Μέθοδοι συμπλήρωσης ελλιπών τιμών σε ηλεκτρονικά ιατρικά δεδομένα με χρήση τεχνικών βαθιάς μάθησης

Κωνσταντίνος, Ψυχογυιός; Konstantinos, Psychogyios

dc.contributor.author	Κωνσταντίνος, Ψυχογυιός	el
dc.contributor.author	Konstantinos, Psychogyios	en
dc.date.accessioned	2023-05-08T10:30:50Z
dc.date.available	2023-05-08T10:30:50Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57656
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.25353
dc.rights	Default License
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Γενετικά αναγωνιστικά δίκτυα	el
dc.subject	Αποτίμηση τιμών	el
dc.subject	Αυτοκωδικοποιητής	el
dc.subject	Βιοιατρική	el
dc.subject	Neural networks	en
dc.subject	Autoencoders	en
dc.subject	Genetic adversarial networks	en
dc.subject	Missing value imputation	en
dc.subject	Artificial intelligence	en
dc.title	Μέθοδοι συμπλήρωσης ελλιπών τιμών σε ηλεκτρονικά ιατρικά δεδομένα με χρήση τεχνικών βαθιάς μάθησης	el
heal.type	bachelorThesis
heal.classification	Τεχνητή νοημοσύνη	el
heal.classification	Γενετικά αναγωνιστικά δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-03-09
heal.abstract	Τα δεδομένα από ιατρικά εργαστήρια σε ηλεκτρονική μορφή (EHR) γίνονται ολοένα και πιο διαδεδομένα καθώς μεγάλες φαρμακευτικές εταιρείες συνοψίζουν χρόνια έρευνας με αυτόν τον τρόπο. Ακόμα, πολλά νοσοκομεία έχουν πλέον υιοθετήσει την ψηφιοποίηση των δεδομένων των ασθενών τους και σε αρκετές περιπτώσεις τα έχουν διαθέσει στην επιστημονική κοινότητα. ́Ομως, λόγω της φύσης των δεδομένων αυτών παρουσιάζεται συχνά το πρόβλημα των απουσιαζόντων τιμών. Τα δεδομένα αυτά χρησιμοποιούνται συχνά για πρόβλεψη η κατάτμησή όπου οι απουσιάζοντες τιμές αποδίδονται με κάποια τεχνική καταλογισμού η αφαιρούνται από το σύνολο. Πολλές φορές η τεχνική που χρησιμοποιείται είναι η απλή αντικατάσταση με τη μέση τιμή και την πιο συχνά εμφανιζόμενη τιμή για τις συνεχείς και τις κατηγορικές μεταβλητές αντίστοιχα. Στόχος της διπλωματικής εργασίας είναι η εφαρμογή συγχρόνων τεχνικών βαθιάς μάθη- σης όπως γενετικά ανταγωνιστικά δίκτυα και αυτοκωδικοποίητες σε πραγματικά ηλεκτρονικά ιατρικά δεδομένα για την ακριβή απόδοση των απουσιαζόντων τιμών με σκοπό τη βελτίωση της διαδικασίας της πρόβλεψης πάνω σε αυτά.	el
heal.advisorName	Ασκούνης, ∆ημήτριος	el
heal.committeeMemberName	Ψαρράς, Ιωάννης	el
heal.committeeMemberName	Ασκούνης, ∆ημήτριος	el
heal.committeeMemberName	∆ούκας, Χρυσόστομος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Ηλεκτρικών Βιομηχανικών Διατάξεων και Συστημάτων Αποφάσεων. Εργαστήριο Συστημάτων Αποφάσεων και Διοίκησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	78 σ.	el
heal.fullTextAvailability	false