Vietti, Andrea (2021) Fuzzy Diagnosis Support for Parkinson and Sleep Disorders. Bachelor thesis, Scuola universitaria professionale della Svizzera italiana.
![[img]](https://tesi.supsi.ch/style/images/fileicons/text.png) |
Text
DOC_VIETTI.pdf - Published Version Restricted to Repository staff only Available under License Creative Commons Attribution Non-commercial. Download (2MB) |
|
Text
POSTER_VIETTI.pdf - Published Version Available under License Creative Commons Attribution Non-commercial. Download (361kB) |
Abstract
Questo lavoro tratta l’applicazione delle tecniche di clustering k-means e fuzzy c-means, cercando di dimostrare i vantaggi di quest’ultimo, oltre che ad altre tecnologie di supporto all’analisi di dati nell’ambito dello studio delle malattie legate al sonno. In particolare lo scopo è quello di fornire un supporto alla diagnosi della sindrome da apnea ostruttiva del sonno (OSA) e del morbo di Parkinson (PD) studiando i risultati derivanti da polisonnografie. A disposizione di questi esami si ha un dataset fornito di 166 elementi, questi ultimi sono pazienti divisi in tre categorie: sani, affetti da sindrome da apnea ostruttiva del sonno e affetti dal morbo di Parkinson. Più nello specifico in questo progetto di diploma vengono utilizzate: tecniche di classificazione binaria e intersezione tra insiemi fuzzy nel tentativo di ricavare un quarto gruppo comprendente i pazienti affetti sia da OSA che da PD, l’applicazione della k-fold cross-validation a supporto della validità dei modelli di machine learning utilizzati e infine delle analisi statistiche dei risultati per confermare la diversità dei due approcci di clustering impiegati. --- The focus of this project is the application of k-means and fuzzy c-means clustering techniques, trying to benefit from the advantages of the latter, as well as other technologies to support data analysis in the study of diseases related to sleep disorders. In particular, the aim is to provide support for the diagnosis of obstructive sleep apnea syndrome (OSA) and Parkinson's disease (PD) by studying the results deriving from polysomnography. A dataset with 166 items is available for these tests, the latter contains patients divided into three categories: healthy, obstructive sleep apnea syndrome and Parkinson's disease. More specifically, in this thesis, binary classification techniques and intersection between fuzzy sets are used in an attempt to derive a fourth group including patients affected by both OSA and PD, the application of k-fold cross-validation is explored to support the validity of the machine learning models used and finally of the statistical analysis of the results to confirm the diversity of the two clustering approaches used.
| Item Type: | Thesis (Bachelor) |
|---|---|
| Corso: | UNSPECIFIED |
| Supervisors: | Faraci, Francesca Dalia and Fiorillo, Luigi |
| Subjects: | Informatica |
| Divisions: | Dipartimento tecnologie innovative > Bachelor in Ingegneria informatica |
| URI: | http://tesi.supsi.ch/id/eprint/4104 |
Actions (login required)
 |
View Item |