Näytä suppeat kuvailutiedot

dc.contributor.advisorNeittaanmäki, Pekka
dc.contributor.authorRiipinen, Tommi
dc.date.accessioned2018-11-30T11:59:13Z
dc.date.available2018-11-30T11:59:13Z
dc.date.issued2018
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/60408
dc.description.abstractEksponentiaalisesti kasvavan datamassan, kasvaneen laskentatehon ja jatkuvasti kehittyvien algoritmien ansiosta koneoppimismenetelmien hyötypotentiaali lisääntyy jatkuvasti lääketieteellisen päätöksenteon tukena. Koneoppimismenetelmiä onkin käytetty jo laajasti teollisuuden ja liike-elämän sovellutuksissa, mutta kliininen konteksti asettaa sen metodeille omat ainutlaatuiset haasteensa. Tässä tutkimuksessa tutustutaan kirjallisuuskatsauksen keinoin koneoppimisen hyödyntämisen nykytilaan kliinisen päätöksenteon tukena. Aluksi kirjallisuuskatsauksessa määritellään keskeiset käsitteet. Tämän jälkeen esitellään käyttötapauksia, joissa koneoppimismenetelmiä on onnistuneesti sovellettu kliinisen diagnostiikan tukena. Tämän jälkeen perehdytään osittain ainutlaatuisiin ongelmiin, joita tekoälymetodien ja koneoppimistekniikoiden käyttö tuo mukanaan lääketieteellisessä ympäristössä. Lopuksi hahmotellaan tutkimuskirjallisuudesta kehityssuuntia koneoppimismenetelmien käytössä koskien lääketieteellistä diagnostiikkaa.fi
dc.description.abstractPossible beneficial use cases of machine learning methods are ever growing due to data mass that is growing exponentially, growth in computational power and the constant development of algorithms. Machine learning methods have already been in use widely in the fields of industry and business, but the clinical context presents unique challenges for usage of computer aided decision-making. At first in the literary review, we define key concepts. After this, we present use cases where machine learning algorithms have been successfully applied to support clinical diagnostics. Then we present the unique problems related to the use of artificial intelligence and machine learning methods in the medicinal field. In the end, we present some ways that the usage of machine learning methods in support of clinical decision-making is changing in the future.en
dc.format.extent24
dc.language.isofi
dc.titleKoneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
dc.identifier.urnURN:NBN:fi:jyu-201811304955
dc.type.ontasotBachelor's thesisen
dc.type.ontasotKandidaatintyöfi
dc.contributor.tiedekuntaInformaatioteknologian tiedekuntafi
dc.contributor.tiedekuntaFaculty of Information Technologyen
dc.contributor.laitosInformaatioteknologiafi
dc.contributor.laitosInformation Technologyen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.oppiaineTietojärjestelmätiedefi
dc.contributor.oppiaineInformation Systems Scienceen
dc.rights.copyrightJulkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.fi
dc.rights.copyrightThis publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.en
dc.contributor.oppiainekoodi601
dc.subject.ysolääketiede
dc.subject.ysokoneoppiminen
dc.subject.ysotekoäly
dc.subject.ysopäätöksentukijärjestelmät


Aineistoon kuuluvat tiedostot

Thumbnail

Aineisto kuuluu seuraaviin kokoelmiin

Näytä suppeat kuvailutiedot