Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa

Eksponentiaalisesti 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 sovellutu...

Full description

Bibliographic Details
Main Author: Riipinen, Tommi
Other Authors: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Format: Bachelor's thesis
Language:fin
Published: 2018
Subjects:
Online Access: https://jyx.jyu.fi/handle/123456789/60408
_version_ 1826225807747448832
author Riipinen, Tommi
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Riipinen, Tommi Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Riipinen, Tommi Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Riipinen, Tommi
datasource_str_mv jyx
description Eksponentiaalisesti 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. Possible 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.
first_indexed 2024-09-11T08:49:08Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "Neittaanm\u00e4ki, Pekka", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Riipinen, Tommi", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2018-11-30T11:59:13Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2018-11-30T11:59:13Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2018", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/60408", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Eksponentiaalisesti kasvavan datamassan, kasvaneen laskentatehon ja jatkuvasti kehittyvien algoritmien ansiosta koneoppimismenetelmien hy\u00f6typotentiaali lis\u00e4\u00e4ntyy jatkuvasti l\u00e4\u00e4ketieteellisen p\u00e4\u00e4t\u00f6ksenteon tukena. Koneoppimismenetelmi\u00e4 onkin k\u00e4ytetty jo laajasti teollisuuden ja liike-el\u00e4m\u00e4n sovellutuksissa, mutta kliininen konteksti asettaa sen metodeille omat ainutlaatuiset haasteensa. T\u00e4ss\u00e4 tutkimuksessa tutustutaan kirjallisuuskatsauksen keinoin koneoppimisen hy\u00f6dynt\u00e4misen nykytilaan kliinisen p\u00e4\u00e4t\u00f6ksenteon tukena. Aluksi kirjallisuuskatsauksessa m\u00e4\u00e4ritell\u00e4\u00e4n keskeiset k\u00e4sitteet. T\u00e4m\u00e4n j\u00e4lkeen esitell\u00e4\u00e4n k\u00e4ytt\u00f6tapauksia, joissa koneoppimismenetelmi\u00e4 on onnistuneesti sovellettu kliinisen diagnostiikan tukena. T\u00e4m\u00e4n j\u00e4lkeen perehdyt\u00e4\u00e4n osittain ainutlaatuisiin ongelmiin, joita teko\u00e4lymetodien ja koneoppimistekniikoiden k\u00e4ytt\u00f6 tuo mukanaan l\u00e4\u00e4ketieteellisess\u00e4 ymp\u00e4rist\u00f6ss\u00e4. Lopuksi hahmotellaan tutkimuskirjallisuudesta kehityssuuntia koneoppimismenetelmien k\u00e4yt\u00f6ss\u00e4 koskien l\u00e4\u00e4ketieteellist\u00e4 diagnostiikkaa.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Possible 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.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2018-11-30T11:59:13Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2018-11-30T11:59:13Z (GMT). No. of bitstreams: 0\n Previous issue date: 2018", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "24", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.title", "value": "Koneoppimisen mahdollisuudet l\u00e4\u00e4ketieteellisess\u00e4 diagnostiikassa", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201811304955", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatinty\u00f6", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietoj\u00e4rjestelm\u00e4tiede", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Information Systems Science", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "601", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "l\u00e4\u00e4ketiede", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "teko\u00e4ly", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "p\u00e4\u00e4t\u00f6ksentukij\u00e4rjestelm\u00e4t", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_60408
language fin
last_indexed 2025-02-18T10:56:14Z
main_date 2018-01-01T00:00:00Z
main_date_str 2018
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/732d2825-94b9-4d3e-bb94-becb5aea6b29\/download","text":"URN:NBN:fi:jyu-201811304955.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2018
record_format qdc
source_str_mv jyx
spellingShingle Riipinen, Tommi Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa Tietojärjestelmätiede Information Systems Science 601 lääketiede koneoppiminen tekoäly päätöksentukijärjestelmät
title Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_full Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_fullStr Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_full_unstemmed Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_short Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_sort koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
title_txtP Koneoppimisen mahdollisuudet lääketieteellisessä diagnostiikassa
topic Tietojärjestelmätiede Information Systems Science 601 lääketiede koneoppiminen tekoäly päätöksentukijärjestelmät
topic_facet 601 Information Systems Science Tietojärjestelmätiede koneoppiminen lääketiede päätöksentukijärjestelmät tekoäly
url https://jyx.jyu.fi/handle/123456789/60408 http://www.urn.fi/URN:NBN:fi:jyu-201811304955
work_keys_str_mv AT riipinentommi koneoppimisenmahdollisuudetlääketieteellisessädiagnostiikassa