοστά επιβίωσης σε σχέση με τον προχωρημένο μη-μικροκυτταρικό καρκίνο. Συνεπώς, αποτελεί επιτακτική ανάγκη να βρεθούν νέοι βιοδείκτες που θα καθορίζουν την πρόγνωση αυτών των ασθενών.

PhD Thesis

Τεχνητά νευρωνικά δίκτυα
Γενετικοί αλγόριθμοι
Prediction
Artificial neural networks
Μη-μικροκυτταρικός καρκίνος των πνευμόνων
Βιοϊατρική Μηχανική
Asthma
Genetic algorithms
Πρόβλεψη
Support vector machines
Επιστήμες Μηχανικού και Τεχνολογία
Engineering and Technology
Τεχνικές μείωσης διαστάσεων
Non-small cell lung cancer
Dimension reduction techniques
Διάγνωση
Medical Engineering
Άσθμα
Diagnosis
Μηχανές διανυσματικής υποστήριξης


Ελληνική γλώσσα

2014


Democritus University of Thrace (DUTH)
Δημοκρίτειο Πανεπιστήμιο Θράκης (ΔΠΘ)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.