Naslov diplomskega dela: Omrežno predstavitveno učenje za uvrščanje bolnikov z nevrološkimi motnjami

Povzetek:

Diagnoza in zdravljenje nevroloških obolenj predstavlja poseben izziv, predvsem zaradi raznolike narave simptomatike. V diplomskem delu se ukvarjamo s problematiko uvrščanja nevroloških bolezni s pomočjo omrežnega predstavitvenega učenja.

Obravnavamo nabor podatkov z dvema skupinama pacientov: skupino zdravih udeležencev in skupino bolnikov z diagnosticirano nevrološko motnjo. V nalogi izhajamo iz predpostavke, da lahko možgansko konektivnost predstavimo s pomočjo omrežja, v katerem se vozlišča nanašajo na izbrana področja možganske skorje, povezave med vozlišči pa predstavljajo moč konektivnosti.
Jedro naloge temelji na vektorskih vložitvah vozlišč tako zgrajenih omrežij, nad katerimi smo zgradili klasifikatorje za uvrščanje posameznika bodisi v skupino pacientov z nevrološkimi obolenji bodisi v skupino zdravih udeležencev. Za vlaganje vozlišč smo preizkusili algoritma node2vec in HOPE. Za primerjavo smo v analizo vključili tudi uvrščanje na osnovi nekaterih atributov, s katerimi sicer opisujemo lastnosti kompleksnih omrežij. Za uvrščanje smo preizkusili tri metode strojnega učenja in sicer logistično regresijo, naključne gozdove in metodo podpornih vektorjev.

Po eksperimentiranju s hiperparametri, ki jih uporabljajo ti algoritmi, smo za nadaljnjo analizo izbrali algoritem node2vec, ker je bil najučinkovitejši. V kombinaciji z naključnimi gozdovi smo pri uvrščanju dosegli 90\,\% točnost uvrščanja.

Rezultati potrjujejo velik potencial predstavitvenega učenja nad možganskimi omrežji, kar smo potrdili z nalogo klasifikacijo pacientov z nevrološkimi obolenji. Opravljena primerjalna analiza klasifikacijskih modelov kaže na učinkovitost vključevanja omrežnih modelov možgan za izboljšanje diagnostične natančnosti.

Mentor: izr. prof. dr. Lovro Šubelj

Somentor: doc. dr. Andrej Kastrin

Komisija za zagovor:​

doc. dr. Tomaž Dobravec (predsednik),

izr. prof. dr. Lovro Šubelj (mentor),

prof. dr. Zoran Bosnić (član).

Povezava do video kanala, po katerem se bo prenašal zagovor in ga bo možno spremljati, bo dodana najkasneje na dan zagovora (predvidoma 30 minut pred terminom izvedbe zagovora) na spletni strani: https://ucilnica.fri.uni-lj.si/course/view.php?id=35