การศึกษาตัวจำแนกประเภทการเรียนรู้ของเครื่องเพื่อทำนายโรคหลอดเลือดสมอง

ฐิติพร อ้ายดี

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/80072

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	วิบูลย์ แสงวีระพันธุ์ศิริ	-
dc.contributor.author	ฐิติพร อ้ายดี	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2022-07-23T05:13:46Z	-
dc.date.available	2022-07-23T05:13:46Z	-
dc.date.issued	2564	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/80072	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564	-
dc.description.abstract	โรคหลอดเลือดสมองเป็นโรคที่มีอัตราการเสียชีวิตสูงและยังเป็นสาเหตุที่ทำให้เกิดการพิการ การทำวิทยานิพนธ์นี้มีจุดประสงค์ศึกษาตัวจำแนกประเภทในการเรียนรู้ของเครื่องที่มีประสิทธิภาพกับการทำนายโรคหลอดเลือดสมอง โดยใช้ตัวจำแนกประเภทกับข้อมูลที่ได้จากบันทึกของศูนย์โรคหลอดเลือดสมองแบบครบวงจรโรงพยาบาลจุฬาลงกรณ์ พิจารณากับปัจจัยเฉพาะและทำการทดลองเพื่อความแม่นยำในการทำนายผล การศึกษาตัวจำแนกประเภทมีทั้ง K-Nearest Neighbors, Support Vector Machine, Random Forest และ Adaboost ปรับจูนพารามิเตอร์ที่เหมาะสมกับข้อมูลทางการแพทย์ที่มีอยู่ ตัวจำแนกประเภทแบบ Random Forest ให้ผลลัพธ์ค่าเฉลี่ยความแม่นยำ 78% ในข้อมูลโรงพยาบาลจุฬาลงกรณ์ รวมถึงวิเคราะห์ปัจจัยเสี่ยงที่ทำให้เกิดโรคหลอดเลือดสมองด้วยวิธีการเรียนรู้ของเครื่องจากข้อมูลชุดที่ทำการศึกษา โดยใช้ TreeExplainer ประมาณค่าของ shapley value เพื่อแสดงผลความสำคัญของปัจจัยเฉพาะ ทั้งนี้เพื่อต่อยอดแนวทางในการปรับใช้ข้อมูลที่จะเก็บเพิ่มขึ้นได้ในอนาคต	-
dc.description.abstractalternative	Stroke has a high mortality rate and causes disability worldwide. Studying machine learning classifiers for stroke prediction is the purpose of this research. The Chulalongkorn Stroke Center of Excellence provides stroke patient data for this study. These data features and experiments were generated machine learning model with high true positive rate. K-Nearest Neighbors, Support Vector Machine, Random Forest and Adaboost are the classifiers that operated in this study. In the dataset from the King Chulalongkorn Memorial hospital, Random Forest produced high average precision of 78 percent. Moreover, machine learning were used to analyze the primary risk factor for stroke. TreeExplainer plots estimated shapley value for feature importance. This study will monitor and develop model for future data.	-
dc.language.iso	th	-
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2021.903	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.subject.classification	Engineering	-
dc.title	การศึกษาตัวจำแนกประเภทการเรียนรู้ของเครื่องเพื่อทำนายโรคหลอดเลือดสมอง	-
dc.title.alternative	A study of classifiers in machine learning for stroke prediction	-
dc.type	Thesis	-
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	-
dc.degree.level	ปริญญาโท	-
dc.degree.discipline	วิศวกรรมเครื่องกล	-
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	-
dc.identifier.DOI	10.58837/CHULA.THE.2021.903	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
6270344821.pdf		2.53 MB	Adobe PDF	View/Open

Show simple item record