140 likes | 293 Views
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 )
E N D
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) • 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
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)
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
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
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
-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)
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
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
Yhteenveto • Bayesverkoilla paljon sovelluksia • Tietokoneen käyttöjärjestelmissä • Avaruustutkimuksessa • Lääketieteessä • Mallit mittausdatan tai esitiedon pohjalta • Diagnoosit, ennustus, tuotantokontrolli
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
Kotitehtävä • Esittele lyhyesti Lumiere-projekti ja jokin muu sovellus • Tekstiä max yksi A4