Geri Dön

A partially observable markov decision process approach for clinical decision support in cancer treatment: implementation for colon cancer

Kanser tedavı̇sı̇nde klı̇nı̇k karar desteğı̇ ı̇çı̇n kısmı̇ gözlemlenebı̇lı̇r markov karar sürecı̇ yaklaşımı: Kolon kanserı̇ uygulaması

PDF İndir

  1. Tez No: 758908
  2. Yazar: AYŞE SEVDE EDİZER
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BANU YÜKSEL ÖZKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 104

Özet

Kanser tedavi süreci birçok yönden belirsizlik içermektedir. Hastalığın dinamik değişen doğası ve hastalığı evrelemek için kullanılan testlerin belirli bir oranda sapma içermesi hastalığın gerçek durumunu bilmeyi zorlaştırmaktadır. Hekimler, diğer birçok hastalıkta olduğu gibi kanser tedavi kararlarını da stokastik bir ortamda vermektedir. Bu çalışma, kısmi gözlemlenebilir Markov karar süreçlerini kullanarak kolorektal kanseri tedavi sürecini matematiksel olarak modellemeyi amaçlamaktadır. Kısmi gözlemlenebilir çevrenin tedavi seçenekleri üzerindeki etkisini anlamak için hastanın gerçek sağlık durumunun gözlem durumu olarak tanımlanan kandaki karsinoembriyonik antijen seviyesi değişimi ve bilgisayarlı tomografi sonuçları üzerinden tahmin edildiği kısmi gözlemlenebilir Markov karar süreci modelinin sonuçlarını hastanın gerçek sağlık durumunun tam olarak bilindiğini varsayan temel bir Markov karar süreci modeliyle karşılaştırılmalı değerlendirmesi yapılmıştır. Önerilen modelin çıktıları Surveillance, Epidemiology ve End Results veritabanındaki 5 yıllık sağkalım sonuçlarıyla karşılaştırılmıştır. Modelin etkinliğinin anlaşılması için bir dizi varsayımsal senaryo sunulmuş olup modelleme sürecinde karşılaşılan bazı kısıtlamalardan bahsedilerek gelecekteki çalışmalar için önerilerde bulunulmuştur.

Özet (Çeviri)

The cancer treatment process involves uncertainty by its nature. Since the disease evolves continuously and diagnostic tests used to detect the level of the disease are not totally accurate, the actual state of the disease remains unknown. Therefore, physicians should make treatment decisions in a stochastic environment. This study aims to develop a mathematical model of the history of the colorectal cancer treatment process by using partially observable Markov decision process. To understand the impact of the partially observable environment on modeling the history of the disease, a comparative analysis of the outputs of the partially observable Markov decision process model, in which the patient's actual health status is estimated from the blood carcinoembryonic antigen level change and computed tomography results as observational states, with a basic Markov decision process model that assumes the patient's actual health status is fully known. has been made. The output of the proposed model has been compared to 5-year survival outcomes that come from Surveillance, Epidemiology, and End Results database. A series of hypothetical scenarios have been presented to understand the effectiveness of the model and some limitations encountered in the modeling process have been mentioned along with suggestions for future studies will be made.

Benzer Tezler

  1. Tez No

    680397

    Personalized screening policies for cervical cancer prevention

    Servikal kanser önlenmesinde kişiselleştirilmiş tarama politikalar

    MALEK EBADI

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri MühendisliğiSabancı Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. JOHANNES BARTHOLOMEUS GERARDUS FRENK

    DOÇ. DR. RAHA AKHAVAN TABATABAEI

  2. Tez No

    752906

    Deep reinforcement learning for partially observable markov decision processes

    Kısmi gözlemlenebilir markov karar süreçleri için derin pekiştirmeli öğrenme

    MEHMET HAKLIDIR

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

  3. Tez No

    312062

    Evolutionary algorithms for solving DEC-POMDP problems

    MO-KGMKS problemlerinin çözümünde evrimsel algoritmalar

    BARIŞ EKER

    Doktora

    İngilizce

    İngilizce

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN LEVENT AKIN

  4. Tez No

    285587

    The value of information in a manufacturing facility taking production and lead time quotation decisions

    Üretim ve tedarik süresi kararlarını veren bir üretim tesisinde bilginin değeri

    CUMHUR KAMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Bölümü

    DOÇ. DR. YASEMİN SERİN

    YRD. DOÇ. DR. SEÇİL SAVAŞANERİL

  5. Tez No

    442358

    A heuristic temporal difference approach with adaptive grid discretization

    Adaptif ızgara ayrıklaştırması ile sezgisel zamansal fark yaklaşımı

    OZAN BORA FİKİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Mühendislik Bilimleri Ana Bilim Dalı

    PROF. DR. FARUK POLAT

Geri Dön