Ανάπτυξη ερμηνεύσιμων μοντέλων μηχανικής μάθησης με σκοπό την εκτίμηση της επικινδυνότητας αθηρωματικών πλακών σε ασθενείς με καρωτιδική νόσο

Καρατζά, Παναγιώτα; Karatza, Panagiota

dc.contributor.author	Καρατζά, Παναγιώτα	el
dc.contributor.author	Karatza, Panagiota	en
dc.date.accessioned	2022-04-11T07:06:58Z
dc.date.available	2022-04-11T07:06:58Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55045
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22743
dc.rights	Default License
dc.subject	Καρωτιδική νόσος	el
dc.subject	Αθηρωμάτωση	el
dc.subject	Συλλογική Μάθηση	el
dc.subject	Ερμηνευσιμότητα	el
dc.subject	Συνελικτικά δίκτυα	el
dc.subject	Global Surrogate	en
dc.subject	Shapley values	en
dc.subject	ICE plots	en
dc.subject	interpretability	en
dc.subject	ensemble learning	en
dc.title	Ανάπτυξη ερμηνεύσιμων μοντέλων μηχανικής μάθησης με σκοπό την εκτίμηση της επικινδυνότητας αθηρωματικών πλακών σε ασθενείς με καρωτιδική νόσο	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-11-04
heal.abstract	Το εγκεφαλικό επεισόδιο συνεχίζει να αποτελεί μία σημαντική αιτία νοσηρότητας και θνησι-μότητας σε παγκόσμιο επίπεδο. Περίπου το 85% των εγκεφαλικών επεισοδίων είναι ισχαιμικά από τα οποία τουλάχιστον το 20-30% μπορούν να αποδοθούν στην καρωτιδική νόσο. Καρωτιδική νόσος ονομάζεται η στένωση ή η απόφραξη των καρωτιδικών αρτηριών. Την αιτιολογία της καρωτιδικής νόσου κατά κύριο λόγο και σε ποσοστό 90% αποτελεί η αθηροσκλήρωση, δηλαδή η δημιουργία αθηρωματικής πλάκας στον έσω χιτώνα των αρτηριών. Η κλινική εκδήλωση της καρωτιδικής νόσου μπορεί να είναι είτε συμπτωματική είτε ασυμπτωματική. Πιο συγκεκριμένα στα αρχικά της στάδια η καρωτιδική νόσος είναι ασυμπτωματική, κατά την εξέλιξή της όμως το πρώτο σύμπτωμα μπορεί να είναι ένα εγκεφαλικό ή ένα παροδικό ισχαιμικό επεισόδιο. Προκειμένου να προβλεφθεί έγκαιρα και να αποτραπεί μία τέτοια κατάσταση, διερευνάται, στο πλαίσιο της παρούσας διπλωματικής εργασίας, η δημιουργία ερμηνεύσιμων μοντέλων βαθιάς μάθησης, ικανά να κατηγοριοποιήσουν τους ασθενείς ανάλογα με τον τρόπο θεραπείας που θα πρέπει να ακολουθήσουν. Η κατηγοριοποίηση των ασθε-νών γίνεται σε δύο κλάσεις: στην κλάση χαμηλού κινδύνου όπου οι ασθενείς καλούνται να ακολουθήσουν συντηρητική αγωγή και στην κλάση υψηλού κινδύνου όπου οι ασθενείς καλούνται να ακολουθήσουν επεμβατική θεραπεία. Για το σκοπό αυτό χρησιμοποιήθηκαν υπερηχογραφικές απεικονιστικές καταγραφές β-σάρωσης των καρωτιδικών αρτηριών σε διαμήκη τομή καθώς και ένα διάνυσμα 13 διαφορετικών αιματολογικών και δημογραφικών χαρακτηριστικών από 51 ασθενείς με καρωτιδική νόσο. Για τις ανάγκες της εργασίας, αρχικά υλοποιήθηκαν δύο διαφορετικά μοντέλα : ένα απλό νευρωνικό δίκτυο και ένα συνελικτικό νευρωνικό δίκτυο. Το πρώτο μοντέλο δέχεται ως είσοδο τα 13 κλινικά χαρακτηριστικά και το δεύτερο τις απεικονιστικές υπερηχογραφικές καταγραφές. Για την αποτελεσματική διαχεί-ριση της μη ισορροπημένης φύσης του συνόλου δεδομένων επιλέξαμε να χρησιμοποιήσουμε την τεχνική της συλλογικής μάθησης κατά την δημιουργία και των δύο μοντέλων. Στη συνέχεια τα μοντέλα εκπαιδεύτηκαν και αξιολογήθηκαν με τη μέθοδο της διασταυρωμένη επικύρωσης, επιτυγχάνοντας αξιόλογα αποτελέσματα. Κατόπιν, τρεις διαφορετικές μέθοδοι ερμηνευσιμότητας και πιο συγκεκριμένα οι Global Surrogate, Individual Conditional Expectation και Shapley Va-lues χρησιμοποιήθηκαν με σκοπό να ερμηνεύσουν τις προβλέψεις των μοντέλων. Πειραματικά οι μέθοδοι ερμηνευσιμότητας ανέδειξαν πως τα χαρακτηριστικά HDL και LDL χοληστερόλη, τριγλυκερίδια, γλυκόζη αίματος και ουρία επηρεάζουν σε σημαντικό βαθμό τις τελικές προβλέψεις του απλού συλλογικού μοντέλου. Αντίστοιχα, για το συνελικτικό μοντέλο προέκυψε ότι τα εικονοστοιχεία με μικρότερη ενδιάμεση τιμή φωτεινότητας ωθούν το μοντέλο να κατατάξει τον ασθενή με μεγαλύτερη πιθανότητα στην κατηγορία υψηλού κινδύνου.	el
heal.advisorName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	91 σ.	el
heal.fullTextAvailability	false