Kopsuhelide kasutamine hingamisteede haiguste ennustamiseks masinõppe abil

Nimi
Richard Annilo
Kokkuvõte
Hingamisteede haigused on kogu maailmas üks peamiseid surma põhjustajaid. Masinõppe kasutamine diagnoosimiseks võib oluliselt vähendada röntgen- ja kompuutertomograafia tõttu tekkivaid kulusid ja kiiritust, samuti parandada ligipääsu piiratud tehnoloogiaga või vähem kogenud personaliga kohtadele. Kuigi sarnaseid tehnoloogiaid on meditsiinivaldkonnas varemgi edukalt rakendatud, on helisignaalide analüüs endiselt varases staadiumis ning märkimisväärse potentsiaaliga.
Selle lõputöö eesmärk oli luua koodibaas, mis aitaks teadlastel siseneda ja edendada hingamisteede heli analüüsi valdkonda. Kokku viidi läbi kuus katset nelja klassikalise masinõppe ja ühe süvaõppe algoritmiga. Eesmärk oli klassifitseerida kuus klassi (viis hingamisteede haigust ning üks tervete patsientide klass), kasutades andmebaasi hingamisteede helidest ja patsientide andmetest. Testitulemused, milles põhilise hindamismõõdikuna kasutati makrokeskmistatud F1-skoori, näitasid, et kõige paremini töötasid SVM ja otsustuspuu mudelid (hinded 0,62 ja 0,54), halvemini konvolutsioonilise närvivõrgu (CNN) mudelid (parim tulemus 0,3). Mudelite jõudluse erinevusi mõjutas tõenäoliselt mürased andmete ja klasside erinevad andmemahud. Lõplike tulemuste saamiseks oleks vaja täiendavaid uuringuid ja paremaid andmeid.
Lõputöö lähtekood on avalikult kättesaadav Github’i repositooriumis.
Lõputöö keel
inglise
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Dmytro Fishman
Kaitsmise aasta
2021
 
PDF