Geri Dön

Personalizing treatments via contextual multi-armed bandits by identifying relevance

İlgi belirleyerek bağlamsal çok kollu haydutlar ile tedavileri kişiselleştirme

PDF İndir

  1. Tez No: 575182
  2. Yazar: CEM BULUCU
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CEM TEKİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Tez No

    560666

    Beyin tümörlerinde uyarılmış pluripotent kök hücre (UPKH)'lerden elde edilmiş nöral kök hücre (NKH) kullanarak terapi yaklaşımları

    Therapeutic approaches using induced pluripotent stem cell (IPS)-derived neural stem cells (NSCS) in brain tumors

    NASTARAN LANGARIZADEH

    Doktora

    Türkçe

    Türkçe

    2019

    BiyoteknolojiEge Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    PROF. DR. SİNAN AKGÖL

    YRD. DOÇ. DR. TUĞBA BAĞCI ÖNDER

  2. Tez No

    786486

    Kronik bel ağrısı olan hastalarda ağrı inançları, ağrı ile baş etme becerilerinin girişimsel tedavi yanıtına etkisi

    Başlık çevirisi yok

    HİLAL ÇAKMAK KOCABAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Anestezi ve ReanimasyonManisa Celal Bayar Üniversitesi

    Anesteziyoloji ve Reanimasyon Ana Bilim Dalı

    PROF. DR. İDİL TEKİN

  3. Tez No

    879092

    Nazal polip rekürrensinde charcot leyden kristali proteini'nin prediktif değeri

    Predictive value of charcot-leyden crystal protein in nasal polyp recurrence

    DURAN YILDIRIM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Kulak Burun ve BoğazSağlık Bilimleri Üniversitesi

    Kulak Burun Boğaz ve Baş-Boyun Cerrahisi Ana Bilim Dalı

    PROF. DR. HÜLYA EYİGÖR

  4. Tez No

    610770

    Takrolimus kullanan böbrek nakil hastalarında farmakogenetiğin öneminin araştırılması

    The role of pharmacogenetics in tacrolimus treated renal transplant patients

    MERVE DEMİRBÜGEN ÖZ

    Doktora

    Türkçe

    Türkçe

    2019

    Eczacılık ve FarmakolojiAnkara Üniversitesi

    Farmasötik Toksikoloji Ana Bilim Dalı

    PROF. DR. HALİT SİNAN SÜZEN

  5. Tez No

    324070

    Multipl skleroz hastalarında vestibüler rehabilitasyonun denge bozukluğu, yaşam kalitesi ve depresyon üzerine etkilerinin değerlendirilmesi

    Effect of vestibular rehabilitation on balance, quality of life and depression in patients with multiple sclerosis

    GÜLNUR ÖZGEN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    Fiziksel Tıp ve RehabilitasyonEge Üniversitesi

    Fizik Tedavi ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. YEŞİM AKKOÇ

Geri Dön