Orvosi adathalmazok adatbányászata neurális háló és deep learning megoldások felhasználásával

Konzulens:
Dr. Harmati István
Kölső konzuelns:
Daróczy Bálint
External supervisor e-mail:
burai@oktafone.com
Tárgy:
Önálló laboratórium 1 - Irányítórendszerek főspecializáció, MSc Vill.
Hallgatói létszám:
2
Folytatás:
Szakdolgozat / Diplomaterv
Leírás:
A gépi tanulás módszerek jelentős és jelenleg a legaktívabban fejlődő területét képezik az osztályozási illetve a regressziós módszerek. A módszerek célja az esetek többségében valamely tulajdonság előállítása egy ismeretlen elem számára. A legtöbb módszer egy meglévő, a tanulási folyamat során előállított modell és az adott elem ismert tulajdonságai alapján megpróbálja "megjósolni" az ismeretlen tulajdonság létezését (osztályozás) vagy mértékét (regresszió). A felvételt nyert hallgató a tudományterület legmodernebb módszereit próbálhatja ki feldolgozott és transzformált nagy orvosi adatbázisokon csatlakozva nagyobb orvosi kutató projektekhez. A potenciális (generalizált lineáris modellek (LogReg, Support Vector Machines), boosting modellek (AdaBoost, Gradient Boosted Trees), egyszerűbb és deep neurális hálózatok (Deep Belief Network, Recurrent Neural Network dinamikus folyamatok illetve Convolutional Neural Network képek esetében)) módszereket a hallgató egyszerűbb saját fejlesztésekkel valamint az általunk fejlesztett eszközök beépítésével használja a kiadott feladatok elvégzéséhez.