Analysis of medical data for diabetes for the creation of predictive indicators
| dc.contributor.advisor | Maglogiannis, Ilias | |
| dc.contributor.advisor | Μαγκλογιάννης, Ηλίας | |
| dc.contributor.author | Makris, Panagiotis | |
| dc.contributor.author | Μακρής, Παναγιώτης | |
| dc.date.accessioned | 2024-09-26T09:40:50Z | |
| dc.date.available | 2024-09-26T09:40:50Z | |
| dc.date.issued | 2024-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16798 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4220 | |
| dc.description.abstract | Η πρόοδος της τεχνολογίας και της επιστήμης δεδομένων έχει προσφέρει σημαντική βοήθεια στον τομέα της ιατρικής, ιδιαίτερα στη έγκαιρη και αποτελεσματική διάγνωση και θεραπεία ασθενειών. Αυτή η διπλωματική εργασία στοχεύει στη μελέτη της διάγνωσης του διαβήτη μέσω τεχνικών μηχανικής μάθησης. Πιο συγκεκριμένα, αποτελεί μια συγκριτική μελέτη αλγορίθμων μηχανικής μάθησης για την εύρεση αυτού που προσφέρει την πιο ακριβή πρόβλεψη. Για τον σκοπό αυτό, χρησιμοποιήθηκε ένα σύνολο δεδομένων από τους ασθενείς του Νοσοκομείου Διαβήτη Sylhet στην πόλη Sylhet του Μπαγκλαντές. Το σύνολο αυτό περιέχει δεδομένα και μετρήσεις που βοηθούν στην ανίχνευση του διαβήτη σε πρώιμο στάδιο. Με τη χρήση αυτού του συνόλου δεδομένων, πραγματοποιήθηκε μοντελοποίηση με μια ποικιλία κατάλληλων αλγορίθμων, και υπολογίστηκαν κατάλληλες μετρικές αξιολόγησης για τη σύγκρισή τους, με απώτερο στόχο την ταυτοποίηση του βέλτιστου αλγορίθμου. | el |
| dc.format.extent | 35 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Analysis of medical data for diabetes for the creation of predictive indicators | el |
| dc.title.alternative | Ανάλυση ιατρικών δεδομένων για διαβήτη για τη δημιουργία προγνωστικών δεικτών | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | The advancement of technology and data science has provided significant assistance in the field of medicine, particularly in the timely and effective diagnosis and treatment of diseases. This thesis aims to study the diagnosis of diabetes using machine learning techniques. More specifically, it constitutes a comparative study of machine learning algorithms to find the one that offers the most accurate prediction. For this purpose, a dataset from the patients of Sylhet Diabetes Hospital in Sylhet Bangladesh, was used. This dataset contains data and measurements that aid in the detection of diabetes at an early stage. Using the aforementioned dataset, modeling was conducted using a variety of suitable algorithms, and the calculation of appropriate evaluation metrics was performed to compare them, with the ultimate goal of identifying the optimal algorithm. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Διαβήτης | el |
| dc.subject.keyword | Προγνωστικοί δείκτες | el |
| dc.date.defense | 2024-09-10 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα