Uporaba globokega učenja za napovedovanje diagnoze in simptomov spektra psihotičnih motenj na podlagi funkcijske konektivnosti : magistrsko delo
Avberšek, Lev Kiar
Duševne motnje so pojav, ki ga lahko opazujemo na različnih ravneh – od genetike, živčnih vezij in omrežij, kognitivnih procesov do vedenja in doživljanja. Sodobna psihiatrična diagnostika temelji ...predvsem na opisnih kriterijih sprememb vedenja in doživljanja, kljub temu da te ne odražajo motnje na stopnji nevrobiološkega in kognitivnega sistema. Rezultata počasnega prenosa znanja iz nevroznanosti v klinično psihologijo in psihiatrijo sta visoka komorbidnost med prepoznanimi diagnostičnimi kategorijami ter nizka uspešnost zdravljenja. Možno rešitev podajajo raziskovalni pristopi, ki spodbujajo povezovanje ravni razumevanja duševnih motenj. Mednje sodita računska psihiatrija ter strojno učenje. Namen raziskave je bil preveriti, v kakšni meri nam globoko učenje, podzvrst strojnega učenja, omogoča prepoznati in opisati lastnosti nevrovedenjske geometrije psihotičnih motenj. Natančneje smo v študiji s pomočjo globokega učenja skušali oblikovati modele, ki s pomočjo vzorcev globalne možganske povezanosti napovedujejo diagnozo in mere psihopatologije ter primerjati i) uspešnost dobljenih modelov s predhodnimi študijami, ii) globoko učenje s kanonično korelacijsko analizo in iii) uspešnost modelov pri napovedovanju a priori teoretičnih mer ter empirično pridobljenih indikatorjev psihopatologije. V raziskavo smo vključili odprtodostopen vzorec 636 udeležencev, ki je vključeval 150 oseb z bipolarno motnjo, 119 s shizoafektivno motnjo, 167 s shizofrenijo in 202 osebi brez diagnoze. Oblikovali smo globoke modele za štiri naloge: binarno in multiplo klasifikacijo diagnoz, regresijo a priori teoretičnih mer in empiričnih indikatorjev psihopatologije na podlagi vzorcev globalne možganske povezanosti. Dobljeni modeli so uspešno razlikovali med zdravimi posamezniki in posamezniki z motnjo psihotičnega spektra (98,34 %). Najpomembnejše možganske regije za uspešno delovanje modelov, so se skladale s predhodnimi študijami. Natančnost razlikovanja motenj psihotičnega spektra je bila znatno nižja (56,04 %), notranji procesi globokih modelov pa manj zanesljivi. Nalogi regresije a priori mer psihopatologije in empiričnih indikatorjev sta pokazali, da je globoko učenje zmožno pojasniti več variance kot kanonična korelacijska analiza, vendar nič od tega ne izkazuje zadovoljive posplošljivosti. Modeli globokega učenja so bili nekoliko bolj uspešni pri napovedovanju a priori teoretičnih mer kot empiričnih indikatorjev. Naše ugotovitve kažejo na pomembne potenciale globokega učenja. S pomočjo dostopnih podatkov je mogoče na podlagi funkcijske povezanosti možganov natančno razlikovati med zdravimi in nezdravimi udeleženci ter zajeti kompleksnejše nevrovedenjske vzorce kot kanonična korelacijska analiza. Glede na skladnost notranjih procesov globokih modelov s predhodnimi ugotovitvami o psihotičnih motnjah izkazujejo globoki modeli praktično vrednost kot presejalni instrument. Pri kompleksnejših nalogah uporabljeni globoki modeli niso dosegli zadovoljive posplošljivosti, kar kaže na potrebo po nadaljnjem razvoju modelov ter večjem naboru učnih podatkov.
Type of material - master's thesis
; adult, serious
Publication and manufacture - Ljubljana : [L. K. Avberšek], 2023
OHK - Psihologija MagB AVBERŠEK L.K. Uporaba
OHK - Psihologija MagB AVBERŠEK L.K. Uporaba
available - reading room
Shelf entry
Adding material to shelf was successful.
Adding material to shelf failed.
It was not necessary to add the material to the shelf.
Bibliographic material was successfully added on shelf.
Adding bibliographical material on shelf was not successful.
Material is already on the shelf.
Permalink
URL:
Impact factor
Access to the JCR database is permitted only to users from Slovenia. Your current IP address is not on the list of IP addresses with access permission, and authentication with the relevant AAI accout is required.
Year
Impact factor
Edition
Category
Classification
JCR
SNIP
JCR
SNIP
JCR
SNIP
JCR
SNIP
Select the library membership card:
DRS,
in which the journal is indexed
Database name
Field
Year
Links to authors' personal bibliographies
Links to information on researchers in the SICRIS system
Subject headings in COBISS General List of Subject Headings
Select pickup location
The material from the parent unit is free. If the material is delivered to the pickup location from another unit, the library may charge you for this service.
OHK - Psihologija
