Εφαρμογές μηχανικής μάθησης στη νόσο του Parkinson

Ελευθεράκου, Όλγα

dc.contributor.advisor	Μπερσίμης, Σωτήριος
dc.contributor.author	Ελευθεράκου, Όλγα
dc.date.accessioned	2023-04-05T09:22:56Z
dc.date.available	2023-04-05T09:22:56Z
dc.date.issued	2023-03
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/15327
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/2749
dc.description.abstract	Στις μέρες μας, η μηχανική μάθηση έχει γίνει βασικό εργαλείο για την καταπολέμηση της νόσου του Πάρκινσον. Με την ικανότητά της να αναλύει τεράστιες ποσότητες δεδομένων, η μηχανική μάθηση μπορεί να βοηθήσει στην έγκαιρη ανίχνευση και την ακριβή διάγνωση της νόσου του Πάρκινσον. Μπο ρεί επίσης να βοηθήσει στην παρακολούθηση της εξέλιξης της νόσου και στην πρόβλεψη των αποτελεσμάτων των ασθενών. Οι αλγόριθμοι μηχανικής μάθησης μπορούν επίσης να χρησιμοποιηθούν για τον εντοπισμό πιθανών νέων φαρμακευτικών στόχων και την αξιολόγηση της αποτελεσματικότητας των υφιστάμενων θεραπειών. Επιπλέον, η μηχανική μάθηση μπορεί να βοηθήσει στην ανάπτυξη εξατομικευμένων σχεδίων θεραπείας για τους ασθενείς, λαμβάνοντας υπόψη τις ατομικές διαφορές στην παρουσίαση της νόσου και την ανταπόκριση στις θεραπείες. Εν γένει, η μηχανική μάθηση έχει τη δυνατότητα να φέρει επανάσταση στην κατανόηση και τη θεραπεία της νόσου του Πάρκινσον, βελτιώνοντας τελικά τα αποτελέσματα και την ποιότητα ζωής των ασθενών. Στην παρούσα εργασία, γίνεται μια εκτενής περιγραφή σε προβλήματα που εφάπτονται στην αντιμετώπιση της Νόσου του Πάρκινσον, ενώ δίνεται περισσότερη έμφαση στη διαχείριση δεδομένων από Holter ώστε να παρθεί απόφαση, χρησιμοποιώντας μεθόδους μηχανικής μάθησης, για το ποιοι ασθενείς είναι κατάλληλοι για «εν τω βάθει εγκεφαλική διέγερση».	el
dc.format.extent	113	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πειραιώς	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
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	Εφαρμογές μηχανικής μάθησης στη νόσο του Parkinson	el
dc.title.alternative	Applications of machine learning in Parkinson's disease	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Χρηματοοικονομικής και Στατιστικής. Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης	el
dc.description.abstractEN	Nowadays, machine learning has become an essential tool in the fight against Parkinson's disease. With its ability to analyse vast amounts of data, machine learning can assist in the early detection and accurate diagnosis of Parkinson's disease. It can also help track disease progression and predict patient outcomes. Machine learning algorithms can also be used to identify potential new drug targets and evaluate the efficacy of existing treatments. Moreover, machine learning can aid in the development of personalized treatment plans for patients, taking into account individual differences in disease presentation and response to therapies. Overall, machine learning has the potential to revolutionize our understanding and treatment of Parkinson's disease, ultimately improving patient outcomes and quality of life. In this thesis, an extensive description is given of problems that are relevant to the treatment of Parkinson's Disease, with more emphasis on Holter data management to make a decision, using machine learning methods, about which patients are suitable for deep brain stimulation (DBS).	el
dc.contributor.master	Εφαρμοσμένη Στατιστική	el
dc.subject.keyword	Νόσος Πάρκινσον	el
dc.subject.keyword	Μηχανική μάθηση	el
dc.subject.keyword	Στατιστική	el
dc.subject.keyword	Holter	el
dc.subject.keyword	Νευρωνικά δίκτυα	el
dc.subject.keyword	Machine learning	el
dc.subject.keyword	Parkinson's disease	el
dc.subject.keyword	Neural networks	el
dc.subject.keyword	Statistics	el
dc.date.defense	2023-03-31

Αρχεία σε αυτό το τεκμήριο

Name:: Eleftherakou_MES21038.pdf
Μέγεθος:: 2.933Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Στατιστικής και Ασφαλιστικής Επιστήμης
Department of Statistics & Insurance Science

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα