Napovedovanje Alzheimerjeve bolezni z zlivanjem podatkov

Oder, Iztok (author), Bosnić, Zoran (mentor)

Alzheimerjeva bolezen je vse bolj pereč problem v modernem svetu, saj se svetovno prebivalstvo stara. Ta zahrbtna nevrodegenerativna bolezen povzroča demenco in vpliva na vsakodnevno življenje tako obolelega kot njegovih oskrbnikov. Diagnoza bolezni je trenutno mogoča šele po smrti osebe, ki trpi za to boleznijo. Raziskovalci se zato trudijo z različnimi tipi podatkov in metodami izboljšati modele za dovolj zgodnje razlikovanje med zdravimi in obolelimi osebami. V magistrski nalogi obravnavamo napovedovanje Alzheimerjeve bolezni z uporabo zlivanja podatkov. V ta namen predlagamo metodo zgodnje integracije atributov. Metoda na skupnih atributih dveh množic nauči modele za nadzorovano učenje in z njimi napove manjkajoče atribute iz druge množice atributom iz prve množice. Implementirano metodo stestiramo na več množicah, ki vsebujejo podatke različnih modalnosti, tako da med seboj primerjamo večje število modelov, zgrajenih na osnovnih in zlitih množicah. Obravnavane implementacije metod značilno ne izboljšajo modelov. V nekaterih primerih pa je vseeno mogoče opaziti izboljšanje napovedi in tako potencial zlivanja podatkov za zvišanje klasifikacijske točnosti.

• Language: Slovenian
• Keywords: Alzheimerjeva bolezen, strojno učenje, zlivanje podatkov, napovedovanje, klasifikacija
• Work type: Master's thesis/paper
• Organization: FRI - Faculty of Computer and Information Science
• Year: 2018
• PID: 20.500.12556/RUL-99568
• Publication date in RUL: 02.02.2018

ODER, Iztok, 2018, Napovedovanje Alzheimerjeve bolezni z zlivanjem podatkov [online]. Master’s thesis. [Accessed 31 March 2025]. Retrieved from: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=eng&id=99568

Secondary language

• Language: English
• Title: Predicting the Alzheimer’s disease using data fusion

Abstract

Alzheimer's disease is an increasingly pressing problem in the modern world, as the world's population is aging. This insidious neurodegenerative disease causes dementia and affects the daily life of both -- the diseased and their caregivers. Diagnosing this disease is currently possible only after the death of the affected person. Researchers are striving to develop a method for predicting this disease using different types of data. In this master's thesis we are trying to improve prediction of Alzheimer's disease using data fusion. To this end, we propose an early attribute integration method. Our method takes common attributes of two sets and builds models to extend the attributes from original set with the missing attributes of the other set. We test the our implementation of the proposed method on multiple sets containing data of various modalities. We compare classification models built on the fused datasets and on the original datasets. Our implementation of the method does not significantly improve the models. However, in some cases, improvement is noticeable and can nevertheless indicate the potential of data fusion for increasing the classification accuracy.

• Keywords: Alzheimer's disease, machine learning, data fusion, prediction, classification