magistrsko delo
Matej Zrimšek (Avtor), Igor Kononenko (Mentor)

Povzetek

V sklopu tekmovanja Alzheimer’s Disease Big Data DREAM Challenge #1 (AD#1) želimo z uporabo odprtega znanstvenega pristopa hitro prepoznati natančne napovedne biomarkerje Alzheimerjeve bolezni, ki jih lahko znanstvene, industrijske in regulativne skupnosti uporabljajo za izboljšanje diagnoze in zdravljenja te bolezni. Z uporabo demografskih, kliničnih in genetskih podatkov ter slikanj z MR, pridobljenih na udeležencih v sklopu pobude Alzheimer’s Disease Neuroimaging Initiative (ADNI), smo ustvarili napovedne modele kognitivnih ocen in napovedali neskladja med kognitivnimi sposobnostmi in amiloidnim bremenom. Z izvlačenjem podatkov smo iz enormne množice podatkov sestavili uporaben nabor le-teh za njihovo uporabo kot učne in testne množice. Razvili smo sistem za hitro in poenoteno obdelavo in optimizacijo pridobljenih podatkov. To nam je koristilo, ker smo za napovedovanje poizkusili najrazličnejše pristope in strategije h grajenju učnega modela ter naredili primerjavo njihove učinkovitosti. Poglobili smo se v mnoge druge raziskave na tem področju in z njimi potegnili smernice ter izvedli primerjavo ugotovitev in rezultatov oziroma učinkovitosti z našo.

Ključne besede

Alzheimerjeva bolezen;bioinformatika;medicinska informatika;strojno učenje;napovedni model;profiliranje bolezni;napovedovanje bolezni;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [M. Zrimšek]
UDK: 004.42
COBISS: 45086211 Povezava se bo odprla v novem oknu
Št. ogledov: 1319
Št. prenosov: 114
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Alzheimer's disease prediction with machine learning from clinical data
Sekundarni povzetek: As part of Alzheimer’s Disease Big Data DREAM Challenge #1 (AD#1), we want to quickly identify accurate predictive biomarkers of Alzheimer’s disease using an open scientific approach that can be used by scientific, industrial and regulatory communities to improve diagnosis and treatment. Using demographic, clinical and genetic data and MR imaging obtained from participants in the Alzheimer’s Disease Neuroimaging Initiative (ADNI), we created predictive models of cognitive assessments and predicted discrepancies between cognitive abilities and amyloid load. With data extraction, we compiled a useful subset of data from an enormous amount of it to use it as a training and test set. We have developed a system for fast and uniform processing and optimization of obtained data. This benefited us because we tried a variety of approaches and strategies to build a learning model for prediction and made a comparison of their effectiveness. We delved into much other research in this field, drew guidelines with them and compared the findings and results or efficiency with ours.
Sekundarne ključne besede: Alzheimerʼs disease;bioinformatics;medical informatics;machine learning;predictive model;disease profiling;disease prediction;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 0
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za matematiko in fiziko, Oddelek za matematiko, Računalništvo in matematika - 2. stopnja
Strani: XIX, 112 str.
ID: 12349051
Priporočena dela: