In questo lavoro di tesi si è cercato di sviluppare un classificatore che permetta l'identificazione dei pazienti affetti da Iperaldosteronismo Primario dovuto alla presenza dell'adenoma di Conn. Nel 1998 èstato realizzato un classificatore con le stesse finalità, in quel caso è stata utilizzata la tecnica della Logistic Regression. In questa tesi si sono provati nuovi approcci rispetto a quanto fatto precedentemente, si sono utilizzati: PET ed SVM. Per la fase di validazione si è ricorsi ad una generalizzazione della Cross Validation: Leave One Out Clinica. Inoltre si è combinato il lavoro del '98 con quanto di nuovo realizzato. Rispetto ai risultati precedenti si sono ottenuti significativi miglioramenti: si è creato un modello, con i PET, che offre informazioni ai medici riguardo alle variabili che più discriminano tra pazienti con e senza APA. Inoltre in termini di prestazioni, a parità  di capacità  di individuare i pazienti positivi, i nuovi modelli hanno una probabilità  maggiore di riconoscere anche i pazienti negativi rispetto al lavoro precedente

Tecniche di apprendimento automatico per l'identificazione dell'iperaldosteronismo primario

Lazzarini, Nicola
2012/2013

Abstract

In questo lavoro di tesi si è cercato di sviluppare un classificatore che permetta l'identificazione dei pazienti affetti da Iperaldosteronismo Primario dovuto alla presenza dell'adenoma di Conn. Nel 1998 èstato realizzato un classificatore con le stesse finalità, in quel caso è stata utilizzata la tecnica della Logistic Regression. In questa tesi si sono provati nuovi approcci rispetto a quanto fatto precedentemente, si sono utilizzati: PET ed SVM. Per la fase di validazione si è ricorsi ad una generalizzazione della Cross Validation: Leave One Out Clinica. Inoltre si è combinato il lavoro del '98 con quanto di nuovo realizzato. Rispetto ai risultati precedenti si sono ottenuti significativi miglioramenti: si è creato un modello, con i PET, che offre informazioni ai medici riguardo alle variabili che più discriminano tra pazienti con e senza APA. Inoltre in termini di prestazioni, a parità  di capacità  di individuare i pazienti positivi, i nuovi modelli hanno una probabilità  maggiore di riconoscere anche i pazienti negativi rispetto al lavoro precedente
2012-07-17
95
Data Mining, PET, SVM, Iperaldosteronismo Primario
File in questo prodotto:
File Dimensione Formato  
Tesi_NicolaLazzarini.pdf

accesso aperto

Dimensione 3.25 MB
Formato Adobe PDF
3.25 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/15811