Primjena metoda klasifikacije u svrhu predviđanja potrebe za liječenjem osobe oboljele od COVID-19 na odjelu intenzivnog liječenja

undergraduate thesis

• Title (english): Application of classification methods for predicting the admission of COVID-19 patients to intensive care unit
• Author: Ivan Furač
• Mentor: Mirjana Domazet-Lošo (mentor)
• Committee member: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Committee member: Krešimir Fertalj (član povjerenstva)
• Committee member: Vedran Mornar (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2021-07-05, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Uspješno predviđanje razvoja bolesti pacijenta oboljelog od COVID-19 može uvelike olakšati organizaciju zdravstvene skrbi, pogotovo u slučajevima opterećenosti bolničkog sustava. Za rješenje prethodno navedenog problema koristio sam metode strojnog učenja te skup podataka koji sadrži različite medicinske podatke pacijenata oboljelih od COVID-19 koji se klasificiraju prema potrebi za liječenjem na jedinici intenzivnog liječenja. Koristio sam četiri algoritma strojnog učenja: ekstremno pojačavanje gradijenta, slučajna šuma, stroj potpornih vektora te neuronska mreža. Uz navedene algoritme koristio sam i dvije metode rješavanja problema podataka koji nedostaju te dvije metode odabira značajki te sam dobivene rezultate usporedio. Najbolje rezultate dobio sam korištenjem algoritama temeljenih na stablima odluke: algoritma ekstremnog pojačavanja gradijenta te algoritma slučajne šume.

Abstract (english)

Successful prediction of clinical progression of COVID-19 patients can facilitate the management of healthcare, especially in cases of larger hospital overload. For solving the previously stated problem I have used machine learning methods and a dataset containing different medical information from COVID-19 patients who have to be classified according to the need for intensive care. I have used four machine learning algorithms: extreme gradient boosting, random forest, support vector machine and neural networks. In addition to the mentioned algorithms, I have used two different methods for handling the missing data, along with two different feature selection methods and I have compared the results. The best results were obtained by using the decision tree based algorithms: extreme gradient boosting and random forest.

• Keywords: COVID-19; intenzivno liječenje; strojno učenje; klasifikacija; ekstremno pojačavanje gradijenta; slučajna šuma; stroj potpornih vektora; neuronska mreža; odabir značajki; točnost; matrica zabune; AUC vrijednost
• Keywords (english): COVID-19; intensive care; machine learning; classification; extreme gradient boosting; random forest; support vector machine; neural network; feature selection; accuracy; confusion matrix; AUC value
• Language: croatian
• URN:NBN: urn:nbn:hr:168:197100
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 20:26:16