Klasyfikacja obrazów tomograficznych serca metodami uczenia maszynowego

Abstract

W niniejszej pracy zostały przedstawione matematyczne podstawy wybranych algorytmów nauczania maszynowego. Omówiono algorytmy regresji, maszyn wektorów nośnych oraz algorytm nauczania zespołowego - model lasu losowego. Które następnie testowano i oceniano z użyciem dwóch zestawów danych pochodzących z tego samego badania mięśnia sercowego, wykonanego za pomocą tomografii emisyjnej pojedynczych fotonów - badania SPECT. Przybliżono również podstawowe pojęcia związane z tematem nauczania maszynowego, takie jak miary wydajności, strojenie modeli oraz problemy w nauczaniu maszynowym. Zaprezentowany został proces pozyskania danych w wyniku wykorzystania algorytmu analizy obrazu wspieranej przez proces diagnostyczny kardiologa. Zaprezentowany został proces budowy wybranych modeli, jak również proces nauki i ewaluacji modelu. Wyniki algorytmów zostały porównane przy pomocy podstawowych miar ocen wydajności klasyfikatorów. Otrzymane wyniki wskazują na potrzebę treningu podobnych klasyfikatorów na większym zestawie danych. Nie wykazano znacznych różnic pomiędzy wydajnością algorytmów względem uczenia się na różnych zbiorach danych