Inimeste intrakraniaalsete EEG salvestiste põhjal epileptiliste hoogude ennustamiseks sobivate tunnuste analüüs
Nimi
Mari Liis Velner
Kokkuvõte
Epilepsiahooge on üritatud ennustada mitmeid aastakümneid, kasutades tipptasemel tunnuseid ja masinõppemeetodeid. Kui õnnestuks välja töötada süsteem, mis reaalajas hoiatab patsiente eelseisvate hoogude eest, parandaks see oluliselt patsientide elukvaliteeti. Epilepsiahoogude ennustamine koosneb kahest etapist: tunnuste ekstraheerimine ning näidiste klassifitseerimine hoogudevaheliseks (tavaline ajaperiood) või hooeelseks. Enamasti kasutatakse EEG andmeid, sest EEG on odav, transporditav ning väljendab muutusi ajudünaamikas kõige täpsemini. Kui enamik uuringuid keskendub uudsete tunnuste ekstraheerimisele või uute klassifitseerimisalgoritmide rakendamisele, siis antud bakalaureusetöö eesmärk oli välja selgitada, missugused kasutatavad tunnused on kõige olulisemad. Kui on teada, missugused tunnused kõige rohkem mõjutavad ennustamistulemusi, aitab see paremini aru saada nii klassifitseerimisalgoritmide tööprotsessist kui ka ajudünaamikast ning vähendada tunnuste hulka, mida masinõppes kasutada, muutes seega klassifitseerimisprotsessi efektiivsemaks. Bakalaureusetöös kasutati kahe patsiendi intrakraniaalseid EEG andmeid ning kolme algoritmi scikit-learn teegist, mida kombineeriti meetoditega, mis hindavad tunnuste mõju. Saadud ennustustäpsused olid mõõdukalt head kuni suurepärased ning võimaldasid seega analüüsida tunnuste mõju usaldusväärselt iga klassifitseerimisalgoritmi kohta.
Lõputöö keel
inglise
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Raul Vicente Zafra
Kaitsmise aasta
2017