Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17879
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΣαρλής, Αλέξανδρος-
dc.date.accessioned2021-03-11T17:08:37Z-
dc.date.available2021-03-11T17:08:37Z-
dc.date.issued2021-02-26-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17879-
dc.description.abstractΑντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η σχεδίαση, η ανάπτυξη και η αξιολόγηση μοντέλων πρόβλεψης των επιπέδων γλυκόζης σε άτομα με σακχαρώδη διαβήτη τύπου 1. Τα μοντέλα πρόβλεψης δέχονται ως είσοδο προηγούμενες καταγραφές γλυκόζης, οι οποίες λαμβάνονται από αισθητήρες συνεχούς μέτρησης γλυκόζης στο μεσοκυττάριο υγρό. Εφόσον η διαταραχή του μεταβολισμού της γλυκόζης αποτελεί το κύριο χαρακτηριστικό της νόσου του σακχαρώδους διαβήτη, η ακριβής εκτίμηση του μελλοντικού προφίλ γλυκόζης είναι απαραίτητη για τη διατήρηση των επιπέδων σακχάρου στο αίμα εντός των κλινικά αποδεκτών ορίων και την αποφυγή υπογλυκαιμικών και υπεργλυκαιμικών επεισοδίων. Η τακτική παρακολούθηση της συγκέντρωσης γλυκόζης σε συνδυασμό με την εξωγενή χορήγηση ινσουλίνης, αποτελούν τη βάση του σωστού γλυκαιμικού ελέγχου και προφυλάσσουν τους ασθενείς από πιθανές σοβαρές επιπλοκές της νόσου. Η ανάπτυξη των υπό μελέτη μοντέλων πρόβλεψης των επιπέδων γλυκόζης σε άτομα με σακχαρώδη διαβήτη τύπου 1 βασίζεται στη χρήση τεχνητών νευρωνικών δικτύων και την εφαρμογή εξειδικευμένων τεχνικών ομοσπονδιακής μάθησης. Πρόκειται για μια νέα προσέγγιση στον τομέα της μηχανικής μάθησης, στην οποία δεν απαιτείται συγκέντρωση των δεδομένων εκπαίδευσης στο καθολικό προβλεπτικό μοντέλο. Τα δεδομένα εκπαίδευσης παραμένουν διαρκώς σε συσκευές που βρίσκονται στα άκρα του δικτύου, δηλαδή πλησιέστερα στα υποκείμενα των δεδομένων. Επομένως, η διαδικασία εκπαίδευσης πραγματοποιείται τοπικά με βάση τα αντίστοιχα τοπικά σύνολα δεδομένων. Το καθολικό μοντέλο προκύπτει τελικά από τα επιμέρους τοπικά μοντέλα, χωρίς όμως να έχει άμεση πρόσβαση στα δεδομένα που χρησιμοποιήθηκαν για την εκπαίδευσή τους. Η προσέγγιση αυτή παρουσιάζει σημαντικά οφέλη ως προς τη διαφύλαξη της ιδιωτικότητας, αφού περιορίζει σε μεγάλο βαθμό την ανεπιθύμητη πρόσβαση στα δεδομένα. Για την εκπαίδευση των μοντέλων χρησιμοποιήθηκαν τεχνητά δεδομένα προερχόμενα από το υπολογιστικό περιβάλλον προσομοίωσης UVA/Padova T1DM Simulator, το οποίο έχει λάβει έγκριση από τον FDA για προκλινική δοκιμή νέων στρατηγικών θεραπείας της νόσου του σακχαρώδους διαβήτη τύπου 1. Η αξιολόγηση των μοντέλων βασίστηκε τόσο σε γενικές μετρικές όσο και σε εξειδικευμένα κλινικώς σημαντικά κριτήρια απόδοσης.en_US
dc.languageelen_US
dc.subjectΣακχαρώδης Διαβήτηςen_US
dc.subjectΓλυκόζηen_US
dc.subjectΙνσουλίνηen_US
dc.subjectΓλυκαγόνηen_US
dc.subjectΜεταβολισμόςen_US
dc.subjectΓλυκαιμικός Έλεγχοςen_US
dc.subjectΤεχνητό Πάγκρεαςen_US
dc.subjectΜηχανική Μάθησηen_US
dc.subjectΜοντέλο Πρόβλεψηςen_US
dc.subjectΤεχνητά Νευρωνικά Δίκτυαen_US
dc.subjectΟμοσπονδιακή Μάθησηen_US
dc.subjectΙδιωτικότηταen_US
dc.subjectDiabetes Mellitusen_US
dc.subjectGlucoseen_US
dc.subjectInsulinen_US
dc.subjectGlucagonen_US
dc.subjectMetabolismen_US
dc.subjectGlycemic Controlen_US
dc.subjectArtificial Pancreasen_US
dc.subjectMachine Learningen_US
dc.subjectPrediction Modelen_US
dc.subjectArtificial Neural Networksen_US
dc.subjectFederated Learningen_US
dc.subjectPrivacyen_US
dc.titleΑνάπτυξη Μοντέλων Ομοσπονδιακής Μηχανικής Μάθησης για την Πρόβλεψη των Επιπέδων Γλυκόζης σε Άτομα με Σακχαρώδη Διαβήτη Τύπου 1en_US
dc.description.pages126en_US
dc.contributor.supervisorΝικήτα Κωνσταντίναen_US
dc.departmentΤομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικώνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Σαρλής Αλέξανδρος - Διπλωματική.pdf5.4 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.