Διάγνωση σχιζοφρένειας με χρήση μηχανικής μάθησης

Παπαδοπούλου, Ελένη; Papadopoulou, Eleni

dc.contributor.author	Παπαδοπούλου, Ελένη	el
dc.contributor.author	Papadopoulou, Eleni	en
dc.date.accessioned	2022-11-29T10:32:00Z
dc.date.available	2022-11-29T10:32:00Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56295
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23993
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Σχιζοφρένεια	el
dc.subject	fmri	en
dc.subject	Ταξινόμηση	el
dc.title	Διάγνωση σχιζοφρένειας με χρήση μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Μηχανική Μάθηση	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-07-08
heal.abstract	Στόχος της παρούσας διπλωματικής εργασίας είναι η διάγνωση της σχιζοφρένειας από δεδομένα που λαμβάνονται από την απεικόνιση του εγκεφάλου με τη χρήση της μεθόδου fMRI χρησιμοποιώντας βασικούς ταξινομητές και μοντέλα βαθιάς μάθησης. Τα δεδομένα που χρησιμοποιήθηκαν ελήφθησαν από τη βάση δεδομένων του Biomedical Research Excellence (COBRE), η οποία έχει συλλέξει δεδομένα απεικόνισης νευροεγκεφάλου από εργαστήρια σε όλο τον κόσμο. Στη συνέχεια, το σύνολο δεδομένων περιέχει δεδομένα από 72 ασθενείς με σχιζοφρένεια και 75 υγιή δείγματα (ηλικίες που κυμαίνονται από 18 έως 65 σε κάθε ομάδα). Οι βασικοί ταξινομητές που χρησιμοποιούνται σε αυτή τη διπλωματική εργασία είναι ο ταξινομητής kNN, ο ταξινομητής SVM και η λογιστική παλινδρόμηση. Επιπλέον, εξετάζεται μια προσέγγιση βαθιάς μάθησης χρησιμοποιώντας συνελικτικά νευρωνικά δίκτυα, LSTM και συνελικτικό δίκτυο γραφημάτων. Πειραματιστήκαμε με διάφορες παραλλαγές της αρχιτεκτονικής του CNN και με διαφορετικές παραμέτρους των ταξινομητών, και καταφέραμε να επιτύχουμε ακρίβεια πρόβλεψης έως και 72,39%.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας - Γεώργιος	el
heal.advisorName	Σιόλας, Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Κόλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	79 σ.	el
heal.fullTextAvailability	false