Πρωτότυπος Τίτλος:
Μοντέλα μηχανικής μάθησης για τη σύνθεση ρεαλιστικών χρονοσειρών με εφαρμογές στην ιατρική έρευνα
Συγγραφέας:
Πατούση, Άλντο, Σωκράτ
Επιβλέπων καθηγητής:
Δίου, Χρήστος
Περίληψη:
Σκοπός αυτής της πτυχιακής εργασίας είναι η παραγωγή συνθετικών ρεαλιστικών δεδομένων για χρήση τους στην ιατρική έρευνα, πιο συγκεκριμένα στα σήματα ηλεκτροκαρδιογραφήματος (ΗΚΓ). Το κίνητρο πίσω από αυτήν την πτυχιακή εργασία πηγάζει από τις σημαντικές προκλήσεις που σχετίζονται με την κοινή χρήση και την ανταλλαγή ιατρικών δεδομένων λόγω των αυστηρών κανονισμών περί απορρήτου, που στοχεύουν στην προστασία της ιδιωτικότητας και των ευαίσθητων δεδομένων των ασθενών, οι οποίοι συχνά εμποδίζουν την πρόοδο της ιατρικής έρευνας. Αρχικά παρουσιάζονται το πρόβλημα και το πόσο θα ωφελήσει η λύση αυτού, έπειτα γίνεται μία βιβλιογραφική επισκόπηση σε προσπάθειες λύσης προβλημάτων που απαιτούν ιατρικά δεδομένα. Στη συνέχεια γίνεται μία περιγραφή του μοντέλου TimeGAN, περιγράφονται τα κύρια χαρακτηριστικά του και η υλοποίηση του, καθώς και ένα πείραμα και τα αποτελέσματα με βάση το μοντέλο αυτό. Ύστερα πραγματοποιήθηκαν κάποια πειράματα σε δεδομένα ΗΚΓ από μια βάση δεδομένων στο μοντέλο TimeGAN με σκοπό να δημιουργηθούν συνθετικά δεδομένα που είναι παρόμοια με ένα πραγματικό ΗΚΓ. Τέλος περιγράφονται τα συμπεράσματα αυτών των πειραμάτων με βάση τα αποτελέσματα, καθώς και οι μελλοντικές προοπτικές σε ό,τι αφορά τη δημιουργία συνθετικών δεδομένων με τη χρήση του μοντέλου TimeGAN.
Ημερομηνία κατάθεσης:
2025-03-19
Γλώσσες Τεκμηρίου:
Ελληνικά
Θεματικές Κατηγορίες:
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Λοιπά Θέματα:
Ιατρική - πληροφορική
Λέξεις-κλειδιά:
Νευρωνικά Δίκτυα, Ηλεκτροκαρδιογράφημα, Χρονοσειρές, Παραγωγικά Αντιπαραθετικά Δίκτυα, Μηχανική Μάθηση
Περιγραφή:
59 σ.,εικ.
Άδεια χρήσης:
Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0
