1 / 14

Sovelluksia

Sovelluksia. Kerttu-Liisa Kilpijoki. Sisällys. Sovellusalat Bayesverkot lääketieteessä Tapaus 1: Triage Tapaus 2: Neuse joen rehevöityminen Kritiikkiä ja kommentteja Yhteenveto Lähteet Kotitehtävä. Sovellusaloja. Tiedon analysointi ( Data mining )

honora
Download Presentation

Sovelluksia

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sovelluksia Kerttu-Liisa Kilpijoki

  2. Sisällys • Sovellusalat • Bayesverkot lääketieteessä • Tapaus 1: Triage • Tapaus 2: Neuse joen rehevöityminen • Kritiikkiä ja kommentteja • Yhteenveto • Lähteet • Kotitehtävä

  3. Sovellusaloja • Tiedon analysointi (Data mining) • Tilastollisesta esimerkkiaineistosta yleisesti tulkittava malli • Ongelmakentän ominaisuudet • DNA-sekvenssien analysointi, tähtikartastot • Vikadiagnostiikka • MS: apuväline tietokoneen käyttäjälle ongelmatilanteissa • Intel: laaduntarkkailu prosessoripiirien valmistusprosessissa • Älykkäät agentit • Helpottaa sovellusten käyttöä tarjoamalla aktiivisesti apua • Esim. Office Assistant

  4. Sovellusaloja • Avaruustutkimus • NASA edelläkävijä • Ulkoavaruuden tutkimuksessa prioritodennäköisyydet tai odotusarvot tuntemattomia • Verkon potentiaalisysteemit saadun datan perusteella → epäsuora verkko → muiden datajoukkojen rinnastus → uusien teorioiden ja hypoteesien testaus • Prosessikontrolli • VISTA-järjestelmä avaruussukkuloiden lennoilla • Vikatilanteet ja korjausehdotukset • Näytöillä vain tärkeimmät mittaustulokset • Kuvankäsittely • Ei Bayesverkkosovellus, mutta perustuu bayesilaisen mallinnuksen periaatteisiin • Superresoluutiokuvat (NASA)

  5. Bayesverkot lääketieteessä • Eräs ensimmäisistä sovelluksista IntelliPath • Rintasyövän diagnosointi • Potilaiden riskianalyysi • Diagnosointi, hoidon vaikutus • Optimaalinen hoito → tehokkuus • Miksi Bayes? • Epävarmuus: diagnoosi, puuttuva tieto • Evidenssin lisäys • Malli mittausdatan/kirjallisuuden pohjalta • Dynaamiset aikamallit • Epidemioiden riskimallit • elinajanennusteet

  6. Triage • Apuväline lääketieteelliseen päätöksentekoon • Tavoitteena potilaiden oikea ja tehokas hoito • Diagnoosi • Potilaiden priorisointi tilan vakavuuden perusteella • Sijoitus (hoitoyksikkö) → hoitoviiveen minimointi • Verkon toiminta: • Pääoireet: prioritodennäköisyydet, ryhmittely • Esikysymykset • Kyselytutkimus → oireiden päivitys • Lista diagnooseista • Iterointi: ketju toistetaan alusta, kunnes päästään yhteen tai kahteen diagnoosiin • Hyötysolmu • Sakkofunktio (kulut, hoitamattomuuden seuraukset jne.) • Hoitopäätös ehdolla diagnoosi=tosi

  7. Neuse-joen rehevöityminen (1/3) • Simulointiohjelmilla vaikeaselkoisia tuloksia • Halutaan tietoa kiinnostavista muuttujista → linkkaus typpeen (pääsyy rehevöitymiseen) • Kausaalisuhteet näkyviin • Apu päätöksentekoon, tietoa joen tilasta • Verkon koko: muuttujille kriteerit • Kontrolloitavuus/ennustettavuus/hallittavuus

  8. -50% Joen typpipitoisuus Joen virtaama Levän tiheys Siimaeliöt Hiilen tuotto Veden lämpötila -15% Sedimentin hapentarve Nääntymisen kesto Hapen konsentraatio Äyriäisten elinkyky Hypoksian kesto -11% Ristituulet Kalakuolemat Kalakannan kunto Neuse-joen rehevöityminen (2/3)

  9. Neuse-joen rehevöityminen (3/3) • Tulokset todennäköisyysjakaumina • Tilat a) ei muutosta ja b) typpeä 50 % vähemmän • Muutokset pieniä • Mitä enemmän muuttujia välissä, sen pienempi vaikutus • Ei varsinaista uutta tietoa, mutta hyvä kuva ekosysteemin toiminnasta: mikä vaikuttaa mihin

  10. Kritiikkiä ja kommentteja • Priorijakaumien määritys • Ei toimi, jos ongelmaan liittyy paljon epävarmuutta • Toimii päättelyketjun ja annettujen todennäköisyyksien mukaan → odottamattomia tilanteita ei pystytä käsittelemään • Office Assistant • Automaattinen ohjaus • Suurissa verkoissa laskennallinen vaikeus • Algoritmien jumiutuminen • Hyvä ongelman hahmotuksessa • Kausaalisuhteet • Ei ehdotonta oikeaa ratkaisua, kuitenkin hyvä apuväline

  11. Yhteenveto • Bayesverkoilla paljon sovelluksia • Tietokoneen käyttöjärjestelmissä • Avaruustutkimuksessa • Lääketieteessä • Mallit mittausdatan tai esitiedon pohjalta • Diagnoosit, ennustus, tuotantokontrolli

  12. Lähteet • Johdatus Bayesverkkoihin ja sovelluksiin www.niedermayer.ca/papers/bayesian/bayes.html • Bayesilaiset mallit lääketieteessä www.csd.abdn.ac.uk/~plucas/aime01-ws.html • Hugin www.hugin.com/cases • P. Myllymäki, H. Tirri: Bayesverkkojen mahdollisuudet, Teknologiakatsaus 58/98, TEKES 1998 • M.E. Borsuk et al., A Bayesian network of eutrophication models for synthesis, prediation and uncertainty analysis, Ecological Modelling 173 (2004) 219-239

  13. Kotitehtävä • Esittele lyhyesti Lumiere-projekti ja jokin muu sovellus • Tekstiä max yksi A4

More Related