Μοντελοποίηση συμπεριφοράς βιοϊατρικών δεδομένων

Αυτή η διατριβή είναι αφιερωμένη στην ανάπτυξη τεχνητών νευρωνικών δικτύων (ANN) και μπεϋζιανών νευρωνικών δικτύων (Bayesian Networks), δεδομένου ότι μπορούν να χρησιμοποιηθούν σε περιοχές κλινικής διάγνωσης ως κατάλληλοι ταξινομητές όπου οι μαθηματικές προϋποθέσεις των παραμέτρων που περιγράφουν τα αντικείμενα που δεν ικανοποιούνται επαρκώς. Οι αλγόριθμοι και οι στατιστικοί δείκτες που αναφέρονται και υλοποιούνται σε αυτή τη διδακτορική διατριβή είναι πρωτοπόροι στο τομέα της ιατρικής πληροφορικής για την εξαγωγή συμπερασμάτων σε διάφορες ασθένειες (οξεία σκωληκοειδίτιδα) και σε ιατρικά πειράματα (ίσχαιμος περίδεσης) με σκοπό την βελτίωση και την γρηγορότερη αντιμετώπιση των ιατρικών παθήσεων. Στην παρούσα διατριβή επιχειρείται η εισαγωγή των νευρωνικών δικτύων RBF και MLP όπως και μπεϋζιανών ταξινομητών όπως ο Naïve Bayes στην έρευνα του κατάγματος ισχίου με σκοπό την προσαρμοστικότητα ενός νέου παράγοντα στον ελληνικό πληθυσμό. Η ασαφής λογική και τα μπεϋζιανά δίκτυα εφαρμόζονται στους ασθενείς με κατάθλιψη με στόχο να βρεθεί το κατάλληλο μοντέλο για την γρηγορότερη διάγνωση της νόσου. Σε σύνολο δεδομένων ψυχικά ασθενών εφαρμόζονται μέθοδοι προ-επεξεργασίας με σκοπό την ενίσχυση της αποτελεσματικότητας των μεθόδων μηχανικής μάθησης. Τέλος, με σκοπό την γρηγορότερη πρόγνωση και πρόληψη της οστεοπόρωσης χρησιμοποιούνται γενετικοί αλγόριθμοι, τεχνητά νευρωνικά δίκτυα και μέθοδοι προ-επεξεργασίας.