Klassificering av neuropati baserat på svettmönster

Visa enkel post
dc.contributor.authorBroberg, Johan
dc.contributor.authorHamoodi, Hussein
dc.contributor.authorHåkansson, Henrik
dc.contributor.authorKerr, Jonathan
dc.contributor.departmentChalmers tekniska högskola / Institutionen för matematiska vetenskapersv
dc.contributor.departmentChalmers University of Technology / Department of Mathematical Sciencesen
dc.date.accessioned2019-07-05T12:03:11Z
dc.date.available2019-07-05T12:03:11Z
dc.date.issued2019
dc.description.abstractSyftet med undersökningen var att avgöra klassificerbarheten av patienter med perfier neuropati baserat på svettmönster med hjälp av logistisk regression. Vår data innehöll tre grupper: kontroller, neuropatiska och obekräftat neuropatiska, individer som misstänks lida av neuropati men ¨annu inte fått det bekräftat. De obekräftat neuropatiska användes bara i träningsmängden och inte i valideringsmängden. Data som användes har mätts på fot eller vad. Klassificerbarheten undersöktes för data uppmätt på patienters fot, vad samt för båda kroppsdelarna tillsammans. Undersökningen gjordes med två korsvalideringar, en inre för att bestämma ett lämpligt kovariatrum och en yttre för att avgöra den faktiska klassificerbarheten. Det bästa sättet att klassificera enligt undersökningen var att använda data från enbart vader och att använda dimensionsreducering med principialkomponentanalys för 15 kovariater. Med hundra simuleringar av vår modell blev medelvärdet av arean under grafen från receiver operating characteristic-kurvan 0.96 med en standardavvikelse på 0.01. Om de två olika klassificeringsfelen värderades lika högt och modellen designades så att båda feltyperna hade lika stor sannolikhet kunde den använda metoden klassificera med ca 10 % fel. Under undersökningen fanns problem med att datamängden innehöll få neuropatiska patienter. För framtida forskning hade det varit intressant att utöka mängden sjuka.
dc.identifier.urihttps://hdl.handle.net/20.500.12380/257387
dc.language.isoswe
dc.setspec.uppsokPhysicsChemistryMaths
dc.subjectMatematik
dc.subjectMathematics
dc.titleKlassificering av neuropati baserat på svettmönster
dc.type.degreeExamensarbete för kandidatexamensv
dc.type.degreeBachelor Thesisen
dc.type.uppsokM2
Ladda ner
Original bundle
Visar 1 - 1 av 1
Bild (thumbnail)
Namn:
257387.pdf
Storlek:
1.5 MB
Format:
Adobe Portable Document Format
Beskrivning:
Fulltext
Ladda ner
Samling
Examensarbeten för kandidatexamen