Personalizing treatments via contextual multi-armed bandits by identifying relevance
İlgi belirleyerek bağlamsal çok kollu haydutlar ile tedavileri kişiselleştirme
- Tez No: 575182
- Danışmanlar: DR. ÖĞR. ÜYESİ CEM TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Kişiselleştirilmiş tıp bireyler için özel tedavi seçenekleri sunar, bu da her hasta farklı olduğu için hayati bir önem taşır. Herkese uyması beklenen ortak yaklaşımlar genellikle etkili değildir ve çoğu hasta kanser, kalp hastalıkları ve diyabet gibi çeşitli hastalıklarda kişiselleştirilmiş bakıma ihtiyaç duyar. Tıpta (aynı zamanda ağ-tabanlı tavsiye sistemleri ve akıllı radyo ağları gibi diğer alanlarda) çok miktarda verinin elde edilebilmesi ile çevrimiçi öğrenme yöntemleri belirsiz ortamlarda hızlı öğrenme yetenekleri nedeniyle popülerlik kazanmaktadır. Bu tür uygulamalarda bağlamsal çok kollu haydut algoritmaları güvenilir karar verme seçenekleri sunar. Medikal uygulamalarda(ayrıca yukarıda belirtilen uygulamalarda), veriler (bağlamlar) ve eylemler (kollar) genellikle yüksek boyutludur ve çok boyutluluğun lanetinden dolayı geleneksel bağlamsal çok kollu haydut yöntemlerinin performansları neredeyse rasgele seçim kadar kötü olur. Neyse ki, çoğu zaman karar verme görevi ile ilgili bilgiler tüm boyutlara bağlı değildir, bunun yerine boyutların az sayıda eleman içeren ve ilgili boyutlar adı verilen bir alt kümesine bağlıdır. Bu tezde, hastaların sonuçlarına ilişkin beklenen ödüller bağlam ve kol boyutlarının yalnızca küçük bir alt kümesi üzerinde değişiklik gösterdiğinde bağlamsal çok kollu haydut yaklaşımları kullanarak zaman içinde ardışık olarak gelen hastalar için kişiselleştirilmiş tedaviler sağlamak hedeflenmiştir. Bu amaç için, ilk olarak bağlam-kol uzayı üzerinde yeni bir bölümlendirme stratejisi kullanarak ve bir aday ilgili boyut değişkenler grubu oluşturarak ilgi öğrenen ilgi öğrenmeli bağlamsal çok kollu haydut(contextual multi-armed bandit with relevance learning veya kısaca CMAB-RL) algoritması kullanılmıştır. Bu modelde, ilgili hasta özellikleri kümesinin farklı bolus insulin dozları için farklı olmasına izin verilen bir ortamı ele alınmıştır. Daha sonra, bağlam-kol uzayı üzerinde tanımlanan beklenen ödül fonksiyonunun bir Gauss sürecinden örneklendiği bir ortam ele alınmıştır. Bu ortam için, bağlamsal Gauss süreci üst güven sınırı(contextual Gaussian process upper confidence bound veya kısaca CGP-UCB) algorithmasının bir uzantısı olan ve ilgi öğrenmeyi her boyut için bir ağırlık atama sağlayan çekirdek fonksiyonlarını entegre ederek ve negatif logaritmik marjinal olabilirliği eniyileyerek öğrenen ilgi öğrenmeli CGP-UCB(CGP-UCB with relevance learning veya kısaca CGP-UCB-RL) algoritması önerilmiştir. Sonrasında, bu yaklaşımın kan şekeri düzenlemesi problemine uygunluğu incelenmiştir. Bolus insulin düzenlenmesi problemine uygulanmalarının yanında, iki algoritmanın performansları referans olması için sentetik olarak yaratılmış ortamlarda değerlendirilmiştir.
