Technical University of Crete (TUC)
Design and implementation of support vector machines and information fusion methods for bio-medical decision support systems
Abstract
dc:descriptionΜια από τις κυριότερες μεταβολές που έλαβε χώρα κατά την τελευταία δεκαετία υπήρξε η ευρεία διάδοση ψηφιακού διαγνωστικού εξοπλισμού στον τομέα της υγείας και η επακόλουθη διαθεσιμότητα μεγάλου όγκου πολυδιάστατων δεδομένων. Ο μεγάλος όγκος δεδομένων θεωρητικά περιέχει πληθώρα χαρακτηριστικών, που μπορούν να επιτρέψουν την υλοποίηση πολύ αποτελεσματικών μοντέλων της κατάστασης και των ζωτικών λειτουργιών του ασθενούς. Από την άλλη πλευρά οι διαθέσιμες πληροφορίες πολλαπλών πηγών που αφορούν τον ίδιο ασθενή είναι συχνά αντικρουόμενες και αλληλεπικαλυπτόμενες. Ο κύριος παράγοντας για την αναβάθμιση των διαγνωστικών συστημάτων στο επόμενο επίπεδο είναι η ανάπτυξη ικανότητας να κάνουν εξόρυξη, σύνοψη και συσχέτιση της πληροφορίας και να παρέχουν στο κλινικό προσωπικό εφαρμόσιμη γνώση. Η συνολική προσπάθεια που έχει καταβληθεί στην παρούσα έρευνα εστιάζεται σ’ αυτό το στόχο από πολλαπλές οπτικές γωνίες. Από τη βελτίωση των μεθόδων προεπεξεργασίας και αναπλήρωσης δεδομένων, στην οπτικοποίηση ζωτικών στατιστικών δεικτών, στη δημιουργία νέων τελεστών για διάγνωση δομών Μαγνητικής Φασματοσκοπίας, στην επέκταση των Μηχανών Διανυσμάτων Στήριξης προκειμένου να χειριστούν μη θετικά ορισμένους πίνακες και τέλος στο συνδυασμό διαγνωστικών αποφάσεων έμπειρων συστημάτων, ο κοινός παρονομαστής παραμένει η βελτιστοποίηση μιας διαγνωστικής διαδικασίας πολλαπλών βημάτων. Μια σημαντική συνεισφορά που εισάγεται με την παρούσα έρευνα είναι ένα ενοποιημένο πλαίσιο μοντελοποίησης, εφαρμογής και αξιολόγησης καθιερωμένων και νέων μεθόδων συνδυασμού αποφάσεων έμπειρων συστημάτων. Μια επιπλέον συνεισφορά αποτελεί και η εισαγωγή ειδικά σχεδιασμένων τελεστών Μηχανών Διανυσμάτων Στήριξης για ανάλυση δεδομένων Μαγνητικής Φασματοσκοπίας και μη θετικά ορισμένων τελεστών διευρύνοντας με τον τρόπο αυτό σημαντικά το πεδίο εφαρμογής τους. Οι έννοιες και οι αναλυτικές προσεγγίσεις που αναπτύχτηκαν στα πλαίσια της παρούσας διατριβής θα μπορούσαν να παρέχουν έναν οδηγό για τα διαθέσιμα αναλυτικά εργαλεία και έχουν εφαρμοστεί σε πραγματικό κλινικό περιβάλλον βοηθώντας τις διαγνωστικές προσπάθειες και βελτιώνοντας την ποιότητα ζωής σημαντικού αριθμού ασθενών.
Degree
thesis:*- Grantor dc:publisher
- Technical University of Crete (TUC)
- Year dc:date
- 2012
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Δήμου, Ιωάννης
- Dimou, Ioannis
Subjects
dc:subject × 15- Μηχανές διανυσμάτων στήριξης
- Συστήματα διάγνωσης
- Ελλιπή δεδομένα
- Μαγνητική φασματοσκοπία
- Support vector machines
- Diagnostic systems
- Missing data
- Magnetic resonance spectroscopy
- Ovarian tumors
- Classifier fusion
- Ensemble methods
- Επιστήμες Μηχανικού και Τεχνολογία
- Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
- Engineering and Technology
- Electrical Engineering, Electronic Engineering, Information Engineering
Rights
- Language dc:language
- eng
Identifiers
dc:identifier.*- Identifier
- 10.12681/eadd/27210