Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19469
Τίτλος: | Η εξηγησιμότητα μοντέλων μηχανικής μάθησης στη βιοϊατρική μηχανική και η εφαρμογή της σε συστήματα ψευδοτυχαιωμάτων επινεφριδίων |
Συγγραφείς: | Κοτζιάς, Γεώργιος Ματσόπουλος Γιώργος |
Λέξεις κλειδιά: | Εξηγήσιμη Τεχνητή Νοημοσύνη Τυχαιώματα Επινεφριδίων Συστήματα Υποστήριξης Κλινικών Αποφάσεων |
Ημερομηνία έκδοσης: | 18-Φεβ-2025 |
Περίληψη: | Η παρούσα διπλωματική εργασία διερευνά την εφαρμογή μεθόδων Εξηγή- σιμης Τεχνητής Νοημοσύνης (ΕΤΝ) στην ταξινόμηση και διάγνωση τυχαιωμά- των επινεφριδίων, ένα κρίσιμο πεδίο της σύγχρονης ιατρικής. Στο πλαίσιο της έρευνας, αναλύθηκε ένα σύνολο δεδομένων 262 ασθενών, το οποίο περιλάμ- βανε πλήθος κλινικών, εργαστηριακών και απεικονιστικών παραμέτρων. Η με- λέτη επικεντρώθηκε στην ανάπτυξη ενός αξιόπιστου και ερμηνεύσιμου μοντέ- λου για την υποστήριξη κλινικών αποφάσεων, με ιδιαίτερη έμφαση στην ικα- νότητα του συστήματος να παρέχει κατανοητές εξηγήσεις για τις προβλέψεις του. Στο πλαίσιο της μεθοδολογικής προσέγγισης, εφαρμόστηκαν και αξιολο- γήθηκαν συστηματικά διάφοροι αλγόριθμοι μηχανικής μάθησης. Μέσα από μια ενδελεχή διαδικασία συγκριτικής αξιολόγησης, ο XGBoost αναδείχθηκε ως το βέλτιστο μοντέλο, επιτυγχάνοντας εξαιρετική ακρίβεια στη διασταυρού- μενη επικύρωση, με αξιοσημείωτη σταθερότητα στις προβλέψεις του. Ιδιαίτερη έμφαση δόθηκε στην ερμηνευσιμότητα των αποτελεσμάτων μέσω των προηγ- μένων μεθόδων SHAP (SHapley Additive exPlanations) και LIME (Local Inter- pretable Model-agnostic Explanations), οι οποίες επέτρεψαν τη λεπτομερή κα- τανόηση των παραγόντων που επηρεάζουν τις προβλέψεις του μοντέλου. Η ανάλυση των αποτελεσμάτων ανέδειξε συγκεκριμένα κλινικά χαρακτηριστικά που διαδραματίζουν καθοριστικό ρόλο στη διάγνωση των τυχαιωμάτων επινε- φριδίων, παρέχοντας πολύτιμες πληροφορίες για τους κλινικούς ιατρούς. Τα αποτελέσματα υποδεικνύουν ότι η ενσωμάτωση τεχνικών ΕΤΝ μπορεί να συμ- βάλει σημαντικά στην αξιοπιστία και αποδοχή των συστημάτων τεχνητής νοη- μοσύνης στην κλινική πράξη, προσφέροντας όχι μόνο υψηλή ακρίβεια αλλά και τη δυνατότητα κατανόησης της συλλογιστικής πίσω από κάθε πρόβλεψη. Η έρευνα αυτή ευελπιστούμε να αποτελέσει ένα σημαντικό βήμα προς την κα- τεύθυνση της ανάπτυξης αξιόπιστων και διαφανών συστημάτων υποστήριξης κλινικών αποφάσεων, τα οποία μπορούν να ενσωματωθούν αποτελεσματικά στην καθημερινή κλινική πρακτική, βελτιώνοντας την ποιότητα της παρεχόμε- νης φροντίδας υγείας. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/19469 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
main.pdf | Διπλωματική Εργασία Κοτζιάς Γεώργιος | 5.47 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.