Özet (Çeviri)
Personalized medicine offers specialized treatment options for individuals which is vital as every patient is different. One-size-fits-all approaches are often not effective and most patients require personalized care when dealing with various diseases like cancer, heart diseases or diabetes. As vast amounts of data became available in medicine (and other fields including web-based recommender systems and intelligent radio networks), online learning approaches are gaining popularity due to their ability to learn fast in uncertain environments. Contextual multi-armed bandit algorithms provide reliable sequential decision-making options in such applications. In medical settings (also in other aforementioned settings), data (contexts) and actions (arms) are often high-dimensional and performances of traditional contextual multi-armed bandit approaches are almost as bad as random selection, due to the curse of dimensionality. Fortunately, in many cases the information relevant to the decision-making task does not depend on all dimensions but rather depends on a small subset of dimensions, called the relevant dimensions. In this thesis, we aim to provide personalized treatments for patients sequentially arriving over time by using contextual multi-armed bandit approaches when the expected rewards related to patient outcomes only vary on a small subset of context and arm dimensions. For this purpose, first we make use of the contextual multi-armed bandit with relevance learning (CMAB-RL) algorithm which learns the relevance by employing a novel partitioning strategy on the context-arm space and forming a set of candidate relevant dimension tuples. In this model, the set of relevant patient traits are allowed to be different for different bolus insulin dosages. Next, we consider an environment where the expected reward function defined over the context-arm space is sampled from a Gaussian process. For this setting, we propose an extension to the contextual Gaussian process upper confidence bound (CGP-UCB) algorithm, called CGP-UCB with relevance learning (CGP-UCB-RL), that learns the relevance by integrating kernels that allow weights to be associated with each dimension and optimizing the negative log marginal likelihood. Then, we investigate the suitability of this approach in the blood glucose regulation problem. Aside from applying both algorithms to the bolus insulin administration problem, we also evaluate their performance in synthetically generated environments as benchmarks.
Benzer Tezler
- KOAH alevlenmesi nedeniyle non-invaziv ventilasyon uygulanan hastalarda ultrasonografi ile değerlendirilen diyafram fonksiyonunun prognoza etkisinin değerlendirilmesi
Evaluation of the prognostic impact of diaphragm function assessed by ultrasound in patients with COPD exacerbation receiving non-invasive ventilation
FAIG TEYMURLU
Tıpta Uzmanlık
Türkçe
2024
Göğüs HastalıklarıEge ÜniversitesiGöğüs Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZEN KAÇMAZ BAŞOĞLU
- Kranial dural arteriovenöz fistüllerde endovasküler, cerrahi ve kombine tedavilerin kranial venöz remodeling ve klinik sonuçlara etkisi
The impact of endovascular, surgical, and combined treatments on cranial venous remodeling and clinical outcomes in cranial dural arteriovenous fistulas
ÖMÜR CEMAL KAZAZ
Tıpta Uzmanlık
Türkçe
2025
NöroşirürjiSağlık Bilimleri ÜniversitesiBeyin ve Sinir Cerrahisi Ana Bilim Dalı
PROF. DR. MEHMET ERHAN TÜRKOĞLU
- Kolon kanserlerinde msı pozitif hastalarda klinikopatolojik özelliklerin ve sağkalım verilerinin karşılaştırmalı değerlendirilmesi
Comparative evaluation of clinicopathological features and survival data in msi positive patients with colon cancer
MUHAMMET RAŞİT SİYAH
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. BURAK BİLGİN
DOÇ. DR. BETÜL ERİŞMİŞ
- Eksternal radyoterapide kritik organların aldığı dozun monte carlo yöntemi ile belirlenmesi
Determination of the dose received by critical organs in external radiotherapy by monte carlo method
ALP CESUR
Doktora
Türkçe
2025
Fizik ve Fizik MühendisliğiAkdeniz ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI SARPÜN
- İnfrarenal abdominal aort anevrizmasında anevrizma kesesinin morfovolümetrik özelliklerinin evar risk prediksiyonu ve takibindeki sonuçlara etkisi
The effect of morphovolumetric characteristics of the aneurysm sac on risk prediction and outcomes in the follow-up of infrarenal abdominal aortic aneurysm treated with evar
SİNAN ÖZÇELİK
Tıpta Uzmanlık
Türkçe
2025
Göğüs Kalp ve Damar CerrahisiSağlık Bilimleri ÜniversitesiKalp ve Damar Cerrahisi Ana Bilim Dalı
PROF. DR. HAKKI ZAFER İŞCAN