polito.it
Politecnico di Torino (logo)

Costruzione di uno strumento di aiuto all'individuazione delle condizioni ottimali di svezzamento dalla ventilazione meccanica tramite tecniche di Machine Learning e Data science = Construction of a tool to help the identification of the optimal conditions for weaning from mechanical ventilation through Machine Learning and Data Science techniques

Ilaria Lazzarini

Costruzione di uno strumento di aiuto all'individuazione delle condizioni ottimali di svezzamento dalla ventilazione meccanica tramite tecniche di Machine Learning e Data science = Construction of a tool to help the identification of the optimal conditions for weaning from mechanical ventilation through Machine Learning and Data Science techniques.

Rel. Gabriella Balestra, Samanta Rosati. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (4MB) | Preview
Abstract:

La ventilazione meccanica forzata è una tecnica utilizzata nella pratica clinica per ridurre o sostituire lo sforzo respiratorio e mantenere lo scambio gassoso ottimale. Si tratta di una procedura non priva di controindicazioni, per cui è fondamentale non prolungare il trattamento oltre il necessario e al tempo stesso evitare di incorrere in un fallimento del tentativo di estubazione a causa di uno svezzamento precoce. Da queste considerazioni emerge l’idea fondante del presente progetto di tesi che mira a proporre uno strumento di aiuto all’individuazione del momento ottimale per lo svezzamento dalla ventilazione meccanica. Lavorando sui dati estratti dal database MIMIC-III (Medical Information Mart for Intensive Care), dedicato alla medicina intensiva, sono state valutate la stabilità e le prestazioni di un primo classificatore, il LightGBM che, sebbene sia stabile in termini di perfomances, è risultato affetto da overfitting, problema che non è superabile effettuando modifiche ai parametri e che può essere ricondotto alla scarsa dimensionalità dei dati. Si è quindi proseguito con la costruzione di quattro strutture di Deep Neural Network e successivamente è stata ottimizzata, tramite algoritmo genetico, la migliore in termini di prestazioni. I risultati della fase di ottimizzazione hanno permesso di effettuare valutazioni sia in termini di prestazioni sia per quanto riguarda le variabili selezionate e hanno portato ad ipotizzare nuove strade di combinazioni di reti e strutture per ottenere miglioramenti.

Relatori: Gabriella Balestra, Samanta Rosati
Anno accademico: 2021/22
Tipo di pubblicazione: Elettronica
Numero di pagine: 62
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/20180
Modifica (riservato agli operatori) Modifica (riservato agli operatori)