National and Kapodistrian University of Athens
Πρόγνωση του σήματος LFP κατά τη μετάβασή του σε επιληπτική κατάσταση, με τη χρήση LSTM αναδρομικών νευρωνικών δικτύων
Abstract
dc:descriptionΗ επιληψία είναι μια συχνή νευρολογική νόσος από την οποία πάσχουν εκατομμύρια άνθρωποι στον πλανήτη. Παρά τις σημαντικές εξελίξεις στη θεραπεία της επιληψίας, υπάρχουν ανθεκτικές περιπτώσεις οι οποίες δεν αντιμετωπίζονται αποτελεσματικά. Για την ανάπτυξη νέων θεραπειών κρίνεται ωφέλιμη η κατανόηση σε βάθος του πλήθους των μηχανισμών που συμβάλουν στην πρόκληση των επιληπτικών κρίσεων. Η μελέτη αυτή αφορά ένα τέτοιο μηχανισμό πρόκλησης της επιληψίας μέσω πρωτοκόλ- λου χαμηλού μαγνησίου. Στην παρούσα εργασία, για τη μελέτη της επιληψίας χρησι- μοποιήθηκαν καταγραφές LFP από εγκεφαλικές φέτες ποντικών στις οποίες έχει αφαι- ρεθεί το μαγνήσιο για εξελιχθεί το σήμα LFP σε επιληπτικό. Στόχος της εργασίας είναι η εκπαίδευση αλγόριθμων μηχανικής μάθησης στο έργο της πρόγνωσης του σήματος LFP, καθώς αυτό εξελίσσεται σε επιληπτικό. Η αρχική ιδέα πίσω από τη συγκεκριμένη προσέγγιση είναι ότι αν ένας αλγόριθμος μηχανικής μάθησης μπορεί να προβλέψει πότε το σήμα θα γίνει επιληπτικό, χρησιμοποιώντας το σήμα που προηγείται χρονικά, τότε στο σήμα θα εμπεριέχεται η πληροφορία για τη μετάβαση στην επιληπτική κατάσταση. Για την πρόγνωση του σήματος δοκιμάστηκαν οι μέθοδοι πρόγνωσης: Exponential Smoothing, Moving Average, ARMA, ARIMA, Autoregression, KNN regressor, Decision Tree Regressor, Random Forest Regressor, Support Vector Regresssor, Multilayer Perceptron Regresson, Hidden Markov Models και Long Short-Term Memory RNN’s. Από αυτές τις μεθόδους ως πιο αποτελεσματικές κρίθηκαν οι αυτοπαλινδρόμηση και τα LSTM αναδρομικά νευρωνικά δίκτυα. Τα LSTM αναδρομικά νευρωνικά δίκτυα επιλέχθηκαν ως η πιο υποσχόμενη μέθοδος λόγω της αποτελεσματικότητάς τους, της καταλληλότητας τους για ακολουθιακά δε- δομένα, τη δυνατότητα χειρισμού μεγάλου όγκου δεδομένων και των σημαντικών πε- ριθωρίων βελτίωσης που τα χαρακτηρίζουν. Ως στόχος της εργασίας επιλέχθηκε αξιο- λόγηση της αποτελεσματικότητας ενός LSTM αναδρομικού νευρωνικού δικτύου ώστε αυτό να προγνώσει το σήμα LFP καθώς αυτό εξελίσσεται σε επιληπτικό. Μετά το πέρας των πειραμάτων δοκιμάστηκαν κάποιες πιο σύνθετες αρχιτεκτονικές γιτ την πρόγνωη του LFP (LSTM με ResNet, CNN νευρωνικό δίκτυο, CNN-LSTM, LSTM Encoder- Decoder, LSTM Encoder-Decoder με μηχανισμό προσοχής) οι οποίες παρουσιάζονται στο παράρτημα. Τα αποτελέσματα ρίχνουν φως στις δυσκολίες και τις δυνατότητες που ανακύπτουν κατά την πρόγνωση των ηλεκτροεγκεφαλογραφικών καταγραφών του εγκεφάλου.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Κουτίνος Σωτήρης
- Koutinos Sotiris
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:3501172