dc.contributor.advisor | Τσιχριντζής, Γεώργιος | |
dc.contributor.author | Παναγούλιας, Δημήτριος | |
dc.date.accessioned | 2021-05-12T08:31:43Z | |
dc.date.available | 2021-05-12T08:31:43Z | |
dc.date.issued | 2021-04 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/13431 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/854 | |
dc.description.abstract | Το δόγμα της “one size fits all” προσέγγισης έχει ξεπεραστεί στο πεδίο της διάγνωσης των ασθενειών και της διαχείρισης των ασθενών και ακολουθείται πλέον η λογική της εξατομικευμένης ιατρικής “personalized medicine”. Οι βιοδείκτες αποτελούν τις βασικές μεταβλητές στην έρευνα και την ανάπτυξη νέων μεθόδων εκπαίδευσης μοντέλων πρόγνωσης στο επιστημονικό πεδίο της μηχανικής μάθησης και της δημιουργίας ιατρικών εφαρμογών τεχνητής νοημοσύνης.
Σημαντικοί βιοδείκτες οι οποίοι σχετίζονται με τον μεταβολισμό είναι οι μεταβολίτες. Metabolomics είναι η συστηματική μελέτη των μοναδικών χημικών δακτυλικών αποτυπωμάτων(metabolites) που αφήνουν πίσω συγκεκριμένες κυτταρικές διεργασίες. Το μεταβολικό προφίλ μπορεί να δώσει ένα στιγμότυπο της φυσιολογίας του κυττάρου, και κατεπέκταση τα metabolomics παρέχουν μια άμεση «λειτουργική ανάγνωση της φυσιολογικής κατάστασης» ενός οργανισμού.
Ο στόχος της παρούσας εργασίας είναι να αποτυπωθεί το γενικό διάγραμμα αξιολόγησης διατροφικών βιοδεικτών, να διερευνηθεί η δυνατότητα πρόβλεψης του δείκτη μάζας και να αναγνωριστούν διαιτητικά πρότυπα με τη χρήση νευρωνικών δικτύων. | el |
dc.format.extent | 59 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.title | Διατροφικοί βιοδείκτες και μηχανική μάθηση για εφαρμογές εξατομικευμένης διατροφής και βελτιστοποίησης της ανθρώπινης υγείας | el |
dc.title.alternative | Nutritional biomarkers and machine learning for personalized nutrition applications and health optimization | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
dc.description.abstractEN | The doctrine of the "one size fits all" approach has been overcome in the field of disease diagnosis and patient management and has been replaced by a more per patient approach known as personalized medicine. Bio markers are the key variables in the research and development of new methods of training prognostic models and neural networks in the scientific field of machine learning and artificial intelligence.
Important biomarkers related to metabolism are the metabolites. Metabolomics is the systematic study of unique chemical fingerprints that are left behind by specific cellular processes. The metabolic profile can provide a snapshot of cell physiology, and by extension metabolomics provide a direct "functional reading of the physiological state" of an organism.
The goal of this paper is to formulate a general evaluation chart of the nutritional biomarkers, to investigate how to best predict body mass index and to discover dietary patterns with the deployment of neural networks. | el |
dc.contributor.master | Πληροφορική | el |
dc.subject.keyword | Νευρωνικά δίκτυα | el |
dc.subject.keyword | Αναγνώριση προτύπων | el |
dc.date.defense | 2021-04-08 | |