Metode umetne inteligence za modeliranje mehanizmov tremorjevGroznik, Vida (Avtor) Bratko, Ivan (Mentor) umetna inteligencavizualizacija atributovtremordigitalna spirografijaparkinsonova bolezenesencialni tremorTremorji so ena najpogostejših motenj gibanja, ki jih povezujemo predvsem z različnimi boleznimi živčevja. Ker obstaja več kot 20 različnih tipov tremorjev, je z vidika pravilnega zdravljenja pomembno, da jih znamo med seboj razločevati. V disertaciji smo se osredotočili na razločevanje med parkinsonskim, esencialnim in mešanim tremorjem, saj se ti najpogosteje pojavljajo. V disertaciji smo se najprej lotili gradnje diagnostičnega modela za razločevanje med parkinsonskim, esencialnim in mešanim tremorjem na podlagi podatkov kliničnega pregleda, družinske anamneze in digitalne spirografije. Sam proces gradnje diagnostičnega modela je potekal z uporabo argumentiranega strojnega učenja. Ta nam je omogočil, da smo skozi proces elicitacije ekspertovega znanja (v našem primeru nevrologa) zgradili model, ki zajema trinajst pravil, ki so z medicinskega vidika smiselna. Sam postopek elicitacije znanja pa je pripomogel tudi k višji klasifikacijski točnosti končnega diagnostičnega modela v primerjavi z začetnim. V končnem diagnostičnem modelu so spirografski atributi nastopili v več kot polovici pravil. To nas je motiviralo, da smo izdelali model, ki temelji zgolj na podatkih digitalne spirografije. Za potrebe gradnje razumljivega modela smo najprej zgradili atribute. Namen atributov je bil zajem medicinskega znanja, ki se nanaša tako na spirografijo kot tudi na samo domeno. Na podlagi več kot 500 različnih atributov smo z uporabo logistične regresije zgradili končni model, ki z 90% klasifikacijsko točnostjo razločuje med preiskovanci s tremorjem in tistimi, ki tremorja niso imeli. Med samo gradnjo atributov smo želeli ugotoviti, kaj naši atributi zaznajo. Tako smo razvili metodo za vizualizacijo atributov na vrstah. Ta nam je pomagala pri gradnji atributov, poleg tega pa je uporabna tudi za vizualno razlago odločitev diagnostičnega modela. Samo vizualizacijo in posledično diagnostični model smo evalvirali s pomočjo treh neodvisnih ekspertov. Izkazalo se je, da sta tako sam diagnostični model kot tudi vizualizacija smiselna in zajameta medicinsko znanje. Končni diagnostični model je vgrajen v prosto dostopni mobilni aplikaciji ParkinsonCheck.20182018-07-26 15:47:32Doktorsko delo/naloga102233VisID: 19688COBISS_ID: 1537809091sl