Klasterdusmeetodid meditsiiniandmete interpreteerimiseks
Nimi
Egert Georg Teesaar
Kokkuvõte
Haiguste trajektoore saab uurida kasutades raviarveid. Kasutades masinõppe meetodeid on võimalik kindlaks teha, millised diagnoosid esinevad koos ning millest teatud seisundid on põhjustatud.
Antud lõputöö kasutas erinevaid klasteranalüüsi meetodeid, nagu näiteks Bernoulli segumudeleid ning automaatkodeerijate abil andemete kokku surumist koos K-keskmiste algoritmiga, et gruppeerida patsiendid neile väljakirjutatud diagnooside põhjal. Mudelite töö tulemused olid kujutatud soojuskaartide abil, mis näitasid, kui tõenäoline on kohata teatud diagnoose leitud gruppides. Varjatud Markovi mudelite abil konstrueeriti ka elupikkune diagnoosikaart kasutades lühikesi lõike erinevate patsientide raviteekonnast. Selle abil on võimalik kindlaks teha erinevaid vanusegruppe puudutavaid seisundeid ning vaadelda nende arenemist läbi aja. Mudel kinnitas meditsiinilistes uuringutes kajastatud tulemusi, nagu näiteks J35 tekke 2H65-st. Mudelitöö paremaks lugemiseks rakendati ka tugivektormasinaid(TVM) andmete selekteerimisel. Vaatluse alla võeti diagnoos I11 ning TVK abil tehti kindlaks, mis diagnoosid mängivad haiguse arengus olulist rolli ning millised mitte. Töödeldud andmete
põhjal tehtud uuringud kinnitasid samuti eelnevalt meditsiinivaldkonnas kindlaks tehtud, nagu I50 teke I11 poolt.
Antud lõputöö kasutas erinevaid klasteranalüüsi meetodeid, nagu näiteks Bernoulli segumudeleid ning automaatkodeerijate abil andemete kokku surumist koos K-keskmiste algoritmiga, et gruppeerida patsiendid neile väljakirjutatud diagnooside põhjal. Mudelite töö tulemused olid kujutatud soojuskaartide abil, mis näitasid, kui tõenäoline on kohata teatud diagnoose leitud gruppides. Varjatud Markovi mudelite abil konstrueeriti ka elupikkune diagnoosikaart kasutades lühikesi lõike erinevate patsientide raviteekonnast. Selle abil on võimalik kindlaks teha erinevaid vanusegruppe puudutavaid seisundeid ning vaadelda nende arenemist läbi aja. Mudel kinnitas meditsiinilistes uuringutes kajastatud tulemusi, nagu näiteks J35 tekke 2H65-st. Mudelitöö paremaks lugemiseks rakendati ka tugivektormasinaid(TVM) andmete selekteerimisel. Vaatluse alla võeti diagnoos I11 ning TVK abil tehti kindlaks, mis diagnoosid mängivad haiguse arengus olulist rolli ning millised mitte. Töödeldud andmete
põhjal tehtud uuringud kinnitasid samuti eelnevalt meditsiinivaldkonnas kindlaks tehtud, nagu I50 teke I11 poolt.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Sven Laur
Kaitsmise aasta
2020