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 ΜέγεθοςΜορφότυπος 
main.pdfΔιπλωματική Εργασία Κοτζιάς Γεώργιος5.47 MBAdobe PDFΕμφάνιση/Άνοιγμα


Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.