Zastosowania narzędzi statystycznych i matematycznych metod sztucznej inteligencji do predykcji wystapienia dysplazji oskrzelowo-płucnej u noworodków
Relation
Local access
Defence Date
2007
Degree Date
Authors
Supervisors:
Other title
Prediction of BronchoPulmonary Dysplasia in preterm neonates using statistical and artificial neural network tools
Resource type
Call number
Defence details
Physical Description:
Research Project
Description
Abstract
The dissertation presents the problem of using statistical and artificial neural network tools for prediction of BronchoPulmonary Dysplasia - chronic lung disease in neonates. The children were born prematurely with weight less than 1500 g. Static (like birth weight, gestational age, etc.) and dynamic data (surfactant administration, mechanical ventilation, etc.) were used. The data was obtained from the Neonatal Information System - database used in Polish-American Children's Hospital in Cracow. To increase the prediction accuracy the data gathered by medical data monitoring system was used. Prognostic values of logistic regression and neural networks were tested. Forward selection, backward elimination and genetic algorithm methods were used to find the optimal subset of variables.
W pracy poruszony został temat zastosowania narzędzi statystycznych i matematycznych metod sztucznej inteligencji do predykcji dysplazji oskrzelowo-płucnej - przewlekłego powikłania wcześniactwa u noworodków. Badaną grupę stanowiły dzieci urodzone przedwcześnie o bardzo małej urodzeniowej masie ciała (poniżej 1500 g). Podobnie jak w innych pracach dotyczących tego tematu użyte zostały podstawowe dane typu statycznego takie jak m.in. urodzeniowa masa ciała, wiek płodowy, oraz dane typu dynamicznego (np. zastosowanie surfaktantu, wentylacja mechaniczna). Dane te pozyskane zostały ze szpitalnej bazy danych Oddziału Intensywnej Terapii Noworodka Polsko-Amerykańskiego Instytutu Pediatrii. W celu poprawy trafności predykcji dodatkowo wykorzystano informacje zebrane przy pomocy specjalnie na potrzeby pracy skonstruowanego systemu rejestracji danych transmitowanych przez urządzenia medyczne. W pracy oprócz regresji logistycznej wykorzystano również sztuczne sieci neuronowe. W celu znalezienia optymalnego zbioru zmiennych predykcyjnych zastosowane zostały proste metody selekcji postępującej i eliminacji wstecznej oraz algorytm genetyczny.

