| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Mašīnmācīšanās metožu pielietošana kuņģa vēža attīstības kaskādes analīzei |
| Nosaukums angļu valodā |
The Use of Machine Learning Methods for Stomach Cancer Developing Cascade Analysis |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Inese Poļaka |
| Recenzents |
Olga Kotova |
| Anotācija |
Darbā ar datu zinātnes un datizraces metodēm tiek pētīta kuņģa vēža attīstība (vēzis un pirmsvēža stāvokļi – atrofija, intestinālā metaplāzija un displāzija). Vispār kuņģa vēža kaskāde netiek pētīta pilnībā, tikai sākotnējie stāvokļi – atrofija un intestinālā metaplāzija, jo tie ir secīgi stāvokļi, bet displāzijai arī piemīt īpatnība izveidoties pašai par sevi, neatkarīgi no agrīnajām patoloģijām, jo pastāv mutācijas faktors. Proti, gastroentrologiem un histopatologiem šajā darbā tiek piedāvāti zināšanu modeļi par visu kaskādes procesu un gaitu, pielietojot 5 klasifikācijas algoritmus nesabalansētai un sabalansētai datu kopai no endokopijas izmeklējumiem, lai analizētu likumsakarības starp neatkarīgajiem (ietekmējošie faktori un reizē pastāvošo stāvokļu stadijas no biopsijām), un atkarīgo mainīgo (vēža esamība). Vēl tiek realizētas nepārtraukta laika Markova ķēdes nesabalansētai datu kopai, balstoties uz pieejamu risinājumu, pēc kā tiek veiktas prognozes laika gaitā starp stāvokļu pārejām, slimības izplatību un laikiem stāvoklī, un līdz saslimšanai ar vēzi. Gan klasifikācijai, gan Markova ķēdēm ir uzskatāmi izskaidrota datu kopas argumentēta pārveidošana. Papildus ir pētīta kovariāta ietekme uz reizē pastāvošajiem stāvokļiem no atrofijas līdz displāzijai. Atslēgvārdi – kuņģa vēža kaskāde, datizrace, pārraudzītās mašīnmācīšanās algoritmi, daudzstāvokļu stohastiskais modelis. Dati par darba apjomu – 77 lappuses, 37 attēli, 12 tabulas un 34 izmantoto informācijas avotu. |
| Atslēgas vārdi |
kuņģa vēža kaskāde, datizrace, pārraudzītās mašīnmācīšanās algoritmi, daudzstāvokļu stohastiskais modelis |
| Atslēgas vārdi angļu valodā |
gastric cancer cascade, data mining, supervised machine learning algorithms, multi-state stochastic model |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
28.05.2024 23:17:13 |
