| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Pepsinogēnu analīze kuņģa ķermeņa atrofijas noteikšanai ar klasifikācijas algoritmiem |
| Title in English |
The Analysis of Pepsinogen for Body Atrophy Determination with Classification Algorithms |
| Department |
12100 Institute of Information Technology |
| Scientific advisor |
Mg. sc. ing. Arnis Kiršners |
| Reviewer |
Mg. sc. ing. Egmonts Treiguts |
| Abstract |
Lielākā daļa no cilvēku slimības vēsturēm ir pieejama elektroniskā veidā, tas veicina datu ieguves metožu izmantošanu medicīnā, piemēram, kādas slimības diagnosticēšanai pēc pacienta testu datu analīzes un izpētes, neprasot ārsta speciālista klīnisko slēdzienu.
Darba mērķis ir veikt pepsinogēnu testu datu izpēti un salīdzinošo analīzi kuņģa ķermeņa atrofijas diagnosticēšanai ar klasifikācijas algoritmiem. Darbā ir izmantoti reāli pacientu dati. Lai sasniegtu izvirzīto mērķi, datu kopa tiek sagatavota datu analīzes procesam. Datu kopai tiek veikta datu pirmapstrāde, attīrot to no trūkstošajiem datiem un normalizējot to pēc četriem normalizācijas algoritmiem. Pēc datu pirmapstrādes tiek veikts datu analīzes process, salīdzinot pēc robežvērtībām iegūtos rezultātus un klīnisko slēdzienu rezultātus. Dati tiek klasificēti pēc trim klasifikācijas algoritmiem divās programmās Weka 3.6 un Orange Canvas 2.0. Izmantotie klasifikācijas algoritmi ir naivais Baijesa, k-tuvāko kaimiņu un C4.5.
Eksperimentāli noteikts, ka piemērotākais klasifikācijas algoritms ir C4.5. Klase 0 jeb pacients ir vesels tika atpazīta ar 99% precizitāti, bet klase 1 jeb pacientam ir nepieciešama padziļināta izmeklēšana ar 40% precizitāti. Pēc robežvērtībām rezultāti tika iegūti līdzīgi. Pēc rezultātu analīzes tika izstrādāts skrīninga klasifikācijas modelis kuņģa ķermeņa atrofijas noteikšanai. Balstoties uz izstrādāto modeli, tika uzrakstīta programma C++ valodā kuņģa ķermeņa atrofijas noteikšanai pēc pepsinogēnu testu datiem.
Klasifikācijas algoritmu rezultāti ir pietiekami precīzi, lai varētu pievērst tiem uzmanību. Pacientiem ir iespēja uzzināt pēc klasifikācijas algoritma rezultātiem noteikto klasi un secināt vai ir nepieciešams vērsties pie ārsta speciālista padziļinātai medicīniskai izmeklēšanai.
Darba apjoms - 54. lpp., 9 tabulas, 39 attēli un 1 pielikums. |
| Keywords |
Datu ieguve, klasifikācijas algoritmi, datu pirmapstrāde, kuņģa ķermeņa atrofija, pepsinogēns. |
| Keywords in English |
Data mining, classification algorithms, data pre-processing, gastric body atrophy, pepsinogen. |
| Language |
lv |
| Year |
2014 |
| Date and time of uploading |
06.06.2014 10:28:47 |
