Ανάπτυξη ερμηνεύσιμων μοντέλων εκτίμησης του κινδύνου εμφάνισης υπογλυκαιμικών και υπεργλυκαιμικών επεισοδίων με χρήση των αναδρομικών δικτύων μακράς βραχείας μνήμης

Δούνια, Θεώνη; Dounia, Theoni

dc.contributor.author	Δούνια, Θεώνη	el
dc.contributor.author	Dounia, Theoni	en
dc.date.accessioned	2022-07-26T06:49:42Z
dc.date.available	2022-07-26T06:49:42Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55495
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23193
dc.rights	Default License
dc.subject	Diabetes melitus	en
dc.subject	Risk prediction models	en
dc.subject	Explainability	en
dc.subject	Unbalanced dataset	en
dc.subject	Explainable artificial intelligence	en
dc.subject	Σακχαρώδης διαβήτης	el
dc.subject	Μη ισσορροπημένα δεδομένα	el
dc.subject	Μοντέλα εκτίμησης κινδύνου	el
dc.subject	Ερμηνευσιμότητα	el
dc.subject	Ερμηνεύσιμη τεχνιτή νοημοσύνη	el
dc.title	Ανάπτυξη ερμηνεύσιμων μοντέλων εκτίμησης του κινδύνου εμφάνισης υπογλυκαιμικών και υπεργλυκαιμικών επεισοδίων με χρήση των αναδρομικών δικτύων μακράς βραχείας μνήμης	el
heal.type	bachelorThesis
heal.classification	Τεχνητή νοημοσύνη	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-02-28
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η σχεδίαση, η ανάπτυξη και η αξιολόγηση ερμηνεύσιμου εξατομικευμένου μοντέλου εκτίμησης του κινδύνου εμφάνισης υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων σε άτομα με Σακχαρώδη Διαβήτη Τύπου 1 (ΣΔΤ1) που εφαρμόζουν Διατάξεις Συνεχούς Μέτρησης Γλυκόζης (ΔΣΜΓ). Ο Σακχαρώδης Διαβήτης (ΣΔ) είναι μία χρόνια μεταβολική ασθένεια που χαρακτηρίζεται από αυξημένα επίπεδα γλυκόζης στο αίμα και συνδέεται με την εμφάνιση βραχυπρόθεσμων και μακροπρόθεσμων επιπλοκών. Ο γλυκαιμικός έλεγχος, που συνίσταται στην τακτική μέτρηση των επιπέδων γλυκόζης και, στην περίπτωση του ΣΔΤ1, την εξωγενή χορήγηση ινσουλίνης, σε συνδυασμό με κατάλληλες συμπεριφορικές και τρόπου ζωής αλλαγές, έχει αποδειχθεί ότι μπορεί να συμβάλει στην πρόληψη των επιπλοκών. Aν και υπάρχουν ποικίλα βιβλιογραφικά διαθέσιμα προβλεπτικά μοντέλα που επικεντρώνονται στην εξαγωγή βραχυχρόνιων εκτιμήσεων του μελλοντικού προφίλ γλυκόζης, είναι περιορισμένα τα μοντέλα που εστιάζουν στην εκτίμηση της πιθανότητας εμφάνισης οξέων υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων. Επιπλέον, η αδυναμία ερμηνείας των εξαγόμενων αποφάσεων των διαθέσιμων μοντέλων περιορίζει τον βαθμό κατανόησης και, επομένως, την εμπιστοσύνη των ασθενών και των επαγγελματιών υγείας, και δυσχεραίνει την ενσωμάτωση των μοντέλων σε συστήματα υποστήριξης ιατρικών αποφάσεων προς την αυτοδιαχείριση της νόσου. Η ανάπτυξη του μοντέλου βασίζεται στη χρήση των Αναδρομικών Δικτύων Μακράς-Βραχείας Μνήμης (Long Short Term Memory Neural Network-LSTM). Tο μοντέλο δέχεται ως είσοδο προηγούμενες καταγραφές του προφίλ γλυκόζης και τις αντίστοιχες τιμές του ρυθμού μεταβολής των επιπέδων γλυκόζης και εκτιμά την πιθανότητα εμφάνισης υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων για διαφορετικούς χρονικούς ορίζοντες πρόβλεψης (30 λεπτών, 60 λεπτών, 120 λεπτών). Προς αυτή την κατεύθυνση, το μοντέλο περιλαμβάνει δύο επιμέρους LSTM δίκτυα, που εκπαιδεύονται ανεξάρτητα με στόχο την ανίχνευση επερχόμενων υπεργλυκαιμικών και υπογλυκαιμικών επεισοδίων, αντίστοιχα. Κάθε LSTM δίκτυο ενισχύεται με έναν μηχανισμό προσοχής για την εξαγωγή ερμηνεύσιμων συμπερασμάτων σχετικά με τα χαρακτηριστικά του προφίλ γλυκόζης που οδηγούν στην εξαγωγή της εκάστοτε απόφασης. Για τη διαχείριση της μη ισορροπημένης φύσης των δεδομένων, διερευνώνται ποικίλες τεχνικές υποδειγματοληψίας, υπερδειγματοληψίας, και μάθησης με ευαισθησία κόστους. Για την ανάπτυξη και αξιολόγηση του μοντέλου χρησιμοποιήθηκαν δεδομένα καταγραφών από ΔΣΜΓ 12 ατόμων με ΣΔΤ1 που παραχωρήθηκαν από την Α ́ Παιδιατρική Κλινική, Διαβητολογικό Κέντρο του Νοσοκομείου Π. & Α. Κυριακού.	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	287 σ.	el
heal.fullTextAvailability	false