UNIGE document Doctoral Thesis
previous document  unige:84626  next document
add to browser collection
Title

Clinical data mining with Kernel-based algorithms

Author
Directors
Defense Thèse de doctorat : Univ. Genève, 2010 - Sc. 4263 - 2010/05/10
Abstract Cette thèse traite le développement d’un système d’aide à la décision et se focalise sur la création de "modèle" : la sélection de modèle optimal, la sélection de variables les plus significatives, l’interprétabilité du modèle et sa validation historique. Ces questions sont traitées avec l’algorithme machine à vecteurs supports à unique et multiples noyaux. Deux applications cliniques ont ainsi été choisies: la prédiction de cas d’infection nosocomiale et la classification de tissus pulmonaires caractérisés par des maladies interstitielles. Cette thèse apporte ses contributions à quatre principales problématiques : 1) la méthode d’analyse de données déséquilibrées sur lesquelles les méthodes de fouille de données peuvent avoir un faible taux d’erreur sans être sensibles aux cas mal représentés ; 2) la portabilité de modèles prédictifs en les évaluant dans le temps ; 3) l’analyse du compromis interprétabilité de modèle et sa complexité et/ou stabilité ; 4) l’analyse de l’exploitation des résultats obtenus.
Keywords SVMMachine à vecteurs supportsSupport vector machineMuliptle kernel learningEtude de prévalence des infections nosocomialesNosocomial infection prevalenceMaladies interstitielles pulmonairesInterstitial lung diseaseDonnées déséquilibréesImbalanced dataset
Identifiers
Full text
Thesis (1.9 MB) - public document Free access
Structures
Research group Geneva Artificial Intelligence Laboratory
Citation
(ISO format)
IAVINDRASANA, Jimison. Clinical data mining with Kernel-based algorithms. Université de Genève. Thèse, 2010. https://archive-ouverte.unige.ch/unige:84626

107 hits

46 downloads

Update

Deposited on : 2016-06-20

Export document
Format :
Citation style :